64
a. Jika nilai koefisien reliabilitas 0,6 maka instrumen dinyatakan reliabel
atau dapat dipercaya. b.
Jika nilai koefisien reliabilitas 0,6 maka instrumen dinyatakan tidak reliabel atau tidak dapat dipercaya.
Tabel 4.13 Hasil Uji Reliabilitas
Variabel
Cronbachs Alpha
Keterangan Gaya Hidup X1
0,762 Reliabel
Harga X2 0,606
Reliabel Kelompok Referensi X3
0,790 Reliabel
Keputusan Pembelian Y1 0,793
Reliabel
Sumber : Data Primer dengan Pengolahan SPSS 21 2016 Berdasarkan tabel 4.13 dapat diketahui bahwa nilai
cronbach’s alpha seluruh variabel lebih besar dari 0,6. Dengan demikian, maka hasil uji reliabilitas
terhadap variabel gaya hidup, harga, kelompok referensi dan keputusan pembelian dapat dipercaya atau reliabel.
4.3.2 Uji Asumsi Klasik
4.3.2.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pada penelitian ini digunakan
dua cara untuk mengetahui apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik plot dan pendekatan Kolmogrov Smirnov. Uji
normalitas dengan menggunakan grafik plot atau Normal P-P Plot of Regresion Standardized Residual yaitu jika data menyebar disekitar garis dan mengikuti arah
garis diagonal maka data berdistribusi normal dan uji normalitas dengan menggunakan pendekatan Kolmogrov Smirnov yaitu apabila pada tingkat
Universitas Sumatera Utara
65
signifikan 5, nilai Asymp.Sig 2-tailed lebih besar dari 5 berarti bahwa variabel residual berdistribusi normal.
Gambar 4.1 Normal Probability Plot
Sumber : Data Primer dengan Pengolahan SPSS 21 2016
Pada gambar P-Plot gambar 4.1 terlihat titik-titik mengikuti dan mendekati garis diagonalnya sehingga dapat disimpulkan bahwa data berdistribusi
normal.
Tabel 4.14 Hasil Uji Normalitas Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 97
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 1,85566879
Most Extreme Differences Absolute
,050 Positive
,046 Negative
-,050 Kolmogorov-Smirnov Z
,495 Asymp. Sig. 2-tailed
,967 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data Primer dengan Pengolahan SPSS 21 2016
Universitas Sumatera Utara
66
Pada uji normalitas Kolmogrov Smirnov apabila pada tingkat signifikan 5, nilai Asymp.Sig 2-tailed lebih besar dari 5 berarti bahwa variabel residual
berdistribusi normal, dan berdasarkan tabel 4.14 diketahui bahwa nilai Asymp.Sig adalah sebesar 0,967. Dengan demikian, dapat disimpulkan bahwa data pada
penelitian ini berdistribusi normal.
4.3.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Pada penelitian ini
digunakan dua cara untuk mendeteksi ada atau tidaknya heteroskodastisitas yaitu dengan uji heteroskedastisitas dengan grafik Scatterplot dan uji Glejser.
Gambar 4.2 Hasil Uji Heteroskedastisitas dengan Scatterplot
Sumber : Data Primer dengan Pengolahan SPSS 21 2016 Berdasarkan grafik Scatterplot gambar 4.2 terlihat bahwa titik-titik
menyebar dan tidak membentuk pola tertentu yang jelas. Sehingga dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas. Selain uji
Universitas Sumatera Utara
67
Scatterplot pada penelitian ini akan digunakan juga uji heteroskedastisitas dengan uji Glejser.
Tabel 4.15 Hasil Uji Heteroskedastisitas dengan Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta
1 Constant
1,409 ,994
1,418 ,159
X1 -,014
,035 -,044
-,386 ,700
X2 ,061
,071 ,103
,866 ,388
X3 -,032
,033 -,105
-,956 ,342
a. Dependent Variable: RES2
Sumber : Data Primer dengan Pengolahan SPSS 21 2016 Pada uji heteroskedastisitas dengan menggunakan uji Glejser, apabila
probabilitas signifikannya di atas tingkat kepercayaan 5 0,05 dapat
disimpulkan bahwa model regresi tidak mengarah adanya heteroskedastisitas.
Berdasarkan tabel 4.15 diketahui bahwa seluruh variabel tidak mengarah adanya heteroskedastisitas, karena nilai masing-masing probabilitas signifikan tiap
variabel 0,700, 0,388, 0,342 lebih besar dari 5 0,05.
4.3.2.3 Uji Multikolinearitas
