Keputusan Pembelian
Loyalitas Merek Keputusan Pembelian Pearson Correlation
1 ,733
Sig. 2-tailed ,000
N 100
100 Loyalitas Merek
Pearson Correlation ,733
1 Sig. 2-tailed
,000 N
100 100
Sumber: SPSS 16.0 for windows tanggal 08 Berdasarkan Tabel 4.11 diatas, nilai korelasi antara orientasi wirausaha
dengan kesuksesan pemasaran lewat internet adalah 0,733 sehingga dapat ditarik kesimpulan bahwa hubungannya dengan keputusan pembelian adalah erat.
3. Uji Asumsi Klasik 1
Uji Normalitas
Tujuan uji normalitas adalah untuk menguji apakah dalam model regres distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni
distribusi data dengan bentuk lonceng, kalo asumsi ini dilanggar maka uji statistic menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi
normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv - Smirnov
a. Pendekatan Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang
membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal.
Tabel 4.11. Korelasi Antara Variabel Loyalitas Merek dengan Keputusan Pembelian
Sumber: hasil penelitian 2010 dolah oleh peneliti
Universitas Sumatera Utara
Berdasarkan dapat
diketahui bahwa
variabel berdistribusi normal, hal ini ditunjukkan oleh kurva pada
Gambar 4.1 yang tidak menceng ke kiri maupun ke kanan, dan
Gambar 4.1 Grafik Histogram Uji Normalitas Sumber : hasil penelitian 2010 dolah oleh peneliti
Gambar 4.2 Grafik Histogram Uji Normalitas Sumber : SPSS 16.0 for windows tanggal 08 Agustus 2010
Universitas Sumatera Utara
pada Gambar 4.2, titik-titik pada scatter plot terlihat mengikuti data di sepanjang garis diagonal.
b. Pendekatan Kolmogorv-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal padahal secara statistic tidak berdistribusi
normal. Berikut ini pengujian normalitas yang menggunakan uji statistic non-parametrik Kolmogorv-Smirnov K-S.
Tabel 4.12. Pendekatan Komogorov – Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a
Mean .0000000
Std. Deviation
2.04761190 Most Extreme
Differences Absolute
.121 Positive
.054 Negative
-.121 Kolmogorov-Smirnov Z
1.207 Asymp. Sig. 2-tailed
.109 a. Test distribution is Normal.
Berdasarkan Tabel
4.12. terlihat
bahwa nilai
Asymp.Sig. 2-tailed adalah 0.109, ini berarti nilainya diatas nilai signifikan 5 0.05, dengan kata lain variabel tersebut
berdistribusi normal.
Sumber: hasil penelitian 2010 dolah oleh peneliti
Universitas Sumatera Utara
2 Uji Multikolinieritas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi,
maka dikatakan terdapat masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Terdapat tiga kali
pengujian dalam menguji multikolinieritas ini yang akan ditampilkan sebagai berikut:
Tabel 4.13. Pengujian Multikolinieritas Metode 1
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 5.344
2.466 2.167
.033 Kesadaran_Merek
.201 .403
.034 .498
.620 .971
1.030 Kesan_Kualitas
.265 .127
.206 2.090 .039
.469 2.130
Asosiasi_Merek .133
.152 .067
.881 .381
.783 1.277
Loyalitas_Merek .602
.110 .554 5.473
.000 .447
2.237 a. Dependent Variable: Keputusan_Pembelian
Peneliti dalam penelitian ini dapat melihat nilai Tolerance dan nilai VIF melalui Tabel 4.13. Suatu variabel dikatakan tidak mengalami multikolinieritas
tidak terdapat hubungan linier yang sangat tinggi antara variabel independen apabila nilai tolerance 0,1 dan nilai VIF 10.
Maka dari pengujian tersebut dapat ditarik kesimpulan bahwa tidak terjadi multikolinieritas antar variabel dalam penelitian ini.
Tabel 4.14 adalah tabel korelasi antara variabel independen. Hasil korelasi antara variabel independen dengan variabel dependen dilihar dari besarnya nilai
korelasinya. Apabila nilai korelasinya dibawah 0,9 0,9, maka dapat tidak terdapat multikolinieritas .Dilihat dari nilai yang tertera di tabel, mengindikasikan
Sumber: hasil penelitian 2010 dolah oleh peneliti
Universitas Sumatera Utara
tidak terjadi multikolinieritas antara variabel karena hasil korelasi dibawah 0,9.
Tabel 4.14. Pengujian Multikolinieritas Metode 2
Tabel 4.15. Pengujian Multikolinieritas Metode 3
Tabel 4.15 merupakan tabel korelasi antara variabel independen. Hasil korelasi antara variabel independen dengan variabel dependen dilihar dari
besarnya nilai korelasinya. Apabila nilai korelasinya dibawah 0,9 0,9, maka
Coefficient Correlations
a
Model Loyalitas
Merek Kesadaran
Merek Asosiasi
Merek Kesan
Kualitas 1
Correlations Loyalitas Merek
1.000 .020
-.243 -.671
Kesadaran Merek .020
1.000 -.170
.029 Asosiasi Merek
-.243 -.170
1.000 -.111
Kesan Kualitas -.671
.029 -.111
1.000 Covariances
Loyalitas Merek .012
.001 -.004
-.009 Kesadaran Merek
.001 .162
-.010 .001
Asosiasi Merek -.004
-.010 .023
-.002 Kesan Kualitas
-.009 .001
-.002 .016
a. Dependent Variable: Keputusan_Pembelian
Collinearity Diagnostics
a
Model Dimension Eigenvalue Condition
Index Variance Proportions
Constant Kesadaran_
Merek Kesan_
Kualitas Asosiasi
_Merek Loyalitas_
Merek 1
1 4.921
1.000 .00
.00 .00
.00 .00
2 .053
9.652 .02
.05 .00
.01 .39
3 .011
20.691 .00
.52 .02
.58 .16
4 .010
22.032 .04
.09 .58
.30 .23
5 .005
32.036 .94
.34 .40
.11 .21
a. Dependent Variable: Keputusan_Pembelian
Sumber: hasil penelitian 2010 dolah oleh peneliti
Sumber: hasil penelitian 2010 dolah oleh peneliti
Universitas Sumatera Utara
dapat tidak terdapat multikolinieritas .Dilihat dari nilai yang tertera di tabel,
mengindikasikan tidak terjadi multikolinieritas antara variabel karena hasil
korelasi dibawah 0,9. Berdasarkan beberapa metode pengujian multikolinieritas antar variabel,
maka dapat ditarik kesimpulan bahwa semua variabel yang diuji dalam penelitian ini terbebas dari masalah multikolinieritas.
3 Uji Heterokedastisitas
Uji untuk mengetahui terjadinya heterokedastisitas adalah dengan melihat penyebaran dari varians residual pada diagram pencar scatterplot.
Dikatakan terdapat heterokedastisitas apabila penyebaran titik-titik varians membentuk pola tertentu garis, bulatan, segitiga, dan sebagainya dan dikatakan
tidak terdapat heterokedastititas apabila titik-titik varians yang menyebar tidak membentuk pola tertentu. Berikut adalah tabel diagram pencar hasil pengujian
dengan SPSS 16.0 for windows. Pada Gambar 4.3 diagram pencar, titik-titik yang tersebar tidak
membentuk pola tertentu. Maka dapat ditarik kesimpulan bahwa tidak terjadi heterokedastisitas
.
Universitas Sumatera Utara
4. Analisis Regresi Berganda Tabel 4.16.