Tabel 4.11 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
83 Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.88392502
Most Extreme Differences Absolute
.055 Positive
.033 Negative
-.055 Kolmogorov-Smirnov Z
.502 Asymp. Sig. 2-tailed
.963 a. Test distribution is Normal.
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Tabel 4.11, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.963, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain
variabel tersebut berdistribusi normal.
4.4.2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
Universitas Sumatera Utara
1. Metode Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi
heterokedastisitas.
Gambar 4.3 Scatter Plot Uji Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Gambar 4.3 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 heteroskedastisitas pada model regresi.
Universitas Sumatera Utara
2. Uji Glejser
Sumber: Hasil Pengelolaan SPSS Mei 2011
Berdasarkan Tabel 4.12 dapat diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen
absolute Ut absut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas.
4.4.3. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Berikut ini disajikan cara mendeteksi multikolinierritas dengan menganalisis matrik korelasi
antar variabel independen dan perhitungan nilai Tolerance dan Variance Inflation Factor VIF.
Tabel 4.12 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.072 1.530
.700 .486
Motivasi -.057
.081 -.079
-.694 .490
Persepsi .184
.118 .223
1.565 .122
Pembelajaran .005
.083 .008
.064 .949
Keyakinandansikap -.092
.114 -.116
-.810 .421
a. Dependent Variable: absut
Universitas Sumatera Utara
Tabel 4.13 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
10.206 2.586
3.946 .000
Motivasi .094
.138 .070
.686 .494
.949 1.054
Persepsi .018
.199 .012
.091 .928
.608 1.646
Pembelajaran .196
.140 .165
1.399 .166
.703 1.422
Keyakinandansikap .548
.192 .364
2.855 .006
.604 1.655
a. Dependent Variable: KeputusanPembelian
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Tabel 4.13 dapat dilihat bahwa: a.
Nilai VIF dari nilai motivasi, persepsi, pembelajaran, keyakinan dan sikap lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena
multikolinieritas antara variabel independen dalam model regresi. b.
Nilai Tolerance dari motivasi, persepsi, pembelajaran, keyakinan dan sikap lebih besar dari 0.1, ini berarti tidak terdapat multikolinieritas antar variabel
independen dalam model regresi.
4.5. Analisis Regresi Linier Berganda