Uji Asumsi Klasik .1 Uji Normalitas Analisis Regresi Linier Sederhana

4.4 Uji Asumsi Klasik 4.4.1 Uji Normalitas Uji normalitas dalam penelitian ini dilakukan melalui perhitungan regresi dengan SPSS 23.0 yang dideteksi melalui dua pendekatan yaitu uji Kolmogorov- Smirnov dan analisa grafik histogram membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Berikut ini penjelasan dari pendekatan-pendekatan tersebut: 1. Uji Kolmogorov-Smirnov Adapun pedoman pengambilan keputusan rentang data distribusi normal berdasarkan uji Kolmogorov- Smirnov adalah jika nilai signifikan 0.05 maka distribusi data tidak normal dan jika nilai signifikan 0.05 maka distribusi data normal. Tabel 4.19 Tabel Uji Normalitas Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 96 Normal Parameters a,b Mean ,0000000 Std. Deviation 1,97447103 Most Extreme Differences Absolute ,093 Positive ,078 Negative -,093 Kolmogorov-Smirnov Z ,093 Asymp. Sig. 2-tailed ,060 c a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. Sumber: Hasil pengolahan data, 2016 Universitas Sumatera Utara Dari hasil pengolahan data pada Tabel 4.19 diperoleh besarnya Kolmogorov-Smirnov adalah 0,093 dan signifikan pada 0,060. Nilai signifikansi lebih besar dari 0,05, maka dapat dikatakan bahwa nilai residual terstandarisasi dan data memenuhi asumsi normalitas. 2. Grafik Histogram Berikut ini dapat dilihat bahwa data berdistribusi normal, hal tersebut dapat dilihat dari grafik histogram yang berbentuk lonceng, grafik tersebut tidak miring kesamping kiri maupun kanan seperti yang terlihat pada gambar berikut: Gambar 4.2 Histogram Uji Normalitas Sumber: Hasil pengolahan data, 2016

4.5 Analisis Regresi Linier Sederhana

Analisis persamaan regresi linear sederhana dilakukan untuk mengetahui sejauh mana perubahan pada variabel kinerja jika terjadi perubahan pada variabel pelatihan tiap satuan. Hasil penghitungannya sebagai berikut: Universitas Sumatera Utara Tabel 4.20 Hasil Analisis Regresi Linier Sederhana Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 10,226 1,142 8,951 ,000 Kemudahan X ,503 ,059 ,658 8,462 ,000 a. Dependent Variable: Keputusan Pembelian Y Sumber: Hasil pengolahan data, 2016 Berdasarkan tabel diatas, maka didapat model persamaan regresi sebagai berikut: Y= a + bX Y = 10,226 + 0,503X Dimana: Y = Keputusan Pembelian X = Kemudahan Dari persamaan regresi tersebut, didapat konstanta sebesar 10,226. Nilai konstanta tersebut adalah harga matematis perubahan variabel terikat keputusan pembelian pada saat variabel bebasnya kemudahan bernilai nol 0. Koefisien regresi variabel kemudahan adalah sebesar 0,503. Artinya, kemudahan memiliki hubungan yang searah dengan keputusan pembelian. Persamaan tersebut bermakna apabila kemudahan ditingkatkan 100, maka keputusan pembelian akan meningkat sebesar 50,3. Koefisien regresi variabel kemudahan sebesar 0,503 positif, menunjukkan bahwa kemudahan berpengaruh positif terhadap keputusan pembelian. Nilai ini juga menunjukkan bahwa setiap adanya upaya Universitas Sumatera Utara penambahan sebesar satu satuan pada kemudahan, maka keputusan pembelian akan bertambah meningkat 0,503 satuan. Dari persamaan regresi diatas dapat diketahui bahwa kemudahan memiliki pengaruh yang positif terhadap keputusan pembelian. Artinya, peningkatan terhadap kemudahan akan diikuti dengan peningkatan keputusan pembelian. Dengan demikian, peningkatan kemudahan yang tepat akan mempengaruhi konsumen dalam melakukan pembelian di situs web Tokopedia.com. 4.6 Pengujian Hipotesis 4.6.1 Uji Signifikansi Parsial Uji-t