Grafik 4.2 diatas menunjukan bahwa titik-titik data terkumpul di sekitar garis lurus. Ini berarti data-data yang diuji dalam penelitian ini
berdistribusi normal, sehingga asumsi normalitas terpenuhi.
4.4.2 Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antara variabel bebas independent. Menguji
adanya multikolinieritas dapat dilihat dari nilai VIF Variance Inflation Factor. Jika nilai VIF lebih kecil dari 10, maka variabel tersebut tidak
memiliki persoalan dengan multikolinieritas. Hasil perhitungan nilai VIF Variance Inflation Factor dan matrik korelasi dari variabel independen
dapat dilihat pada tabel berikut ini :
Tabel 4.10 Nilai Variance Inflation Variabel Bebas
Variabel Nilai VIF
Produk X
1
1,837 Harga X
2
1,010 Promosi X
3
1,841
Hasil perhitungan multikolinieritas dengan melihat nilai VIF, dapat diketahui bahwa untuk semua variabel mempunyai nilai VIF di bawah
angka 10, sehingga hasil uji multikoliniertitas menunjukan tidak adanya multikolinieritas antar variabel bebas, karena nilai VIF dibawah angka 10.
4.4.3 Heterokedastisitas
Hasil perhitungan korelasi Rho Sperman variabel bebas dengan variabel residu ditunjukan dalam tabel 4.11 berikut :
Tabel 4.11 Uji Heterokedastisitas variabel bebas dengan variabel residu
Variabel Bebas Signifikansi
Keterangan Produk X
1
--- Residual 0,911
Tidak signifikan Harga X
2
--- Residual 0,864
Tidak signifikan Promosi X
3
--- Residual 0,934
Tidak signifikan Sumber : Lampiran 6, diolah
Dari tabel 1.9 diketahui nilai signifikansi menunjukan angka ditas 5 yang berarti tidak terjadi heterokedastisitas pada data-data yang
digunakan untuk mengetimasi model. Dengan demikian asumsi tidak terjadi heterokedastisitas terpenuhi.
4.4.4 Autokorelasi
Uji autokorelasi adalah untuk melihat apakah antara anggota pengamatan dalam variabel-variabel bebas yang sama memiliki
keterkaitan satu sama lainnya. Jika ada maka model kurang akurat dalam memprediksi. Untuk mendeteksi terjadinya autokorelasi dilakukan dengan
membandingkan antara nilai Durbin Watson hitung dengan nilai Durbin Watson tabel.
Tabel 4.12 Nilai Durbin Watson
Model Summary
b
.717
a
.514 .509
.405 1.773
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Promosi x3, Harga x2, Promosi x1 a.
Dependent Variable: Keputusan Konsumen Membeli Y b.
Berdasarkan hasil diatas dapat diketahui bahwa tidak terjadi autokorelasi karena nilai D-W sebesar 1,773 berada diantara nilai -2
samapai +2 Santoso,2004:218-219.
4.5 Hasil Pengujian Hipotesis
