116
Berdasarkan tabel 4.53 besarnya nilai Kolmogrov-Smirnov 0,903, dapat diketahui bahwa nilai unstandardized redidual memilki 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 tidak orthogonal atau nilai korelasi antar sesama variabel independen sama
dengan nol. Dapat juga dilihat dari nilai tolerance dan Variance Inflation Factor VIF, nilai tolerandi yang besarnya di atas 0.1 dan nilai VIF di
bawah 10 menunjukkan bahwa tidak ada multikolinieritas pada variabel independennya Ghozali, 2009:95. Hasil pengujian VIF dari model
regresi dapat dilihat dalam tabel berikut:
117
Tabel 4.54 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardize
d Coefficients Standar
dized Coeffic
ients T
Sig. Collinearity
Statistics
B Std.
Error Beta
Toleranc e
VIF
1 Const
ant 6.964
2.454 2.838
.006 SL
.394 .087
.343 4.506
.000 .726 1.378
SA .131
.035 .311
3.803 .000
.630 1.588 HSV
.386 .102
.299 3.792
.000 .677 1.478
a. Dependent Variabel: VAR00004 Sumber: hasil output SPSS data primer yang telah diolah, 2016
Berdasarkan hasil tabel 4.54 uji hasil Variance Inflation Factor VIF masing-masing variabel independen memiliki VIF dari 10 dan
tolerance 0,10 yaitu untuk variabel shopping lifestyle X1 1,378 dan 0,726, store atmosphere X2 1,588 dan 0,630, hedonic shopping value
X3 1,478 dan 0,677. Maka dapat dinyatakan model regresi linear berganda tidak terdapat multikolineritas antara variabel dependen dengan
variabel independen yang lain sehingga dapat Sigunakan dalam penelitian ini.
118
3. Hasil Uji Heteroskedastisitas
Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari redidual satu pengamatan ke
pengamatan lainnya.
Model regresi
yang baik
adalah yang
homoskedastisitas atau tidak heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan 2 langkah yaitu secara grafik dan secara statistik,
berdasarkan hasil pegolahan data maka hasil scatterplot dapat dilihat pada gambar berikut:
Gambar 4.2 Hasil Uji Heteroskedastisitas Secara Grafik Scatterplot
Sumber: hasil output SPSS, 2016 Berdasarkan gambar di atas terlihat bahwa distribusi data tidak
teratur dan tidak membentuk pola tertentu, serta tersebar di atas maupun di bawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak
terjadi heteroskedastisitas pada model regresi Ghozali, 2011:107. Selain itu berdasarkan hasil pengolahan data hasil uji glesjer dapat dilihat sebagai
berikut.
119
Tabel 4.55 Hasil Uji Heteroskedastisitas Secara Statistik
Coefficients
a
Model Unstandardized
Coefficients Standardi
zed Coefficie
nts t
Sig. Collinearity
Statistics
B Std.
Error Beta
Tolera nce
VIF
1 Consta
nt 3.662
1.528 2.397
.018 VAR00
001 -.164
.054 -.333 -3.014
.030 .726 1.378
VAR00 002
-.033 .022
-.183 -1.545 .126
.630 1.588 VAR00
003 .172
.063 .309 2.706
.080 .677 1.478
a. Dependent Variable: RES2 Sumber: Hasil Output SPSS, 2016
Berdasarkan tabel di atas dapat disimpulkan bahwa tidak terdapat heteroskedastisitas pada persamaan regresi tersebut. Hal itu terlihat dari
tidak adanya variabel bebas yang memiliki signifikansi di bawah 0,05. Variabel shopping lifestyle memiliki signifikansi 0,030, variabel store
atmosphere memiliki signifikansi 0,126, dan variabel hedonic shopping value memiliki signifikansi 0,080. Dengan demikian dapat disimpulkan
bahwa pada model regresi tidak ada masalah heteroskedastisitas atau bebas dari heteroskedastisitas.
120
F. Hasil Uji Hipotesis
