Regression Standardized Predicted Value
2 1
-1 -2
-3
R e
g re
s s
io n
S tu
d e
n ti
ze d
R e
s id
u a
l
3 2
1 -1
-2 -3
Scatterplot Dependent Variable: MPU
Pengambilan keputusan: Pada Tabel 4.7 terlihat bahwa Asymp. Sig. 2-tailed adalah 0,115 dan
diatas nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
2. Pengujian Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heterokedastisitas terjadi jika residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat
pola diagram pencar yaitu grafik yang merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
a. Model grafik
Hipotesis: 1
Jika diagram pencar yang ada membentuk pola- pola tertentu yang teratur maka regrasi mengalami gangguan heterokedastisitas.
2 Jika diagram pencar yang ada tidak membentuk pola- pola tertentu
yang teratur maka regrasi tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
Coefficients
a
-.148 .904
-.164 .870
.062 .058
.125 1.069
.288 .020
.066 .042
.305 .761
-.007 .062
-.016 -.116
.908 Constant
Harga Lokasi
Promosi Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Abs ut a.
Gambar 4. 3 Scatterplot Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2009
Pada Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heterokedastisitas.
b. Model Glejser
Menentukan kriteria keputusan: 1.
Jika nilai signifikan 0,05, maka tidak mengalami gangguan heterokedastisitas.
2. Jika nilai signifikan 0,05, maka mengalami gangguan
heterokedastisitas.
Tabel 4.13 Uji Glejser
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2010
Pada Tabel 4.8 tampak bahwa signifikasi variabel bebas lebih besar dari 0,05, maka tidak mengalami gangguan heterokedastisitas.
3. Pengujian Multikolinieritas
Universitas Sumatera Utara
Coefficients
a
3.670 1.452
2.526 .013
.337 .094
.296 3.602
.001 .880
1.136 .317
.106 .288
2.999 .004
.642 1.557
.363 .100
.346 3.642
.000 .657
1.523 Constant
Harga Lokasi
Promosi Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: MPU a.
Uji multikolinieritas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya
masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.9
sebagai berikut:
Tabel 4.14 Uji Multikolinieritas
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2010
Hasil pengujian:
Pedoman suatu model regresi yaitu bebas multikolinieritas adalah dengan melihat Variance Inflation Factor VIF 5 maka variabel ada masalah
multikolinieritas, dan jika VIF 5 maka tidak terdapat masalah multikolinieritas. Jika Tolerance 0,1 maka variabel ada masalah multikolinieritas, dan jika
Tolerance 0,1 maka variabel tidak terdapat masalah multikolinieritas Pada Tabel 4.9 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0,1 maka tidak
ditemukan masalah multikolinieritas dalam penelitian ini.
3. Analisis Regresi Berganda
