3 Heteroskedastisitas
Model diagram pencar digunakan untuk memprediksi ada tidaknya heteroskedastisitas. Analisis diagram pencar menyatakan
bahwa pada model regresi linear berganda tidak terdapat heteroskedastisitas, bila titik-titik data menyebar di atas dan di
bawah atau di sekitar angka nol dan homogen. Sisaan cenderung berkumpul pada titik residual sama dengan nol. Hal ini menunjukkan
bahwa asumsi nilai harapan atau rataan sisaan sama dengan nol. Selain itu, plot ini memiliki lebar pita yang sama. sehingga
menunjukkan bahwa asumsi ragam sisaan homogen untuk setiap nilai X homoscedasticity. Diagram pencar pada model regresi dapat
dilihat pada Lampiran 4.
b. Persamaan Regresi Linear Berganda
Peubah independen pada penelitian ini adalah advertising, sales promotion, personal selling
dan publisitas. Sedangkan peubah dependen adalah citra. Untuk mengetahui seberapa besar kemampuan peubah
independen menjelaskan peubah dependen pada regresi linear berganda dapat dilihat dari nilai Adjusted R Square pada Tabel Model Summary
Lampiran 5. Pada tabel Model Summary terdapat nilai Adjusted R Square 0,676 atau 67,6, yaitu 67,6 keragaman citra dapat dijelaskan oleh
faktor yang ada di dalam model advertising, sales promotion, personal selling
dan Publisitas. Sedangkan 32,4 keragaman citra dapat dijelaskan oleh faktor lain yang tidak dimasukkan ke dalam model.
Pada Tabel Model Summary, peubah promotional mix terhadap Pelumas Prima XP Pertamina Y Lampiran 5, diketahui bahwa nilai R
83 yang merupakan nilai untuk mengukur keeratan hubungan antara peubah citra Pelumas prima XP Pertamina dengan semua peubah
promotional mix . Error term yang terdapat pada model regresi adalah
32,358. Data yang digunakan untuk membuat persamaan regresi adalah besaran koefisien regresi pada kolom Unstandardized Coefficient pada
tabel Coefficient ß Lampiran 8. Berdasarkan hal tersebut, model regresi pada penelitian ini adalah
Ŷ= -0,142 + 0,456 X
1
+ 0,368 X
2
+0,078 X
3
+ 0,110 X
4
…….7 Peubah X
1
– X
4
dinyatakan memiliki pengaruh terhadap Ŷ apabila nilai nyata t hitung kurang dan sama dengan 0,05, maka hasil olahan data
yang diperoleh dengan model regresi di atas dapat diinterpretasikan
sebagai berikut :
1 Nilai koefisien konstanta adalah –0,142 maka bila nilai peubah independen X
1
– X
5
adalah konstan, maka peubah dependen Ŷ bernilai -0,142.
2 Peubah X
1
adevertising memiliki tingkat nyata α 0,000 dengan nilai koefisien regresi positif 0,456 dan memiliki pengaruh terhadap
Ŷ. 3 Peubah X
2
sales promotion memiliki tingkat nilai nyata α 0,000 dengan nilai koefisien regresi positif 0,368 dan memiliki pengaruh
terhadap Ŷ. 4 Peubah X
3
personal selling memiliki tingkat nilai nyata α 0,328 dengan nilai koefisien regresi positif 0,078 dan tidak berpengaruh
terhadap Ŷ. 5 Peubah X
4
publisitas memiliki tingkat nilai koefisien regresi yang dimiliki positif 0,110 dan berpengaruh terhadap Ŷ.
Berdasarkan penjelasan di atas, dapat dibuat persamaan regresi yang melibatkan peubah X dan berpengaruh terhadap peubah Ŷ, yaitu :
Ŷ= -0,142 + 0,456 X
1
+ 0,368 X
2
+ 0,110 X
4
……………..................8 Identifikasi peubah promotional mix yang paling berpengaruh
terhadap Ŷ dilakukan dengan melihat koefisien regresi pada tabel Coefficients
kolom Unstandardized Coefficients yang paling besar. Tiga peubah X yang memiliki pengaruh nyata terhadap Ŷ adalah X
1
, X
2
dan X
4
, dengan nilai koefisien masing-masing 0,456, 0,368 dan 0,110. Koefisien
regresi X
1
lebih besar daripada X
2
dan X
4
, sehingga dapat dinyatakan bahwa peubah X
1
Advertising memiliki pengaruh paling dominan terhadap citra Pelumas Prima XP Pertamina. Hasil pengolahan analisis
regresi linear berganda dapat dilihat pada Lampiran 5.
1 Uji F
Pengolahan uji F dilakukan dengan bantuan software SPSS Data Editor
untuk memunculkan tabel ANOVA. Hasil Uji F digunakan untuk menguji secara simultan peubah independen berpengaruh atau
tidak terhadap peubah dependen. Pada Lampiran 8, nilai nyata dari uji F adalah 0,000.
nilai pada kolom Sig dibandingkan taraf nyatanya yaitu
0,00 kurang dari 0,05 maka peubah respon citra memiliki
hubungan linier minimal dengan satu 1 peubah penjelas promotional mix.
Hasil pengolahan Uji t dapat dilihat pada Lampiran 5.
2 Uji t
Pengolahan uji t dilakukan untuk mengetahui besarnya pengaruh masing-masing peubah independen secara individual parsial
terhadap peubah dependen. Hasil uji ini pada output SPSS dapat dilihat pada tabel Coefficient. Sebagai ilustrasi, nilai dari uji t dapat
dilihat dari nilai pada kolom Sig untuk masing-masing peubah independen dibandingkan taraf nyatanya, yang digunakan 0,05. Dari
empat peubah X yang diidentifikasi hanya tiga 3 peubah promotional mix
yang berpengaruh terhadap citra Pelumas prima XP Pertamina, yaitu peubah advertising, sales promotion dan publisitas.
Nilai pada kolom standard error pada Tabel Coefficients merupakan nilai toleransi rentang nilai yang dibolehkan yang terjadi
pada masing-masing koefisien regresi. Nilai yang kecil pada kolom standard error
menunjukan nilai koefisien tidak mudah berubah. Hasil pengolahan Uji t dapat dilihat pada Lampiran 5.
3 Uji Hipotesis
Uji hipotesis digunakan untuk melihat pengaruh peubah promotional mix
terhadap citra Pelumas Prima XP Pertamina secara keseluruhan dan secara parsial.
a.
Uji secara keseluruhan Hipotesis yang diusulkan adalah H
= Faktor-faktor promotional mix
secara bersama-sama tidak berpengaruh terhadap citra Pelumas Prima XP Pertamina dan H
1
= Faktor-faktor
promotional mix secara bersama-sama berpengaruh terhadap citra
Pelumas Prima XP Pertamina. Hasil pengolahan data menunjukkan nilai nyata uji F adalah 0,000 lebih kecil dari nilai alpha 0,05,
sehingga kesimpulan yang didapatkan adalah tolak H dan terima
H
1
. Melalui hasil ini dapat dikatakan bahwa secara keseluruhan,
minimal ada satu peubah dari advertising, sales promotion, personal selling
dan publisitas berpengaruh dalam peningkatan citra Pelumas Prima XP Pertamina.
b.
Uji secara parsial Hipotesis yang digunakan adalah H
= Peubah X tidak berpengaruh terhadap citra Pelumas Prima XP Pertamina dan H
1
= Peubah X berpengaruh terhadap citra Pelumas Prima XP
Pertamina. i Nilai nyata X
1
0,000 lebih kecil dari alpha 0,05, sehingga tolak H
dan terima H
1
. ii Nilai nyata X
2
0,000 lebih besar dari alpha 0,05, sehingga terima H
dan tolak H
1
. iii Nilai nyata X
3
0,328 lebih besar dari alpha 0,05, sehingga terima H
dan tolak H
1
. iv Nilai nyata X
4
0,110 lebih kecil dan sama dengan alpha 0,05, sehingga tolak H
dan terima H
1
.
4.7 Implikasi Manajerial
