4.4. Uji Asumsi Klasik
Uji Asumsi klasik adalah persyaratan statistik yang harus dimiliki oleh analisis regresi linear berganda.
4.4.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pada penelitian ini uji normalitas
akan dideteksi melalui perhitungan regresi dengan SPSS dan uji statistik dengan menggunakan Uji One-Sample Kolmogorov-Smirnov K-S Test.
Normalitas residual diuji dengan hipotesis sebagai berikut: H
: Residual terdistribusi dengan normal H
1
: Residual tidak terdistribusi dengan normal
Statistik uji yang digunakan adalah Uji One-Sample Kolmogorov-Smirnov K-S Test. Kriteria yang digunakan adalah:
- Terima H bila signifikan K-
S α 0,05 - Tolak H
bila signifikan K-S α 0,05
Hasil perhitungan uji normalitas dapat dilihat pada Tabel 5.9 berikut ini:
Tabel 4.9 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Harga Promosi
Konsep Go Green Persepsi
Unstandardized Residual
N 55
55 55
55 55
Normal Parameters
a
Mean 21.7818
22.7273 27.5273 21.9455
.0000000 Std. Deviation
1.96912 2.12964
1.69809 2.07648 1.70670804
Most Extreme Differences Absolute .144
.234 .171
.147 .088
Positive .086
.143 .125
.071 .066
Negative -.144
-.234 -.171
-.147 -.088
Universitas Sumatera Utara
Kolmogorov-Smirnov Z 1.069
1.736 1.266
1.089 .656
Asymp. Sig. 2-tailed .203
.483 .081
.186 .783
Sumber: Hasil Perhitungan SPSS 2014 Dari Tabel 4.9 di atas diperoleh sig. K-S 0,05 nilai
α yaitu 0,203 0,05 untuk variabel harga, 0,483 0,05 untuk variabel promosi, 0,081 0,05 untuk
variable konsep go green dan 0,186 0,05 untuk variabel persepsi serta signifikan untuk residual model 0.783 0,05. Oleh sebab itu, residual terdistribusi dengan
normal. Selain dengan uji statistik dapat juga dilihat dari uji grafik berikut :
Gambar 4.1. Uji Normalitas
Berdasarkan grafik di atas terlihat data titik-titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti garis diagonal. Jika data menyebar di
sekitar garis diagonal dan mengikuti garis diagonal maka model regresi memenuhi asumsi normalitas.
4.4.2. Uji Linieritas
Uji linieritas bertujuan untuk mengetahui hubungan linier antar variabel prediktor dengan variabel kriterium. Maksudnya apakah garis regresi antara prediktor dan kriterium
Universitas Sumatera Utara
membentuk garis linear atau tidak.
Pedoman untuk mengambil suatu keputusan adalah jika nilai signifikansi di atas 0,05 berarti model regresi dikatakan linier.
Jika angka pada Deviation From Linearity lebih besar dari 0,05 0,05, berarti hubungan antara variable dependen dengan variable independen adalah linear. Berikut
ini adalah hasil uji linieritas.
Tabel 4.10 ANOVA Table
Sum of Squares
df Mean
Square F
Sig.
Persepsi Harga
Between Groups
Combined 58.302
8 7.288 1.921
.080 Linearity
36.437 1
36.437 9.603 .003
Deviation from Linearity 21.865
7 3.124
.823 .573
Within Groups
796.248
174.534 46 3.794
Total
1026.000
232.836 54
Sumber: Hasil Perhitungan SPSS 2014 Pada Tabel 4.10 diketahui nilai signifikansi dari harga pada baris Linierity
sebesar 0,003 0,05 dan pada baris Deviation from Linearity memiliki nilai sig sebesar 0,573
dimana nilai sig α = 5 yang berarti hubungan bersifat linier untuk variabel. Hal ini menunjukan bahwa variabel harga dan persepsi bersifat
linier.
Tabel 4.11 ANOVA Table
Sum of Squares
df Mean
Square F
Sig. Persepsi
Promosi Between
Groups Combined
73.130 8
9.141 2.633 .018 Linearity
30.327 1
30.327 8.735 .005 Deviation from Linearity
42.803 7
6.115 1.761 .118 Within Groups
728.500 159.706 46 3.472
Total 1026.000 232.836
54
Sumber: Hasil Perhitungan SPSS 2014
Universitas Sumatera Utara
Pada Tabel 4.11 diketahui nilai signifikansi dari promosi pada baris Linierity sebesar 0,005 0,05 dan pada baris Deviation from Linearity memiliki
nilai sig sebesar 0,118 dimana nilai sig α = 5 yang berarti hubungan bersifat
linier untuk variabel. Hal ini menunjukan bahwa variabel promosi dan persepsi bersifat linier.
Tabel 4.12 ANOVA Table
Sum of Squares
df Mean
Square F
Sig. Persepsi
Konsep Go green
Between Groups
Combined 27.186
6 4.531 1.058 .401
Linearity 21.294
1 21.294 4.970 .031 Deviation from Linearity
5.892 5
1.178 .275 .925 Within Groups
205.651 48
48 4.284 Total
232.836 54
54
Sumber: Hasil Perhitungan SPSS 2014 Pada Tabel 4.12 diketahui nilai signifikansi dari promosi pada baris
Linierity sebesar 0,031 0,05 dan pada baris Deviation from Linearity memiliki nilai sig sebesar 0,925
dimana nilai sig α = 5 yang berarti hubungan bersifat linier untuk variabel. Hal ini menunjukan bahwa variabel promosi dan persepsi
bersifat linier.
4.4.3. Uji Multikolinieritas
Uji multikolinieritas dalam penelitian ini adalah menggunakan uji VIF untuk masing-masing variabel lebih besar atau tidak. Bila nilai VIF lebih besar
maka diindifikasikan model tersebut memiliki gejala Multikolinieritas. Hasil perhitungan multikolinieritas dengan menggunakan uji VIF dapatlah
dilihat pada Tabel 5.13 berikut ini:
Universitas Sumatera Utara
Tabel 4.13 Hasil Uji Multikolinieritas Uji VIF
Model Collinearity Statistics
Tolerance VIF
1 Constant
Harga .904
1.106 Promosi
.967 1.034
Konsep Go Green
.901 1.110
Sumber: Hasil Perhitungan SPSS 2014 Pada Tabel 5.11 dapat dilihat bahwa nilai tolerance 0,1 dan nilai VIF
10 maka tidak ditemukan masalah multikolinieritas dalam penelitian ini.
4.4.4. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, dan jika varians berbeda disebut
heterokedastisitas. Model regresi yang terbaik adalah bila tidak terjadi heterokedastisitas. Untuk mendeteksi keberadaan heteroskedastisitas dapat
dilakukan dengan metode formal yaitu melalui pendekatan grafik. Hasil uji heterokedastisitas dapat dilihat pada gambar berikut ini :
Universitas Sumatera Utara
Sumber: Hasil Perhitungan SPSS 2014
Gambar 4.2. Grafik uji Heteroskedastisitas
Dari grafik scatterplot yang disajikan dapat dilihat titik-titik menyebar
secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi dapat dipakai untuk memprediksikan persepsi berdasarkan masukan variabel independennya.
4.5. Pembahasan 4.5.1. Analisis Regresi Berganda