Tabel 4.10 Pendekatan Kolmogorov-Smirnov
Unstandardized Residual
N 96
Normal Parametersa,b
Mean .0000000
Std. Deviation 1.55851171
Most Extreme Differences
Absolute .107
Positive .086
Negative -.107
Kolmogorov-Smirnov Z 1.051
Asymp. Sig. 2-tailed .219
a Test distribution is Normal. b Calculated from data.
Sumber: Hasil Pengolahan SPSS 2011
Berdasarkan Tabel 4.12, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.219, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain
variabel tersebut berdistribusi normal.
b. 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 disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Metode Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang
membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber: Hasil Pengolahan SPSS 2011 Gambar 4.7
Scatter Plot Uji Heteroskedastisitas
Universitas Sumatera Utara
Berdasarkan Gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. 2. Uji Glejser
Tabel 4.11 Uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
B Std. Error
1 Constant
4.252 1.091
3.899 .000
Kualitas -.133
.069 -.202
-1.930 .057
Keistimewaan -.078
.062 -.132
-1.252 .214
Desain -.048
.066 -.079
-.732 .466
a Dependent Variable: absut
Sumber: Hasil Pengolahan SPSS 2011
Berdasarkan Tabel 4.13 dapat diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen
absolute Ut absut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas.
c. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Berikut ini disajikan cara mendeteksi multikolinearritas dengan menganalisis matrik
korelasi antar variabel independen dan perhitungan nilai Tolerance dan Variance Inflation Factor VIF.
Universitas Sumatera Utara
Tabel 4.12 Uji Nilai
Tolerance dan VIF
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Toleranc
e VIF
B Std. Error
1 Constant
-.442 1.868
-.236 .814
Kualitas .356
.118 .275
3.021 .003
.943 1.060
Keistimewaa n
.271 .106
.234 2.550
.012 .931
1.074 Desain
.358 .113
.298 3.170
.002 .884
1.131 a Dependent Variable: Brand_Image
Sumber: Hasil Pengolahan SPSS 2011
Berdasarkan Tabel 4.14 dapat dilihat bahwa: a. Nilai VIF dari kualitas, keistimewaan, dan desain lebih kecil atau dibawah
5 VIF 5, ini berarti tidak terkena multikolinearitas antara variabel independen dalam model regresi.
b. Nilai Tolerance dari kualitas, keistimewaan, dan desain lebih besar dari 0.1 Tolerance 0,1,, ini berarti tidak terdapat multikolinearitas antar
variabel independen dalam model regresi.
4.2.4 Analisis Regresi Linear Berganda
Analisis regresi linear berganda dilakukan dengan bantuan SPSS 15.0 for windows dengan tujuan untuk mengetahui seberapa besar pengaruh variabel
bebas yang terdiri dari kualitas, keistimewaan, dan desain terhadap variabel terikat yaitu citra merek.
Universitas Sumatera Utara
Model persamaan yang digunakan dalam penelitian ini adalah sebagai berikut: Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3+
Penjelasan dari hasil pengolahan SPSS akan ditunjukkan pada tabel 4.14 berikut ini:
e
Tabel 4.13 Analisis Regresi Linear Berganda
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
B Std. Error
1 Constant
-.442 1.868
-.236 .814
Kualitas .356
.118 .275
3.021 .003
Keistimewaan .271
.106 .234
2.550 .012
Desain .358
.113 .298
3.170 .002
a Dependent Variable: Brand_Image
Sumber:Hasil Pengolahan SPSS
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.15, maka diperoleh persamaan hasil regresi linear berganda sebagai berikut :
Y = -0,442 + 0,356X
1
+ 0,271X
2
+ 0,358X
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut :
3
a. Konstanta a = -0,442, ini menunjukkan harga constant, dimana jika variabel
Kualitas X
1
, Keistimewaan X
2
, dan Desain X
3
b. Koefisien X
