70
2 Anda berminat untuk membeli
minuman ringan bersoda coca cola karena memang kualitas
yang ditunjukkan sudah baik 12
60 40
8 120
3 Anda tertarik untuk membeli
minuman ringan bersoda Coca Cola karena adanya pengaruh
yang baik dari lingkungan disekitar anda
17 51
43 9
120 total
35 181
123 21
Sumber: Hasil Penyebaran Kuesioner Lampiran 2 Berdasarkan hasil penyebaran kuesioner diketahui bahwa jawaban
yang diberikan reseponden dapat dikatakan setuju dengan pertanyaan yang diajukan hal tersebut dapat diketahui dengan banyaknya responden yang
memberikan jawaban sebesar 181 pada skor 5. Hal tersebut ditunjukkan dengan banyaknya responden yang memberikan jawaban bahwa resoponden
berminat untuk membeli minuman ringan bersoda Coca Cola karena ada promosinya baik di televisi dan media-media lainnya yang membuat anda
tertarik untuk mengkonsumsinya, responden berminat untuk membeli minuman ringan bersoda coca cola karena memang kualitas yang ditunjukkan
sudah baik Dan responden tertarik untuk membeli minuman ringan bersoda Coca Cola karena adanya pengaruh yang baik dari lingkungan disekitar anda.
4.3. Deskripsi Hasil Analisis Dan Uji Hipotesis
4.3.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik
untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal.
71
Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.7.
Assessment of normality Variable
min max
kurtosis c.r.
X11 4
7 -0,496
-1,109 X12
4 7
-0,418 -0,935
X13 4
7 -0,185
-0,413 X21
4 7
-0,225 -0,502
X22 4
7 -0,392
-0,877 X23
4 7
-0,043 -0,097
X31 4
7 -0,110
-0,247 X32
4 7
-0,118 -0,263
X33 4
7 -0,549
-1,227 Y1
4 7
0,098 0,220
Y2 4
7 -0,230
-0,514 Y3
4 7
-0,532 -1,189
Multivariate -6,450
-1,927 Batas Normal
± 2,58
Sumber : lampiran 3 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ±
2,58 itu berarti asumsi normalitas terpenuhi.
4.3.2. Evaluasi atas Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik
yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel
kombinasi Hair,1998. Multivariate outlier
diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
χ2] pada df sebesar jumlah variabel bebasnya df = 20. Ketentuan : bila Mahalanobis dari nilai
χ2
72
adalah multivariate outlier. Pada penelitian ini terdapat outlier apabila nilai Mahalanobis distancenya
45,315. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.8. Hasil Pengujian Outlier Multivariate
Residuals Statistics a Minimum
Maximum Mean
Std. Deviation
N Predicted Value
18,116 99,647
60,500 17,222
120 Std. Predicted Value
-2,461 2,273
0,000 1,000
120 Standard Error of Predicted Value
5,674 13,722
10,363 1,637
120 Adjusted Predicted Value
17,093 96,737
60,731 17,338
120 Residual
-72,979 71,630
0,000 30,222
120 Std. Residual
-2,290 2,247
0,000 0,948
120 Stud. Residual
-2,399 2,328
-0,003 1,001
120 Deleted Residual
-80,106 76,838
-0,231 33,670
120 Stud. Deleted Residual
-2,455 2,378
-0,004 1,007
120 Mahalanobis Distance [MD]
2,780 21,064
11,900 3,828
120 Cooks Distance
0,000 0,043
0,009 0,010
120 Centered Leverage Value
0,023 0,177
0,100 0,032
120 a Dependent Variable : NO. RESP
Terdapat Outlier Apabila Mahalanobis Distance :
32,909 =CHIINV0,001.12
Sumber : lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai
MD maksimum adalah 21,064 lebih kecil dari 32,909. Oleh karena itu diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel. 4.3.3.
Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS
4.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0
73
yaitu sebesar 578,49 mengindikasikan tidak terjadi multikolinieritas dan
singularitas dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas