69
Tabel 4.9 Hasil Uji Multikolinearitas
Coe fficients
a
,543 1,842
,485 2,061
,521 1,920
Promosi Harga
Inov asi Model
1 Toleranc e
V IF Collinearity Statis tics
Dependent Variable: Keputusan Pembelian a.
Sumber : Data primer diolah 2013 Berdasarkan tabel 4.9. di atas terlihat setiap variabel bebas mempunyai
nilai tolerance 0,1 dan nilai VIF 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi ini.
4.1.4.3 Uji Autokorelasi
Pengujian Autokorelasi bertujuan untuk mengetauhi ada atau tidaknya autokorelasi antara kesalahan penggangu pada pengamatan dengan melihat hasil
perhitungan angka Durbin Watson. Model regresi yang baik adalah yang tidak terjadi autokorelasi, yang dapat dilihat dengan menggunakan nilai Durbin Watson,
dengan kriteria jika du DW 4 – du berarti tidak ada autokorelasi positif atau
negatif. Hasil uji Durbin Watson dapat dilihat pada tabel dibawah ini :
Tabel 4.10 Hasil Uji Autokorelasi
Model Sum m ary
b
,882
a
,778 ,772
4,9446 2,135
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Wats on
Predictors: Constant, Inov asi, Promos i, Harga a.
Dependent Variable: Keputus an Pembelian b.
Sumber : Data primer diolah, 2013 Berdasarkan pengujian yang telah dilakukan nilai Durbin Watson sebesar
2,135 dan nilai Durbin Watson tabel dengan 3 variabel bebas n = 113 yaitu 1,74
70
4 2
-2 -4
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
R eg
res si
on S
tud en
tiz ed
R es
id ua
l
Dependent Variable: Keputusan Pembelian Scatterplot
jadi 1,74 2,135 4-1,74 artinya nilai 2,135 berada diantara 1,74 dan 2,26 sehingga dapat disimpulkan tidak terdapat autokorelasi dalam pengujian model
regresi ini
4.1.4.4 Uji Heterokedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain.
Heteroskedastisitas menunjukkan penyebaran variabel bebas. Penyebaran yang acak menunjukkan model regresi yang baik. Dengan kata lain tidak terjadi
heteroskedastisitas. Untuk menguji heteroskedastisitas dapat dilakukan dengan mengamati grafik scatterplot dengan pola titik-titik yang menyebar di atas dan di
bawah sumbu Y.
Gambar 4.2 Hasil Uji Heteroskedastisitas
Pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y. Hal ini dapat
disimpulkan tidak terjadi heteroskedastisitas pada model regresi ini. Selain dengan
71
mengamati grafik scatterplot uji heterokedastisitas juga dapat dilakukan dengan uji Glejser. Uji glejser yaitu pengujian dengan meregresikan nilai absolut residual
terhadap variabel independen. Uji Glejser juga dapat digunakan untuk mendeteksi ada tidaknya
heteroskedasitisitas, adanya uji Glejser pada regresi ini adalah sebagai berikut:
Tabel 4.11 Hasil Uji Glejser
Coe fficients
a
6,892 2,448
2,815 ,006
,010 ,034
,037 ,289
,773 ,011
,042 ,036
,265 ,791
-,062 ,037
-,217 -1,660
,100 Cons tant
Promosi Harga
Inov asi Model
1 B
Std. Error Unstandardiz ed
Coef f icients Beta
Standardized Coef f icients
t Sig.
Dependent Variable: A BS a.
Sumber : Data primer diolah, 2013
Hasil tampilan output SPSS dengan jelas menunjukkan semua variabel independen mempunyai nilai sig ≥ 0,05. Jadi tidak ada variabel independen
yang signifikan secara statistik mempengaruhi variabel dependen abs_res. Hal ini terlihat dari nilai sig pada tiap-tiap variabel independen seluruhnya di atas
0,05. Jadi dapat disimpulkan model regresi tidak mengandung adanya heterokedastisitas.
4.1.5 Analisis Regresi Berganda
Berdasarkan analisis dengan program SPSS 17 for Windows diperoleh hasil regresi berganda seperti terangkum pada tabel berikut:
72
Tabel 4.12 Hasil Analisis Regresi Berganda
Coe fficients
a
4,865 3,881
1,254 ,213
,312 ,054
,356 5,819
,000 ,355
,066 ,349
5,389 ,000
,298 ,059
,313 5,016
,000 Cons tant
Promosi Harga
Inov asi Model
1 B
Std. Error Unstandardiz ed
Coef f icients Beta
Standardized Coef f icients
t Sig.
Dependent Variable: Keputusan Pembelian a.
Sumber : Data primer diolah, 2013
Berdasarkan tabel di atas diperoleh persamaan regresi berganda sebagai berikut:
Y = 4,865 + 0,312 X
1
+ 0,355 X
2
+ 0,298 X
3
.
Persamaan regresi tersebut mempunyai makna sebagai berikut: a. Konstanta = 4,865
Jika variabel promosi, harga dan inovasi produk dianggap sama
dengan nol, maka variabel keputusan pembelian sebesar 4,865.
b. Koefisien Promosi X
1
= 0,312
Jika variabel promosi mengalami kenaikan, sementara harga dan inovasi produk diasumsikan tetap, maka keputusan pembelian akan
meningkat sebesar 0,312.
c. Koefisien Harga X
2
= 0,355
Jika variabel harga mengalami kenaikan, sementara promosi dan inovasi produk diasumsikan tetap, maka keputusan pembelian akan
meningkat sebesar 0,355.
73
d. Koefisien Inovasi Produk X
3
= 0,298
Jika variabel inovasi produk mengalami kenaikan, sementara promosi dan harga diasumsikan tetap, maka keputusan pembelian akan
meningkat sebesar 0,298.
4.1.6 Pengujian Hipotesis
4.1.6.1 Pengujian Hipotesis Secara Parsial Uji t
