1. Statistik Deskriptif
Statistik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari data Jogiyanto, 2004:163. 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. Dalam penelitian ini penulis menjabarkan statistik deskriptif berupa mean,
maksimum, minimum, dan standar deviasi.
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji ini digunakan dalam tahap awal dalam metode pemilihan analisis data. Uji normalitas digunakan untuk mengetahui apakah
distribusi data penelitian masing-masing variabel telah menyebar secara normal. Model regresi yang baik adalah yang memiliki
distribusi data normal atau mendekati data normal. Uji normalitas dilakukan dengan analisis grafik dengan cara melihat grafik
histogram dan Normal probability plot. Pengujian normalitas data juga dilakukan dengan menggunakan
alat uji statistik, yaitu uji Kolmogorov Smirnov Uji K-S. Apabila probabilitas 0,05 maka distribusi data normal dan dapat
digunakan analisis regresi. Jika nilai probabilitasnya 0,05 maka distribusi data adalah tidak normal.
Universitas Sumatera Utara
b. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen Ghozali,
2005. Pada model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian multikolinearitas
dilakukan dengan melihat nilai VIF Variance Inflation Factor antar variabel independen. Nilai cut off yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah nilai Tolerance0,10 atau sama dengan nilai VIF10 Ghozali, 2005:92
c. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah pada suatu model regresi linear ada korelasi antar kesalahan pengganggu pada
periode satu dengan periode sebelumya Ghozali, 2005. Autokorelasi terjadi karena observasi yang berurutan sepanjang
tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data runtut waktu time series. Model regresi yang
baik adalah model yang tidak terdapat autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan uji
Durbin Watson DW. Menurut Santoso 2002:18, Keputusan ada atau tidaknya
autokorelasi adalah : 1
Bila nilai D-W dibawah -2, maka ada autokorelasi positif, 2
Bila nilai D-W di antara -2 sampai +2, maka tidak ada autokorelasi,
3 Bila nilai D-W di atas +2, maka ada autokorelasi negatif.
Universitas Sumatera Utara
d. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians antara satu pengamatan ke
pengamatan lainnya Ghozali, 2005. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut
homoskedastisitas, dan jika berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah terjadi
homoskedastisitas. Dalam menguji heteroskedastisitas, penulis menggunakan uji glejser dan memperhatikan hasil output SPSS.
Jika variabel independen signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika signifikan 0,05 maka H
diterima tidak ada heteroskedastisitas.
3. Pengujian Hipotesis
Kategori