menyatakan sangat setuju, 47 orang atau 68,1 menyatakan setuju, 14 orang atau 20,3 menyatakan kurang setuju, tidak ada responden menyatakan tidak
setuju dan tidak ada responden menyatakan sangat tidak setuju.. 2.
Pada pernyataan kedua saya memilih membeli produk private label Carrefour daripada produk merek lain sebanyak 12 orang atau 17,4 yang menyatakan
sangat setuju, 46 orang atau 66,7 menyatakan setuju, 11 orang atau 15,9 menyatakan kurang setuju, tidak ada responden menyatakan tidak setuju dan
tidak ada responden menyatakan sangat tidak setuju. 3.
Pada pernyataan ketiga saya akan kembali membeli produk private label milik Carrefour di masa mendatang sebanyak 27 orang atau 39,1 yang menyatakan
sangat setuju, 40 orang atau 58 menyatakan setuju, 2 orang atau 2,9 menyatakan kurang setuju, tidak ada responden menyatakan tidak setuju dan
tidak ada responden menyatakan sangat tidak setuju.
C. Uji Asumsi Klasik
1. Uji Normalitas
Tujuan uji normalitas adalah untuk menguji apakah dalam model regresi distribusi sebuah data mengikuti data atau mendekati distribusi normal, yakni distribusi
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu
dengan analisis grafik dan uji statistik.
a. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan meilhat grafik histogram dan grafik scatter plot yang membandingkan antara data observasi
dengan distribusi yang mendekati distribusi normal. Hasil dari output SPSS
terlihat seperti Gambar 4.1 dan Gambar 4.2:
Gambar 4.1 : Histogram Uji Normalitas Sumber: Pengolahan SPSS 2010
Regression Standardized Residual
3 2
1 -1
-2 -3
Frequency
12.5 10.0
7.5 5.0
2.5 0.0
Histogram
Dependent Variable: perilakupembelian
Mean =1.15E-15 Std. Dev. =0.955
N =69
Gambar 4.2: P-plot Uji Normalitas Sumber: Pengolahan SPSS 2010
Berdasarkan Gambar 4.1 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau ke kanan,
sedangkan pada Gambar 4.2 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal
b. Analisis Statistik
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: perilakupembelian
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian normalitas
yang didasarkan dengan uji statistik non-parametrik Kolmogorv Smirnov K-S.
Tabel 4.13 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 69
Normal Parametersa,b Mean .0000000
Std. Deviation .84932020
Most Extreme Differences
Absolute .083
Positive .083
Negative -.052
Kolmogorov-Smirnov Z .693
Asymp. Sig. 2-tailed .724
Sumber: Pengolahan SPSS 2010
Berdasarkan Tabel 4.13 dapat diketahui bahwa nilai Asymp.Sig. 2-tailed adalah 0.724, ini berarti di atas nilai signifikan 5. Oleh karena itu, sesuai
dengan analisis grafik, analisis statistik dengan uji statistik non-parametrik Kolmogorv Smirnov K-S juga menyatakan bahwa variabel residual
berdistribusi normal.
2. Uji Heteroskedastisitas