97 dan ini yang seharusnya terjadi maka dikatakan ada homoskedastisitas. Sedangkan
jika varians tidak sama maka dikatakan terjadi heteroskedastisitas. Alat untuk menguji heteroskedatisitas bisa dibagi dua, yakni dengan alat analisis grafik atau
dengan alat residual yang berupa statistik yang salah satunya adalah melalui uji Gejsser.
a. Pendekatan Grafik Substruktur 2
Melalui pendekatan grafik, hasil pengolahan dapat dilihat pada gambar dibawah ini:
Gambar 4.9 Scatterplot
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 20.00,2014 Pengambilan Keputusan:
Dari grafik Scatterplot yang disajikan dapat dilihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas
maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi dapat dipakai
untuk memprediksi keputusan pembelian berdasarkan masukan variabel
independennya.
Universitas Sumatera Utara
98
b. Pendekatan Statistik Substruktur 2
Melalui pendekatan statistik yang dilakukan melalui uji Glejser. Hasil pengolahannya dapat dilihat pada tabel 4.20 berikut ini:
Tabel 4.20 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant ,117 1,181 ,099 ,921
Kualitas ,071 ,076 ,138
,927 ,356 Fitur
-,104 ,098 -,159 -1,058 ,293
rancangan ,130 ,107 ,162 1,215 ,228
Sikap -,037 ,097 -,057
-,386 ,701 a. Dependent Variable: absut
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 20.00,2014 Pengambilan keputusan:
Hasil tampilan output menunjukkan tidak satupun dari variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut.
Hal ini terlihat dari propabilitas signifikansinya di atas tingkat kepercayaan 5, jadi disimpulkan model regresi tidak mengarah adanya heterokedastisitas.
c. Pengujian Multikolinearitas Substruktur 2
Pengujian multikolinearitas berrujuan untuk menguji apakah dalanm model regresi ditemukan adanya korelasi antar variabel bebas. Istilah kolinearitas
ganda multicolinearity diciptakan oleh Ragner Frish didalam bukunya: Statistical Confluence Analysis By Means Of Complete Regression Systems.
Aslinya istilah itu berarti adanya hubungan linear yang sempurna atau eksak perfect of exact diantara variabel-variabel bebas dalam model regresi. Istilah
Universitas Sumatera Utara
99 kolinearitas sendiri berarti hubungan linear tunggal single linear relationship,
sedangkan kolinearitas ganda multicolinearity menunjukkan adanya lebih dari satu hubungan linear yang sempurna. Hasil pengolahan dapat dilihat pada tabel
berikut ini:
Tabel 4.21 Multikolinearitas Substruktur 2
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Kualitas .484
2.068 Fitur
.475 2.104
Rancangan .602
1.660 Sikap
.487 2.055
a. Dependent Variable: keputusanPembelian
Sumber: Hasil pengolahan data primer kuesioner,SPSS,20,00,2014
Pada tabel 4.21 dapat dilihat bahwa nilai tolerancenya ˃0,1 dan nilai VIF˂5 maka
tidak ditemukan masalah multikolinearitas dalam penelitian ini.
4.2.3.5 Analisis Regresi Linear Substruktur 2
Tabel 4.22 Analisis Regresi Linear
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 5.643
1.813 3.112
.002 kualitas
-.023 .117
-.020 -.194
.846 Fitur
.453 .151
.312 3.000
.003 rancangan
.060 .164
.034 .369
.713 sikap
.716 .149
.494 4.802
.000 a. Dependent Variable: keputusanPembelian
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 20.00,2014
Berdasarkan hasil pengolahan regresi linear yang ditunjukkan dalam tabel maka diperoleh hasil regresi sebagai berikut:
Y
2
=5,643+-0,023 X
1
+0,453X
2
+0,060X
3
+0,716Y
1
+e
Universitas Sumatera Utara
100 a.
Konstanta a=5,643 ini menunjukkan harga konstan, dimana jika variabel kualitas X
1
, fitur X
2
, rancanganX
3
, sikapY
1
b. Koefisien X
, =0, maka keputusan pembelian sabun pencuci piring cair sunlight tetap sebesar
5,643.
1
b
1
c. Koefisien X2b2= 0,453, hal ini menunjukkan bahwa variabel fitur
berpengaruh positif kepada keputusan pembelian sabun pencuci piring cair sunlight, atau dengan kata lain apabila variabel fitur semakin
ditingkatkan sebesar satu satuan maka keputusan pembelian akan bertambah sebesar 0,453.
=-0,023, hal ini menunjukkan bahwa variabel kualitas berpengaruh secara negatif terhadap keputusan pembelian sabun
pencuci piring cair sunlight, atau dengan kata lain jika variabel kualitas semakin diperbaiki dan ditingkatkan sebesar satu satuan maka
keputusan pembelian akan berkurang sebesar 0,023.
d. Koefisien X3b3= 0,060, hal ini menunjukkan bahwa variabel
rancangan berpengaruh positif kepada keputusan pembelian sabun pencuci piring cair sunlight, atau dengan kata lain apabila variabel
rancangan ditingkatkan sebesar satu satuan maka keputusan pembelian akan naik sebesar 0,060.
e. Koefisien Y
1
b
4
=0,761, hal ini menunjukkan bahwa variabel sikap berpengaruh positif terhadap keputusan pembelian sabun pencuci
piring cair sunlight atau dengan kata lain apabila variabel sikap
Universitas Sumatera Utara
101 diperbaiki atau ditingkatkan sebesar satu satuan, maka keputusan
pembelian sabun pencuci piring cair sunlight akan naik sebesar 0,761.
4.2.3.6 Uji Hipotesis substruktur 2
a. Identifikasi determinan R
