BAB VI ANALISIS DAN PEMBAHASAN
Pada bab ini akan dibahas hasil analisis dari pengolahan data yang terdiri dari uji asumsi dasar atau uji asumsi klasik serta uji hipotesis dengan
menggunakan analisis regresi berganda. 6.1 Hasil Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda. Pada penelitian ini uji asumsi klasik terdiri dari
Uji Normalitas dan Uji Multikolinearitas, serta Uji Heterokedastisitas.
6.1.1 Hasil Uji Normalitas
Untuk mencek apakah hasil pengamatan menyebar normal atau tidak, dapat dilakukan dengan berbagai cara seperti dengan uji histogram, uji normal P
Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov Situmorang dan Lufti, 2008. Pada penelitian ini normalitas data dilakukan
dengan uji histogram dan uji normal P Plot. Hasil dari output SPSS dengan menggunakan Uji Histogram dapat dilihat pada Gambar 6.1 yang menunjukkan
grafik histogram menunjukkan pola distribusi normal sebab memperlihatkan grafik mengikuti sebaran kurva normal ditunjukkan dengan kurva berbentuk
lonceng. Selain dengan menggunakan Histogram, Uji Normalitas juga dilakukan
dengan menggunakan Grafik normal probability plot , seperti terlihat pada Gambar 6.2.
Universitas Sumatera Utara
Gambar 6.1 Histogram Hasil Uji Normalitas Histogram
Gambar 6.2 Hasil Uji Normal P Plot
Universitas Sumatera Utara
Pada Gambar 6.2 menunjukkan pola distribusi normal dimana data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal.
6.1.2 Hasil Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mengetahui ada tidaknya penyimpangan asumsi klasik multikolinearitas, yaitu adanya hubungan linear
antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya Multikolinearitas. Pada riset ini akan
dilakukan uji Multikolinearitas dengan melihat nilai Variance Inflation Factor VIF pada model regresi. Menurut Ghozali 2011, jika VIF lebih besar dari 10,
maka variabel tersebut mempunyai persoalan Multikolinearitas. Dari hasil pengolahan data melalui SPSS diperoleh nilai VIF seperti terlihat pada Tabel 6.1.
Tabel 6.1 Nilai VIF untuk Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Toleranc e
VIF
1 Constant
.376 .247 1.521 .133
Produk .561 .080
.588 7.011 .000 .324
3.08 7
Harga -
.172 .031
-.327 -
5.516 .000 .646
1.54 8
Distribusi .157 .042
.194 3.693 .000 .823
1.21 5
Promosi .160 .067
.171 2.388 .020 .445
2.24 5
Kualitas Pelayanan
.148 .062 .195
2.387 .020 .340 2.93
7 a. Dependent Variable: Keputusan Pembelian
Sumber : Hasil Penelitian, 2013 Data diolah dengan SPSS
Universitas Sumatera Utara
Dari Tabel 6.1 dapat diketahui besarnya nilai Variance Inflation Factor pada kolom VIF untuk kelima variabel independen bebas yang digunakan,
semuanya memiliki nilai Variance Inflation Factor VIF lebih kecil dari 10, sehingga dapat disimpulkan bahwa antar variabel independen tersebut tidak
terjadi persoalan Multikolinearitas, atau tidak terjadi korelasi atau hubungan antar variabel independen.
6.1.3 Uji Heterokedastisitas
