a. Titik data menyebar di atas dan tidak di bawah atau disekitar angka 0.
b. Titik data tidak mengumpul hanya di atas atau di bawah saja.
c. Penyebaran titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali. d.
Penyebaran titik-titik data sebaiknya tidak berpola.
Gambar 4.12 Normal Scaterplot
Sumber
-4 -3
-2 -1
1 2
Regression Standardized Predicted Value
-4 -3
-2 -1
1 2
3
Re gr
es sio
n S tud
en tiz
ed R
es idu
al
Dependent Variable: MinatBeliUlang Scatterplot
Sumber: Pengolahan Data SPSS 2009 Tabel 4.12 menunjukkan titik-titik menyebar secara acak tidak membentuk
sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisistas pada model
regresi, sehingga model regresi layak dipakai untuk uji regresi linier berganda.
3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya. Metode yang digunakan yaitu The Runs Test, metode ini diperkenalkan oleh Gresry sebagai uji nomparametrik dengan
tanda positif dan negatif. Kaidah keputusan dari metode ini adalah tidak terjadi
Universitas Sumatera Utara
autokorelasi jika nilai Asymp. Sig. 2-tailed di atas 0,05 dan jika di bawah 0,05 maka terjadi autokorelasi
Tabel 4.13 Runs Test
Unstandardized Residual Test Valuea
.17269 Cases Test Value
36 Cases = Test Value
36 Total Cases
72 Number of Runs
21 Z
3.798 Asymp. Sig. 2-tailed
.167 a Median
sumber: Pengolahan Data SPSS Versi 14.00 2009
Pada Tabel 4.13 dapat dilihat bahwa hasil nilai test adalah 0,17269 dan probabilitas atau nilai asymp. Sig 2-tailed sebesar 0,678 yang berarti data residus
random atau tidak terjadi autokorelasi hingga memenuhi syarat untuk uji tegresi linear berganda.
4. Uji Multikolineritas
Yaitu variabel independent yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna atau mendekati secara
sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF melalui program SPSS. Tolerance
mengukur variabilitas variabel pilihan yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1
atau nilai VIF 5, maka tidak terjadi multikolineritas.
Universitas Sumatera Utara
Tabel 4.14
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
1.398 1.814
.771 .443
Attractivene ss
.119 .147
.101 .813
.419 .614
1.630 Trustworthin
ess .185
.137 .198
1.352 .181
.441 2.269
Expertise .375
.142 .371
2.639 .010
.479 2.088
a. Dependent Variable: MinatBeliUlang b. Dependent Variable: Pembelianulang
Sumber: Pengolahan Data SPSS 2009
Tabel 4.14 menunjukkan nilai Tolerance 0,1 dan VIF 5 : a.
Variabel Attractiveness
1
X , Tolerance 0,614 0,1 dan nilai VIF
1,630 5 maka tidak multikolinieritas. b.
Variabel Trustworthiness
2
X , Tolerance 0,441 0,1 dan nilai VIF
2,269 5 maka tidak multikolinieritas. c.
Variabel Expertise
3
X , Tolerance 0,479 0,1 dan nilai VIF 2,088
5 maka tidak multikolinieritas.
D. Analisis Regresi Linear Berganda
