Teknik Pengujian Instrumen METODE PENELITIAN

residualnya Y prediksi – Y sesungguhnya yang telah distandardisasi, analisisnya adalah: 1 Jika ada pola tertentu, seperti titik – titik yang ada membentuk suatu pola yang teratur bergelombang melebar kemudian menyempit maka terjadi heterokedastisitas. 2 Jika tidak ada pola yang jelas seperti titik – titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka hal ini mengindikasikan tidak terjadi heterokedastisitas. d. Uji Autokorelasi Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya t-1. Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terkait, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya.

2. Analisis Regresi Linear Berganda

Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antar variabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan. Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan slop tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan. Dengan demikian maka melalui analisis regresi, peramalan nilai variabel terikat pada nilai variabel bebas lebih akurat pula. Model kelayakan regresi linear didasarkan pada hal-hal sebagai berikut: 1 Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar 0.05. 2 Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate Standard Deviation. 3 Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan jika T hitung T table nilai kritis. 4 Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier berganda dengan variabel bebas lebih dari satu. 5 Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r 2 semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r 2 mempunyai karakteristik diantaranya: 1 selalu positif, 2 Nilai r 2 maksimal sebesar 1. Jika Nilai r 2 sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r 2 sama dengan 0, maka tidak ada hubungan linier antara X dan Y. 6 Terdapat hubungan linier antara variabel bebas X dan variabel tergantung Y. 7 Data harus berdistribusi normal. 8 Data berskala interval atau rasio. 9 Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas disebut juga sebagai variabel predictor sedang variabel lainnya variabel tergantung disebut juga sebagai variabel response. Y = a + b 1 x 1 + b 2 x 2 + b 3 x 3 + b 4 x 4 Persamaan Regresi Linier dari Y terhadap X Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut: Y = a + b X Keterangan: Y = variabel terikat X = variabel bebas a = intersep b = koefisien regresislop