Unstandardized Coefficients:
HASIL PERHITUNGAN EMPIRIS LION AIR GROUP 2017
IV. D Uji Asumsi Klasik D.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak atau
apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal.Untuk mengetahui kriterianya yaitu dengan melihat normal probability plot yang
membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif
dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal.
Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal (Santoso, 2001). Kriteria pengambilan keputusan adalah Jika penyebaran data pada grafik normal P-P Plot mengikuti garis normal (45 derajat), maka data berdistribusi normal. Distribusi normal membentuk suatu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonalnya. Jika distribusi data normal, maka garis yang menggambarkan data sebenarnya akan mengikut garis normalnya (Ghozali, 2005). Dasar pengambilan keputusan untuk uji normalitas adalah:
a. Jika data menyebar disekitar garis-garis diagonal dan mengikuti arah garis diagonal atau
grafik histogramnya menunjukkan distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Pada Uji Normalitas untuk 6 Observasi data, dimana Normal P-P Plot of Regression
Dependent Variable: Metode Path Analysis Model Regresi I (Unstandardized Coefficients
maupunStandardized Coefficients) pada Model Fungsional Loyalitas Konsumen Y2Calc dan
Y2Calc merupakan One-Stage Regression as Estimated Variable (asCalculated): Y2Calc = c0 + c1 X1 + c2Y1 + E3 = d0 + d1Y1 + d2X1 + E4 dan Zresid Normal P-P Plot Model Estimasi
3 = Zresid Normal P-P Plot Model Estimasi 4 yang dapat dijelaskan sebagai berikut:
Zresid Normal P-P Plot Model Estimasi 3:
Dependent Variable: Loyalitas Konsumen Y2Calc One-Stage Regression as Estimated Variable (asCalculated) dengan Bentuk Regresi: Y2Calc = c0 + c1 X1 + c2Y1 + E3
Zresid Normal P-P Plot:
Persamaan Regresi 3
Tabel 4.2
Pengaruh Tidak Langsung variabel kualitas pelayanan (X1) terhadap variabel loyalitas konsumen (Y2)
[melalui intervening variabel kepuasan konsumen (Y1)] Coefficientsa Persamaan Regresi 3
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
(Constant) 12.540 26.041 .482 .663
X1 = Kualitas Pelayanan (as Observed) .283 .086 .633 3.301 .046 .064 15.702 Y1 = Kepuasan Konsumen (as Observed) .654 .338 .371 1.932 .149 .064 15.702 a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (as Calculated, Jumlah ke II)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows. dimana Koefisien Hasil Estimasi Persamaan Regresi 3: Y2 Calc = 0.633 X1 + 0.371 Y1
Sumber: Diolah oleh penulis dari Data Lampiran 12 s/d 14. Zresid Normal P-P Plot Model Estimasi 4:
Dependent Variable: Loyalitas Konsumen Y2Calc One-Stage Regression as Estimated Variable (asCalculated) dengan Bentuk Regresi: Y2Calc = d0 + d1Y1 + d2X1 + E4.
Zresid Normal P-P Plot:
atau
Persamaan Regresi 4
Tabel 4.3
Pengaruh Tidak Langsung variabel kualitas pelayanan (X1) terhadap variabel loyalitas konsumen (Y2)
[melalui intervening variabel kepuasan konsumen (Y1)] Coefficientsa Persamaan Regresi 4
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
(Constant) 12.540 26.041 .482 .663
Y1 = Kepuasan Konsumen (as Observed) .654 .338 .371 1.932 .149 .064 15.702 X1 = Kualitas Pelayanan (as Observed) .283 .086 .633 3.301 .046 .064 15.702 a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (as Calculated, Jumlah ke II)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows. dimana Koefisien Hasil Estimasi Persamaan Regresi 4:: Y2Calc = 0.371 Y1 + 0.633 X1
Sumber: Diolah oleh penulis dari Data Lampiran 12 s/d 14.
Sedangkan Pada Uji Normalitas untuk 6 Observasi data terlihat kondisi dimana
Normal P-P Plot of Regression Standardized Residual, mempunyai “Bentuk Regresi dan
nilai Hasil Estimasi yang sama”. Dependent Variable: Metode Path Analysis Model Regresi I (Unstandardized Coefficients maupun Standardized Coefficients) pada Model
Fungsional Keunggulan Bersaing (….Fungsi Estapet) Y3Calc dan Y3Calc merupakan One-Stage Regression as Estimated Variable (asCalculated): Y3 Calc = 0 + 1 Y1 + 2Y2
+ 3Y3v = 0 + 1 Y3v + 2Y1 + 3Y2 dan Zresid Normal P-P Plot Model Estimasi 3 = Zresid Normal P-P Plot Model Estimasi 4.
Zresid Normal P-P Plot Model Estimasi 3:
Dependent Variable: Keunggulan Bersaing Y3 Calc One-Stage Regression as Estimated Variable (asCalculated) dengan Bentuk Regresi: Y3 Calc = 0 + 1 Y1 + 2Y2 + 3Y3v Zresid Normal P-P Plot:
Persamaan Regresi 3
Tabel 4.4
Pengaruh Tidak Langsung variabel kepuasan konsumen (Y1) dan variabel loyalitas konsumen (Y2) terhadap variabel Keunggulan Bersaing (Y3)
[melalui intervening Dimensi Rata-rata Keunggulan Bersaing (Y3v)] Coefficientsa Persamaan Regresi 3
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
(Constant) 8.367 23.599 .355 .757
Y1 = Y1u = Kepuasan Konsumen (Observed) .815 .406 .509 2.006 .183 .046 21.687 Y2 = Y2u = Loyalitas Konsumen (Observed) .138 .242 .142 .572 .625 .048 20.623 Y3v = Dimensi Rata-rata Keunggulan Bersaing
(Observed)
.504 .291 .358 1.732 .225 .070 14.349
a. Dependent Variable: Y3 Calc = Keunggulan Bersaing (Calculated)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows.
dimana Koefisien Hasil Estimasi Persamaan Regresi 3: Y3 Calc = 0.509 Y1 + 0.142 Y2 + 0.358 Y3v Sumber: Diolah oleh penulis dari data Lampiran 13-14 dan Lampiran 16-17.
Zresid Normal P-P Plot Model Estimasi 4:
Dependent Variable: Keunggulan Bersaing Y3 Calc One-Stage Regression as Estimated Variable (asCalculated) dengan Bentuk Regresi: Y3 Calc = 0 + 1 Y3v + 2Y1 + 3Y2 Zresid Normal P-P Plot:
atau
Persamaan Regresi 4
Tabel 4.5
Pengaruh Tidak Langsung variabel kepuasan konsumen (Y1) dan variabel loyalitas konsumen (Y2) terhadap variabel Keunggulan Bersaing (Y3)
[melalui intervening Dimensi Rata-rata Keunggulan Bersaing (Y3v)] Coefficientsa Persamaan Regresi 4
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
(Constant) 8.367 23.599 .355 .757
Y3v = Dimensi Rata-rata Keunggulan Bersaing (Observed)
.504 .291 .358 1.732 .225 .070 14.349
Y1 = Y1u = Kepuasan Konsumen (Observed) .815 .406 .509 2.006 .183 .046 21.687 Y2 = Y2u = Loyalitas Konsumen (Observed) .138 .242 .142 .572 .625 .048 20.623 a. Dependent Variable: Y3 Calc = Keunggulan Bersaing (Calculated)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows.
dimana Koefisien Hasil Estimasi Persamaan Regresi 4: Y3Calc = 0 .358Y3v + 0.509 Y1 + 0.142 Y2 Sumber: Diolah oleh penulis dari data Lampiran 13-14 dan Lampiran 16-17.
Model Regresi I (Unstandardized Coefficients maupunStandardized Coefficients)
estimasi terlihat hanya bertukar dengan nilai hasil estimasi yang sama, sedangkan pada
kedua gambar Zresid Normal P-P Plot memperlihatkan bahwa uji normalitas berdistribusi
normal. Hal ini dapat dilihat bahwa garis yang menggambarkan data sesungguhnya
mengikuti garis diagonal. Artinya bahwa sebaran data dikatakan tersebar di sekeliling
garis lurus (tidak terpencar jauh dari garis lurus), sehingga persyaratan normalitas bisa
dipenuhi. Dengan demikian Pengaruh tidak langsung variabel Y1 = Y1u = Kepuasan Konsumen (Observed) dan variabel Y2 = Y2u = Loyalitas Konsumen (Observed) terhadap variabel Y3v = Dimensi Rata-rata Keunggulan Bersaing (Observed) [melalui intervening
variabel Dimensi Rata-rata Keunggulan Bersaing (Y3v)] berdistribusi normal dan bisa
dilanjutkan pada pengujian selanjutnya.
IV.D.2 Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2001:57). Jika terjadi korelasi,
antar variabel bebas maka dinamakan terdapat problem Multikolinieritas. Ada tidaknya gejala multikolinearitas dapat dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF (Variance Inflation Factor) dan Tolerance-nya. Nilai dari VIF antara 0 sampai dengan 10 menandakan tidak adanya
gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi tersebut tidak terdapat problem multikolinieritas (Singgih Santoso, 2001).
Artinya, bahwa Model regresi yang baik seharusnya tidak terjadi korelasi diantara
semua variabel yang akan dimasukkan dalam perhitungan model regresi harus mempunyai Nilai tolerance di atas 0.10. Apabila ternyata lebih rendah dari 0.10 maka dapat dikatakan terjadi gejala multikolinearitas. Sedangkan pada Variance Inflation Factor (VIF), pada umumnya VIF ditentukan kurang dari 10. Artinya apabila variabel
tersebut lebih dari 10 maka mempunyai persoalan multikolinieritas (korelasi yang besar di antara variabel bebas) dengan variabel bebas yang lainnya (Ghozali, 2001).
IV.D.3 Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas. Dan jika varians tersebut berbeda, maka tidak terjadi
Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas
(Santoso, 2001). Pengujian ada tidaknya gejala heteroskedastisitas memakai metode grafik dengan melihat ada tidaknya pola tertentu pada scatterplot dari variabel terikat, dimana jika tidak terdapat pola tertentu maka tidak terjadi heteroskedastisitas dan begitu pula sebaliknya (Singgih Santoso, 2001).
1) Jika ada pola tertentu, seperti titik-titik (point-point) yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka terjadi Heteroskedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. Untuk mengetahui hasil pengujian heteroskedastisitas antara kualitas pelayanan dan kepuasan konsumen terhadap loyalitas konsumen, berikut hasil pengujiannya: menunjukkan bahwa
pengaruh antara kualitas pelayanan dan kepuasan konsumen terhadap loyalitas konsumen. tidak terjadi problem heterokedastisitas, hal itu dibuktikan dengan titik-titik menyebar secara acak atau tidak teratur serta menyebar baik di atas maupun di bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu, maka disimpulkan bahwa pada uji ini tidak terjadi.