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