Nama : Hositania

NIM : 20416262201080
Kelas : AK20B

BAB II

A. Uji Normalitas

Uji Normalitas dilakukan untuk melihat apakah variabel bebas dan variabel terikat

mempunyai distribusi normal atau tidak. Untuk melakukan uji normalitas dapat

menggunakan analisis grafis Normal P-P Plot.

Berdasarkan grafik di atas, dapat dijelaskan bahwa titik-titik menyebar disekitar

garis dan masih mengikuti garis diagonal tersebut. Sehingga dapat disimpulkan bahwa

telah terdistribusi secara normal dan model regresi telah memenuhi uji normalitas.
B. Uji Linearitas

Sumber: Pengolahan Data (2022)

Nilai Normal Plot of Regression atau uji linearitas lebih besar dari uji normalitas
sebesar 1,0 > 0,5. Artinya, sebaran data dalam penelitian ini adalah normal. Dengan demikian,
variabel dari service quality dapat dinyatakan berpengaruh searah

C. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya

penyimpangan dari asumsi klasik multikolinearitas yaitu adanya hubungan linear antar

variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model

regresi adalah tidak adanya multikolinearitas. Maka, untuk menguji multikolinieritas

 dengan cara melihat nilai VIF masing-masing variabel independen, jika nilai VIF < 10,

maka dapat disimpulkan data bebas dari gejala multikolinieritas. Dalam penelitian ini

didapatkan hasil untuk uji Multikolinearitas sebagai berikut:

Collinearity Statistics
Model
Tolerance VIF

1 (Constant)

Penetapan Harga (X1) .532 1.879

Kepuasan Pelayanan (X2) .408 2.449

Berdasarkan hasil output di atas dapat diketahui bahwa nilai VIF Penetapan Harga

(X1) sebesar 1.879 dan Kepuasan Pelayanan (X2)sebesar 2.449. Maka dapat dilihat

bahwa tidak terjadi gejala multikolinearitas diantara variabel bebas, sehingga model dapat

diterima, karena tidak adanya penyimpangan terhadap uji asumsi klasik.

D. Uji Autokorelasi
Uji Autokorelasi dilakukan untuk menguji apakah model regresi mempunyai korelasi

antara residual pada periode t dengan residual pada periode sebelumnya (t – 1). Jika

terjadi korelasi, maka dinamakan ada problem autokorelasi. Model yang baik adalah

regresi yang bebas dari autokorelasi.

Uji Run Test digunakan untuk melihat apakah data residual bersifat acak atau tidak.

Apabila tidak acak berarti terjadi masalah autokorelasi. Residual regresi diolah denggan

uji run test, kemudian dibandingkan dengan tingkat signifikansi (α) sebesar 5% (0,05)

atau yang dipergunakan.

Dasar pengambilan keputusan dalam uji run test adalah sebagai berikut:
 1. Jika nilai Asymp. Sig. (2 tailed) < 0,05, maka terdapat gejala autokorelasi;

2. Jika nilai Asymp. Sig. (2 tailed) >0,05, maka tidak terdapat gejala autokorelasi.

Tabel 4. 1. Hasil Uji Korelasi

Run Test
Unstandardized
Residual
Test Valuea .57206
Cases < Test Value 46
Cases >= Test Value 46
Total Cases 92
Number of Runs 43
Z -839
Asymp. Sig. (2-tailed) .402
a. Median

Berdasarkan hasil output run test di atas, diketahui bahwa nilai test sebesar

0.57206, dan nilai probabilitasnya 0,402. Maka nilai probabilitasnya lebih besar

dibandingkan dengan nilai α yaitu 0,05. Sehingga menyatakan nilai residual menyebar

secara acak dan diterima, dengan demikian dalam penelitian ini tidak terjadi autokorelasi.

E. Uji Heterokedastisitas

Uji Heteroskedastisitas digunakan untuk melihat adanya ketidaksamaan varian dari

residual untuk pengamatan pada model regresi. Berikut merupakan hasil uji

heteroskedastisitas:
 Gambar 4. 1. Hasil Uji Heteroskedastisitas

Sumber : Hasil Pengolahan SPSS, 2020

Berdasarkan gambar di atas terlihat bahwa titik-titik tersebut menyebar di atas dan

di bawah angka 0 pada sumbu Y, dan titik-titik yang ada tidak membentuk suatu pola

tertentu. Maka dapat dikatakan bahwa dalam penelitian ini model regresi tidak mengalami

heteroskedastisitas.