61
4.3.3 Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variable independen Ghozali, 2006. Jika
terjadi korelasi, maka dinamakan terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.
Uji Multikolineritas menggunakan kriteria Variance Inflantionn Factor VIF Dengan ketentuan :
3. Bila VIF 5 terdapat masalah multikolineritas yang serius 4. Bila VIF 5 tidak terdapat masalah multikolineritas yang serius.
Pedoman suatu model regresi yaitu bebas multikolineritas adalah dengan melihat Variance Inflantion Factor VIF 5 maka variabel ada masalah
multikolinerotas, dan jika VIF 5 maka tidak terdapat masalah multikolineritas, dan jika tolerance 0.1, maka variabel tidak terdapat masalah multikolineritas.
Tolerance adalah mengukur variabilits variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya.
Universitas Sumatera Utara
62
Pada Tabel 4.8 dapat dilihat bahwa nilai VIF 5 dan tolerance 0,1 maka tidak ditemukan masalah multikolineritas dalam penelitian ini. Tidak terkena
multikolinearitas menyebabkan standar deviasi masing-masing koefisien regresi membuat bias tingkat signifikan pengaruh variabel dependen. Dapat disimpulkan
bahwa variabel produk, harga, dan promosi tidak bias terhadap variabel minat berkunjung.
4.3.4 Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk mengetahui seberapa besar pengaruh variabel bebas yaitu produk X1, harga X2 dan promosi X3
terhadap variabel terikat yaitu minat berkunjung Y. Persamaan regresi yang digunakan adalah :
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e......
Tabel 4.9 Hasil Uji Multikolineritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1Constant
2.407 1.060
2.271 .025
Produk .229
.108 .255
2.112 .037
.248 4.030
Harga .579
.118 .586
4.905 .000
.254 3.941
Promosi -.005
.062 -.005
-.085 .932
.950 1.052
a. Dependent Variable: minat_berkunjung
Universitas Sumatera Utara
63
Tabel 4.10 Hasil Analisis Linear Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.407
1.060 2.271
.025 Produk
.229 .108
.255 2.112
.037 Harga
.579 .118
.586 4.905
.000 Promosi
-.005 .062
-.005 -.085
.932 a. Dependent Variable: minat_berkunjung
Sumber: Hasil Pengujian SPSS 17.0 for Windows Maret 2013
Pengolahan analisis linear berganda yang ditunjukkan pada Tabel 4.9 diperoleh hasil regresi berganda sebagai berikut:
Y= 2.407+ 0.229X1 + 0.579X2 + -0.005X3 +e
1. Konstanta a = 2.407 menunjukkan bahwa nilai konstan, dimana jika variabel bebas yaitu produk X1, harga X2 dan promosi X3 = 0 minat
berkunjung konsumen akan menurun. 2. Koefisien b1X1 = 0.229 menunjukkan bahwa variabel produk
berpengaruh positif terhadap minat berkunjung atau dengan kata lain jika variabel produk ditingkatkan maka minat berkunjung akan meningkat.
3. Koefisien b2X2 = 0.579 menunjukkan bahwa variabel harga berpengaruh positif terhadap minat berkunjung atau dengan kata lain jika
variabel harga ditingkatkan maka minat berkunjung akan meingkat 4. Koefisien b3X3 = -0.05 menunjukkan bahwa variabel promosi tidak
berpengaruh negatif terhadap minat berkunjung atau dengan kata lain jika variabel promosi dikurangi maka minat berkunjung akan meningkat.
Universitas Sumatera Utara
64
4.3.5 Uji Hipotesis