Syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut :
a. Uji Normalitas
Uji normalitas, bertujuan untuk mengetahui suatu distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data
dengan bentuk lonceng dan distribusi data tersebut tidak mereng ke kiri
atau ke kanan. b. Uji Heterokedastisitas
Uji Heterokedastisitas berarti varians variabel independen adalah konstan atau sama untuk setiap nilai tertentu variabel independen
homokedastisitas. Model regresi yang memenuhi persyaratan adalah dimana terdapat kesamaan varians dari residual satu pengamatan ke
pengamatan yang lain tetap atau disebut homokedastisitas. Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan
memplotkan nilai ZPRED nilai prediksi dengan SRESID nilai residualnya. Model yang baik didapatkan jika tidak terdapat pola
tertentu pada grafik, seperti mengumpul ditengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit Situmorang, et
al, 2011 : 100.
c. Uji Multikolinearitas
Uji Multikolinearitas variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara
sempurna atau mendekati sempurna. Untuk mengetahui ada tidaknya
Universitas Sumatra Utara
gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui program SPSS.
Tolerance mengukur variabelitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umumnya yang biasa
dipakai adalah nilai Tolerance 0,1 atau nilai VIF 10, maka tidak terjadi multikolinearitas Situmorang et al, 2011 : 133.
2. Pengujian Hipotesis 1. Koefisien Determinasi R
2
Koefisien determinasi R
2
digunakan untuk menjelaskan proporsi variabel dependen bebas yang mampu dijelaskan oleh variasi variabel
independennya terikat.Nilai koefisien determinasi adalah 0 R
2
1.Nilai R
2
yang kecil berarti kemampuan variabel independen hampir memberikan semua informasi yang dibutuhkan untuk memprediksi variabel dependen.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel dependen yang dimasukkan terhadap model. Oleh
karena itu, banyak peneliti menganjurkan nilai adjusted R
2
pada saat mana model regresi yang terbaik Ghozali, 2006.
Tabel 3.5 Tabel Hubungan Antar Varabel
Nilai Interpretasi
0,0 – 0,19 Sangat tidak erat
0,2 – 0,39 Tidak erat
0,4 – 0,59 Cukup erat
0,6 – 0,79 Erat
0,8 – 0,99 Sangat erat
Sumber : Tjiptono 2005 : 259, Hasan 2008 : 84 data diolah
Universitas Sumatra Utara
b. Uji Signifikan Simultan Uji Serentak Uji-F
Uji-F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh bersama-sama terhadap
variabel terikat.Uji-F digunakan untuk melihat secara bersama-sama variabel bebas yaitu Kualitas Pelayanan mempunyai pengaruh terhadap variabel
terikat yaitu Kepuasan Pelanggan. Adapun Uji-F menggunakan langkah-langkah sebagai berikut :
1. H : b1 = b2 = b3 = b4 = b5, artinya secara bersama-sama tidak terdapat
pengaruh yang positif dan signifikan dari variabel bebas yaitu MutuKualitas x1, Merek X2, Harga X3, Kemasan X4 dan layanan
X5 terhadap varabel terikat yaitu Keputusan Pembelian Y. 2. H
a
: b1 ≠ b2 ≠ b3 ≠ b4 ≠ 0, artinya secara bersama-sama terdapat pengaruh
yang positif dan signifikan dari variabel bebas yaitu MutuKualitas x1, Merek X2, Harga X3, Kemasan X4 dan layanan X5 terhadap
varabel terikat yaitu Keputusan Pembelian Y. Kriteria pengambilan keputusan :
H diterima atau H
a
ditolak, jika F
hitung
F
tabel
pada α = 10 H
ditolak atau H
a
diterima, jika F
hitung
F
tabel
pada α = 10
c. Uji Signifikan Individual Uji Parsial Uji-t
