55 merupakan produk yang disukai, 66,7 yang menyatakan setuju, 20,4 yang
menyatakan kurang setuju, 1,1 yang menyatakan tidak setuju, dan 2,2 yang menyatakan sangat tidak setuju.
c. Pada pernyataan ketiga, dari 93 responden terdapat 14 yang menyatakan
sangat setuju tetap menggunakan kosmetik Wardah karena merasa cocok dengan produk Wardah, 66,7 yang menyatakan setuju, 14 yang menyatakan kurang
setuju, 3,2 yang menyatakan tidak setuju, dan 2,2 yang menyatakan sangat tidak setuju.
d. Pada pernyataan keempat, dari 93 responden terdapat 10,8 responden
menyatakan sangat setuju tetap membeli kosmetik Wardah karena adanya kepuasan dalam pemakaian, 68,8 yang menyatakan setuju, 16,1 yang menyatakan kurang
setuju, 2,2 yang menyatakan tidak setuju, dan 2,2 yang menyatakan sangat tidak setuju.
e. Pada pernyataan kelima, dari 93 responden terdapat 14 responden
meyatakan tetap membeli kosmetik Wardah karena percaya terhadap Wardah, 66,7 yang menyatakan setuju, 17,2 yang menyatakan kurang setuju, 0 yang
menyatakan tidak setuju, dan 2 yang menyatakan sangat tidak setuju.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Tujuan uji normalitas adalah untuk menguji model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas dapat
dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar di sekitar garis diagonal yakni distribusi data dengan bentuk lonceng dan distribusi data
tersebut tidak melenceng ke kiri atau melenceng ke kanan. Uji normalitas
56
dilakukan dengan menggunakan pendekatan kolmogorov smirnov. Dengan menggunakan tingkat signifikan 5 0,05 maka jika nilai Asymp.Sig. 2-tailed
di atas nilai signifikan 5 artinya variabel residual berdistribusi normal. Hasil dari output SPSS terlihat seperti Gambar 4.7 dan Gambar 4.8 :
Gambar 4.7 Histogram Uji Normalitas Sumber: hasil penelitian Januari, 2015 diolah
Gambar 4.8 P-Plot Uji Normalitas Sumber: hasil penelitian Januari, 2015 diolah
57
Berdasarkan Gambar 4.7 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak melenceng ke kiri atau ke
kanan, sedangkan pada gambar 4.8 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun untuk
lebih memastikan bahwa data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov-Smirnov K-S.
Tabel 4.7
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 93
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.74861166
Most Extreme Differences Absolute
.104 Positive
.095 Negative
-.104 Kolmogorov-Smirnov Z
1.001 Asymp. Sig. 2-tailed
.269 a. Test distribution is Normal.
b. Calculated from data.
sumber: hasil penelitian Januari, 2015 diolah
Berdasarkan Tabel 4.7 dapat diketahui bahwa nilai Asymp.Sig. 2-tailed adalah 0,269 ini berarti di atas nilai signifikan 0,05 atau 5. Oleh karena itu,
sesuai dengan analisis grafik, analisis statistik dengan uji statistik non-parametrik Kolmogorov-Smirnov K-S juga menyatakan bahwa variabel residual
berdistribusi normal
.
58
4.3.2 Uji Heteroskedastisitas
Uji bertujuan untuk menguji model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. Jika varians dari residual satu
pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Metode Grafik
Dasar analisis adalah jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi
heteroskedastisitas.
Gambar 4.9 Scatterplot Uji Heteroskedastisitas Sumber: hasil penelitian Januari, 2015 diolah
59
Berdasarkan Gambar 4.9 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar di atas da di bawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
2. Uji Glejser
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi
variabel independen, maka ada indikasi terjadi heteroskedastisitas.
Tabel 4.8 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 8.438
2.217 3.806
.000 Brand
Characteristic -.109
.079 -.162
-1.380 .171
Positioning -.145
.092 -.184
-1.569 .120
a. Dependent Variable: ABSUT
Sumber: hasil penelitian Januari, 2015 diolah
Kriteria pengambilan keputusan dengan uji glejser sebagai berikut: a.
Jika nilai signifikansi 0,05 maka tidak mengalami gangguan heteroskedastisitas
b. Jika nilai signifikansi 0,05 maka mengalami gangguan
heteroskedastisitas Tabel 4.8 memperlihatkan bahwa tidak satupun variabel independen yang
signifikan secara statistik mempengaruhi variabel dependen absolut Ut Absut.
60
Hal ini terlihat dari probabilitas signifikansi di atas tingkat kepercayaan 5, jadi model regresi tidak mengarah adanya heteroskedastisitas.
4.3.3 Uji Multikolinearitas
Gejalaa multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen terpilih yang tidak dijelaskan oleh
variabel independen lainnya. nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi multikolinearitas.
Tabel 4.9 Uji Nilai Tolerance dan VIF
Berdasarkan Tabel 4.9 dapat terlihat bahwa: a.
Nilai VIF dari variabel brand characteristic dan positioning lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terdapat multikolineritas antar variabel
independen dalam model regresi.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 2.377
3.281 Brand
Characteristic .495
.117 .443
.731 1.369
Positioning .188
.137 .144
.731 1.369
a. Dependent Variable: Y
Sumber: hasil penelitian Januari, 2015 diolah
61
b. Nilai Tolerance dari variabel brand characteristic dan positioning lebih
besar dari 0,1 Nilai Tolerance 0,1 ini berarti tidak terdapat multikolinearitas antar variabel independen dalam model regresi.
4.4 Analisis Regresi Linear Berganda
Analisis regresi linear berganda ditujukan untuk mengetahui pengaruh atau hubungan variabel bebas X
1
dan X
2
berupa variabel brand characteristic dan positioning serta variabel terikat Y berupa keputusan pembelian ulang, maka
untuk memperoleh hasil yang lebih akurat, penulis menggunakan bantuan program software SPSS Statistik Product and Service Solution versi 17.0 dari
tabel coefficient maka dihasilkan output sebagai berikut:
Tabel 4.10 Analisis Regresi Linier Berganda
Sumber: hasil penelitian Januari, 2015 diolah
Berdasarkan hasil pengolahan data seperti terlihat pada Tabel 4.10 kolom Unstandardized Coefficients bagian B diperoleh persamaan regresi linear berganda
sebagai berikut:
Y = 2,377 + 0,495X
1
+ 0,188X
2
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.377 3.281
.725 .470
Brand Characteristic
.495 .117
.443 4.238
.000 Positioning
.188 .137
.144 1.374
.173 a. Dependent Variable: Y
