BAB IV. HASIL PENELITIAN
4.2. Hasil Penelitian
4.2.3 Uji Statistik Inferensial
1. Hasil Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam sebuah regresi Variabel residual berdistribusi normal atau tidak.Secara visualisasi, dikatakan berdistribusi normal jika data dalam gambar Normal P-P Plot of Regression mengikuti garis diagonal dan tidak menyebar. Uji kenormalan data juga dilakukan dengan uji Kolmogorov-Smirnov terhadap uji standar residual hasil persamaan regresi.Apabila probabilitas uji Kolmogorov-Smirnov lebih besar dari 5% maka data tersebut berdistribusi normal (Ghozali, 2006).Dalam penelitian ini pengujian normalitas dideteksi melalui analisa grafik yang dihasilkan melalui SPSS. Hasil dapat dilihat pada Grafik 4.1 dan 4.2berikut :
Gambar 4.1 Normalitas Grafik P-Plot
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y E x p e c te d Cu m P ro b 1.0 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob Sumber : Data diolah, 2016
Gambar 4.2
Uji Normalitas Grafik Histogram
Histogram Dependent Variable: Y F re q u e n c y 25 20 15 10 5 Mean =1.09E-15 Std. Dev. =0.995 0 N =100 -4 -2 0 2
Regression Standardized Residual
Sumber : Data diolah, 2016(Lampiran II, hal. 100)
Pada gambar histogram diatas pola garis membentuk seperti lonceng menunjukkan bahwa pola berdistribusi normal.
Tabel 4.9 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
Kolmogorov-Smirnov Z 0,804
Asymp. Sig. (2-tailed) 0,537
Sumber : Data diolah, 2016(Lampiran IV, hal. 100)
Berdasarkan table 4.9 di atas, dapat dilihat bahwa probabilitas uji Kolmogorov-Smirnov memiliki tingkat signifikansi lebih besar dari 0,05 yaitu 0,537. Dengan demikian dapat disimpulkan bahwa model berdistribusi normal. Artinya, asumsi normalitas terpenuhi.
2. Hasil Uji Multikolinearitas
Uji multikolinearitas menggunakan bantuan program SPSS versi 16. Penelitian uji multikolinearitas dapat dilihat pada tabel berikut :
59
Tabel 4.10 Uji Multikolinearitas
Collinearity
Variabel Bebas Statistics Keterangan
Tolerance VIF
Harga (price) (X1) 0.714 1.400 Bebas Multikolinearitas
Citra Toko (store
image) (X2) 0.696 1.436 Bebas Multikolinearitas
Kualitas (quality) (X3) 0.763 1.311 Bebas Multikolinearitas
Kenyamanan
Berbelanja(Convenience 0.761 1.315 Bebas Multikolinearitas
of shopping) (X4)
Sumber : Data diolah, 2016 (Lampiran IV, hal. 101)
Tabel 4.10di atas menunjukkan nilai tolerance dan Variance Inflation Factor (VIF) kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Untuk mendeteksi ada atau tidak adanya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan variance inflation factor (VIF) dengan membandingkan sebagai berikut :
a. Jika VIF > 10 maka diduga mempunyai persoalan multikolinearitas b. Jika VIF < 10 maka tidak terdapat multikolinearitas
c. Tolerance < 0,1 maka diduga mempunyai persoalan multikolinearitas d. Tolerance > 0,1 maka tidak terdapat multikolinearitas
Dari hasil output data di atas, dapat disimpulkan bahwa tidak terjadi multikolinearitas antar variabel bebas.
3. Hasil Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah homokedastisitas atau tidak terjadi
heterokedastisitas. Untuk melihat apakah terjadi Heteroskedastisitas atau tidak dapat dilihat pada, tabel 4.10 sebagai berikut :
Tabel 4.11 Uji Heteroskedastisitas
Variabel Sig. Keterangan
Harga (price) (X1) 0.234 Bebas Heteroskedastisitas
Citra Toko (store image) (X2)
0.102 Bebas Heteroskedastisitas
Kualitas (quality) (X3) 0.951 Bebas Heteroskedastisitas Kenyamanan
0.948 Bebas Heteroskedastisitas
Berbelanja(Convenience of
shopping) (X4)
Sumber : Data diolah, 2016 (Lampiran IV, hal. 101)
Berdasarkan Tabel 4.11 di atas dapat diketahui bahwa nilai signifikansi (sig 2 tailed) empat variabel independen lebih besar dari 0,05 yaitu 0.234, 0.102, 0.951 dan 0.948. Dengan demikian dapat disimpulkan bahwa tidak terjadi heteroskedastisitas antar variabel bebas.
4. Hasil Analisis Regresi Berganda
Uji regresi berganda digunakan untuk mengetahui pengaruh atau hubungan secara linier antara dua atau lebih variabel independen yaitu harga (price), citra toko (store image), kualitas (quality) dan kenyamanan berbelanja (convenience of shopping) dengan satu variabel dependen yaitu keputusan pembelian.
61
Tabel 4.12 Hasil Uji Koefisien
Variabel
Dependen Variabel Independen Beta T Sig Pengaruh
Harga (price) (X1)
Positif dan
0.124 1.246 0.216 Tidak
Signifikan
Citra Toko (store
Positif dan
image) (X2) 0.240 2.384 0.019
Keputusan Signifikan
pembelian Positif dan
(Y) Kualitas (quality) (X3) 0.019 0.194 0.846 Tidak
Signifikan Kenyamanan Positif dan Berbelanja(Convenience 0.348 3.611 0.000 Signifikan of shopping) (X4) Constant = 2.202 R Square = 0.329
Adjusted R Square = 0.301 t tabel = 1.984
F hitung = 11.640 F tabel = 2.70
Sumber : Data diolah, 2016 (Lampiran V, hal. 103)
Berdasarkan hasil analisis regresi linier berganda pada Tabel 4.11 diperoleh persamaan regresi sebagai berikut:
Y = 5.684+ 0.124X1 + 0.240X2 + 0.019X3 + 0.348X4.
Dari tabel 4.12 diatas menjelaskan hasil pengujian secara parsial dan simultan pengaruh variabel independen harga (price), citra toko (store image), kualitas (quality), dan kenyamanan berbelanja (convenience of shopping) terhadap keputusan pembelian. Pada bagian uji F dengan tingkat signifikansi 0.000, diperoleh nilai Fhitung =11,640 dan Ftabel = 2,70 maka terbukti bahwa nilai Fhitung lebih besar dari Ftabel. Adapun variasi yang dapat dijelaskan oleh jalur persamaan sebagai perwujudan dari kontribusi variabel independen dalam menjelaskan variabel dependen adalah sebesar 0.329 atau
32,9% seperti tampak pada R Square. Hasil uji juga menjelaskan bahwa AdjustedR Square sebesar 0.301 atau 30,1%.
Pengaruh secara parsial dari masing-masing variabel independen harga (price), citra toko (store image), kualitas (quality), dan kenyamanan berbelanja (convenience of shopping) terhadap keputusan pembeliandilakukan dengan uji-t, hasil uji t adalah signifikan (sig-t < 0,05).
Pada jalur variable harga (price) (X1) ke variabel keputusan pembelian terdapat pengaruh yang positif dan tidak signifikan dengan nilai koefisien atau standardized coefficients beta bertanda positif sebesar 0,124. Hal ini menunjukkan bahwa harga (price) berpengaruh terhadap tingkat keputusan pembelian sebesar 1,24%. Hal ini juga dibuktikan dari nilai t 1.246 yang lebih kecil dari t 1.984atau nilai sig t
= 0,216 yang lebih kecil besar α = 0,05.
Pada jalur variabelcitra toko (store image) (X2) ke keputusan pembelian terdapat pengaruh yang positif dan signifikan dengan nilai koefisien atau standardized coefficients beta bertanda positif sebesar 0.240. Hal ini menunjukkan bahwa citra toko (store image) berpengaruh terhadap keputusan pembelian sebesar 2.40 %. Hal ini juga dibuktikan dari nilai t hitung = 2.384 yang lebih besar dari t tabel = 1.984atau nilai sig t =
0,019 yang lebih besar dari α = 0,05.
Pada jalur variabel kualitas (quality) (X3) ke variabel keputusan pembelian terdapat pengaruh yangpositif dan tidak signifikan dengan nilai koefisien atau standardized coefficientsbeta bertanda positif sebesar 0.019. Hal ini menunjukkan
kualitas (quality) berpengaruh terhadap keputusan
pembeliansebesar 1,9%. Hal ini
juga dibuktikan dari nilai t 0.194 yang lebih kecil dari t 1.984atau nilai sig
t = 0,846 yang lebih besar dari α = 0,05.
tabel = hitung =
tabel = hitung =
Pada jalur variabel kenyamanan berbelanja (convenience of shopping) (X4) ke variabel keputusan pembelianterdapat pengaruh yangpositif dan signifikan dengan nilai koefisien atau standardized coefficients beta bertanda positif sebesar 348. Hal ini
menunjukkan bahwa kenyamanan berbelanja (convenience of shopping) berpengaruh terhadap keputusan pembelian sebesar 3,48%. Hal ini juga dibuktikan dari nilai t hitung = 3.611 yang lebih besar dari t tabel = 1.984atau nilai sig t = 0,000 yang lebih kecil dari
α = 0,05.