3.8 Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah dengan uji asumsi klasik dan pengujian hipotesis. Sebelum dilakukan pengujian hipotesis
dilakukan pengujian asumsi klasik untuk keperluan analisis data tersebut. Analisis data dilakukan dengan bantuan perangkat lunak SPSS 18.
3.8.1. Pengujian Asumsi Klasik
Untuk memperoleh model regresi yang memberikan hasil Best Linear Unbiased Estimator BLUE, model tersebut perlu diuji asumsi klasik dengan
metode Ordinary Least Square OLS atau pangkat kuadrat terkecil biasa. Model regresi dikatakan BLUE apabila tidak terdapat Autokorelasi, Multikolinearitas,
Heteroskedastisitas, dan Normalitas lestari: 2010. Berikut ini penjelasan mengenai uji asumsi klasik yang akan dilakukan.
1. Uji Normalitas
Menurut Ghozali 2005, dalam Jetira Reisa, 2011 uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal.Model regresi yang paling baik memiliki distribusi data normal atau mendekati normal. normalitas dapat dideteksi dengan alat
analisis grafik berupa PP Plot dan uji Kolmogorov Smirnov dengan melihat penyebaran data pada sumbu diagonal dari grafik atau dengan melihat
histogram dari nilai signifikan reidualnya. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya
Universitas Sumatera Utara
menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.Pedoman pengambilan keputusan yaitu:
a. apabila nilai signifikasi atau probabilitas 0,05 , maka distribusi data normal
b. apabila nilai signifikasi atau probabilitas 0,05 . maka distribusi data tidak normal.
2. Uji Multikolinearitas
Pengujian ini bertujuan untuk meneliti apakah pada model regresi ditentukan adanya korelasi antar variabel independen. Menurut Ghozali 2005,
dalam Jetira Reisa, 2011, model regresi yang valid adalah model regresi yang bebas dari multikolinearitas atau tidak terjadi korelasi antara variabel
bebasnya Jika
terjadi relasi berarti terjadi masalah multikolinearitas. Multikolinearitas terjadi ketika variabel independen yang ada dalam metode
berkorelasi satu sama lain, ketika korelasi antar variabel independen sangat tinggi maka sulit untuk memisahkan pengaruh masing-masing variabel
independen terhadap variabel dependen. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari nilai tolerance dan
lawannya dan variance Inflation Factor VIF. Kedua ukuran ini menunjukkan variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen
lainnya. Nilai cut off yang umum untuk menunjukkan adanya multikolineraitas
Universitas Sumatera Utara
adalah nilai tolerance 10 persen dan VIF 10. Cara yang dapat dilakukan untuk menanggulangi jika terjadi multikolinearitas adalah dengan
mengeluarkan salah satu variabel bebas yang memiliki kolerasi tinggi dari model regresi dan identifikasi variabel lainnya untuk membantu prediksi.
3. Uji Autokorelasi
Uji autokorelasi dimaksudkan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya. Apabila terjadi korelasi, disinyalir ada problem autokorelasi. Autokorelasi muncul disebabkan adanya
observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan penganggu tidak bebas dari satu
observasi ke observasi yang lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena ”gangguan” pada seorang individukelompok
cenderung mempengaruhi ”gangguan” pada individu kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas
dari autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi, maka dilakukan pengujian Durbin-Watson DW.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
Universitas Sumatera Utara
lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau yang tidak terjadi heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas dapat
dilakukan dengan melihat grafik plot antara nilai prediksi variabel dependen ZPRED dengan residualnya SRESID. Apabila ada pola tertentu, seperti
titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas.
3.8.2. Uji Hipotesis