F. Teknik Analisis Data
1. Uji Prasyarat Analisis
a. Uji Normalitas
Uji normalitas merupakan uji yang dilakukan untuk mengetahui apakah variabel-variabel dalam penelitian memiliki sebaran distribusi
normal atau tidak. Uji ini perlu dilakukan karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran. Model regresi
yang baik adalah memiliki distribusi data normal atau mendekati normal Ghozali, 2006. Uji normalitas ini menggunakan teknik Kolmogrov-
Smirnov dengan rumus sebagai berikut :
Keterangan : K
D
= harga Kolmogrov-Smirnov yang dicari n
1
= jumlah sampel yang diobservasi
n
2
= jumlah sampel yang diharapkan
Hipotesis yang diajukan adalah sebagai berikut: H0 : Data diambil dari populasi yang berdistribusi normal
H1 : Data diambil bukan dari populasi yang berdistribusi normal.
Pengambilan keputusan : Jika nilai Asymp.Sig 0,05 maka H0 diterima.
Jika nilai Asymp.Sig 0,05 maka H0 ditolak. Joko Sulistyo, 2010
b. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas, yaitu adanya
ketidaksamaan varian untuk semua pengamatan pada model regresi Gendro Wiyono, 2011. Salah satu uji statistik yang dapat digunakan
untuk mendeteksi ada tidaknya heterokedastisitas adalah Uji Glesjer yang mengusulkan untuk meregres nilai absolut residual terhadap variabel
independen, dengan persamaan regresi : Ut = α + β Xt + vi
Jika variabel independen secara signifikan secara statistik tidak mempengaruhi variabel dependen, maka tidak terdapat indikasi terjadi
heterokedastisitas. Hal ini dapat dilihat apabila dari probabilitas
signifikansinya di atas tingkat kepercayaan 0,05 Iman Ghozali, 2006. c.
Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara residual periode t dengan residual pada periode
t-1 periode sebelumnya. Jika terjadi korelasi, maka ada masalah autokorelasi. Autokorelasi terjadi karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain Ghozali, 2001. Untuk melihat
adanya autokorelasi digunakan Durbin Watson Test DW. Dari table nilai DW akan didapatkan nilai kritis du dan dL.
1. Jika d dL atau 4-dL d maka terdapat autokorelasi di dalam
model regresi. 2.
Jika dL ≤ d ≤ dU atau 4-dU ≤ d ≤ 4-dL maka pengujian tidak
meyakinkan. 3.
Jika 2 d 4-dU atau dU d 2 maka tidak terdapat autokorelasi di dalam model regresi.
d. Uji Linier
Kategori