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