38
angkanya berada dalam rentang dari 0 sampai dengan 1,00. Semakin tinggi koefisien reliabilitas mendekati angka 1,00 berarti semakin tinggi
reliabilitasnya Azwar, 2000 : 83.
3.4.3. Uji Normalitas Data
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data
tersebut mengikuti seberan normal dilakukan dengan metode Kolmogorov Smirnov Sumarsono, 2004:40. Pedoman dalam mengambil keputusan
apakah sebuah distribusi data mengikuti distribusi normal Sumarsono, 2004:43 adalah :
Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal.
Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal.
3.5. Teknik Analisis
3.5.1. Uji Asumsi Klasik
Menurut Sulaiman 2004:87 regresi linier berganda dengan persamaan Y =
+
1
X
1
+
2
X
2
+
3
X
3
+ e persamaan regresi diatas harus bersifat BLUE Best Linier Unbiased Estimator artinya
pengambilan keputusan uji F dan uji t tidak boleh bias. Untuk bisa dikatakan sebagai alat ukur yang BLUE, maka persamaan regresi harus
memenuhi ketiga asumsi klasik berikut ini : a.
Tidak boleh terjadi autokorelasi. b.
Tidak boleh terjadi multikolinearitas. c.
Tidak boleh terjadi heteroskedastisitas.
39
Apabila salah satu dari ketiga asumsi tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias. Berikut ini uraian singkat mengenai ketiga asumsi tersebut :
a. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan waktu data rime series atau data yang
diambil pada waktu tertentu data cross-sectional Gujarati, 1993: 201. Untuk mendiagnosis adanya autokrelasi nilai Durbin-Watson
Penelitian ini tidak menggunakan data time series, maka uji autokorelasi tidak digunakan.
b. Multikolinearitas
Menurut Ghozali 2002 : 57, uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Untuk mendeteksi ada tidaknya multikolinearitas : 1.
Nilai koefisien determinasi berganda R square tinggi. 2.
Menganalisis matrik korelasi variabel-variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi umumnya diatas
0,90, maka hal ini merupakan indikasi adanya multikolinearitas. 3.
Menghitung nilai tolerance dan Varience Inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas manakah
yang dijelaskan oleh variabel bebas lainnya. Apabila VIF lebih
40
besar dari 10 hal ini berarti terdapat multikolinier pada persmaan regresi linier.
c. Heteroskedastisitas
