kurang setuju, 22,22 responden menjawab setuju, dan 18,88 responden menjawab sangat setuju.
5.3 Uji Asumsi Klasik
Pengujian ini dilakukan untuk mengetahui apakah data mengalami penyimpangan atau tidak.
a. Uji Normalitas 1 Uji Kolmogrov Smirnov
Untuk memastikan apakah data di sepanjang garis diagonal terdistribusi normal maka dilakukan uji One Sample Kolmogrov Smirnov. Dengan
menggunakan tingkat signifikan 5 maka jika nilai Asym. Sign 2-tailed diatas nilai signifikan 5 artinya variable residual berdistribusi normal.
Dari Tabel 4.10 dapat dilihat hasil pengolahan data dimana nilai Asymp. Sig 2-tailed adalah 0,067 dan nilai tersebut diatas nilai signifikan yaitu 0,05.
Dengan kata lain bahwa variabel residual berdistribusi normal.
Tabel 5.9 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
90 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .97081077
Most Extreme Differences
Absolute .133
Positive .133
Negative -.121
Kolmogorov-Smirnov Z 1.304
Asymp. Sig. 2-tailed .067
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan SPSS Juni 2015
Universitas Sumatera Utara
2. Uji dengan Histogram Gambar 5.1
Histogram
Pada grafik histogram pada Gambar 5.1 terlihat bahwa variabel
berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau ke kanan dan membentuk pola lonceng.
2 Uji dengan normal P-Plot Gambar 5.2
Normal P – Plot of Regression Standardized Residual
Universitas Sumatera Utara
Apabila plot berbentuk linear, maka hal ini merupakan indikasi bahwa residual menyebar normal. Bila pola-pola titik yang tidak terletak selain di ujung-
ujung plot masih berbentuk linear, meskipun ujung-ujung plot agak menyimpang dari garis lurus, dapat dikatakan bahwa sebaran data hal ini residual adalah
menyebar normal. Pada Gambar 5.2 tersebut dapat dilihat bahwa data-data titik- titik menyebar sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini
berarti data berdistribusi normal.
b. Uji Heteroskedastisitas
Suatu regresi dinyatakan terdeteksi heteroskedastisitas jika diagram pencar residual membentuk pola tertentu. Tampak pada gambar 5.2 , diagram pencar
residual tidak membentuk suatu pola tertentu. Kesimpulannya, regresi terbebas dari kasus heteroskedastisitas dan memenuhi persyaratan asumsi klasik tentang
heteroskedastisitas.
Gambar 5.3 Uji Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS Juni 2015
Universitas Sumatera Utara
c. Uji Multikolinieritas
Untuk mengetahui ada tidaknya gejala multikolinieritas dapat dilihat dari nilai Tolerance dan Variance Inflation Factor VIF melalui software SPSS versi
22.0 for windows. Nilai umum yang biasa dipakai adalah nilai tolerance 0,1 atau VIF 10, maka tidak terjadi multikolinieritas Situmorang dan Lufti,
2011:162.
Tabel 5.10 Uji Multikolinieritas
Coefficients
a
Model Correlations
Collinearity Statistics Zero-order
Partial Part
Tolerance VIF
1 BaurPmsran
,605 ,459
,258 ,636
1,573 Produk
,541 ,668
,449 ,193
5,177 Harga
,498 ,277
,144 ,804
1,245 Tempat
,259 -,674
-,456 ,188
5,331 Promo
,553 ,341
,182 ,267
3,747 a. Dependent Variable: KptsPemblian
Sumber: Hasil Pengolahan SPSS Juni 2015
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 5.10 diketahui nilai Variance Inflation Factor VIF: bauran pemasaran X
1
sebesar 1,573, produk X
2
sebesar 5,177, harga X
3
sebesar 1,245, tempat X
4
sebesar 5,331, dan promosi X
5
sebesar 3,747.
5.3 Metode Analisis Regresi Berganda
Analisis regresi berganda dilakukan dengan bantuan SPSS versi 22.0 for windows dengan tujuan untuk mengetahui pengaruh variabel bebas yaitu: bauran
pemasaran X
1
, produk X
2
, harga X
3
, tempat X
4
, dan promosi X
5
Universitas Sumatera Utara
terhadap variabel terikat yaitu keputusan pembelian Y. Persamaan regresi yang digunakan dalam penelitian ini adalah sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
Penjelasan dari hasil pengolahan SPSS versi 22.0 for windows akan ditunjukkan pada Tabel 5.11 berikut.
+ e
Tabel 5.11 Regresi Linear Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1,307
1,522 ,859
,393 BaurPmsran
,319 ,067
,324 4,732
,000 Produk
,881 ,107
1,021 8,223
,000 Harga
,253 ,096
,161 2,646
,010 Tempat
-1,358 ,163
-1,053 -8,354
,000 Promo
,604 ,182
,351 3,327
,001 a. Dependent Variable: KptsPemblian
Sumber: Hasil Pengolahan SPSS Juni 2015
Dari hasil pengolahan data pada Tabel 5.11 maka dapat diperoleh persamaan hasil regresi linear berganda sebagai berikut:
Y = 1,307 + 0,319X
1
+ 0,881X
2
+ 0,253X
3
- 1,358X
4
+ 0,604X Berdasarkan persamaan tersebut, maka dapat digambarkan sebagai berikut:
5
1. Konstanta a = 1,307, ini menunjukkan harga constanta, dimana jika variabel
bauran pemasaran X
1
, produk X
2
, harga X
3
, tempat X
4
, dan promosi iklan X
5
2. Koefisien X
ditiadakan maka nilai keputusan pembelian = 1,307.
1
b
1
= 0,319, ini berarti variabel produk berpengaruh positif terhadap keputusan pembelian atau dengan kata lain jika kualitas dari bauran
Universitas Sumatera Utara
pemasaran meningkat sebesar 1, maka keputusan pembelian akan meningkat sebesar 0,319 satuan.
3. Koefisien X
2
b
2
4. Koefisen X
= 0,881, ini berarti bahwa variabel produk berpengaruh positif terhadap keputusan pembelian atau dengan kata lain jika nilai produk
meningkat satu satuan maka nilai keputusan pembelian akan meningkat sebesar 0,881 satuan.
3
b
3
5. Koefisien X
= 0,253, ini berarti bahwa variabel harga berpengaruh positif terhadap keputusan pembelian atau dengan kata lain jika nilai harga
ditingkatkan satu satuan, maka nilai keputusan pembelian meningkat sebesar 0,253 satuan.
4
6. Koefisien X
b4 = -1,358, ini berarti bahwa variabel tempat tidak berpengaruh terhadap keputusan pembelian.
5
b5 = 0,604, ini berarti bahwa variabel promosi berpengaruh positif terhadap keputusan pembelian atau dengan kata lain jika nilai promosi
ditingkatkan satu satuan, maka keputusan pembelian akan meningkat sebesar 0,604 satuan.
5.4 Uji Hipotesis
