Sumber: Hasil penelitian 2009, diolah
Menurut Ghozali dan kuncoro 2005, suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai cronbach alpa 0.60 atau nilai cronbach alpha0,80.
Berdasarkan data diatas maka seluruh butir pertanyaan dinyatakan reliable.
C. Uji asumsi klasik a. Pengujian Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Ada dua cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual penulis menganalis grafik histogram yang
membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang membandingkan distribusi
kumulatif dan distribusi normal. Hipotesis:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis
diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
4 2
-2 -4
Regression Standardized Residual
12 10
8 6
4 2
Fr eq
ue nc
y
Mean = -1.18E-15 Std. Dev. = 0.979
N = 96
Dependent Variable: Brand_Image Histogram
Sumber: Sumber: Hasil penelitian 2009, diolah Gambar: 4.1 Histogram
Interpretasi dari Gambar 4.1, menunjukkan bahwa grafik histogram menunjukkan pola distribusi normal.
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ec te
d C
um P
ro b
Dependent Variable: Brand_Image Normal P-P Plot of Regression Standardized Residual
Sumber: Sumber: Hasil penelitian 2009, diolah Gambar: 4.2 Normal P-P Plot of Regression Standarddized Residual
Dari Gambar 4.2 tersebut dapat dilihat bahwa data-data titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan
gambar 4 tersebut dapat diambil kesompulan bahwa telah memenuhi uji normalitas.
Universitas Sumatera Utara
Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov Smirnov 1 Sample KS dengan melihat data
residual apakah berdistribusi normal Syafrizal,et al,2008:59. Menentukan kriteria keputusan:
1. Jika nilai Asymp. Sig. 2-tailed 0,05 maka tidak mengalami gangguan distribusi
normal. 2.
Jika nilai Asymp.Sig 2-tailed 0,05 maka mengalami gangguan distribusi normal.
Tabel 4.10 One-sample Kolmogorov Smirnov Test
Unstandardize d Residual
N 96
Normal Parametersa,b Mean
.0000000 Std. Deviation
1.61070134 Most Extreme
Differences Absolute
.043 Positive
.040 Negative
-.043 Kolmogorov-Smirnov Z
.417 Asymp. Sig. 2-tailed
.995
a. Test distribution is Normal
b. Calculated from data
Pengambilan keputusan: Pada Tabel 4.10 terlihat bahwa Asymp.Sig.2-tailed adalah 0,995 dan diatas nilai
signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
b. Pengujian Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain, heteroskedastisitas terjadi jika
residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar yaitu grafik yang
Universitas Sumatera Utara
merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
1. Model Grafik Hipotesis:
1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas.
2. Jika diagram pencar yang ada tidak membentuk pola-polaa tertentu yang teratur maka regresi tidak mengalami gangguan heteroskedastisitas.
3 2
1 -1
-2 -3
Regression Studentized Residual
2
-2 -4
R eg
re ss
io n
S ta
nd ar
di ze
d P
re di
ct ed
V al
ue
Dependent Variable: Brand_Image Scatterplot
Sumber: Hasil pengolahan data primer kuisioner, SPPS versi 13.00,2009 Gambar 4 3 Scatterplot
Dari Gambar 4.3 dapat dilihat diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heteroskedastisitas.
2. Model Glejser Menetukan Kriteria keputusan:
1 Jika nilai signifikan 0,05 maka tidak mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
2 Jika nilai signifikan 0,05 maka mengalami gangguan heteroskedastisitas.
Tabel 4.11 Cofficients
Model Unstandardized
Coeffcients Standardized
Coefficients t
Sig B
Std.Eror r
Beta
1 Constant
2.370 .810
2.924 .004
Bentuk -.086
.059 -.165
-1.464 .147
Keistimewaan -.067
.058 -.136
-1.158 .250
Kualitas_kinerja .102
.061 .201
1.661 .100
Daya_tahan -.041
.051 -.093
-.803 .424
a. Dependen Variabel : absut
Sumber: Hasil penelitian 2009, diolah Dari Tabel 4.11 tampak bahwa signifikasi variabel bebas lebih besar dari 0,05 maka
tidak mengalami gangguan heteroskedastisitas.
e. Pengujian Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya masalah
multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antar independen. Hasil pengolahan dapat dilihat pada Tabel 4.12 sebagai berikut:
Tabel 4.12 Coefficientsa
Model Unstandardized
Coefficient Standardized
Coeffcient T
Sig. Collinearity Statistic
B Std.Error
Beta Tolerance
VIF
1 Constant
6.030 1.460
4.129 .000
Bentuk .421
.106 .377
3.985 .000
.806 1.241
Keistimewaan .120
.104 .114
1.153 .252
.741 1.350
Kualitas_kinerja .041
.110 .038
.373 .710
.698 1.432
Daya_tahan .264
.092 .282
2.882 .005
.755 1.324
Sumber: Hasil penelitian 2009, diolah
Hasil pengujian:
Universitas Sumatera Utara
Pedoman suatu model regresi yaitu bebas multikol adalah dengan melihat Variance Inflation Factor VIF 5 maka variabel ada masalah multikol, dan jika VIF 5 maka
tidak terdapat masalah multikol, dan jika Tolerance 0,1 maka variabel tidak terdapat masalah multikol pada tabel 4, dapat dilihat bahwa nilai VIF5 dan tolerance 0,1
maka tidak ditemukan masalah multikol dalam penelitian ini.
D. Analisis Regresi Berganda