82
4.3.1 Uji Normalitas
Uji normalitas ini dilakukan untuk mengetahui apakah variabel dependen, independen, atau keduanya berdistribusi normal, mendekati normal, atau tidak.
Gambar 4.8 Histogram
Berdasarkan Gambar 4.8, dapat dilihat bahwa variabel berdistribusi normal,
hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan.
Gambar 4.9 Normal PP Plot
83 Pada Gambar 4.9 grafik normal PP Plot terlihat titik-titiknya menyebar
disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Hal ini berarti data berdistribusi normal. Secara visual seringkali data kelihatan normal
karena mengikuti garis diagonal, padahal belum tentu data tersebut berdistribusi normal. Oleh sebab itu, analisis harus dilengkapi dengan uji statistik, diantaranya
adalah uji statistik Kolmogorov-Smirnov KS.
Tabel 4.14 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 139
Normal Parameters
a,b
Mean .0000000
Std. Deviation 2.23529121
Most Extreme Differences
Absolute .038
Positive .032
Negative -.038
Kolmogorov-Smirnov Z .446
Asymp. Sig. 2-tailed .989
a. Test distribution is Normal. Sumber: Hasil Pengolahan SPSS data diolah, 2015
Pada Tabel 4.14 terlihat bahwa nilai Kolmogorov-Smirnov adalah 0,446 Nilai Asymp.Sig. 2-tailed adalah 0,989, nilai tersebut berada di atas nilai
signifikan 0.05. Hal ini berarti variabel residual berdistribusi normal Situmorang dan Lufti, 2012 :121.
4.3.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka
84 disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas Situmorang et al, 2008:65 Untuk meihat apakah terjadi
heterokedastisitas atau tidak dapat dilakukan dengan pendekatan grafik maupun statistik.
Sumber: Hasil Pengolahan SPSS, diolah peneliti 2015
Gambar 4.4 Scatterplot
dari Gambar 4.4 dapat dilihat bahwa pada tampilan grafik scatterplot, titik-titik menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y.
dengan demikian, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Secara visual titik-titik menyebar secara acak baik di atas maupun
di bawah angka 0 pada sumbu Y, padahal belum tentu data tersebut tidak terjadi heteroskedastisitas. Oleh sebab itu, pada penelitian ini analisis dilengkapi dengan
uji gletsjer.
85
Tabel 4.15 Uji Glestjer
Coefficients
a
Model Unstandardized
Coefficients Standar
dized Coeffic
ients t
Sig. B
Std. Error
Beta 1
Constant 1.911
1.233 1.550
.124 Kesadaran Merek
-.140 .127
-.097 -1.104 .272
Asosiasi Merek .240
.127 .188 1.886
.062 Persepsi Kualitas
.223 .136
.165 1.647 .102
Loyalitas Merek .049
.118 .037
.414 .679
Periklanan .119
.103 .093 1.161
.248 Hubungan Masyarakat
-.038 .076
-.040 -.494
.622 Penjualan Pribadi
.307 .081
.302 3.803 .000
Promosi Penjualan .182
.070 .225 2.612
.010 Pemasaran Langsung
.149 .109
.107 1.367 .174
a. Dependent Variable: Keputusan Pembelian Sumber: Hasil Pengolahan SPSS data diolah, 2015
Berdasarkan Tabel 4.15 berikut ini diperoleh nilai signifikansi variabel Kesadaran
Merek, Asosiasi Merek, Loyalitas Merek, Harga, dan Kualitas Produk lebih besar dari tingkat signifikansi α = 5 . Dengan demikian dapat disimpulkan tidak
terjadi gejala heteroskedastisitas dalam model regresi ini.
4.3.3 Uji Multikolinearitas
Kategori