C. Data Deskriptif Tabel 5.5
Descriptive Statistics
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation PRODUK
100 6
19 13,73
3,184 HARGA
100 5
20 13,37
3,240 PROMOSI
100 7
19 14,43
3,331 DISTRIBUSI
100 7
18 13,28
2,767 KEPUTUSANPEMBELIAN
100 6
14 9,99
1,920 Valid N listwise
100
Berdasarkan tabel 5.5 dapat dilihat bahwa N=100, variabel produk mempunyai nilai rata-rata mean sebesar 13,73 dengan standar deviasi SD
sebesar 3,184, nilai minimum 6 dan nilai maksimum 19, variabel harga mempunyai nilai rata-rata mean sebesar 13,37 dengan standar deviasi SD
sebesar 3,240, nilai minimum 5 dan nilai maksimum 20, variabel promosi mempunyai nilai rata-rata mean sebesar 14,43 dengan standar deviasi 3,331,
nilai minimum 7 dan nilai maksimum 19, variabel distribusi mempunyai nilai rata-rata mean sebesar 13,28 dengan standar deviasi 2,767, nilai
minimum 7 dan nilai maksimum 18. Keempat variabel independen tersebut menunjukkan hasil yang baik, hal tersebut dikarenakan standar
deviasi lebih kecil dari nilai rata-rata mean. Berdasarkan keempat variabel tersebut, variabel promosi mempunyai
nilai rata-rata mean tertinggi yaitu 14,43 dengan standar deviasi 3,331, sedangkan variabel distribusi mempunyai nilai rata-rata mean terendah yaitu
13,28 dengan standar deviasi 2,767.
D. Uji Asumsi Klasik
Sebelum melakukan pengujian regresi berganda, maka terlebih dahulu dilakukan pengujian asumsi klasik. Pengujian asumsi klasik terdiri dari:
1. Uji Normalitas Uji normalitas diperlukan agar variabel bebas dan variabel terikat
terdistribusi secara normal atau dalam analisis regresi tidak terjadi estimasi yang bias. Dalam penelitian ini uji normalitas data menggunakan analisis
grafik normal P-P plots yang dilihat dari titik- titik yang menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka model regresi
memenuhi asumsi normalitas dan Kolmogorov-Smirnov dengan bantuan SPSS for windows
versi 15.0. Dasar pengambilan keputusan normalitas data, yaitu jika nilai Asymp. Sign 0,05 maka data residual berdistribusi
normal dan jika nilai Asymp. Sign 0,05 maka data residual tidak berdistribusi normal.
Tabel 5.6 Hasil Kolmogorov-Smirnov
One -Sample Kolmogorov-Smirnov Test
100 ,0000000
,30872156 ,059
,059 -,058
,591 ,876
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Dari hasil tabel 5.6 One-Sample Kolmogorov-Smirnov Test diketahui probabilitas koefisien toleransi lebih dari 0,05 atau nilai Asymp. Sign
taraf positif α, yaitu 0,876 0,05, maka dapat disimpulkan data
berdistribusi normal.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pec
ted 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: Keputusan Pembelian
Gambar 5.1
Normal P-P Plot of Regression Standardized Residual
Berdasarkan gambar 5.1 terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan
model regresi tersebut berdistribusi normal. 2. Uji Multikolinieritas
Uji Multikolinieritas dilakukan untuk membuktikan atau menguji apakah pada model regresi ditemukan adanya korelasi antar variabel
bebas. Model regresi yang baik adalah non-multikolinear. Analisis ini
ditentukan oleh besarnya nilai VIF Variance Inflation Factor dan nilai tolerance
. Kriteria pengujian gejala Multikolinieritas adalah sebagai berikut Ghozali, 2006: 95-96:
Jika nilai tolerance 10 persen dan nilai VIF 10 maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas
dalam model regresi. Jika nilai tolerance 10 persen dan nilai VIF 10 maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel bebas dalam model regresi.
Berdasarkan hasil pengolahan SPSS 15.0 for windows, didapatkan nilai VIF Variance Inflation Factor dan tolerance untuk masing-masing
variabel bebas pada tabel berikut ini.
Tabel 5.7 Hasil Pengujian Multikolinieritas
Variabel Collinearity Statistics
Tolerance VIF
Produk X
1
0,382 2,616
Harga X
2
0,655 1,526
Promosi X
3
0,300 3,333
Distribusi X
4
0,366 2,732
Berdasarkan tabel 5.7, dapat diketahui bahwa tidak ada variabel bebas yang memiliki nilai VIF Variance Inflation Factor lebih dari
10. Sehingga dapat disimpulkan tidak terjadi multikolinearitas diantara variabel bebas dalam model regresi.
3. Uji Heteroskedastisitas Uji Heteroskedastisitas dilakukan untuk mengetahui apakah variasi
residual absolut sama atau tidak sama untuk semua pengamatan. Model regresi yang baik adalah non heteroskedastis. Dasar pengambilan
keputusan adalah dengan melihat ada tidaknya pola tertentu antara Y yang diprediksi dan residual. Menurut Ghozali 2006, dasar analisisnya
adalah: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas serta titik –titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Berdasarkan hasil pengolahan SPSS 15.0 for windows, didapatkan
kurva pengujian heteroskedastisitas sebagai berikut:
Produk
3.00 2.00
1.00 0.00
-1.00 -2.00
-3.00
Ke put
usa n P
em bel
ian
1.00 0.50
0.00 -0.50
-1.00 -1.50
Partial Regression Plot Dependent Variable: Keputusan Pembelian
Gambar 5.2 Pengaruh Produk pada Keputusan Pembelian
Berdasarkan gambar 5.2, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas karena tidak membentuk pola yang jelas serta titik-
titiknya menyebar.
Harga
2.00 1.00
0.00 -1.00
-2.00 -3.00
Ke put
usa n P
em bel
ian
1.00 0.50
0.00 -0.50
-1.00 -1.50
Partial Regression Plot
Dependent Variable: Keputusan Pembelian
Gambar 5.3 Pengaruh Harga pada Keputusan Pembelian
Berdasarkan gambar 5.3, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas karena tidak membentuk pola yang jelas serta titik-
titiknya menyebar.
Promosi
1.50 1.00
0.50 0.00
-0.50 -1.00
-1.50
Ke put
usa n P
em bel
ian
1.50 1.00
0.50 0.00
-0.50 -1.00
Partial Regression Plot Dependent Variable: Keputusan Pembelian
Gambar 5.4 Pengaruh Promosi pada Keputusan Pembelian
Berdasarkan gambar 5.4, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas karena tidak membentuk pola yang jelas serta titik-
titiknya menyebar.
Distribusi
2.00 1.50
1.00 0.50
0.00 -0.50
-1.00
K ep
ut us
an P
em be
li an
1.00 0.50
0.00 -0.50
-1.00
Partial Regression Plot
Dependent Variable: Keputusan Pembelian
Gambar 5.5 Pengaruh Distribusi pada Keputusan Pembelian
Berdasarkan gambar 5.5, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas karena tidak membentuk pola yang jelas serta titik-
titiknya menyebar.
E. Pengujian Hipotesis 1. Uji F Simultan