BAB IV ANALISA DATA
4.2. Pengujian dan Hasil Analisis Data
4.2.3. Hasil Uji Asumsi Klasik
Uji normalitas data digunakan untuk mengetahui apakah data yang digunakan terdistribusi normal atau tidak. Salah satu metode yang digunakan untuk melihat distribusi data adalah dengan menggunakan normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal (Ghozali, 2001: 83). Berdasarkan hasil pengolahan menggunakan SPSS 17.0 diperoleh hasil grafik sebagai berikut:
Gambar 4.1 Hasil Uji Normalitas
Sumber : Data primer diolah, 2016
Dari grafik diatas diketahui bahwa titik-titik yang menyebar berhimpitan dan berkumpul mengikuti sumbu diagonal, maka diambil kesimpulan bahwa residual telah mengikuti distribusi normal. Dengan demikian dapat dijelaskan bahwa data-data pada variabel bukti fisik, kehandalan, daya tanggap, empati, jaminan dan loyalitas nasabah terdistribusi normal.
Sedangkan untuk mengetahui nilai signifikannya apakah databberdistribusi normal atau tidak maka menggunakan uji Kolmogorov-Smirnov Test. Data dinayatakan berdistribusi normaljikan nilai Asymp. Sig (2-tailed) dari hasil penghitungan Kolmogorov-Smirnov Test lebih besar dari 0,05 (Ghozali, 2011:160).
82
Tabel 4.15 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
loyalitas
N 99
Normal Parametersa Mean .0000000
Std. Deviation .70730566 Most Extreme Differences Absolute .084 Positive .084 Negative -.081 Kolmogorov-Smirnov Z .732
Asymp. Sig. (2-tailed) .565
Sumber: data diolah 2016
Berdasarkan tabel 4.13 di atas yang merupakan hasil uji normalitas dengan Kolmogorov-Smirnov Test , diketahui bahwa nilai Asym. Sig sebesar 0,565 lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data yang diuji berdistribusi normal.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Jika tidak ada pola yang jelas (titik-titik menyebar) maka tidak terjadi heteroskedastisitas. Hasil heteroskedastisitas adalah sebagai berikut:
Gambar 4.2
Hasil Uji Heteroskedastisitas
Sumber : Data primer diolah, 2016
Dari gambar diatas dapat diketahui ada ketidakhomogenan, karena titik menyebar dan tidak berkumpul pada satu tempat. Hal ini mengindikasikan bahwa pada data yang diolah tidak terjadi problem heteroskedastisitas atau dapat dikatakan data telah memenuhi asumsi klasik heteroskedastisitas. Cara ini merupakan cara yang tidak formal, akan tetapi dapat digunakan sebagai indikator adanya heteroskedastisitas. Uji heteroskedasitas dilakukan dengan melihat nilai signifikan setelah diadakan regresi dengan absolut residual pada variabel dependen sebagi berikut :
84
Tabel 4.16
Hasil Uji Heteroskedastititas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .263 2.311 .114 .910 buktiFisik .037 .115 .039 .321 .749 kehandalan .011 .104 .012 .104 .917 dayaTanggap .002 .101 .002 .021 .984 Empati .004 .139 .004 .031 .975 Jaminan .012 .118 .013 .097 .923
a. Dependent Variable: AbsUt Sumber: data diolah, 2016
Tabel 4.14 diatas menunjukkan nilai signifikan veriabel bukti fisik sebesar 0,749 lebih besar dari 0,05, variabel kehandalan nilai signifikan sebasar 0,917 lebih besar dari 0,05, untuk variabel daya tanggap nilai signifikan sebasar 0,984 lebih besar 0,05, variabel empati nilai signifikan sebasar 0,975 lebih besar dari 0,05 danvariabel jaminan nilai signifikan sebesar 0,923 lebih besar dari 0,05, sehingga variabel bukti fisik, kehandalan, daya tanggap, empati dan jaminan tidak terjadi gejala heteroskedastisitas.
3. Uji Multikolinearitas
Tujuan uji multikolinearitas adalah untuk mengetahui bentuk hubungan antara satu variabel bebas dengan satu variabel terikat. Untuk melihat multikolinearitas dapat dilakukan dengan menggunakan Tolerance dan VIF yang ditampilkan didalam tabel coefficients. Adapun kriteria hasil analisis uji multikolinearitas adalah Tolerance > 0,1 dan VIF < 10. Apabila kedua kriteria tersebut terpenuhi maka dapat dikatakan tidak terdapat multikolinearitas antar variabel independen.
Tabel 4.17
Hasil Uji Multikolinearitas
Variabel Tolerance VIF Keterangan
Bukti Fisik 0,565 1,771 Bebas Multikoleniaritas Kehandalan 0,517 1,935 Bebas Multikoleniaritas Daya Tanggap 0,530 1,888 Bebas Multikoleniaritas Empati 0,428 2,339 Bebas Multikoleniaritas Jaminan 0,380 2,631 Bebas Multikoleniaritas
a. Dependent Variabel: loyalitas Sumber: Data Primer diolah, 2016
Untuk variabel bukti fisik mempunyai nilai tolerance sebesar 0,565 > 0,1 dan nilai VIF sebesar 1,771 < 10, untuk variabel kehandalan nilai tolerance sebesar 0,517 > 0,1 dan nilai VIF sebesar 1,935 < 10, dan untuk variable daya tanggap nilai tolerance sebesar 0,530 > 0,1 dan nilai VIF 1,888 < 10, untuk variabel empati mempunyai nilai tolerance sebesar 0,428 > 0,1 dan nilai VIF sebesar 2,339 < 10, untuk variabel jaminan mempunyai nilai tolerance sebesar 0,380 > 0,1 dan nilai VIF sebesar 2,631 < 10.
Dari hasil membandingkan besarnya tolerance dan VIF masing-masing variabel independent dapat disimpulkan bahwa dari kelima variabel independent
86
tersebut tidak ada multikolinearitas antar variabel independent karena kedua kriteria diatas sudah terpenuhi.
4.2.4. Uji Ketetapan Model
1. Uji Koefisien Regresi Secara Simultan (Uji F)
Uji F adalah suatu sarana pengujian untuk mengetahui apakah variabel independent secara bersama-sama (simultan) berpengaruh terhadap variabel dependen. Hasil analisis uji F adalah sebagai berikut:
Tabel 4.18
Hasil Uji Koefisien Regresi Secara Simultan (Uji F) ANOVAb
Model Sum of Squares Df Mean Square F Sig. 1 Regression 257.635 5 51.527 25.060 .000a
Residual 193.275 94 2.056
Total 450.910 99
a. Prodictors: (Constanat), jaminan, bukti_fisik, daya_tanggap, kehandalan, empati
b. Dependent Variabel: loyalitas Sumber: data primer diolah 2016
Dari tabel diatas diketahui nilai F hitung sebesar 25,060 sedangkan nilai F tabel sebesar 2,31 atau Fhitung > Ftabel. Untuk nilai probabilitas signifikansi sebesar 0,000 dibawah nilai alpha 0,05 atau 0,000 < 0,05. Dengan demikian dapat diambil kesimpulan bahwa H0 ditolak dan Ha diterima yang berarti variabel bukti fisik, kehandalan, daya tanggap, empati dan jaminan berpengaruh secara bersama-sama terhadap loyalitas nasabah tabungan BTN batara iB atau model regresi yang dibuat sudah tepat.
2. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) berfungsi untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependent. Uji koefisien determinasi ini dapat dilihat pada tabel model summary. Tabel ini merupakan ringkasan dari model, dimana R Square menyatakan nilai koefisien determinasi (R2). Nilai koefisien determinasi digunakan adjusted R square sebagai berikut:
Tabel 4.19
Hasil Uji Koefisien Determinasi (R2) Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .767a .571 .549 1.434 1.671 a. Predictors: (Constant), jaminan,bukti_fisik,daya_tanggap,kehandalan,empati b. Dependent Variable: loyalitas
Sumber : Data primer diolah, 2016
Dari tabel diatas, diketahui nilai koefisien determinasi (R2) yaitu adjusted R square sebesar 0,549. Hal ini berarti 54,9% variasi perubahan variabel loyalitas nasabah dapat dijelaskan oleh variasi perubahan bukti fisik, kehandalan, daya tanggap, empati dan jaminan. Sedangkan sisanya (100% - 54,9% = 45,1%) loyalitas nasabah dijelaskan oleh variabel-variabel lain yang tidak digunakan dalam penelitian ini atau sebab-sebab yang lain diluar model yang digunakan dalam penelitian ini.
Menurut Lind dalam Suharyadi dan Purwanto (2009: 217) dengan nilai koefisien determinasi sebesar 0,500 atau 50%, maka dapat dikatakan variabel
88
bebas yaitu variable bukti fisik, kehandalan, daya tanggp, empati dan jaminan dapat menjelaskan variabel terikat yaitu variabel loyalitas nasabah relatif sedang.