Pengujian Asumsi Klasik Metode Analisis Data

G. Metode Analisis Data

Keseluruhan data yang telah terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini. Dalam menganalisis data, peneliti menggunakan program SPSS 15.0. Adapun metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Pengujian Asumsi Klasik

a. Uji Normalitas

Menurut Erlina dan Mulyani 2007:103 “Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Cara yang dapat digunakan untuk menguji apakah variabel pengganggu atau residual memiliki distribusi normal adalah dengan melakukan uji Kolmogrov-Smirnov terhadap model yang diuji. Kriteria pengambilan keputusan adalah apabila nilai signifikansi atau probabilitas lebih besar dari 0,05 maka residual memiliki distribusi normal dan apabila nilai signifikansi lebih kecil dari 0,05 maka residual tidak memiliki distribusi normal. Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali 2005:110 sebagai berikut: 1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Universitas Sumatera Utara 2 Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

b. Uji Multikolinearitas

Menurut Gujarati 1995 dalam Hadi 2006 : 168, “uji multikolinearitas berhubungan dengan adanya korelasi antar variable independen. Sebuah persamaan terjangkit penyakit ini bila dua atau lebih variabel independen memiliki tingkat korelasi yang tinggi. Sebuah persamaan regresi dikatakan baik bila persamaan tersebut memiliki variabel independen yang saling tidak berkorelasi.” Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi menurut Hadi 2006 : 168 dapat dilihat dari : i Salah satu ciri regresi yang terjangkit multikolinear adalah persamaan tersebut memiliki nilai R 2 yang sangat tinggi, tetapi hanya memiliki sedikit variabel independen yang signifikan memiliki nilai t hitung tinggi. Keadaan yang paling ekstrim adalah bila model memiliki nilai R 2 dan F hitung yang tinggi dan secara otomatis akan memiliki nilai signifikansi F yang sangat bagus tetapi tidak satupun variabel independen yang memiliki nilai t cukup signifikan. Bila hal ini terjadi maka bisa disimpulkan bahwa bagusnya F dan R 2 ii Indikator lain yang bisa dipakai adalah CI Condition Index atau Eigenvalues. Bila CI berkisar antara10 sampai dengan 30 maka kita bisa mengatakan bahwa persamaan tersebut terjangkit multikolinear. Bila CI 30 maka terjangkitnya semakin kecil. karena adanya interaksi antar variabel independen yang cukup tinggi multikolinear iii VIF Variable Inflation Factor juga bisa digunakan sebagai indicator. Bila VIF 10 maka variable tersebut memiliki kolinearitas yang tinggi.

c. Uji Heteroskedastisitas

Menurut Ghozali 2005:111 uji heteroskedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi Universitas Sumatera Utara ketidaksamaan variabel pengganggu dari satu pengamatan dengan pengamatan yang lain. Suatu model regresi yang baik adalah tidak terjadi heterokedastisitas. Dasar analisis untuk menentukan ada atau tidaknya heterokedasitas menurut Ghozali 2005:110, yaitu: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan tel terjadi heterokedasitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heterokedasitas.

d. Uji Autokorelasi

Menurut Ghozali 2005:95 uji autokorelasi menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW. Pengambilan keputusan ada tidaknya autokorelasi dilihat dalam tabel 3.2 sebagai berikut: Tabel 3.2 Kriteria Pengambilan Keputusan Uji Durbin Watson Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0ddl Tidak ada autokorelasi positif No decision dl ≤d≤du Tidak ada korelasi negatif Tolak 4-dld4 Universitas Sumatera Utara Tidak ada korelasi negatif No decision 4-du ≤d≤4-dl Tidak ada korelasi positif atau negative Tidak ditolak dud4-du Sumber: Ghozali, 2005:96

2. Analisis Regresi