Descriptives
Descriptive Statistics
N
Periklanan
Promosi Penjualan
Hubungan Masyarakat
Pemasaran Langsung
Keputusan Pembelian
Valid N (listwise)
98
Minimum
2.67
Maximum
5.00
Mean
3.9879
Std. Deviation
.53141
98
98
2.29
2.00
5.00
5.00
3.9257
3.9647
.61459
.50636
98
98
2.00
2.00
5.00
5.00
4.1224
4.0480
.56097
.50711
98
Regression
Variables Entered/Removedb
Model
1
Variables
Removed
Variables Entered
Pemasaran Langsung, Periklanan,
Promosi Penjualan,
Hubungan
a
Masyarakat
.
Method
Enter
a. All requested variables entered.
b. Dependent Variable: Keputusan Pembelian
Model Summaryb
Model
1
R
.821a
R Square
.674
Adjusted
R Square
.660
Std. Error of
the Estimate
.29550
DurbinWatson
1.798
a. Predictors: (Constant), Pemasaran Langsung, Periklanan, Promosi
Penjualan, Hubungan Masyarakat
b. Dependent Variable: Keputusan Pembelian
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
16.824
8.121
df
4
93
Mean Square
4.206
.087
F
48.168
Sig.
.000a
24.945
97
a. Predictors: (Constant), Pemasaran Langsung, Periklanan, Promosi Penjualan,
Hubungan Masyarakat
b. Dependent Variable: Keputusan Pembelian
Coefficientsa
Model
1
(Constant)
Periklanan
Promosi Penjualan
Hubungan Masyarakat
Pemasaran Langsung
Unstandardized
Coefficients
B
Std. Error
.354
.276
Standardized
Coefficients
Beta
t
1.280
Sig.
.204
.226
.202
.269
.071
.070
.097
.237
.245
.269
3.187
2.866
2.759
.002
.005
.007
.226
.079
.250
2.849
.005
a. Dependent Variable: Keputusan Pembelian
Uji Asumsi Klasik
1. Uji Multikolinieritas
Pada uji multikolinieritas atau terjadinya korelasi diantara sesama variabel
bebas. Pada uji ini dapat dilihat pada table Coefficients dan lihat kolom
Collinearity Statistics di model 1 yang memperlihatkan nilai VIF<10, pada
umumnya terjadinya multikolinieritas apabila nilai VIF>10. berarti model ini
tidak terjadi multikolinieritas.
Coefficientsa
Model
1
Periklanan
Promosi Penjualan
Hubungan Masyarakat
Pemasaran Langsung
Collinearity
Statistics
Tolerance
VIF
.633
1.581
.480
2.085
.370
2.705
.454
2.204
a. Dependent Variable: Keputusan Pembelian
2. Uji Normalitas
Pada uji ini dapat dilihat dari grafik normalitas dibawah ini:
Jika Residual berasal dari distribusi normal, nilai-nilai sebaran data akan
terletak disekitar garis lurus. Terlihat bahwa sebaran data pada chart di atas
bisa dikatakan tersebar di sekeliling garis lurus tersebut (tidak terpencar jauh
dari garis lurus). Dengan demikian, bisa dikatakan bahwa persyaratan
Normalitas bisa dipenuhi.
One-Sample Kolmogorov-Smirnov Test
N
Normal Parameters a,b
Most Extreme
Differences
Unstandardized
Residual
98
.0000000
Mean
Std. Deviation
Absolute
Positive
Negative
.28934125
.066
.055
-.066
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
.653
.787
a. Test distribution is Normal.
b. Calculated from data.
Kriteria: (LihatKolom Kolmogorov-Smirnov)

Jika Sig. > 0,05 maka data berdistribusi normal

Jika Sig. < 0,05 maka data tidakberdistribusi normal
3. Uji Autokorelasi
Pada uji ini dapat dilihat pada tabel Model Summary di model 1 yang nilai
DWnya menunjukkan 1,798.yang berarti Terima Ho, tidak ada korelasi
serialkarenaDW terletak diantara du<DW<2.dL = 1585dandU = 1,756dimana n =
98dan k = 4
Model Summaryb
Model
1
R
.821a
R Square
.674
Adjusted
R Square
.660
Std. Error of
the Estimate
.29550
DurbinWatson
1.798
a. Predictors: (Constant), Pemasaran Langsung, Periklanan, Promosi
Penjualan, Hubungan Masyarakat
b. Dependent Variable: Keputusan Pembelian
Berdasarkan aturan berikut ini :
Ho : tidak ada korelasi serial
H1 : ada korelasi serial
NILAI DW
4-dI<DW<4
4-du<DW<4-dl
2<DW<4-du
du<DW<2
dl<DW<du
0<DW<dl
HASIL
Tolak Ho, korelasi serial negatif
Hasil tidak dapat ditentukan
Terima Ho, tidak ada korelasi serial
Terima Ho, tidak ada korelasi serial
Hasil tidak dapat ditentukan
Tolak Ho, korelasi serial positif
4. Uji Heterokedastisitas
Pada uji ini dapat dilihat dari grafik scatterplot berikut ini:
Dari grafik scatter plot pada Keputusan Pembelian tampak titik-titik tidak
membentuk suatu pola tertentu. Diagram pencar diatas ternyata tidak
membentuk pola tertentu. Dengan demikian dapat dikatakan bahwa regresi tidak
mengalami gangguan heteroskedastisitas sehingga model regresi tersebut layak
dipakai untuk memprediksi Keputusan Pembelian berdasarkan masukan variabel
bebas.