arah korelasi. Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut :
0,00 ≤ r ≤ 0,20 berarti korelasi memiliki keeratan sangat lemah.
0,21 ≤ r ≤ 0,40 berarti korelasi memiliki keeratan lemah.
0,41 ≤ r ≤ 0,70 berarti korelasi memiliki keeratan kuat.
0,71 ≤ r ≤ 0,90 berarti korelasi memiliki keeratan sangat kuat.
0,91 ≤ r ≤ 0,99 berarti korelasi memiliki keeratan sangat kuat
sekali. 1 berarti sempurna.
3.4.3. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan
layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Uji ini biasanya digunakan untuk mengukur data
berskala ordinal, interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka persyaratan normalitas harus terpenuhi,
yaitu data berasal dari distribusi yang normal. Untuk melakukan uji normalitas dapat dilakukan dengan cara uji One Sample Kolmogorov-
Smirnov dengan menggunakan taraf signifikansi 0,05. Nilai Kolmogorov-Smirnov yang baik harus lebih besar dari 0,05 Priyatno,
2008. Cara lain yang dapat dilakukan untuk uji normalitas yaitu dengan uji nilai Skewness. Nilai Skewness digunakan untuk
mengetahui bagaimana distribusi normal data dalam variabel yang menilai kemiringan kurva. Nilai Skewness yang baik adalah
mendekati angka 0 dan nilai Skewness bersifat mutlak Nugroho,
2005. 3.4.4. Uji Asumsi Klasik
Model regresi linear berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi asumsi normalitas dan bebas dari
asumsi klasik statistik Nugroho, 2005. Proses pengujian asumsi klasik statistik dilakukan bersama-sama dengan proses uji regresi,
sehingga langkah-langkah yang dilakukan dalam pengujian asumsi
klasik statistik menggunakan media kotak kerja yang sama dengan uji regresi SPSS.
1. Multikolinearitas
Prasyarat yang harus terpenuhi dalam model regresi adalah tidak
adanya multikolinearitas
Priyatno, 2008.
Uji multikolinearitas diperlukan untuk mengetahui ada tidaknya
peubah independen yang memiliki kemiripan dengan peubah independen lain dalam suatu model. Kemiripan antar peubah
independen akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu peubah independen dengan peubah independen
yang lain. Selain itu, deteksi terhadap multikolinearitas juga bertujuan untuk menghindari kebiasan dalam proses pengambilan
keputusan mengenai pengaruh pada uji parsial masing-masing peubah independen terhadap peubah dependen Nugroho, 2005.
Deteksi terhadap multikolinearitas pada suatu model dapat dilihat dari nilai Variance Inflation factor VIF tidak lebih dari 10 dan
nilai Tolerance tidak kurang dari 0,1 pada kotak kerja hasil pengolahan data SPSS.
2. Heteroskesdastisitas
Uji heteroskesdastisitas juga merupakan prasyarat yang harus terpenuhi dalam model regresi, dimana daya yang akan
diregresikan tidak terdapat gejala heteroskesdastisitas. Uji heteroskesdastisitas digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik heteroskesdastisitas, yaitu adanya ketidaksamaan varian dari residual untuk semua
pengamatan pada model regresi Priyatno, 2008. Ada beberapa metode pengujian yang bisa digunakan diantaranya yaitu Uji
Park, Uji Glesjer, melihat pola grafik regresi dan uji koefisien korelasi Spearman.
3.4.5. Analisis Regresi Linear Berganda
