96
4.2.3.4 Uji Signifikan Secara Parsial Uji-t
Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel independen secara parsial individual terhadap variasi variabel
dependen.
Tabel 4.15 Hasil Uji Signifikansi Parsial Uji-t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
9.753 2.847
3.426 .001
GayaHidup .208
.098 .198
2.120 .037
Merek .220
.094 .161
2.344 .022
KelompokRef erensi
.236 .103
.250 2.285
.025 a. Dependent Variable: KeputusanPembelian
Sumber : Hasil Pengolahan SPSS Desember 2014
Berdasarkan Tabel 4.15 dapat dilihat bahwa : 1. Variabel Gaya Hidup X
1
Nilai T
hitung
variabel Gaya Hidup adalah 2,120 dan nilai T
tabel
1,664 maka T
hitung
T
tabel
2,120 1,664 sehingga dapat disimpulkan bahwa variabel Gaya Hidup berpengaruh positif dan signifikan 0,037 0,05 secara parsial terhadap
Keputusan Pembelian. Artinya jika ditingkatkan variabel Gaya Hidup sebesar satu satuan maka Keputusan Pembelian akan meningkat sebesar 0,208 satuan.
2. Variabel Merek X
2
Nilai T
hitung
variabel Merek adalah 2,344 dan nilai T
tabel
1,664 maka T
hitung
T
tabel
2,344 1,664 sehingga dapat disimpulkan bahwa variabel Merek
Universitas Sumatera Utara
97 berpengaruh positif dan signifikan 0,0220,05 secara parsial terhadap
Keputusan Pembelian. Artinya jika ditingkatkan variabel Merek sebesar satu satuan maka Keputusan Pembelian akan meningkat sebesar 0,220 satuan.
3. Variabel Kelompok Referensi X
3
Nilai T
hitung
variabel Kelompok Referensi adalah 2,285 dan nilai T
tabel
1,664 maka T
hitung
T
tabel
2,285 1,664 sehingga dapat disimpulkan bahwa variabel Grup Referensi berpengaruh positif dan signifikan 0,025 0,05 secara parsial
terhadap Keputusan Pembelian. Artinya jika ditingkatkan variabel Kelompok Referensi sebesar satu satuan maka Keputusan Pembelian akan meningkat sebesar
0,236 satuan.
4.2.3.5 Analisis Regresi Linear Berganda
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.15, maka
diperoleh persamaan hasil regresi linear berganda sebagai berikut: Y = 9,753 + 0,208X
1
+ 0,220X
2
+ 0,236X
3
+e
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut: 1.
Konstanta = 9,735, ini menunjukkan harga konstan, dimana jika variabel Gaya Hidup, Merek, dan Kelompok Referensi adalah konstan, maka
Keputusan Pembelian = 9,735. 2.
Koefisien X
1
= 0,208, ini menunjukkan bahwa apabila variabel Gaya Hidup ditingkatkan dan variabel Merek dan Kelompok Referensi adalah konstan,
maka akan meningkatkan Keputusan Pembelian sebesar 0,208 satuan. 3.
Koefisien X
2
= 0,220, ini menunjukkan bahwa apabila variabel Merek ditingkatkan dan variabel Gaya Hidup dan Kelompok Referensi adalah
Universitas Sumatera Utara
98 konstan, maka akan meningkatkan Keputusan Pembelian sebesar 0,220
satuan. 4.
Koefisien X
3
= 0,236, menunjukkan bahwa apabila variabel Kelompok Referensi ditingkatkan dan variabel Gaya Hidup dan Merek adalah konstan,
maka meningkatkan Keputusan Pembelian sebesar 0,236 satuan.
4.2.4 Analisis Statistik Hipotesis II
H
2
: Gaya hidup, merek, dan kelompok referensi diduga mempunyai pengaruh positif terhadap loyalitas produk iPad dikalangan mahasiswai Fakultas
Ekonomi dan Bisnis Universitas Sumatera Utara.
4.2.4.1. Uji Asumsi Klasik a. Uji Normalitas
Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorov-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
99
Sumber : Hasil Pengolahan SPSS Desember 2014 Gambar 4.8 Grafik Histogram Uji Normalitas
Sumber : Hasil Pengolahan SPSS Desember 2014
Gambar 4.9 Grafik Normal P-P Plot Uji Normalitas
Universitas Sumatera Utara
100 Berdasarkan Gambar 4.8 dapat diketahui bahwa hubungan dari variabel
Gaya Hidup, Merek, dan Kelompok Referensi terhadap Loyalitas Pelanggan adalah berdistribusi normal, hal ini ditunjukkan oleh gambar yang tidak terlihat
melenceng ke kiri ataupun ke kanan. Sedangkan pada gambar 4.9 data berdistribusi normal dapat dilihat pada scatterplot, terlihat titik yang mengikuti
data di sepanjang garis diagonal. 2.
Pendekatan Kolmogorov-Smirnov Berikut ini pengujian normalitas yang berdasarkan dengan uji statistik
non-parametik Kolmogorov-Smirnov K-S untuk memastikan apakah data benar
berdistribusi normal. Tabel 4.16
One-Sample Kolmogrov-Smirnov Test
Unstandardiz ed Residual
N 97
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.42778418
Most Extreme Differences
Absolute .102
Positive .102
Negative -.048
Kolmogorov-Smirnov Z 1.003
Asymp. Sig. 2-tailed .267
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS Desember 2014
Berdasarkan Tabel 4.16 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,267, dan di atas nilai signifikan 5 0,05, dengan kata lain variabel residual
berdistribusi normal.
Universitas Sumatera Utara
101
b. Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu variabel pengamatan ke
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. Terdapat beberapa cara untuk mendeteksi ada
atau tidaknya heteroskedastisitas: 1. Metode Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah 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.
Sumber : Hasil Pengolahan SPSS Desember 2014 Gambar 4.10
Scatter Plot Uji Heteroskedastisitas
Universitas Sumatera Utara