Uji Normalitas Uji Heteroskedastitas

organik, ini dapat dilihat dari nilai signifikan sebesar 0,000 yang lebih kecil dari nilai alphaprobabilitas 0,000 0,05. e. Koefisien regresi X4 b4 = 0,482, artinya jika faktor psikologi meningkat sebesar satu satuan maka keputusan membeli produk organik pada mahasiswa Pasca Sarjana FKM USU akan bertambah 0,482 satuan. Variabel psikologi X4 berpengaruh positif dan signifikan terhadap keputusan membeli produk organik, ini dapat dilihat dari nilai signifikan sebesar 0,000 yang lebih kecil dari nilai alphaprobabilitas 0,000 0,05.

4.3.3 Uji Asumsi Klasik

4.3.3.1 Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Nugroho 2005:64 menyatakan analisis normalitas dilakukan dengan mengamati penyebaran data titik pada sumbu diagonal grafik. Metode yang dipakai dalam pengujian ini adalah metode plot , yaitu dengan melihat Normal P-P Plot of Regression Standarized Residual. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas Ghozali, 2005:110. 1. Pendekatan Grafik Berikut ini grafik pada uji normalitas: Universitas Sumatera Utara Sumber: Hasil Pengelolaan SPSS 17,00 for windows 2013 Gambar 4.2 Normal P-P Plot pada Uji Normalitas Pada gambar 4.2 Normal P-P Plot terlihat titik-titik mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal. Universitas Sumatera Utara 2. Pendekatan Histogram S umber : Hasil Pengelolaan SPSS 17,00 for windows 2013 Gambar 4.3 Histogram pada Uji Normalitas Gambar 4.3 dapat dilihat bahwa residual data berdistribusi normal, hal tersebut ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak menceng ke kiri atau ke kanan.

4.3.3.2 Uji Heteroskedastitas

Nugroho 2005:63 menyatakan pengujian ini digunakan dalam model regresi untuk melihat terjadi ketidaksamaan varians dasar residual pengamatan yang lain. Jika varians berbeda disebut heteroskedastisitas. Model yang paling baik adalah tidak terjadi heteroskedastisitas. Cara mendekati ada tidaknya heteroskedastisitas pada suatu model dapat dilihat pada gambar Scatterplot Model dan Uji Universitas Sumatera Utara Glejser. Analisis pada gambar Scatterplot yang menyatakan model regresi linear berganda tidak terdapat heteroskedastisitas jika: a. Titik-titik data menyebar di atas dan di bawah atau disekitar angka 0. b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. c. Penyebaran titik-titik tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali. Untuk mengatasi kelemahan dapat menggunakan pendekatan statistik dengan uji glejser, heteroskedastisitas tidak akan terjadi apabila tidak satupun variabel independennya signifikan secara statistik mempengaruhi variabel terikat nilai absolute Ut absUt. Jika probabilitas signifikannya di atas tingkat kepercayaan 10 dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas. Universitas Sumatera Utara 1. Pendekatan Uji Glejser Hasil uji Glejser dapat dilihat pada tabel 4.12 berikut ini: Tabel 4.12 Hasil Uji Glejser Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 1.855 1.654 1.121 .264 Kebudayaan .096 .104 .066 .926 .356 Sosial .148 .082 .126 2.005 .173 Pribadi .391 .096 .292 4.094 .215 Psikologi .482 .095 .417 5.075 .311 a. Dependent Variable: Keputusan Pembelian Sumber: Hasil pengelolaan SPSS 17,00 for windows 2013 Pada Tabel 4.12 dapat dilihat bahwa tidak satupun variabel bebas X 1 , X 2 , X 3 , dan X 4 yang signifikan secara statistik mempengaruhi variabel terikat absolute Ut absUt. Hal ini dapat terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 10 yaitu pada X 1 faktor kebudayaan 0,356, X 2 sosial 0,173, X 3 pribadi 0,215, dan X 4 psikologi 0,311 diatas signifikan 10 0,10. Jadi dapat dinyatakan bahwa model regresi tidak mengarah adanya heteroskedastisitas. 2. Pendekatan Grafik Berikut ini grafik heteroskedastisitas pada gambar 4.4 : Universitas Sumatera Utara S umber : Hasil Pengelolaan SPSS 17,00 for windows 2013 Gambar 4.4 Grafik Heteroskedastisitas Melalui analisis grafik, suatu model regresi dianggap tidak terjadi heteroskedastisitas jika titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar di atas maupun dibawah angka nol pada sumbu Y. Maka pada gambar 4.4 menunjukkan bahwa titik-titik menyebar secara acak maka tidak terjadi heteroskedastisitas.

4.3.3.3. Uji Multikolinieritas