97 tidak setuju terhadap pernyataan bahwa responden ingin segera
membelimemiliki produk The Body Shop.
Tabel 4.29 Saya Lebih Memilih Produk The Body Shop Daripada Produk
Lain Frequency
Percent
Sangat Setuju 39
39 Setuju
39 39
Netral 17
17 Tidak Setuju
4 4
Sangat Tidak Setuju 1
1 Total
100 100
Sumber: Olah data kuesioner, 2016 Dari tabel 4.29 di atas menjelaskan bahwa 39 responden atau 39
menyatakan sangat setuju, 39 responden atau 39 menyatakan setuju 17 responden atau 17 menyatakan netral, 4 responden atau 4
menyatakan tidak setuju dan 1 responden atau 1 menyatakan sangat tidak setuju terhadap pernyataan bahwa responden lebih memilih produk
The Body Shop daripada produk lain.
D. Hasil Uji Asumsi Klasik 1. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Model regresi yang baik dan layak digunakan adalah distribusi data normal atau mendekati normal Ghozali, 2005:110.
98
Gambar 4.2 Hasil Uji Normalitas Secara Grafik
Sumber: hasil output SPSS data primer yang telah diolah, 2016 Berdasarkan hasil analisis data pada gambar 4.1 di atas kurva
normal p-plot, dapat disimpulkan bahwa dalam kurva normal p-plot terlihat titik menyebar di sekitar garis diagonal dan penyebarannya tidak
terlalu jauh atau melebar. Berarti dari kurva ini menunjukkan bahwa model regresi sesuai asumsi normalitas dan layak digunakan.
Selain uji grafik peneliti juga melengkapi pengujian normalitas dengan uji statistik. Salah satu uji statistik yang dapat digunakan untuk
menguji normalitas residual adalah uji statistik non-parametrik Kolmogrov-Smirnov K-S Ghozali, 2011:164.
Dengan hipotesis: a. Membuat hipotesis dalam uraian kalimat
Ho : data berdistribusi normal
Ha: : data tidak berdistribusi normal acak random
99 b. Kaidah pengujian
Jika probabilitas sig 0.05 maka Ho diterima Jika probabilitas sig 0.05 maka Ho ditolak
c. Keputusan Data berdistribusi normal
Tabel 4.30 Hasil Uji Normalitas Secara Statistik
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.47094350
Most Extreme Differences Absolute
.099 Positive
.046 Negative
-.099 Kolmogorov-Smirnov Z
.987 Asymp. Sig. 2-tailed
.285 a. Test distribution is Normal.
b. Calculated from data.
Sumber: hasil output SPSS data primer yang telah diolah, 2016 Berdasarkan tabel 4.30besarnya nilai Kolmogrov-Smirnov adalah
0,987 sehingga dapat diketahui bahwa nilai unstandardized residual memiliki nilai Asymp. Sig 0,05 dan ini mengartikan bahwa data
terdistribusi dengan normal.
2. Hasil Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas. Model yang
baik seharusnya tidak terjadi korelasi di antara variabel independen dan
100 tidak orthogonal atau nilai korelasi antar sesama variabel independen
sama dengan nol. Dapat juga dilihat dari nilai tolerance dan Variance Inflation Factor VIF, nilai toleransi yang besarnya di atas 0.1 dan nilai
VIF di bawah 10 menunjukkan bahwa tidak ada multikolinieritas pada variabel independennya Ghozali, 2011:95.Hasil pengujian VIF dari
model regresi dapat dilihat dalam tabel berikut:
Tabel 4.31 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
X1 .777
1.286 X2
.612 1.635
X3 .689
1.451 a. Dependent Variable: Y
Sumber: hasil output SPSS data primer yang telah diolah, 2016 Berdasarkan hasil tabel 4.43 uji hasil Variance Inflation Factor
VIF masing-masing variabel independen memiliki VIF dari 10 dan Tolerance 0,1 yaitu untuk variabel promosi penjualan X
1
1,286 dan 0,777, untuk variabel kualitas website X
2
1,635 dan 0,612, dan untuk variabel green marketing X
3
1,451 dan 0,689. Maka dapat dinyatakan model regresi linear berganda tidak terdapat multikolineritas antara
variabel dependen dengan variabel independen yang lain sehingga dapat digunakan dalam penelitian ini.
101
3. Hasil Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual satu pengamatan
yang lain. Heteroskedastisitas menunjukan bahwa variasi variabel tidak sama untuk semua pengamatan. Pada Heteroskedastisitas kesalahan yang
terjadi tidak secara acak tetapi menunjukan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel. Uji Heteroskedastisitas
dapat dilakukan dengan 2 langkah yaitu secara grafik dan secara statistik, adapun uji heteroskedasitas adalah sebagai berikut :
a. Uji Heteroskedastisitas Secara Grafik Scatterplot Deteksi ada tidaknya heteroskedastisitas dapat dilakukan
dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SREID dan ZPREID dimana sumbu Y adalah Y yang
diprediksi, dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di studentized Ghozali,2011:125-126. Berdasarkan hasil pegolahan data, maka hasil scatterplot
dapat dilihat pada gambar berikut.
Gambar4.3 Hasil Uji Heteroskedastisitas Secara Grafik Scatterplot
Sumber: hasil output SPSS data primer yang telah diolah, 2016
102 Dari grafik scatterplotyang ada pada gambar di atas dapat dilihat
bahwa titik-titik menyebar secara acak, serta tersebar di atas maupun dibawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa
tidak terjadi heteroskedastisitas pada model regresi Ghozali, 2011:107. b. Uji Heterokedastisitas Secara Statistik Glesjer
Uji Heteroskedastisitas juga dapat dilakukan dengan menggunakan uji Glesjer yaitu dengan tujuan menguji apakah
dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Apabila koefisien
korelasi dari masing-masing variabel bebas ada yang signifikan pada tingkat kekeleliruan dibawah 5, mengindikasikan adanya
gejala Heteroskedastisitas dan jika nilai signifikan pada tingkat kekeliruan di atas 5, mengindentikasikan tidak adanya gejala
Heteroskedastisitas. Berdasarkan hasil pengolahan data, maka hasil uji Glesjer dapat dilihat sebagai berikut:
Tabel 4.32 Hasil Uji Heteroskedastisitas Secara Statistik Uji Glesjer
Coefficients
a
Model Sig.
1 Constant
.001 X1
.623 X2
.239 X3
.625 a. Dependent Variable: RES2
Sumber: hasil output SPSS data primer yang telah diolah, 2016
103 Dari hasil output pada tabel 4.32 dapat diketahui bahwa nilai
signifikansi untuk variabel promosi penjualan X
1
sebesar 0,623, lalu variabel kualitas website X
2
sebesar 0,239, pada variabel green marketing X
3
sebesar 0,625. Karena tingkat signifikansi 0,05, maka dapat disimpulkan bahwa pada model regresi tidak ada masalah
heteroskedastisitas atau dengan kata lain bebas heteroskedastisitas.
E. Hasil Uji Hipotesis