3.6 Metode Analisis Data
Data penelitian dikumpulkan untuk diolah, kemudian akan dianalisis untuk memperoleh jawaban atas permasalahan yang timbul dalam penelitian ini. Metode
analisis data yang digunakan dalam penelitian ini adalah analisis statistik yang menggunakan regresi linier berganda dan menggunakan software SPSS. Metode
dan teknik analisis dilakukan dengan tahapan sebagai berikut:
3.6.1 Uji Asumsi Klasik
Pengujian asumsi klasik yang digunakan adalah sebagai berikut:
1. Uji Normalitas
Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Tujuan uji normalitas adalah
untuk mengatahui apakah distribusi data mengikuti atau mendekati distribusi normal. Menurut Ghozali 2005:110, ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisi grafik dan analisis statistik.
Penelitian ini menggunakan analisis statistik dengan uji Kolmogrov Smirnov.
Pedoman pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov
Smirnov dapat dilihat dari: 1.
nilai Sig. atau signifikan atau probabilitas 0.05, maka distribusi data adalah tidak normal;
2. nilai Sig. atau signifikan atau probabilitas 0.05, maka
distribusi data adalah normal Ghozali, 2005:115.
Universitas Sumatera Utara
2. Uji Autokorelasi
Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Uji autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu time series. “Autokorelasi akan muncul
bila data sesudahnya merupakan fungsi dari data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data
sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut terjadi.”Ghozali, 2005:175.
Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson DW. Kriteria deteksi autokorelasi dengan cara ini adalah
sebagai berikut : a.
jika nilai D-W lebih kecil dari -2 maka terjadi autokorelasi positif;
b. jika nilai D-W diantara -2 sampai +2 maka tidak terjadi
autolorelasi; 3.
jika nilai D-W lebih besar dari +2 maka terjadi autokorelasi negatif.
3. Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
ke pengamatan yang lain. Menurut Erlina 2007:108,”jika Varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka
Universitas Sumatera Utara
disebut homoroskedastisitas, jika berbeda disebut heteroskedastisitas.”
Untuk melihat ada atau tidaknya heteroskedastisitas dilakukan dengan mengamati grafik scatterplot antar nilai prediksi
variabel terikat dengan residualnya. Deteksi ada atau tidaknya heteroskedstisitas dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scarrteplot dengan dasar analisis : a. jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas; b. jika tidak ada pola yang jelas, seperti titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Ghozali,2005:105.
4. Uji Multikolinearitas
Kategori