123 Sig 0,730 yang artinya 0,05 dan ini mengartikan bahwa data terdistribusi
dengan normal.
2. Hasil Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas. Model yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Hasil pengujian multikolinearitas dari model regresi dapat dilihat dalam tabel berikut:
Tabel 4.43 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standar
dized Coefficie
nts T
Sig. Collinearity
Statistics B
Std. Error
Beta Tolera
nce VIF
1 Const
ant 3.896
2.189 1.780 .078
IP .032
.139 .021 .232 .817
.788 1.270 PH
.473 .159
.282 2.973 .004 .708 1.412
LOK .102
.049 .213 2.094 .039
.616 1.624 WOM
.158 .049
.298 3.233 .002 .747 1.338
a. Dependent Variable: VAR00005
Sumber: hasil output SPSS 16.0, 2016 Berdasarkan hasil tabel 4.43 uji hasil multikolinearitas masing-masing
variabel independen memiliki VIF dari 10 dan tolerance 0,10 yaitu untuk
124 variabel inovasi produk X
1
1,270 dan 0,788, persepsi harga X
2
1,412 dan 0,708, lokasi X
3
1,624 dan 0,616, serta word of mouth X
4
1,338 dan 0,747. Maka dapat dinyatakan model regresi linear berganda tidak terdapat
multikolinearitas antara variabel dependen dengan variabel independen yang lain sehingga dapat digunakan dalam penelitian ini.
3. Hasil Uji Heteroskedastisitas
Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
lainnya. Model regresi yang baik adalah yang homoskedastisitas atau tidak heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan 2 langkah
yaitu secara grafik dan secara statistik, berdasarkan hasil pegolahan data maka hasil scatterplot dapat dilihat pada gambar berikut:
Gambar 4.2 Hasil Uji Heteroskedastisitas Secara Grafik Scatterplot
Sumber: hasil output SPSS 16.0, 2016 Berdasarkan gambar di atas terlihat bahwa distribusi data tidak teratur dan
tidak membentuk pola tertentu, serta tersebar di atas maupun di bawah angka
125 nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi Ghozali, 2011:107. Selain itu berdasarkan hasil pengolahan data hasil uji glesjer dapat dilihat sebagai berikut:
Tabel 4.44 Hasil Uji Heteroskedastisitas Secara Statistik
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 3.857
1.284 3.004
.003 VAR00001
.025 .081
.034 .302
.763 VAR00002
.015 .093
.020 .164
.870 VAR00003
-.034 .029
-.153 -1.195
.235 VAR00004
-.026 .029
-.105 -.900
.370 a. Dependent Variable: RES2
Sumber: hasil output SPSS 16.0, 2016 Berdasarkan tabel di atas dapat disimpulkan bahwa tidak terdapat
heteroskedastisitas pada persamaan regresi tersebut. Hal itu terlihat dari tidak adanya variabel bebas yang memiliki signifikansi di bawah 0,05. Variabel
inovasi produk memiliki signifikansi 0,763, variabel persepsi harga memiliki signifikansi 0,870, variabel lokasi memiliki signifikansi 0,235 dan variabel
word of mouth memiliki signifikansi 0,370. Dengan demikian dapat disimpulkan bahwa pada model regresi tidak ada masalah heteroskedastisitas
atau bebas dari heteroskedastisitas.