Dengan melihat tampilan histogram maupun grafik normal plot dapat disimpulkan bahwa grafik histogram memberikan pola distribusi
menceng skewness kekanan dan normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal dan mengikuti
arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2 Analis statistik
Descriptive Statistics
N Minimu
m Maximu
m Mean
Std. Deviation
Skewness Kurtosis
Statistic Statistic Statistic Statisti
c Statistic
Statisti c
Std. Error
Statisti c
Std. Error
Unstanda rdized
Residual 100
- 5.46536
6.07108 0E-7
2.4006479 1
-.031 .241
-.356 .478 Valid N
listwise 100
Dari nilai kurtosis dan skewness diatas dapat dihitung nilai Zskewness dan Zkurtosis:
Zskewness =
√ √
Zkurtosis =
√ √
Hasil perhitungan Zskewness dan Zkurtosis terdapat pada nilai tabel, jadi dapat disimpulkan bahwa data residual terdistribusi secara
normal, hal ini konsisten dengan uji grafik.
4. Uji Regresi Linear Berganda
Analisis regresi linier berganda ini digunakan untuk mengetahui pengaruh antara variabel independen terhadap variabel dependen. Adapun
hasil perhitungan analisis linier berganda adalah sebagai berikut:
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s T
Sig. Collinearity
Statistics
B Std.
Error Beta
Toleranc e
VIF
1 Constant
14.171 1.384
10.241 .000
informasi_ online
.091 .071
.129 1.290
.009 .993
1.007 Lokasi
.090 .067
.134 1.336
.011 .993
1.007 a. Dependent Variable: minat_penggunaan_ulang
Dari hasil output di atas telah diperoleh persamaan regresi linear berganda sebagai berikut:
Y= 14,171 + 0,091X
1
+ 0,090X
2
a = 14,171 merupakan nilai konstanta, jika nilai X
1
dan X
2
dianggap 0 maka nilai dari minat penggunaan ulang hotel Walan Syariah Sidoarjo adalah
sebesar 14,171. b
1 =
0,091 artinya variabel informasi online berpengaruh positif terhadap minat penggunaan ulang jasa hotel Walan Syariah Sidoarjo dan apabila
variabel informasi online meningkat satu satuan, maka lokasi akan meningkat sebesar 0,091 satuan dengan sumsi X
2
konstan. b
2 =
0,090 artinya variabel lokasi berpengaruh positif terhadap minat penggunaan ulang jasa hotel Walan Syariah Sidoarjo dan apabila variabel
lokasi meningkat satu satuan, maka minat penggunaan ulang jasa hotel Walan Syariah Sidoarjo akan meningkat sebesar 0,090 satuan dengan asumsi
X
1
konstan. Dari hasil regresi tersebut dapat diketahui bahwa variabel yang
paling dominan berpengaruh terhadap minat penggunaan ulang jasa hotel Walan Syariah Sidoarjo adalah informasi online hal ini disebabkan karena
variabel informasi online mempunyai nilai beta yang lebih besar dari variabel lokasi.
5. Koefisien Determinasi R
2
Uji koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
R
2
yang semakin mendekati 1, berarti variabel-variabel independen. Sebaliknya jika R
2
mendekati 0 nol, maka semakin lemah pengaruh variabel-variabel bebas terhadap variabel terikat seperti tabel berikut:
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .193
a
.037 .017
2.42527 a. Predictors: Constant, lokasi, informasi_online
b. Dependent Variable: minat_penggunaan_ulang
Dari tampilan output SPSS model summary besarnya adjusted R Square adalah 0,017 hal ini berarti 17 variasi minat penggunaan ulang jasa
hotel Walan Syariah Sidoarjo dapat dijelaskan oleh informasi online dan lokasi sedangkan sisanya 100 - 17 = 83 dijelaskan oleh sebab-sebab
lain diluar model. Standar Error of Estimate SEE sebesar 2,425 ribu dolar. Makin kecil nilai SEE yang berarti model regresi semakin tepat dalam
memprediksi variabel dependen.
6. Uji hipotesis
a. Uji simultan F
Uji simultan f dalam analisis regresi linear berganda bertujuan untuk mengetahui pengaruh variabel bebas secara bersama-sama
simultan terhadap variabel terikat. Jika nilai signifikansi lebih kecil dari 0,05 maka variabel bebas secara simultan berpengaruh secara signifikan
terhadap variabel terikat dan sebaliknya jika nilai signifikansi lebih besar dari 0,05 maka variabel bebas secara simultan tidak berpengaruh secara
signifikan terhadap variabel terikat.
ANOVA
a
Model Sum of
Squares df
Mean Square F
Sig.
1 Regression
22.092 2
11.046 1.878
.002
b
Residual 570.548
97 5.882
Total 592.640
99 a. Dependent Variable: minat_penggunaan_ulang
b. Predictors: Constant, lokasi, informasi_online
Berdasarkan output di atas menunjukkan bahwa F test hitung sebesar 1,878 dengan nilai signifikansi sebesar 0,002 yang mana lebih
kecil dari 0,05 maka variabel informasi online dan lokasi secara bersama-sama simultan berpengaruh signifikan terhadap minat
pembelian ulang jasa hotel Walan Syariah Sidoarjo.
b. Uji parsial t
Uji parsial t dalam uji analisi regresi berganda bertujuan untuk mengetahui apakah variabel bebas sendiri parsial berpengaruh
signifikan terhadap variabel terikat. Jika nilai signifikansi lebih kecil dari 0,05 maka variabel bebas berpengaruh signifikan terhadap variabel
terikat dan sebaliknya jika nilai signifikansi lebih besar dari 0,05 maka variabel bebas tidak berpengaruh terhadap variabel terikat. Hasil uji t
dapat dilihat pada tabel dibawah ini:
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s T
Sig. Collinearity
Statistics
B Std.
Error Beta
Toleranc e
VIF
1 Constant
14.171 1.384
10.241 .000
informasi_ online
.091 .071
.129 1.290
.009 .993
1.007 Lokasi
.090 .067
.134 1.336
.011 .993
1.007 a. Dependent Variable: minat_penggunaan_ulang
Berdasarkan output di atas menunjukkan bahwa nilai signifikansi variabel informasi online
Sebesar 0,009 yang mana lebih kecil dari 0,05 yang berarti informasi onine berpengaruh terhadap minat penggunaan
ulang hotel Walan Syariah Sidoarjo sedangkan lokasi sebesar 0,011 yang mana lebih kecil dari 0,05 yang berarti lokasi berpengaruh terhadap
minat penggunaan ulang jasa hotel Walan Syariah Sidoarjo, maka dapat disimpulkan bahwa secara parsial variabel informasi online dan variabel
lokasi berpengaruh signifikan terhadap minat penggunaan ulang jasa hotel Walan Syariah Sidoarjo.
