67 menjawab sangat setuju 6 orang atau sebesar 10, 34 orang atau sebesar
55 menjawab setuju, 2 orang atau sebesar 21 menjawab kurang setuju, 1 orang atau sebesar 2 menjawab tidak setuju dan tidak ada menjawab
sangat tidak setuju.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Dalam uji normalitas ini,
penulis menggunakan 3 jenis pendekatan untuk mengetahui apakah data mengikuti atau mendekati distribusi normal yaitu pendekatan histogram,
pendekatan grafik, dan pendekatan Kolmogorv-Smirnov. 1.
Pendekatan Histogram Data yang baik adalah adalah data yang mempunyai pola seperti pola
seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Seperti yang ditunjukkan pada Gambar 4.1
68
Sumber: Hasil Penelitian, 2015 data diolah Gambar 4.1: Histogram
Pada Gambar 4.1 histogram terlihat bahwa variabel keputusan berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut tidak
menceng ke kiri atau menceng ke kanan. 2.
Pendekatan Grafik PP plot akan membentuk plot antara nilai-nilai teoritis sumbu X
melawan nilai-nilai yang didapat dari sampel sumbu Y. Apabila plot dari keduanya membentuk linier dapat didekati oleh garis lurus, maka hal ini
merupakan indikasi bahwa residual menyebar normal. Seperti yang ditunjukkan pada Gambar 4.2.
69
Sumber: Hasil Penelitian, 2015 data diolah Gambar 4.2
Normal P-Plot of Regression Standardized Residual
Pada Gambar 4.2 tersebut dapat dilihat bahwa data-data titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini
dapat disimpulkan bahwa data berdistribusi normal. 3.
Pendekatan Kolmogorv-Smirnov Pendekatan Kolmogorv-Smirnov dilakukan untuk memastikan apakah data
disepanjang garis diagonal berdistribusi normal yaitu dengan melihat data residualnya, apakah berdistribusi normal atau tidak. Dengan kriteria keputusan
sebagai berikut : a.
Jika nilai Asymp.Sig 2-tailed 0,05, maka variabel residual tidak mengalami gangguan distribusi normal.
b. Jika nilai Asymp.Sig 2-tailed 0,05, maka variabel residual mengalami
gangguan distribusi normal.
70
Tabel 4.13 Hasil Uji
Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 62
Normal Parameters
a
Mean .0000000
Std. Deviation .85224620
Most Extreme Differences
Absolute .058
Positive .058
Negative -.041
Kolmogorov-Smirnov Z .459
Asymp. Sig. 2-tailed .984
a. Test distribution is Normal.
Sumber: Hasil Penelitian, 2015 data diolah
Pada Tabel 4.13 memperlihatkan nilai Asym Sig. 2-tailed adalah 0,984 dan diatas nilai signifikansi 0,05. Dengan kata lain variabel residual berdistribusi
normal. 4.2.2.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke pengamatan
yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas. Untuk melihat apakah heteroskedastisitas atau tidak dapat dilakukan dengan berbagai cara seperti : 1 cara grafik 2 cara statistik.
71 1.
Cara Grafik
Sumber: Hasil Penelitian, 2015 data diolah Gambar 4.3
Pengujian Heteroskedastisitas Scatterplot
Dari Gambar 4.3 Scatterplot yang disajikan, terlihat 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, sehingga model
regresi layak dipakai untuk memprediksi keputusan pembelian.
4.2.2.3 Uji Multikolinieritas
