Penelitian ini menggunakan uji statistik analisis regresi linear dengan bantuan SPSS.
4.6.1 Outlier Data
Deteksi terhadap outlier dilakukan dengan melihat skor standardized atau z-score. Menurut Hair dalam Ghozali 2009, untuk sampel kurang dari 80, nilai z-score
≥ 2,5 atau
≤ -2,5 dinyatakan outlier. Untuk sampel 80, nilai z-score ≥ 3 atau ≤ -3 dinyatakan outlier.
4.6.2 Uji Normalitas Data
Sebelum melakukan analisis dengan menggunakan model yang disampaikan diatas, maka sesuai dengan syarat metode Ordinary Least Square OLS, terlebih dahulu
akan dilakukan pengujian normalitas dan asumsi klasik yang meliputi pengujian multicollinearity, heteroschedasticity, dan autocorrelation.
Asumsi distribusi normal diperiksa dengan menggunakan grafik Normal Probability Plot atau Histogram. Jika data mengikuti garis normal pada grafik Normal
Probability Plot maka data diasumsikan berdistribusi normal. Cara lainnya adalah Pengujian normalitas dilakukan dengan menggunakan pengujian Kolmogorov-Smirnov.
Pengujian dengan metode ini menyatakan jika nilai Kolmogorov-Smirnov memiliki probabilitas lebih besar dari 0.05 Santoso, 2005, maka variable penelitian tersebut dapat
dinyatakan berdistribusi normal.
4.6.3 Uji Multikolinearitas
Universitas Sumatera Utara
Multikolinearitas dapat timbul jika variabel bebas saling berkorelasi satu sama lain, sehingga multikolinearitas hanya dapat terjadi pada regresi berganda. Hal ini
mengakibatkan perubahan tanda koefisien regresi serta mengakibatkan fluktuasi yang besar pada hasil regresi. Perubahan tanda koefisien regresi ini dapat mengakibatkan
kesalahan menafsirkan hubungan antara variabel sehingga keberadaan multikolinearitas ini harus diuji Levin, 1998 supaya dapat dijamin bahwa variabel independen di dalam
penelitian tidak saling berkorelasi. Pengujian dapat dilakukan dengan Colinearity Diagnostic serta partial correlation. Multikolinearitas dapat juga dilihat dari nilai
Variance Inflation Faktor VIF. Indikator yang digunakan untuk menentukan adanya multikolinearitas adalah nilai tolerance lebih kecil atau sama dengan 0,10 atau dengan
nilai VIF lebih besar atau sama dengan 10 Ghozali, 2009.
4.6.4 Uji Heteroskedastisitas