Cronbach’s Alpha 0,80. Berdasarkan hasil pengolahan SPSS pada tabel 4.3, maka 22 pernyataan dinyatakan reliabel dengan kriteria tersebut.
C. Uji Asumsi Klasik
1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas dilakukan dengan
menggunakan pendekatan Kolmogrov Smirnov. Dengan menggunakan tingkat signifikan 5 maka jika nilai Asymp.sig. 2-tailed diatas nilai signifikan 5
artinya variabel residual berdistribusi normal Pada uji normalitas dengan pendekatan Kolmogrov Smirnov diketahui bahwa
nilai Asymp. Sig. 2-tailed adalah 0.039 dan di bawah nilai signifikan 0.05. Hal ini menunjukkan bahwa data tidak berdistribusi normal. Sehingga untuk
menangani data yang tidak normal dilakukan uji dengan casewise. Setelah dilakukan beberapa kali pengujian dengan metode casewise maka didapatkan
data yang tidak perlu dioutlierkan lagi yaitu sebagai berikut:
Tabel 4.14 Residuals Statisticsa
Minimum Maximum
Mean Std. Deviation
N Predicted Value
18.5706 27.7263
22.8220 1.79868
337 Residual
-6.10487 5.64167
.00000 2.24422
337 Std. Predicted Value
-2.364 2.727
.000 1.000
337 Std. Residual
-2.696 2.491
.000 .991
337 a Dependent Variable: Pmbln.Ulang
Universitas Sumatera Utara
Pada tabel 4.14 setelah dilakukan pengujian dengan metode casewise maka sebesar 47 sampel dioutlier sehingga jumlah sampel yang tersisa adalah
sebesar 337. Dari jumlah sampel sebesar 337 ini kemudian dilakukan kembali uji normalitas dengan menggunakan pendekatan Kolmogrov Smirnov dan didapatkan
hasil sebagai berikut:
Tabel 4.15 One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 337
Normal Parametersa,b Mean
.0000000 Std. Deviation
2.24422367 Most Extreme
Differences Absolute
.069 Positive
.037 Negative
-.069 Kolmogorov-Smirnov Z
1.263 Asymp. Sig. 2-tailed
.082 a Test distribution is Normal.
b Calculated from data.
Sumber: Hasil Pengolahan SPSS
Pada tabel 4.15 dapat dilihat bahwa nilai Asymp. Sig. 2-tailed adalah 0.082 dan di atas nilai signifikan 0.05. Hal ini menunjukkan bahwa data
berdistribusi normal. 2.
Uji Heteroskedastisitas
Universitas Sumatera Utara
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke
pengamatan lainnya. Jika varians dari satu residual satu pengamatan ke pengamatan lainnya tetap, maka terjadi homoskedastisitas. Jika berbeda, maka
disebut heterokedastisitas.
Tabel 4.16 Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
B Std. Error
1 Constant
.762 1.003
.760 .448
Product .078
.085 .058
.917 .360
Place .031
.051 .038
.605 .545
Promotion .156
.118 .079
1.324 .187
Price -.109
.181 -.036
-.600 .549
Personnel .015
.059 .017
.251 .802
Presentation -.022
.046 -.034
-.489 .625
a Dependent Variable: absut
Sumber: Hasil Pengolahan SPSS
Pada tabel 4.16 menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absut. Hal ini terlihat
dari probabilitas signifikansinya di atas tingkat kepercayaan 5, jadi dapat disimpulkan model regresi tidak mengarah adanya heterokedastisitas.
3. Uji Multikolinieritas
Universitas Sumatera Utara
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen.
Tabel 4.17 Coefficientsa
Mod el
Unstandardized Coefficients
Standardize d
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolera
nce VIF
1 Constant
2.108 1.634
1.290 .198
Product .247
.138 .090
1.794 .074
.739 1.353
Place .371
.082 .224
4.496 .000
.742 1.348
Promotion .717
.192 .175
3.732 .000
.843 1.187
Price .085
.296 .014
.286 .775
.814 1.228
Personnel .498
.096 .278
5.187 .000
.641 1.559
Presentati on
.170 .074
.124 2.286
.023 .624
1.602 a Dependent Variable: Kptsn.pembelian
Sumber: Hasil Pengolahan SPSS
Multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor VIF dengan membandingkan VIF 5 dan tolerance
0,1 maka tidak terjadi multikolinearitas. Pada tabel 4.17 dapat disimpulkan bahwa
regresi ini tidak terdapat multikolinearitas.
Universitas Sumatera Utara
D. Metode Analisis Regresi Linier Berganda