Analisis dan Pembahasan .1 Uji Asumsi Klasik Normalitas Uji Autokorelasi Multikolinieritas

Tabel 4.9 Hasil Uji Reliabilitas Variabel R Alpha alpha cronbach’s Hasil kebudayaan X 1 0,865 0,6 Realiable Sosial X 2 0,634 0,6 Realiable Pribadi X 3 0,732 0,6 Realiable Psikologis X 4 0,795 0,6 Realiable Keputusan Membeli Y 0,631 0,6 Realiable Sumber : Lampiran 3 Hasil penilaian terhadap reliabilitas dari semua variabel bebas menunjukan nilai yang lebih besar dari 0,6, sehingga dapat disimpulkan seluruh variabel bebas dalam penelitian ini reliable. Sehingga kuisioner digunakan untuk analisis selanjutnya. 4.4 Analisis dan Pembahasan 4.4.1 Uji Asumsi Klasik Beberapa uji asumsi klasik yang harus dipenuhi adalah multikolinieritas, heteroskedastisitas dan normalitas :

a. Normalitas

Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel bebas independent variabel dan variabel terikat dependent variabel mempunyai distribusi noemal atau tidak. Model regresi yang baik adalah mempunyai distribusi data normal atau mendekati normal. Uji normalitas dapat dilihat dari grafik normal P-P plot, dimana bila titik-titik yang menyebar di sekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal, maka data tersebut dikatakan normal. Berikut ini grafik normal P – Plot normalitas data atas penelitian : Gambar 4.1 Normal P-P Plot of Regression S Dependent Variable: Y Observed Cum Prob 1,0 ,8 ,5 ,3 0,0 Ex p e c te d C u m Pr o b 1,0 ,8 ,5 ,3 0,0 . Sumber : lampiran 4 Pada uji normalitas gambar grafik 4.1, P-P plot menunjukkan bahwa tiitk-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data yang diperoleh dalam penelitian ini berdistribusi normal .

b. Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t- 1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengujian autokorelasi dapat dilihat melalui angka Durbin-Watson pada tabel 4.10 berikut ini : Tabel 4.10 Hasil Durbin-Watson Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change ,90175 ,450 9,195 4 45 ,000 2,089 sumber : lampiran 4 Berdasarkan tabel 4.10 diatas, dapat dilihat bahwa angka Durbin-Watson sebesar +2.089 atau berada diantara -4 sampai dengan +4. Hal ini berarti model regresi tersebut tidak terdapat masalah autokorelasi.

c. Multikolinieritas

Uji Multikolinieritas pada penelitian ini digunakan untuk mendeteksi adanya gejala Multikolinieritas dalam pengujian keeratan hubungan antar variabel bebas, tercermin dari Coefficient. Hal ini tampak pada nilai tolerance dan Variance Inflation Factor VIF untuk setiap variabel bebas. Jila nilai tolerance lebih dari 0,10 dan nilai kurang dari 10, artinya menunjukan tidak terdapat korelasi antar satu variabel bebas . Tabel 4.11 Nilai VIF Variance Inflation Factor Model Correlations Collinearity Statistics Zero-order Partial Part Tolerance VIF 1 Constant X1 ,428 ,445 ,368 ,945 1,058 X2 ,137 ,243 ,186 ,978 1,022 X3 ,197 ,336 ,265 ,975 1,026 X4 ,494 ,487 ,414 ,958 1,044 Sumber : Lampiran 4 Berdasarkan hasil perhitungan menunjukan bahwa nilai Variance Inflation factor VIF dari semua variabel bebas yang meliputi : Kebudayaan X 1 , Sosial X 2 , Pribadi X 3 dan Psikologis X 4 memperlihatkan nilai yang kurang dari 10. Ini berarti persoalan Multikolinieritas di antara semua variabel bebas dapat ditolerir atau tidak terdapat adanya gejala Multikolinieritas.

d. Heterokedastisitas