44 hipotesis, penelitian ini menggunakan analisis statistik dan uji hipotesis, dan regresi
linear berganda. Adapun metode analisis data yang digunakan dalam penelitian ini melalui uji sebagai berikut:
3.6.1 Uji Statistik Deskriptif
Analisis deskriptif adalah statistik yang menggambarkan fenomena atau karakteristik data. Dalam suatu penelitian, analisis deskriptif perlu
dilakukan karena karakteristik suatu data akan menggambarkan fenomena dari data. Karakteristik data umumnya perlu diketahui meliputi frekuensi, tendensi
pusat dan dispersinya. Statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasi, sehingga mudah dipahami dan
diinterpretasikan. Statistik deskriptif umumnya digunakan untuk memberi informasi mengenai variabel penelitian yang utama Erlina, 2008 : 92.
Menurut Lubis Ade Fatma, 2007: 25, “statistik deskriptif adalah menu yang memberikan gambaran mengenai nilai mean, sum, standar deviasi, variance,
range, minimum dan maksimum”. a. Mean adalah jumlah seluruh angka pada data yang dibagi dengan
jumlah data yang ada. b. Median adalah angka tengah yang didapat dari apabila disusun
berdasarkan angka tertinggi dan terendah. c. Range adalah selisih nilai tertinggi dan terendah dalam satu kumpulan
data. d. Standar deviasi adalah suatu ukuran penyimpangan. Jika nilainya
kecil maka data yang digunakan mengelompok di sekitar nilai rata- rata.
e. Variance adalah jumlah selisih antar data dengan rata-rata data dan kemudian dibagi dengan jumlah data dikurangi 1 n-1.
45
3.6.2 Uji Asumsi Klassik
Penelitian ini menggunakan program SPSS 16.0 for windows Statistic Product Service Solution. Pengujian dengan menggunakan asumsi klassik
dilakukan untuk menghindari atau mengurangi biasnya atas hasil penelitian yang dilakukan. Untuk pengujian analisis asumsi klasik yang digunakan
adalah: a.
Uji Normalitas Menurut Ghozali 2009:107 “Uji normalitas bertujuan untuk menguji
apakah dalam model regresi variabel penggangu mempunyai distribusi normal”. Adapun cara untuk mendeteksi apakah variabel penggangu
memiliki distribusi normal dengan analisis grafik dan uji statistik. Bila signifikan 0,05 berarti distribusi normal, sedangkan bila signifikan
0.05 berarti distribusi tidak normal. Menurut Erlina 2011 : 100, bila terjadi data yang tidak normal maka cara mendeteksinya adalah :
1 Lakukan transformasi data ke bentuk lainnya. Pelanggaran asumsi normal biasanya disebabkan bentuknya menceng,
sehingga untuk mengubah bentuk yang menceng tersebut dapat mengubah nilai atau mentransformasikan nilai kedalam bentuk
log. Dengan mentransformasikan data ke dalam bentuk log diharapkan dapat membentuk data yang berdistribusi normal.
2 Lakukan trimming Trimming adalah membuang data yang secara nyata berbeda
dengan data lainnya. 3 Lakukan winsorizing, yaitu mengubah nilai data yang secara
nyata berbeda ke suatu nilai tertentu. Jika data relatif sedikit, maka mengatasi pelanggaran asumsi normalitas data dengan
cara trimming akan semakin mengecilkan jumlah sampel. Untuk mengatasi hal ini maka cara yang lebih baik dipilih
adalah dengan mengubah nilai observasi yang outlier menjadi nilai maksimum dan minimum yang diizinkan.
46 Untuk mendeteksi apakah terjadi residual berdistribusi normal atau
tidak normal dapat digunakan dengan pendekatan grafik, histogram, Kolmogrov-Smirnov.
1 Pendekatan Grafik
Analisis grafik adalah analisis untuk menguji normalitas dengan analisis grafik dengan melihat histogram dan normal
probability plot.
2 Pendekatan Kolmogrov Smirnov Alat ini digunakan untuk memastikan apakah data disepanjang
garis diagonal berdistribusi dengan normal. 3 Pendekatan Histogram
Untuk menguji normalitas data dapat dilihat dari kurva. Kurva yang normal adalah kurva yang memiliki kemiringan tidak ke
kiri maupun tidak ke kanan.
b. Uji Multikolinearitas
Sebelum melakukan analisis linear berganda, perlu diperiksa beberapa aspek salah satunya adalah multikolinearitas. Menurut Husein Umar
2003:132 “Multikolinearitas bertujuan untuk mengetahui tidak adanya korelasi yang sempurna atau korelasi yang tidak sempurna tetapi relatif
tinggi pada variabel-variabel bebasnya”. Ada tidaknya multikoliniearitas dapat dideteksi dengan melihat nilai VIF Varian Inflation Factor dan
tolerance dan korelasi diantara variabel independen. VIF adalah suatu estimasi berapa besar multikoloniearitas meningkatkan varian pada
suatu koefisien estimasi sebuah variabel independen. Batas dari varian inflation factor adalah 10, jika VIF dibawah 10 maka tidak terjadi gejala
multikoliniearitas. Rumus yang digunakan adalah : VIF =
1 ���������
atau ��������� =
1 VIF
Menurut Erlina 2011:104 cara yang dapat dilakukan jika terjadi multikoliniearitas adalah :
47 1 Membiarkan saja
2 Mengeluarkan salah satu variable 3 Menambah ukuran sampel
4 Transformasi variabel multikoliniearitas c.
Uji Autokorelasi Menurut Ghozali 2009:79 “uji autokorelasi bertujuan untuk menguji
apakah dalam suatu model regresi linear ada korelasi antara kesalahan penggangu Residual pada periode t dengan kesalahan pada periode t-1”.
Apabila adanya data yang autokolerasi adalah dengan menggunakan uji Durbin Watson D-W dengan kriteria sebagai berikut :
1 Nilai D-W dibawah -2 berarti ada autokolerasi positif
2 Nilai D-W diantara -2 sampai +2 berarti tidak ada autokolerasi.
3 Nilai D-W diatas +2 berarti ada autokolerasi negatif
d. Uji Heteroskedastisitas
Menurut Erlina 2011:106 “pengujian heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari
suatu penggangu Residual satu pengamatan ke pengamatan lain”. Regresi yang baik seharusnya tidak terjadi heterokedastisitas. Ada
beberapa pengujian yang dapat digunakan untuk mendeteksi heterokedastisitas adalah dengan melihat penyebaran variance residual
pada diagram pancar Scatter Plot. Pada gambar scatter plot yang menyatakan regresi linier berganda tidak terdapat heterokedastisitas jika :
1 Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0
48 2
Titik-titik data tidak mengumpul hanya diatas atau dibawah saja. 3
Penyebaran titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit atau melebar.
4 Penyebaran titik data sebaiknya tidak berpola.
3.6.3 Analisis Statistik
