4.2.5 Model Trimming
Model trimming adalah model yang digunakan untuk memperbaiki model struktur analisis jalur dengan cara mengeluarkan variabel eksogen yang tidak signifikan
dari model yang ada. Cara menggunakan model trimming yakni menghitung ulang koefisien jalur tanpa menyertakan variabel eksogen yang jalurnya tidak signifikan.
4.2.5.1 Model Trimming Substruktur I
Berdasarkan analisis jalur substruktur I terlihat variabel X
2
harga memiliki nilai yang tidak signifikan terhadap sikap, untuk itu perlu dilakukan perbaikan analisis jalur.
a. Uji Normalitas
Sumber : Hasil Pengolahan SPSS Juli 2014 Gambar 4.13 Grafik Histogram Uji Normalitas
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS Juli 2014 Gambar 4.14 Grafik Normal P-Plot Uji Normalitas
Dari grafik histogram dan normal P-Plot yang telah disajikan dapat diketahui bahwa data berdistribusi normal dengan tidak menceng ke kiri maupun ke kanan, dan
penyebaran data mengikuti garis diagonal sehingga dapat disimpulkan bahwa linearitas
dalam model regresi ini sudah terpenuhi. b. Pengujian Koefisien Determinan Trimming
Tabel 4.36 Hasil Uji Koefisien Determinan Model Trimming Substruktur I
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.755
a
.570 .555
1.22221 1.508
a. Predictors: Constant, PROMOSI, PRODUK, LOKASI b. Dependent Variable: SIKAP
Sumber : Hasil Pengolahan SPSS Juli 2014
Universitas Sumatera Utara
Berdasarkan Tabel 4.36 dapat disimpulkan bahwa nilai Adjusted R Square yang ditunjukkan sebesar 0.555 menunjukkan bahwa 55.5 sikap dapat dijelaskan oleh ketiga
variabel eksogen tersebut, sedangkan sisanya sebesar 0.445 atau 44.5 dapat dijelaskan oleh variabel-variabel lain diluar model.
c. Pengujian Autokorelasi
Berdasarkan Tabel 4.36 Dapat terlihat nilai DW sebesar 1.508. berarti nilai DW berada pada 1DW 1.508 3 maka tidak terjadi autokorelasi pada model regresi
berganda.
d. Pengujian Ketepatan Predictor
Jika angka standard error of estimate angka standar deviasi maka predictor yang dipakai layakbenar.
Tabel 4.37 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation PRODUK
93 13.00
24.00 20.2043
2.25330 LOKASI
93 14.00
29.00 23.1828
2.63730 PROMOSI
93 8.00
19.00 15.5699
1.74703 SIKAP
93 8.00
20.00 15.7097
1.83315 Valid N
listwise 93
Sumber : Hasil Pengolahan SPSS Juli 2014
Berdasarkan Tabel 4.37 dapat dilihat nilai standar deviasi variabel produk 2.25330, lokasi 2.63730, promosi 1.74703 diatas angka standard error of estimate
1.22221, maka predictor yang dipakai layakbenar.
Universitas Sumatera Utara
e. Pengujian Signifikansi Simultan Uji-F Tabel 4.38
Kategori