3.6 Teknik Analisis Data 3.6.1 Uji Statistik Deskriptif
Dalam uji statistik deskriptif menghasilkan deskripsi dari data yang digunakan, sehingga menjadikan informasi lebih jelas dan lebih mudah untuk
dipahami. Statistik deskriptif dapat dilihat dari rata-rata mean, nilai tengah median, nilai yang sering muncul modus, standar deviasi, nilai maksimum,
dan nilai minimum Ghozali, 2006. Statistik deskriptif dapat menjelaskan variabel-variabel yang terdapat dalam penelitian ini. Selain itu dapat
menyajikan ukuran-ukuran numerik yang sangat penting bagi data sampel.
3.6.2 Uji Asumsi Klasik
Uji asumsi klasik memiliki tujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam penelitian ini. Sebelum
analisis regresi dilakukan, harus dilakukan uji asumsi klasik untuk menentukan apakah model dari regresi tersebut memenuhi syarat-syarat untuk
lolos dari uji asumsi klasik. Syarat-syarat yang harus dipenuhi adalah data tersebut harus terdistribusi secara normal, tidak mengandung autokorelasi,
multikolinieritas, dan heteroskedastisitas.
3.6.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi data telah memenuhi persyaratan distribusi normal dan apakah
residual dalam model regresi sudah terdistribusi secara normal Gujarati, 2009. Model regresi yang baik adalah memiliki data berdistribusi
Universitas Sumatera Utara
normal. Suatu data dapat dikatakan normal jika data tersebut memenuhi persyaratan distribusi normal. Adapun cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan menggunakan analisis grafik dan ujiKolmogorov-Smirnov Test. Dasar pengambilan
keputusannya adalah 1.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis
diagonal, maka model regresi tidak memenuhi asumsi normalitas. Uji statistik yang dapat digunakan untuk menguji normalitas
residual adalah uji statistic Kolmogorov-Smirnov K-S, yang dijelaskan oleh Ghozali 2006. Uji K-S dibuat dengan membuat hipotesis:
Ho : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal
Dasar pengambilan keputusan pada uji K-S ini adalah dengan melihat nilai profitabilitas signifikansi data residual. Jika angka
profitabilitas kurang dari 0,05 maka variabel ini tidak berdistribusi secara normal. Sebaliknya, bila angka probabilitas di atas 0,05 maka Ha ditolak
yang berarti variabel terdistribusi secara normal Ghozali, 2006.
3.6.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas memiliki tujuan menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
Universitas Sumatera Utara
yang lainnya dalam model regresi Ghozali, 2006. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut
homokedastisitas. Sebaliknya jika varians berbeda, disebut heteroskedastisitas. Model regresi yang baik adalah tidak terdapat
heteroskedastisitas Ghozali, 2006. Untuk menguji ada tidaknya heteroskedastisitas dalam penelitian
ini, dapat digunakan grafik plot scatterplot antara nilai prediksi variabel dependen ZPRED dengan residualnya SRESID. Apabila dalam grafik
tersebut tidak terdapat pola tertentu yang teratur dan data tersebut acak diatas dan dibawah angka 0 pada sumbu Y, berarti tidak terdapat
heteroskedastisitas.
3.6.2.3 Uji Autokorelasi