Keterangan Y
= Proses Pembelian Kompulsif X
2
= Materialisme X
1
= Kontrol Diri
4.4.1 Persamaan Regresi Linier Berganda
Analisis regresi berganda digunakan peneliti dengan maksud untuk menganalisis hubungan linear antara variabel independen dengan variabel
dependen. Dengan kata lain untuk mengetahui besarnya pengaruh Kontrol Diri dan Materialisme terhadap Perilaku Pembelian Kompulsif”. Dalam
perhitungannya, penulis menggunakan perhitungan komputerisasi yaitu dengan menggunakan media program komputer, yaitu SPSS 17 for windows
Berikut merupakan perhitungan regresi linear berganda secara komputerisasi dengan SPSS 17 for windows didapatkan hasil sebagai berikut:
Tabel 4.17 Koefisien Regresi Linier Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 17.804
3.370 5.283
.000 Self Control
-.318 .188
-.141 -1.696
.093 Materialism
.581 .082
.593 7.108
.000
Berdasarkan output di atas, diperoleh nilai a konstanta sebesar 17.804 sementara untuk bX
1
sebesar -0.318 dan bX
2
sebesar 0.581, dengan demikian maka dapat dibentuk persamaan regresi linier berganda sebagai berikut:
Y= 17.804 - 0.318X
1
+ 0.581X
2
Nilai a, b
1
dan b
2
dalam persamaan di atas dapat diinterpretasikan sebagai berikut:
Dari persamaan linier berganda diatas dapat dilihat besarnya konstanta adalah 17.804 artinya jika Kontrol Diri dan Materialisme bernilai 0, maka
pembelian kompulsif akan tetap bernilai 17.804. Koefesien Regresi Variabel Kontrol Diri sebesar -0.318 yang bernilai
negatif yang artinya untuk setiap pertambahan Kontrol Diri sebesar satu satuan maka akan mengurangi Perilaku Pembelian Kompulsif sebesar 0.318.
Koefesien Regresi Variabel Materialisme sebesar 0.581 yang bernilai positif yang artinya untuk setiap pertambahan Materialisme sebesar satu satuan
maka akan meningkatkan Perilaku Pembelian Kompulsif sebesar 0.581. Keterkaitan kontrol diri ini sesuai dengan teori Calhoun dan Acocella
dalam Ghufron dan Risnawita, 2012:637 bahwa orang yang memiliki kontrol diri akan mempertimbangkan segala konsekuensi yang akan terjadi sebelum
memutuskan sesuatu untuk bertindak. Termasuk diantara tindakannya adalah kebiasaan berbelanja. Sementara menurut Kwak et al 2004 dalam Raeni
2011:112 mengusulkan bahwa konsumen yang menunjukan kegigihan dalam kegiatan berebelanja cenderung untuk terlibat dalam pembelian kompulsif.
4.4.2 Uji Asumsi Klasik
Untuk memperoleh hasil yang lebih akurat pada analisis regresi berganda maka dilakukan pengujian asumsi klasik agar hasil yang diperoleh merupakan
persamaan regresi yang memiliki sifat Best Linier Unbiased Estimator BLUE.
Pengujian mengenai ada tidaknya pelanggaran asumsi-asumsi klasik merupakan dasar dalam model regresi linier berganda yang dilakukan sebelum dilakukan
pengujian terhadap hipotesis.
a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah model regresi mempunyai distribusi normal atau tidak. Asumsi normalitas merupakan persyaratan yang
sangat penting pada pengujian kebermaknaan signifikansi koefisien regresi.Model regresi yang baik adalah model regresi yang memiliki distribusi
normal atau mendekati normal, sehingga layak dilakukan pengujian secara statistik. Berikut hasil uji normalitas dengan menggunakan media program
komputer, yaitu SPSS 17 for windows didapatkan hasil sebagai berikut;
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 94
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 5.45826672
Most Extreme Differences Absolute
.048 Positive
.048 Negative
-.036 Kolmogorov-Smirnov Z
.464 Asymp. Sig. 2-tailed
.982 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan tabel ditas didapatkan hasil sig sebesar 0.982, hasil 0.9820.05 maka dapat disimpulkan bahwa data berdistribusi normal selanjutnya
dengan menggunakan grafik normal probability plot didapatkan hasil yaitu :
Gambar 4.6 Grafik Normalitas
probability plot
Berdasarkan grafik normal probability plot, dapat diketahui bahwa data berdistribusi normal karena data atau titik-titik tersebar di sekitar garis diagonal
dan penyebarannya mengikuti garis diagonal.
b. Uji Heteroskedastitas
Menurut Gujarati 2005:406, situasi heteroskedastisitas akan menyebabkan penaksiran koefisien regresi menjadi tidak efisien dan hasil taksiran
dapat menjadi kurang atau melebihi dari yang semestinya. Dengan demikian, agar koefisien-koefisien regresi tidak menyesatkan, maka situasi heteroskedastisitas
tersebut harus dihilangkan dari model regresi.Untuk menguji ada tidaknya heteroskedastisitas digunakan uji Glejser yaitu dengan mengkorelasikan masing-
masing variabel bebas terhadap nilai absolut dari residual. Jika nilai koefisien korelasi dari masing-masing variabel bebas terhadap nilai absolut dari residual