atau 61,3 responden menyatakan setuju. Hal ini menunjukkan bahwa sebagian besar responden mampu menciptakan citra produk yang baik.
4.4 Uji Asumsi Klasik
4.4.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi
sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng.Kalau asumsi ini dilanggar maka uji statistik menjadi
tidak valid.Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi normal.
1. Hasil Uji Normalitas dengan Histogram
Jika bentuk grafik tidak melenceng ke kiri dan ke kanan, maka menunjukkan bahwa variabel berdistribusi normal. Sebaliknya jika bentuk grafik melenceng ke
kiri ke kanan menunjukkan bahwa variabel tidak berdistribusi normal.
Sumber : hasil Penelitian 2016
Gambar 4.1 Pengujian Normalitas Histogram
Universitas Sumatera Utara
Pada gambar 4.1 terlihat grafik histogram membentuk kurva yang seimbang dan tidak melenceng ke kiri maupun ke kanan, hal ini menujukkan bahwa variabel
terdistribusi normal.
2. Hasil Uji Normalitas dengan Pendekatan Grafik
Jika titik menyebar di sekitar garis diagonal,maka data berdistribusi normal. Sebaliknya jika tidak menyebar di sekitar garis diagonal, maka data tida
berdistribusi normal.
Gambar 4.2 Pengujian Normalitas P-P Plot
Gambar 4.2 terlihat titik-titik menyebar mengikuti data disepanjang garis diagonal, hal ini menunjukkan bahwa data berdistribusi normal.
Universitas Sumatera Utara
3. Hasil Uji Pendekatan Kolmogorov-smirnov Tabel 4.9
One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 31
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.60651994
Most Extreme Differences Absolute
.162 Positive
.074 Negative
-.162 Kolmogorov-Smirnov Z
.903 Asymp. Sig. 2-tailed
.389 a. Test distribution is Normal.
b. Calculated from data.
Sumber : hasil Penelitian 2016
Pada tabel 4.9 terlihat bahwa nilai Asymp. Sig 2-tailed = 0,389 dimana angka ini lebih besar dibandingkan nilai signifikannya yaitu 0,05 dengan
demikian, maka dapat disimpulkan bahwa residual berdistribusi normal.
4.4.2 Uji Multikolinieritas
Kategori