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,