Uji Heteroskedastisitas Uji Multikolinieritas

2. Analisis Kolmogorov-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 Kolmogorov-Smirnov K-S Tabel 4.9 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 151 Normal Parameters a Mean .0000000 Std. Deviation 1.72088511 Most Extreme Differences Absolute .084 Positive .049 Negative -.084 Kolmogorov-Smirnov Z 1.036 Asymp. Sig. 2-tailed .234 a. Test distribution is Normal. Sumber: Hasil pengolahan data primer kuesioner dengan SPSS 16.02012 Berdasarkan Tabel 4.9, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.234, ini berarti nilainya di atas 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 Universitas Sumatera Utara 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 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. Gambar 4.4 Scatterplot Heteroskedastisitas Sumber : Hasil pengolahan data primer kuesioner dengan SPSS 16.0 2012 Berdasarkan Gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. Universitas Sumatera Utara 2. Uji Glejser Tabel 4.10 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 2.350 .581 4.043 .000 iklan -.044 .040 -.165 -1.084 .280 kualitas .028 .027 .110 1.016 .311 harga -.061 .068 -.112 -.896 .372 a. Dependent Variable: absut Sumber : Hasil pengolahan data primer kuesioner dengan SPSS 16.0 2012 Berdasarkan Tabel 4.10 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 Multikolinieritas

Uji Multikolinieritas 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 multikolinierritas dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai Tolerance dan Variance Inflation Factor VIF. Universitas Sumatera Utara Tabel 4.11 Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1.415 1.057 1.338 .183 Iklan .294 .073 .429 4.016 .000 .281 3.564 kualitas .299 .050 .457 5.998 .000 .551 1.813 Harga -.194 .123 -.138 -1.575 .117 .416 2.405 a. Dependent Variable: keputusan_membeli Sumber : Hasil pengolahan data primer kuesioner dengan SPSS 16.0 2012 Berdasarkan Tabel 4.11 dapat dilihat bahwa: a. Nilai VIF dari nilai iklan, kualitas dan harga lebih kecil atau di bawah 5 VIF 5, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi. b. Nilai Tolerance dari iklan, kualitas dan harga lebih besar dari 0.1, ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.

2. Analisis Regresi Linier Berganda

Analisis regresi linier berganda dilakukan dengan bantuan SPSS 16.0 dengan tujuan untuk mengetahui seberapa besar pengaruh variabel bebas yang terdiri dari iklan, kualitas dan harga terhadap variabel terikat yaitu keputusan membeli Y. Model persamaan yang digunakan dalam penelitian ini adalah sebagai berikut : Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + e Penjelasan dari hasil pengolahan SPSS akan ditunjukkan pada Tabel 4.12 berikut : Universitas Sumatera Utara Tabel 4.12 Regresi Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.415 1.057 1.338 .183 Iklan .294 .073 .429 4.016 .000 Kualitas .299 .050 .457 5.998 .000 Harga -.194 .123 -.138 -1.575 .117 a. Dependent Variable: keputusan_membeli Sumber : Hasil pengolahan data primer kuesioner dengan SPSS 16.0 2012 Berdasarkan hasil pengolahan data seperti terlihat pada Tabel 4.12 pada kolom kedua Unstandartrized coeficient bagian B pada baris pertama diperoleh model persamaan regresi linier bergandanya adalah : Y = 1,415 +0,294X 1 + 0,299X 2 + -0,194 X 3 + e Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut:

a. Konstanta a = 1,415. Ini mempunyai arti bahwa variabel iklan,