3.6. Metode Analisis Data
Metode Analisi data yang digunakan dalam penelitian ini adalah sebagai berikut:
3.6.1 Pengujian Asumsi Klasik
Dalam penelitian ini, metode analisis data dilakukan dengan menggunakan metode analisis statistik dan menggunakan bantuan software
SPSS ver. 18. Untuk menghasilkan data yang akurat suatu persamaan regresi sebaiknya terbebas dari uji asumsi
– asumsi klasik yang harus dipenuhi antara lain :
3.6.2 Uji Normalitas
Tujuan dari uji normalitas itu sendiri menurut Ghozali 2005 : 110 adalah ingin mengetahui apakah model regresi variabel pengganggu atau
residual memiliki distribusi normal. Kalau nilai residual tidak mengikuti distribusi normal, uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik.
Jika data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal, atau grafik histrogamnya menunjukkan pola distribusi normal, maka
model regresi memenuhi asumsi normalitas, demikian sebaliknya. Selain itu, dapat digunakan uji statistik kolmogrov-Smirnov k-S, yang dijelaskan oleh
Ghozali 2005 : 119. Bila nilai signifikan 0.05 berarti distribusi normal. Sebaliknya bila nilai signifikan 0.05 berarti distribusi data normal.
3.6.3 Uji Multikoliniearitas
Menurut Ghozali 2005 : 91 tujuan dari uji multikoliearitas adalah untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel
Universitas Sumatera Utara
independen. Suatu model regresi yang baik tidak ditemukannya hubungan atau kolerasi diantara variabel independen. Pengujian multikoliniearitas dilakukan
dengan melihat 1 nilai tolerance dan lawannya 2 VIF varianceinflation factor. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolerence 0,10 atau sama dengan nilai VIF 10.
Menurut Ghozali 2005, cara yang dapat dilakukan jika terjadi multikolinieritas yaitu:
1. Mengeluarkan salah satu atau lebih variabel independen yang mempunyai korelasi tinggi model regresi dan identifikasi variabel independen lainnya
untuk membantu prediksi, 2. Menggabungkan data cross section dan time series pooling data,
3. Menambah data penelitian,
3.6.4 Uji Autokorelasi
Kategori