Pengujian Asumsi Klasik ANALISIS DAN PEMBAHASAN

responden menyatakan kurang setuju 42,5, 28 dua puluh delapan responden menyatakan setuju 38,4 dan 8 delapan responden menyatakan sangat setuju 11. 2. Melalui pertanyaan anda akan merekomendasikan BlackBerry kepada orang lain, 1 satu responden yang menyatakan sangat tidak setuju 1,4, 2 dua responden yang menyatakan tidak setuju 2,7, 24 dua puluh empat responden menyatakan kurang setuju 32,9, 42 empat puluh dua responden menyatakan setuju 57,5 dan 4 empat responden menyatakan sangat setuju 5,5. 3. Melalui pertanyaan anda lebih menyukai menggunakan handphone BlackBerry dari pada handphone merek lain, 3 tiga responden yang menyatakan sangat tidak setuju 4,1, 2 dua responden yang menyatakan tidak setuju 2,7, 28 dua puluh delapan responden menyatakan kurang setuju 38,4, 33 tiga puluh tiga responden menyatakan setuju 45,2 dan 7 tujuh responden menyatakan sangat setuju 9,6.

D. Pengujian Asumsi Klasik

Sebelum melakukan analisis regresi, agar di dapat perkiraan yang tidak bias dan efisien maka dilakukan pengujian asumsi klasik. Ada beberapa kriteria persyaratan asumsi klasik yang harus dipenuhi. Persyaratan asumsi klasik yang harus dipenuhi adalah : Universitas Sumatera Utara

a. Pengujian Normalitas

Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, Situmorang et al 2008 : 55. Uji normalitas dilakukan dengan menggunakan pendekatan kolmogrov smirnov. Dengan menggunakan tingkat signifikan 5 maka jika nilai Asymp.Sig. 2-tailed diatas nilai signifikan 5 artinya variabel residual berdistribusi normal, Situmorang et al 2008 : 62. Histogram Regression Standardized Residual 2 1 -1 -2 -3 Fr eq ue nc y 12.5 10.0 7.5 5.0 2.5 0.0 Sumber : hasil pengolahan SPSS 2010 Gambar 4.1 Histogram Interpretasi dari gambar 4.1, menunjukkan bahwa grafik histogram menunjukkan pola distribusi normal. Universitas Sumatera Utara Normal P-P Plot of Regression Standardized Residual Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E x p e c te d C u m P ro b 1.0 0.8 0.6 0.4 0.2 0.0 Sumber : hasil pengolahan SPSS 2010 Gambar 4.2 Normal P-P Plot of Regression Standardized Residual Pada Gambar 4.2 dapat dilihat bahwa data titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan gambar 4.2 maka dapat diambil kesimpulan bahwa telah memenuhi uji normalitas. Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Klomogrov Simornov 1 sample KS dengan melihat data residual apakah berdistribusi normal, situmorang, 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. Universitas Sumatera Utara Tabel 4.16 One-Sample Kolmogorov-Smirnov Test OneSample KolmogorovSmirnov Test 73 .0000000 1.34015889 .090 .072 -.090 .773 .589 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Dif ferences Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed Unstandardiz ed Residual a. Test distribution is Normal. b . Calculated from data. Sumber : hasil pengolahan SPSS 2010 Pada Tabel 4.16 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,589 dan diatas nilai signifikan 0,05, dengan demikian variabel residual berdistribusi normal.

b. Pengujian Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variance dari satu residual satu pengamatan kepengamatan lainnya. Jika variance dari satu residual satu pengamatan ke pengamatan lainnya tetap maka terjadi homoskedastisitas bila berbeda maka disemut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas, Situmorang et al 2008 : 65. 1. Model grafik Hipotesis : 1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas. Universitas Sumatera Utara 2. Jika diagram pencar yang ada tidak membentuk pola-pola tertentu yang teratur atau acak maka regresi tidak mengalami gangguan heteroskedastisitas. Regression Studentized Residual 2 1 -1 -2 -3 R e g re s s io n S ta n d a rd iz e d P re d ic te d V a lu e 2 1 -1 -2 -3 -4 Sumber: hasil pengolahan SPSS 2010 Gambar 4.3 Scatterplot Pada Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heteroskedastisitas.

c. Pengujian Multikolinearitas

Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Varience Inflation Factor melalui program SPSS 15,0. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independent lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi multikolinearitas, Situmorang et al 2008 : 104. Scatterplot Universitas Sumatera Utara Tabel 4.17 Coefficientsa Model Collinearity Statistics Tolerance VIF 1 Constant SENSE ,446 2,244 FEEL ,550 1,817 THINK ,574 1,743 ACT ,383 2,613 RELATE ,840 1,190 a Dependent Variable: Keputusan Konsumen Sumber : hasil pengolahan SPSS 2010 Pada Tabel 4.17 menjelaskan mengenai besarnya VIF untuk masing- masing variabel bebas. Semua variabel bebas mempunyai nilai VIF 5, sehingga dapat disimpulkan bahwa masalah multikolinearitas tidak ada.

E. Analisis Regresi Berganda