61
independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05 Ghozali, 2009:84.
Menurut Duwi Priyatno 2013:120juga menjelaskan kriteria pengujiannya adalah Ho diterima jika
–t tabel ≤ t hitung ≤t tabel dan Ho ditolak jika
–t hitung – t tabelatau t hitung t tabel.Dan dasar pengambilan keputusan yang digunakan dalam uji statistic t adalah
sebagai berikut: 1 H
o
: β = 0 Jika nilai probabilitas lebih besar dari 0,05, maka H
diterima atau H
a
ditolak, ini berarti menyatakan bahwa variabel independen atau bebas tidak mempunyai pengaruh secara individual terhadap
variabel dependen atau terikat. 2
Ha : β≠ 0 Jika nilai probabilitas lebih kecil dari 0,05, maka H
ditolak atau H
a
diterima, ini berarti menyatakan bahwa variabel independen atau bebas mempunyai pengaruh secara individual terhadap
variabel dependen atau terikat. b. Uji F Uji Simultan
Uji statistik F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel dependen atau terikat. Uji statistik F digunakan untuk mengetahui pengaruh semua variabel independen
yang dimasukkan dalam model regresi secara bersama-sama terhadap
62
variabel dependen yang diuji pada tingkat signifikan 0,05 Ghozali, 2009:84.
Menurut Duwi Priyatno 2013:122, dasar pengambilan keputusan adalah sebagai berikut:
1 H
o
: β
1,2,3,4,5
= 0 Jika nilai probabilitas lebih besar dari 0,05, maka H
diterima atau H
a
ditolak, ini berarti menyatakan bahwa semua variabel independen atau bebas tidak mempunyai pengaruh secara bersama-
sama terhadap variabel dependen atau terikat. 2
Ha : β
1,2,3,4,5
≠ 0 Jika nilai probabilitas lebih kecil dari 0,05, maka H
ditolak atau H
a
diterima, ini berarti menyatakan bahwa semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama
terhadap variabel dependen atau terikat.
4. Uji Regresi Linear Berganda
Dari beberapa jurnal penelitian terdahulu yang mempunyai tema hampir sama dengan penelitian ini, sebagian besar penelitian tersebut
menggunakan analisis regresi linier berganda, maka alasan inilah yang membuat peneliti juga memakai analisis regresi linier berganda. Menurut
Dwi Priyatno 2013:116 Analisis regresi linier berganda adalah alat analisis yang dapat digunakan untuk meramalkan nilai pengaruh dua
63
variabel bebas atau lebih terhadap satu variabel terikat. Yang bertujuan untuk membuktikan ada tidaknya hubungan fungsional atau hubungan
kausal antara dua atau lebih variabel bebas. variabel independen dan variabel dependen yaitu antara Celebrity EndorserX1, Store Atmosphere
X2, Harga X3, dan keputusan pembelian Y Nugroho, 2005:43 Analisis regresi linier berganda adalah suatu analisis yang digunakan
untuk mengetahui pengaruh dua atau lebih variabel bebas X
1,2,3,4,….,n
terhadap variabel terikat Y Sunyoto, 2012:137 dengan menggunakan program SPSS 17 for windows.
Model ini digunakan karena penulis ingin mengetahui tentang Celebrity Endorser X1,Store Atmosphere X2, HargaX3,terhadap
keputusan pembelian Produk KFC. Rumus Regresi Linier Berganda :
Bhuono Agung Nugroho, 2005:43
Keterangan : Y = Variabel Dependen
a = Konstanta b1 = Koefisien Regresi Celebrity Endorser
X
1
= Celebrity Endorser b
2
= Koefisien regresi Store Atmosphere X
2
= Store Atmosphere
Y = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ b
4
x
4
+ e
64
b
3
= Koefisien regresi Harga X
3
= Harga e = Standar eror
5. Koefisien Determinasi R
2
Koefisien determinasi R
2
bertujuan untuk mengetahui seberapa besar kemampuan
variabel independentCelebrity
Endorser,Store Atmosphere,dan Harga menjelaskan variabel dependentkeputusan
pembelian.Nilai koefisien determinasi adalah antara nol dan satu.Nilai yang mendekati satu berarti variabel independen memberikan hampir
semua informasi yang dibutuhkan untuk memprediksi variabel dependen Ghozali, 2011:97.
Kelemahan mendasar dalam penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independent yang dimasukkan kedalam
model. Setiap tambahan satu variabel independent, maka R
2
pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara
signifikan terhadap variabel dependent.Oleh karena itu, banyak peneliti yang menganjurkan untuk menggunakan nilai Adjusted R
2
pada saat mengevaluasi mana model regresi yang terbaik. Tidak seperti nilai R
2
, nilai AdjustedR
2
dapat naik atau turun apabila satu variabel independent ditambahkan ke dalam model Ghozali, 2005: 83.
Dalam kenyataan nilai adjusted R
2
dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati dalam Ghozali,
