Hasil dari output SPSS untuk uji Kolmogorov-Smirnov K-S tampak pada gambar berikut :
Tabel 4.10 Uji kolmogorov-smirnov K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
97 Normal
Parameters Mean
a,b
.0000000 Std. Deviation
1.48966380 Most Extreme
Differences Absolute
.101 Positive
.068 Negative
-.101 Kolmogorov-Smirnov Z
.995 Asymp. Sig. 2-tailed
.276 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data primer 2014
Berdasarkan tabel 4.10 dapat diketahui bahwa nilai Asymp.Sig. 2-tailed adalah sebesar 0.276 yang berarti diatas nilai signifikan 5. Oleh karena itu,
sesuai dengan analisis grafik, analisis statistik dengan uji statistik non- parametrik Kolmogorov-Smirnov K-S juga menyatakan bahwa variable
residual berdistribusi normal.
4.2.4.2 Uji Heteroskedastisitas
Tujuan dari uji ini adalah untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari satu residual satu pengamatan ke pengamatan
lain. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Universitas Sumatera Utara
Model regrasi yang baik adalah yang homoskedasitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu :
1. Metode grafik
Dasar analisis ini adalah jika tidak ada pola yang jelas serta titik- titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik- titik yang ada membentuk pola tertentu yang teratur, maka
mengindikasikan telah terjadinya heteroskedastisitas. Hasil dari output SPSS untuk uji heteroskedastisitas dengan metode grafik tampak pada
gambar berikut :
Sumber: Data Primer 2013
Gambar 4.4 Hasil Uji Heteroskedastisitas
Universitas Sumatera Utara
Berdasarkan gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedasitas pada model regresi.
2. Uji Glejser
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara
statistic mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedasitas.
Hasil dari output SPSS untuk uji heteroskedasitas dengan metode glejser tampak pada tabel berikut :
Tabel 4 .11
Uji glejser Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
Constant .063
1.644 .038
.970 Harga
.064 .076
.101 .844
.401 Rasa
-.001 .067
-.001 -.013
.990 Kemasan
-.004 .087
-.006 -.049
.961 a. Dependent Variable: absut
Sumber : Data Primer, 2014 Data Diolah
Berdasarkan Tabel 4.11 diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel
dependen absolute residual abs_res. Hal ini terlihat dari probabilitas signifikansinya Sig di atas tingkat kepercayaan 5 jadi hasil uji glejser
Universitas Sumatera Utara
sesuai dengan metode grafik bahwa pada model regrasi tidak terjadi heteroskedasitas.
4.2.4.3 Uji Multikolinieritas
