commit to user diketahui skor variabel Brand Awarenss diperoleh skor minimum 22 skor
maksimum 32, rata-rata 28,43 dan standar deviasi 2,500. Variabel Brand Association diperoleh skor minimum 22, skor maksimum 40, rata-rata 33,32 dan
standar deviasi 3,438. Variabel Perceived Quality diperoleh skor minimum 21 skor maksimum 35, rata-rata 29,13, dan standar deviasi 3,039. Variabel Brand
Loyalty diperoleh skor minimum 24, skor maksimum 39, rata-rata 32,38 dan standar deviasi 3,788. Variabel keputusan pembelian konsumen diperoleh nilai
minimum 25, nilai maksimum 40, nilai rata-rata 32,97, dan nilai standar deviasi 3,137.
B. Pengujian Persyaratan Analisis
Sebelum pengujian hipotesis dilakukan, data yang akan digunakan untuk analisis statistik dengan teknik regresi ganda harus memenuhi persyaratan sebagai
berikut: 1.
Uji Multikolinieritas Tabel 5. Hasil Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant
B.Awareness ,772
1,296 B.Association
,553 1,808
P.Quality ,582
1,718 B.Loyalty
,684 1,463
Sumber: Output data yang diolah dengan SPSS Uji multikolinieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel bebas.
commit to user Menurut Singgih Santoso 2001: 206 default SPSS bagi angka tolerance
adalah 0,0001. Semua angka yang dimasukkan dalam perhitungan model regresi harus mempunyai angka tolerance di atas 0,0001. Pada umumnya, jika VIF lebih
besar dari 5, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel bebas lainnya.
Dilihat dari tabel koefisien diketahui nilai dari VIF di bawah angka 5, dan nilai tolerance di atas angka 0,0001, maka dapat disimpulkan bahwa tidak terjadi
multikolinieritas. Atau dapat dikatakan tidak ada hubungan antar variabel bebas.
2. Uji Autokorelasi
Tabel 6. Hasil Uji Autokorelasi
Model Durbin-Watson
1 1,748
Sumber: Output data yang diolah dengan SPSS Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode-1 sebelumnya. Autokorelasi terjadi karena observasi
yang berturutan sepanjang waktu berkaitan satu sama lain. Model regresi yang baik apabila tidak terjadi autokorelasi.
Menurut singgih Santoso 2001: 218 kriteria autokorelasi ada 3, yaitu: a.
Angka D-W di bawah -2 berarti diindikasikan ada autokorelasi positif. b.
Angka D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi. c.
Angka D-W di atas 2 berarti diindikasikan ada autokorelasi negatif. Dari tabel hasil uji autokorelasi, diketahui nilai D-W sebesar 1,748 berarti
tidak ada autokorelasi, jadi regresi yang dihasilkan baik.
commit to user 3.
Uji Heteroskedastisitas
Gambar 4. Grafik Scatterplot diagram pencar Uji heteroskedastisitas berarti ada variabel pengganggu dalam
persamaan model regresi yang mempunyai varian yang sama atau tidak. Untuk mengetahui terjadinya heteroskedastisitas yaitu dengan melihat ada tidaknya pola
tertentu pada scatterplot yang menunjukkan hubungan antara Regression Studentised Residual dengan Regression Standardized Predicted Value. Menurut
Singgih Santoso 2001: 210 menetapkan dasar pengambilan keputusan berkaitan dengan gambar tersebut adalah:
a. Jika ada pola tertentu, seperti titik-titiknya membentuk suatu pola tertentu
yang teratur bergelombang, melebar kemudian menyempit maka diindikasikan terdapat masalah heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka diindikasikan tidak terdapat masalah heteroskedastisitas.
Scatterplot di atas tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka diindikasikan tidak terdapat
masalah heterokedastisitas.
commit to user 4.
Uji Normalitas Normalitas digunakan untuk mengetahui apakah data yang akan
dianalisis berbentuk sebaran normal atau tidak. Deteksi normalitas dapat diketahui dengan melihat penyebaran data pada sumbu diagonal pada suatu grafik. Jika data
menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Hasil uji normalitas bisa dilihat dalam
gambar berikut:
Sumber: data primer yang diolah 2011 Gambar 5. Grafik Normal P-Plot of Regression Standardized Residual
Gambar di atas menunjukkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, sehingga model regresi memenuhi
asumsi normalitas. 5.
Uji Linieritas Uji linieritas bertujuan untuk mengetahui apakah dua variabel
mempunyai hubungan yang linier atau tidak. Untuk mendeteksi adanya hubungan linier antara variabel X dan Y yang biasa dilakukan, sebagai berikut :
1 Plot antara residu e versus Y-topi
commit to user Jika plot yang bersangkutan menggambarkan suatu scatter diagram
diagram pencar dalam arti tidak berpola maka dapat dikatakan tidak terjadi mispesifikasi pada fungsi regresi, hal ini bararti bahwa hubungan antara
variabel X dan Y adalah linier. 2
Plot antara variabel X versus Y Jika plot menggambarkan garis lurus maka asumsi pertama ini telah
terpenuhi. 3
Plot antara residu versus X Jika plot menggambarkan diagram pencar maka linieritas ini sudah
terpenuhi. Hasil uji linieritas dalam penelitian ini adalah sebagai berikut:
a. Brand Awareness X1 dengan Keputusan Pembelian Y
Sumber: data primer yang diolah dengan SPSS Gambar 2. Plot Brand Awareness X
1
dengan keputusan pembelian Y Berdasarkan plot antara variabel Brand Awareness X
1
dengan variabel keputusan pembelian Y di atas dapat dilihat bahwa plot menggambarkan garis
lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linieritas.
commit to user
b. Brand Association X
2
dengan Keputusan Pembelian Y
Sumber : data primer yang diolah dengan SPSS Gambar 3. Plot Brand Association X1 dengan keputusan pembalianY
Berdasarkan plot antara variabel Brand Associations X
2
dengan variabel keputusan pembelian Y di atas dapat dilihat bahwa plot
menggambarkan garis lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linieritas.
c. Perceived Quality X3 dengan Keputusan Pembelian Y
Sumber: data primer yang diolah dengan SPSS
commit to user Gambar 4.Perceived Quality X3 dengan Keputusan Pembelian Y
Berdasarkan plot antara variabel Perceived Quality X
3
dengan variabel keputusan pembelian Y di atas dapat dilihat bahwa plot menggambarkan garis
lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linieritas.
d. Brand Loyalty X4 dengan Keputusan Pembelian Y
Sumber: data primer yang diolah SPSS Gambar 5.Brand Loyalty X4 dengan Keputusan Pembelian
Berdasarkan plot antara variabel Brand Loyalty X
4
dengan variabel keputusan pembelian Y di atas dapat dilihat bahwa plot menggambarkan garis
lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linieritas.
C. Pengujian Hipotesis
