lxvi
c. Uji Multikolinieritas
Suatu model dikatakan bebas adanya multikolinieritas jika antar variabel x independen tidak boleh saling berkorelasi. Hal ini dapat
dilihat dari nilai tolerance yang mayoritas variabel disekitar angka 1 dan mempunyai nilai VIF varian inflation factor tidak melebihi 10.
Pada tabel dibawah ini menunjukkan bahwa nilai tolerance umumnya berada di sekitar 1 dan mempunyai nilai VIF varian inflation factor
tidak melebihi 10, sehingga model regresi dapat dikatakan bebas multikolinieritas. Adapun rangkuman uji multikolinieritas dalam
penelitian ini dapat dilihat pada tabel dibawah ini : Tabel IV.18
Uji Multikolinieritas
Collinearity Statistics Variabel
Tolerance VIF
Produk X
1
0,994 1,006
Tempat X
2
0,992 1,009
Harga X
3
0,989 1,011
Promosi X
4
0,992 1,008
Keterangan : diolah dari data primer 2008
d. Autokorelasi
Pengujian autokorelasi dimaksudkan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu time
series atau secara ruang cross sectional. Hal ini mempunyai arti bahwa hasil suatu
tahun tertentu dipengaruhi tahun sebelumnya atau tahun berikutnya. Terdapat korelasi atas data cross section apabila data di suatu tempat dipengaruhi atau
lxvii
Model Summary
b
.789
a
.622 .614
1.93873 1.218
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-W atson
Predictors: Constant, X4, X1, X2, X3 a.
Dependent Variable: Y b.
mempengaruhi di tempat lain. Untuk mendeteksi ada atau tidaknya autokorelasi ini dapat dilakukan dengan menggunakan uji statistik Durbin – Watson.
Adapun dasar pengambilan keputusan dalam uji Durbin – Watson ini dilakukan dengan mengadopsi argumen Singgih 2000, sebagai berikut:
1 Bila angka Durbin – Watson berada di bawah –2, berarti ada autokorelasi. 2 Bila angka Durbin – Watson diantara –2 sampai +2, berarti tidak ada
autokorelasi. 3 Bila angka Durbin – Watson di atas +2, berarti ada autokorelasi negatif.
Tabel IV.19 Hasil Uji Autokorelasi Berdasar Durbin-Watson
Berdasarkan hasil uji autokorelasi dalam tabel di atas, selanjutnya diketahui bahwa nilai statistik Durbin Watson hasil perhitungan diatas sebesar 1,218, dimana
nilai ini berada diantara – 2 sampai +2, dengan demikian, dari hasil penelitian ini menunjukkan tidak terjadi adanya gejala autokorelasi.
2. Model Regresi Linier Berganda
Model regresi linier dalam penelitian ini bertujuan untuk melihat ketepatan prediksi pengaruh bauran pemasaran terhadap perilaku keputusan pembelian produk
handycraft . Hasil perhitungan dapat dilihat pada Tabel IV.20 sebagai berikut :
Tabel IV.20 Rangkuman Hasil Regresi Linier Pengujian Hipotesis
Variabel dependen : Y Variabel
Koefisien Regresi
Standard ErrorSE b
Standardized Coefficient b
t - Hitung
Sig t Konstanta
1,869 2,500
0,748 0,456
Produk X
1
0,369 0,021
0,775 17,850
0,000
lxviii
Tempat X
2
0,094 0,041
0,099 2,272
0,024 Harga X
3
0,101 0,044
0,100 2,303
0,022 Promosi X
4
0,088 0,034
0,113 2,600
0,010 R Square : 0,622
Adjusted R Square : 0,614 F hit : 83,006
Sig F : 0,000 Keterangan : diolah dari data primer 2008
Dari Tabel IV.20 dapat dibuat persamaan linier berganda yang digunakan adalah sebagai berikut :
Y = 1,869 + 0,369X
1
+ 0,094X
2
+ 0,101X
3
+ 0,088X
4
0,456 0,000 0,024 0,022 0,010 Keterangan:
Signifikansi α ≤ 0,05 à signifikan
Signifikansi α 0,05 à tidak signifikan
Artinya: a. Koefisien regresi untuk variabel produk X
1
menunjukkan terdapat pengaruh positif terhadap perilaku keputusan pembelian produk handycraft Y.
b. Koefisien regresi untuk variabel tempat X
2
menunjukkan terdapat pengaruh positif terhadap perilaku keputusan pembelian produk handycraft Y.
c. Koefisien regresi untuk variabel harga X
3
menunjukkan terdapat pengaruh positif terhadap perilaku keputusan pembelian produk handycraft Y.
d. Koefisien regresi untuk variabel promosi X
4
menunjukkan terdapat pengaruh positif terhadap perilaku keputusan pembelian produk handycraft Y.
3. Pengujian Hipotesis
a. Uji t