55 dapat diuji dengan menganalisis konsistensi butir-butir yang ada pada
instrumen dengan teknik tertentu. Syofian Siregar 2010 : 162 Uji reliabilitas sebenarnya adalah alat ukur untuk mengukur suatu
kuisoner yang merupakan indikator dari variabel atau konstruk. Suatu kuisoner dikatakan reliabel atau handal jika jawaban seseorang terhadap
pernyataan adalah konsisten atau stabil dari waktu ke waktu. Imam Ghozali 2011:47. Menurut Sugiono 2000:110 reliabel adalah instrumen
yang digunakan beberapa kali untuk mengukur obyek yang sama, akan menghasilkan data yang sama. Alat ukur panjang dari karet adalah contoh
instrumen yang tidak reliabel atau konsisten.
2. Analisis Regresi Berganda
Analisis regresi berganda merupakan regresi linier dengan menggunakan sebuah variabel terikat Y dihubungkan dengan dua atau
lebih variabel bebas X
1,
X
2
persamaan dari regresi linier berganda adalah sebagai berikut :
Y= a + b
1
x
1 +
b
2
x
2 +
b
3
x
3 +
b
4
x
4 +
e
Keterangan : Y
= keputusan pembelian a
= bilangan konstanta b
= koefisien regresi X
1
= Kualitas produk X
2
= Promosi X
3
= Kepercayaan merek X
4
= Kepuasan konsumen e
= Error Menurut Agus Widarjono 2010:16 ada dua pendekatan di dalam
mengestimasi persamaan regresi berganda, yaitu :
56 1. Secara menyeluruh simultan. Metode ini dilakukan dengan
memasukan semua variabel independen kemudian baru dievaluasi variabel independen mana yang berpengaruh signifikan terhadap
variabel dependen. 2. Secara bertahap stepwise. Metode ini dilakukan dengan menyeleksi
secara otomatis hanya dengan varibel-variabel independen yang berpengaruh terhadap variabel dependen.
3. Uji Asumsi Klasik
Sebelum pengujian hipotesis, juga diuji apakah terdapat penyimpanan asumsi klasik, diantaranya :
a. Uji Normalitas data Menurut Imam Ghozali 2011:160. Uji normalitas data bertujuan
untuk menguji apakah dalam model regresi, variable atau penganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t
dan F mengansumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak
valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis
grafik dan uji statistik. 1. Analisis grafik adalah salah satu cara termudah untuk melihat
normalitas residual adalah dengan melihat garis histogram yang membandingkan antara data observasi dengan distribusi yang
mendekati distribusi norrmal. Namun uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal,
padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan
57 dilengkapi dengan uji statistik.
2. Analisis statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametik Kolmogorov-
Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis: H0: Data residual berdistribusi normal
Ha: Data residual tidak berdistribusi normal. b. Multikoloneritas
Menurut Imam Ghozali 2011:105. Uji multikoloneritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen
saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel orthogonal adalah variabel independen yang nilaikorelasi antar sesame
variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikoloneritas didalam model regresi adalah sebagai
berikut: 1 Nilai R2 yang dihasilkan oleh suatu estimasi model regresi
empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi
varibel dependen. 2 Menganalisis matrik korelasi variabel-variabel independen.
Jika antar independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi
adanya multikoloneritas.
58 3 Multikoloneritas dapat juga dilihat dari 1 nilai tolerance dan
lawanya 2 variance inflation factor VIF. kedua ukuran ini menunujukan setiap varibel independen manakah yang
dijelaskan oleh varibel independen lainya. Dalam pengertian sederhana setiap variabel independen menjadi variabel
dependen. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1tolerance. Nilai yang umum dipakai
untuk menujukan adanya multikoloneritas adalah nilai Tolerance
≤ 0.10 atau sama dengan VIF ≥ 10. c. Autokorelasi
Menurut Imam Ghozali 2011:110. Uji autokorelasi bertujuan untuk apakah dalam model regresi linier ada korelasi antara kesalahan
penganggu pada priode t dengan kesalahan penganggu pada priode t-1 sebelumnya. Jika terjadi korelasi maka dinmakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu yang berkaitan satu sama lainya. Masalah ini timbul
karena residual kesalahan penganggu tidak bebas dari satu observasi ke observasi lainya. Hal ini sring ditemukan pada data runtut waktu
time series karena “gangguan” pada seorang individu atau kelompok
cenderung mempengaruhi “gangguan” pada individu atau kelompok yang sama pada priode berikutnya. Ada beberapa cara yang dapat
digunakan untuk mendeteksi ada atau tidaknya autokrelasi. 1 Uji Durbin-Watson DW test hanya digunakan untuk autokorelasi
tingkat satu first order autocorrelation dan mensyaratkan adanya
