2. Jika nilai Asymp. Sig. 2 tailed 0,05 maka data mengalami gangguan distribusi
normal.
Tabel 4.11
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
100 Normal
Parameters
a
Mean .0000000
Std. Deviation 2.17897294
Most Extreme Differences
Absolute .115
Positive .070
Negative -.115
Kolmogorov-Smirnov Z 1.150
Asymp. Sig. 2-tailed .142
a. Test distribution is Normal. Sumber: Hasil Pengolahan
SPSS 16.0
Pada Tabel 4.11 terlihat bahwa nilai Asymp. Sig. 2 tailed adalah 0,142 dan diatas nilai signifikan 0,05, dengan kata lain variabel residual berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain, heteroskedastisitas terjadi jika residual tidak
memiliki varian yang konstan. Pemeriksaan terhadap gejala Heteroskedastisitas adalah dengan melihat pola diagram pancar Scatter Plot yaitu grafik yang merupakan diagram
pancar residual, yaitu selisih antara nilai Y predisi dan Y observasi, dan juga melalui model Glejser.
a. Diagram Pancar Scatter Plot
Hipotesis:
Universitas Sumatera Utara
1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas.
2. Jika diagram pencar tidak membentuk pola yang atau acak maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber: Hasil Pengolahan SPSS 16.0
Gambar 4.3 Scatterplot Dependent Variable
Dari gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola oleh karena itu tidak mengalami gangguan heterokedastisitas.
b. Model Glejser
Menentukan Kriteria Keputusan: 1. Jika nilai signifikan 0,05, maka tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
2. Jika nilai signifikan 0,05, maka mengalami gangguan heterokedastisitas.
Tabel 4.12 Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.148 1.021
1.175 .135
Bukti Fisik -.167
.085 -.188 -1.964
.052 Kehandalan
-.025 .061
-.039 -.403
.688 Daya Tanggap
-.176 .072
-.221 -2.084 .096
Jaminan .013
.131 .012
.102 .919
Empati .157
.120 .138
1.316 .191
a. Dependent Variable: absut
Sumber: Hasil Pengolahan SPSS 16.0
Dari Tabel 4.12 dapat dilihat bahwa nilai signifikansi dari setiap variabel Bukti Fisik, Kehandalan, Daya Tanggap, Jaminan, Empati adalah lebih besar dari 0.05, maka oleh karena
itu, tidak mengalami gangguan heterokedastisitas.
4.3.3 Uji Multikolinearitas
Gejala Multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Varience Inflation Factor melalui program SPSS 16.0. Tolerance mengukur variabilitas
variabel terpilih yang tidak dijelaskan oleh variabel independent lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi
muttikolinearitas Situmorang et at, 2010: 136.
Tabel 4.13 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics
Universitas Sumatera Utara
B Std.
Error Beta
Tolerance VIF
1 Constant
6.228 1.674
1.703 .108
Bukti Fisik .191
.140 .124 1.361
.177 .970
1.031 Kehandalan
.080 .101
.074 .797
.427 .935
1.069 Daya Tanggap
.495 .201
.252 2.463 .016
.770 1.299
Jaminan .528
.216 .270 2.445
.016 .662
1.511 Empati
-.044 .197
-.022 -.221 .826
.808 1.237
a. Dependent Variable: Keputusan Pembelian Sumber: Hasil Pengolahan
SPSS 16.0
Pada Tabel 4.13 menjelaskan mengenai besarnya Tolerance dan VIF untuk masing- masing variabel bebas. Semua variabel bebas mempunyai nilai tolerance 0,1 dan VIF 5,
sehingga dapat disimpulkan bahwa masalah multikolinearitas tidak ada.
4.4 Metode Analisis Regresi Berganda
