Pengambilan keputusan : Pada tabel terlihat bahwa nilai Asymp. Sig. 2-Tailed adalah 0,767 dan di atas
nilai signifikan 0,05. Dengan kata lain variabel residual berdistribusi normal.
b. Heteroskedastisitas
Pendekatan grafik Dari grafik scatterplot yang disajikan, terlihat titik-titik menyebar secara acak
tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi
Heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan konsumen.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
32 Normal
Parameters
a,b
Mean .0000000
Std. Deviation .36454208
Most Extreme Differences
Absolute .118
Positive .118
Negative -.114
Kolmogorov-Smirnov Z .666
Asymp. Sig. 2-tailed .767
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Penelitian, 2012 data diolah
Universitas Sumatera Utara
Gambar 4.5 Scatterplot Sumber : Hasil Penelitian, 2012 data diolah
Pengambilan Keputusan :
Pada Gambar 4.5 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena tidak mengalami gangguan heterokedastisitas.
Pendekatan Statistik Uji Glejser
Tabel 4.11 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
-.546 .642
-.850 .403
Pemasaran -.045
.027 -.331
-1.685 .104
Produksi -.003
.055 -.010
-.047 .963
organisasi dan manajemen
-.009 .060
-.046 -.147
.884 Keuangan
.214 .101
.606 2.126
.443 a. Dependent Variable: ABSUT
Sumber : Hasil Penelitian, 2012 data diolah
Pengambilan keputusan :
Universitas Sumatera Utara
Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, makan ada indikasi terjadi heterokedastisitas. Hasil tampilan
output SPSS dengan jelas menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut.
Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dimpulkan model regresi tidak mengarah adanya heterokedastisitas.
c. Multikoliniearitas
Melihat nilai tolerance dan VIF Uji multikolinearitasbertujuan untuk menguji adanya kolerasi antara variabel
independen. Jika terjadi kolerasi maka dinamakan multikol, yaitu adanya masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi
korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.12 sebagai berikut:
Tabel 4.12 Uji Multikolinearitas
Universitas Sumatera Utara
Sumber : Hasil Penelitian, 2012 data diolah
Pengambilan Keputusan : Untuk mendeteksi ada tidaknya multikolinieritas dapat dilakukan dengan
melihat toleransi variabel dan variance inflations factor VIF dengan membandingkan sebagai berikut :
• VIF 5 maka diduga mempunyai persoalan multikolinieritas • VIF 5 maka tidak terdapat multikolinieritas
• Tolerance 0,1 maka diduga mempunyai persoalan multikolinieritas • Tolerance 0,1 maka tidak terdapat multikolinieritas.
• Dari output di atas terlihat bahwa semua data variabel tidak terkena multikolinieritas karena VIF 5 dan nilai tolerance 0,1.
3. Uji Regresi Linear Berganda a. Regression
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Pemasaran .727
1.376 Produksi
.569 1.757
organisasi dan manajemen .287
3.482 Keuangan
.346 2.893
a. Dependent Variable: keberhasilan usaha
Universitas Sumatera Utara
Analisis regresi berganda dilakukan untuk mengetahui seberapa besar pengaruh variabel bebas X1, X2, X3 dan X4 terhadap variabel terikat Y pada
pengusaha rumah makan di Kelurahan Helvetia Tengah Medan.
b. Uji Goodness of Fit Test
