87
5 4
4 5
5 3
5 5
4 40
88 4
4 4
4 4
4 5
5 4
38
89
4 4
4 3
4 3
4 3
4 33
90 4
4 3
3 3
3 3
3 5
31
91
4 4
4 5
4 4
5 4
3 37
92 5
4 5
4 4
3 4
4 4
37
93
5 3
4 4
3 3
4 4
4 34
94 4
4 4
4 4
3 4
4 5
36
95
5 5
5 5
5 4
5 5
5 44
96 5
5 5
5 5
4 5
5 5
44
97
4 3
3 4
3 3
4 4
4 32
98 4
4 4
4 5
3 4
5 5
38
99
4 3
4 3
4 4
4 4
4 34
100 5
5 4
5 4
4 5
4 5
41
Sumber : Hasil data primer, 2014
4.9 Uji Asumsi Klasik
1. Uji Normalitas Uji Normalitas dilakukan melalui perhitungan regresi dengan SPSS
16.0 yang dideteksi melalui 2 pendekatan grafik yaitu analisa grafik histogram dan analisa grafik normal p-plot yang membandingkan antara
dua observasi dengan distribusi yang mendekati distribusi normal. Berikut ini penjelasan dari grafik-grafik tersebut :
1 Grafik Histogram Berikut ini dapat bahwa data berdistribusi normal, hal tersebut dapat
dilihat dari grafik histogram yang berbentuk lonceng, grafik tersebut tidak miring kesamping kiri maupun kanan seperti yang terlihat pada
Gambar 4.11 berikut :
Universitas Sumatera Utara
Sumber : hasil penelitian, 2014 data diolah Gambar 4.11 : Uji Normalitas
2 Grafik Normal p-plot Berikut ini dapat dilihat data menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal seperti terlihat pada Gambar 4.12 berikut:
Sumber : hasil penelitian, 2014 data diolah Gambar 4.12 : Uji Normalitas
Uji kenormalan menggunakan uji kolmogorov smirnov karena skala pengukuran yang digunakan adalah skala likert dan data yang digunakan
merupakan data ordinal. Pada output SPSS dengan menggunakan uji Kolmogorov Smirnov diketahui bahwa nilai asymp sig 2-tailed adalah
Universitas Sumatera Utara
bentuk produk 0.348, rasa produk 0.285, penyajian produk 0.104 dan word of mouth 0.209 yaitu lebih besar dari alpha 0.05 maka dapat
dikatakan bahwa nilai residual terstandarisasi dan data memenuhi asumsi normalitas. Hasil Uji normalitas dapat dilihat pada Lampiran 4.
2. Uji Multikolinearitas Deteksi multikolinearitas pada suatu model dapat dilihat dari nilai
Variance Inflation Factor VIF tidak lebih dari 5 dan nilai Tolerance tidak kurang dari 0.1. Nilai VIF digunakan untuk mengetahui ada atau
tidaknya multikolinieritas. Jika nilai VIF lebih besar dari 5, maka variabel bebas tersebut memiliki hubungan linear dengan variabel bebas yang lain
di dalam model multikolinear. Bentuk produk X
1
, rasa produk X
2
, dan penyajian produk X
3
masing-masing memiliki nilai 1.493 1.389 dan 1.486. Semua nilai variabel bebas tersebut berada di bawah 5. Hal
ini menunjukkan bahwa variabel bebas bentuk produk X
1
, rasa produk X
2
, dan penyajian produk X
3
tersebut tidak multikolinear atau tidak memiliki hubungan linear satu sama lain. Hasil uji multikolinearitas dapat
dilihat pada Lampiran 4. 3. Uji Heterokedastisitas
Uji heterokedastisitas dilakukan melalui perhitungan regresi dengan SPSS yang dideteksi melalui analisa grafik plot bahwa dapat dilihat data
tidak terdapat pola yang jelas, serta titik- titik menyebar dibawah dan diatas angka 0 pada sumbu Y seperti terlihat pada Gambar 4.13 berikut:
Universitas Sumatera Utara
Sumber : hasil penelitian, 2014 data diolah Gambar 4.13 : Uji Heterokedastisitas
Pada diagram pencar diatas menunjukkan pada model regresi linear berganda
tidak terdapat
heteroskedastisitas. Gambar
diatas memperlihatkan titik-titik menyebar secara acak, tidak membentuk pola
yang teratur, serta tersebar disegala arah, baik diatas maupun dibawah angka 0 pada sumbu Y. dengan demikian maka “tidak terjadi
heterokedastisitas”. Hasil uji dapat di lihat pada lampiran 4.
4.5 Uji Regresi Linear Berganda
