Tabel 4.6
Pendekatan Kolmogorv-smirnov
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
117 .0000000
1.22131208 .084
.063 -.084
.911 .378
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed
Unstandardiz ed Res idual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Hasil Penelitian, 2010 data diolah
Pengambilan keputusan: Pada Tabel 4.6. terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.378 dan di atas nilai
signifikan 0,05. Dengan kata lain variabel residual berdistribusi normal.
b. Heteroskedastisitas
Pendekatan Grafik Dari grafik scaterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak
membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal Ini Berarti Tidak Terjadi Heteroskedastisitas Pada Model
Regresi, Sehingga model regresi layak di pakai untuk memprediksi keputusan konsumen, Berdasarkan Masukan variabel independentnya.kelemahan model plot adalah jumlah
pemgamatan sedikit maka akan sulit mengintrepretasikan hasil grafik plot.
Universitas Sumatera Utara
Gambar 4.3 Scatterplot Sumber : Hasil Penelitian, 2010 data diolah
Pengambilan Keputusan: Pada Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu
karena itu tidak mengalami gangguan heterokedastisitas.
Uji Glejser Pendekatan Statistik
Tabel 4.7 Uji Glejser
Coeffi cients
a
-.564 .722
-.781 .437
.037 .033
.109 1.123
.264 .053
.038 .134
1.377 .171
Const ant SP
KI Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: absut a.
Regression Standardized Predicted Value
2 1
-1 -2
-3
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
3 2
1
-1 -2
-3
Scatterplot Dependent Variable: KK
Sumber : Hasil Penelitian, 2010 data
Universitas Sumatera Utara
Pengambilan keputusan: Jika variabel independen signifikan secara statistik mempengaruhi variabel independen,
maka ada indikasi terjadi heteroskedastisitas. Hasil tampilan out put SPSS dengan jelas menunjukkan tidak satu pun variabel independen signifikan secara statistik mempengaruhi
variabel dependent absolute Ut tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
c. Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya masalah multikolinieritas.
Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.9 sebagai berikut:
Melihat nilai tolerance dan VIF
Tabel 4.8 Uji Multikolinearitas
Coeffi cients
a
2.395 1.294
1.851 .067
.434 .060
.494 7.245
.000 .887
1.127 .395
.068 .394
5.783 .000
.887 1.127
Const ant SP
KI Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: KK a.
Pengambilan Keputusan: Untuk mendeteksi ada atau tidak adanya multikolinieritas dapat dilakukan dengan melihat
toleransi variabel dan variance inflations factor VIF dengan membandingkan sebagai berikut:
Sumber : Hasil Penelitian, 2010 data diolah
Universitas Sumatera Utara
• VIF 5 maka di duga mempunyai persoalan multikolinieritas
• VIF5 maka tidak terdapat multikolinieritas
• Tolerance 0,1 maka di duga mempunyai persoalan multikolinieritas
• Tolerance 0,1 maka tidak terdapat multikolinieritas Situmorang, 2010:136
Dari output di atas terlihat bahwa semua data variabel tidak terkena multikolinieritas karena nilai VIF 5 dan nilai toleransi 0,1.
3. Uji Regresi Linear Berganda