Nama : Amalia Safitri

Nim : 17010094
Tugas : Tugas Regresi linier berganda

Descriptive Statistics

Mean Std. Deviation N

keputusan_pembelian 35,20 4,811 50

kualitas_produk 35,12 7,510 50
kualitas_pelayanan 37,74 7,716 50

Correlations

keputusan_pem kualitas_pelayan
belian kualitas_produk an

Pearson Correlation keputusan_pembelian 1,000 -,083 ,020

kualitas_produk -,083 1,000 -,011

kualitas_pelayanan ,020 -,011 1,000

Sig. (1-tailed) keputusan_pembelian . ,284 ,446
kualitas_produk ,284 . ,470
kualitas_pelayanan ,446 ,470 .
N keputusan_pembelian 50 50 50

kualitas_produk 50 50 50

kualitas_pelayanan 50 50 50

Variables Entered/Removeda

Variables Variables
Model Entered Removed Method

1 kualitas_pelayan
an, . Enter
b
kualitas_produk

a. Dependent Variable: keputusan_pembelian

b. All requested variables entered.

Model Summaryb
 Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
a
1 ,085 ,007 -,035 4,894 1,656

a. Predictors: (Constant), kualitas_pelayanan, kualitas_produk

b. Dependent Variable: keputusan_pembelian

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 8,130 2 4,065 ,170 ,844b

Residual 1125,870 47 23,955

Total 1134,000 49

a. Dependent Variable: keputusan_pembelian

b. Predictors: (Constant), kualitas_pelayanan, kualitas_produk

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 36,614 4,808 7,615 ,000

kualitas_produk -,053 ,093 -,082 -,567 ,574 1,000 1,000

kualitas_pelayana
,012 ,091 ,019 ,128 ,898 1,000 1,000
n

a. Dependent Variable: keputusan_pembelian

Collinearity Diagnosticsa

Variance Proportions

kualitas_pelayan
Model Dimension Eigenvalue Condition Index (Constant) kualitas_produk an

1 1 2,945 1,000 ,00 ,00 ,00

2 ,042 8,412 ,00 ,54 ,45

3 ,014 14,623 1,00 ,46 ,54

a. Dependent Variable: keputusan_pembelian

Residuals Statisticsa
 Minimum Maximum Mean Std. Deviation N

Predicted Value 34,51 36,05 35,20 ,407 50

Std. Predicted Value -1,688 2,094 ,000 1,000 50
Standard Error of Predicted
,729 1,699 1,162 ,299 50
Value
Adjusted Predicted Value 33,43 36,20 35,18 ,522 50
Residual -13,397 11,188 ,000 4,793 50
Std. Residual -2,737 2,286 ,000 ,979 50
Stud. Residual -2,775 2,423 ,002 1,008 50
Deleted Residual -13,772 12,569 ,019 5,079 50
Stud. Deleted Residual -3,003 2,562 -,002 1,047 50
Mahal. Distance ,107 4,926 1,960 1,468 50
Cook's Distance ,000 ,242 ,020 ,041 50
Centered Leverage Value ,002 ,101 ,040 ,030 50

a. Dependent Variable: keputusan_pembelian

1. UJI NORMALITAS
Menurut Imam Ghozali (2011:161) model regresi dikatakan berdistribusi normal jika
data ploting (titik-titik) yang menggambarkan data sesungguhnya mengikuti garis
diagonal.
Jadi kesimpulannya model regresi berdistribusi normal, karena titik nya mengikuti
garis diagonal. Dapat di lihat dari grafik Normal Probability plot

2. UJI MULTIKOLINEARITAS
Menurut Imam Ghozali (2011: 107-108) tidak terjadi gejala multikolinearitas, jika
nilai Toleransi > 0,100 dan nila VIF < 10.00
Dapat di lihat dari tabel Coefficients. Di dilihat nilai toleransinya yaitu x1=1,000
dan x2=1,000 dan VIF nya x1=1,000 dan x2=1,000. Jadi kesimpulannya adalah
tidak terjadi gejala multikolinearitas.

3. UJI HETOROSKEDASTISTIAS
Menurut Imam Ghozali (2011:139) tidak terjadi hetoroskedastistias, jika tidak ada
pola yang jelas (berkembang, melebar kemudian menyempit) pada gambar
scatterplots, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu y.
Dapat dilihat dari grafik scatterplots, disini dapat dilihat acak dan tidak bergelombang
dan titik-titiknya berada di atas angka 0 dan bawah 0. Dengan demikian asumsi nya
tidak ada gejala hetoroskedastistias

4.