Uji Multikolinieritas Pengujian hipotesis secara simultan uji F.

4.1.3.2 Uji Asumsi Klasik

Pengujian asumsi klasik pada penelitian ini meliputi uji multikolinieritas dan uji heteroskedastisitas.

1. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik tidak terjadi korelasi antar variabel bebas. Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah dengan melihat nilai toleransi dan Variance Inflation Factor VIF. Apabila nilai tolerance 10 dan nilai VIF 10, maka dapat disimpulkan tidak ada multikolinieritas antar variabel bebas dalam model regresi. Berikut hasil perhitungan menggunakan program SPSS 16: Tabel 4.7 Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3.769 2.252 1.673 .101 X 1 .246 .069 .317 3.548 .001 .721 1.387 X 2 .235 .059 .340 3.959 .000 .781 1.280 X 3 .193 .068 .252 2.856 .006 .740 1.351 X 4 .148 .059 .238 2.526 .015 .650 1.540 a. Dependent Variable: Y Berdasarkan tabel diatas terlihat setiap variabel bebas mempunyai nilai tolerance 0,1 dan nilai VIF 10, jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi ini.

2. Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Heteroskedastisitas menunjukkan penyebaran variabel bebas. Penyebaran yang acak menunjukkan model regresi yang baik, dengan kata lain tidak terjadi heteroskedastisitas. Untuk menguji heteroskedastisitas dapat dilakukan dengan mengamati output dari uji glejser. Uji glejser yaitu pengujian dengan meregresikan nilai absolut residual terhadap variabel independen. Berikut hasil pengolahan menggunakan program SPSS 16: Output dari uji glejser adalah sebagai berikut: Tabel 4.8 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.794 1.303 1.376 .175 X 1 .019 .040 .073 .463 .646 X 2 -.060 .034 -.263 -1.736 .089 X 3 -.059 .039 -.233 -1.499 .140 X 4 .057 .034 .280 1.689 .098 a. Dependent Variable: Abs_res Hasil tampilan output SPSS dengan jelas menunjukkan semua variabel independ en mempunyai nilai sig ≥ 0,05, jadi tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel dependen abs_res. Hal ini terlihat dari nilai sig pada tiap-tiap variabel independen seluruhnya diatas 0,05 maka dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.

4.1.3.3 Analisis Regresi Berganda

Berdasarkan analisis dengan program SPSS 16 for Windows diperoleh hasil regresi berganda seperti terangkum pada tabel berikut: Tabel 4.9 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3.769 2.252 1.673 .101 X 1 .246 .069 .317 3.548 .001 X 2 .235 .059 .340 3.959 .000 X 3 .193 .068 .252 2.856 .006 X 4 .148 .059 .238 2.526 .015 a. Dependent Variable: Y Berdasarkan tabel 4.9 diperoleh persamaan regresi berganda sebagai berikut: Y = 3,769 + 0,246X 1 + 0,235X 2 + 0,193X 3 + 0,148X 4 . Persamaan regresi tersebut mempunyai makna sebagai berikut: 1. Konstanta = 3,769 Jika variabel kepercayaan, komitmen, komunikasi, dan penanganan keluhan dianggap konstan, maka variabel loyalitas pelanggan sebesar 3,769. 2. Koefisien X 1 = 0,246 Jika variabel kepercayaan mengalami kenaikan, maka akan menyebabkan kenaikan loyalitas pelanggan dengan asumsi variabel independen yang lain tetap. 3. Koefisien X 2 = 0,235 Jika variabel komitmen mengalami kenaikan, maka akan menyebabkan kenaikan loyalitas pelanggan dengan asumsi variabel independen yang lain tetap. 4. Koefisien X 3 = 0,193 Jika variabel komunikasi mengalami kenaikan, maka akan menyebabkan kenaikan loyalitas pelanggan dengan asumsi variabel independen yang lain tetap. 5. Koefisien X 4 = 0,148 Jika variabel penanganan keluhan mengalami kenaikan, maka akan menyebabkan kenaikan loyalitas pelanggan dengan asumsi variabel independen yang lain tetap.

4.1.3.4 Pengujian Hipotesis

1. Pengujian hipotesis secara simultan uji F.

Uji F dilakukan untuk melihat keberartian pengaruh variabel independen secara simultan terhadap variabel dependen atau sering disebut uji kelinieran persamaan regresi. Hipotesisnya sebagai berikut : : H Variabel independen secara simultan tidak berpengaruh terhadap variabel dependen : 1 H Variabel independen secara simultan berpengaruh terhadap variabel dependen Pengambilan keputusan: Ho diterima jika F hitung ≤ F tabel atau sig ≥ 5. H 1 diterima jika F hitung Ftabel dan sig 5. Untuk melakukan uji F dapat dilihat pada tabel Anova dibawah ini: Tabel 4.10 ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 378.309 4 94.577 31.202 .000 a Residual 148.524 49 3.031 Total 526.833 53 a. Predictors: Constant, X 4 , X 2 , X 3 , X 1 b. Dependent Variable: Y Berdasarkan uji F pada tabel 4.10, sig sebesar 0,000 5 ini berarti variabel independen kepercayaan, komitmen, komunikasi, dan penanganan keluhan secara simultan berpengaruh signifikan terhadap variabel dependen loyalitas pelanggan.

2. Pengujian hipotesis secara parsial uji t