76
3. Hasil Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas digunakan untuk menguji variabel bebas dan variabel terikat berdistribusi normal atau tidak. Metode yang
digunakan untuk mengetahui apakah data residual penelitian berdistribusi normal atau tidak adalah uji
Kolmogrov-Smirnov.
Pengambilan keputusan normalitas didasarkan pada angka probabilitas. Jika angka probabilitas ≥ 0,05 maka data berdistribusi
normal dan jika probabilitas ≤ 0,05 maka data tidak berdistribusi normal.
Tabel V.13 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Gaya_Hidu p
Kelompok_ Acuan
Keputusan_ Konsumen
N 100
100 100
Normal Parameters
a,b
Mean 42,0700
18,0900 18,6900
Std. Deviation
5,13505 2,79644
2,66551 Most Extreme
Differences Absolute
,085 ,088
,098 Positive
,052 ,072
,057 Negative
-,085 -,088
-,098 Test Statistic
,085 ,088
,098 Asymp. Sig. 2-tailed
,075
c
,052
c
,018
c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber: Data primer diolah, 2017 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
77
Gambar V.1 Normalitas P-P Plot Sumber: Data primer diolah, 2017
Berdasarkan tabel di atas terlihat bahwa
Asymp. Sig 2- tailed
adalah 0,75 untuk variabel gaya hidup, 0,052 untuk variabel kelompok acuan dan 0,018 untuk variabel keputusan konsumen.
Probabilitas koefisien toleransi lebih dari 0,05, maka dapat disimpulkan semua variabel berdistribusi normal. Selain itu, dapat
dibuktikan juga dengan hasil berupa grafik normalitas, dimana titik-titik membentuk sumbu diagonal.
78
b. Uji Multikolinearitas
Uji multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan
variabel independen lain dalam satu model. Selain itu, deteksi terhadap multikolinearitas juga bertujuan untuk menghindari
kebiasan dalam proses pengambilan kesimpulan mengenai pengaruh pada uji parsial masing-masing variabel independen
terhadap variabel dependen Nugroho, 2005:58. Hasil uji multikolinearitas sebagai berikut:
Tabel V.14 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardi
zed Coefficien
ts t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolera
nce VIF
1 Constant
1,447 1,513
,957 ,341
Gaya_Hidup ,121
,033 ,233 3,683
,000 ,924 1,082
Kelompok_ Acuan
,672 ,060
,705 11,15 8
,000 ,924 1,082
a. Dependent Variable: Keputusan_Konsumen
Sumber: Data primer diolah, 2017 Berdasarkan hasil uji di atas, diperoleh output VIF
Variance Inflation Factor
gaya hidup sebesar 1,082 dan kelompok acuan 1,082 10 dan nilai
tolerance
gaya hidup 0,924 dan kelompok acuan 0,924 0,1. Maka dapat disimpulkan bahwa antar variabel
79
tidak terjadi multikolinearitas. Artinya tidak terjadi masalah multikorelasi diantara variabel bebas yang ada.
c. Uji Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan variance residual suatu periode penamatan ke periode pengamatan yang
lain, atau gambaran hubungan antara nilai yang diprediksi dengan
Studentized Delete Residual
nilai tersebut. Cara memprediksi ada tidaknya heterokedastisitas pada suatu model dapat dilihat dar pola
gabar Scatterplot model tersebut Nugroho, 2005:62.
Gambar V.2
Scatterplot
Sumber: Data primer diolah, 2017 Pada grafik scatterplot di atas, diperoleh hasil berupa titik-
titik data menyebar di sekitar angka 0, titik-titik data tidak PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI