a. Jika r
11
positif, serta r
11
r tabel, maka pernyataan tersebut reliabel. b.
Jika r
11
negatif, serta r
11
≤ r tabel, maka pernyataan tersebut tidak reliabel.
3.4.2 Uji Asumsi Klasik
Regresi linier berganda dengan persamaan Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
. Setelah model regresi diperoleh, maka model tersebut sudah
termasuk BLUE Best Linier Unbiased Estimator atau tidak. Untuk menilai apakah model yang digunakan merupakan model linier, sehingga estimasi
yang dihasilkan merupakan estimasi yang BLUE Best Linier Unbiased Estimator, hal ini terpenuhi jika plot antara nilai residual dan nilai prediksi
tidak membentuk suatu pola tertentu atau acak. Suatu model dikatakan BLUE bila memenuhi persyaratan sebagai berikut, yaitu :
1 Tidak boleh ada multikolineritas.
2 Tidak boleh ada heteroskedastisitas.
3 Tidak boleh ada autokorelasi.
4 Normalitas
Teknik analisa data dilakukan peneliti secara kuantitatif untuk mengetahui apakah ada pengaruh kualitas, fitur produk, dan desain produk
terhadap keputusan pembelian, maka dilakukan analisa dengan langkah- langkah sebagai berikut :
a. Multikolinieritas Multikolineritas artinya antar variable independent yang terdapat
dalam model memiliki hubungan yang sempurna atau mendekati sempurna
koefisien korelasinya tinggi atau bahkan 1 Untuk mengetahui apakah dalam persamaan regresi ditemukan adanya korelasi antar variabel
independent dapat menggunakan uji multikolinieritas, karena dalam model regresi linier yang baik seharusnya tidak terjadi korelasi diantara variabel
independent. Menurut Yarnest 2003 : 68, terdapatnya korelasi yang sempurna
atau tidak sempurna tetapi sangat tinggi pada variabel independent yang dilambangkan dengan X
1
, X
2
, X
3
,….X
n
. Jika terjadi multikolinieritas pada variabel independent akan berakibat koefisien regresi tidak dapat ditentukan
dan standar deviasi akan memiliki nilai tak terhingga, sehingga metode Least Square tidak dapat digunakan.
Mengukur multikolinieritas dapat dilihat dari nilai toleransi dan Variance Inflation Faktor VIF dari masing-masing variabel. Jika nilai
toleransi 0.10 atau VIF 10 maka terdapat multikolinieritas, sehingga variabel tersebut harus dibuang atau sebaliknya.
b. Heteroskedastisitas Terdapat nilai variasi residual yang sama untuk semua pengaturan,
atau terdapatnya pengaruh perubahan variabel independent X
1
dengan nilai mutlak residual, sehingga penaksiran akan menjadi akurat. Mengukur
heteroskedastisitas dilihat dari nilai signifikan korelasi Rank Spearman. Menurut Yarnest 2003 : 70, deteksi adanya heteroskedastisitas adalah
sebagai berikut : 1.
Bila probabilitas ≥ 0,05 berarti tidak terdapat heteroskedastisitas.
2. Bila probabilitas 0,05 berarti terdapat heteroskedastisitas.
c. Autokorelasi Terdapat korelasi di antara sesama data pengamatan dimana
adanya suatu data dipengaruhi oleh data sebelumnya data time series yang saling berhubungan, sehingga koefisien korelasi yang didapat menjadi
kurang akurat. Mengukur autokorelasi dilihat dari nilai Durbin Waston Test DW.
Menurut Yarnest 2003 : 73, deteksi adanya autokorelasi adalah sebagai berikut :
a. Jika nilai DW terletak antara d
u
dan 4 - d
u
atau d
u
≤ DW ≤ 4 – d
u
, berarti bebas dari autokorelasi.
b. Jika nilai DW d
L
atau DW 4 – d
L
berarti terdapat autokorelasi.
d. Normalitas Salah satu cara mengecek kenormalitasan adalah dengan plot
probabilitas normal. Menurut Sulaiman 2004 : 89 dengan plot ini, masing-
masing nilai pengamatan dipasangkan dengan nilai harapan pada distribusi normal. Normalitas terpenuhi apabila titik-titik data terkumpul di sekitar
garis lurus. Hipotesis :
H : Sampel ditarik dari populasi dengan distribusi tertentu.
H
1
: Sampel ditarik bukan dari populasi dengan distribusi tertentu. Jika : nilai signifikansi
≤ α maka tolak H
nilai signifikansi α maka terima H
3.4.3 Teknik Analisis Regresi Linier Berganda