Uji Asumsi Klasik .1 Uji Normalitas Analisis Regresi Berganda

16 Tabel 4.8 Hasil Uji Validitas Variabel Keputusan Pembelian Variabel Indikator Kode Item r hitung r tabel Keterangan Keputusan Pembelian  Prioritas pembelian  Keyakinan membeli  Pertimbangan manfaat q10 q11 q12 0,914 0,876 0,929 0,198 0,198 0,198 Valid Valid Valid Sumber : data primer yang diolah, 2010 Berdasarkan pengujian pada tabel uji validitas diatas, diketahui bahwa nilai r hitung dari semua indikator variabel lebih besar dari nilai r tabelnya . Oleh karena itu dapat disimpulkan bahwa semua indikator yang digunakan dalam penelitian ini adalah valid. 4.2.4 Uji Asumsi Klasik 4.2.4.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan indepedennya mempunyai distribusi normal atau tidak. Uji normalitas menghasilkan grafik normal probability plot yang tampak pada Gambar 4.1 berikut : Gambar 4.1 Uji Normalitas 17 Sumber : data primer yang diolah, 2010 Grafik normal probability plot diatas menunjukkan bahwa data memiliki pola yang dekat dengan garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. 4.2.4.2 Uji Multikolinearitas Berdasarkan hasil pengujian multikolinearitas pada Tabel 4.15 diketahui bahwa seluruh variabel independen memiliki nilai VIF lebih kecil dari 10, sehingga dapat disimpulkan bahwa data bebas dari masalah multikolinearitas. Berikut adalah tabel hasil uji multikolinearitas dengan perhitungan statistik dengan menggunakan SPSS: Tabel 4.15 Hasil Uji Multikolinearitas Sumber : data primer yang diolah, 2010 4.2.4.3 Uji Heteroskedastisitas . Kriteria yang digunakan adalah jika terdapat pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Sebaliknya, jika tidak terdapat pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Gambar 4.2 Uji Heterokedastisitas Sumber : data primer yang diolah, 2010 Variabel Tolerance VIF Citra Merek X 1 0,426 2.348 Kualitas Produk X 2 0,426 2.348 18 Berdasarkan grafik scatterplots gambar 4.2 terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.

4.2.5 Analisis Regresi Berganda

Analisis regresi berganda yang telah dilakukan diperoleh koefisien regresi, nilai t hitung dan tingkat signifikansi sebagaimana ditampilkan pada Tabel 4.16 berikut. Tabel 4.16 Hasil Analisis Regresi Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .648 1.815 .357 .722 citramerek .305 .125 .250 2.441 .017 .426 2.348 Kualitasproduk .555 .101 .559 5.467 .000 .426 2.348 a. Dependent Variable: keputusanpembelian Sumber : data primer yang diolah, 2010 Dari hasil tersebut apabila ditulis persamaan regresi dalam bentuk standardized coefficient sebagai berikut : Y = 0,250 X 1 + 0,559 X 2 Keterangan : Y : Keputusan Pembelian X 1 : Citra Merek X 2 : Kualitas Produk Persamaan regresi berganda tersebut dijelaskan sebagai berikut : 1. Variabel Citra Merek X 1 mempunyai pengaruh yang positif terhadap Keputusan Pembelian Y sebesar 0,250 . Variabel Citra Merek 0,250 mempunyai pengaruh yang paling kecil terhadap Keputusan Pembelian bila dibandingkan dengan variabel bebas lainnya. 19 2. Variabel Kualitas Produk X 2 mempunyai pengaruh yang positif terhadap Keputusan Pembelian Y sebesar 0,559. Variabel Kualitas Produk 0,559 mempunyai pengaruh yang paling besar terhadap Keputusan Pembelian bila dibandingkan dengan variabel bebas lainnya. 4.2.6 Uji Goodness of Fit 4.2.6.1 Uji F