3.6 Pengujian Hipotesis
3.6.1 Path Analysis
Pengujian path analysis digunakan untuk mengetahui pengaruh langsung dan tidak langsung. Adapun kesimpulan penerimaan hipotesis dalam penelitian ini
adalah sebagai berikut: a. Jika taraf signifikansi 0.05 maka Ho ditolak dan Ha diterima, artinya ada
pengaruh antara variabel bebas terhadap variabel terikat. Dengan demikian hipotesis dapat diterimaterbukti.
b. Jika taraf signifikansi 0.05 maka Ho diterima dan Ha ditolak, artinya tidak ada pengaruh antara variabel bebas terhadap variabel terikat. Dengan demikian
hipotesis tidak diterimatidak terbukti.
3.6.2 Uji F
Uji statistik F atau uji Analisis of Variance ANOVA merupakan metode untuk menguji hubungan antara satu variabel dependen skala mentrik dengan satu atau
lebih variabel independen skala non metrik atau kategorikal dengan kategori lebih dari dua. ANOVA digunakan untuk mengetahui pengaruh utama dan
pengaruh interaksi dari variabel independen kategorikal terhadap variabel dependen metrik. Pengaruh utama adalah pengaruh langsung variabel independen
terhadap variabel dependen, sedangkan pengaruh interaksi adalah pengaruh bersama dua atau lebih variabel independen terhadap variabel dependen Ghozali,
2011. Apabila nilai F signifikan pada tingkat probabilitas 5, maka dapat dikatakan bahwa semua variabel independen secara bersama-sama memengaruhi
variabel dependen.
3.7 Hasil Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dulu dilakukan uji asumsi klasik. Uji asumsi klasik yang diperlukan adalah uji normalitas, multikolonieritas,
heteroskedastisitas, dan autokorelasi.
3.7.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas memiliki distribusi normal. Seperti diketahui bahwa uji
t dan uji F mengasumsikan bahwa residual mengikuti distribusi normal, apabila asumsi ini dilanggar maka uji statistik menjadi tidak valid Ghozali, 2011. Uji
statistik yang dapat digunakan untuk menguji normalitas adalah uji statistik non- parameter Kolmogorov-Smirnov K-S. Setelah dilakukan uji K-S kita dapat
menarik kesimpulan, jika nilai sig. atau probabilitas 0.05 berarti data tidak terdistribusi secara normal, sedangkan jika angka probabilitas 0.05, maka data
tersebut terdistribusi secara normal.
Tabel 3.4 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
35 Normal Parameters
a
Mean .0000000
Std. Deviation 1.27276607
Most Extreme Differences Absolute .153
Positive .153
Negative -.102
Kolmogorov-Smirnov Z .906
Asymp. Sig. 2-tailed .385
a. Test distribution is Normal.
Sumber : Output SPSS 21
Berdasarkan Tabel 3.4 dapat dilihat bahwa nilai Kolmogorov-Smirnov adalah 0,906 dengan Asymp. Sig. 2-tailed sebesar 0,385 Sig. 0,05, sehingga dapat
disimpulkan bahwa data terdistribusi secara normal. Selain itu normalitas juga dapat dilihat dari grafik uji normalitas pada gambar di bawah ini.
Gambar 3.2 Normal Probability Plot
Sumber : Output SPSS 21 Berdasarkan Gambar 3.2 di atas dapat dilihat bahwa titik-titik menyebar di sekitar
garis diagonal dan mengikuti arah garis diagonal yang artinya data dalam penelitian ini terdistribusi secara normal.
3.7.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen guna mendeteksi
ada atau tidaknya multikolinearitas. Pengujian dapat dilakukan dengan cara
melihat nilai tolerance dari lawannya dan melihat Variance Inflation Factor VIF Ghozali, 2011. Kedua ukuran ini menunjukkan variabel manakah yang
dijelaskan variabel independen lainnya. Nilai yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama
dengan VIF 10.
Tabel 3.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
ROE .984
1.016 MOWN
.984 1.016
a. Dependent Variable: PBV
Sumber : Output SPSS 21 Pada Tabel 3.5 dapat kita lihat bahwa variabel independen dan variabel
pemoderasi secara keseluruhan memiliki nilai tolerance 0,10 dan nilai VIF 10. Sehingga dapat disimpulkan pada model regresi tidak terdapat multikolinearitas.
3.7.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain
Ghozali, 2011. Terdapat beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, salah satunya melalui grafik scatterplot. Kesimpulan diambil
dengan melihat persebaran titik pada scatterplot dengan dasar analisis tidak terdapat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur
bergelombang, melebar, kemudian menyempit. Jika tidak ada pola yang jelas,
Kategori