79
mnjawab tidak setuju, 11 respdonden dengan presentase 18,3 menjawab ragu-ragu, 32 responden dengan presentase 53,3 menjawab setuju dan
11 responden dengan presentase 18,3 menjawab sangat setuju meatakan bahwa responden selalu mencari informasi baru tentang produk Tolak
Angin Cair.
C. Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah suatu model regresi, variabel pengganggu atau variabel residual memiliki distribusi
normal.Model data yang baik adalah berdistribusi normal atau mendekati normal Ghozali, 2011:160. Untuk melihat data berdistribusi normal
dapat dilakukan dengan memperhatikan normal probability plot pada scatter plot berdistribusi normal.
Gambar 4.1 Hasil Uji Normalitas
Sumber: Hasil Output SPSS Data Primer yang diolah 2016
80
Berdasarkan gambar 4.1 diatas dapat disimpulkan bahwa dalam grafik normal p-plot terlihat titik menyebar di sekitar garis diagonal,
dan penyebarannya tidak terlalu jauh atau melebar. Berarti dari grafik ini menunjukkan bahwa model regresi sesuai asumsi normalitas dan
layak digunakan. Selain dengan melihat grafik, normalitas data juga dapat
dilihat melalui uji statistik yaitu dengan uji statistik non-parametrik Kolmogrov-Smirnov pada alpha sebesar 5. Jika nilai signifikansi dari
pengujian Kolmogrov-Smirnov lebih besar dari 0,05 berarti data normal.
Tabel 4.35 Uji Normalitas Kologorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1,91839868
Most Extreme Differences Absolute
,102 Positive
,075 Negative
-,102 Kolmogorov-Smirnov Z
,791 Asymp. Sig. 2-tailed
,559 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Output SPSS data primer yang diolah,2016
Berdasarkan uji statistik normalitas pada tabel 4.33 di atas menunjukkan Kolmogrov-Smirnov sebesar 0.791 dan signifikansi pada
81
0.559 lebih besar dari 0,05, maka dapat disimpulkan bahwa data terdistribusi dengan normal.
2. Uji Multicolienaritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas independent. Uji multikolinieritas dapat dilihat dari nilai
tolerance dan Variance Inflation Factor VIF. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1Tolerance.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikilonieritas adalah nilai tolerance
≥ 0,10 atau sama dengan nilai VIF ≤ 10. Tingkat kolinieritas yang dapat ditolerir adalah nilai tolerance
0,10 atau sama dengan tingkat multikolinieritas 0,95 Ghozali, 2011: 105-106. Hasil uji multikolinieritas dapat dilihat pada tabel 4.35 :
Tabel 4.36 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
Constant 6,387
2,657 2,404
,020 CE
,130 ,043
,296 3,042
,004 ,873
1,146 IN
,397 ,068
,592 5,848
,000 ,806
1,241 KP
-,156 ,065
-,232 -2,422
,019 ,906
1,104 a. Dependent Variable: MB
Sumber : hasil output SPSS data primer yang telah diolah 2016
82
Berdasarkan data pada tabel 4.35 di atas dapat diketahui bahwa syarat untuk lolos dalam uji multikolinieritas sudah terpenuhi oleh seluruh
variabel independen yang ada, yaitu nilai tolerance yang lebih besar dari 0,10 dan nilai VIF Variance Inflation Factor yang tidak lebih dari 10.
Pada tabel di atas, nilai tolerance variabel bebas celebrity endorser sebesar sebesar 0.873, Iklan sebesar 0,806 dan Kualitas Produk sebesar 0,906.
Sedangkan nilai VIF variabel bebas celebrity endorser sebesar 1,146,Tujuan iklan sebesar 1,241 dan Kualitas Produk sebesar 1,104. Oleh
karena itu dapat disimpulkan bahwa tidak ada multikolonearitas antara variabel independen dalam model regresi.
3. Uji Heteroskedastisitas
