2. Jika nilai Asymp. Sig 2-tailed 0,05 maka mengalami gangguan
distribusi normal.
Tabel 4.8 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 96
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.45167953
Most Extreme Differences Absolute
.089 Positive
.055 Negative
-.089 Kolmogorov-Smirnov Z
.872 Asymp. Sig. 2-tailed
.433 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil penelitian 2011, diolah
Pengambilan keputusan: Pada Tabel 4.8 terlihat bahwa Asymp. Sig 2-tailed adalah 0,433 dan diatas
nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
2. Pengujian Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regrasi terdapat ketidaksamaan varians dari residual satu pengamatan
kepengamatan lainnya. Jika varians dari satu residual satu pengamatan ke pengamatan lainnya tetap maka terjadi homoskedastisitas jika berbeda maka
disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak
Universitas Sumatera Utara
terjadi heteroskedastisitas Situmorang, et al, 2010: 100. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram
pancar yaitu grafik yang merupakan diagram pancar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
1. Model Grafik Hipotesis:
1. Jika diagram pancar yang ada membentuk pola-pola tertentu yang
teratur maka regresi mengalami gangguan heteroskedastisitas. 2.
Jika diagram pancar yang ada tidak membentuk pola-pola tertentu yang teratur maka regresi tidak mengalami gangguan
heteroskedastisitas.
Gambar 4.9 Scatterplot Sumber: Hasil penelitian 2011, diolah
Universitas Sumatera Utara
Dari Gambar 4.9 dapat dilihat diagram pancar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heteroskedastisitas.
2. Model Glejser Menentukan kriteria keputusan:
1. Jika nilai signifikan 0,05 maka tidak mengalami gangguan
heteroskedastisitas 2.
Jika nilai signifikan 0,05 maka mengalami gangguan heteroskedastisitas.
Tabel 4.9 Coefficients a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
-.446 1.573
-.284 .777
Bentuk -.015
.066 -.024
-.231 .818
Keistimewaan .110
.075 .151
1.458 .148
Kualitas_kinerja .039
.069 .058
.561 .576
Daya_tahan .000
.061 .000
.004 .997
a. Dependent Variable: absut
Sumber: Hasil penelitian 2011, diolah
Dari Tabel 4.9 dapat dilihat bahwa signifikasi variabel bebas lebih besar dari 0,05 maka tidak mengalami gangguan heteroskedastisitas.
3. Pengujian Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu
Universitas Sumatera Utara
adanya masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antar independen.
Tabel 4.10 Cofficients
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF
1 Constant
6.041 1.463
4.512 .000
Bentuk .420
.104 .370
3.854 .000
0.987 1.013
Keistimewaan .112
.118 .111
1.496 .232
0.992 1.008
Kualitas_kinerja .240
.107 .035
2.364 .035
0.992 1.008
Daya_tahan .256
.096 .282
2.812 .005
0.987 1.013
a. Dependent Variable: Brand_image Sumber: Hasil penelitian 2011, diolah
Hasil pengujian: Pedoman suatu model regresi yaitu bebas multikol 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 4.10 dapat dilihat bahwa nilai VIF 5 dan tolerance 0,1 maka tidak ditemukan
masalah multikol dalam penelitian ini.
4.2.4 Analisis Regresi Berganda
