pengukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran tersebut diulang. Umar 2008 mengatakan “pengujian reliabilitas berguna untuk
mengetahui apakah instrumen yang dalam hal ini kuesioner dapat digunakan lebih dari satu kali, paling tidak oleh responden yang sama”. Dalam melakukan uji
reliabilitas digunakan metode Alpha Cronbach’s dengan bantuan program SPSS, menurut Priyatno 2008 menyebutkan “metode alpha sangat cocok
digunakan pada skor berbentuk skala”. Santosa 2005 mengatakan “....suatu kuesioner dikatakan reliabel jika cronbach alpha lebih besar dari 0,6”.
4.6.2.2. Uji Asumsi Klasik
Untuk dapat melakukan analisis regresi berganda perlu pengujian asumsi klasik
sebagai persyaratan dalam analisis agar datanya dapat bermakna dan bermanfaat. Menurut Lubis et.al 2007 “....dalam membuat uji asumsi klasik kita harus
menggunakan data yang akan digunakan dalam uji regresi”. Uji Asumsi klasik meliputi uji normalitas, uji multikolinearitas, dan uji heterokesdastisitas.
1. Uji Normalitas
Uji normalitas adalah pengujian tentang kenormalan distribusi data Santosa : 2005. Tujuan digunakan uji normalitas untuk mengetahui apakah populasi data
berdistribusi normal atau tidak. Seperti yang diungkapkan Umar 2008 “uji normalitas berguna untuk mengetahui apakah variabel dependen, independen atau
keduanya berdistribusi normal, mendekati normal atau tidak. Jika data ternyata tidak berdistribusi normal, analisis non parametrik termasuk model-model regresi
dapat digunakan”. Untuk mengetahui apakah variabel dependen, independen atau
keduanya berdistribusi normal, mendekati normal atau tidak dapat dilihat dengan menggunakan kurva histogram dan kurva normal p_plot. Normalitas data bila
dilihat dengan cara kurva histogram dapat ditentukan berdasarkan bentuk gambar kurva, yaitu, data dikatakan normal bila bentuk kurva memiliki kemiringan yang
cenderung seimbang, baik pada sisi kiri maupun sisi kanan, dan kurva berbentuk menyerupai lonceng yang hampir sempurna. Sedangkan normalitas data bila
dilihat dengan kurva normal p_plot, data dikatakan normal bila gambar distribusi dengan titik-titik data yang menyebar di sekitar garis diagonal dan penyebaran
titik-titik data searah mengikuti garis diagonal. 2. Uji
Multikolineritas Erlina dan Mulyani 2007 menyebutkan “Multikolineritas adalah situasi adanya -
adanya korelasi variabel-variabel responden antara yang satu dengan yang lainnya”. Selanjutnya Nugroho 2005 menyebutkan “uji multikolineritas
diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model”. Kemiripan
antarvariabel independen dalam suatu model akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu model independen dengan variabel
independen yang lain. Pada penelitian ini untuk mendeteksi terhadap multikolineritas dengan melihat Variance Inflation Factor VIF pada model
regresi. Menurut Nugroho 2005 “Deteksi multikolineritas pada suatu model dapat dilihat bila nilai Variance Inflation Factor VIF tidak lebih dari 10 dan
nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari
multikolineritas VIF = 1Telerance, dan bila VIF = 10 maka Tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah Tolerance”.
3. Uji Heteroskedastisitas
Nugroho 2005 mengemukakan bahwa “heteroskedastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan
yang lain, atau gambaran hubungan antara nilai yang diprediksi dengan Studentized Residual nilai tersebut”. Tujuan digunakan uji heteroskedastisitas
adalah untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas, yaitu adanya ketidaksamaan varian dari residual untuk semua
pengamatan pada model regresi. Pada penelitian ini dilakukan uji heteroskedastisitas dengan melihat pola grafik regresi. Menurut Priyatno 2008
“....prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas”. Jika varians dari residual suatu pengamatan ke
pengamatan lain tetap disebut homokedastisitas, sedangkan untuk varians yang berbeda disebut heterokedastisitas. Menurut Nugroho 2005 mengemukakan :
“....analisis pada gambar Scatterplot yang menyatakan model regresi linier tidak terdapat heteroskedastisitas jika : titik-titik data menyebar diatas dan di bawah
atau di sekitar angka 0, titik-titik data tidak mengumpul hanya diatas atau di bawah saja, penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali, dan penyebaran titik-titik data sebaiknya tidak berpola”.
4.6.2.3. Statistik Deskriptif
