41
menghasilkan solusi yang tepat, ekonomis, dapat diandalkan, cepat,mudah untuk digunakan dan mengerti.
Analisis kuantitatif disebut pula analisis statistik. Prosesnya dapat dibagi menjadi tiga tahap yang satu sama yang lain berkaitan erat. Tahap pertama adalah tahap pendahuluan yang
disebut tahap pengelolaan data. Tahap berikutnya adalah tahap utama, yang disebut dengan tahap pengorganisasian data. Adapun tahap yang terakhir adalah tahap penentuan hasil.
Untuk menghasilkan suatu model yang baik, maka analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
3.8.1. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang diteliti terbebas dari gangguan multikolinearitas, autokorelasi, heterokedstisits, dan normalitas.
3.8.1.1. Uji Normalitas
Pengujian normalitas data digunakan untuk melihat apakah data yang digunakan berdistribusi normal. Data yang baik dan layak digunakan dalam penelitian adalah data yang
memiliki distribusi normal. Uji normalitas dalam penelitian ini menggunakan uji Kolmogorov-Smirnov. Data berdistribusi normal apabila nilai signifikan 5 0,05.
3.8.1.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk melihat apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi maka dinamakan terdapat
problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
Universitas Sumatera Utara
42
Untuk mendeteksi apakah model regresi yang dipakai bebas dari masalah multikolinearitas dapat dilihat dari Variance inflaction factor VIF dan tolerance TOL.
Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance dan menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang umum dipakai adalah
tolerance 0,10 atau sama dengan nilai VIF 10. Apabila TOL di bawah 0,1 atau VIF di atas 10, maka terjadi multikolinearitas. Konsekuensinya adanya multikolinearitas menyebabkan
standart error cenderung semakin besar.
3.8.1.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varians
dari residual dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika varian berbeda disebut heteroskedastisitas. Model regresi yang baik adalah apabila
tidak terjadi heteroskedastisitas. Jika angka signifikan yang diperoleh dari persamaan regersi lebih besar dari alpha 5, maka dikatakan tidak terjadi heteroskedastisitas. Sebaliknya jika
angka signifikan yang diperoleh lebih kecil dari alpha 5, maka dapat dikatakan terjadi heteroskedastisitas.
Cara mendeteksi ada atau tidaknya heteroskedastisitas pada suatu model dapat dilakukan dengan uji Scatterplot. Syarat-syarat yang harus dipenuhi sehingga penelitian ini
terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan dalam penelitian, jika output Scatterplot menunjukkan peneyebaran titik-titik data sebagai berikut:
a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka nol.
b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
Universitas Sumatera Utara
43
c. Penyebaran titik-titik data tidak boleh membentuk pola,jika ada pola tertentu,
seperti titik yang membentuk pola yang tertaur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
d. Penyebaran titik-titik sebaiknya tidak berpola.
3.8.1.4. Uji Autokorelasi
