1

TEORI REGRESI LINIER SEDERHANA

DAN REGRESI LINIER BERGANDA
Analisis regresi merupakan suatu metode atau teknik analisis hipotesis penelitian
untuk menguji ada tidaknya pengaruh antara variabel satu dengan variabel lain yang
dinyatakan dalam bentuk persamaan matematik (regresi). Analisis regresi linear multiples
atau berganda berfungsi untuk mencari pengaruh dari dua atau lebih variabel independent
(variabel bebas atau X) terhadap variabel dependent (variabel terikat atau Y).
Dengan demikian, secara sederhana dapat dikatakan bahwa, apabila kita ingin
mengetahui ada tidaknya pengaruh satu variabel X terhadap variabel Y maka digunakan
analisis regresi sederhana. Sementara apabila kita ingin mengetahui pengaruh dua variabel
X atau lebih terhadap variabel Y maka digunakan analisis regresi linear ganda (multiple).
Sebelum kita melakukan analisis regresi multiples atau regresi linear berganda untuk
uji hipotesis penelitian, maka ada beberapa asumsi atau persyaratan yang harus terpenuhi
dalam model regresi. Persyaratan atau asumsi ini dibuktikan melalui serangkaian uji asumsi
klasik mencakup:

1. Uji Outlier (untuk data sekunder) dan Uji Validitas dan Reliabilitas (untuk data primer)
Outlier disebut dengan data pencilan atau data yang nilainya extreme atau lain dari
pada yang lainnya. Batasan outlier atau tidak bisa dilihat dari nilai absolut studentized
residual. Jika absolut studentized residual > 3 maka sampel atau observasi yang
dimaksud menjadi outlier.
Uji validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan
dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar 1986).
Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa variabel yang diukur
memang benar-benar variabel yang hendak diteliti oleh peneliti (Cooper dan Schindler,
dalam Zulganef, 2006).
Sedangkan reliabilitas berasal dari kata reliability. Pengertian dari reliability
(rliabilitas) adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak (2006)
menyatakan bahwa reliabilitas menunjuk pada suatu pengertian bahwa instrumen yang
digunakan dalam penelitian untuk memperoleh informasi yang digunakan dapat
dipercaya sebagai alat pengumpulan data dan mampu mengungkap informasi yang
sebenarnya dilapangan. Ghozali (2009) menyatakan bahwa reliabilitas adalah alat untuk
 2

mengukur suatu kuesioner yang merupakan indikator dari peubah atau konstruk. Suatu
kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan
adalah konsisten atau stabil dari waktu ke waktu. Reliabilitas suatu test merujuk pada
derajat stabilitas, konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki
reliabilitas yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliable.

2. Uji normalitas, dimana asumsi yang harus terpenuhi adalah model regresi berdistribusi
normal.
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak.
Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam pengujian
normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa
pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari 30
bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang
dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji
statistik normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov
Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera.

3. Uji multikolinearitas, dimana model regresi yang baik adalah tidak terjadi gejala
multikolinearitas.
Uji multikolinearitas adalah uji yang dilakukan untuk memastikan apakah di dalam
sebuah model regresi ada interkorelasi atau kolinearitas antar variabel
bebas. Interkorelasi adalah hubungan yang linear atau hubungan yang kuat antara
satu variabel bebas atau variabel prediktor dengan variabel prediktor lainnya di dalam
sebuah model regresi. Interkorelasi itu dapat dilihat dengan nilai koefisien korelasi antara
variabel bebas, nilai VIF dan Tolerance, nilai Eigenvalue dan Condition Index, serta nilai
standar error koefisien beta atau koefisien regresi parsial.
Multikolinearitas adalah keadaan dimana terdapat interkorelasi atau korelasi kuat
antar variable bebas di dalam model. Dinyatakan ada interkorelasi jika korelasi antar
 3

variable bebas di dalam model regresi linear berganda > 0,8. Beberapa pakar
menggunakan batasan lebih dari 0,9. Cara lain yang lebih objektif adalah dengan
menggunakan nilai variance inflating factor (VIF) dan tolerance. Dikatakan ada
multikolinearitas jika nilai VIF > 10 dan/atau nilai tolerance < 0,01.

4. Uji heteroskedastisitas, dalam model regresi tidak terjadi gejala heteroskedastisitas.

Uji Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian
dari residual untuk semua pengamatan pada model regresi linear. Uji ini merupakan
salah satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. Apabila
asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid
sebagai alat peramalan. Mengapa dilakukan uji heteroskedastitas? jawabannya adalah
untuk mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada regresi
linear, di mana dalam model regresi harus dipenuhi syarat tidak adanya
heteroskedastisitas.

5. Uji autokorelasi (khusus untuk data time series), persyaratan yang harus terpenuhi
adalah tidak terjadi autokorelasi.
Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk mengetahui
adakah korelasi variabel yang ada di dalam model prediksi dengan perubahan waktu.
Oleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah model prediksi, maka
nilai disturbance tidak lagi berpasangan secara bebas, melainkan berpasangan secara
autokorelasi. Dalam kesempatan ini, kita hanya akan fokus pada tutorial uji autokorelasi
dengan SPSS. Namun prinsip penting lainnya tetap akan kami bahas secara singkat dan
padat serta mudah dipahami.
Uji autokorelasi di dalam model regresi linear, harus dilakukan apabila data
merupakan data time series atau runtut waktu. Sebab yang dimaksud dengan
autokorelasi sebenarnya adalah: sebuah nilai pada sampel atau observasi tertentu
sangat dipengaruhi oleh nilai observasi sebelumnya.
Autokorelasi adalah terjadi korelasi antara observasi ke-i dengan observasi ke-i-1.
Contohnya yaitu: misalkan sampel ke-20, nilainya dipengaruhi oleh sampel ke-19.
Sampel ke-19, nilainya dipengaruhi oleh sampel ke-18, dan seterusnya.
 4

KASUS 1
REGRESI LINIER BERGANDA
1. Judul Penelitian:
Pengaruh Harga dan Promosi terhadap Keputusan Pembelian di PT XYZ Pekanbaru

2. Hipotesis
Pengaruh Harga terhadap Keputusan Pembelian
H0 : Harga tidak berpengaruh signifikan terhadap keputusan pembelian
H1 : Harga berpengaruh signifikan terhadap keputusan pembelian
Pengaruh Promosi terhadap Keputusan Pembelian
H0 : Promosi tidak berpengaruh signifikan terhadap keputusan pembelian
H2 : Promosi berpengaruh signifikan terhadap keputusan pembelian

3. Model Penelitian

Harga (X1)
Keputusan Pembelian (Y)

Promosi (X2)

Gambar 1. Model Penelitian

4. Skala Pengukuran Data
Penentuan nilai jawaban untuk setiap pertanyaan menggunakan metode skala
Likert dengan pembobotan setiap pernyataan sebagai berikut:
a. Jika memiliki jawaban Sangat Setuju (SS), maka diberi nilai 5.
b. Jika memiliki jawaban Setuju (S), maka diberi nilai 4.
c. Jika memiliki jawaban Cukup Setuju (CS), maka diberi nilai 3.
d. Jika memiliki jawaban Tidak Setuju (TS), maka diberi nilai 2.
e. Jika memiliki jawaban Sangat Tidak Setuju (STS), maka diberi nilai 1.
5. Teknik Analisis Data
Teknik analisis penelitian ini menggunakan software SPSS dengan lima tahap.
Pertama, statistik deskriptif. Tahap kedua, pengujian kualitas data. Tahap ketiga,
 5

melakukan uji penyimpangan asumsi klasik. Tahap keempat, melakukan analisis regresi
linier berganda. Dan tahap kelima, melakukan pengujian hipotesis.
a. Statistik Deskriptif
Analisis stastistik deskriptif ditujukan untuk memberikan gambaran mengenai
demografi responden. Gambaran tersebut meliputi ukuran tendensi sentral seperti
rata-rata, median, modus, kisaran standar deviasi diungkapkan untuk memperjelas
deskripsi responden. Statistik deskriptif berhubungan dengan metode
pengelompokan, peringkasan, dan penyajian data dalam cara yang lebih informatif
(Santosa, 2005). Skor jawaban responden atas pernyataan variabel-variabel dalam
penelitian ini terdiri atas lima alternatif jawaban yang mengandung variasi lain yang
bertingkat (Sugiyono, 2007:86):
nilai tertinggi – nilai terendah
Interval = 5
5–1
Interval = = 0,8
5

Tabel 1.
Interval Rata-Rata Pernyataan Responden
No Interval Rata-rata Kategori
1 4,20 – 5,00 Sangat Tinggi
2 3,40 – 4,19 Tinggi
3 2,60 – 3,39 Cukup
4 1,80 – 2,59 Rendah
5 1,00 – 1,79 Sangat Rendah
Sumber: Sugiyono (2009)
b. Pengujian Kualitas Data
1) Uji Validitas
Uji validitas digunakan untuk mengukur sah atau tidaknya suatu kuesioner.
Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk
mengungkapkan suatu yang akan diukur oleh kuesioner tersebut. Menurut Ghozali
(2009) uji signifikan dilakukan dengan membandingkan nilai rhitung dengan rtabel untuk
degree of freedom (df) = n-2, dalam hal ini n adalah jumlah sampel dengan alpha
0,05. Jika rhitung lebih besar dari rtabel dan nilai positif maka butir atau pertanyaan
dinyatakan valid.
2) Uji Reliabilitas
Uji reliabilitas dimaksudkan untuk menguji sejauh mana hasil pengukuran tetap
konsisten, apabila dilakukan pengukuran dua kali atau lebih terhadap gejala yang
sama dengan alat ukur yang sama. Uji realibilitas dilakukan dengan uji statistik
 6

Cronbach’s Alpha Suatu konstruk atau variabel dikatakan reliabel jika memberikan
nilai Cronbach Alpha > 0,60 (Ghozali, 2009).
c. Uji Asumsi Klasik
Diperlukan adanya uji asumsi klasik terhadap model yang telah diformulasikan
dengan menguji normalitas data dan tidak ditemukannya gejala-gejala
multikolinieritas, heteroskedastisitas, autokorelasi.
1) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal. Uji normalitas dapat dilakukan
dengan analisis grafik histogram dan grafik normal probability plot dan uji statistik
dengan Kolmogorov-Smirnov Z (1-Sample KS).
Penelitian ini akan menggunakan uji normalitas dengan uji statistik non-
parametrik Kolmogorov-Smirnov (K-S). Bila nilai probabilitas signifikansi <0,10
(Asymp Sig. (2-tailed)) bernilai <0,10) maka data tersebut disebut data yang
terdistribusi secara tidak normal. Namun, apabila nilai probabilitas signifikansi >0,10
((Asymp Sig. (2-tailed)) bernilai >0,10) maka dapat dikatakan data tersebut
terdistribusi secara normal.
2) Uji Multikolinieritas
Multikolinieritas adalah adanya suatu hubungan linier yang sempurna antara
beberapa atau semua variabel independen. Uji Multikolinieritas bertujuan untuk
menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
(independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel bebas (Ghozali, 2001). Pada program SPSS, ada beberapa metode yang
sering digunakan untuk mendeteksi adanya multikolinieritas, antara lain mengamati
nilai VIF dan Tolerance. Batas dari VIF adalah 10 dan nilai dari Tolerance adalah 0,
1. Jika nilai VIF lebih besar dari 10 dan nilai Tolerance kurang dari 0, 1 maka terjadi
multikolinieritas. Bila ada variabel independen yang terkena multikolinieritas, maka
penanggulangannya adalah salah satu variabel tersebut dikeluarkan (Ghozali,
2009).
3) Uji Heterokedastisitas
Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam sebuah model
regresi terjadi ketidaksamaan varians dari suatu pengamatan ke pengamatan yang
lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka
disebut homoskedastisitas atau tidak terjadi heterokedastisitas. Model regresi yang
 7

baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali,

2009). Untuk mendeteksi adanya heterokedastisitas dilakukan dengan Melihat
Grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan
residualnya SRESID, dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu
X adalah residual (Y prediksi – Y sesungguhnya) yang telah di-studentized. Jika
tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0
pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4) Uji Autokorelasi
Autokorelasi adalah korelasi (hubungan) yang terjadi diantara anggota-anggota
dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (pada time
series data) atau yang tersusun dalam rangkaian ruang (pada cross section data).
Konsekuensi dari adanya autokorelasi dalam suatu model regresi adalah varians
sampel tidak dapat menggambarkan varians populasinya bahkan tidak dapat
digunakan untuk menaksir nilai variabel dependen pada nilai variabel independen
tertentu.
Untuk mengetahui batas tidak terjadinya autokorelasi dalam model regresi
tersebut adalah du < d < 4-du, dimana du adalah batas atas dari nilai d Durbin
Watson yang terdapat pada Tabel uji Durbin Watson. Sedangkan d merupakan nilai
d Durbin Watson dari hasil perhitungan yang yang dilakukan. Jika d hitung tidak
berada di antara batas tersebut, maka tidak terjadi penyimpangan autokorelasi.
Untuk mendeteksi ada atau tidaknya autokorelasi didalam model regresi antara
lain dapat dilakukan dengan Uji Durbin-Watson (DW Test). Pengambilan keputusan
ada tidaknya autokorelasi dapat dilihat pada tabel 2:
Tabel 2.
Keputusan Ada Tidaknya Autokorelasi
Hipotesis nol Keputusan Jika
Tdk ada autokorelasi + Tolak 0<d<dl
Tdk ada autokorelasi + Non decision dl≤d≤du
Tdk ada korelasi – Tolak 4–dl<d<4
Tdk ada korelasi – Non decision 4–du≤d≤4-dl
Tdk ada autokorelasi, + atau – Tdk ditolak du<d<4-du
Sumber : (Ghozali, 2009)
d. Analisis Regresi Linier Berganda
Metode yang dipakai untuk menganalisis variabel-variabel dalam penelitian ini
menggunakan regresi linier berganda, guna mengetahui arah, pengaruh, dan
kekuatan hubungan dari variabel independen terhadap variabel-variabel dependen.
 8

Adapun model dasar dari regresi linier berganda dari penelitian ini dapat dirumuskan
sebagai berikut:
Y = a + b1X1+ b2X2 + e
Dimana :
Y = Keputusan Pembelian
a = konstanta
b1 = koefisien regresi Harga
b2 = koefisien regresi Promosi
X1 = Harga
X2 = Promosi
e = epsilon (faktor lainnya)
Suatu penelitian harus memenuhi asumsi regresi linier klasik atau asumsi klasik,
yaitu tidak terjadi gejala multikolinieritas, heterokedastisitas, autokorelasi dan memiliki
distribusi yang normal maupun mendekati normal, sehingga didapatkan hasil
penelitian yang Best Linier Unbased Estimation (BLUE).
1) Uji Kelayakan Model (Uji F)
Menurut Ghozali (2011), uji goodness of fit (uji kelayakan model) dilakukan
untuk mengukur ketepatan fungsi regresi sampel dalam menaksir nilai aktual
secara statistik. Model goodness of fit dapat diukur dari nilai statistik F yang
menunjukkan apakah semua variabel independen yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Kriteria
pengujian:
1. Pvalue < 0,05 menunjukkan bahwa uji model ini layak untuk digunakan pada
penelitian
2. Pvalue > 0,05 menunjukkan bahwa uji model ini tidak layak untuk digunakan
pada penelitian

2) Koefisien Determinasi (R2)

Koefisien determinasi (R2) digunakan untuk mengetahui persentase variabel
independen secara bersama-sama dapat menjelaskan variabel dependen. Nilai
 9

koefisien determinasi adalah antara 0 dan satu. Jika koefisien determinasi = 1,

artinya variabel independen memberikan informasi yang dibutuhkan untuk
memprediksi variabel-variabel dependen. Jika koefisien determinasi = 0, artinya
variabel independen tidak mampu menjelaskan pengaruhnya terhadap variabel
dependen.
3) Uji Secara Parsial (Uji t)
Uji secara parsial (uji t) ini bertujuan untuk mengetahui seberapa besar
pengaruh variabel independen X1 dan X2 terhadap variabel dependen (Y) dengan
asumsi variabel lainnya adalah konstan. Pengujian dilakukan dengan 2 arah (2-tail)
dengan tingkat keyakinan sebesar 95% dan dilakukan uji tingkat signifikan
pengaruh hubungan variabel independen secara individual terhadap variabel
dependen, dimana tingkat signifikansi ditentukan sebesar 5% dan degree of
freedom (df) = n-(k+1). Adapun kriteria pengambilan keputusan yang digunakan
dalam pengujian ini adalah sebagai berikut:
a) Apabila thitung ≥ ttabel, atau sig ≤ α = 0,05, maka
(1) Ha diterima karena terdapat pengaruh yang signifikan
(2) H0 ditolak karena terdapat pengaruh yang signifikan
b) Apabila thitung < ttabel, atau probabilitas > α =0,05 maka
(1) Ha ditolak karena tidak terdapat pengaruh yang signifikan
(2) H0 diterima karena tidak terdapat pengaruh yang signifikan
 10

LEMBAR KERJA KASUS 1 -

REGRESI LINIER BERGANDA
1. Hasil Statistik Deskriptif
Analisis stastistik deskriptif ditujukan untuk memberikan gambaran mengenai
demografi atau tanggapan responden. Untuk mengetahui bagaimana tanggapan
responden mengenai harga produk XYZ, dapat dilihat dari tabel berikut:
Tabel 3
Rekapitulasi Tanggapan Responden Terhadap Harga
Jawaban
Jumlah Nilai
Item Pernyataan Responden Ket
Skor Indeks
1 2 3 4 5
Pernyataan 1
Pernyataan 2
Pernyataan 3
Pernyataan 4
Pernyataan 5
Total
Rata-rata
Sumber: Data Olahan, Tahun 2022
Dari hasil distribusi jawaban responden, didapatkan nilai indeks sebesar:
(…. × 1)+ (…. × 2)+ (…. × 3)+ (…. × 4)+ (…. × 5)
Nilai Indeks = = ........
5 𝑝𝑒𝑟𝑛𝑦𝑎𝑡𝑎𝑎𝑛 𝑥 5

Dari hasil perhitungan nilai indeks menunjukkan bahwa variabel harga memiliki rata-
rata ........ sehingga dapat disimpulkan bahwa tanggapan responden terhadap variabel
harga tergolong kategori ...............
Berikut ini hasil rekapitulasi tanggapan responden mengenai promosi produk XYZ:
Tabel 4
Rekapitulasi Tanggapan Responden Terhadap Promosi
Jawaban
Jumlah Nilai
Item Pernyataan Responden Ket
Skor Indeks
1 2 3 4 5
Pernyataan 1
Pernyataan 2
Pernyataan 3
Pernyataan 4
Pernyataan 5
Total
Rata-rata
Sumber: Data Olahan, Tahun 2022
Dari hasil distribusi jawaban responden, didapatkan nilai indeks sebesar:
 11

(…. × 1)+ (…. × 2)+ (…. × 3)+ (…. × 4)+ (…. × 5)

Nilai Indeks = = ........
5 𝑝𝑒𝑟𝑛𝑦𝑎𝑡𝑎𝑎𝑛 𝑥 5

Dari hasil perhitungan nilai indeks menunjukkan bahwa variabel promosi memiliki
rata-rata ........ sehingga dapat disimpulkan bahwa tanggapan responden terhadap
variabel promosi tergolong kategori ...............
Berikut ini hasil rekapitulasi tanggapan responden mengenai keputusan pembelian
produk XYZ:
Tabel 5
Rekapitulasi Tanggapan Responden Terhadap Keputusan Pembelian
Jawaban
Jumlah Nilai
Item Pernyataan Responden Ket
Skor Indeks
1 2 3 4 5
Pernyataan 1
Pernyataan 2
Pernyataan 3
Pernyataan 4
Pernyataan 5
Total
Rata-rata
Sumber: Data Olahan, Tahun 2022
Dari hasil distribusi jawaban responden, didapatkan nilai indeks sebesar:
(…. × 1)+ (…. × 2)+ (…. × 3)+ (…. × 4)+ (…. × 5)
Nilai Indeks = = ........
5 𝑝𝑒𝑟𝑛𝑦𝑎𝑡𝑎𝑎𝑛 𝑥 5

Dari hasil perhitungan nilai indeks menunjukkan bahwa variabel keputusan

pembelian memiliki rata-rata ........ sehingga dapat disimpulkan bahwa tanggapan
responden terhadap variabel keputusan pembelian tergolong kategori ...............

2. Hasil Uji Kualitas Data

a. Hasil Uji Validitas
Pengujian validitas dilakukan dengan menggunakan metode Analisis Korelasi.
Pengujian validitas variabel dapat dilihat pada tabel berikut ini:
Tabel 6
Hasil Uji Validitas Variabel Harga
Item r hitung r tabel Ket
X1.1
X1.2
X1.3
X1.4
X1.5
Sumber: Data Olahan, Tahun 2022
 12

Tabel 6 diatas menunjukkan bahwa semua pernyataan variabel X1 yang digunakan

untuk mengukur ................. yang digunakan dalam penelitian ini mempunyai nilai
korelasi rhitung yang lebih besar dari rtabel ............... Dari hasil tersebut menunjukkan
bahwa semua pernyataan tersebut adalah ........................
Tabel 8
Hasil Uji Validitas Variabel Promosi
Item r hitung r tabel Ket
X2.1
X2.2
X2.3
X2.4
X2.5
Sumber: Data Olahan, Tahun 2022
Tabel 7 diatas menunjukkan bahwa semua pernyataan variabel X2 yang digunakan
untuk mengukur ................. yang digunakan dalam penelitian ini mempunyai nilai
korelasi rhitung yang lebih besar dari rtabel ............... Dari hasil tersebut menunjukkan
bahwa semua pernyataan tersebut adalah ........................
Tabel 8 Hasil Uji Validitas Variabel Keputusan Pembelian
Item r hitung r tabel Ket
Y1
Y2
Y3
Y4
Y5
Sumber: Data Olahan, Tahun 2022
Tabel 8 diatas menunjukkan bahwa semua pernyataan variabel Y yang digunakan
untuk mengukur ................. yang digunakan dalam penelitian ini mempunyai nilai
korelasi rhitung yang lebih besar dari rtabel ............... Dari hasil tersebut menunjukkan
bahwa semua pernyataan tersebut adalah ........................
b. Uji Reliabilitas
Pengujian reliabilitas dalam penelitian ini adalah dengan menggunakan rumus
Cronbach Alpha. Hasil pengujian reliabilitas untuk masing-masing variabel yang
diringkas pada tabel berikut ini:
Tabel 9 Hasil Uji Reliabilitas
Item Cronbach
Variabel Nilai Standar Keputusan
Pernyataan Alpha
X1
X2
Y
Sumber: Data Olahan, Tahun 2022
 13

Hasil uji reliabilitas pada tabel diatas menunjukkan bahwa semua variabel mempunyai
koefisien Alpha yang cukup besar yaitu lebih ........ dari 0,6 sehingga dapat dikatakan
semua konsep pengukur masing-masing variabel dari angket adalah reliabel yang
berarti bahwa angket yang digunakan dalam penelitian ini merupakan angket yang
handal.

3. Uji Asumsi Klasik

a. Hasil Uji Normalitas Data
Uji normalitas data digunakan merupakan sebuah pengujian yang dilakukan untuk
menguji data yang digunakan bersifat normal atau tidak. Dalam penelitian ini akan
digunakan uji One Sample Kolmogorov-Smirnov dengan menggunakan taraf
signifikansi 0,05. Data dinyatakan bersifat normal jika signifikansi lebih besar dari 5%
atau 0,05.
Tabel 10
Hasil Uji Normalitas Data
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Keterangan

Sumber: Data Olahan, Tahun 2022

Data dikatakan berdistribusi normal nilai Asymp. Sig. (2-tailed) lebih _______ dari 5%
atau 0,05. Dari tabel diatas diketahui bahwa nilai Asymp. Sig. (2-tailed) bernilai
______ lebih ______ dari 0,05, maka data berdistribusi ____________.
b. Hasil Uji Multikolinieritas
Untuk mendeteksi ada tidaknya gejala multikolinieritas antar variabel independen
digunakan Variance Inflation Factor (VIF) dan Tolerance. Berikut ini hasil uji masing-
masing variabel independen:
Tabel 11
Hasil Uji Multikolinieritas
Variabel Tolerance VIF Keterangan
X1
X2
Sumber: Data Olahan, Tahun 2022
Berdasarkan tabel diatas memperlihatkan hasil pengujian multikolinieritas. Hasil
pengujian tersebut menunjukkan bahwa ada / tidak ada variabel independen yang
memiliki nilai tolerance > 0,10 dan nilai VIF < 10. Dengan demikian model regresi
dalam penelitian ini terbukti ..........................................................................................
......................................................................................................................................
 14

c. Hasil Uji Heteroskedastisitas

Uji ini bertujuan menguji apakah model regresi terjadi ketidaksamaan varians dari
residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah model
yang bebas dari masalah heterokedastisitas (homokedastisitas). Selengkapnya
mengenai hasil uji untuk heterokedastisitas dapat dilihat sebagai berikut:
Tabel 12
Hasil Uji Heteroskedastisitas dengan Glejser
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant)
Harga
Promosi
a. Dependent Variable: Abs_ResY
Sumber: Data Olahan, Tahun 2022
Dari hasil diatas, bahwa angka signifikansi masing-masing variabel ............................
0,05. Hasil ini dapat disimpulkan bahwa ...................... heterokedastisitas pada model
regresi, sehingga model regresi layak digunakan untuk memprediksi ..........................
Selain dengan uji glejser, ada uji lain yang berupa gambar yakni uji scatterplot.
Selengkapnya mengenai hasil uji heterokedastisitas dengan scatterplot dapat dilihat
pada Gambar 2 sebagai berikut:
Gambar 2
Hasil Uji Heteroskedastisitas dengan Scatterplots

Sumber: Data Olahan, Tahun 2022

 15

Dengan grafik scatterplots pada Gambar 5.1 terlihat bahwa titik-titik menyebar secara
acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dan tidak
terdapat suatu pola yang jelas pada penyebaran data tersebut. Hasil ini dapat
disimpulkan bahwa ............................. heterokedastisitas pada model regresi,
sehingga model regresi .................... digunakan untuk memprediksi Keputusan
Pembelian.
d. Hasil Uji Autokorelasi
Tujuan pengujian ini adalah untuk mengetahui ada tidaknya korelasi antar anggota
dari observasi yang disusun menurut time series. Asumsi autokorelasi didefinisikan
sebagai terjadinya korelasi diantara data pengamatan, dimana munculnya suatu data
dipengaruhi oleh data sebelumnya. Penyimpangan autokorelasi dalam penelitian diuji
dengan uji Durbin-Watson (DW test). Berdasarkan output SPSS, maka hasil uji
autokorelasi pada tabel berikut:
Tabel 13
Hasil Uji Autokorelasi
Durbin-
du 4-du Keterangan
Watson

du < dw < 4-du

Sumber: Data Olahan, Tahun 2022

Dari tabel diatas menunjukkan bahwa nilai D-W sebesar ........ Dengan jumlah
predictors sebanyak ........ buah (k=........) dan sampel sebanyak ........ data (n= ........),
berdasarkan tabel D-W dengan tingkat signifikansi 5%, maka dapat ditentukan nilai
(du) adalah sebesar ............. dengan demikian nilai ....................................................
yang menandakan bahwa ................................................................................ atau
dengan kata lain, variabel independen dalam penelitian ini telah .................... dari
masalah autokorelasi.
 16

4. Hasil Analisis Regresi Linier Berganda

a. Persamaan Regresi Linier Berganda
Berdasarkan hasil dari analisis (dapat dilihat pada lampiran) dengan menggunakan
program SPSS maka diperoleh hasil analisis regresi linier berganda sebagai berikut:
Tabel 14
Hasil Uji Regresi Linier Berganda
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant)
Harga
Promosi
a. Dependent Variable: Y
Sumber: Data Olahan, Tahun 2022

Berdasarkan tabel diatas dapat diperoleh persamaan regresi linier berganda

sebagai berikut:
Y = a + b1 X1 + b2 X2
Y = .......... + ............ X1 + ..............X2
Dari persamaan regresi diatas, menunjukkan koefisien regresi dari a, b1 dan b2
bernilai ......................... Hal ini menunjukkan variabel-variabel bebas apabila
ditingkatkan maka akan menimbulkan .............................. pada variabel terikatnya.
Persamaan regresi diatas digunakan sebagai alat memprediksi dan mengevaluasi
kecenderungan keputusan memilih berdasarkan asumsi apabila salah satu variabel
bebasnya dikendalikan:
1) Konstanta (a) = ........... merupakan nilai konstanta, jika nilai semua variabel
independen (X) bernilai nol, maka ......................... (Y) bernilai sebesar ...............
2) Koefisien regresi (b1) = .............., jika variabel ...................(X1) ditingkatkan 1 satuan
maka ......................... (Y) akan .................. sebesar .................. dengan asumsi
variabel independen lainnya bernilai tetap. Sebaliknya, jika variabel ...................(X1)
turun 1 satuan maka ......................... (Y) akan .................. sebesar ..................
dengan asumsi variabel independen lainnya bernilai tetap. Koefisien
bersifat......................... artinya .................................................................................
...............................................................................................................................
 17

3) Koefisien regresi (b2) = .............., jika variabel ...................(X2) ditingkatkan 1 satuan

maka ......................... (Y) akan .................. sebesar ..................dengan asumsi
variabel independen lainnya bernilai tetap. Sebaliknya, jika variabel ...................(X2)
turun 1 satuan maka ......................... (Y) akan .................. sebesar ..................
dengan asumsi variabel independen lainnya bernilai tetap. Koefisien
bersifat......................... artinya .................................................................................
...............................................................................................................................
b. Hasil Uji F (Uji Kelayakan Model)
Uji goodness of fit (uji kelayakan model) dilakukan untuk mengukur ketepatan fungsi
regresi sampel dalam menaksir nilai aktual secara statistik. Berikut hasil uji F:
Tabel 15
Hasil Uji F
Fhitung Ftabel Sig. Keterangan

Sumber: Data Olahan, Tahun 2022

Hasil pengujian diperoleh nilai Fhitung yang kemudian dibandingkan dengan nilai
Ftabel dengan df2 = n (sampel) - k (jumlah variabel independen) -1 = ..... - ….. - ..... =
..... dan df1 = k = ..... dengan alpha 0,05 maka diperoleh nilai Ftabel sebesar .............
Selain dengan membandingkan nilai Fhitung dengan Ftabel, hipotesis bisa diuji dengan
melihat nilai signifikansi.
Berdasarkan pada tabel diatas dapat dilihat bahwa hasil perhitungan dari uji F
yang menghasilkan nilai Fhitung = ............. dengan nilai signifikansi sebesar .............
Karena Fhitung ............. lebih ........... dari Ftabel ............. dan nilai signifikansi sebesar
......... lebih .......... dari 0,05, maka dapat disimpulkan bahwa uji model ini layak untuk
digunakan pada penelitian.
c. Hasil Uji Koefisien Determinasi (R2)
Tabel 16
Hasil Uji Koefisien Determinasi (R2)

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1
a. Predictors: (Constant), Harga, Promosi
b. Dependent Variable: Kepuasan Kerja
Sumber: Data Olahan, Tahun 2022
 18

Tabel 16 memperlihatkan nilai koefisien determinasi (Adjusted R-square) yang

digunakan untuk mengetahui persentase pengaruh variabel Harga (X1) dan Promosi
(X2) terhadap variabel Keputusan Pembelian (Y) sebesar ..................... Hal ini berarti
bahwa peningkatan Keputusan Pembelian dipengaruhi oleh faktor Harga dan Promosi
sebesar ...........% dan sisanya yaitu sebesar ...........% dipengaruhi variabel-variabel
lainnya yang tidak diteliti.

d. Hasil Uji t (Uji Parsial)

Untuk uji signifikansi pengaruh variabel independen terhadap variabel dependen
digunakan uji-t (uji student) atau uji parsial. Berikut ini adalah hasil uji t:
Tabel 17
Hasil Uji t
Variabel thitung ttabel Sig. Keterangan
Harga
Promosi
Sumber: Data Olahan, Tahun 2022

Hasil pengujian diperoleh nilai thitung yang kemudian dibandingkan dengan nilai ttabel
dengan df = n (sampel) - k (jumlah variabel independen) -1 = …... - ...... - 1 = ...... dan
alpha 0,05 maka diperoleh nilai ttabel sebesar ................ Selain dengan
membandingkan nilai thitung dengan ttabel, hipotesis bisa diuji dengan melihat nilai
signifikansi. Pembahasan untuk Hipotesis 1-2 adalah sebagai berikut:

1) Pengaruh Harga terhadap Keputusan Pembelian

Hipotesis yang diuji adalah:
H0: Faktor Harga tidak berpengaruh signifikan terhadap Keputusan Pembelian
H1: Faktor Harga berpengaruh signifikan terhadap Keputusan Pembelian
Dari hasil perhitungan tabel, Harga (X1) yang menghasilkan nilai nilai thitung =
................ dengan nilai signifikansi sebesar ............... Karena thitung ................ >
ttabel ................ dan nilai signifikansi (p-value) sebesar ........... lebih ............ dari
0,05, maka H1 ................ H0 ................ dan dapat disimpulkan bahwa Harga (X1)
.................................................... terhadap Keputusan Pembelian. Dengan
demikian maka disimpulkan bahwa variabel Harga berpengaruh .............. dan
....................... terhadap Keputusan Pembelian.
 19

2) Pengaruh Promosi terhadap Keputusan Pembelian

Hipotesis yang diuji adalah:
H0: Faktor Promosi tidak berpengaruh signifikan terhadap Keputusan Pembelian
H2: Faktor Promosi berpengaruh signifikan terhadap Keputusan Pembelian
Dari hasil perhitungan tabel, Promosi (X2) yang menghasilkan nilai nilai thitung =
................ dengan nilai signifikansi sebesar ............... Karena thitung ................ >
ttabel ................ dan nilai signifikansi (p-value) sebesar ........... lebih ............ dari
0,05, maka H2 ................ H0 ................ dan dapat disimpulkan bahwa Promosi (X2)
.................................................... terhadap Keputusan Pembelian. Dengan
demikian maka disimpulkan bahwa variabel Promosi berpengaruh .............. dan
....................... terhadap Keputusan Pembelian.

5. Kesimpulan
Berdasarkan pada hasil analisis regresi linier berganda yang telah dilakukan pada
penelitian ini, maka dapat ditarik kesimpulan bahwa:
a. Dari hasil uji hipotesis, Variabel Harga (X1) berpengaruh ......................................
terhadap Keputusan Pembelian. Artinya, .......................................................................
........................................................................................................................................
b. Dari hasil uji hipotesis, Variabel Promosi (X2) berpengaruh ......................................
terhadap Keputusan Pembelian. Artinya, .......................................................................
........................................................................................................................................
c. Variabel yang paling berpengaruh dominan terhadap keputusan pembelian adalah
variabel .......................... karena dapat dilihat dari nilai koefisien regresi sebesar .......
........................................................................................................................................
...............................................................................................................................