Berdasarkan Gambar 4.3 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh gambar tersebut, dimana tidak menceng ke kiri atau ke
kanan, sedangkan pada Gambar 4.4 data juga berdistribusi normal ini dapat dilihat pada scatter plot terlihat titik yang mengikuti data disepanjang 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
didasarkan dengan uji statistik non-parametik Kolmogorv-Smirnov K-S.
Tabel 4.14 One-Sample Kolmogorv-Smirnov Test
Unstandardized Residual
N 92
Normal Parameters
a
Mean .0000000
Std. Deviation 1.60074056
Most Extreme Differences Absolute
.099 Positive
.099 Negative
-.092 Kolmogorov-Smirnov Z
.948 Asymp. Sig. 2-tailed
.330 a. Test distribution is Normal.
b. calculated from data
Berdasarkan Tabel 4.14, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.330, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain
variabel tersebut berdistribusi normal.
b. Uji Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
Universitas Sumatera Utara
heterokedastisitas terjadi jika residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat pola
diagram pencar yaitu grafik yang merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
a. Model grafik
Hipotesis: 1
Jika diagram pencar yang ada membentuk pola- pola tertentu yang teratur maka regrasi mengalami gangguan heterokedastisitas.
2 Jika diagram pencar yang ada tidak membentuk pola- pola tertentu yang
teratur maka regrasi tidak mengalami gangguan heterokedastisitas.
Sumber: Hasil Pengolahan SPSS Juli 2011
Gambar 4.5 Scatterplot
Pada Gambar 4.5 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heterokedastisitas.
b. Model Glejser
Menentukan kriteria keputusan:
Universitas Sumatera Utara
1. Jika nilai signifikan 0,05, maka tidak mengalami gangguan
heterokedastisitas. 2.
Jika nilai signifikan 0,05, maka mengalami gangguan heterokedastisitas.
Tabel 4.15 Uji Glejser
Mode l
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std.
Error Beta
B Std.
Error 1
Constant 3.452
1.698 2.033
.045 Produk
.309 .130
.263 2.378
.020 Harga
.334 .201
.207 1.658
.101 Promosi
.595 .154
.389 3.782
.787 Kemudahan
.012 .214
.006 .055
.956 a Dependent Variable: absut
Sumber: Hasil Pengolahan SPSS Juli 2011
Pada Tabel 4.15 tampak bahwa signifikasi variabel bebas lebih besar dari 0,05, maka tidak mengalami gangguan heterokedastisitas.
c. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya
masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel
4.16 sebagai berikut:
Tabel 4.16 Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 3.452
1.698 2.033
.045 produk
.309 .130
.263 2.378
.020 .430
2.328 harga
.334 .201
.207 1.658
.101 .336
2.978 promosi
.595 .154
.389 3.872
.787 .520
1.922
Universitas Sumatera Utara
kemudahan .012
.214 .006
.055 .956
.388 2.576
a. Dependent Variable: keputusanpembelian
Sumber: Hasil Pengolahan SPSS Juli 2011
Hasil pengujian: Pedoman suatu model regresi yaitu bebas multikolinieritas adalah
dengan melihat Variance Inflation Factor VIF 5 maka variabel ada masalah multikolinieritas, dan jika VIF 5 maka tidak terdapat masalah multikolinieritas.
Jika Tolerance 0,1 maka variabel ada masalah multikolinieritas, dan jika Tolerance 0,1 maka variabel tidak terdapat masalah multikolinieritas Pada
Tabel 4.10 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0,1 maka tidak ditemukan masalah multikolinieritas dalam penelitian ini.
4.2.2.3 Analisis Linear Berganda
Analisis regresi linier berganda dilakukan dengan bantuan SPSS 16.0 for windows dengan tujuan untuk mengetahui seberapa besar pengaruh variabel
bebas yang terdiri dari Produk, Harga, Promosi, Kemudahan memperoleh produk terhadap variabel terikat yaitu Keputusan Pembelian. Model persamaan
yang digunakan dalam penelitian ini adalah sebagai berikut: Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e Penjelasan dari hasil pengolahan SPSS akan ditunjukkan pada Tabel 4.17
berikut ini:
Tabel 4.17 Analisis Regresi Linier Berganda
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.452
1.698 2.033
.045 produk
.309 .130
.263 2.378
.020 harga
.334 .201
.207 2.658
.000
Universitas Sumatera Utara
promosi .595
.154 .389
3.872 .041
kemudahan .012
.214 .006
2.055 .019
a. Dependent Variable: keputusanpembelian
Sumber: Hasil Pengolahan SPSS Juli 2011
Berdasarkan hasil pengolahan regresi berganda yang ditunjukkan dalam Tabel 4. 17, maka diperoleh hasil regresi berganda sebagai berikut:
Y = 3,4521+ 0. 309 X
1
+ 0,334 X
2
+ 0, 595 X
3
+ 0, 012X
4
+ e 4.2.2.4 Uji Hipotesis
a. Uji F Uji serentak