93
e. Perilaku Pasca Pembelian
Deskripsi perilaku pasca pembelian berdasarkan jawaban angket dari konsumen yang menjadi responden dalam penelitian ini diperoleh hasil
seperti terangkum pada tabel berikut:
Tabel 4.43 Distribusi Jawaban Perilaku Pasca Pembelian
Interval Persen Kriteria
Frekuensi Persentase
Rata-rata persentase
84 skor ≤100
Sangat Setuju 7 5
64,85 68 skor
≤ 84 Setuju
67 52
52 skor ≤ 68
Kurang Setuju 21
16 36 skor
≤ 52 Tidak Setuju
30 23
20 ≤ skor ≤ 36 Sangat Tidak Setuju
5 4
Jumlah 130 100
KS
Sumber : Data primer diolah, 2010
Berdasarkan Tabel 4.43 dapat diketahui bahwa 67 responden 52 setuju membeli kembali serta merekomendasikan small product coca-cola
kepada orang lain, sedangkan 5 responden 4 sangat tidak setuju membeli kembali dan merekomendasikan small product coca-cola kepada orang lain.
Rata-rata persentase jawaban dari indikator perilaku pasca pembelian adalah sebesar 64,85.
4.1.4. Uji asumsi klasik
1. Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, residual memiliki distribusi normal atau tidak. Rumus Kolmogorov-Smirnov
dan grafik normal P-P plot di bawah ini menunjukkan apakah data terdistribusi secara normal atau tidak. Perhitungan rumus Kolmogorov-
Smirnov dibantu dengan menggunakan SPSS for Windows 16. Dasar pengambilan keputusan adalah nilai probabilitas, yaitu jika nilainya lebih
94
besar dari 0,05 maka data dalam penelitian berdistribusi normal. Berdasarkan perhitungan diperoleh harga Kolmogorov-Smirnov sebesar 0,473 dengan
probabilitas 0,979 lebih besar dari 0,05 sehingga dapat dinyatakan data berdistribusi normal.
Tabel 4.44 Hasil Uji Normalitas Menggunakan Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 130
Normal Parameters
a
Mean .0000000
Std. Deviation 3.32845414
Most Extreme Differences Absolute
.041 Positive
.041 Negative
-.040 Kolmogorov-Smirnov Z
.473 Asymp. Sig. 2-tailed
.979 a. Test distribution is Normal.
Pada grafik normal P-P plot juga menunjukkan bahwa penyebaran
plot berada di sekitar dan sepanjang garis
,
dengan demikian menunjukkan bahwa data-data pada variabel penelitian berdistribusi normal. Lebih jelasnya
penyebaran plot tersebut dapat dilihat pada gambar di bawah ini :
Gambar 4.1 Grafik Normal P-P Plot
95
2. Uji Multikolinearitas
Uji Multikolinieritas dimaksudkan untuk menguji apakah dalam model regresi ditemukan adanya hubungan atau korelasi secara sempurna
antar variabel bebas independen Ghozali, 2009:57. Suatu model regresi yang tidak terjadi gejala multikolinieritas jika memiliki nilai toleransi 0,10
dan nilai Variance Inflation Factor VIF 10. Berdasarkan hasil pengolahan dengan menggunakan program SPSS 16
for windows, didapatkan besarnya nilai toleransi 0,10 dan nilai VIF 10 pada masing-masing variabel bebas. Dengan demikian dapat disimpulkan
bahwa dalam model regresi tidak terdapat problem multikolinieritas.
Tabel 4.45 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
5.133 2.540
2.021 .045
Kesadaran Merek .226
.056 .310
4.021 .000
.645 1.551 Persepsi Kualitas
.129 .051
.185 2.556
.012 .733 1.364
Asosiasi Merek .107
.038 .209
2.825 .005
.701 1.427 Loyalitas Merek
.167 .043
.271 3.891
.000 .791 1.265
a. Dependent Variable: Keputusan Pembelian
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan
ke pengamatan yang lain Ghozali, 2009: 69. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Ada atau tidaknya problem
96
heteroskedastisitas pada model regresi dapat dideteksi dengan melihat ada atau tidaknya pola tertentu yang teratur pada grafik scatterplot serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y. Berdasarkan grafik scatterplot pada gambar menunjukkan bahwa tidak ditemukan pola tertentu
yang teratur dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
Gambar 4.2 Grafik Scatterplot
Berdasarkan ketiga pengujian di atas menunjukkan bahwa model regresi berganda yang diperoleh tidak mengalami penyimpangan asumsi
klasik sehingga efisien untuk menggambarkan bentuk hubungan antar variabel penelitian.
4.1.5. Analisis Regresi Linear Berganda
