Hasil penilaian terhadap reliabilitas dari semua variabel bebas menunjukan nilai yang lebih besar dari 0,6, sehingga dapat disimpulkan seluruh
variabel bebas dalam penelitian ini reliable. Sehingga kuisioner digunakan untuk analisis selanjutnya.
4.4 Analisis dan Pembahasan 4.4.1 Uji Asumsi Klasik
Beberapa uji asumsi klasik yang harus dipenuhi adalah autokorelasi, multikolinieritas, heteroskedastisitas dan normalitas :
a. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam sebuah model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-
1
sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengujian autokorelasi dapat dilihat melalui angka Durbin-
Watson pada tabel 4.11 berikut ini melalui program statistik SPSS 11.5
Tabel 4.11 DurbinWatson
Model Summaryb
Change Statistics Durbin-
Watson R Square
Change F Change
df1 df2
Sig. F Change ,733
65,205 4
95 ,000
2,578
Sumber : Lampiran 4
Berdasarkan tabel 4.11 diatas, dapat dilihat bahwa angka Durbin-Watson sebesar +2,578 atau berada diantara -4 sampai dengan +4. Hal ini berarti model
regresi tersebut tidak terdapat masalah autokorelasi. b.
Multikolinieritas
Uji Multikolinieritas pada penelitian ini digunakan untuk mendeteksi adanya gejala Multikolinieritas dalam pengujian keeratan hubungan antar variabel
bebas, tercermin dari Coefficient. Hal ini tampak pada nilai tolerance dan Variance Inflation Factor VIF untuk setiap variabel bebas. Jila nilai tolerance
lebih dari 0,10 dan nilai VIF kurang dari 10, artinya menunjukan tidak terdapat korelasi antar satu variabel bebas .
Tabel 4.12 Nilai VIF Variance Inflation Factor
Model Collinearity Statistics
Tolerance VIF
1 Constant
X1 ,975
1,026 X2
,983 1,018
X3 ,912
1,096 X4
,919 1,088
Sumber : Lampiran 4 Berdasarkan hasil perhitungan menunjukan bahwa nilai Variance Inflation
factor VIF dari semua variabel bebas yang meliputi : Produk X
1
, Harga X
2
, merk X
3
dan lokasi X
4
memperlihatkan nilai yang kurang dari 10. Ini berarti
persoalan Multikolinieritas di antara semua variabel bebas dapat ditolerir atau tidak terdapat adanya gejala Multikolinieritas.
b. Heterokedastisitas
Heterokedastisitas berarti variasi varian variabel tidak sama untuk semua pengamatan. Pada heterokedastisitas, kesalahan yang terjadi tidak random acak
tetapi menunjukkan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel bebas. Berikut pendeteksian heterokedastisitas dengan grafik
scatter plot antara residual dan fits:
Gambar 4.13
Partial Regression Plot Dependent Variable: Y1
X
3 2
1 -1
-2 -3
Y1
1,5 1,0
,5 0,0
-,5 -1,0
-1,5
Sumber : Lampiran 4 Pengujian heteroskedastisitas di atas dilakukan dengan melihat plot antara
residual versus fit pada Gambar 4.13. Jika terjadi trend baik itu naik, turun maupun rata, maka dikatakan ada heteroskedastisitas pada data. Pada Gambar 4.2
dapat dijelaskan tidak terjadi trend karena data titik-titik tersebar hampir secara merata tidak membentuk pola. Hal ini membuktikan tidak terjadinya
heterokedastisitas.
c. Normalitas