Situmorang 2012 memaparkan bahwa dasar pengambilan keputusan untuk Kolmogorov Smirnov yaitu nilai value pada
kolom Asymp. Sig lebih besar dari level of significant α = 5,
maka tidak mengalami gangguan distribusi normal. Melalui Tabel 4.10 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,467 dan
diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual berdistribusi normal. Nilai kolmogorov-smirnov Z dari
Tabel 4.10 yaitu 0,849 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau
dengan kata lain data dikatakan normal.
2. Uji Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heterokedastisitas terjadi jika residual tidak memiliki varian yang konstan. Alat untuk menguji heterokedastisitas dapat dibagi dua yaitu dengan alat
analisis grafik scatter plot atau dengan pendekatan statistik yang disebut sebagai Uji Park Situmorang, 2012.
a. Uji Park Kriteria pengambilan keputusannya adalah sebagai berikut:
1. Jika nilai signifikasi 0,05, maka tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
2. Jika nilai signifikansi 0,05, maka mengalami gangguan heterokedastisitas.
Tabel 4.10 Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.402 1.812
.222 .825
Atribut_Produk -.262
.145 -.355
-1.807 .074
Manfaat_Produ k
-.074 .064
-.152 -1.158
.250 Pesaing_Produk
.307 .184
.219 1.665
.099 Pemakai_Produ
k .314
.293 .185
1.072 .286
a. Dependent Variable: LnU2i Sumber: Hasil penelitian, 2013 data diolah
Pada Tabel 4.10 menunjukkan tidak adanya masalah heterokedastisitas, dimana hasil uji signifikan variabel produk positioning yang terdiri dari
atribut produk, manfaat produk, pesaing produk, dan pemakai produk menunjukkan nilai lebih besar dari 0,05. Jadi dapat disimpulkan tidak
terdapat adanya heterokedastisitas dalam model regresi. b. Pendekatan Grafik
Heterokedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar scatterplot dapat mengindikasi ada atau tidaknya gejala
heterokedastisitas. Apabila grafik membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heterokedastisitas. Jika
grafik tidak membentuk pola atau acak maka regresi tidak mengalami gangguan heterokedastisitas Situmorang, 2012.
Universitas Sumatera Utara
Gambar 4.7 Scatter plot heterokedastisitas Sumber: Hasil penelitian, 2013 data diolah
Gambar 4.4 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola.
Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heterokedastisitas, sehingga model regresi layak dipakai untuk
memprediksi keputusan pembelian, berdasarkan masukan variabel produk positioning.
3. Uji Multikolinearitas