Pengujian Reliabilitas Uji Asumsi Klasik
diambil kesimpulan bahwa model regresi tersebut tidak terdapat multikolinieritas Santoso, 2000. Hasil uji Multikolinieritas dapat dilihat
pada Tabel 11.
Tabel, 11. Hasil Uji Multikolinieritas
Collinearity Statistic Peubah
Toleran VIF
Bukti Langsung
0.647 1.545
Keandalan
0.636 1.572
Jaminan
0.486 2.056
Empaty
0.783 1.277
Sumber: Data primer yang diolah 2014 Berdasarkan Tabel 11 dapat dilihat bahwa model regresi tidak
mengalami gangguan multikolinieritas. Hal ini tampak pada nilai tolerance masingmasing peubah lebih besar dari 10 persen 0,1. Hasil perhitungan VIF
juga menunjukkan bahwa nilai VIF masing-masing peubah kurang dari 10, maka disimpulkan tidak ada multikolinieritas antar peubah bebas dalam
model regresi tersebut. b. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians residual dari satu pengamatan ke
pengamatan yang lain tetap, Santoso, 2000. Salah satu cara untuk mendeteksi heteroskedastisitas adalah dengan melihat grafik scatter plot
antara nilai prediksi peubah terikat ZPRED dan nilai residualnya SRESID. Jika titik-titik membentuk pola tertentu yang teratur seperti gelombang besar
melebar, kemudian menyempit maka dikatakan terjadi heteroskedastisitas. Jika titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y tanpa
membentuk pola tertentu, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dari program SPSS dapat dilihat pada Gambar 3.
Gambar, 3. Hasil uji heteroskedastisitas Data primer yang diolah, 2014
Pada Gambar 3 dapat dilihat bahwa titik-titik pada grafik scatterplot pencar tidak mempunyai pola penyebaran yang jelas dan titik-titik tersebut
menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terdapat gangguan heteroskedastisitas pada model regresi
c. Uji Normalitas Tujuan uji normalitas adalah menguji apakah dalam sebuah model
regresi, peubah terikat dan peubah bebas atau keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal
atau mendekati normal. Deteksi normalitas dilakukan dengan melihat grafik Normal Probability Plot Ghozali, 2005. Untuk menguji apakah distribusi
data normal atau tidak, dilakukan dengan melihat grafik normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya
dengan distribusi kumulatif dari distribusi normal. Jika data menyebar di sekitar garis dan mengikuti arah garis diagonal, maka model regresi
memenuhi asumsi normalitas, tetapi jika data menyebar jauh dari garis diagonal danatau mengikuti arah garis diagonal, maka model regresi tidak
memenuhi asumsi normalitas.