3.5.1 Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk menggambarkan variabel-variabel dalam penelitian secara individual. Pengukuran yang digunakan alam penelitian
ini mencakup nilai rata-rata mean, deviasi standar, minimum dan maksimum.
3.5.2 Analisis Regresi Linear Berganda
Analisis regresi linear berganda yaitu metode analisis yang digunakan untuk mengetahui pengaruh langsung beberapa variabel independen terhadap variabel
dependen. Sebelum melakukan pengujian hipotesis dengan analisis regresi berganda terlebih dahulu dilakukan uji asumsi klasik. Uji asumsi klasik digunakan
untuk mengetahui apakah model penelitian telah terbebas dari penyimpangan asumsi klasik yang meliputi normalitas, multikolinearitas, heteroskedastisitas dan
autokorelasi.
3.5.2.1 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi linear berganda yang digunakan untuk menganalisis dalam penelitian ini terbebas
dari penyimpangan asumsi klasik yang meliputi uji normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi. Masing-masing uji tersebut akan dijelaskan
dalam uraian berikut.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linier variabel terikat dan variabel bebas keduanya mempunyai distribusi normal
atau tidak. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal Ghozali, 2013. Cara membaca apakah data terdistribusi
normal atau tidak adalah dengan analisis grafik, jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, atau grafik histogramnya
menunjukkan pola lonceng maka data terdistribusi normal, sebaliknya jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik
histogram tidak mengikuti pola lonceng distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Selain itu kenormalan data juga bisa dilihat
melalui table hasil uji Kolmogorov Smirnov yang langsung memberikan keterangan “normal” apabila data terdistribusi secara normal.
2. Uji Multikolinearitas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel bebas Ghozali, 2013. Untuk mendeteksi ada atau tidaknya multikolinieritas dalam model regresi ini
adalah dengan menganalisis matrik korelasi variabel – variabel bebas dan apabila
korelasinya signifikan antar variabel bebas tersebut maka terjadi multikolinieritas. Seperti yang dijelaskan oleh Ghozali 2013 sebagai berikut :
a. Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan
tidak ada multikolinearitas antar variabel independen dalam model regresi. b.
Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan ada multikolinearitas antar variabel independen dalam model regresi.
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linier terdapat korelasi antara pengganggu pada periode t dengan
kesalahan pada periode t-1 Ghozali, 2013. Pengujian dilakukan dengan uji statistik non-parametrik Run Test, yeng bertujuan untuk menguji apakah antar
residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Ketentuan dari
pengujian ini adalah jika p value ≤ 0,05 signifikan pada 0.05 berarti residual
tidak random atau terdapat hubungan korelasi antar residual. Jika p value ≥ 0,05
berarti residual random atau tidak terdapat hubungan korelasi antar residual 4.
Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain.
Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedositas atau tidak terjadi heteroskedastisitas. Jika varians berbeda maka
disebut heteroskedastisitas. Ghozali 2013 menyatakan bahwa model regresi yang baik adalah yang
homoskedastisitas dan
tidak heteroskedastisitas.
Untuk mendeteksi
heteroskedastisitas dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu, seperti titik-titik yang membentuk
pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas.
Selain dengan menggunakan analisis grafik, pengujian heteroskedastisitas dapat dilakukan dengan Uji Glejser. Uji ini mengusulkan untuk meregresi nilai
absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi
heteroskedastisitas. Jika probabilitas signifikansinya di atas tingkat kepercayaan 5, maka dapat disimpulkan model regresi tidak mengandung heteroskedastisitas
Ghozali, 2013.
3.5.2.2 Analisis Regresi Linear Berganda