48
atau r hitung dari variabel penelitian dengan nilai r Tabel. Kriteria dalam menentukan validitas suatu kuesioner adalah sebagai berikut:
1 Jika r
hitung
≥ r
Tabel
maka pertanyaan dinyatakan valid. 2
Jika r
hitung
≤ r
Tabel
maka pertanyaan dinyatakan tidak valid.
3.9.2 Uji Reliabilitas
Reliabilitas Azwar, 2003:4 merupakan penerjemahan dari kata reliability yang mempunyai asal kata rely dan ability. Pengukuran yang memiliki reliabilitas
tinggi disebut sebagai pengukuran reliabel reliable.Reliabilitas adalah sejauhmana hasil suatu pengukuran dapat dipercaya. Pertanyaan yang telah dinyatakan valid
dalam uji validitas, maka akan ditentukan reliabilitasnya dengan kriteria sebagai berikut:
1 Jika r
alpha
positif atau ≥ dari r
Tabel
maka pertanyaan reliabel. 2
Jika r
alpha
negatif atau ≤ dari r
Tabel
maka pertanyaan tidak reliabel.
3.10 Teknik Analisis Data
3.10.1 Metode Analisis
a. Metode Analisis Deskriptif
Tan Soejono Abdurrahman, 1999:22 mengemukakan bahwa penelitian yang bersifat deskriptif, bertujuan menggambarkan secara tepat sifat-sifat suatu
individu, keadaan, gejala atau kelompok tertentu, atau untuk menentukan frekuensi adanya hubungan tertentu antara suatu gejala dengan gejala lain dalam masyarakat.
Metode analisis deskriptif merupakan metode analisis data dimana peneliti
49
mengumpulkan, mengklasifikasikan, menggambarkan dan menyajikan data sehingga dapat memberikan gambaran yang jelas mengenai masalah yang diteliti.
b. Metode Regresi Linear Berganda
Metode ini untuk mengetahui pengaruh self esteem dan kecerdasan emosi terhadap berwirausaha. Metode statistic yang digunakan adalah metode regresi linear
berganda multiple linear regression, dapat dirumuskan sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ e
Dimana : Y
= Keberhasilan Usaha a
= Konstanta Y b
= Koefisien Regresi X
1
= Self Esteem X
2
= Kecerdasan Emosi e
= Standar Error
3.10.2 Uji Asumsi Klasik
1. Uji Normalitas Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi
variabel pengganggu atau residual memiliki distribusi normal.Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Erlina, 2011 : 100.
2. Uji Heteroskedastisitas
50
Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan
yang lain. Apabila suatu model regresi terdapat kesamaan varian dari residual dari satu pengamatan ke pengamatan yang lain, maka disebut homoskedastisitas, dan jika
varian berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastitas atau tidak heterokedastitas.
Heteroskedastisitas dalam penelitian ini diuji dengan menggunakan uji scatterplot. Deteksi adanya heteroskedastisitas dengan melihat ada tidaknya pola
tertentu pada grafik, dimana sumbu X adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized. Hipotesis
yang diajukan: H
: Model regresi tidak ada heteroskedastisitas. H
A
: Model regresi terdapat heteroskedastisitas. Cara memprediksinya menurut Lubis dkk 2007 : 34 adalah jika pola gambar
Scatterplot model tersebut sebagai berikut: 1.
Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. 2.
Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. 3.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data sebaiknya tidak berpola.
3. Uji Multikolinieritas
51
Uji multikolinieritas untuk mengetahui apakah pada model regresi ditemukan adanya korelasi antarvariabel independen. Jika terjadi korelasi, terdapat masalah
multikolinieritas yang harus diatasi Umar, 2008 : 177-178. Ketentuan untuk mendeteksi ada tidaknya multikolinieritas menurut Lubis dkk,
2007 : 32 yaitu: 1.
Jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari
multikolinieritas. VIF = 1Tolerance, jika VIF = 0 maka Tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah Tolerance.
2. Jika nilai koefisien korelasi antar masing-masing variabel independen
kurang dari 0,70, maka model dapat dinyatakan bebas dari asumsi klasik multikolinieritas. Jika lebih dari 0,7 maka diasumsikan terjadi korelasi yang
sangat kuat antar variabel independen sehingga terjadi multikolinieritas.
3.10.3 Uji Hipotesis