49
3.5. Teknik Analisis dan Uji Hipotesis 3.5.1. Uji
Normalitas
Menurut Sugiyono 1999:69, bila data tidak normal, maka teknik statistik parametrik tidak dapat digunakan untuk alat analisis. Gujarati
1999:67 menyatakan bahwa dengan terpenuhinya asumsi kenormalan, penaksir OLS mempunyai sifat tidak bias dengan varians minimum dan
konsisten sehingga penaksir mengarah ke coverge nilai populasi yang sebenarnya.
Uji kenormalan data dalam penelitian ini dapat dilakukan melalui pendekatan grafik. Menurut Santoso 2002:214 hasil uji kenormalan dapat
dilihat dari penyebaran data titik disekitar sumbu diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas, jika
sebaliknya maka tidak memenuhi asumsi normalitas data.
3.5.2. Asumsi Klasik.
Asumsi klasik menyatakan bahwa persamaan regresi tersebut diatas
harus bersifat BLUE Best Linier Unbiased Estimation , artinya
pengambilan keputusan uji F dan uji T tidak boleh bias. Untuk menghasilkan yang BLUE maka harus dipenuhi diantara tiga asumsi dasar
yang tidak boleh dilanggar oleh regresi linier berganda, yaitu : 1.
Tidak boleh Autokorelasi. 2.
Tidak boleh Multikolineritas
50
3. Tidak boleh Heterokedastisitas.
Apabila salah satu dari ketiga asumsi tersebut dilanggar, maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best Linier Unbiased Estimation
, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Autokorelasi
Yaitu korelasi antara anggota observasi yang disusun menurut urutan waktu atau ruang. Untuk mengetahui tidak adanya gejala autokorelasi
maka perlu dilihat tabel Durbin Watson dengan jumlah variabel bebas k dan jumlah data n sehingga diketahui d
L
dan d
U
maka dapat diperoleh distribusi daerah keputusan ada tidaknya autokorelasi Gujarati,
1998:218. Tabel 3.3
Batas-batas Uji Durbin Watson
Daerah Keterangan
DW dL Autokorelasi positif
dL DW dU
Tanpa kesimpulan inconclusive
dU DW 4-dU Non autokorelasi
4-dU DW 4-dL
Tanpa kesimpulan inconclusive DW 4-dL
Autokorelasi negative Sumber : Gujarati 1999:217
2. Multikolineritas
Yaitu adanya lebih dari satu hubungan linier yang sempurna. Apabila terjadi multikolinier apalagi kolinier yang sempurna koefisien korelasi
51
antar variabel bebas = 1 maka koefisien regresi dari variabel bebas tidak dapat ditentukan dan standar errornya tidak terhingga.
Identifikasi secara statistik ada atau tidaknya gejala multikolinieritas dapat dilakukan dengan menghitung Varian Inflation Factor VIF.
VIF = 1 Tolerance. Nilai cut off yang umum dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF diatas 10 Ghozali, 2002:57.
Pada umumnya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel bebas yang lain
Santoso, 2001:281-282. 3.
Heterokedastisitas Heteroskedastisitas untuk menunjukkan nilai varians Y – Y’ antar nilai
Y tidaklah sama atau hetero sehingga uji t dan uji F tidak berfungi sebagaimana mestinya. Heteroskedastisitas dapat dideteksi dengan cara
menghitung koefisien korelasi Rank Spearman antara nilai residual
dengan seluruh variabel bebas.
3.5.2. Analisis Linear