4.2.2.2 Uji Heteroskedastisitas
Tujuan dari uji ini adalah untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari satu residual satu pengamatan ke pengamatan
lain.Jika varians dari satu residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitasnya, yaitu:
1. Metode grafik Dasar analisis ini adalah jika tidak ada pola yang jelas serta titik-titik
menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik yang
membentuk pola yang teratur maka mengindikasikan telah terjadi heteroskedastisiras. Hasil dari output SPSS untuk uji heteroskedastisitas
dengan metode grafik tampak pada gambar berikut:
Universitas Sumatera Utara
Gambar 4.3 Hasil Uji Heterokedastisitas
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedasitas pada model regresi
2. Uji Glesjer Glesjer mengusulkan untuk meregresi nilai absolut residual terhadap
variabel independen. Jika variabel independen signifikan secara statistic mempengaruhi variabel independen, maka ada indikasi terjadi
heteroskedasitas. Hasil dari output SPSS untuk uji heteroskedasitas dengan metode glejser
tampak pada tabel berikut :
Universitas Sumatera Utara
Tabel 4.7 Uji Glejser
Berdasarkan Tabel 4.7 bahwa tidak satu pun variabel independen yang signifikan secara statistik mempengaruhivariabel dependen absolute residual abs-
_res. Hal ini terlihat dari probabilitas signifikansinya Sig di atas tingkat kepercayaan 5 jadi hasil uji glejser sesuai dengan metode grafik bahwa pada
model regresi tidak terjadi heteroskedasitas.
4.2.2.3 Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antarvariabel independen. Model regresi yang baik seharusnya tidak
terjadi korelasi di antara variabel independen. Berikut ini disajikan cara mendeteksi multikolinearitas dengan menganalisis metrik korelasi antar variabel
independen dan perhitungan nilai Tolerance dan Variance Inflation Factor VIF pada Tabel 4.8 berikut :
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
1.930 1.021
1.891 .062
IklanTelevisi -.112
.064 -.217
-1.751 .083
SelebritiPendukung .014
.032 .057
.456 .650
a. Dependent Variable: ABSUT Sumber :Hasil Penelitian, 2015Data
Diolah
Universitas Sumatera Utara
Tabel 4.8 Hasil Uji Multikolinearitas
Berdasarkan Tabel 4.13 dapat dilihat bahwa : 1. Nilai VIF dari iklan televisi dan selebriti pendukung lebih kecil atau
dibawah 5 VIF5, ini berarti tidak terdapat multikolinearitas antar variabel independen dalam model regresi.
2. Nilai Tolerance dari iklan televisi dan selebriti pendukung lebih besar dari 0,1 Tolerance0,1, ini berarti tidak terdapat multikolinearitas antar
variabel independen dalam model regresi.
4.2.3 Analisis Statistik Analisis Regresi Berganda