maka digunakan alat uji atau deteksi Variance Inflation Factor VIF. Di mana nilai VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1. Hasil pengujian
multikolinieritas pada penelitian ini dapat dilihat pada Tabel 4.4
Tabel 4.4. Uji Multikolinieritas Hipotesis Pertama Model
Collinearity Statistic 1
Tolerance VIF
Constant Produk X
1
,106 9,430
Harga X
2
,247 4,046
Lokasi X
3
,151 6,604
Promosi X
4
,107 9,373
Manusia X
5
,171 5,855
Proses X
6
,110 9,074
Pelayanan Konsumen X
7
,102 9,804
Sumber: Hasil Penelitian, 2010 Data Diolah Berdasarkan hasil pengolahan data pada Tabel 4.4 menunjukkan tidak ada
satupun variabel bebas yang memiliki nilai Tolerance kurang dari 0,1 atau nilai VIF setiap variabel bebas kurang dari 10, maka dapat disimpulkan bahwa model regresi
tidak terjadi masalah multikolinieritas.
4.4.3. Hasil Uji Heteroskedastisitas Hipotesis Pertama
Uji heteroskedastisitas bertujuan untuk menguji apakah varians dari residual satu pengamatan ke pengamatan lainnya tidak tetap atau berbeda. Model regresi yang
baik adalah tidak terjadinya heteroskedastisitas. Hasil pengujian heteroskedastisitas dengan menggunakan metode grafik dapat
dilihat pada Gambar 4.4 berikut ini:
Universitas Sumatera Utara
Regression Standardized Predicted Value
2 1
-1 -2
-3
R eg
re ss
io n
St ud
en tiz
ed R
es id
ua l
2 1
-1 -2
-3 -4
Scatterplot Dependent Variable: keputusan
Sumber: Hasil Penelitian 2010 Data Diolah
Gambar 4.4. Hasil Uji Heteroskedastisitas Hipotesis Pertama
Dari Gambar 4.4 dapat dilihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan
bahwa model regresi tidak terjadi masalah heteroskedastisitas.
4.4.4. Uji Normalitas Hipotesis Kedua
Uji normalitas bertujuan untuk menguji apakah model regresi antara variabel dependent terikat dan variabel independent bebas keduanya memiliki distribusi
normal atau tidak yang dapat dilihat dengan menggunakan normal histogram dan p- plot. Data dalam keadaan normal apabila distribusi data menyebar di sekitar garis
diagonal serta dapat dilihat dari kurva normal yang tidak condong ke kiri dan ke
Universitas Sumatera Utara
kanan histogram. Selain dengan metode grafik juga dapat digunakan analisis statistik dengan menggunakan pendekatan kolmogorv-smirnov.
Pendekatan Grafik
Hasil pengujian normalitas dengan menggunakan analisis grafik dilihat pada Gambar 4.5 sebagai berikut:
Regression Standardized Residual
3 2
1 -1
-2 -3
F re
q u
en cy
30
20
10
Histogram Dependent Variable: promosi
Mean =-7.49E-16 Std. Dev. =0.986
N =72
Sumber: Hasil Penelitian 2010 Data Diolah Gambar 4.5. Hasil Uji Normalitas Hipotesis Kedua dengan Menggunakan
Histogram
Universitas Sumatera Utara
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi
data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng kanan maupun menceng kiri atau normal. Dalam hal ini
berarti H
o
diterima yang berarti data residual berdistribusi normal.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pe
ct ed
C um
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: promosi
Sumber: Hasil Penelitian 2010 Data Diolah
Gambar 4.6. Hasil Uji Normalitas Hipotesis Kedua dengan Menggunakan P – Pplot
Berdasarkan Gambar 4.6 dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal dan mengikuti garis arah diagonal, maka nilai residual
terstandarisasi. Dengan demikian maka model regresi hipotesis pertama tersebut memenuhi asumsi normalitas.
Universitas Sumatera Utara
4.4.5. Hasil Uji Multikolinieritas Hipotesis Kedua
