Analisis Grafik Analisis Statistik uji heterokedastisitas pendekatan grafis Pendekatan statistic

a. Analisis Grafik

Sumber: Hasil penelitian diolah 2011 Gambar: 4.2 plot of regrestion standardized residual Apabila data menyebar disepanjang garis maka dikatakan normal. Pada gambar 4.1 terlihat bahwa data menyebar.

b. Analisis Statistik

Tabel 4.11 Uji Normalitas Data Analisis Statistik One-Sample Kolmogorov-Smirnov Test produk harga bukti_ fisik promosi pelaku tempat proses keputusan_ mahasiswa N 76 76 76 76 76 76 76 76 Normal Parameters a,,b Mea n 11.33 13.43 18.91 10.86 11.76 8.14 11.25 7.79 Std. Devi ation 2.764 4.965 4.391 3.365 2.460 1.467 5.893 1.962 Most Extreme Differences Abso lute .175 .171 .165 .156 .223 .276 .252 .293 Posit ive .167 .105 .165 .156 .185 .250 .252 .181 Nega tive -.175 -.171 -.155 -.120 -.223 -.276 -.207 -.293 Kolmogorov-Smirnov Z 1.525 1.491 1.438 1.363 1.940 2.410 2.197 2.552 Asymp. Sig. 2-tailed .019 .023 .032 .049 .001 .000 .000 .000 a. Test distribution is Normal. b. Calculated from data. Dari hasil pengujian terlihat besarnya nilai Kolmogorov-Smirnov adalah 2.552. Hal ini berarti H diterima yang berarti data residual berdistribusi normal.

2. Pengujian Heteroskedastisitas dan multikolinearitas

a. uji heterokedastisitas pendekatan grafis

Sumber: Hasil Penelitian diolah 2011 Gambar 4.3 Uji Heteroskedastisitas Apabila data menyebar maka tidak terkena Heteroskedastisitas. Pada gambar terlihat bahwa data menyebar maka data tersebut dinyatakan tidak terkena heteroskedastisitas.

b. Pendekatan statistic

Tabel 4.12 uji heteroskedastisitas dan multikolinearitas Menurut Gzozali dalam Sugiono, 2004 jika variabel independent signifikan terjadi secara statistic mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Dari hasil pengujian terlihat terjadi heteroskedastisitas, karena variabel pelaku X5 kecil dari 0.05 tidak terkena heteroskedastisitas sig 0.05 yang berarti variabel independent yang signifikan mempengaruhi nilai absolute U t Absut. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .848 .810 1.048 .298 produk .126 .088 .177 1.427 .158 .291 3.439 harga .060 .047 .152 1.278 .206 .315 3.177 bukti_fisik -.077 .049 -.172 -1.561 .123 .370 2.703 promosi .044 .061 .076 .721 .473 .405 2.470 pelaku .623 .096 .781 6.466 .000 .306 3.268 tempat -.198 .144 -.148 -1.372 .175 .385 2.600 proses -.003 .025 -.010 -.132 .895 .795 1.258 a. Dependent Variable: keputusan_mahasiswa

3. analisis regresi linear berganda

Analisis regresi linier berganda digunakan dengan maksud meramalkan bagaimana keadaan naik-turunya variabel dependent bila dua atau lebih variabel independent dimanipulasi Sugiono, 2003: 210. Dengan memperhitungkan variabel produk X1, harga X2, bukti fisik X3, promosi X4, pelaku X5, tempat X6, dan proses X7 dapat diketahui berapa besar pengaruhnya terhadap keputusan mahasiswa Y dalam melanjutkan pendidikan di program S1 Ekstensi Departemen Manajemen Fakultas Ekonomi USU. Adapun model regresi yang digunakan adalah: Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 5 X 5 + b 6 X 6 + b 7 X 7 + e Analisis regresi linier berganda menggunakan program SPSS versi 15.0 dapat dilihat pada Tabel berikut: Tabel 4.13 Analisis Regresi Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .848 .810 1.048 .298 produk .126 .088 .177 1.427 .158 harga .060 .047 .152 1.278 .206 bukti_fisik -.077 .049 -.172 -1.561 .123 promosi .044 .061 .076 .721 .473 pelaku .623 .096 .781 6.466 .000 tempat -.198 .144 -.148 -1.372 .175 proses -.003 .025 -.010 -.132 .895 a. Dependent Variable: keputusan_mahasiswa Sumber: Hasil Penelitian diolah 2011 Berdasarkan hasil perhitungan data terlihat pada tabel kolom Unstandardized Coefficients bagian B diperoleh persamaan regresi linier berganda: Y=0.848+0.126X 1 +0.060X 2 +-0.077X 3 +0.044X 4 +0.623X 5 +-0,198X 6 +0.003X 7 Dari persamaan tersebut dapat digambarkan sebagai berikut: a. Konstanta a = 0.848, menunjukan harga konstan, dimana jika nilai variabel X 1 , X 2 , X 3, X 4, X 5, X 6 dan X 7 = 0, maka keputusan mahasiswa Y = 0.848.

b. Koefisien X