86 Setelah konsumen memutuskan berkunjung ke satu restoran khas
Kraton Yogyakarta, maka muncullah keputusan pembelian yang dipengaruhi oleh karakteristik pelayanan sebagai kesan pertama dan karakteristik
makanan. Tanggapan konsumen tentang karakteristik pelayanan yang memiliki mean tertinggi terletak pada pelayan penuh dengan perhatian 3,2
dan tanggapan konsumen dengan mean dibawah 3 adalah adanya bokorwadah untuk cuci tangan, tata cara pelayanan yang khas, penyajian
kletikan, dan pelayan berpenampilan rapi bernuansa tradisional. Sedangkan tentang karakteristik makanan yang dirasakan oleh konsumen, konsumen
memberikan tanggapan sangat setuju dengan nama makanan ditulis dalam bahasa Jawa dan tersedianya minuman tradisional sebagai pendamping
makanan dengan mean tertinggi masing-masing sebesar 3,5. Mean tanggapan konsumen yang terkecil tentang karakteristik makanan adalah
pada suhu makanan saat disajikan sesuai dengan suhu ruang 3,1. Setelah konsumen merasakan karakteristik makanan dan pelayanan
secara langsung, maka muncul perilaku konsumen pasca pembelian. Berdasarkan hasil penelitian konsumen paling banyak setuju dengan
menyatakan bahwa konsumen puas terhadap makanan dan pelayanan di restoran khas Kraton Yogyakarta menunjukkan mean tertinggi sebesar 3,3.
Sedangkan mean terkecil yaitu konsumen memberikan predikat khusus sebagai restoran khas favorit sebesar 2,9.
87
6. Uji Persyaratan Analisis
a. Uji asumsi multikolinieritas Uji asumsi ini bertujuan untuk menguji apakah pada model regresi
ditemukan adanya korelasi antar variabel independen. Jika terdapat atau terjadi korelasi maka dinamakan terdapat problem multikolinieritas. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Junianto, 2014:1.
Tabel 14. Hasil uji moltikolinieritas
Variabel Statistik kolinieritas
Nilai tolerance VIF
Karakteristik Makanan 0,804
1,244 Karakteristik Pelananan
0,804 1,244
Dari tabel 14 menunjukkan bahwa tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,100 yang berarti tidak ada korelasi
antar variabel independen. Dengan demikian dapat dikatakan bahwa tidak terjadi multikolinieritas. Nilai VIF menunjukkan nilai lebih kecil dari 5 maka
tidak terjadi multikolinieritas, sehingga model pada penelitian ini memenuhi syarat untuk menjadi model regresi yang baik karena tidak terjadi korelasi
antar variabel independen non-multikolinieritas. Tabel 15. Koefisien Korelasi
Variabel Karakteristik
Pelayanan Karakteristik
Makanan Karakteristik Pelayanan
1,000 -0,443
Karakteristik Makanan -0,443
1,000 Melihat tabel 15 tampak bahwa terjadi korelasi sedang antara variabel
karakteristik pelayanan dan karakteristik makanan dengan tingkat korelasi - 0,443 atau 44,3. Karena nilainya masih dibawah 95 sehingga masih
dapat dikatakan tidak terjadi multikolinieritas non-multikolinieritas.
88 b. Uji asumsi heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi atau terdapat ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Jika varians dari nilai residual dari satu pengamatan ke pengamatan lain tetap, maka disebut dengan homokedastisitas. Jika
varians berbeda dari satu pengamatan ke pengamatan lainnya, maka disebut heteroskedastisitas Junianto, 2014:5. Menurut Singgih Santoso
2010 menyebutkan bahwa model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Gambar 4. Grafik Scatterplot
Dari gambar 5 terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Dengan
demikian dapat disimpulkan bahwa model pada penelitian ini memenuhi syarat untuk menjadi model yang baik karena merupakan model yang
89 homoskedastisitas atau varians dari nilai residual pengamatan satu ke
pengamatan yang lain tetap. c. Uji asumsi normalitas
Uji asumsi normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, varibel independen, variabel dependen, atau keduanya
mempunyai distribusi normal atau tidak. Suatu model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal
Sugiyono, 2015:241.
Gambar 5. Histogram distribusi data
