3.4. Teknik Analisis dan Uji Hipotesis
Ada beberapa cara yang dipakai dalam melakukan teknik analisis, antara lain:
3.4.1. Uji Kualitas Data
1. Uji Validitas
Uji validitas dilakukan untuk mengetahui sejauh mana alat pengukur itu kuisioner mengukur apa yang diinginkan.
Apabila korelasi antara skor total dengan skor masing – masing pertanyaan signifikan, maka dapat dikatakan
bahwa alat ukur tersebut mempunyai validitas Sumarsono, 2004 : 31. Dasar pengambilan menurut Santoso 2002: 277 :
a. Jika r hasil positif, serta r hasil r tabel, maka butir atau variabel tersebut
valid. b.
Jika r hasil tidak positif, serta r hasil r tabel, maka butir atau variabel tersebut tidak valid.
2. Uji Reliabilitas
Uji reabilitas digunakan untuk mengetahui apakah jawaban yang diberikan responden dapat dipercaya atau diandalkan. Suatu kuisioner dikatakan
reliable jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu.
SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbrach Alpha, yaitu dinyatakan dalam nilai
α yang dapat dikatakan reliabilitas apabila nilai Cronbrach Alpha 0,60 Nurmally:1969, dalam
Ghozali, 2001:133.
3. Uji Normalitas
Uji normalis digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut
mengikuti sebaran normal dapat dilakukan dengan berbagai metode diantaranya metode Kolmogorov Smirnov, dengan menggunakan program
SPSS 10.0 Sumarsono, 2004:40
Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah :
a. Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. b.
Jika nilai signifikan nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal.
3.4.2. Uji Asumsi Klasik
1. Multikolinieritas
Tujuan pengujian ini adalah untuk menguji apakah pada regresi ditentukan adanya korelasi antar variabel independent. Jika terjadi korelasi, maka
dinamakan terdapat problem multikolinieritas. Metode regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.
Menurut Santoso 2004:206 deteksi adanya multikolinieritas adalah :
Besaran VIF Variance Inflation Factor dan Tolerance. Pedoman suatu model regresi yang bebas multikol adalah :
- Mempunyai nilai VIF di sekitar angka 1.
- Mempunyai angka TOLERANCE mendekati
2. Heteroskedastisitas
Heteroskedastisitas merupakan terjadinya ketidaksamaan varians, yaitu jika satu kumpulan data mempunyai varians yang sama. Uji heteroskedastisitas
bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dan residual suatu pengamatan ke pengamatan lainnya. Jika varians dari
residual satu pengamatan ke pengamatan lain berbeda, maka disebut terdapat heteroskedastisitas. Metode regresi yang baik sebaiknya tidak terjadi
heteroskedastisitas Ghozali, 2001 : 105.
Menurut Widarjono 2007 : 132, salah satu metode untuk mendeteksi heteroskedastisitas adalah metode yang dikembangkan oleh Spearman. Dasar
pengambilan keputusan pada metode rank spearman ini menurut santoso 2003 : 243 adalah dengan melihat angka probabilitas, dengan ketentuan :
1.
Probabilitas 0.05 maka H diterima, di mana variabel X dan Variabel Y
tidak ada hubungan satu dengan yang lain.
2.
Probabilitas 0.05 maka H ditolak, di mana variabel X dan variabel Y ada
hubungan satu dengan yang lain.
Maksud dari penyimpangan heteroskedastisitas adalah jika nilai residual tidak konstan atau berbeda untuk setiap nilai tertentu variabel bebas. Dalam
suatu model regresi linier, nilai residual tidak boleh ada hubungan dengan variabel bebas.
3. Autokorelasi
Tujuan ini adalah menguji apakah dalam model regresi linier ada korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya.
Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Tentu saja model regresi yang baik adalah regresi yang bebas dari autokorelasi
Santoso, 2004:216.
Pendekatan autokorelasi dalam penelitian ini tidak dilakukan karena data yang digunakan dalam penelitian ini adalah data yang tidak berdasarkan waktu urut.
X
2,
X
3
3.4.3. Analisis Regresi Linier Berganda
Kategori