68 spesifikasi fitur dari smartphone yang lengkap, responden telah melkukan
evaluasi alternatif dari beberapa produk smartphone sejenis dan smartphone merek Oppo sesuai terhadap kebutuhan mereka.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Uji normalitas residual bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali,
2013:160. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengandesain grafik dan uji Kolmogorov-Smirnov
Sumber: Hasil Penelitian Data Diolah, 2016
Gambar 4.10 Grafik Histogram
Universitas Sumatera Utara
69 Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa grafik
tersebut memberikan pola distribusi normal, karena kurvanya tidak miring ke kiri atau ke kanan.Untuk lebih menjelaskan bahwa data yang diuji berdistribusi
normal dapat juga dilihat dengan grafik normal probability plot yang menunjukkan titik-titik menyebar disekitar garis diagonal, sebagaimana
ditampilkan pada Gambar 4.11 berikut:
Sumber: Hasil Penelitian Data Diolah, 2016
Gambar 4.11 Grafik Normal Plot
Universitas Sumatera Utara
70 Cara lain untuk melihat distribusi data normal atau tidak adalah dengan
melakukan uji Kolmogorov-Smirnov. Dengan menggunakan tingkat signifikansi sebesar 5, maka jika nilaiAsymp Sig2-tailed diatas 5 artinya variabel
residual berdistribusi normal. Untuk lebih jelas dapat dilihat pada Tabel 4.7
Tabel 4.7 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 93
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.18337268
Most Extreme Differences Absolute
.087 Positive
.087 Negative
-.067 Kolmogorov-Smirnov Z
.838 Asymp. Sig. 2-tailed
.483 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian Data Diolah, 2016 Pada Tabel 4.7 memperlihatkan nilai Asym Sig. 2-tailed adalah 0,244 dan
diatas nilai signifikansi 0,05. Dengan kata lain variabel residual berdistribusi normal.
Universitas Sumatera Utara
71
4.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas Ghozali, 2013:139. Beberapa cara untuk
mendekteksi ada atau tidaknya heteroskedasitas dengan cara melihat Grafik Plot dan Uji Glejser.
Sumber: Hasil Penelitian Data Diolah, 2016
Gambar 4.12 Grafik Scatter Plot
Universitas Sumatera Utara
72 Gambar 4.12 memperlihatkan bahwa titik-titik menyebar secara acak serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedasitas pada model regresi, sehingga
model regresi ini layak untuk digunakan.
Tabel 4.8 Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error Beta
Tolerance VIF 1
Constant
5.349 1.098
4.872 .000
KUALITASPRODUK
.152 .062
.227 2.440
.017 .609
1.643
HARGA
.187 .092
.179 2.031
.045 .684
1.462
PROMOSI
.457 .073
.505 6.288
.000 .821
1.218 a.
Dependent Variable: Y adalah Keputusan Pembelian
Sumber: Hasil Penelitian, 2016 Data Diolah
Berdasarkan hasil Tabel 4.8 diketahui bahwa nilai signifikansi variabel Kualitas Produk X
1
, Variabel Harga X
2
dan Variabel Promosi X
3
lebih besar dari 0,05 sehingga pada ketiga variabel independentersebut tidak terjadi
heteroskedasitas.
Universitas Sumatera Utara
73
4.3.3 Uji Multikoloniearitas
Uji multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Dalam penelitian
ini uji multikoloniearitasdapat dilihat dari nilai tolerance dan variance inflation factor VIF Ghazali, 2013:105. Multikoloniearitas tidak terjadi jika VIF10 dan
nilai tolerance 0,10.
Tabel 4.9 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF 1 Constant
5.349 1.098
4.872 .000
KUALITASPRODUK .152 .062
.227 2.440
.017 .609
1.643 HARGA
.187 .092
.179 2.031
.045 .684
1.462 PROMOSI
.457 .073
.505 6.288
.000 .821
1.218 a. Dependent Variable: Y Keputusan Pembelian
Sumber: Hasil Penelitian Data Diolah, 2016 Dapat dilihat pada Tabel 4.9 hasil perhitungan tolerance menunjukkan
a. Nilai VIF dari nilai Kualitas Produk X
1
, Variabel Harga X
2
dan Variabel Promosi X
3
lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi.
b. Nilai Tolerance dari Kualitas Produk X
1
, Variabel Harga X
2
dan Variabel Promosi X
3
lebih besar dari 0.1, ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.
Universitas Sumatera Utara
74
4.4 Analisis Regresi Berganda