Negative -,081
Kolmogorov-Smirnov Z ,772
Asymp. Sig. 2-tailed ,590
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan Tabel 4.9 diketahui bahwa nilai Asymp. Sig. 2-tailed adalah 0,590 dan diatas nilai signifikan 0,05, dengan kata lain variabel residual
berdistribusi normal.
4.2.2.2 Uji Heteroskedastisitas
Prinsip pengujian Heteroskedastisitas adalah untuk melihat apakah adanya gangguan yang ada pada suatu penelitian. Metode untuk menguji penelitian untuk
mencari keberadaan heteroskedastisitas dapat dilakukan dengan metode grafik dan statistik, yang menggunakan uji Glejser.
1. Pendekatan Grafik
Universitas Sumatera Utara
Dengan pendekatan grafik, dapat dilihat pada Gambar 4.3 :
Gambar 4.3 Hasil Uji Heterokedastisitas
Dari grafik scatterplot yang disajikan pada Gambar 4.3, dapat dilihat titik- titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas
serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
1. Pendekatan Statistik
Pendekatan statistik dilakukan dengan uji Glejser. Berikut adalah hasil dari pengolahannya :
Tabel 4.10
Universitas Sumatera Utara
Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 13,979
3,044 4,593
,000 Awareness
-,130 ,155
-,080 -,837
,405 Association
-,255 ,109
-,230 -2,337
,022 Perc.Quality
-,200 ,196
-,098 -1,020
,311 Loyalty
-,421 ,129
-,329 -3,270
,002 a. Dependent Variable: absut
Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Dari Tabel 4.10, dapat
dilihat signifikansi variabel bebas lebih besar dari 0,05 maka tidak mengalami gangguan heteroskedastisitas.
4.2.2.3 Uji Multikolinearitas
Pengujian ini bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Multikolinearitas berarti adanya
hubungan yang sempuran, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Hasil pengujian dapat dilihat sebagai berikut :
Tabel 4.11
Universitas Sumatera Utara
Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-,659 5,070
-,130 ,897
Awareness ,151
,259 ,049
,584 ,561
,973 1,027
Association ,787
,182 ,373
4,331 ,000
,928 1,077
Perc.Quality ,077
,326 ,020
,237 ,813
,977 1,023
Loyalty 1,035
,215 ,424
4,821 ,000
,889 1,125
a. Dependent Variable: Keputusan
Dasar untuk melihat suatu model yang tidak terkena multikolinearitas adalah dengan melihat besar Variance Inflation Faktor VIF dan tingkat
tolerancenya. Jika VIF 5 dan Tolerance 0,1, maka terkena multikolinearitas, tetapi jika VIF 5 dan tolerance 0,1, maka tidak terdapat masalah
multikolinearitas dalam penelitian ini. Berdasarkan Tabel 4.11, semua nilai VIF adalah lebih kecil daripada 5 dan tolerancenya lebih besar daripada 0,1, maka dari
itu, dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas dalam penelitian ini.
4.2.3 Analisis Regresi Linier Berganda
