G. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik, yaitu model analisis regresi berganda dengan bantuan software
SPSS versi 16 for Windows. Peneliti melakukan pengujian asumsi klasik terlebih dahulu sebelum melakukan hipotesis.
1. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model yang baik, analisis regresi harus bebas dari asumsi-asumsi klasik sehingga memerlukan pengujian asumsi klasik
sebelum melakukan pengujian hipotesis. Pengujian asumsi klasik tersebut meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji
autokorelasi. a. Uji Normalitas
Menurut Ghozali 2006 : 110 “ uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai reidual mengikuti distribusi normal. Kalau
asumsi ini dilanggar maka uji statistik menajdi tidak valid.” Cara yang dapat digunakan untuk menguji apakah variabel pengganggu atau residual
memiliki distribusi normal adalah dengan melakukan uji Kolmogorov- Smirnov terhadap model yang diuji. Kriteria pengambilan keputusan
adalah apabila nilai signifikansi atau probabilitas 0.05, maka residual
Universitas Sumatera Utara
memiliki distribusi normal dan apabila nilai signifikansi atau probabilitas 0.05, maka residual tidak memiliki distribusi normal.
Selain itu, uji normalitas juga dapat dilakukan dengan melakukan analisis grafik normal probability plot dan grafik histogram. Dasar
pengambilan keputusan dalam uji normalitas menurut Ghozali 2006 : 112 sebagai berikut:
1. jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola
distribusi normal, maka model regresi memenuhi asumsi normalitas dan
2. jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola
distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk “menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independen” Ghozali, 2006 : 91. Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang
lainnya. Dalam hal ini kita sebut variabel-variabel bebas yang bersifat orthogonal adalah variabel yang memiliki nilai korelasi diantara
sesamanya sama dengan nol. Multikolinearitas dapat dideteksi dengan melihat nilai tolerance dan
variance inflation factor VIF.Nilai cut off yang umum dipakai untuk
Universitas Sumatera Utara
menunjukkan adanya multikolinearitas adalah “nilai tolerance 0.10 atau sama dengan nilai VIF 10” Ghozali, 2006 : 92.
Cara-cara yang dapat dilakukan jika terjadi multikolinearitas Gujarati, 2001, 166-171 yaitu:
1. Informasi apriori. 2. Menghubungkan data cross sectional dan data urutan waktu.
3. Mengeluarkan suatu variabel atau variabel-variabel yang bias
spesifikasi. 4. Transformasi variabel serta penambahan variabel baru.
c. Uji Heteroskedastisitas Menurut Ghozali 2006 : 105 “uji heteroskedastisitas bertujuan
menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Model regresi yang
baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai
prediksi variabel dependen. Menurut Ghozali 2006 : 105 dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas yaitu:
1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2. jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
d. Uji Autokorelasi Menurut Gujarati 2001 : 99 “autokorelasi merupakan korelasi yang
terjadi antara anggota-anggota dari serangkaian pengamatan yang tersusun
Universitas Sumatera Utara
dalamrangkaian waktu sehingga model regresi yang dihasilkan tidak dapat digunakan”. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi lainnya.
Hal ini sering ditemukan pada data runtut waktu time series karena “gangguan” pada seorang individukelompok cenderung mempengaruhi
“gangguan” pada individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan melakukan uji Durbin Watson. Pengambilan
keputusan ada tidaknya autokorelasi dapat dilihat dalam tabel 3.3.
Tabel 3.3 Kriteria Pengambilan Keputusan Uji Durbin Watson
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du Tidak ada korelasi negatif
Tolak 4 - dl d 4
Tidak ada korelasi negatif No decision
4 - du ≤ d ≤ 4 - dl
Tidak ada korelasi, positif atau negatif
Tidak ditolak Du d 4 - du
2. Pengujian Hipotesis