informasi, penilaian sumber-sumber seleksi terhadap alternatif pembelian, keputusan pembelian, dan perilaku setelah pembelian. Di dalam tabel 4.4 dapat
diketahui bahwa item pernyataan pertama, item pernyataan kedua, dan item pernyataan keempat didominasi oleh jawaban setuju dengan persentase 67,7,
60,2 dan 66,7, sedangkan untuk item pernyataan ketiga didominasi oleh jawaban kurang setuju dengan persentase sebesar 61,3.
4.2.2 Uji Asumsi Klasik 1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Ada dua cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual penulis menganalisis grafik
histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang
membandingkan distribusi kumulatif dan distribusi normal. Hipotesis:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan data SPSS Juni, 2013
Gambar 4.1 Histogram
Interpretasi dari gambar 4.1, menunjukkan bahwa grafik histogram menunjukkan pola distribsui normal.
Sumber : Hasil Pengolahan data SPSS Juni, 2013
Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Universitas Sumatera Utara
Pada gambar 4.2 terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogrov Smirnov 1 Sample KS dengan melihat
data residual apakah berdistribusi normal. Kriteria keputusan:
1. Jika nilai Asymp.Sig 2-tailed 0,05 maka tidak mengalami gangguan distribusi normal.
2. Jika nilai Asymp.Sig 2-tailed 0,05 maka mengalami gangguan distribusi normal.
Tabel 4.5
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 93
Normal Parameters
a
Mean .0000000
Std. Deviation 1.46763020
Most Extreme Differences Absolute
.073 Positive
.073 Negative
-.062 Kolmogorov-Smirnov Z
.708 Asymp. Sig. 2-tailed
.698 a. Test distribution is Normal.
Sumber : Hasil Pengolahan data SPSS Juni, 2013
Pada tabel 4.5 terlihat bahwa Asymp.Sig 2-tailed adalah 0,698 dan di atas nilai dignifikan 5 0.05, dengan kata lain variabel residual berdistribusi normal.
Universitas Sumatera Utara
2. Uji Heterokedastisitas Tujuan uji ini pada prinsipnya adalah ingin menguji apakah sebuah grup
mempunyai varians yang sama di antara anggota grup tersebut. Adanya varians variabel independen adalah konstan untuk setiap nilai tertentu variabel
independen homokedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
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 diatas tingkat kepercayaan 5
dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas
Sumber : Hasil Pengolahan data SPSS Juni, 2013
Gambar 4.3 Pengujian Heteroskesdastisitas
Scatterplot
Universitas Sumatera Utara
Dari grafik Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas
maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk
memprediksi keputusan pembelian, berdasarkan masukan variabel independen- nya.
Heteroskedastisitas dapat juga 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 diatas tingkat kepercayaan 5
dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas
Tabel 4.6
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.296
1.401 .925
.357 Harga
-.031 .064
-.053 -.483
.630 Kualitas_Produk
.014 .066
.023 .213
.831 a. Dependent Variable: absut
Sumber : Hasil Pengolahan Data SPSS Juni, 2013
Tabel 4.6 menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absUt. Hal ini
terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 0,05. Jadi disimpulkan model regresi tidak mempengaruhi adanya heterokedastisitas.
Universitas Sumatera Utara
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. Hasil pengolahan dapat dilihat pada tabel 4.7.
Tabel 4.7
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 1.950
2.183 .893 .374
Harga .127
.100 .117 1.272 .206
.932 1.074
Kualitas_Produk .561
.103 .498 5.418 .000
.932 1.074
a. Dependent Variable: Keputusan_Pembelian
Sumber : Hasil Pengolahan Data SPSS Juni, 2013
Tabel 4.7 memperlihatkan nilai Tolerance 0,1 dan VIF 5 pada semua variabel independen, dengan demikian tidak terjadi multikolinearitas, sehingga
model regresi layak digunakan.
4.2.3 Analisis Regresi Linier Berganda