86 Berdasarkan Tabel 4.12 diketahui bahwa nilai Asymp.Sig. 2 tailed adalah
0.890 dan di atas nilai signifikan 0.05, dengan kata lain variabel residual berdistribusi normal. Nilai Kolmogorov-Smirnov Z lebih kecil dari 1,97
berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau dengan kata lain data dikatakan normal.
4.2.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas juga pada prinsipnya ingin menguji apakah sebuah grup mempunyai varian yang sama di antara anggota grup tersebut. Jika
varian sama, dan ini seharusnya terjadi maka dikatakan ada homoskedastisitas. Sedangkan jika varian tidak sama dikatakan terjadi heteroskedastisitas
Situmorang dan Lufti, 2012:108. Untuk mendeteksi keberadaan heteroskedastisitas dapat dilakukan dengan metode informal yaitu melalui
pendekatan grafik dan metode formal yaitu dengan uji statistik yang salah satunya melalui uji Glejser.
1. Pendekatan Grafik
Melalui pendekatan grafik, hasil pengolahan dapat dilihat pada Gambar 4.5 dibawah ini:
87
Sumber: Hasil Penelitian, 2015 data diolah Gambar 4.5
Hasil Uji Heteroskedastisitas
Dari grafik scatterplot yang disajikan pada Gambar 4.5 dapat dilihat titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka nol
pada sumbu Y, dan tidak seperti membentuk sebuah pola tertentu. Hal ini berarti bahwa tidak terjadi heteroskedastisitas pada model regresi.
2. Pendekatan Statistik
Pendekatan statistik dapat dilakukan melalui Uji Glejser. Hasil pengolahannya dapat dilihat pada tabel berikut:
88
Tabel 4.11 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.793 .841
2.133 .036
Bentuk -.039
.061 -.079
-.634 .528
Keistimewaan -.024
.054 -.061
-.439 .662
Kualtas Kinerja
.000 .063
.000 -.004
.997 Daya Tahan
-.033 .047
-.084 -.700
.486 Promosi
.030 .062
.055 .477
.634 a. Dependent Variable: absut
Sumber: Hasil Penelitian, 2015 data diolah
Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Dari Tabel 4.11
diatas dapat dilhat signifikansi variabel bebas lebih besar dari 0,05 maka tidak mengalami gangguan heteroskedastisitas.
4.2.2.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi
antar variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.12 berikut:
89
Tabel 4.12 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -.071
1.369 -.052
.959 Bentuk
.144 .100
.128 1.449
.151 .702
1.425 Keistimewaan
.092 .087
.105 1.055
.294 .557
1.796 Kualtas Kinerja
.366 .102
.338 3.576
.001 .616
1.623 Daya Tahan
.242 .076
.270 3.173
.002 .760
1.316 Promosi
.164 .101
.133 1.622
.108 .822
1.216 a. Dependent Variable: Brand Image
Sumber: Hasil Penelitian, 2015 data diolah
Multikolinearitas dapat dilihat dari nilai Tolerance dan Variance Inflation Factor VIF kedua ukuran ini menunjukkan setiap variabel independen
manakah yang dijelaskan oleh variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai
untuk menunjukkan adanya multikolinearitas adalah Tolerance 0,1 sedangkan VIF 5. Pada Tabel 4.12 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0.1,
maka tidak terdapat masalah multikolinearitas dalam penelitian ini.
4.2.3 Uji Regresi Linear Berganda
