44
3.8 Teknik Analisis Data
Teknik Analisis data adalah suatu metode yang digunakan untuk memproses hasil penelitian guna memperoleh suatu kesimpulan. Data yang telah
terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penlitian ini, dalam menganalisis data peneliti menggunakan
program SPSS versi 17. Metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut:
3.8.1 Statistik Deskriptif
Menurut Ghozali 2006: 19, statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean,
standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness kemencengan distribusi, sehingga secara kontekstual dapat lebih
mudah dimengerti oleh pembaca.
3.8.2 Uji Asumsi Klasik
Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus
memenuhi asumsi klasik regresi. Uji asumsi klasik yang dilakukan adalah uji autokorelasi, multikolinearitas, normalitas, dan heteroskedastisitas.
3.8.2.1 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu
pada periode saat ini dengan kesalahan pengganggu pada periode sebelumnya Ghozali, 2006 : 95. Model regresi yang baik adalah
Universitas Sumatera Utara
45
yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji
Durbin Watson DW. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya time
series, masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya.
3.8.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel – variabel independen antara yang satu dengan yang lainnya, dalam
hal ini, kita sebut variabel – variabel bebas ini tidak ortogonal Erlina, 2008:156. Variabel – variabel bebas yang bersifat
ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebasnya Ghozali, 2006: 91. Jika terjadi
multikolinearitas, maka dapat menyebabkan bias hasil penelitian terutama dalam proses pengambilan kesimpulan mengenai
pengaruh uji parsial masing-masing variabel independen terhadap variabel dependen.
Ada tidaknya multikolinearitas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF. Kedua
ukuran ini menunjukkan variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur
Universitas Sumatera Utara
46
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya, jadi nilai tolerance yang rendah
sama dengan VIF yang tinggi. Nilai cut off yang umum yang dipakai untuk menunjukkan adanya
multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10.
3.8.2.3 Uji Normalitas
Uji normalitas dilakukan untuk menentukan alat statistik yang dilakukan, sehingga kesimpulan yang akan diambil dapat
dipertanggungjawabkan. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal. Menurut Erlina 2008:154, uji ini berguna untuk tahap awal dalam metode analisis data. Jika data
normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data
normal. Cara yang digunakan untuk melihat apakah data normal atau tidak adalah dengan melakukan analisis grafik dengan melihat
grafik histogram dan probability plot dan dengan melakukan analisis statistik. Analisis grafik ini dapat dilakukan dengan melihat
grafik histogram dan probability plot. Sedangkan analisis statistik dapat dilakukan dengan uji Kolmogorov-Smirnov.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu:
Universitas Sumatera Utara
47
A. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafikhistogram yang membandingkan
antara data observasi dengan distribusi yang mendekati normal. Namun demikian ,hanya dengan melihat histogram, hal ini dapat
membingungkan ,khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Dasar pengambilan keputusannya adalah :
-
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.
-
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak
menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
B. Analisis Statistik
Uji statistik yang digunakan untuk menguji normalitas adalah uji statistik nonparametric Kolmogorov-Smirnov K-S.
Pedoman dalam pengambilan keputusan normal atau tidaknya data yang akan diolah adalah sebagai berikut:
Universitas Sumatera Utara
48 -
Apabila hasil signifikansi lebih besar dari 0,05 maka data terdistribusi normal.
-
Apabila hasil signifikansi lebih kecil dari 0,05 maka data tersebut tidak terdistribusi secara normal.
Apabila data tidak normal, ada beberapa cara untuk mengubah model regresi menjadi normal menurut Jogiyanto2004 :
172, yaitu : 1. Dengan melakukan transformasi data kebentuk lain, yaitu :
logaritma natural, akar kuadrat. Logaritma 10. 2. Dengan melakukan trimming, yaitu dengan memangkas
observasi yang berisat outlier 3. Lakukan winsorizing, yaitu mengubah nilai-nilai data
outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal.
3.8.2.4 Uji Heteroskedastisitas