distribusi datanya. Ada dua kriteria yang dapat digunakan dalam uji normalitas yaitu meliputi :
a. Analisis Grafik dan Kurva Probability plot P-Plot Distribusi normal jika data berbentuk garis lurus mendekati diagonal yang
dapat dilihat penyebaran data titik pada sumbu diagonal. b. Analisis Statistik Kolmogorov- Smirnov
Analisis Statistik non parametik Kolmogorov- Smirnov K-S, Uji K-S dilakukan dengan menghitung residual data distribusi normal. Suatu data
dikatakan normal jika besarnya niali dari K- S α =0,05. Ghozali 2011
menyebutkan jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas.
3.6.2.2. Uji Multikolinearitas
Menurut Ghozali 2011:105, multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Untuk mendeteksi ada atau tidaknya multikolinearitas didalam model regresi adalah sebagai berikut:
a. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual veriabel-variabel independen
banyak yang tidak signifikan mempengaruhi variabel dependen. b. Menganalisis matrik korelasi variabel-variabel independen. Jika antar
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90 maka hal ini merupakan indikasi adanya multikolinearitas.
c. Multikolinearitas dapat juga dilihat dari nilai tolerance dan variance
inflation model VIF.Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai cut off yang umum dipakai
untuk menunjukan adanya multikolinearitas adalah nilai tolerance ≤ 0.10
atau sama dengan nilai VIF ≥ 10.
3.6.2.3. Uji Heterokedastisitas
Menurut Ghozali 2011:139, uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas,
namun jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas.
Deteksi heteroskedastisitas dilakukan dengan menggunakan cara berikut: a. Analisis Grafik Scatter Plot
Model regresi yang baik dapat dilihat dari persebaran pola titik titik yang menyebar. Jika titik titik di Scatter plot menyebar maka tidak terjadi
heteroskedastisitas. b. Analisis Statistik gletser
Diteksi secara statistik gletser dapat menunjukan nilai signifikansi absolut masing masing variabel. Jika probabilitas signifikan 5 maka dapat
dinyatakan bahwa model regresi tidak terjadi heteroskedastisitas.
Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antar prediksi variabel dependen ZPRED
dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola titik pada grafik scatterplot antara
SRESID dan ZPRED, dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual yang telah di-standarized Ghozali, 2011.
3.6.3. Analisis Regresi Linier berganda
Analisisregresibergandadigunakanuntukmengetahui
besarnya
pengaruh masing
masing variabel
independen X
terhadap variabel
dependen Y. Dalam penelitian ini variabel independen terdiri dari green product, green
advertising, dan green branding. Sedangkan yang menjadi variabel dependen adalah loyalitas konsumen.
Dengan persamaan yang digunakan adalah sebagai berikut:
Y = b0 + b1X1 + b2X2 + b3X3 Keterangan :
Y = Loyalitas Konsumen
b0 = Konstanta
b1, b2, b3 = Koefisien regresi berganda
X1 = Variabel green product
X2 = Variabel green advertising
X3 = Variabel green branding
3.6.4. Uji Hipotesis
3.6.4.1. Uji Statistik t Uji Parsial
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan
variasi variabel dependen Ghozali, 2011:98. Dasar pengambilan keputusan untuk menerima dan menolak Ho
dan Ha adalah dengan menggunakan angka probabilitas signifikansi, yaitu: a. Apabila angka probabilitas signifikani 0.05, maka Ho
diterima dan Ha ditolak. b. Apabila angka probabilitas signifikansi 0.05, maka Ho
ditolak dan Ha diterima.
3.6.4.2. Uji Statistik F uji simultan
Uji Statistik F digunakan untuk menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model menpunyai
pengaruh secara bersama-sama terhadap variabel dependenterikat. Ghozali, 2011:98
Dasar pengambilan keputusan untuk menerima dan menolak Ho dan Ha Ghozali, 2011 adalah dengan menggunakan angka probabilitas
signifikansi, yaitu: a. Apabila probabilitas signifikansi hitung 0.05, maka Ho diterima
dan Ha ditolak.