71
Tabel 4.6 Analisis Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
86 Normal Parameters
a,b
Mean ,0000000
Std. Deviation 2,51634268
Most Extreme Differences Absolute
,095 Positive
,070 Negative
-,095 Kolmogorov-Smirnov Z
,883 Asymp. Sig. 2-tailed
,416 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil pengolahan data primer SPSS 19 2014
Tabel 4.6 menunjukkan hasil analisis statistik Kolmogorov-Smirnov. Pada tabel tersebut dapat dilihat nilai Asymp.sig 2-tailed adalah 0,416, dimana
nilainya lebih besar daripada 0,05. Hal ini menunjukkan bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikoliniearitas
Uji multikoliniearitas bertujuan untuk menguji apakah terjadi korelasi yang tinggi diantara variabel bebas. Model regresi yang baik adalah model
yang tidak mengalami multikoliniearitas. Uji ini dilakukan dengan melihat nilai Tolerance dan Variance Inflation Factor VIF. Jika nilai Tolerance
0,1 dan VIF 5 maka model memenuhi asumsi multikoliniearitas. Nilai Tolerance dan VIF dapat dilihat pada tabel 4.7.
Universitas Sumatera Utara
72
Tabel 4.7 Uji Multikoliniearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
4,934 2,592
1,904 ,060
Kualitas ,101
,197 ,062
,513 ,609
,591 1,691
Desain ,066
,101 ,073
,653 ,516
,684 1,462
Fitur ,409
,118 ,458
3,459 ,001
,489 2,046
a. Dependent Variable: KeputusanPembelian
Sumber: Hasil pengolahan data primer SPSS 19 2014
Tabel 4.7 menunjukkan nilai Tolerance 0,1 dan nilai VIF 5 yang artinya tidak terjadi masalah multikoliniearitas pada model regresi.
c. Uji Heteroskedastisitas
Uji ini dilakukan untuk menguji apakah varians variabel dalam model tidak sama konstan. Uji ini dapat dilakukan dengan melihat grafik
scatterplot.
Sumber: Hasil pengolahan data primer SPSS 19 2014
Gambar 4.3 Grafik
Scatterplot
Universitas Sumatera Utara
73
Gambar 4.3 menunjukkan bahwa pola titik pada scatterplot menyebar di atas titik 0 dan tidak membentuk pola tertentu. Hal ini mengindikasikan bahwa
model regresi tidak mengalami masalah heteroskedastisitas. Uji lain yang dapat dilakukan untuk melihat masalah heteroskedastisitas adalah Uji Glejser.
Uji Glejser mengusulkan untuk meregresi nilai absolute residual terhadap variabel independen dengan persamaan regresi. Uji glejser dilakukan dengan
melihat nilai signifikansi variabel. Jika nilai signifikansi variabel 0,05 maka tidak terdapat masalah heteroskedastisitas.
Tabel 4.8 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 1,543
1,686 ,915
,363 Kualitas
,227 ,128
,248 1,768
,081 Desain
-,003 ,066
-,006 -,050
,960 Fitur
-,114 ,077
-,228 -1,477
,143 a. Dependent Variable: ABS_RES
Sumber: Hasil pengolahan data primer SPSS 19 2014
Pada tabel 4.8 dapat dilihat bahwa nilai signifikansi dari kualitas 0,081, desain 0,960, dan fitur 0,143 0,05. Hal ini menunjukkan bahwa model regresi tidak
mengalami masalah heteroskedastisitas.
Universitas Sumatera Utara
74
4.2.3.2 Hasil Pengujian Hipotesis
Hipotesis pada penelitian ini diuji dengan menggunakan analisis regresi linear berganda serta menggunakan uji signifikan parsial Uji –t dan uji
signifikan simultan Uji F.
1. Uji Signifikan Simultan Uji F
Tabel 4.9 Hasil Uji Signifikan Simultan Uji-F
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
226,619 3
75,540 11,509
,000
a
Residual 538,218
82 6,564
Total 764,837
85 a. Predictors: Constant, FiturProduk, DesainProduk, KualitasProduk
b. Dependent Variable: KeputusanPembelian
Sumber: Hasil pengolahan data primer SPSS 19 2014
Berdasarkan hasil pengelolaan data yang ditunjukkan pada tabel 4.9 dapat dilihat bahwa nilai F
hitung
adalah sebesar 11,509 dan nilai signifikan adalah 0,000. Pada tingkat derajat kepercayaan 95
α=5 F
tabel
adalah sebesar 3,102. Maka berdasarkan tabel 4.9 nilai F
hitung
11,509 F
tabel
3,102 dan nilai signifikan 0,000 0,05 dapat disimpulkan bahwa variabel kualitas
produk X1, desain produk X2, dan fitur produk X3 secara serempak atau simultan berpengaruh positif dan signifikan terhadap keputusan pembelian
smartphone Samsung pada staf Wahana Visi Indonesia Jakarta Y.
Universitas Sumatera Utara
75
2. Uji Signifikan Parsial Uji-t
Tabel 4.10 Hasil Uji Signifikan Parsial Uji-t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 4,934
2,592 1,904
,060 KualitasProduk
,101 ,197
,062 ,513
,609 DesainProduk
,066 ,101
,073 ,653
,516 FiturProduk
,409 ,118
,458 3,459
,001 a. Dependent Variable: KeputusanPembelian
Sumber: Hasil pengolahan data primer SPSS 19 2014
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.10 maka diperoleh persamaan hasil regresi linear berganda sebagai berikut
Y = 4,934 +0,101X
1
+ 0,066X
2
+ 0,409X
3
+ e
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut :
a. Konstanta a = 4,934. Ini mempunyai arti bahwa kualitas, desain, dan
