b. Uji-t Parsial
Untuk menentukan tingkat signifikan secara parsial antara masing-masing variabel bebas dengan variabel tak bebas, maka hipotesis harus diuji dengan uji-t
pada taraf signifikan sebessar α=5 secara dua arah two tail.
Selanjutnya diambil suatu keputusan, diterima atau ditolaknya hipotesis yaitu dengan cara membandingkan t-
hitung
dengan t
table
, dengan membandingkan nilai signifikan yang diperoleh dari hasil uji statistik dengan nilai signifikan yang
ditentukan, dalam penelitian ini ditetapkan nilai signifikan sebesar 0,05 atau 5 . Uji t dipakai untuk melihat signifikansi dari pengaruh variable independen secara
individu terhadap variable dependen dengan membandingkan t-
hitung
dengan t
table
Wahid Suilamin, 2004.
3.8. Uji Asumsi Klasik
Suatu instrumen pengamatan dinyatakan layak untuk diteliti bila variabel penelitian terbebas dari asumsi-asumsi klasik statistik, antara lain asumsi normalitas
data, multikolonieritas, heteroskedastisitas dan autokorelasi.
3.8.1. Uji Normalitas Data
Uji normalitas berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik parametrik dan jika data tidak normal,
gunakan statistik non parametrik atau lakukan treatment agar data normal. Tujuan Uji normalitas adalah ingin mengetahui apakah dalam model regresi variable
Universitas Sumatera Utara
pengganggu atau residual memiliki distribusi normal. Model regresi yang baik adalah distribusi data normal atau mendekati normal, Santoso 2000 : 212.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal adalah dengan analisis grafik dan uji statistik. Dengan bantuan grafik yang terdapat dalam
fasilitas SPSS, jika data menyebar di sekitar garis diagonal dan mengikuti arah garis maka model regresi memenuhi asumsi normalitas. Sebaliknya, jika data menyebar
jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Sedangkan uji normalitas data secara
statistic dilakukan dengan uji Kolmogorov Smirnov, distribusi data dikatakan normal jika signifikansi 0,05. Apabila nilai signifikansi 0,05 maka distribusi data tidak
normal.
3.8.2. Uji Multikolineritas
Multikolineritas adalah suatu kondisi dimana terjadi korelasi signifikan antara variabel bebasnya. Jika terdapat gejala multikolineritas relatif sempurna, maka
penafsiran lewat kuadrat terkecil menjadi tak tertentu dan variansi serta standar deviasinya menjadi tak terdefinisikan. Hal tersebut menyebabkan meningkatnya
penyimpangan mengenai ketepatan variabel bebas dalam menjelaskan variabel terikat. Hal ini harus dihindari untuk meminimalisir kesalahan dalam menentukan
good of fit. Model yang baik seharusnya tidak terjadi adanya korelasi antara variabel bebas. Nilai cutoff yang umum dipakai adalah nilai Tolerance 0,10 atau
sama dengan nilai VIF 10 Ghozali, 2005.
Universitas Sumatera Utara
Dalam analisis SPSS, untuk mengetahui ada atau tidaknya gejala ini dapat dideteksi dari nilai tolerance dan VIF Variance Inflation Factor. Jika angka
tolerance bernilai nol atau mendekati nol sedangkan nilai VIF lebih dari sepuluh 10, maka terjadi multikolineritas pada variabel tersebut: Suatu model yang bebas
multikolineritas dapat di lihat dari, Santoso 2000 : 206: a. Besaran VIF dan Tolerance
1. Mempunyai nilai VIF di sekitar angka 1 2. Mempunyai angka tolerance mendekati 1
b. Besaran korelasi antar variabel bebas 1. Koefisien korelasi antar variabel bebas harus lemah 0,5
2. Jika terjadi korelasi kuat, maka terjadi problem multikolineritas
3.8.3. Uji Heteroskesdastisitas