55
penelitian ini yaitu pengujian asumsi klasik, analisis statistik deskriptif, analisis regresi berganda dan uji hipotesis.
3.8.1. Pengujian Asumsi Klasik
Penggunaan uji asumsi klasik dimaksudkan agar memperoleh hasil regresi yang bisa dipertanggungjawabkan dan mempunyai hasil yang tidak bias
atau Best Linier Unbiased Estimator BLUE. Asumsi-asumsi yang harus dipenuhi dari pengujian tersebut adalah uji normalitas, uji autokorelasi, uji
multikolinearitas dan uji heterokedastisitas. 1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Data yang
terdistribusi normal akan memperkecil kemungkinan terjadinya bias. Pengujian normalitas dalam penelitian ini dengan menggunakan one sample
kolmogorovsmirnov test dan analisis grafik histogram dan P-plot. Dalam uji one
sample kolmogorov-smirnov test , variabel-variabel yang mempunyai asymp. Sig
2-tailed di bawah tingkat signifikan sebesar 0,05 maka diartikan bahwa variabel- variabel tersebut memiliki distribusi tidak normal dan sebaliknya Ghozali, 2007.
2. Uji Autokorelasi Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi
linier ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1sebelumnya. Jika terjadi korelasi, maka dinamakan
ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
56
sepanjang waktu berkaitan satu sama lainnya. Pengujian ini menggunakan model Durbin Watson DW-Test. Hipotesis yang akan diuji adalah :
Ho = tidak ada autokorelasi r=0, Ha = ada autokorelasi r ≠0
Bila nilai DW lebih besar dari batas atas atau upper bound du dan kurang dari 4-du berarti tidak ada autokorelasi Ghozali, 2007 : 95.
3. Uji Multikolinearitas Pengujian ini bertujuan apakah model regresi ditemukan adanya korelasi
antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas dapat dilihat dari
nilai tolerance dan lawannya variance inflation VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel
independen lainnya. Hasil dari pengujian ini dapat dilihat dari nilai VIF menggunakan persamaan VIF = 1 tolerance. Jika nilai VIF dari 10 maka tidak
terdapat multikolinearitas, sebaliknya jika nilai VIF 10maka terjadi multikolinearitas. Ghozali, 2007: 91.
4. Uji Heteroskedastisitas Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah
grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama, maka dikatakan ada homokedastisitas. Sedangkan jika varians tidak sama,
dikatakan terjadi heteroskedastisitas Situmorang dan Lufti, 2011. 108. Pengujian heteroskedastisitas dapat dilakukan dengan scatterplot. Apabila terlihat
titik-titik menyebar secara acak tidak membentuk pola yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak
57
terjadi heteroskedastitas pada model regresi sehingga model regresi layak di pakai. Uji heteroskedastisitas juga dapat dilakukan dengan uji statistik glejser.
Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Kriteria pengambilan
keputusan dengan uji glejser ini yaitu: a. Jika nilai signifikansi 0.05 maka tidak mengalami gangguan
heteroskedastisitas. b. Jika nilai signifikansi 0.05 maka mengalami gangguan heteroskedastisitas.
3.8.2. Analisis Statistik Deskriptif