Uji Asumsi Klasik a.

62 menyatakan kurang setuju, 2,5 menyatakan tidak setuju, dan 0 responden menyatakan sangat tidak setuju dengan pernyataan tersebut 3. Pada pernyataan kedua belas dari 81 responden, sebanyak 11,1 responden menyatakan sangat setuju bahwa mereka yakin dalam memilih produk Anugrah Water, 63,0 menyatakan setuju, 25,9 menyatakan kurang setuju, 0 menyatakan tidak setuju, dan 0 responden menyatakan sangat tidak setuju dengan pernyataan tersebut

4.2.3 Pengujian Substruktur I

Substruktur I ini adalah menganalisis mengenai pengaruh motivasi dan persepsi terhadap sikap konsumen air minum isi ulang pada Depot Anugrah Water Padang bulan Medan. Adapun yang diteliti pada substruktur I ini adalah motivasi , persepsi dan sikap konsumen .

4.2.3.1 Uji Asumsi Klasik a.

Uji Normalitas Uji asumsi klasik dilakukan sebelum melakukan analisis regresi, agar dapat diperkirakan yang tidak bias dan efesiensi maka dilakukan pengujian asumsi klasik yang harus dipenuhi, yang pertama adalah uji normalitas. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau idak, yaitu dengan pendekatan grafik dan pendekatan kolmogrov-smirnov. 1. Pendekatan Grafik Salah satu cara melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. 63 Sumber: Hasil Pengolahan SPSS April 2015 Gambar 4.1 Grafik Histogram Uji Normalitas Berdasarkan Gambar 4.1 dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi data normal yang tidak melenceng kanan maupun melennceng kiri. Jadi, berarti data residual berdistibusi normal. Terbukti bahwa data maupun model yang digunakan memenuhi asumsi normalitas. Sumber: Hasil Pengolahan SPSS April 2015 Gambar 4.2 Grafik Normal P-P Plot Uji Normalitas Berdasarkan Gambar 4.2 dapat diketahui bahwa Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Dengan demikian maka model regresi hipotesis pertama tersebut memenuhi asumsi normalitas. 64 2. Pendekatan Kolmogrov-Smirnov Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian normalitas yang berdasarkan dengan uji statistik non-parametrik Kolmogrov- Smirnov K-S untuk memastikan apakah data benar berdistribusi normal. Tabel 4.9 One Sample Kolmogrov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N 81 Normal Parameters a,b Mean ,0000000 Std. Deviation 1,13718423 Most Extreme Differences Absolute ,083 Positive ,083 Negative -,041 Kolmogorov-Smirnov Z ,743 Asymp. Sig. 2-tailed ,638 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan SPSS April 2015 Berdasarkan Tabel 4.9 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,638, dan diatas nilai signifikan 0,05, dengan kata lain variabel residual berdistribusi normal. Nilai Kolmogrov-Smirnov Z adalah 0,743 lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau dengan kata lain data diaktakan normal.

b. Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut 65 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 tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Sumber: Hasil Pengolahan SPSS April 2015 Gambar 4.3 Pengujian Heteroskedastisitas Scatterplot Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, Dengan demikian dapat disimpulkan bahwa persamaan regresi sederhana hipotesis pertama terbebas dari asumsi heteroskedastisitas. 2. Uji Glejser Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya, jika nlai signifikansi antar variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas. 66 Tabel 4.10 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant ,953 ,949 1,004 ,318 MOTIVASI ,030 ,055 ,067 ,555 ,580 PERSEPSI -,035 ,081 -,053 -,438 ,663 a. Dependent Variable: ABSUT Sumber: Hasil Pengolahan SPSS April 2015 Berdasarkan Tabel 4.10 terlihat jelas menunjukkan tidak satupun variabel independen yang signifikan mempengaruhi variabel dependen absolut Ut asbUt. Hal ini terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan 5, jadi model regresi tidak mempengaruhi heteroskedastisitas.

c. Uji Multikolinieritas

Gejala multikolinieritas 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 adalah mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan variabel bebas lainnya. Nilai yang dipakai untuk Tolerance 0,1, dan VIF 10, maka tidak terjadi multikolinieritas. Tabel 4.11 Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF Constant 1 MOTIVASI ,886 1,129 PERSEPSI ,886 1,129 Sumber: Hasil Pengolahan SPSS April 2015 67 Berdasarkan pada Tabel 4.11 di atas diketahui bahwa nilai Variance Inflation Factor untuk variabel motivasi dan persepsi lebih kecil dari 10 VIF 10, dan nilai Tolerance 0,1. Dengan demikian persamaan regresi linear hipotesis pertama terbebas dari asumsi multikolinieritas.

4.2.3.2 Pengujian Koefisien Determinan

Pengujian koefisien determinasi digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat. Koefisien determinan berkisar antara nol sampai satu 0 1. Jika semakin besar mendekati satu, maka dapat dikatakan bahwa pengaruh variabel independen X terhadap variabel dependen Y adalah besar. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel independen terhadap variabel dependen dan demikian sebaliknya. Tabel 4.12 Pengujian Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,600 a ,360 ,344 1,152 1,802 a. Predictors: Constant, PERSEPSI, MOTIVASI b. Dependent Variable: SIKAP_KONSUMEN Sumber: Hasil Pengolahan Data April 2015 Berdasarkan Tabel 4.12 dapat dilihat bahwa: a. R=0,600 berarti hubungan variabel motivasi dan persepsi terhadap variabel dependen Sikap Konsumen Y sebesar 60, yang berarti hubungannya erat. b. Koefisien Determinasi R Square sebesar 0,360 berarti 36 besarnya pengaruh variabel eksogen motivasi dan persepsi terhadap sikap konsumen. 68 Sedangkan sisanya sebesar 64 dapat dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini. c. Standart Error of Estimate Standar Deviasi artinya menilai ukuran variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya adalah 1,152 yang mana semakin kecil standar deviasi berarti model semakin baik.

4.2.3.3 Pengujian Autokorelasi

Untuk menguji apakah terdapat autokorelasi atau tidak dalam model regresi bisa membandingkan nilai Durbin-Watson DW. Jika nilai DW berada pada 1 DW 3, maka tidak terjadi autokorelasi pada model regresi berganda. Tabel 4.13 Autokorelasi Model Durbin-Watson 1 1,802 Sumber: Hasil Pengolahan Data 2015 Pada Tabel 4.13 terlihat bahwa nilai DW sebesar 1,802. Berarti nilai DW berada pada 1 DW 1,802 3 maka tidak terjadi autokorelasi pada model regresi berganda.

4.2.3.4 Pengujian Signifikansi Simultan Uji-F

Uji F dilakukan untuk melihat apakah variabel bebas yang terdiri dari motivasi dan persepsi yang dimasukkan dalam model yang mempunyai pengaruh secara bersama-sama terhadap intervening yakni sikap konsumen. Model hipotesis yang digunakan adalah : : = 0, artinya variabel bebas yang terdiri dari motivasi dan persepsi secara serentak berpengaruh positif dan signifikan terhadap sikap konsumen. 69 : 0, artinya variabel bebas yang terdiri dari motivasi dan persepsi secara serentak tidak berpengaruh positif dan signifikan terhadap sikap konsumen. dapat dilihat pada = 0,5 Dengan derajat pembilang = k-l = 3-1 = 2 Derajat penyebut = n-k = 81-2 = 79, 0,05 2, 79 = 3,11 Tabel 4.14 Hasil Uji-F Substruktur I ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 58,273 2 29,137 21,968 ,000 a Residual 103,455 78 1,326 Total 161,728 80 a. Predictors: Constant, PERSEPSI, MOTIVASI b. Dependent Variable: SIKAP_KONSUMEN Sumber: Hasil Pengolahan SPSS April 2015 Berdasarkan Tabel 4.14 di atas diperoleh bahwa nilai F hitung 21,968 lebih besar dibandingkan dengan nilai F tabel 3,11, dan sig. 0,000 lebih kecil dari alpha 5 0,05. Hal ini mengindikasikan bahwa hasil penelitian menolak H dan menerima Ha. Dengan demikian secara serempak motivasi dan persepsi berpengaruh positif dan signifikan terhadap sikap konsumen Air minum isi ulang Anugrah Water Padang Bulan Medan.

4.2.3.5 Pengujian Signifikansi Parsial Uji-t

Pengujian ini dilakukan untuk mengetahui seberapa besar pengaruh suatu variabel independen bebas secara parsial masing-masing terhadap variabel intervening, dan mengetahui variabel bebas mana yang berpengaruh paling dominan. 70 Dengan kriteria pengambilan keputusan: ditolak jika pada = 5 diterima jika pada = 5 Nilai dapat dilihat pada = 5 yang diperoleh dari n-k n = jumlah sampel yaitu 81 responden k = jumlah variabel yang digunakan yaitu 3 maka nilai 5 78 adalah 1,990 Hasil pengujian hipotesis secara parsial dapat dilihat pada Tabel 4.12 berikut: Tabel 4.15 Hasil Uji-t Substruktur I Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1,585 1,588 ,999 ,321 MOTIVASI ,400 ,091 ,420 4,368 ,000 PERSEPSI ,436 ,135 ,310 3,218 ,002 a. Dependent Variable: SIKAP_KONSUMEN Sumber: Hasil Pengolahan SPSS April 2015 Berdasarkan Tabel 4.15 maka model persamaan substrukturnya sebagai berikut: = + + Sikap konsumen = 0,000 Motivasi + 0,002 Persepsi + 0,640 ɛ Dengan demikian pengaruh setiap variabel secara parsial sebagai berikut: a. Variabel motivasi berpengaruh secara positif dan signifikan terhadap sikap konsumen produk air minum isi ulang Anugrah Water Padang bulan Medan. Hal ini terlihat dari nilai signifikan 0,000 0,05 dan nilai 4,368 71 1,990 artinya apabila variabel motivasi ditingkatkan sebesar satu satuan, maka sikap konsumen akan meningkat sebesar 0,420 satuan. Dalam hal ini, ditolak dan diterima. b. Variabel persepsi berpengaruh secara positif dan signifikan terhadap sikap konsumen produk air minum isi ulang Anugrah Water Padang bulan Medan. Hal ini terlihat dari nilai signifikan 0,002 0,05 dan nilai 3,218 1,990 artinya apabila variabel persepsi ditingkatkan sebesar satu satuan, maka sikap konsumen akan meningkat sebesar 0,310 satuan. Dalam hal ini, ditolak dan diterima.

4.2.3.6 Pengujian Koefisien Korelasi

Korelasi ditujukan untuk pasangan pengamatan data rasio yang menunjukkan hubungan yang linear. Koefisien korelasi adalah suatu angka indeks yang melukiskan hubungan antara dua rangkaian data yang dihubungkan. Dengan kata lain, koefisien korelasi adalah ukuran atau indeks dari hubungan antara dua variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan negatif menunjukkan arti atau arah dari hubungan korelasi tersebut. Korelasi positif nilainya berada antara 0 sampai +1, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka akan menyebabkan kenaikan pada variabel yang lainnya. Korelasi negatif nilainya antara -1 sampai 0, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka yang lainnya akan turun dan sebaliknya. 72 Tabel 4.16 Korelasi Correlations MOTIVASI PERSEPSI MOTIVASI Pearson Correlation 1 ,338 Sig. 2-tailed ,002 N 81 81 PERSEPSI Pearson Correlation ,338 1 Sig. 2-tailed ,002 N 81 81 . Correlation is significant at the 0.01 level 2-tailed. Sumber: Hasil Pengolahan SPSS April 2015 Pada Tabel 4.16 dapat dilihat bahwa, Motivasi memiliki hubungan dan signifikan terhadap persepsi dengan nilai 0,338. Koefisien Jalur Substruktur I Gambar 4.4 Analisis Jalur Substruktur I Berdasarkan Gambar 4.4 maka dapat disimpulkan hasil rangkuman koefisien jalur substruktur I sebagai berikut: Dari Ke Standard Coeficient Beta t Hitung F Hitung Hasil Pengujian e 0,420 4,368 21,968 ditolak 0,360 0,640 0,310 3,218 ditolak R=0,600; =0,360; = 1 ,968 Sikap Konsumen Motivasi Persepsi 0, 420 0,338 e = 0,640 0, 310 73

4.2.4 Pengujian Substruktur II