xix
2. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data deretan waktu atau
ruang seperti dalam data cross-sectional Gujarati, 2003.
Tabel IV.8 Hasil Uji Autokorelasi Metode Durbin-Watson
Sumber: Data primer yang diolah, 2010
Dari hasil tabel di atas diketahui bahwa nilai D-W test sebesar 1,548. Dikarenakan hasil hitung Durbin-Watson -2 1,548 +2 maka dapat
diketahui bahwa dalam model regresi pada penelitian ini tidak ada masalah autokorelasi.
3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi yang sempurna antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi
Variabel D-W
Kriteria Kesimpulan
Shopping lifestyle, fashion involvement,
pre-decision stage, post-decision stage
1,548 -2 D-W +2
Tidak ada masalah autokorelasi
xx yang sempurna di antara variabel bebas. Uji multikolinearitas dilakukan
dengan melihat tolerance atau Varians Inflation Factor VIF. Apabila tolerance lebih kecil dari 0,1 atau nilai VIF di atas 10, maka terjadi
multikolinieritas. Hasil perhitungan uji multikolinieritas dapat dilihat pada tabel sebagai berikut:
Tabel IV.9
Hasil Uji Multikolinieritas
Variabel Tolerance
VIF Kesimpulan
shopping lifestyle 0,833
1,201 tidak ada masalah multikolinieritas
fashion involvement 0,992
1,008 tidak ada masalah multikolinieritas
pre-decision stage 0,718
1,394 tidak ada masalah multikolinieritas
post-decision stage 0,836
1,197 tidak ada masalah multikolinieritas
Sumber: Data primer yang diolah, 2010
Hasil uji multikolinieritas pada tabel di atas diketahui bahwa hasil tolerance pada masing-masing variabel lebih besar dari 0,1 sedangkan
nilai Varians Inflation Factor VIF lebih kecil dari 10. Dari hasil uji yang dilakukan, maka dapat diambil kesimpulan bahwa model regresi dalam
penelitian ini tidak ada masalah multikolinieritas, berarti antar variabel independen tidak saling berkorelasi sempurna.
4. Uji Heteroskedastisitas
Pengertian heteroskedastisitas adalah apabila kesalahan atau residual yang diamati tidak memiliki varian yang konstan. Heteroskedastisitas diuji
dengan menggunakan Glejser test. Heteroskedastisitas menjadi penting
xxi dalam penelitian ini karena heteroskedastisitas banyak terjadi pada data
cross-sectional atau data yang diambil dari beberapa responden pada suatu waktu tertentu Nachrowi dan Usman, 2008. Jika nilai variasi semakin
besar seiring dengan bertambahnya nilai variabel bebas dan variabel terikat, mengindikasi bahwa variasi data tidak konstan dan menyebabkan
model tidak konsisten. Uji heteroskedastisitas dengan menggunakan program statistik SPSS
for windows dapat dilihat pada tabel berikut ini: Tabel IV.10
Hasil Uji Heteroskedastisitas Nama Variabel
t
hitung
Prob Keterangan
Shopping lifestyle 0,374
0,709 Tidak ada Heteroskedastisitas
Fashion involvement 0,910
0,365 Tidak ada Heteroskedastisitas
Pre-decision stage -0,640
0,524 Tidak ada Heteroskedastisitas
Post-decision stage -0,458
0,648 Tidak ada Heteroskedastisitas
Sumber: Data primer yang diolah, 2010
Berdasarkan hasil uji Heteroskedisitas Glejser di atas, diketahui nilai t
hitung
pada masing-masing variabel dengan nilai probabilitas Asymp.Sig 0,05 sehingga tidak signifikan. Dengan demikian maka tidak terjadi
heteroskedastisitas. Sedangkan untuk mengetahui distribusi data pada pengujian heteroskedastisitas, dapat dilihat pada gambar scatter plot
berikut:
xxii
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
R e
g re
s s
io n
S ta
n d
a rd
iz e
d R
e s
id u
a l
2 1
-1 -2
-3
Scatterplot Dependent Variable: impBB
Berdasarkan hasil uji heteroskedastitias pada gambar di atas diketahui bahwa sebaran data dalam penelitian tidak ada yang membentuk suatu
pola tertentu,
sehingga data
dinyatakan tidak
ada masalah
heteroskedastisitas. Tidak adanya heteroskedastisitas diintepretasikan bahwa model telah konstan sehingga persamaan regresi dapat dipercaya.
E. PENGUJIAN HIPOTESIS
Kategori