Uji Asumsi Klasik ANALISIS DAN PEMBAHASAN

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