Tabel 4.9 Uji Normalitas Berdasarkan Pendekatan
Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
97 Normal Parameters
a
Mean .0000000
Std. Deviation 2.88935619
Most Extreme Differences
Absolute .063
Positive .041
Negative -.063
Kolmogorov-Smirnov Z .621
Asymp. Sig. 2-tailed .836
a. Test distribution is Normal.
Sumber : Output SPSS, data diolahJuni 2014
Berdasarkan tabel 4.9 dapat dilihat bahwa nilai Asymp. Sig2-tailed dari Store Atmosphere
yang melakukan Keputusan Pembelian Konsumen adalah sebesar 0,836 lebih besar dari 0,05 dan nilai Kolmogrov-Smirnov Z adalah sebesar
0,621 lebih kecil daripada 1,97 yang berarti variabel residual berdistribusi normal dan tidak ada perbedaan antara distribusi teoritik empiric atau dengan kata lain
data dikatakan normal.
4.3.2 Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varians sama,
dan ini yang seharusnya terjadi maka dikatakan ada homokedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi heterokedastisitas.
Dalam melakukan pengujian heterokedastisitas, dapat dilakukan melalui dua cara. Pertama, melalui analisis grafik dengan cara membaca grafik
Universitas Sumatera Utara
Scatterplot, dimana tidak terjadi heteroskedastisitas apabila titik-titik meyebar
secara acak, tidak membentuk sebuah pola tertentu yang jelas, dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Kedua, melalui analisis statistik
yang dilakukan melalui uji glejser, dimana tidak terjadi heterokedastisitas apabila tidak ada variabel independen yang signifikan secara statistik mempegaruhi
variabel dependen.
1. Pendekatan Scatterplot
Sumber : Output SPSSJuni 2014
Gambar 4.3 Uji Heteroskedastisitas melalui pendekatan Scatterplot
Universitas Sumatera Utara
2. Uji Glejser
Tabel 4.10 Uji Heteroskedastisitas malalui pendekatan
Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-2.468 2.456
-1.005 .318
Exterior_X
1
.276 .128
.222 2.162
.333 .895
1.117 General Interior_X
2
-.257 .114
-.266 -2.256
.126 .680
1.470 Store Layout_X
3
.370 .163
.262 2.269
.426 .711
1.407 Display_X
4
-.057 .147
-.042 -.388
.699 .792
1.262 a. Dependent Variable: absut
Sumber : Output SPSS Juni 2014
Berdasarkan Tabel 4.10 menunjukkan bahwa tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel independen absolut Ut. Dapat dilihat
pada kolom Sig. Yang merupakan probabilitas signifikansi variabel, dimana probabilitas signifikansi variabel berada diatas tingkat kepercayaan 0,05 maka dapat disimpulkan
model regresi ini tidak terindikasi heterokedastisitas.
4.3.3 Uji Multikolinieritas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan Variance
Inflation factor VIF dengan membandingkan yaitu VIF5 maka tidak terdapat
multikolinearitas dan Tolerance 0,1 maka tidak terdapat multikolinearitas.
Universitas Sumatera Utara
Tabel 4.11 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
.148 4.141
.036 .972
Exterior_X
1
-.049 .215
-.018 -.226
.822 .895
1.117 General Interior_X
2
.761 .192
.372 3.966
.000 .680
1.470 Store Layout_X
3
.826 .275
.276 3.002
.003 .711
1.407 Display_X
4
.581 .248
.204 2.339
.021 .792
1.262 a. Dependent Variable:
Keputusan.Pembelian_Y
Sumber: Output SPSS Juni 2014
Berdasarkan Tabel 4.11 dapat dilihat dari nilai tolerance dari semua variabel independen 0,1 dan VIF 5, sehingga data tidak terkena
multikolinearitas.
4.4 Analisis Statistik Analisis Regresi Linier Berganda
