Uji Asumsi Klasik Analisis Data 1. Analisis Deskriptif

menyatakan kurang setuju, 4.0 menyatakan tidak setuju, dan 0.8 responden menyatakan sangat tidak setuju dengan pernyataan tersebut. 3. Pada pertanyaan ketiga, dari 125 responden, 19.2 menyatakan sangat setuju bahwa Indomaret mudah dan hemat, 61.6 menyatakan setuju, 16.8 menyatakan kurang setuju, 2.4 menyatakan tidak setuju, dan 0 menyatakan sangat tidak setuju dengan pernyataan tersebut.

2. Uji Asumsi Klasik

a. Uji Normalitas Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti 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 pendekatan grafik dan pendekatan Kolmogorv-Smirnov. 1 Pendekatan Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Universitas Sumatera Utara Gambar 4.1 Grafik Histogram Uji Normalitas Sumber: Hasil Pengolahan SPSS Juni 2010 Gambar 4.2 P-Plot Uji Normalitas Sumber: Hasil Pengolahan SPSS Juni 2010 Berdasarkan Gambar 4.1 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh gambar tersebut, dimana Universitas Sumatera Utara tidak menceng ke kiri atau ke kanan, sedangkan pada Gambar 4.2 data juga berdistribusi normal ini dapat dilihat pada scatter plot terlihat titik yang mengikuti data disepanjang garis diagonal. 2 Pendekatan Kolmogorv-Smirnov Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasrkan dengan uji statistik non- parametik Kolmogorv-Smirnov K-S. Tabel 4.13 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 125 Normal Parameters a Mean .0000000 Std. Deviation 1.12031611 Most Extreme Differences Absolute .091 Positive .091 Negative -.072 Kolmogorov-Smirnov Z 1.016 Asymp. Sig. 2-tailed .254 a. Test distribution is Normal. Sumber: Hasil Pengolahan SPSS Juni 2010 Berdasarkan Tabel 4.13, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.254, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain variabel tersebut berdistribusi normal. b. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke Universitas Sumatera Utara pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut 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 di atas dan di bawah 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. Gambar 4.3 Scatter Plot Uji Heteroskedastisitas Sumber: Hasil Pengolahan SPSS Juni 2010 Universitas Sumatera Utara Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. 2 Uji Glejser Tabel 4.14 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3.607 1.742 2.071 .041 Pelayanan .020 .033 .064 .614 .540 Kualitas_Produk -.042 .045 -.116 -.943 .348 Pilihan_Produk -.071 .053 -.122 -1.333 .185 Suasana_Ritel -.037 .049 -.068 -.747 .456 Kenyamanan .001 .040 .003 .031 .975 Harga -.021 .046 -.056 -.462 .645 a. Dependent Variable: Absut Sumber: Hasil Pengelolaan SPSS Maret 2010 Berdasarkan Tabel 4.14 dapat diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolute Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas. c. Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terja korelasi di antara variabel independen. Berikut ini disajikan cara mendeteksi multikolinierritas Universitas Sumatera Utara dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai Tolerance dan Variance Inflation Factor VIF. Tabel 4.15 Uji Nilai Tolerance dan VIF Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -2.904 2.735 -1.062 .290 Pelayanan .111 .051 .167 2.164 .032 .744 1.344 Kualitas_Produk .231 .071 .295 3.266 .001 .542 1.847 Pilihan_Produk .149 .084 .119 1.777 .078 .982 1.019 Suasana_Ritel .062 .077 .054 .804 .423 .991 1.009 Kenyamanan .050 .063 .054 .792 .430 .961 1.040 Harga .285 .072 .350 3.951 .000 .562 1.778

a. Dependent Variable: Citra

Sumber: Hasil Pengolahan SPSS Maret 2010 Berdasarkan Tabel 4.15 dapat dilihat bahwa: 1 Nilai VIF dari nilai pelayanan, kualitas produk, pilihan produk, suasana ritel, kenyamanan dan harga lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi. 2 Nilai Tolerance dari pelayanan, kualitas produk, pilihan produk, suasana ritel, kenyamanan, dan harga lebih besar dari 0.1, ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.

3. Analisis Regresi Linier Berganda