Unstandardized Coefficients:
4.4 Uji Asumsi Klasik .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 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
Loyalitas Konsumen Y2Calc dan Y2Calc merupakan One-Stage Regression as Estimated
Variable (as Calculated): Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 = d0 + d1Y1 + d2X1 + d3X2
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 Y2 Calc One-Stage Regression as Estimated Variable (as Calculated) dengan Bentuk Regresi: Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 Zresid Normal P-P Plot:
Persamaan Regresi 3
Tabel 4.2
Pengaruh Tidak Langsungvariabel kualitas pelayanan (X1) dan
variabel harga tiket (X2) 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) 8.024 21.145 .379 .741
X1 = Kualitas Pelayanan (Observed) .184 .232 .413 .793 .511 .012 84.774 X2 = Harga Tiket (Observed) .357 .726 .235 .492 .671 .014 71.209 Y1 = Kepuasan Konsumen (Observed) .630 .392 .358 1.608 .249 .064 15.522 a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (Calculated)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows. dimana Koefisien Hasil Estimasi Persamaan Regresi 3: Y2 Calc = 0.413 X1 + 0.235 X2 + 0.358 Y1 Sumber: Diolah oleh penulis dari Data Lampiran 13 s/d 16.
Zresid Normal P-P Plot Model Estimasi 4:
Dependent Variable: Loyalitas Konsumen Y2 Calc One-Stage Regression as Estimated Variable (as Calculated) dengan Bentuk Regresi: Y2 Calc = d0 + d1Y1 + d2X1 + d3X2
Zresid Normal P-P Plot:
Persamaan Regresi 4
Tabel 4.3
Pengaruh Tidak Langsungvariabel kualitas pelayanan (X1) dan
variabel harga tiket (X2) 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) 8.024 21.145 .379 .741
Y1 = Kepuasan Konsumen (Observed) .630 .392 .358 1.608 .249 .064 15.522 X1 = Kualitas Pelayanan (Observed) .184 .232 .413 .793 .511 .012 84.774 X2 = Harga Tiket (Observed) .357 .726 .235 .492 .671 .014 71.209 a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (Calculated)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows.
dimana Koefisien Hasil Estimasi Persamaan Regresi 4:: Y2Calc = 0.358 Y1 + 0.413 X1 + 0.235 X2 Sumber: Diolah oleh penulis dari Data Lampiran 13 s/d 16.
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 (as Calculated): 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 yang dapat dijelaskan sebagai berikut:
Zresid Normal P-P Plot Model Estimasi 3:
Dependent Variable: Keunggulan Bersaing Y3 Calc One-Stage Regression as Estimated Variable (as Calculated) 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) 6.477 16.297 .397 .729
Y1 = Y1u = Kepuasan Konsumen (Observed) .823 .409 .513 2.011 .182 .046 21.912 Y2 = Y2u = Loyalitas Konsumen (Observed) .174 .241 .178 .722 .545 .049 20.491 Y3v = Dimensi Rata-rata Keunggulan Bersaing
(Observed)
.443 .305 .317 1.456 .283 .062 16.004
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 = 0.513 Y1 + 0.178 Y2 + 0.317 Y3v
Sumber: Diolah oleh penulis dari data Lampiran 15-16 dan Lampiran 19-20.
Zresid Normal P-P Plot Model Estimasi 4:
Dependent Variable: Keunggulan Bersaing Y3 Calc One-Stage Regression as Estimated Variable (as Calculated) dengan Bentuk Regresi: Y3 Calc = 0 + 1 Y3v + 2Y1 + 3Y2
Zresid Normal P-P Plot:
Output1 PP Plot Reg IV Keunggulan Bersaing MAYASARI BAKTI 2016
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
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
(Constant) 6.477 16.297 .397 .729
Y3v = Dimensi Rata-rata Keunggulan Bersaing (Observed)
.443 .305 .317 1.456 .283 .062 16.004
Y1 = Y1u = Kepuasan Konsumen (Observed) .823 .409 .513 2.011 .182 .046 21.912 Y2 = Y2u = Loyalitas Konsumen (Observed) .174 .241 .178 .722 .545 .049 20.491 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 = 0.317 Y3v + 0.513 Y1 + 0.178 Y2
Sumber: Diolah oleh penulis dari data Lampiran 15-16 dan Lampiran 19-20.
Model Regresi I (Unstandardized Coefficients maupun Standardized Coefficients) pada Model Fungsional Keunggulan Bersaing
(….Fungsi Estapet) bahwa Koefisien hasil 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.
4.4.2 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
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).
4.4.3 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, 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.