16,1 menyatakan setuju, 26,2 menyatakan kurang setuju, 8,3 menyatakan tidak setuju, dan 3 menyatakan sangat tidak setuju.
Berdasarkan penjelasan tersebut, rata-rata responden menyatakan setuju bahwa variabel-variabel yang terdapat pada iklan Coca-Cola berpengaruh
terhadap brand awareness mereka. Hal ini ditunjukkan dengan perolehan rata-rata hasil sebesar 31,42 pada jawaban setuju skor empat dari total empat pertanyan.
2. Uji Asumsi Klasik a. Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni
distibusi data dengan bentuk lonceng. Bila asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data
terdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
1. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal. hasil dari outut SPSS terlihat seperti gambar dan gambar:
Universitas Sumatera Utara
Gambar 4.1 Histogram Uji Normalitas Sumber: Hasil pengolahan SPSS 2010
Gambar 4.2 Plot Uji Normalitas Sumber: Hasil pengolahan SPSS 2010
Berdasarkan Gambar 4.1 dapat diketahui bahwa variabel terdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau
ke kanan, sedangkan pada Gambar 4.2 dapat juga terlihat titik yang
Universitas Sumatera Utara
mengikuti data di sepanjang garis diagonal, hal ini berarti data terdistribusi normal.
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat terdistribusi normal, padalah secara statistik tidak terdistribusi normal. berikut ini
pengujian normalitas yang didasarkan dengan uji statistik non- parametrik Kolmogorov-Smirnov K-S.
Tabel 4.11 Kolmogorov-Smirnov Test
Unstandardized Residual
N 94
Normal Parameters
a
Mean .0000000
Std. Deviation 1.79398091
Most Extreme Differences Absolute
.105 Positive
.067 Negative
-.105 Kolmogorov-Smirnov Z
1.015 Asymp. Sig. 2-tailed
.255
Sumber: Hasil pengolahan dengan SPSS 2010
Berdasarkan Tabel 4.11 dapat deiketahui bahwa nilai Asymp. Sig. 2- tailed adalah 0,255, ini berarti di atas nilai signifikansi 10. Oleh karena
itu, sesuai dengan analisis grafik, analisis statistik dengan uji non- parametrik Kolmogorov-Smirnov K-S juga menyatakan bahwa variabe
residual terdistribusi normal.
Universitas Sumatera Utara
b. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke
pengamatan lain. jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda
disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Metode Grafik
Dasar analisis adalah jika 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 ada membentuk pola tertentu yang teratur maka
mengindikasikan telah terjadi heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.3 Scatterplot Sumber: Hasil Pengolahan SPSS 2010
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
Universitas Sumatera Utara
2. Uji Glejser
Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedastisitas.
Tabel 4.12 Uji Glejser
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.044
1.285 1.591
.115 music
.176 .284
.068 .619
.538 figure
-.067 .061
-.134 -1.088
.280 picture
-.036 .090
-.050 -.396
.693
Sumber: Hasil pengolahan SPSS 2010
Berdasarkan Tabel 4.12 dapat diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel
dependen absolut Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 10 jadi disimpulkan
model regresi tidak mengarah adanya heteroskedastisitas.
c. Uji Multikolinearitas
Uji Multikolinearitas bertujuan menguji apakah 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 multikolinearitas dengan
Universitas Sumatera Utara
menganalisi matrix korelasi antarvariabel dan perhitungan niai tolerance dan Variation Inflation Factor VIF:
Tabel 4.13 Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 4.699
2.062 2.278
.025 music
-.001 .456
.000 -.003
.998 .891
1.122 figure
.171 .098
.178 1.738
.086 .714
1.400 picture
.621 .145
.455 4.287
.000 .667
1.499
Sumber: Hasil pengolahan SPSS 2010
Berdasarkan Tabel 4.13 terlihat bahwa:
1. Nilai VIF dari music, figure, picture lebih kecil atau di bawah 5 VIF
5, ini berarti tidak terdapat multikolinearitas antarvariabel independen dalam model regresi.
2. Nilai Tolerance music, figure, picture lebih besar dari 0,1, ini berarti
