Hasil Asumsi Klasik

Peason correlation

5. Hasil Asumsi Klasik

Uji asumsi klasik diperlukan untuk mendeteksi ada atau tidaknya penyimpangan asumsi klasik atas persamaan regresi berganda yang digunakan.

Tujuan analisis asumsi klasik adalah untuk memastikan bahwa hasil penelitian adalah valid. Uji asumsi klasik dalam penelitian terdiri uji Hasil Uji Normalitas, Uji heteroskedastisitas, Hasil Uji Multikolinearitas, Pengujian hipotesis.

a. Hasil Uji Normalitas

Uji normalitas adalah langka awal yang harus dilakukan untuk mengukur apakah data yang didapatkan memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial).

Sumber Data Olahan (2021) Gambar 4.1 Uji Normalitas

Berdasarkan menunjukkan bahwa nilai signifikansi di atas 0,05 Hal ini berarti data residual tersebut terdistribusi secara normal. Hal tersebut juga dapat dijelaskan dengan hasil analisis grafik yaitu grafik Normal Probability plot-nya menyebar mendekati dan mengukuti garis diagonalnya.

Dalam penelitian ini pengujian normalitas data menggunakan uji Kolmogorov-Smirnov (Kolmogorov-Smirnov Test) dengan melihat signifikansi dari residual yang dihasilkan dan pendekatan grafik normal probability plot.

Deteksi normalitas dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Hasil uji normalitas data dari residual yang diperoleh sebagai berikut:

Table 4.9 Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 50

Normal Parametersa Mean .0000000

Std. Deviation 1.50257585

Most Extreme Differences Absolute .086

Positive .086

Negative -.059

Kolmogorov-Smirnov Z .606

Asymp. Sig. (2-tailed) .856

a. Test distribution is Normal.

Sumber Data Olahan (2021)

Berdasarkan table 4.9 menunjukkan bahwa nilai signifikansi di atas 0,05 yaitu 0.606. Hal ini berarti data residual tersebut terdistribusi secara normal. Hal dapat dinyatakan bahwa data tersebut dapat dijadikan bahan penelitian variabel harga dan Kualitas Produk terhadap keputusan pembelian gula pasir di PT. XIV Nusantara PG. Cammingdan.

b. Uji heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas (Ghozali, 2013).

Sumber Data Olahan (2021) Gambar 4.2 Uji heteroskedastisitas

Berdasarkan gambar 4.2 dapat disimpulkan bahwa tidak terjadi heteroskedastisitas antar variabel independent dalam model regresi. Hal ini terlihat jelas di gambar grafik scatterplot terdapat titik-titik yang menyebar secara acak, baik diatas maupun dibawah angka 0 pada sumbu Y. Maka kondisi ini tidak terjadi heteroskedastisitas dan model regresi layak digunakan di penelitiaan.

c. Hasil Uji Multikolinearitas

Pengujian Multikolinearitas bertujuan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas, yaitu menguji apakah modal regresi ditemukan adanya korelasi antar variabel bebas atau independent.

Sebuah modeI regresi dikatakan muItikoIinearitas apabiIa terjadi hubungan Iinear yang sempurna atau pasti diantara beberapa atau semua variabeI bebas dari suatu modeI regresi. Akibatnya akan kesuIitan untuk dapat meIihat pengaruh variabeI independen terhadap variabeI dependennya. ModeI regresi yang baik seharusnya tidak terjadi koreIasi diantara variabeI bebas (tidak terjadi MuItikoIinearitas). Tabel 4.10 dibawah ini memperlihatkan Uji Multikolinearitas.

Tabel 4.10

UJI MULTIKOLINEARITAS

Coefficients^a

Model

Unstandardized Coefficients Collinearity Statistics

B Std. Error Tolerance VIF

1 (Constant) 3.723 1.826

Harga .194 .062 .871 1.148

Kualitas Produk .689 .093 .871 1.148

a. Dependent Variable: Keputusan Pembelian

Sumber data: Hasil Data Olahan (2020)

Berdasarkan tabel 4.10 dapat di simpulkan bahwa nilai Tolerance semua variabel lebih besar 0,05 (>5%) serta nilai VIF semua variabel independen lebih kecil dari 10 (VIF<10). Maka dapat di simpulkan bahwa tidak terjadi multikolinearitas.

d.

Pengujian hipotesis

Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi linier berganda. Hal ini bertujuan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Teknik analisis tersebut dilakukan dengan menggunakan program SPSS 16.0

Table 4.11

Hasil Pengujian Hipotesis

Coefficients^a

Model

Unstandardized Coefficients

T Sig.

KET

B Std. Error t hitung = 2.014

1 (Constant) 3.723 1.826 2.039 .047

Harga .194 .062 3.116 .003 Signifikan Diterima

Kualitas Produk .689 .093 7.395 .000 Signifikan Diterima Adjusted R

Square .650

a. Dependent Variable: Keputusan Pembelian

Sumber Data Olahan (2021)

Berikut adalah hasil regresi berganda sebagai berikut:

1. Analisis Data Interensial Y = 3.723 + 0.194 + 0.689 a) Konstanta (a)

Ini berarti bahwa jika variabel Harga (X1), Kualitas Produk (X2) tidak mengalami perubahan maka nilai Keputusan Pembelian (Y) sebesar 3,723.

b) Harga (X1)

Nilai koefisien leverage untuk variabel X1 sebesar 0,194. Hal ini mengandung arti bahwa setiap kenaikan sebesar 1, maka variabel dependen juga mengalami peningkatan sebear 0,194. Jika nilai variable Kualitas Produk tidak mengalami perubahan.

c) Kualitas Produk (X2)

Nilai koefisien leverage untuk variabel X2 sebesar 0,689. Hal ini mengandung arti bahwa setiap kenaikan sebesar 1, maka variabel dependen juga mengalami peningkatan sebear 0,689. Jika nilai variable Harga tidak mengalami perubahan.

2. Hasil Uji Regresi Secara Parsial (Uji t)

Uji stastistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen. Uji parsial ini dilakukan dengan membandingkan nilai α (alpha) dengan nilai p-value. Apabila nilai p-value < α (0,05), maka H0 ditolak.

Sehingga dapat dikatakan terdapat pengaruh secara parsial antara variabel independen dengan variabel dependen, dan sebaliknya. Berikut adalah hasil pengujian statistic t, yang dapat dilihat pada tabel 4.11 di bawah ini.

a. Harga (X1) menunjukan Coefficients Beta bertanda positive sebesar 0,194 pada tingkat signifikansi 0,003, karena tingkat signifikansi 0,003 < 0,05 dengan t tabel, diketahui t hitung sebesar 3.116 > t tabel 2.014 sehingga dapat dinyatakan bahwa variabel Harga (X1) berpengaruh terhadap Keputusan Pembelian (Y) dengan demikian hepotesis Ho terbukti.

b. Kualitas Produk (X2) menunjukan Coefficients Beta bertanda positive sebesar 0,689 pada tingkat signifikansi 0,000, karena tingkat signifikansi 0,000 < 0,05 dengan t tabel, diketahui t hitung sebesar 7.395 > t tabel 2.014 sehingga dapat dinyatakan bahwa variabel Kualitas Produk (X2) berpengaruh terhadap Keputusan Pembelian (Y) dengan demikian hepotesis Ho terbukti

3. Koefisien Determinasi

Koefisien determinasi (R²) untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.

Tabel 4.12

HASIL KOEFISIEN DETERMINASI

Model Summary^b

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .815a .664 .650 1.53421 1.939

a. Predictors: (Constant), Kualitas Produk, Harga b. Dependent Variable: Keputusan Pembelian

Sumber Data Olahan (2021)

Berdasarkan tabel 4.12 di atas, menunjukkan bahwa besarnya koefisien determinasi sebesar 0,650. Hal ini berarti kontribusi kombinasi variabel harga dan Kualitas Produk terhadap keputusan pembelian gula pasir di PT. XIV Nusantara PG. Camming Controlling sebesar 65%, sedangkan sisanya dipengaruhi oleh variabel lain sebesar 35%. dijelaskan oleh variabel controlling yang tidak diungkap dalam penelitian ini.