Kreteria keputusannya adalah sebagai berikut : 1. Jika nilai Asymp. Sig. 2 tailed 0,05 maka data tidak mengalami
gangguan distribusi normal. 2. Jika nilai Asymp. Sig 2 tailed 0,05 maka data mengalami
gangguan distribusi normal.
Tabel 4.11. Analisis Statistik
One Simple Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test
Unstandardi zed
Residual
N 84
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.06125684
Most Extreme Differences
Absolute .085
Positive .048
Negative -.085
Kolmogorov-Smirnov Z .783
Asymp. Sig. 2-tailed .573
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Penelitian, 2012 Data Diolah Berdasarkan gambar 4.9 di atas diketahui bahwa nilai Asymp. Sig.
2 tailed adalah 0,573 dan di atas nilai signifikan 0,05, dengan kata lain variabel residual berdistribusi normal.
4.4.2. Uji Heteroskedastisitas
Adanya varians variabel independen adalah konstan untuk setiap nilai tertentu variabel independen homokedatisitas. Model regresi yang
baik adalah tidak terjadi heteroskedatisitas. Heteroskedastisitas diuji
dengan menggunakan uji Glejser dengan pengambilan keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel
dependen, maka ada indikasi terjadinya heteroskedastisitas. Jika probabilitas signifikannya di atas tingkat kepercayaan 5 dapat
disimpulkan model regresi tidak mengarah adanya heteroskedaastisitas. Hasil pengujian dapat dilihat pada gambar di bawah ini:
Sumber : Hasil Penelitian, 2012 Data Diolah
Gambar : 4.4 Hasil Uji Heteroskedastisitas
Pada gambar 4.4. di atas, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta baik di atas maupun
di bawah angka nol pada sumbu Y. Hasil pengujian ini menunjukkan bahwa model persamaan regresi hipotesis ini bebas dari asumsi
heteroskedastisitas.
Uji heteroskedastisitas juga dapat dilakukan dengan menggunakan uji gletser, yang hasilnya pengujiannya dapat dilihat pada Tabel 4.10. berikut
ini:
Tabel 4.12. Hasil Uji Normalitas
Uji Gletser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -.527
1.626 -.324
.747 Harga
-.018 .030
-.070 -.601
.550 Produk
-.002 .038
-.005 -.046
.963 Promosi
.047 .058
.094 .820
.415 Pelayanan
.015 .040
.043 .368
.714 fas.fisik
.045 .042
.121 1.060
.292 Lokasi
.020 .060
.037 .328
.744 a. Dependent Variable: absut
Sumber: Hasil Penelitian, 2012 Data Dioalah Jika variabel independen signifikan secara statistik mempengaruhi
variabel independen, maka ada indikasi terjadi heteroskedastisitas. Pada tabel 4.10. di atas dapat dilihat signifikan variabel bebas lebih besar dari
0,05 maka tidak mengalami gangguan heteroskedastisitas.
4.4.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol,
yaitu adanya masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen.
Tabel 4.13. Hasil Uji Multikolinearitas
Coefficients
a
Variabel Collinearity Statistics
Tolerance VIF
Harga
.898 1.113
Produk
.701 1.110
Promosi
.834 1.199
Pelayanan
.889 1.124
Fasilitas Fisik
.870 1.149
Lokasi
.823 1.214
a. Dependent Variable: Keputusan Pembelian sumber : Hasil Penelitian, 2012 Data Diolah
Pedoman suatu model regresi yaitu bebas multikolinearitas adalah dengan melihat Variance Inflation Factor VIF 5 maka variabel ada
masalah multikol, dan jika VIF 5 maka tidak terdapat masalah multikol, dan jika Tolerance 0,1, maka variabel tidak terdapat masalah multikol.
Pada tabel 4.11 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0,1, maka tidak terdapat multikol dalam penelitian ini.
4.5 Analisis Regresi Linear Berganda
