commit to user Tabel IV.13
Uji One-sample Kolmogorov-Smirnov
Unstandardized Residual
N 31
Normal Parameters
a
Mean .0000000
Std. Deviation 2.27611492
Most Extreme Differences Absolute
.140 Positive
.118 Negative
-.140 Kolmogorov-Smirnov Z
.778 Asymp. Sig. 2-tailed
.581
Sumber: data primer diolah
Nilai Kolmogorov-Smirnov pada tabel diatas adalah 0.778 dengan signifikansi lebih besar dari 0,05 0,581, gambar yang
ditunjukkan oleh grafik scatterplot yang mendekati garis lurus serta gambar grafik histogram yang tidak menceng ke kanan atau kiri ini
menunjukkan bahwa data berdistribusi normal.
2. Uji Multikolinearitas
Merupakan uji yang dilakukan dengan tujuan menguji apakah model regresi terdapat korelasi antar variabel independen Ghozali,
2009. Model regresi yang baik seharusnya tidak terdapat korelasi di antara variabel independen Jika terjadi korelasi antar variabel
independen maka dikatakan terjadi problem multikolinieritas. Untuk mendeteksi ada tidaknya multikolonieritas dalam model regresi, akan
dilihat nilai Tolerance dan Variance Inflation Faktor VIF dengan alat bantu program SPSS 16. Tolerance mengukur variabilitas variabel
independen yang terpilih yang tidak dijelaskan oleh variabel
commit to user independen lainnya. Nilai tolerance yang rendah sama dengan nilai
VIF tinggi karena VIF= 1 tolerance. Nilai cutoff yang dipakai adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Jika
tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0.10 dan tidak ada variabel independen yang memiliki nilai VIF
lebih dari 10, maka tidak terjadi problem multikolinieritas. Hasil uji multikolinearitas dapat dilihat pada tabel di bawah ini:
Tabel IV.14 Hasil uji multikolinearitas
Konstruk Tolerance
VIF Keterangan
Kepuasan Pelanggan 0,246
4,062 Tidak terjadi
multikolinearitas
Proses Bisnis Internal
0,297 3,370
Tidak terjadi multikolinearitas
Pembelajaran dan Pertumbuhan
0,426 2,348
Tidak terjadi multikolinearitas
Komunikasi Strategi
0,278 3,595
Tidak terjadi multikolinearitas
Sumber: data primer diolah Dari tabel di atas dapat dilihat bahwa nilai tolerance pada
variabel independen berada di atas 0,10 dan nilai VIF di bawah 10. Hal tersebut menunjukkan bahwa dalam penelitian ini tidak terjadi
korelasi antar variabel independen.
3. Uji Autokorelasi
Uji autokorelsi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang
commit to user berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah
ini timbul karena kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah
regresi yang bebas dari autokorelasi Ghozali, 2009. Untuk menguji ada tidaknya autokorelasi, peneliti menggunakan Run rest.
Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak. Jika antar residual tidak terdapat
hubungan korelasi, maka dikatakan bahwa residual adalah acak atau random Ghozali, 2009.
H0: residual res_1 random HA: residual res_1 tidak random
Hasil Uji Autokorelasi dapat dilihat pada tabel 4.14 berikut ini: Tabel IV.15
Hasil Uji Autokorelasi Runs Test
Unstandardized Residual
Test Value
a
.06625 Cases Test Value
15 Cases = Test Value
16 Total Cases
31 Number of Runs
11 Z
-1.823 Asymp. Sig. 2-tailed
.068
Sumber: data primer diolah
Dari tabel IV.15 di atas dapat dilihat nilai test adalah 0.6625 dengan probabilitas 0.068 dengan signifikansi 0,05 yang
berarti hipotesis nol diterima. Dengan demikian, dapat disimpulkan bahwa tidak terjadi autokorelasi.
commit to user
4. Uji Heteroskedastisitas
