F. Metode Analisis Data
Metode analisis data yang dilakukan dalam penelitian ini adalah dengan analisis statistik yang menggunakan software statistik. Metode dan teknik
analisis dilakukan dengan tahapan sebagai berikut :
1. Statistik Deskriptif
Statistik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari data Jogiyanto: 2004,163. Dalam
penelitian ini penulis menjabarkan statistik deskriptif berupa mean, maksimum, minimum, dan standar deviasi.
2. Pengujian asumsi klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi – asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam
penelitian ini adalah uji normalitas, autokorelasi, dan heteroskedastisitas.
a. Uji Normalitas
Menurut Erlina 2008:102, “tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau
residual memiliki distribusi normal. Untuk menguji apakah distribusi data normal atau tidak, dapat dilakukan dengan uji
statistik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat
histogram dari residualnya. Dasar pengambilan keputusannya :
1 Jika data menyebar diantara garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas. 2
Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data
berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang
tahun yang bekaitan satu dengan lainnya. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu
observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu atau time series karena “gangguan” pada
individukelompok yang sama pada periode berikutnya. Pada data crossection atau silang waktu, masalah autokorelasi relatif jarang
terjadi karena “gangguan” pada observasi yang berbeda berasal dari individukelompok yang berbeda. Model regresi yang yang baik
tidak terdapat autokorelasi dilakukan dengan menggunakan uji
Durbin Watson DW. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan adanya
intercept konstanta dalam model regresi. Kriteria untuk penilaian terjadinya autokorelasi yaitu :
1 Angka D-W di bawah -2 berarti ada autokorelasi positif
2 Angka D-W di antara -2 sampai +2 berarti tidak ada
autokorelasi 3
Angka D-W di atas +2 berarti ada autokorelasi negative
c. Uji Heteroskedastisitas