Metode Penentuan Sampel Metode Pengumpulan Data
                                                                                Selain  menggunakan  grafik,  pengujian  normalitas  juga  dapat dilakukan  dengan  menggunakan  uji  Kolmogorov-Smirnov.  Jika  nilai
Kolmogorov-Smirnov  tidak  signifikan    0,05  maka  semua  data terdistribusi  secara  normal.  Sebaliknya,  apabila  nilai  Kolmogorov-
Smirnov signifikan  0,05 maka data tidak berdistribusi normal. b.  Uji Multikolinearitas
Penyimpangan asumsi
model klasik
adalah adanya
multikolinearitas  dalam  model  regresi  yang  dihasilkan.  Artinya  antar variabel  independen  yang  terdapat  dalam  model  memiliki  hubungan
yang  sempurna  atau  mendekati  sempurna  koefisien  korelasi  tinggi atau bahkan 1.
4
Untuk  mengetahui  ada  tidaknya  multikolinearitas  di  dalam  model regresi  yaitu  dengan  menggunakan  VIF  Variance  Inflation  Factor
dan nilai Tolerance, maka: a  Jika nilai VIF
tidak lebih dari 10 VIF ≤ 10, maka model regresi bebas dari multikolinearitas.
b  Jika nilai Tolerance tidak kurang dari 1 Tolerance ≥ 1 atau
0,10, maka model regresi bebas dari multikolinearitas. c.  Uji Heteroskedastisitas
Penyimpangan  asumsi  model  klasik  selanjutnya  adalah  adanya heteroskedastisitas.  Dalam  persamaan  regresi  perlu  juga  diuji
mengenai  sama  atau  tidak  varians  dari  residual  dari  observasi  yang
4
Algifari, Analisis Regresi Teori, Kasus dan Solusi Yogyakarta: BPFE, 2013, hal. 84
satu  dengan  observasi  yang  lain.  Jika  residualnya  mempunyai  varians yang sama, disebut terjadi homoskedastisitas, dan jika variansnya tidak
samaberbeda  disebut  terjadi  heteroskedastisitas.  Persamaan  regresi yang baik adalah jika tidak terjadi heteroskedastisistas.
5
Model regresi
dengan heteroskedastisitas
mengandung konsekuensi yang serius bagi estimator metode OLS karena tidak lagi
BLUE.
6
Oleh  karena  itu,  sangat  penting  bagi  kita  untuk  mengetahui apakah suatu model regresi mengandung unsur heteroskedastisitas atau
tidak.  Untuk  mendeteksi  ada  tidaknya  heteroskedastisitas  dalam penelitian ini dilakukan dengan menganalisis grafik scatterplot. Dasar
pengambilan  keputusan  ada  tidaknya  heteroskedastisitas,  sebagai berikut:
a  Jika  ada  pola  tertentu  seperti  titik-titik  yang  ada  membentuk suatu  pola  literatur  bergelombang,  kemudian  menyempit,
maka terjadi heteroskedastisitas b  Jika tidak ada pola tertentu  yang jelas serta titik-titik menyebar
di  atas  dan  di  bawah  angka  0  sumbu  Y,  maka  tidak  terjadi heteroskedastisitas.
Uji  heteroskedastisitas  menggunakan  Scatterplot  sangat  lemah karena  hanya  mengandalkan  analisis  visual.  Untuk  mendapatkan
kepastian  dalam  menentukan  terjadi  atau  tidaknya  masalah
5
Danang Sunyoto, Analisis Regresi dan Uji Hipotesis Jakarta: Buku Kita, 2009, hal. 82
6
Agus Widarjono, Ekonometrika Yogyakarta: EKONOSIA, 2009, hal. 117
heteroskedastisitas  dapat  dilakukan  dengan  uji  Glejser.  Uji  Glejser pada  umumnya  meregresikan  antara  nilai  residual  yang  absolut
dengan  semua  variabel  independennya.  Uji  Glejser  secara  umum dinotasikan sebagai berikut:
e = b
1
+ b
2
X
2
+ v Dimana:
e = nilai absolut dari residual yang dihasilkan dari regresi model
X
2
= variabel penjelas. Dasar pengambilan keputusannya adalah sebagai berikut:
a  Tidak  terjadi  heteroskedastisitas,  jika  nilai  t  hitung  lebih  kecil dari t tabel dan nilai signifikansi lebih besar dari 0,05.
b  Terjadi  heteroskedastisitas,  jika  nilai  t  hitung  lebih  besar  dari  t tabel dan nilai signifikansi lebih kecil dari 0,05.
d.  Uji Autokorelasi Persamaan  regresi  yang  baik  adalah  yang  tidak  memiliki  masalah
autokorelasi.  Jika  terjadi  autokorelasi  maka  persamaan  tersebut menjadi  tidak  baik  atau  tidak  layak  dipakai  prediksi.  Masalah
autokorelasi baru timbul jika ada korelasi secara linier antara kesalahan pengganggu periode t berada dan kesalahan pengganggu periode t-1
sebelumnya.
Jika  kita  menganalisis  data  runtut  waktu  time  series  maka variabel gangguan antara waktu akan saling berhubungan. Oleh karena
itu,  data  runtut  waktu  diduga  sering  kali  mengandung  unsur autokorelasi.  Sedangkan  data  cross  section  diduga  jarang  ditemui
adanya unsur autokorelasi.
7
Pengujian  masalah  autokorelasi  dalam  suatu  model  regresi  dapat dilakukan  melalui  pengujian  terhadap  nilai  Uji  Durbin  Watson  Uji
Dw, dengan ketentuan sebagai berikut: 1.  Terjadi autokorelasi positif jika nilai DW di bawah -2 DW  -2.
2.  Tidak terjadi autokorelasi jika nilai DW berada di antara -2 dan +2 atau -2  DW  +2.
3.  Terjadi  autokorelasi  negatif  jika  nilai  DW  di  atas  +2  atau  DW +2.
8
2.  Uji Hipotesis a.  Uji Parsial Uji t
Uji t digunakan untuk menguji apakah  setiap variabel independen secara  masing-masing  parsial  memiliki  pengaruh  yang  signifikan
terhadap  variabel  dependen.  Pengujian  ini  dilakukan  dengan membandingkan t hitung dengan t tabel dengan ketentuan:
a  Bila  t  hitung    t  tabel  maka  Ho  diterima  dan  menolak  Ha, artinya  bahwa  secara  parsial  variabel  independen  tidak
berpengaruh signifikan terhadap variabel dependen.
7
Agus Widarjono, Ekonometrika, hal. 141
8
Danang  Sunyoto,  Uji  Khi  Kuadrat  dan  Regresi  Untuk  Penelitian,  Yogyakarta:  Graha Ilmu, 2010, hal. 116
b  Bila  t  hitung      t  tabel  maka  Ho  ditolak  dan  menerima  Ha artinya  bahwa  secara  parsial  variabel  independen  berpengaruh
signifikan terhadap variabel dependen. Pengujian  ini  juga  dapat  menggunakan  pengamatan  nilai
signifikansi t pada tingkat α yang digunakan yaitu sebesar 5. Analisis
ini didasarkan pada perbandingan antara nilai signifikansi t dengan nilai signifikansi 0,05 dengan ketentuan sebagai berikut:
a  Jika signifikansi t  0,05, maka Ho ditolak yang berarti variabel independen  secara  parsial  berpengaruh  terhadap  variabel
dependen. b  Jika  signifikansi  t    0,05  maka  Ho  diterima  yang  berarti
variabel  independen  secara  parsial  tidak  berpengaruh  terhadap variabel dependen.
b.  Uji Simultan Uji F Uji  F  ini  juga  sering  disebut  sebagai  uji  simultan,  untuk  menguji
apakah  variabel  bebas  yang  digunakan  dalam  model  mampu menjelaskan  perubahan  nilai  variabel  tergantung  atau  tidak.  Untuk
menyimpulkan  apakah  model  masuk  dalam  kategori  cocok  fit  atau tidak, kita harus membandingkan nilai  F hitung  dengan nilai F tabel.
9
Uji ini dilakukan dengan ketentuan sebagai berikut:
9
Suliyanto, Ekonometrika Terapan, hal. 61
a  Bila  F  hitung    F  tabel  maka  Ho  diterima  dan  menolak  Ha, artinya  bahwa  secara  simultan  variabel  independen  tidak
berpengaruh signifikan terhadap variabel dependen. b  Bila  F  hitung      F  tabel  maka  Ho  ditolak  dan  menerima  Ha
artinya bahwa
secara simultan
variabel independen
berpengaruh signifikan terhadap variabel dependen. Pengujian  ini  juga  dapat  menggunakan  pengamatan  nilai
signifikansi F pada tingkat α yang digunakan yaitu sebesar 5. Analisis ini  didasarkan  pada  perbandingan  antara  nilai  signifikansi  F  dengan
nilai signifikansi 0,05 dengan ketentuan sebagai berikut: a  Jika  signifikansi  F    0,05,  maka  Ho  ditolak  yang  berarti
variabel  independen  secara  simultan  berpengaruh  terhadap variabel dependen.
b  Jika  signifikansi  F    0,05  maka  Ho  diterima  yang  berarti variabel  independen  secara  simultan  tidak  berpengaruh
terhadap variabel dependen. c.  Uji Koefisien Determinasi R
2
Koefisien  determinasi  menjelaskan  variasi  pengaruh  variabel- variabel  bebas  independen  terhadap  variabel  terikatnya  dependen.
Atau dapat pula dikatakan sebagai proporsi pengaruh seluruh variabel bebas  terhadap  variabel  terikat.  Nilai  koefisien  determinasi  dapat
diukur  oleh  nilai  Adjusted  R-square  R
2
.  Nilai  koefisien  determinasi terletak antara 0 dan 1 yaitu 0 ≤  R
2
≤ 1. Bila R
2
= 1 berarti 100 total
variasi  variabel  terikat  dijelaskan  oleh  variabel  bebasnya  dan menunjukkan  ketepatan  yang  baik,  dan  bila  R
2
=  0  berarti  tidak  ada total variasi variabel terikat yang dijelaskan oleh variabel bebasnya.
10
                