113
menguji normalitas residual adalah uji statistik non-parametrik Kolmogrov-Smirnov
K-S Ghozali, 2011:164. Debgan hipotesis:
a Membuat hipotesis dalam uraian kalimat Ho:
data berdistribusi normal Ha:
data tidak berdistribusi normal acak random b Kaidah pengujian
Jika probabilitas sig 0,05 maka Ho diterima Jika probabilitas sig 0,05 maka Ho ditolak
c Keputusan Data berdistribusi normal
Tabel 4.43
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.87611115
Most Extreme Differences Absolute
.080 Positive
.080 Negative
-.063 Kolmogorov-Smirnov Z
.799 Asymp. Sig. 2-tailed
.546 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil output SPSS data primer yang telah diolah, 2016 Berdasarkan tabel 4.44 Besarnya nilai Kolmogrov-Smirnov adalah
0,799. Dapat diketahui bahwa nilai unstandardized residual memiliki nilai
114
Asymp. Sig 0,05 dan ini mengartikan bahwa data terdistribusi dengan normal
2. Hasil Uji Multikolinieritas
Tabel 4.44 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
.258 2.735
.094 .925
x1 .270
.075 .330
3.577 .001
.628 1.592
x2 .286
.108 .230
2.640 .010
.706 1.416
x3 .164
.068 .189
2.428 .017
.878 1.138
x4 .243
.105 .199
2.307 .023
.719 1.391
a. Dependent Variable: y
Sumber: Hasil output SPSS data primer yang telah diolah, 2016 Dapat dilihat dari tabel 4.45 Di atas, nilai Tolerance kualitas produk
sebesar 0,628, diferensiasi produk 0,706, Word of Mouth 0,878, dan citra merek 0,719, seluruhnya lebih besar dari 0,10. Kemudian nilai VIF
kualitas produk 1,592, diferensiasi produk 1,416, Word of Mouth 1,138, dan citra merek 1,391, seluruhnya kurang dari nilai VIF 10. Maka dapat
disimpulkan bahwa model persamaan regresi tidak terdapat problem multikolinieritas dan dapat digunakan dalam penelitian ini.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2013:139.
115
Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Dasar analisisnya adalah jika ada pola tertentu,
seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas. Sedangkan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y,
maka tidak terjadi heteroskedastsitas Ghozali, 2013:139. Untuk melihat hasil uji heterokedastisitas penelitian ini, berikut
peneliti sajikan gambar 4.2 :
Gambar 4.2 Grafik Scatterplot Hasil Uji Heteroskedastisitas
Sumber: Hasil output SPSS data primer yang telah diolah, 2016 Berdasarkan gambar 4.1 di atas diketahui bahwatitik-titik menyebar
secara acak, serta tersebar di atas maupun di bawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
116
model regresi. Selain itu berdasarkan hasil pengolahan data hasil uji glesjer
dapat dilihat sebagai berikut:
Tabel 4.45 Hasil Uji Heteroskedastisitas Secara Statistik
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.013 1.730
1.164 .247
x1 -.021
.048 -.056
-.435 .664
x2 .032
.068 .056
.461 .646
x3 -.051
.043 -.130
-1.203 .232
x4 .038
.067 .068
.570 .570
a. Dependent Variable: RES2
Sumber: Hasil output SPSS data primer yang telah diolah, 2016 Berdasarkan tabel 4.46 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 kualitas produk memiliki signifikansi 0,664, variabel diferensiasi produk memiliki signifikansi 0,646, variabel word of mouth
memiliki signifikansi 0,232, dan variabel citra merek memiliki signifikansi 0,570. Dengan demikian dapat disimpulkan bahwa pada model regresi
tidak ada masalah heteroskedastisitas atau bebas dari heteroskedastisitas.
G. Hasil Uji Hipotesis
1. Hasil Uji Signifikan Parsial Uji t
Pengujian hipotesis secara parsial dimaksudkan untuk mengetahui ada atau tidaknya pengaruh variabel bebas secara parsial terhadap variabel
terikat. Hasil hipotesis dalam pengujian ini adalah sebagai berikut:
117
Tabel 4.46 Hasil Uji Signifikan Parsial Uji t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.258 2.735
.094 .925
x1 .270
.075 .330
3.577 .001
x2 .286
.108 .230
2.640 .010
x3 .164
.068 .189
2.428 .017
x4 .243
.105 .199
2.307 .023
a. Dependent Variable: Proses keputusa pembelian
Sumber: Hasil output SPSS data primer yang telah diolah, 2016 Hasil uji t hitung pada tabel 4.47 coefficient di atas dapat diketahui
pengaruh variabel independen secara parsial terhadap variabel dependen, diketahui hasil sebagai berikut:
a. Pengaruh variabel kualitas produk X
1
terhadap proses keputusan pembelian Y
1 Ho : β
1
= 0 ; tidak terdapat pengaruh antara kualitas produk terhadap proses keputusan pembelian
2 Ha : β
1
≠ 0 ; terdapat pengaruh antara kualitas produk terhadap proses keputusan pembelian
Pada tabel 4.47 nilai signifikan untuk variabel kualitas produk sebesar 0,01 lebih kecil dari 0,05. Sehingga hipotesis yang berbunyi
terdapat pengaruh yang signifikan antara kualitas produk terhadap proses keputusan pembelian diterima Ha diterima dan Ho ditolak,
artinya secara parsial terdapat pengaruh yang signifikan antara kualitas produk terhadap proses keputusan pembelian.
118
Jadi hasil analisis di atas menunjukkan bahwa variabel kualitas produk berpengaruh terhadap proses keputusan pembelian produk
smartphone Xiaomi. Hal ini sesuai dengan penelitian sebelumnya
yang dilakukan oleh Lotulung, Lapian, dan Moniharapon tahun 2015, d
engan judul “Pengaruh Kualitas Produk, Harga, Dan Wom Word Of Mouth Terhadap Keputusan Pembelian Handphone Evercoss
Pada Cv.Tristar Jaya Globalindo Manado ”, hasil ini menunjukan
bahwa kualitas produk berpengaruh signifikan terhadap proses keputusan pembelian.
b. Pengaruh variabel Diferensiasi produk X
2
terhadap proses keputusan pembelian Y
1 Ho : β
2
= 0 ; tidak terdapat pengaruh antara diferensiasi produk terhadap proses keputusan pembelian
2 Ha : β
2
≠ 0 ; terdapat pengaruh antara diferensiasi produk proses keputusan pembelian
Pada tabel 4.47 nilai signifikan untuk variabel diferensiasi produk sebesar 0,010 lebih kecil dari 0,05. Sehingga hipotesis yang
berbunyi terdapat pengaruh yang signifikan antara diferensiasi produk terhadap proses keputusan pembelian diterima Ha diterima dan Ho
ditolak, artinya secara parsial terdapat pengaruh yang signifikan antara diferensiasi produk terhadap proses keputusan pembelian.
Jadi hasil analisis di atas menunjukkan bahwa variabel diferensiasi produk berpengaruh terhadap proses keputusan
