54 atau 55.3 menyatakan setuju dan 21 responden atau 27.6 menyatakan
kurang setuju.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Tiga pendekatan yang digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal yaitu pendekatan
histogram, pendekatan grafik, dan pendekatan Kolmogorv-Smirnov. 1.
Pendekatan Histogram Pendekatan ini menganalisis grafik histogram di mana data yang baik
adalah data yang mempunyai pola berbentuk lonceng, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan
.
55
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2015
Gambar 4.3 Histogram
Grafik histogram pada Gambar 4.3 menunjukkan bahwa distribusi data yang berbentuk lonceng tidak menceng ke kiri atau menceng ke
kanan. Oleh karena itu, data dikatakan berdistribusi normal.
56 2.
Pendekatan Grafik Pendekatan ini melihat uji normalitas dengan melihat titik-titik di
sepanjang garis diagonal. Pada scatter plot, titik yang mengikuti data di sepanjang garis normal berarti data berdistribusi normal.
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2015
Gambar 4.4 Normal Probability Plots
Gambar 4.4 menunjukkan bahwa titik-titik yang ada mengikuti data di sepanjang garis diagonal. Oleh karena itu, data dikatakan berdistribusi normal.
57
3.
Pendekatan Kolmogrov-Smirnov Pendekatan ini memastikan data di sepanjang garis diagonal berdistribusi
normal dengan melihat data residualnya apakah berdistribusi normal atau tidak.
Tabel 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
76 Normal
Parameters
a
Mean .0000000
Std. Deviation .79587623
Most Extreme Differences
Absolute .122
Positive .071
Negative -.122
Kolmogorov-Smirnov Z 1.064
Asymp. Sig. 2-tailed .208
a. Test distribution is Normal. b. Calculated from data
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2015
Pada Tabel 4.8 terlihat bahwa nilai Asymp.Sig.2-tailed adalah 0,208 di mana angka ini di atas nilai signifikan 0.05 dan nilai Kolmogrov-Smirnov
lebih kecil dari 1,97. Dengan kata lain variabel residual berdistribusi normal
.
4.2.2.2 Uji Heteroskedastisitas
Ada dua cara untuk mendeteksi keberadaan heteroskedastisitas, yaitu metode informal Grafik Scatterplot dan metode formal Uji Glejser.
58
1.
Grafik Scatterplot Pada metode grafik, sumbu vertikal menjelaskan nilai prediksi
disturbance term error dan sumbu horisontal menjelaskan niai prediksi variabel regression
.
Gambar 4.5 Scatterplot
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2015
Gambar 4.5 Scatterplot di atas menunjukkan bahwa titik-titik yang ada menyebar secara acak, tersebar baik di atas maupun di bawah angka nol pada
sumbu Y dan tidak membentuk sebuah pola tertentu yang jelas. Oleh karena itu, model regresi dikatakan tidak mengalami heteroskedastisitas.
59
2.
Uji Glejser
Tabel 4.9 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardi zed Coefficients
t Sig
. B
Std. Error
Beta Constant
.303 .476
.63 6
.52 7
CITRA.MEREK .021
.030 .095
.71 4
.47 7
CITRA.PERUSAHA AN
-.004 .041
-.012 -
.092 .92
7 a. Dependent Variable: absut
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2015
Pada Tabel 4.9 terlihat bahwa tidak ada variabel bebas atau variabel independen yang signifikan secara statistik mempengaruhi variabel terikat
atau variabel dependen. Hal ini ditunjukkan dari nilai Sig. variabel-variabel bebas yang lebih besar dari nilai signifikan 0,05. Jadi, model regresi tidak
mengalami heteroskedastisitas.
4.2.2.3 Uji Multikolinieritas