75
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 4.11
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 97
Normal Parameters
a
Mean .0000000
Std. Deviation 1.47448485
Most Extreme Differences Absolute
.068 Positive
.068 Negative
-.059 Kolmogorov-Smirnov Z
.670 Asymp. Sig. 2-tailed
.761 a. Test distribution is Normal.
Sumber : Hasil pengolahan data primer Kuisioner, SPSS versi 16.0, 2011 Pengambilan Keputusan :
Pada Tabel 4.11 terlihat bahwa Asymp. Sig. 2-tailed adalah 0,761 dan diatas nilai signifikan 5 0,05 dengan kata lain variabel residual berdistribusi normal.
b. Uji Multikolinearitas
Uji Multikolinieritas 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
Universitas Sumatera Utara
76
korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.12 sebagai berikut :
Tabel 4.12
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1Constant
2.162 1.484
1.457 .148
harga .285
.134 .189
2.136 .035
.901 1.110 kualitas
.556 .099
.494 5.596
.000 .901 1.110
a. Dependent Variable: keputusan
Sumber : Hasil pengolahan data primer Kuisioner, SPSS versi 16.0, 2011
Hasil Pengujian :
Pedoman suatu model regresi yaitu bebas multikolinearitas adalah dengan melihat Variance Inflation Factor VIF 5 maka variabel ada
masalahmultikolinieritas dan jika VIF 5 maka tidak terdapat masalah multikolineritas. Jika Tolerance 0,1 Maka varabel ada masalah multikolinearitas
dan jika Tolerance 0,1 maka variabel tidak terdapat masalah multikolinearitas. Pada tabel 4.12 dapat dilihat nilai bahwa nilai VIF 5 dan Tolerance 0,1, maka
tidak ditemukan masalah multikolinearitas pada penelitian ini.
2. Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk mengetahui seberapa besar pengaruh variabel harga X
1
, kualitas produk X
2
terhadap keputusan pembelian Ysebagai variabel terikat. Persamaan regresinya dalah sebagai berikut :
Y
1
= σ + b
1
X
1
+ b
2
X
2
+ e
Universitas Sumatera Utara
77
Analisis regresi linier berganda dalam penelitian ini menggunakan program SPSS versi 16.0 yang dapat dilihat pada tabel berikut ini:
Tabel 4.13
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.162
1.484 1.457
.148 Harga
.285 .134
.189 2.136
.035 Kualitas
.556 .099
.494 5.596
.000 a. Dependent Variable: Keputusan
Sumber: Hasil pengolahan data primer kuisioner, SPSS versi 16.0, 2011
Berdasarkan hasil pengolahan regresi berganda yang ditunjukkan dalam tabel 4.13, maka diperoleh hasil regresi linier berganda sebagai berikut :
Y
1
= 2.162 + 0.285X
1
+ 0.556X
2
+ e
a. Konstanta a = 2.162, ini menunjukkan harga konstan, dimana jika
variabel harga X
1
Dan Kualitas Harga X
2
= 0, Maka keputusan pembelian paket attack tetap sebesar 2.162.
b. Koefisien X
1
b
1
= 0.285, ini menunjukkan bahwa variabel harga berpengaruh secara positif terhadap keputusan pembelian paket attack,
atau dengan kata lain jika variabel harga semakin diperbaiki sebesar satu satuan maka keputusan pembelian akan bertambah sebesar 0.285.
c. Koefisien X
2
b
2
= 0.556, ini menunjukkan bahwa variabel kualitas berpengaruh secara positif terhadap keputusan pembelian paket attack,
atau dengan kata lain jika variabel kualitas semakin diperbaiki dan
Universitas Sumatera Utara
78
ditingkatkan sebesar satu satuan maka keputusan pembelian akan bertambah sebesar 0.556.
3. Uji Hipotesis
a. Uji F Uji Secara Serempak Simultan