1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik-
titik yang menyebar disekitar garis diagonal, yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau ke
kanan.
3 2
1 -1
-2 -3
Regression Standardized Residual
14 12
10 8
6 4
2
Frequency
Mean = 2.64E-16 Std. Dev. = 0.989
N = 95
Dependent Variable: brand_loyalty Histogram
Sumber : Hasil Olahan SPSS 14.00 For Windows September, 2011
Gambar 4.10 Histogram Uji Normalitas
Universitas Sumatera Utara
Pada grafik histogram terlihat bahwa variable berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng
ke kanan.
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob Dependent Variable: brand_loyalty
Normal P-P Plot of Regression Standardized Residual
Sumber : Hasil Olahan SPSS 14.00 For Windows September, 2011
Gambar 4.11 P-Plot Uji Normalitas
Uji normalitas dilakukan dengan menggunakan pendekatan kolmogorv smirnov. Dengan menggunakan tingkat signifikan 5 0,05 maka jika nilai
Asymp.Sig. 2-tailed diatas nilai signifikan 5 artinya variabel residual berdistribusi normal.
Universitas Sumatera Utara
Tabel 4.10 Uji Kolmogorov- Smirnov
One-Sample Kolmogorov-Smirnov Test
a Test distribution is Normal. b Calculated from data.
Sumber : Hasil Olahan SPSS 14.00 For Windows September, 2011
Berdasarkan tabel 4.10 dapat diketahui bahwa nilai Asymp.Sig.2-tailed adalah 0.916 dan lebih besar dari nilai signifikan 0,05 yang berarti data tersebut
berdistribusi normal.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain.
Gejala heteroskedastisitas dapat dideteksi dengan 2 cara yaitu: a. Analisis Grafik
Gejala heteroskedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu
pola atau menyebar, maka model regresi tidak terkena heteroskedastisitas. Berikut adalah gambar Scatterplot untuk uji heteroskedastisitas :
Unstandardized Residual
N 95
Normal Parametersa,b Mean ,0000000
Std. Deviation 3,12896812
Most Extreme Differences
Absolute ,057
Positive ,044
Negative -,057
Kolmogorov-Smirnov Z ,556
Asymp. Sig. 2-tailed ,916
Universitas Sumatera Utara
4 2
-2 -4
Regression Standardized Predicted Value
4 2
-2 -4
R egressi
on S
tudent iz
ed R
esi dual
Dependent Variable: brand_loyalty Scatterplot
Sumber : Hasil Pengolahan SPSS 14,00 September, 2011
Gambar 4.12 Scatterplot Uji Heteroskedastisitas
Pada Gambar 4.12, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas
maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
b. Analisis Statistik Gejala heteroskedastisitas dapat juga dideteksi melalui uji Glejser. Tabel
4.11 berikut ini menampilkan hasil pengujian heteroskedastisitas dengan uji Glejser.
Universitas Sumatera Utara
Tabel 4.11 Uji Glejser
Coefficients
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
4,520 1,177
3,839 ,000
brand_reliability ,002
,055 ,005
,045 ,964
brand_intention -,144
,078 -,216
-1,848 ,068
Sumber : Hasil Pengolahan SPSS 14,00 for Windows September, 2011
Pada Tabel 4.11 dapat dilihat bahwa semua variabel bebas tidak signifikan dengan variabel terikat. Hal ini ditunjukkan oleh nilai signifikansi dari
masing- masing variabel bebas lebih besar dari tingkat signifikansi α sig
0,05. Hal ini dapat disimpulkan bahwa data bebas dari heteroskedastisitas.
3. Uji Multikolinearitas