2. Analisis Kuantitatif
a. Uji Asumsi Klasik
1 Uji Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak.. Uji
normalitas ini dilakukan dengan menggunakan uji one sample Kolmogorov-Smirnov dengan bantuan SPSS for Windows versi
22.0. Data dikatakan terdistribusi normal jika nilai p 0,05. Hasil uji normalitas disajikan dalam tabel berikut.
Tabel 17. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
100 Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.83535399
Most Extreme Differences Absolute
.057 Positive
.057 Negative
-.055 Test Statistic
.057 Asymp. Sig. 2-tailed
.200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Hasil uji normalitas di atas dapat diketahui bahwa nilai signifikansi sebesar 0,200 yang lebih besar dari 0,05 sig0,05,
sehingga dapat disimpulkan bahwa data penelitian berdistribusi normal.
2 Uji Linieritas
Tujuan uji linearitas adalah untuk mengetahui hubungan antara variabel bebas dan variabel terikat linier atau tidak. Kriteria
pengujian linearitas adalah jika nilai signifikansi lebih besar dari 0,05, maka hubungan antar variabel bebas dan variabel terikat
adalah linier. Hasil rangkuman uji linearitas disajikan berikut ini: Tabel 18. Hasil Uji Liniearitas
Variabel Signifikansi
Keterangan Merek
0,886 Linier
Persepsi Harga 0,665
Linier Harapan Pelanggan
0,514 Linier
Sumber : Data Primer 2016 Hasil uji pada tabel di atas dapat diketahui bahwa semua
variabel memiliki nilai signifikansi yang lebih besar dari 0,05 sig0,05, hal ini menunjukkan bahwa semua variabel penelitian
adalah linier.
3 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui besarnya interkorelasi antar variabel bebas dalam penelitian ini. Untuk
mendeteksi ada tidaknya multikolinearitas dapat dilihat pada nilai tolerance dan VIF. Apabila nilai toleransi di atas 0,1 dan nilai VIF
di bawah 10 maka tidak terjadi multikolinearitas. Hasil uji multikolinearitas untuk model regresi pada penelitian ini disajikan
pada tabel dibawah ini: Tabel 19. Hasil Uji Multikolinearitas
Variabel Tolerance
VIF Kesimpulan
Merek 0,806
1,241 Tidak terjadi
multikolinearitas Persepsi
Harga 0,734
1,363 Tidak terjadi
multikolinearitas Harapan
Pelanggan 0,637
1,570 Tidak terjadi
multikolinearitas Sumber : Data Primer 2016
Tabel di atas menunjukkan bahwa semua variabel mempunyai nilai toleransi di atas 0,1 dan nilai VIF di bawah 10,
sehingga dapat 75 disimpulkan bahwa model regresi pada penelitian ini tidak terjadi multikolinearitas.
4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas dan untuk mengetahui adanya
heteroskedastisitas dengan menggunakan uji Gleyser. Jika nilai signifikannya lebih besar dari alpha 0,05 maka dapat dipastikan
model tersebut tidak mengandung unsur heteroskedastisitas. Hasil uji heteroskedastisitas ditampilkan dalam tabel berikut.
Tabel 20. Hasil Uji Heteroskedastisitas Variabel
Sig Kesimpulan
Merek 0,170
Tidak terjadi heteroskedastisitas
Persepsi Harga 0,485
Tidak terjadi heteroskedastisitas
Harapan Pelanggan 0,134
Tidak terjadi heteroskedastisitas
Sumber : Data Primer 2016
Tabel di atas menunjukkan bahwa semua variabel memunyai nilai signifikansi lebih besar dari 0,05 sehingga dapat
disimpulkan bahwa model regresi pada penelitian ini tidak terjadi heteroskedastisitas.
b. Analisis Regresi Berganda