66
pertanyaan adalah konsisten atau stabil dari waktu ke waktu Ghozali, 2011:47.
Cara yang digunakan untuk menguji reliabilitas kuesioner pada penelitian ini dengan melihat besaran nilai Cronbach Alfa. Suatu
konstruk atau variabel dikatakan reliable jika memberikan memberikan nilai nilai Cronbach Alpha 0,60 Ghozali, 2011:48
2. Uji Asumsi Klasik
Uji asumsi klasik merupakan tahapan awal yang digunakan sebelum analisis linier berganda Ghozali, 2011: 105. Ketika asumsi tidak terpenuhi,
biasanya peneliti menggunakan berbagai solusi agar asumsinya dapat terpenuhi atau beralih ke metode yang lebih advance agar asumsinya dapat
terselesaikan. Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolonieritas, dan uji heteroskedastisitas.
a Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independent dan variabel dependent keduanya
mempunyai distribusi normal atau mendekati normal Ghozali, 2011: 160. Data yang baik dan layak dalam penelitian adalah yang memiliki
distribusi normal. Normalitas data dapat dilihat dengan beberapa cara diantaranya dengan melihat kurva normal probability plot.
Normalitas dapat dilihat dengan cara melihat penyebaran data titik pada sumbu diagonal grafik. Jika data titik menyebar jauh dari
garis diagonal, maka menunjukkan pola distribusi normal yang
67
mengindikasikan bahwa model regresi memenuhi asumsi normalitas. Jika data titik menyebar menjauh dari garis diagonal maka tidak
menunjukkan pola distribusi normal yang mengindikasikan bahwa model regresi tidak memenuhi asumsi normalitas Ghozali, 2011: 160.
Untuk Uji normalitas penelitian ini juga menggunakan uji non- parametik Kolmogorov-Smrirnov K-S untuk mengetahui signifikansi
data terdistribusi normal. Dalam uji Kolmogorov-Smirnov, suatu data dikatakan normal jika nilai asymptotic significance lebih dari 0,05
Ghozali, 2011: 161.
b Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana antara dua variabel independent atau lebih pada model regresi terjadi hubungan linear yang
sempurna atau mendekati sempurna. Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi dengan
variabel bebas independent. Model regresi yang baik mensyaratkan tidak adanya multikolinearitas atau tidak terjadi korelasi diantara variabel
independen Ghozali, 2011: 171. Jika variabel independent saling berkorelasi, maka variabel
– variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independent yang memiliki nilai korelasi antar
sesama variabel independent sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam
model regresi adalah sebagai berikut:
68
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independent
banyak yang tidak signifikan mempengaruhi variabel dependent. 2 Menganalisis matriks korelasi variabel-variabel independent. Jika
antar variabel ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya multikolinieritas.
Tidak adanya korelasi yang tinggi antar variabel independent tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat
disebabkan karena adanya efek kombinasi dua atau lebih variabel independent.
3 Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini
menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independent lainnya. Dalam pengertian sederhana
setiap variabel independent menjadi variabel dependent terikat dan diregres terhadap variabel independent lainnya. Tolerance mengukur
variabilitas variabel independent yang terpilih jika dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama
dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas
adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Setiap peneliti harus menentukan tingkat kolinieritas yang masih dapat
ditolerir. Sebagai misal nilai tolerance = 0.10 sama dengan tingkat
69
kolinieritas 0.95. Walaupun multikolinieritas dapat dideteksi dengan nilai tolerance dan VIF, tetapi kita masih tetap tidak mengetahui
variabel-variabel independent mana sajakah yang saling berkolerasi.
c Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas, jika berbeda
disebut heterokedastisitas Ghozali, 2011:138. Model regresi yang baik adalah homokedastisitas atau tidak terjadi
heterokedastisitas. Kebanyakan data crossection mengandung situasi heterokedastisitas karena data ini menghimpun data yang mewakili
berbagai ukuran kecil, sedang, besar. Salah satu cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan cara melihat grafik plot
antara nilai prediksi variabel terikat dependent yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat
dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang
telah diprediksi, dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di - studentized. Dengan analisis jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas dan
70
jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas
Ghozali, 2011: 139.
3. Koefisien Determinasi R²
