74
pembahasan ini akan dilakukan uji multikolinearitas dengan melihat nilai Inflation Factor VIF dengan bantuan program software SPSS versi 21. Menurut Santoso 2001
dalam Priyatno 2010: 81, pada umumnya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya.
3.7.2.4 Uji Heteroskedastisitas
Priyatno 2010: 83 menyatakan bahwa “heteroskedastisitas adalah keadaan
dimana terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi
”. Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya ketidaksamaan varian dari residual pada model regresi. Ada beberapa metode pengujian
yang baik digunakan, antara lain Uji Spearman ’s rho, Uji Glesjer, Uji Park, dan melihat
pada pola grafik regresi. Pada penelitian ini uji heteroskedastisitas dilakukan dengan menggunakan uji Spearman
’s rho, yaitu mengorelasikan nilai residual Unstandardized residual dengan masing-masing variabel independen. Jika signifikansi korelasi kurang
dari 0,05 maka pada model regresi terjadi masalah heteroskedastisitas.
3.7.3 Analisis Akhir Pengujian Hipotesis
Priyatno 2010: 9 menyatakan uji hipotesis adalah pengujian yang bertujuan untuk mengetahui apakah kesimpulan pada sampel dapat berlaku untuk populasi
digeneralisasikan. Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi ganda. Analisis regresi ganda adalah pengembangan dari analisis sederhana.
Kegunaannya untuk meramalkan nilai variabel terikat Y apabila variabel bebas minimal dua Riduwan, 2013: 155. Analisis regresi ganda adalah suatu alat analisis
peramalan nilai pengaruh dua variabel terikat untuk membuktikan ada tidaknya hubungan fungsi atau kausal antara dua variabel bebas atau lebih dengan satu variabel
terikat Riduwan 2013: 155. Persyaratan pada analisis regresi ganda menggunakan
75
beberapa uji, diantaranya: analisis korelasi ganda R, analisis determinasi R2, dan uji koefisien regresi secara bersama-sama uji F, Uraian selengkapnya sebagai berikut:
3.7.3.1 Analisis Korelasi Ganda R
Analisis korelasi ganda berfungsi untuk mencari besarnya pengaruh atau hubungan antara dua variabel bebas X atau lebih secara simultan bersama-sama
dengan variabel terikat Y. Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel independen dengan variabel dependen. Nilai R berkisar 0 sampai
1, nilai semakin mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya semakin mendekati 0 maka hubungan yang terjadi semakin lemah.
Menurut Sugiyono 2007 dalam Priyatno 2010: 65 menjelaskan pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut.
0,00-0,199 = sangat rendah
0,020-0,399 = rendah
0,40-0,599 = sedang
0,60-0,799 = kuat
0,80-1,000 = sangat kuat
3.7.3.2 Analisis Determinasi R
2
Analisis determinasi digunakan untuk mengetahui prosentase sumbangan pengaruh variabel independen secara serentak terhadap variabel dependen. Koefisien ini
menunjukkan seberapa besar prosentase variasi variabel dependen. R2 sama dengan 0, maka tidak ada sedikitpun prosentase sumbangan pengaruh yang diberikan variabel
independen terhadap variabel dependen, atau variasi variabel independen yang digunakan dalam model tidak menjelaskan sedikitpun variasi variabel dependen.
Sebaliknya apabila R2 sama dengan 1, maka presentase sumbangan pengaruh yang
76
diberikan variabel independen terhadap varabel dependen adalah sempurna, atau variasi-variasi variabel independen yang digunakan dalam model menjelaskan 100
variasi variabel dependen.
3.7.3.3 Uji Koefisien Regresi Secara Bersama-sama Uji F
Uji koefisien regresi secara bersama-sama digunakan untuk mengetahui apakah variabel independen secara bersama-sama berpengaruh secara signifikan terhadap
variabel dependen. Untuk melakukan uji F dalam penelitian ini dibantu dengan SPSS versi 21 yang dilihat pada tabel ANOVA. Apabila F hitung F tabel, dapat ditarik
kesimpulan bahwa Ho ditolak dan Ha diterima Priyatno 2010: 67. Ho berarti tidak ada pengaruh antara variabel X terhadap variabel Y, sedangkan Ha berarti ada pengaruh
antara variabel X terhadap variabel Y.
