7 .884
0.80 Reliabel
8 .893
0.80 Reliabel
9 .889
0.80 Reliabel
10 .886
0.80 Reliabel
11 .884
0.80 Reliabel
12 .881
0.80 Reliabel
13 .892
0.80 Reliabel
14 .896
0.80 Reliabel
Sumber: Hasil pengolahan data primer 2011 data diolah
Ketentuan untuk pengambilan keputusan yaitu menurut Kuncoro, 2008:40 menyatakan instrumen dapat dikatakan reliabel andal bila memiliki
nilai Cronbach Alpha 0,80. Tabel 4.6 dapat dilihat nilai Cronbach Alpha 0,80. maka setiap variabel dinyatakan reliabel.
4.2.2 Uji Asumsi Klasik 4.2.2.1 Pengujian Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual penulis
menganalisis grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis
probabilitas plot yang menbandingkan distribusi kumulatif dan distribusi normal.
Hipotesis: 1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
2 .Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normal. Interpretasi pada gambar 4.1 menunjukkan bahwa grafik histogram menunjukkan
pola distribusi normal.
Gambar 4.1 : Normal P-P Plot Pada Uji Normalitas Sumber
: Data Primer 2011
Pada Gambar 4.1 tersebut dapat dilihat bahwa data- data titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena
itu, berdasarkan Gambar 4.2 tersebut dapat diambil kesimpulan bahwa data telah memenuhi uji normalitas.
Uji Kolmogorov Smirnov 1 Sample KS dilakukan untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal, dengan melihat data
residual apakah berdistribusi normal Situmorang, dkk, 2008: 59. Menentukan kriteria keputusan:
Universitas Sumatera Utara
1. Jika nilai Asymp.Sig. 2-tailed 0,05 maka tidak mengalami gangguan distribusi normal.
2. Jika nilai Asymp.Sig. 2-tailed 0,05 maka mengalami gangguan distribusi normal.
Tabel 4.7 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
53 Normal Parameters
a
Mean .0000000
Std. Deviation 1.50826651
Most Extreme Differences Absolute
.064 Positive
.032 Negative
-.064 Kolmogorov-Smirnov Z
.466 Asymp. Sig. 2-tailed
.982
a Test distribution is Normal. b Calculated from data.
Sumber: Hasil pengolahan data primer 2011 data diolah
Pengambilan keputusan: Pada Tabel 4.7 terlihat bahwa Asymp.Sig. 2-tailed adalah 0,982 dan diatas
nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
4.2.2.2 Pengujian Heterokesdastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakan dalam sebuah variabel model regresi terjadi ketidaksamaan dari residual suatu
pengamatan ke pengamatan yang lain. Jika varians dari residual tetap, maka disebut homoskedastisitas dan jika varians berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
Universitas Sumatera Utara
heteroskedastisitas yang dapat dilakukan dengan melihat grafik plot, dan uji park. Park mengemukakan metode bahwa varians S
2
merupakan fungsi variabel-variabel bebas. Uji ini dilakukan dengan menguadratkan
nilai residual U
2
i dari model kemudian kuadrat residual dilogaritmakan LnU
2
i. Kemudian nilai logaritma dari kuadrat residual dimasukkan sebagai variabel terikat dalam persamaan regresi yang baru. Jika angka
signifikansi t yang diperoleh dari persamaan regresi yang baru lebih besar dari alpha 5, maka dikatakan tidak terdapat heterokedastisitas
dalam data model. Sebaliknya, jik angka signifikansi yang diperoleh lebih kecil dari alpha 5, maka dapat dikatakan terdapat
heteroskedastisitas dalam data model Ghozali, 2005:55. Cara menguji terjadi atau tidaknya heteroskedastisitas adalah dengan
melihat scatter plot, analisis data sebagai berikut: 3. Jika ada pola tertentu seperti titik yang ada membentuk pola teratur,
maka telah terjadi heteroskedastisitas. 4. Jika tidak ada pola yang jelas, titik meyebar di atas dan dibawah angkas
0 nol maka tidak terjadi heteroskedastisitas. a. Model grafik
Hipotesis: 1 Jika diagram pencar yang ada membentuk pola- pola tertentu yang
teratur maka regrasi mengalami gangguan heterokedastisitas. 2 Jika diagram pencar yang ada tidak membentuk pola- pola tertentu
yang teratur maka regrasi tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
Sumber: Hasil pengolahan data primer 2011 data diolah
Gambar 4. 3 Scatterplot
Pada Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heterokedastisitas.
b. Model Glejser Menentukan kriteria keputusan:
1. Jika nilai signifikan 0,05, maka tidak mengalami gangguan heterokedastisitas.
2. Jika nilai signifikan 0,05, maka mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
Tabel 4.8 Uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1Constant -.414
1.274 -.325
.747 Ketidakpuasankonsumen
.096 .076
.194 1.267
.211 Kebutuhanmencarivariasi
.006 .101
.009 .056
.955 a. Dependent Variable: absut
Sumber: Hasil pengolahan data primer 2011 data diolah
Pada Tabel 4.8 bahwa tingkat signifikansi ketidakpuasankonsuemen dan kebutuhan mencari variasi lebih besar dari 0,05, maka tidak mengalami gangguan
heterokesdastisitas. 4.2.2.3 Pengujian Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah data ditemukan korelasi diantara variabel bebas independet variabel. Jika terjadi korelasi maka
terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel bebasnya. Gejala ini dapat di deteksi dengan nilai
Tolerance dan nilai Variance Factor VIF. Nilai Tolerance rendah sama dengan
nilai VIF tinggi VIF = 1Tolerance. Nilai Cutoff atau batas yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance 0,10 , atau
sama dengan nilai VIF 0,10. Setiap peneliti harus dapat menentukan tingkat kolinieritas yang masih dapat ditolerir. Sebagai nilai Tolerance = 0,10 sama
dengan tingkat kolinieritas 0,95 Ghozali, 2005:49.
Universitas Sumatera Utara
Tabel 4.9 Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1Constant 4.821
2.085 2.312
.025 Ketidakpuasan
konsumen .367
.124 .324
2.953 .005
.824 1.214
Kebutuhanmen carivariasi
.771 .165
.511 4.660
.000 .824
1.214 a. Dependent Variable:
Perpindahanmerek
Sumber: Hasil pengolahan data primer 2011 data diolah
Hasil pengujian:
Pedoman suatu model regresi yaitu bebas multikolinieritas adalah dengan melihat Variance Inflation Factor VIF 5 maka variabel ada masalah
multikolinieritas, dan jika VIF 5 maka tidak terdapat masalah multikolinieritas. Jika Tolerance 0,1 maka variabel ada masalah multikolinieritas, dan jika
Tolerance 0,1 maka variabel tidak terdapat masalah multikolinieritas Pada Tabel 4.9 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0,1 maka tidak
ditemukan masalah multikolinieritas dalam penelitian ini.
4.2.3 Analisis Data