104
Tabel 4.63 Pengujian Hubungan Antar Sub Variabel
Hubungan Koefisien
Korelasi Kategori
Probabilitas Kesimpulan
Kualitas Produk X
1
dengan Promosi X
2
0,748 Sangat
Kuat 0,000
Signifikan Kualitas Produk X
1
dengan Desain X
3
0,726 Sangat
Kuat 0,000
Signifikan Kualitas Produk X
1
dengan Citra Perusahaan X
4
0,697 Sangat
Kuat 0,000
Signifikan Kualitas Produk X
1
dengan Keputusan Pembelian Y
1
0,749 Sangat
Kuat 0,000
Signifikan Promosi X
2
dengan Desain X
3
0,442 Sangat
Kuat 0,000
Signifikan Promosi X
2
dengan Citra Perusahaan X
4
0,470 Sangat
Kuat 0,000
Signifikan Promosi X2 dengan
Keputusan Pembelian Y
1
0,557 Sangat
Kuat 0,000
Signifikan Desain X
3
dengan Citra Perusahaan X
4
0,614 Sangat
Kuat 0,000
Signifikan Desain X
3
dengan Keputusan Pembelian Y
1
0,663 Sangat
Kuat 0,000
Signifikan Citra Perusahaan X
4
dengan Keputusan Pembelian Y
1
0,670 Sangat
Kuat 0,000
Signifikan Sumber: Data Primer Diolah
4. Hasil Uji Asumsi Klasik
a. Hasil Uji Normalitas Data
Data-data bertipe skala sebagai pada umumnya mengikuti asumsi distribusi normal. Namun, tidak mustahil suatu data tidak mengikuti
asumsi normalitas. Untuk mengetahui kepastian sebaran data yang diperoleh
harus dilakukan
uji normalitas
terhadap data
yang bersangkutan. Dengan demikian, analisis statistika yang pertama harus
105 digunakan dalam rangka analisis data adalah analisis statistik berupa uji
normalitas. Menurut Ghozali 2009:147 uji normalitas bertujuan apakah dalam model regresi variabel dependen terikat dan variabel independen
bebas mempunyai kontribusi atau tidak. Terdapat dua cara untuk mendeteksi apakah residual berdistribusi
normal atau tidak yaitu dengan analisis grafik dan uji statistik uji Kolmogorov
– smirnov, adapun penjelasan mengenai uji normalitas data adalah sebagai berikut Ghozali, 2009:147:
1 Hasil Uji Normalitas Secara Grafik Salah satu cara termudah untuk melihat normalitas residual
adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendeteksi distribusi normal.
Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode
yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk suatu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal Imam Ghozali,
2009:147. Adapun hasil perhitungan uji normalitas dengan melihat dari segi grafik yang ditunjukan pada gambar grafik p-p plot berikut
ini:
106
Gambar 4.1 Hasil Uji Normalitas
Sumber: Data Primer yang diolah Dari grafik di atas dapat dilihat bahwa data penelitian memiliki
penyebaran dan distribusi yang normal karena data memusat pada nilai rata-rata dan median atau nilai plot PP terletak digaris diagonal,
maka dapat dikatakan bahwa data tersebut berdistribusi normal.
2 Hasil Uji Normalitas Secara Statistik Uji normalitas secara grafik dapat menyesatkan kalau tidak
hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi
dengan uji statistik Imam Ghozali, 2009:149. Adapun hasil perhitungan uji normalitas secara statistic yang dilihat berdasarkan uji
kolmogorof-smirnov adalah sebagai berikut:
107
Tabel 4.63 Uji Normalitas Data Secara Statistik
One-Sample Kolmogorov-Smirnov Test
KP CP
P DS
KPM N
60 60
60 60
60 Normal
Parameters
a,b
Mean 4.0512 4.0417 3.9933 4.0567 4.0322
Std. Deviation .44929 .49362 .40999 .44811 .39532
Most Extreme Differences
Absolute .092
.120 .077
.128 .108
Positive .092
.089 .077
.117 .078
Negative -.070
-.120 -.077
-.128 -.108
Kolmogorov-Smirnov Z .715
.930 .599
.993 .834
Asymp. Sig. 2-tailed .685
.352 .866
.277 .489
a. Test distribution is Normal. b. Calculated from data.
Sumber: data primer yang diolah Berdasarkan uji kolmogorov-smirnov dapat diketahui bahwa
seluruh variabel memiliki nilai sig. 0,05, ini mengartikan bahwa semua data terdistribusi dengan normal.
b. Hasil Uji Multikolinearitas