F. Metode Analisis Data
Data penelitian yang digunakan dalam penelitian sering bersifat bias dan tidak efisien. Untuk memperoleh nilai yang tidak bias dan efisien dari model persamaan
linear maka haruslah memenuhi asumsi-asumsi klasik yang mendasari model linear Gujarati, 2003. Setelah data memenuhi asumsi klasik maka data layak dianalisis
lebih lanjut utuk pengujian hipotesis dengan analisis pengujian linear.
1. Uji Asumsi Klasik
Karena data yang digunakan adalah data sekunder, maka untuk menentukan ketepatan model perlu dilakukan pengujian atas beberapa asumsi klasik yang
mendasari model regresi. Pernyimpangan asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, multikolinieritas, heteroskedastisitas, dan
autokorelasi. Adapun masing-masing pengujian tersebut dapat dijabarkan sebagai berikut :
a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linier,
kedua variabel terikat dan variabel bebas mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati
normal. Cara untuk melihat normalitas adalah dengan melihat histrogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi
normal. Namun demikian, dengan hanya melihat histogram, hal ini dapat menyesatkan khususnya untuk sampel yang kecil jumlahnya. Metode yang lebih
Universitas Sumatera Utara
handal adalah dengan melihat normal probality plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari data yang normal.
Distribusi normal akan membentuk satu garis lurus diagonal, dan plooting data akan dibandingkan dengan garis diagonal. Jika distribusi data adalah normal, maka
garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2005 : 110.
b. Uji Multikolinieritas Pengujian multikolinieritas ini berguna untuk mengetahui apakah pada model
regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Untuk mendeteksi ada atau
tidaknya multikolinieritas dalam model regresi adalah dengan menganalisis matrik korelasi variabel-variabel bebas. Jika antar variabel bebas ada korelasi yang cukup
tinggi umumnya di atas 0,90 maka hal ini mengindikasikan adanya multikolinieritas Ghozali, 2005 : 57.
Multikolinieritas dapat juga dilihat dari nilai tolerance dan nilai variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang
dijelaskan oleh variabel bebas lainnya. Nilai cutoff yang umum dipakai adalah nilai tolerance 0,10 atau sama dengan VIF di atas 10 Ghozali, 2005 : 91.
c. Uji Heteroskedastisitas Menurut Imam Ghozali 2005 : 105, uji heteroskedastisitas bertujuan menguji
apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Konsekuensinya adanya heteroskedastisitas dalam
Universitas Sumatera Utara
model regresi adalah penaksir yang diperoleh tidak efisien, baik dalam sampel kecil maupun besar. Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya
gejala heteroskedastisitas adalah dengan melihat pada grafik scatter plot. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur
bergelombang, melebar, kemudian menyempit maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas maka tidak terjadi gejala
heteroskedastisitas. Untuk mengetahui ada tidaknya heteroskedastisitas juga dapat diketahui dengan
melakukan uji gletser. Jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat maka ada indikasi terjadi heteroskedastisitas Ghozali, 2005 : 69.
d. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier
ada korelasi antara kesalahan pada periode t dengan periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi Ghozali, 2005: 95.
Untuk menguji ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Durbin-Waston DW test.
2. Model Regresi Berganda