53,1 menyatakan setuju, 7 orang atau 7,3 menyatakan kurang setuju, 6 orang atau 6,3 menyatakan tidak setuju dan 2 orang atau 2,1 yang
menyatakan sangat tidak setuju.
4.2.3 Analisis Statistik Hipotesis
Ketidakpuasan Konsumen dan Kebutuhan Mencari Variasi berpengaruh positif dan signifikan Terhadap Perpindahan Merek Dunkin’ Donuts ke J.CO
Donuts and Coffee pada mahasiswai Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.
4.2.3.1 Uji Asumsi Klasik a. Uji Normalitas
Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov.
1. Pendekatan Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi normal.
Universitas Sumatera Utara
Regression Standardized Residual
2 1
-1 -2
-3
Frequ e
ncy
20 15
10 5
Histogram Dependent Variable: PerpindahanMerek
Mean =1.23E-15 Std. Dev. =0.989
N =96
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pected Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: PerpindahanMerek
Sumber : Hasil Pengolahan SPSS Juni 2014
Gambar 4.1 Grafik Histogram Uji Normalitas
Sumber : Hasil Pengolahan SPSS Juni 2014
Gambar 4.2 Grafik Normal P-P Plot Uji Normalitas
Universitas Sumatera Utara
Berdasarkan Gambar 4.1 dapat diketahui bahwa hubungan dari variabel Ketidakpuasan Konsumen dan Kebutuhan Mencari Variasi terhadap Perpindahan
Merek adalah berdistribusi normal, hal ini ditunjukkan oleh gambar yang tidak terlihat melenceng ke kiri ataupun ke kanan. Sedangkan pada Gambar 4.2 data
berdistribusi normal dapat dilihat pada scatterplot, terlihat titik yang mengikuti data di sepanjang garis diagonal.
2. Pendekatan Kolmogorv-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian
normalitas yang berdasarkan dengan uji statistik non-parametik Kolmogorv- Smirnov
K-S untuk memastikan apakah data benar berdistribusi normal.
Tabel 4.8 One-Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 96
Normal Parametersa,b Mean
.0000000 Std. Deviation
2.91178878 Most Extreme Differences
Absolute .142
Positive .065
Negative -.142
Kolmogorov-Smirnov Z 1.392
Asymp. Sig. 2-tailed .042
a Test distribution is Normal. b Calculated from data.
Sumber : Hasil Pengolahan SPSS Juni 2014
Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,042, dan di atas nilai signifikan 5 0,05, dengan kata lain variabel residual
berdistribusi normal.
Universitas Sumatera Utara
Regression Standardized Predicted Value
2 1
-1 -2
-3 -4
R e
g ressio
n S
tud ent
iz e
d R e
si dual
2 1
-1 -2
-3
Scatterplot Dependent Variable: PerpindahanMerek
b. Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari suatu variabel 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.
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 dibawah 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 Juni 2014
Gambar 4.3 Scatter Plot Uji Heteroskedastisitas
Universitas Sumatera Utara
