Pengolahan Data Data Deskriptif

Hasil pengujian heteroskedastisitas menunjukkan tidak ada pola tertentu, serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi homoskedastisitas.

4. Uji Autokorelasi

Uji autokorelasi berguna untuk mengetahui apakah dalam sebuah model regresi linier terdapat hubungan yang kuat baik positif maupun negatif antar data yang ada pada variabel-variabel penelitian. Jika telah terjadi autokorelasi, perlu diupayakan agar tidak terjadi autokorelasi. Tabel 4.11. Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .774 a .598 .590 1.53445 1.936 a. Predictors: Constant, X2, X1 b. Dependent Variable: Y Nilai Durbin-Watson 2,313, nilai ini akan kita bandingkan dengan nilai tabel signifikansi 5, jumlah sampel 100 n dan jumlah variabel independen 2, maka diperoleh nilai dU 1,7152. Nilai Durbin-Watson 2,313 lebih besar dari batas atas dU yakni 1,7152 dan kurang dari 4 – du = 4 – 1,7152 = 2,2848, dapat disimpulkan bahwa tidak terdapat autokorelasi.

E. Uji Hipotesis 1. Analisis Regresi Linier

Penelitian ini menggunakan analisis regresi linier untuk pembuktian hipotesis penelitian. Analisis ini akan menggunakan input berdasarkan data yang diperoleh dari kuesioner. Perhitungan statistik dalam analisis regresi linier berganda yang digunakan dalam penelitian ini adalah dengan menggunakan bantuan program komputer SPSS. Hasil pengolahan data dengan menggunakan program SPSS diringkas sebagai berikut. Tabel 4.12 Hasil analisis regresi linier berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.693 1.062 1.595 .114 X1 .409 .096 .353 4.258 .000 X2 .401 .076 .440 5.306 .000 a. Dependent Variable: Y Model persamaan regresi yang dapat dituliskan dari hasil tersebut dalam bentuk persamaan regresi bentuk standard adalah sebagai berikut : Y = 0,353X 1 + 0,440 X 2 +  Persamaan regresi tersebut dapat dijelaskan sebagai berikut : a. Koefisien regresi variabel X 1 atribut produk diperoleh dengan tanda koefisien positif. Hal ini berarti bahwa atribut prudk yang lebih baik akan meningkatkan minat beli konsumen. b. Koefisien regresi variabel X 2 kepercayaan konsumen diperoleh dengan tanda koefisien positif. Hal ini berarti bahwa kepercayaan konsumen yang lebih baik akan meningkatkan minat beli konsumen.

2. Uji F Simultan

Kemaknaan pengaruh kedua prediktor sebagaimana pada model tersebut selanjutnya dibuktikan dengan pengujian secara bersama-sama dengan uji F sebagai berikut: Tabel 4.13. Hasil Uji F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 174.097 2 87.048 38.574 .000 a Residual 218.893 97 2.257 Total 392.990 99 a. Predictors: Constant, X2, X1 b. Dependent Variable: Y Dalam tabel terlihat nilai Sig sebesar 0,000 a yang masih dibawah alpha sebesar 0,05, artinya semua obyek yang diamati 100 responden sesuai dengan model yang ditetapkan. Jadi 100 responden yang menjadi obyek amatan menjelaskan bahwa hipotesis “Ada pengaruh secara bersama- sama antara atribut produk X 1 dan kepercayaan konsumen X 2 mempengaruhi niat beli konsumen Y asuransi syariah PT. Asuransi Takaful Umum di Kota Cilegon ” diterima.

3. Uji t

Setelah mengetahui pengaruh secara bersama-sama, selanjutnya menganalisis bagaimana pengaruhnya secara parsial untuk mencari informasi dari keseluruhan variabel bebas, variabel mana yang pengaruhnya paling dominan atau paling besar. Tabel 4.14 Hasil Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.693 1.062 1.595 .114 X1 .409 .096 .353 4.258 .000 X2 .401 .076 .440 5.306 .000 a. Dependent Variable: Y