Tabel 4.8 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
100 Normal
Parameters
a,b
Mean .0000000
Std. Deviation .65238047
Most Extreme
Differences Absolute
.071 Positive
.044 Negative
-.071 Kolmogorov-Smirnov Z
.711 Asymp. Sig. 2-tailed
.692 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan Tabel 4.8 diketahui bahwa nilai Asymp. Sig. 2-tailed adalah 0,692 dan diatas nilai signifikan 0,05, dengan demikian variabel residual berdistribusi
normal. Nilai Kolmogorov-Smirnov Z lebih kecil dari 1,96 dengan kata lain data dikatakan normal.
4.2.2 Uji Heteroskedastisitas
Prinsip pengujian Heteroskedastisitas adalah untuk melihat apakah adanya gangguan yang ada pada suatu penelitian. Metode untuk menguji penelitian untuk
mencari keberadaan heteroskedastisitas dapat dilakukan dengan metode grafik dan statistik, yang menggunakan uji Glejser.
1. Pendekatan Grafik
Dengan pendekatan grafik, dapat dilihat pada Gambar 4.3 :
Gambar 4.3 Hasil Uji Heterokedastisitas
Dari grafik scatterplot yang disajikan pada Gambar 4.3, dapat dilihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta
tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
2. Pendekatan Statistik
Pendekatan statistik dilakukan dengan uji Glejser. Berikut adalah hasil dari pengolahannya:
Tabel 4.9
Uji Glejser Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients
t Sig.
B Std.
Error Beta
1 Constant 1.107
1.009 2.009 .000
Pengaruh Harga .288
.045 -.560
2.353 .034 Brand Image
.089 .061
-.133 2.466 .042
Atribut Produk .175
.062 .259
2.851 .032 a. Dependent Variable: Keputusan Pembelian
Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Dari Tabel 4.9 dapat dilihat
signifikansi variabel bebas tidak lebih besar dari 0,05 maka tidak mengalami gangguan heteroskedastisitas.
4.2.3 Uji Multikolinearitas
Pengujian ini bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Multikolinearitas berarti adanya
hubungan yang sempuran, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Hasil pengujian dapat dilihat sebagai berikut :
Tabel 4.10
Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant Pengaruh Harga
.927 1.079
Brand Image .872
1.147 Atribut Produk
.874 1.145
Dasar untuk melihat suatu model yang tidak terkena multikolinearitas adalah dengan melihat besar Variance Inflation Factor VIF dan tingkat tolerancenya. Jika
VIF 5 dan Tolerance 0,1, maka terkena multikolinearitas, tetapi jika VIF 5 dan tolerance 0,1, maka tidak terdapat masalah multikolinearitas dalam penelitian ini.
Berdasarkan Tabel 4.10 semua nilai VIF adalah 5 dan nilai tolerancenya 0,1, maka dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas dalam
penelitian ini.
4.3 Analisis Regresi Linier Berganda
