82
2. Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varians
sama, dan ini yang seharusnya terjadi maka dikatakan ada homoskedastisitas. Sedangkan jika varians tidak sama maka dikatakan terjadi heteroskedastisitas.
Alat untuk menguji heteroskedatisitas bisa dibagi dua, yakni dengan alat analisis grafik atau dengan alat residual yang berupa statistik yang salah satunya adalah
melalui uji Glejser.
a. Pendekatan Grafik
Melalui pendekatan grafik, hasil pengolahan dapat dilihat pada gambar dibawah ini:
Gambar 4.4 Scatterplot
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 20.00,2014
Pengambilan Keputusan
Dari grafik Scatterplot yang disajikan dapat dilihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas
Universitas Sumatera Utara
83 maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi dapat dipakai
untuk memprediksikap konsumen berdasarkan masukan variabel independennya.
Melalui pendekatan grafik, hasil pengolahan dapat dilihat pada gambar dibawah ini:
b. Pendekatan Statistik
Melalui pendekatan statistik yang dilakukan melalui uji Glejser. Hasil pengolahannya dapat dilihat pada tabel 4.11 berikut ini:
Tabel 4.11 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1,786 ,802
2,227 ,028 Kualitas
-,052 ,049 -,150
-1,069 ,288 Fitur
,015 ,066 ,033 ,221 ,826 Rancangan -,013 ,066
-,025 -,204 ,839
a. Dependent Variable: absut
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 20.00,2014 Pengambilan keputusan:
Hasil tampilan output menunjukkan tidak satupun dari variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut.
Hal ini terlihat dari propabilitas signifikansinya di atas tingkat kepercayaan 5, jadi disimpulkan model regresi tidak mengarah adanya heterokedastisitas.
Universitas Sumatera Utara
84
3. Pengujian Multikolinearitas
Pengujian multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Istilah kolinearitas ganda
multicolinearity diciptakan oleh Ragner Frish didalam bukunya: Statistical Confluence Analysis By Means Of Complete Regression Systems. Aslinya istilah
itu berarti adanya hubungan linear yang sempurna atau eksak perfect of exact diantara variabel-variabel bebas dalam model regresi. Istilah kolinearitas sendiri
berarti hubungan linear tunggal single linear relationship, sedangkan kolinearitas ganda multicolinearity menunjukkan adanya lebih dari satu hubungan linear
yang sempurna. Hasil pengolahan dapat dilihat pada tabel berikut ini:
Tabel 4.12 Multikolinearitas
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 20.00,2014
Pengambilan Keputusan: •
VIF ˃5 diduga mempunyai persoalan multikolinearitas.
• VIF
˂5 Maka tidak terdapat Multikolinearitas. •
Tolerance ˂0,1 maka diduga mempunyai persoalan multikolinearitas.
• Tolerance
˃0,1 Maka tidak terdapat multikolinearitas. Hasil Pengujian:
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
,603 1,266
,477 ,635 Kualitas
,252 ,077 ,323 3,259 ,002 ,539
1,854 Fitur
,175 ,104 ,174 1,678 ,097 ,490
2,042 Rancangan ,449 ,104 ,367
4,296 ,000 ,723 1,383
a. Dependent Variable: Sikap
Universitas Sumatera Utara
85 Pada tabel 4.12 dapat dilihat bahwa nilai tolerancenya
˃0,1 dan nilai VIF
˂5 maka tidak ditemukan masalah multikolinearitas dalam penelitian ini.
4.2.3.2 Analisis Regresi Linear Substruktur 1
Regresi Linear ditujukan untuk menentukan hubungan linear antar variabel bebas yang biasa disebut X
1
,X
2
,X
3
Y dan seterusnya dengan variabel terikat yang biasa
disebut Y. Persamaan regresinya adalah sebagai berikut:
1
= a+b
1
X
1
+ b
2
X
2
+b
3
X
3
Analisis regresi linear dalam penelitian ini menggunakan program spss versi 20.00 yang dapat dilihat pada tabel berikut ini:
+e
Tabel 4.13 Analisis Regresi Linear Untuk Y
1
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .603
1.266 .477
.635 Kualitas
.252 .077
.323 3.259
.002 Fitur
.175 .104
.174 1.678
.097 Rancangan
.449 .104
.367 4.296
.000 a. Dependent Variable: sikap
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 20.00,2014
Berdasarkan hasil pengolahan regresi linear yang ditunjukkan dalam tabel maka diperoleh hasil regresi berganda sebagai berikut:
Y
1
=0,603+0,252X
1
+0,175X
2
+0,449X
3
a. Konstanta a=0,603 ini menunjukkan harga konstan, dimana jika variabel
KualitasX +e
1
, FiturX
2
, RancanganX
3
=0, maka sikap konsumen sabun pencuci piring sunlight tetap sebesar 0,603.
Universitas Sumatera Utara
86 b.
Koefisien X
1
b
1
c. Koefisien X2b2= 0,175, hal ini menunjukkan bahwa variabel Fitur
berpengaruh positif kepada sikap konsumen sabun pencuci piring sunlight, atau dengan kata lain apabila variabel fitur semakin ditingkatkan
sebesar satu satuan maka sikap konsumen akan naik sebesar 0,175. =0,252, hal ini menunjukkan bahwa variabel kualitas
berpengaruh secara positif terhadap sikap konsumen sabun pencuci piring sunlight, atau dengan kata lain jika variabel kualitas semakin diperbaiki
dan ditingkatkan sebesar satu satuan maka sikap konsumen akan bertambah sebesar 0,252.
d. Koefisien X3b3= 0,449 hal ini menunjukkan bahwa variabel rancangan
berpengaruh positif kepada sikap konsumen sabun pencuci piring sunlight, atau dengan kata lain apabila variabel rancangan ditingkatkan sebesar satu
satuan maka sikap konsumen sabun pencuci piring sunlight akan naik sebesar 0,449
4.2.3.3 Uji Hipotesis Sub Struktur I
a. Identifikasi determinan R
Kategori