84
3.8.2. Uji Persyaratan
Sebelum dilakukan analisis dengan teknik path analisis data-data tersebut harus diuji dahulu apakah data tersebut linier, multikolinear atau
tidak, normal atau tidak.
3.8.2.1.Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah model path analisis yang terdapat pada variabel terikat dan variabel bebas keduanya
mempunyai distribusi normal atau mendekati normal. Model path analisis yang memiliki distribusi data yang normal atau mendekati normal
dikatakan model path analisis yang baik. Dewanto dan Tarmudji 1995: 48 menyampaikan bahwa, ”Uji normalitas adalah usaha membuktikan
apakah distribusi sampel yang telah diobservasi dari sebuah populasi yang berdistribusi normal tersebut mempunyai kesesuaian dengan distribusi
teoritis”. Tes ini disebut juga dengan test goodness of-fit Tes Kolmogorov Smirnov
dengan rumus sebagai berikut : D = maksimum [ F
X – SN X ] Keterangan :
D : Deviasi maksimum
F X : Fungsi distribusi frekuensi komulatif teoritis
SN X: Distibusi frekuensi komulatif sampel observasi Analisis uji normalitas pada penelitian ini digunakan komputer
program SPSS. Ketentuan normalitas data hasil output SPSS dapat dilihat
85
pada besarnya nilai taraf signifikan yang diperoleh. Apabila nilai tingkat kepercayaan 0,05, maka data berdistribusi normal. Dan sebaliknya
apabila nilai tingkat kepercayaan 0,05, maka data berdistribusi tidak normal.
3.8.2.2.Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model path analisis ditemukan adanya korelasi antara variabel bebas independent
variable . Model path analisis yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas. Dewanto Tarmudji 1995: 136 menyampaikan bahwa ciri-ciri multikolinearitas dalam path analisis terjadi apabila :
a. Koefisien korelasi r
ij
mendekati 1 b.
Perbedaan R
2
dengan R
j 2
Determinasi path analisis yang direspon oleh variabel Y dari semua variabel lain, kecuali variabel X amat kecil.
c. F ratio signifikan tetapi harga tidak signifikan.
d. Determinasi XY lebih besar daripada 0 dan lebih kecil dari pada 1 0
XY 1. Bila XY = 0 berarti hubungan exist pada kolom X linier. Sebaliknya apabila XY = 1, berarti X orthogonal.
e. R
2
= 1 – 1r
ii
.0.9 f.
Eigenvalues λ
i
= 0
3.8.2.3.Uji Heteroskedastisitas
86
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varian yang konstan dari satu observasi
ke observasi lainnya. Konsekuensi adanya heteroskedastisitas dalam model path analisis adalah estimator yang diperoleh tidak efisien. Dalam
penelitian ini pengujian heteroskedastisitas dilakukan dengan uji Gletser: uji ini akan mengolah path analisis nilai absolut dari unstandard residual
terhadap variabel bebas, jika tidak signifikan berarti tidak terjadi heteroskedastisitas dan sebaliknya jika signifikan, maka terdapat gejala
heteroskedastisitas. Disamping dengan menggunakan uji Gletser, heteroskedastisitas
juga dapat dilihat dengan melihat eror, jika membentuk pola tertentu tidak bersifat acak terhadap nol, maka dikatakan terjadi heteroskedastisitas, atau
jika pola tertentu seperti titik-titik point-point yang ada, membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka telah terjadi heteroskedastisitas.
3.8.3. Uji Hipotesis
Kategori