44
Selain menggunakan teori diatas sebagai landasan uji normalitas yang digunakan dalam penelitian ini juga menggunakan uji Kolmogorov-
Smirnov untuk menguji sesuai goodness of fit. Dalam hal ini yang diperhatikan adalah tingkat kesesuaian antara distribusi nilai sampel
observasi dengan distribusi teoritis tertentu normal, uniform, eksponensial atau poisson. Jadi hipotesis statistiknya adalah bahwa
distribusi frekuensi hasil pengamatan bersesuaian dengan distribusi frekuensi harapan teoritis Tim penelitian dan pengembangan Wahana
Komputer, 2006. Adapun hipotesisnya: H
: Fx = F0x, dengan Fx adalah fungsi distribusi frekuensi hasil
pengamatan, dan F0x adalah distribusi frekuensi harapan teoritis dalam artian populasi berdistribusi normal.
H
1
: Fx ≠ F0x atau distribusi populasi tidak normal
Pengambilan keputusan berdasarkan probabilitas dengan α = 0,05 :
Jika probabilitas 0,05 , maka H0 diterima Jika probabilitas 0,05 , maka H1 ditolak
3. Uji Asumsi Klasik Regresi Berganda
Model regresi berganda dapat dikatakan sebagai model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari
asumsi klasik statistik, baik itu multikoliniearitas dan heteroskedastisitas.
a. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel bebas independen. Adanya
45
hubungan linear yang sempurna atau eksak diantara variabel bebas dalam model regresi. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi diantara variabel bebas, maka variabel-variabel ini tidak othogonal.
Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol.
Menurut Bhuono, 2005:59, mendeteksi multikolinieritas pada suatu model dapat dilihat dari beberapa variabel dependen.
1 Jika nilai Varians Inflation Faktor VIF tidak lebih dari 10 dan tolerande tidak kurang dari 0,1 maka model dapat dikatakan
terbebas dari multikolinieritas VIF = 1Tolerance, jika VIF = 10 maka tolerance = 110 = 0,1 semakin tinggi VIF maka semakin
rendah tolerance. 2 Jika nilai koefisien korelasi antar masing-masing variabel
independent kurang dari 0,70. Maka model dinyatakan bebas dari asumsi klasik multikolinearitas.
3 Jika nilai koefisien determinan R-Square diatas 0,6 namun tak ada variabel independent yang berpengaruh terhadap variabel
dependen maka model terkena multikolinearitas.
b. Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain.
46
Asumsi heteroskedastisitas ialah apabila variasi dari faktor pengganggu selalu sama pada data pengamatan yang satu ke data
pengamatan yang lain. Jika ciri ini terpengaruhi, berarti variasi faktor pengganggu pada kelompok data tersebut bersifat homoskedastik. Jika
asumsi itu tidak dapat dipenuhi, maka dapat dikatakan terjadi penyimpangan. Penyimpangan terhadap faktor pengganggu sedemikian
itu disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastis dan tidak terjadi heteroskedastisitas.
Menurut Bhuono, 2005 : 63 untuk mengetahui ada tidaknya heteroskedastisitas ada beberapa cara yaitu:
1 Melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan
residualnya SRESID.
Deteksi ada
tidaknya heteroskedastisitas dengan melihat antara SPRESID dan ZPRED
dimana sumbu Y adalah yang diprediksi dan sumbu adalah residual.
2 Dasar analisis jika ada pola tertentu seperti titik-titik yang
membentuk pola yang teratur bergelombang, melebar, kemudian menyempit
maka mengindikasikan
telah terjadi
heteroskedastisitas. Jika tidak ada pola yang jelas secara titik-titik menyebar diatas dan dibawah titik origin pada sumbu y, maka tidak
terjadi heterokedastisitas.
47 4.
Analisis Regresi Linier Berganda
Analisis regresi linier berganda yaitu suatu analisis yang digunakan untuk mengetahui seberapa jauh hubungan antara variabel bebas dan
variable terikat. Teknik analisis ini bertujuan untuk mengetahui seberapa besar pengaruh dari Promosi Penjualan dan Respon Emosi terhadap
Perilaku Pembelian Impulsif. Untuk mengetahui bagaimana Promosi Penjualan dan Respon Emosi
dapat berpengaruh terhadap Perilaku Pembelian Impulsif dilakukan dengan menggunakan skala likert R.A, 1932 dengan mengembangkan
prosedur penskalaan yang mewakili suatu kontinum bipolar. Pada ujung sebelah kiri angka yang rendah menunjukan suatu jawaban yang negatif,
sedangkan ujung sebelah kanan angkaan besar menunjukan suatu jawaban yang positif . dengan keterangan sebagai berikut :
Tabel. 3.1 Skala Likert
Sangat Setuju SS
Setuju S
Ragu R
Tidak Setuju
TS Sangat tidak
Setuju STS
5 4
3 2
1
Selanjutnya data diperoleh dengan menggunakan koesioner dan hasilnya akan dipresentasikan dalam bentuk tabel. Hasil dalam tabel
dianalisis berdasarkan variabel promosi penjualan dan respon emosi yang selanjutnya dapat dilihat pengaruhnya terhadap keputusan
pembelian.
48
Setelah dilakukan perhitungan dengan koesioner pengolahan data kuantitatif. Selanjutnya dilakukan pengujian analisis regresi linier
berganda dengan menggunakan SPSS 16.0. Analisis ini dianggap tepat sebagai metode analisis penelitian karena dapat diketahui hubungan
yang terjadi antara dua variabel, yaitu variabel independent dan variabel dependen.
Regresi linier berganda ini didasarkan pada 2 variabel independen yaitu ; Promosi Penjualan X
1
dan Respon Emosi X
2
sedangkan untuk variabel dependen dari analisis ini adalah Perilaku Pembelian Impulsif Y. Di mana persamaan umum dari regresi linier
berganda adalah :
Ŷ = a + b
1
X
1
+ b
2
X
2
Ŷ = Subjek dalam variabel dependen promosi penjualan a = Konstanta nilai tetap pada saat nilai variabel bebas X = 0
b = Angka arah atau koefisien regresi, yang menunjukan angka peningkatan ataupun penurunan variabel dependen yang
didasarkan pada variable independent . bila b + maka naik, dan bila - maka terjadi penuruanan.
5. Koefisien Determinasi