5.4 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik. Pengujian asumsi klasik untuk mengetahui apakah
data yang digunakan telah bebas dari masalah normalitas, multikolinearitas, dan heteroskedastisitas. Jika salah satu asumsi klasik tidak terpenuhi, maka
akan menyebabkan bias pada persamaan regresi yang berpengaruh terhadap hasil penelitian. Pengujian asumsi klasik merupakan syarat utama yang harus
terpenuhi sebelum dilakukan analisis data dengan uji regresi.
5.4.1 Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah data berdistribusi normal atau tidak dan untuk menentukan apakah data
layak atau tidak untuk dianalisa. Pengujian normalitas menggunakan teknik analisis Kolmogorov-Smirnov. Hasil uji normalitas untuk
masing-masing variabel penelitian disajikan berikut ini:
Tabel 6.1. Hasil Uji Normalitas One Sample Kolmogorov Smirnov Variabel
Kolmogorov Smirnov
Signifikansi Kesimpulan
Sikap terhadap iklan 1,216
0,104 Normal
Sikap social media 1,111
0,169 Normal
Brand image 1,048
0,222 Normal
Brand attitude 1,239
0,093 Normal
Minat beli 0,988
0,283 Normal
Sumber: Data yang diolah, 2013 Berdasarkan tabel di atas menunjukkan bahwa nilai signifikansi
seluruh variabel lebih besar dari 0,05 dan nilai Kolmogorov Smirnov lebih kecil dari 1,960, sehingga dapat disimpulkan bahwa semua
variabel dalam penelitian berdistribusi normal.
Pengujian normalitas dilakukan terhadap residual regresi. Pengujian dilakukan dengan menggunakan grafik P-P Plot. Data yang
normal adalah data yang membentuk titik-titik yang menyebar tidak jauh dari garis diagonal. Hasil analisis regresi linier dengan grafik
normal P-P Plot terhadap residual error model.
Grafik 1. Uji Normalitas Model I
Hasil pengujian tersebut menunjukkan bahwa titik-titik berada tidak jauh dari garis diagonal. Hal ini berarti bahwa model regresi
tersebut sudah berdistribusi normal.
5.4.2 Uji Multikolinearitas
Multikolinieritas adalah suatu situasi adanya korelasi antar variabel-variabel dependen. Dasar pemikiran bahwa model regresi linier
klasik mengasumsikan tidak terjadi multikolinier diantara variabel.
Model regresi yang baik statusnya tidak terjadi korelasi antar variabel independen.
Untuk mengetahui ada tidaknya multikolenieritas dapat dideteksi dengan menganalisis matrik korelasi variabel-variabel
independen atau dengan menggunakan perhitungan nilai tolerance dan VIF, apabila VIF di bawah 10 dan nilai toleransinya di atas 0,1 maka
variabel independen yang digunakan terlepas dari permasalahan multikolenieritas. Berikut adalah hasil pengujian multikolinearitas:
Tabel 6.2. Uji Multikolenieritas Variabel
Toleransi VIF
Keterangan
Sikap terhadap iklan 0,739
1,354 Non Multikolinearitas Sikap terhadap social
media 0,739
1,354 Non Multikolinearitas Sumber: Data yang diolah, 2013
Hasil pengujian multikolinearitas diperoleh seluruh variabel independen yang digunakan pada model regresi memiliki nilai
tolerance di atas 0,10 dan nilai VIF dibawah 10, sehingga dapat disimpulkan bahwa tidak terjadi multikolinieritas pada variabel
independen yang digunakan dalam model regresi pada penelitian ini.
5.4.3 Uji Heteroskedastisitas
Tujuan dari uji heteroskedastisitas untuk menguji apakah di dalam model regresi terjadi ketidaksamaan variansi dari residual satu
pengamatan ke pengamatan yang lain. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas. Kriteria untuk
menentukan data tidak terjadi heteroskedastisitas yaitu jika nilai signifikansi 0,05. Pengujian heteroskedastisitas dapat dilihat berikut:
Tabel 6.3. Uji Heterokedastisitas Variabel Dependen : brand image
Variabel Independen Signifikansi
Keterangan
Sikap terhadap iklan 0,306
Non heteroskedastisitas Sikap terhadap social media
0,444 Non heteroskedastisitas
Sumber: Data yang diolah, 2013 Berdasarkan hasil uji heteroskedastisitas dapat dilihat bahwa
seluruh variabel independen tidak berhubungan secara signifikan dengan absolut residual. Hal ini terlihat dari nilai signifikansi 0,05
sehingga dapat disimpulkan tidak terjadi heteroskedastisitas pada variabel independen yang digunakan dalam model regresi.
Pengujian heteroskedastisitas dilakukan dengan menggunakan Scatter Plot. Jika tidak terdapat variabel yang signifikan maka dapat
disimpulkan tidak adanya masalah heteroskedastisitas.
Grafik 2. Uji Heteroskedatisitas Model I
Hasil pengujian heteroskedastisitas menunjukkan tidak terdapat pola yang jelas dari titik-titik tersebut, sebaran data berada di atas dan
di bawah angka nol pada sumbu Y. Hal ini menunjukkan bahwa
model regresi tidak memiliki gejala adanya heteroskedastisitas, yang berarti bahwa tidak ada gangguan yang berarti dalam model regresi.
5.5 Uji Hipotesis I