Unstandardize d Residual
N 62
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,64825857
Most Extreme Differences Absolute ,075
Positive ,075
Negative -,055
Kolmogorov-Smirnov Z ,588
Asymp. Sig. 2-tailed ,880
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 16.00, 2014
Pada Tabel 4.21 terlihat bahwa nilai Asymp.Sig.2-tailed adalah 0,880 di mana angka ini di atas nilai signifikan 0.05 dan nilai Kolmogrov-Smirnov
adalah 0.588 yang berarti lebih kecil dari 1,97. Dengan kata lain variabel residual berdistribusi normal.
4.2.3.2 Uji Heteroskedastisitas
Ada dua cara untuk mendeteksi keberadaan heteroskedastisitas, yaitu metode informal Grafik Scatterplot dan metode formal Uji Glejser.
1. Grafik Scatterplot Pada metode grafik, sumbu vertikal menjelaskan nilai prediksi disturbance
term error dan sumbu horisontal menjelaskan niai prediksi variabel regression.
Universaitas Sumatera Utara
Gambar 4.12 Scatterplot
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 16.00, 2014
Gambar 4.12 Scatterplot di atas menunjukkan bahwa titik-titik yang ada menyebar secara acak, tersebar baik di atas maupun di bawah angka nol pada
sumbu Y dan tidak membentuk sebuah pola tertentu yang jelas. Oleh karena itu, model regresi dikatakan tidak mengalami heteroskedastisitas.
2. Uji Glejser
Tabel 4.22 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2,724 ,712
3,827 ,000
Pengetahuan_Produk -,051
,047 -,192
-1,078 ,285
Kebutuhan_mencari_variasi -,052
,043 -,214
-1,203 ,234
a. Dependent Variable: absut
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 2.00, 2014
Universaitas Sumatera Utara
Pada Tabel 4.22 terlihat bahwa tidak ada variabel bebas atau variabel independen yang signifikan secara statistik mempengaruhi variabel terikat atau
variabel dependen. Hal ini ditunjukkan dari nilai Sig. variabel-variabel bebas yang lebih besar dari nilai signifikan 0,05. Jadi, model regresi tidak mengalami
heteroskedastisitas.
4.2.3.3.Uji Multikolinearitas
Untuk mendekteksi multikolinearitas pada data dapat digunakan dengan melihat nilai Tolerance dan Variance Inflation Factor VIF, dengan kriteria
sebagai berikut: 1. VIF 5 maka diduga mempunyai persoalan multikolinearitas.
2. VIF 5 maka tidak terdapat multikolinearitas. 3. Tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas.
4. Tolerance 0,1 maka tidak dapat terdapat multikolineraitas.
Tabel 4.23 Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Pengetahuan Produk .458
2,182 Kebutuhan Mencari Variasi
.458 2,182
a. Dependent Variable: Perpindahan_Merek
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 16.00, 2014 Pada Tabel 4.23 terlihat bahwa nilai Tolerance semua variabel independen
adalah besar dari nilai 0,1 dan nilai VIF semua variabel independen adalah lebih
Universaitas Sumatera Utara
kecil dari nilai ketetapan 5. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas.
4.2.4. Analisis Regresi Linear Berganda
