Nama : Sufriyandi

NIM : 1701617100
Prodi : Pend. Ekop A
Mata Kuliah : Aplikom

1. Buatlah data X1 : 10 soal kuesioner, dengan jumlah 15 responden

A. Uji validitas dengan menggunakan Ms. Excel
- Memasukkan data yang akan diuji
- Menjumlahkan data setiap responden dengan rumus {=SUM(number1;number2;...)}
- Mencari r hitung dengan menggunakan rumus {=CORREL(array1;array2)
- Mencari r tabel dapat dicari di internet r tabel untuk 15 responden (15
responden=0,514)
- Mencari validitas dengan menggunakan rumus {=IF(rhitung > rtabel;”Valid”;”Tidak
Valid”)}
 Keterangan angka pada tabel
5 = Sangat Setuju
4 = Setuju
3 = Ragu-Ragu
2 = Tidak Setuju
1 = Sangat Tidak Setuju

Penempatan Produk (X1)

Responden Jumlah
X1_1 X1_2 X1_3 X1_4 X1_5 X1_6 X1_7 X1_8 X1_9 X1_10
1 4 4 4 4 4 3 3 3 3 3 35
2 4 4 2 4 2 2 3 4 2 3 30
3 4 4 4 4 4 2 4 4 3 4 37
4 3 3 3 3 3 5 3 3 3 3 32
5 4 4 3 3 3 3 3 3 3 3 32
6 3 4 3 4 4 2 4 4 4 3 35
7 4 4 4 4 4 2 4 4 4 4 38
8 4 4 4 3 3 2 4 3 4 3 34
9 3 3 3 3 3 3 3 3 3 3 30
10 4 4 4 5 4 1 4 4 4 3 37
11 4 4 4 4 4 2 4 4 4 4 38
12 4 3 4 3 3 1 4 4 3 3 32
13 4 4 4 4 4 2 3 3 3 4 35
14 5 5 5 5 5 1 5 4 4 4 43
15 2 3 3 3 3 2 2 2 2 2 24
rhitung 0,7869614 0,783809 0,7574578 0,7413845 0,8185093 -0,3383908 0,8616645 0,6782928 0,7854422 0,8230775
rtabel 0,514 0,514 0,514 0,514 0,514 0,514 0,514 0,514 0,514 0,514
Keterangan Valid Valid Valid Valid Valid Tidak Valid Valid Valid Valid Valid
 B. Uji validitas dengan menggunakan SPSS
Pengujian validitas konstruk dengan SPSS adalah menggunakan korelasi, sama
dengan halnya Ms.Excel. Kriterianya, instrumen valid apabila nilai korelasi (pearson
correlation) adalah positif, dan nilai probabilitas korelasi [sig. 2 (tailed)] taraf
signifikan sebesar 0,05.
Langkah-langkahnya adalah sebagai berikut:
a. Ketik data jawaban angket di Excel!
b. Buka program SPSS
c. Copy skor-skor angket yang ada di Excel, termasuk skor total dan paste-kan
dilembar data editor SPSS. Lalu klik variabel view
d. Pada kolom tabel, ketika label item-item angket (Item X ke-1, Item X ke-2, dan
seterusnya, termasuk Total X)
e. Lalu klik menu Analyze, Correlate, Bivariat
f. Blok semua label (item X ke-1, dst), klik icon panah, sehingga seluruhnya akan
berpindah ke kotak Variable, lalu klik ikon ok
g. Selanjutnya akan muncul halaman baru
h. Hasilnya adalah sebagai berikut.

Correlations
Item1 Item2 Item3 Item4 Item5 Item6 Item7 Item8 Item9 Item10 Total_Item
Item1 Pearson
1 ,760** ,606* ,567* ,428 -,420 ,701** ,613* ,442 ,695** ,787**
Correlation
Sig. (2-tailed) ,001 ,017 ,027 ,112 ,119 ,004 ,015 ,099 ,004 ,000
N 15 15 15 15 15 15 15 15 15 15 15
Item2 Pearson
,760** 1 ,484 ,760** ,617* -,427 ,617* ,478 ,507 ,601* ,784**
Correlation
Sig. (2-tailed) ,001 ,067 ,001 ,014 ,112 ,014 ,072 ,054 ,018 ,001
N 15 15 15 15 15 15 15 15 15 15 15
Item3 Pearson
,606* ,484 1 ,468 ,809** -,459 ,678** ,273 ,634* ,588* ,757**
Correlation
Sig. (2-tailed) ,017 ,067 ,078 ,000 ,085 ,005 ,325 ,011 ,021 ,001
N 15 15 15 15 15 15 15 15 15 15 15
Item4 Pearson
,567* ,760** ,468 1 ,701** -,520* ,564* ,613* ,442 ,524* ,741**
Correlation
Sig. (2-tailed) ,027 ,001 ,078 ,004 ,047 ,028 ,015 ,099 ,045 ,002
N 15 15 15 15 15 15 15 15 15 15 15
Item5 Pearson
,428 ,617* ,809** ,701** 1 -,341 ,612* ,340 ,665** ,626* ,819**
Correlation
Sig. (2-tailed) ,112 ,014 ,000 ,004 ,213 ,015 ,214 ,007 ,013 ,000
N 15 15 15 15 15 15 15 15 15 15 15
Item6 Pearson
-,420 -,427 -,459 -,520* -,341 1 -,531* -,484 -,280 -,214 -,338
Correlation
Sig. (2-tailed) ,119 ,112 ,085 ,047 ,213 ,042 ,067 ,312 ,445 ,217
N 15 15 15 15 15 15 15 15 15 15 15
Item7 Pearson
,701** ,617* ,678** ,564* ,612* -,531* 1 ,791** ,801** ,626* ,862**
Correlation
Sig. (2-tailed) ,004 ,014 ,005 ,028 ,015 ,042 ,000 ,000 ,013 ,000
N 15 15 15 15 15 15 15 15 15 15 15
Item8 Pearson
,613* ,478 ,273 ,613* ,340 -,484 ,791** 1 ,497 ,589* ,678**
Correlation
Sig. (2-tailed) ,015 ,072 ,325 ,015 ,214 ,067 ,000 ,059 ,021 ,005
N 15 15 15 15 15 15 15 15 15 15 15
Item9 Pearson
,442 ,507 ,634* ,442 ,665** -,280 ,801** ,497 1 ,502 ,785**
Correlation
Sig. (2-tailed) ,099 ,054 ,011 ,099 ,007 ,312 ,000 ,059 ,057 ,001
N 15 15 15 15 15 15 15 15 15 15 15
Item10 Pearson
,695** ,601* ,588* ,524* ,626* -,214 ,626* ,589* ,502 1 ,823**
Correlation
Sig. (2-tailed) ,004 ,018 ,021 ,045 ,013 ,445 ,013 ,021 ,057 ,000
N 15 15 15 15 15 15 15 15 15 15 15
Total_ Pearson
,787** ,784** ,757** ,741** ,819** -,338 ,862** ,678** ,785** ,823** 1
Item Correlation
Sig. (2-tailed) ,000 ,001 ,001 ,002 ,000 ,217 ,000 ,005 ,001 ,000
N 15 15 15 15 15 15 15 15 15 15 15
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).

Cara analisis:
 Pada out put correlations bisa dilihat hasil dengan tanda bintang adalah valid.
*Bintang 1 menunjukkan bahwa instrument valid pada 1 kali pengujian dengan taraf
signifikansi 95% (0,05).
**Bintang 2 menunjukkan bahwa instrument valid pada 2 kali pengujian dengan taraf
signifikansi 99% (0,01).
  Pada Metode penelitian, kriteria ujinya adalah membanding nilai rh (correlation)
dengan rt (table product moment). Di mana n (jumlah sample) 15, didapat r table
sebesar 0,514

2. Uji Reabilitas
Langkah-langkahnya sebagai betikut:
- Dari menu utama SPSS, pilih menu Analyze, Scale, Reliability Analisys
- Blok item X ke-1 dan seterusnya, tetapi "tidak termasuk" total X, pindahkan ke kotak
items dengan mengklik tanda panah, lalu pada menu model, pilih salah satu misalnya
Alpha, lalu klik Ok
- Hasilnya adalah sebagai berikut:

Case Processing Summary

N %
Cases Valid 15 100,0
Excludeda 0 ,0
Total 15 100,0
a. Listwise deletion based on all variables in the
procedure.

Reliability Statistics
Cronbach's
Alpha N of Items
,818 10

Cara analisis:
Dari output diatas, reliabilitas dapat dilihat bahwa nilai Conbrach's Alpha masing item
di atas 0,818, atau secara keseluruhan instrumentpun dinyatakan reliable karena nilai Alpha
yang sudah mendekati indeks 1(satu); semakin mendekati indeks 1, tingkat reliable semakin
baik.

3. Buat data X1, X2, X3, Y dengan 120 responden, bentuknya hanya berupa data. Data 120
responden dengan variabel X1 (Penempatan Produk), X2 (Kesadaran Merek), X3 (Citra
Merek), terhadap Y (Minat Beli).
Responden X1 X2 X3 Y
1 27 27 22 31
2 31 32 25 29
3 35 31 24 35
4 36 36 28 38
5 30 24 21 30
6 21 33 25 32
7 29 34 24 23
8 34 28 21 29
9 32 34 25 36
10 39 31 27 14
11 42 38 26 35
12 36 30 25 22
13 25 28 23 28
14 40 37 26 39
15 27 34 25 28
16 29 30 23 35
17 22 35 24 25
18 27 26 22 28
19 30 35 24 36
20 26 29 24 27
21 22 22 28 28
22 31 28 22 21
23 43 40 29 43
24 36 35 27 35
25 35 38 24 33
26 35 29 24 24
27 32 28 23 34
28 43 38 29 39
29 35 32 28 28
30 36 35 18 29
31 30 30 22 25
32 36 28 24 34
33 44 29 25 26
34 28 27 20 23
35 35 39 26 45
36 22 21 17 20
37 29 29 23 23
38 30 28 23 27
39 29 28 23 24
40 28 31 23 36
41 34 34 24 36
42 31 26 20 28
43 43 19 23 24
44 29 36 21 22
45 33 30 25 30
46 33 35 29 39
47 29 30 22 35
48 34 24 28 27
49 36 32 21 37
50 33 30 27 32
51 22 33 26 36
52 34 30 22 35
53 34 33 24 38
54 33 29 19 28
55 27 18 18 26
56 30 39 27 36
57 26 32 22 33
58 31 26 18 29
59 39 39 27 41
60 36 35 26 30
61 31 36 25 40
62 36 38 30 41
63 33 20 21 25
64 34 31 22 33
65 33 36 25 27
66 36 33 28 37
67 28 15 18 14
68 45 40 30 45
69 36 29 23 28
70 38 37 30 31
71 26 30 21 30
72 40 32 24 36
73 35 31 27 34
74 37 22 6 21
75 32 39 30 42
76 36 38 30 34
77 32 30 19 31
78 13 17 11 15
79 29 26 20 22
80 33 33 21 28
81 29 29 18 21
82 26 37 28 27
83 34 31 23 31
84 40 34 25 28
85 45 30 23 35
86 35 24 8 25
 87 41 28 24 33
88 22 33 25 40
89 35 31 23 32
90 38 35 27 37
91 25 29 21 27
92 36 37 28 38
93 32 31 23 39
94 42 32 24 37
95 42 30 26 33
96 28 31 24 35
97 39 35 25 27
98 30 26 23 31
99 35 33 24 34
100 36 32 24 37
101 35 31 22 37
102 39 33 24 34
103 37 35 25 42
104 38 37 25 42
105 34 30 22 25
106 37 38 30 38
107 42 36 24 42
108 38 34 29 35
109 31 34 24 29
110 35 32 24 37
111 26 32 24 37
112 37 35 25 32
113 36 35 27 35
114 41 24 21 33
115 30 38 22 33
116 32 31 22 31
117 18 20 19 32
118 31 32 23 36
119 36 17 19 15
120 33 39 29 36

4. Uji Normalitas
Data dari no.3
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini
merupakan pengujian yang paling banyak dilakukan untuk analisis statistik parametrik.
Karena data yang berdistribusi normal merupakan syarat dilakukannya tes parametrik.
Sedangkan untuk data yang tidak mempunyai distribusi normal. maka analisisnya
menggunakan tes non parametric. Normal disini dalam arti mempunyai distribusi data
normal. Normal atau tidaknya berdasarkan patokan distribusi normal dari data dengan,
mean dan standar deviasi yang sama. Jadi uji normalitas pada dasarnya melakukan
perbandingan antara data yang kita miliki dengan data berdistribusi normal yang memiliki
mean dan standar deviasi yang sama dengan data kita.
Uji normalitas dengan menggunakan uji Kolmogorov-smimov memiliki tingkat
signifikan 5% = 0,05. Kriteria pengambilan keputusannya yaitu jika signifikansi > 0.05.
maka galat berdistribusi normal dan jika signifikansi < 0,05 maka galat tidak berdistribusi
normal. Sedangkan uji nonnalitas dengan menggunakan normal probably plot memiliki
kriteria jika data menyebar di sekitar garis diagonal dan mengikuti arah diagonal maka
model regresi memenuhi asumsi normalitas dan jika data menyebar jauh dari garis
diagonal maka model regresi tidak memenuhi asumsi normalitas.
Langkah pengujian:
a. Analisis Data Pengujian Normalitas dilakukan dengan modul regresi dengan menu
seperti berikut: Analyze – Nonparametric tests – Legacy Dialogs – Sample K-S.
b. Blok semua Variabel X termasuk Y, klik icon panah, sehingga seluruhnya akan
berpindah ke kotak Variable, lalu pada kolom Test Distribution klik ikon normal,
lalu OK. Dan selanjutnya lihatlah outputnya.

One-Sample Kolmogorov-Smirnov Test

X1 X2 X3 Y
N 120 120 120 120
Normal Parametersa,b Mean 33,0250 31,1750 23,6500 31,5083
Std. Deviation 5,81141 5,29890 3,91002 6,55423
Most Extreme Differences Absolute ,079 ,104 ,128 ,086
Positive ,079 ,053 ,098 ,045
Negative -,075 -,104 -,128 -,086
Test Statistic ,079 ,104 ,128 ,086
Asymp. Sig. (2-tailed) ,061c ,003c ,000c ,029c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
 5. Uji Linearitas
Data dari no.3
Uji linearitas bertujuan untuk apakah dua variabel mempunyai hubungan yang linear
atau tidak secara signifikan. Dasar pengambilan keputusan dalam Uji Linearitas dapat
dilakukan dengan dua cara:
Pertama adalah dengan melihat nilai signifikansi pada output SPSS : Jika nilai
signifikansi lebih besar dari 0,05, maka kesimpulannya adalah terdapat hubungan linear
secara signifikan antara variabel predictor (X) dengan variabel kriterium (Y). Sebaliknya,
Jika nilai signifikansi lebih kecil dari 0,05, maka kesimpulannya adalah tidak terdapat
hubungan yang linear antara variabel predictor (X) dengan variabel kriterium (Y).
Kedua adalah dengan melihat Nilai Fhitung dan Ftabel : Jika nilai Fhitung lebih kecil
dari Ftabel maka kesimpulannya adalah terdapat hubungan linear secara signifikan antara
variabel predictor (X) dengan variabel kriterium (Y). Sebaliknya, Jika nilai Fhitung lebih
besar dari Ftabel maka kesimpulannya adalah tidak terdapat hubungan linear antara
variabel predictor (X) dengan variabel kriterium (Y).
Langkah pengujian:
a. Analisis Data Pengujian Normalitas dilakukan dengan modul regresi dengan menu
seperti berikut: Analyze – Compara Means – Means
b. Muncul kotak dengan Means, masukkan variabel X ke kotak Independent List dan
variabel Y ke kotak Dependent List.
c. Klik options, pada statistik for first layer, pilih Test of Linearity, kemudian klik
Continue. Lalu ok, Dan selanjutnya lihatlah outputnya.

Case Processing Summary

Cases
Included Excluded Total
N Percent N Percent N Percent
Y * X1 120 100,0% 0 0,0% 120 100,0%
Y * X2 120 100,0% 0 0,0% 120 100,0%
Y * X3 120 100,0% 0 0,0% 120 100,0%

Uji Linearitas X1 terhadap Y

ANOVA Table
Sum of Squares Df Mean Square F Sig.
Y * X1 Between Groups (Combined) 1368,280 24 57,012 1,447 ,107
 Linearity 588,940 1 588,940 14,945 ,000
Deviation from Linearity 779,340 23 33,884 ,860 ,649
Within Groups 3743,711 95 39,407
Total 5111,992 119

Berdasarkan hasil pengujian tersebut dapat diketahui nilai F sebesar 0,860 dengan
signifikan 0,649. Ternyata hasil analisis menunjukkan bahwa sig.(0,860)>a(0,05) Artinya
data penempatan produk dengan minat beli mempunyai hubungan yang linear.

Uji Linearitas X2 terhadap Y

ANOVA Table
Sum of Squares Df Mean Square F Sig.
Y * X2 Between Groups (Combined) 2862,342 22 130,106 5,610 ,000
Linearity 2200,110 1 2200,110 94,864 ,000
Deviation from Linearity 662,231 21 31,535 1,360 ,159
Within Groups 2249,650 97 23,192
Total 5111,992 119

Berdasarkan hasil pengujian tersebut dapat diketahui nilai F sebesar 1,360 dengan
signifikan 0,159. Ternyata hasil analisis menunjukkan bahwa sig.(1,360)>a(0,05) Artinya
data kesadaran merek dengan minat beli mempunyai hubungan yang linear.

Uji Linearitas X3 terhadap Y

ANOVA Table
Sum of Squares Df Mean Square F Sig.
Y * X3 Between Groups (Combined) 1953,908 16 122,119 3,983 ,000
Linearity 1480,806 1 1480,806 48,296 ,000
Deviation from Linearity 473,103 15 31,540 1,029 ,433
Within Groups 3158,083 103 30,661
Total 5111,992 119

Berdasarkan hasil pengujian tersebut dapat diketahui nilai F sebesar 1,029 dengan
signifikan 0,433. Ternyata hasil analisis menunjukkan bahwa sig.(1,029)>a(0,05) Artinya
data citra merek dengan minat beli mempunyai hubungan yang linear.

6. Asumsi Klasik
1. Uji Auto Korelasi
Uji Autokorelasi dengan SPSS adalah menggunakan metode uji Durbin
Watson.
 Model Summaryb
Change Statistics
R Adjusted R Std. Error of
Model R R Square F Sig. F Durbin-Watson
Square Square the Estimate df1 df2
Change Change Change
1 ,677a ,459 ,445 4,88433 ,459 32,760 3 11 ,000 1,995
6
a. Predictors: (Constant), X3, X1, X2
b. Dependent Variable: Y

Berdasarkan output diatas, diketahui nilai Durbin Watson sebesar 1,995.

Dimana nilai tersebut lebih besar dari nilai dU sebesar 1.7715 pada K = 3 dan t = 120.
Dengan demikian dapat disimpulkan bahwa dalam regresi variabel bebas penempatan
produk, kesadaran merek, dan citra merek terhadap minat beli tidak terdapat
autokorelasi positif.

2. Uji Heterokedastitas
Heteroskedastisitas adalah keadaan dimana terjadi ketidaksamaan varian dan
residual pada model regresi. Persyaratan yang harus dipenuhi dalam model regresi
adalah tidak adanya masalah heteroskedastisitas. Pada grafik di bawah tampak titik-
titik menyebar di atas dan di bawah sumbu Y, tidak terjadi pola tertentu. Dengan
demikian dapat disimpulkan bahwa tidak terjadi heterokedastisitas.
Langkah Pengujian:
a. Entry Data Pada form SPSS dimasukkan data insentif sebagai variabel x dan data
kinerja sebagai variabel y.
b. Analisis Data Pilih menu sebagai berikut:
Analyze - Regression — Linear
Pindahkan variabel y ke dependent list dan variabel x ke faktor list. Selanjutnya,
pilih kotak dialog plots, dan masukkan *SRESID ke Y dan *ZPRED ke X Pada
bagian akhir dipilih continue, kemudian OK. Setelah itu, akan tampak hasil
analisis seperti di bawah ini (ditampilkan hanya sebagian).
3. Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana antara dua variabel bebas atau lebih
pada model regresi terjadi hubungan linear yang sempuma atau mendekati sempurna,
Model regresi yang baik mensyaratkan tidak adanya masalah multikolinearitas.
Langkah-langkah yang ditempuh dalam pengujian multikolinieritas adalah sebagai
berikut.
c. Entry Data Masukkan data ke dalam form SPSS, yakni data insentif dalam
variabel Xl, data variabel X2, data variabel X3, dan data pada variabel Y.
d. Analisis Data Pengujian autokorelasi dilakukan dengan modul regresi dengan
menu seperti berikut: Analyze – Regression – Linear.
e. Pindahkan variabel Y ke dependent list dan variabel X1, X2, dan X3 ke
independent list. Setelah itu pilih boks statistics, dan pilih Casewise dianosgtics
dan descriptives, selanjutnya pilih continue, lalu OK. Dan selanjutnya lihatlah
outputnya.
 Uji Multikolinearitas
Coefficientsa
Unstandardized Standardized 95,0% Confidence
Correlations Collinearity Statistics
Coefficients Coefficients Interval for B
Model t Sig.
Lower Upper Zero-
B Std. Error Beta Partial Part Tolerance VIF
Bound Bound order
1 (Constant) 1,373 3,354 ,409 ,683 -5,271 8,016
X1 ,122 ,083 ,109 1,476 ,143 -,042 ,287 ,339 ,136 ,101 ,862 1,160
X2 ,631 ,116 ,510 5,460 ,000 ,402 ,859 ,656 ,452 ,373 ,535 1,869
X3 ,272 ,155 ,162 1,751 ,083 -,036 ,579 ,538 ,160 ,120 ,544 1,838
a. Dependent Variable: Y minat beli

7. Analisis Regresi Linear

Analisis regresi linear merupakan salah satu metode regresi yang dapat dipakai
sebagai alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas
(independen) terhadap variabel terikat (dependen).
Langkah-langkah:
a. memilih menu Analyze, kemudian pilih Linear
b. Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel
independen (bebas)
c. Lalu klik tombol OK

Coefficientsa
Standardized
Unstandardized Coefficients
Model Coefficients t Sig.
B Std. Error Beta
1 (Constant) 1,373 3,354 ,409 ,683
X1 ,122 ,083 ,109 1,476 ,143
X2 ,631 ,116 ,510 5,460 ,000
X3 ,272 ,155 ,162 1,751 ,083
a. Dependent Variable: Y

8. Uji t
Uji t yang dimaksud adalah uji parsial yang digunakan dalam pengujian hipotesis
penelitian yang menggunakan analisis regresi linear berganda. Dalam analisis regresi
linear berganda, Uji t digunakan untuk uji parsial (sendiri-sendiri) dalam arti menguji
 pengaruh masing-masing variabel bebas terhadap variabel terikat. Hasil Uji t dapat dilihat
pada tabel coefficients pada kolom sig (significance). Jika probabilitas nilai t atau
signifikansi < 0,05, maka dapat dikatakan bahwa terdapat pengaruh antara variabel bebas
terhadap variabel terikat secara parsial. Namun jika probabilitas nilai t atau signifikansi >
0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan antara
masing-masing variabel bebas terhadap variabel terikat.

Coefficientsa
Unstandardized Standardized 95,0% Confidence
Correlations Collinearity Statistics
Coefficients Coefficients Interval for B
Model t Sig.
Lower Upper Zero-
B Beta Partial Part Tolerance VIF
Std. Error Bound Bound order
1 (Constant) 1,373 3,354 ,409 ,683 -5,271 8,016
X1 ,122 ,083 ,109 1,476 ,143 -,042 ,287 ,339 ,136 ,101 ,862 1,160
X2 ,631 ,116 ,510 5,460 ,000 ,402 ,859 ,656 ,452 ,373 ,535 1,869
X3 ,272 ,155 ,162 1,751 ,083 -,036 ,579 ,538 ,160 ,120 ,544 1,838
a. Dependent Variable: Y minat beli

9. Uji f
Uji f dikenal dengan uji Model/Uji Anova, yaitu uji untuk mengetahui pengaruh
semua variabel bebasnya secara bersama-sama (simultan) terhadap variabel terikatnya.
Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi. Penggunaan
tingkat signifikannya beragam, tergantung keinginan peneliti, yaitu 0,01 (1%) : 0,05 (5%)
dan 0,10 (10%). Hasil Uji f dilihat dalam tabel Anova dalam kolom sig.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 2344,616 3 781,539 32,760 ,000b
Residual 2767,375 116 23,857
Total 5111,992 119
a. Dependent Variable: Y
b. Predictors: (Constant), X3, X1, X2

10. Uji Koefisen Determinasi

Uji ini bertujuan untuk menentukan proporsi atau persentase total variasi dalam
variabel terikat yang diterangkan oleh variabel bebas. Apabila analisis yang digunakan
adalah regresi sederhana, maka yang digunakan adalah nilai R Square. Namun, apabila
analisis yang digunakan adalah regresi berganda, maka yang digunakan adalah Adjusted
R Square.
Hasil perhitungan Adjusted R2 dapat dilihat pada output Model Summary. Pada
kolom Adjusted R2 dapat diketahui berapa persentase yang dapat dijelaskan oleh
variabel-variabel bebas terhadap variabel terikat. Sedangkan sisanya dipengaruhi atau
dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian.

Model Summaryb
Adjusted R Std. Error of the
Model R R Square
Square Estimate
1 ,677a ,459 ,445 4,88433
a. Predictors: (Constant), X3, X1, X2
b. Dependent Variable: Y

Dari output model summary, diketahui nilai koefisien determinasi (R Square) sebesar
0,459 (nilai 0,459 adalah pengkuadratan dari koefisien korelasi atau R, yaitu 0,677 x
0,677 = 0,459). Besarnya angka koefisien determinasi (R Square) 0,459 sama dengan
45,9%. Angka tersebut mengandung arti bahwa penempatan produk, kesadaran merek,
dan citra merek terhadap minat beli 45,9%. Sedangkan sisanya (100% - 45,9% = 54,1%)
dipengaruhi oleh variabel lain di luar model regresi ini. Besarya pengaruh variabel lain ini
sering disebut sebagai error (e). Untuk menghitung nilai error dapat digunakan rumus e =
1 - R2. Sebagai catatan, besarnya nilai koefisien determinasi atau R Square hanya antara
0-1. Sementara jika dijumpai R Square bernilai minus (-), maka dapat dikatakan bahwa
tidak terdapat pengaruh X terhadap Y. Semakin kecil nilai koefisien determinasi (R
Square), maka ini artinya pengaruh variabel bebas terhadap variabel terikat semakin
lemah. Sebaliknya, jika nilai R Square semakin mendekati 1, maka pengaruh tersebut
akan semakin kuat.