commit to user
64
tersebut diterima. Hal ini berarti bahwa variabel in-store display memiliki kemampuan konsistensi sebesar 89,97 apabila dilakukan pengukuran ulang.
Untuk variabel brand awarenes, koefisien cronbach’s alpha menunjukkan nilai
0,8635
dimana nilainya ≥ 0,70 yang menurut Sekaran 2006 reliabelitas variabel
tersebut diterima. Hal ini berarti bahwa variabel brand awareness memiliki kemampuan konsistensi sebesar 86,35 apabila dilakukan pengukuran ulang.
4. 4 Uji Asumsi Klasik
1. Uji Multikolinieritas
Multikolinieritas yaitu adanya korelasi linier di antara satu atau lebih variabel bebas. Apabila nilai VIF Variance Inflation Factor tidak lebih dari 10, maka tidak terjadi
multikolinier. Dari perhitungan regresi menggunakan SPSS for Windows versi 11.5, pada tabel IV.17 menunjukkan bahwa nilai Tolerance dari semua variabel independen tidak ada
yang kurang dari 0,1 yang berarti tidak ada korelasi antar variabel yang nilainya lebih dari 95. Hasil perhitungan VIF Variance Inflation Factor juga menunjukkan hal yang sama,
tidak ada satupun variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak terdapat problem multikolinieritas pada model regresi.
Tabel IV. 17 Hasil Uji Multikolinieritas
commit to user
65
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1
Constant 1.378
.247 5.589
.000 MPD
.144 .063
.181 2.286
.023 .553
1.808 MFS
.177 .058
.264 3.079
.002 .474
2.112 MBP
-.045 .055
-.061 -.815
.416 .613
1.632 MID
.057 .061
.083 .943
.347 .450
2.221 MBA
.275 .082
.230 3.369
.001 .745
1.342
a Dependent Variable: MPI Sumber: Data primer yang dio
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidak samaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance
dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Heteroskedastisitas merupakan varian pengganggu yang terjadi dalam regresi, sehingga model regresi harus terbebas dari faktor pengganggu ini. Pada penelitian ini, cara
mendeteksi ada tidaknya gejala heteroskedastisitas dilakukan dengan uji Park.
Tabel IV. 18 Uji Heteroskedastisitas
Coefficientsa
commit to user
66
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-1.552 .448
-3.465 .001
MPD .057
.114 .046
.499 .618
MFS .082
.105 .078
.781 .435
MBP .100
.100 .089
1.009 .314
MID .180
.110 .168
1.636 .104
MBA -.262
.148 -.141
-1.766 .079
a Dependent Variable: LOGRESD
Sumber: Data primer yang diolah, 2011.
Berdasarkan data pada Tabel IV.18, menunjukkan semua variabel independen tidak ada yang signifikan atau signifikansinya 0,05, sehingga disimpulkan bahwa model regresi
tidak terdapat heteroskedastisitas.
3. Autokorelasi
