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