Panjang kelas interval p ditentukan oleh aturan: p =
rentang
dimana, rentang = skor tertinggi – skor terendah
Sudjana, 2005:47 Penentuan tabel kategori sebagai berikut:
a. Skor tertinggi = 4 sangat baik
b. Skor terendah = 1 tidak baik
c. Jumlah kelas = 4 sangat baik sampai tidak baik
d. Jarak interval = 4-14 = 0,75
Interval skor dan kriteria dari penentuan tabel kategori di atas dapat dilihat pada tabel 3.4. sebagai berikut:
Tabel 3.4 Interval Skor dan Kriteria
Interval Skor Kriteria
3,25 sd 4 Sangat Baik
2,50 sd 3,25 Baik
1,75 sd 2,50 Kurang Baik
1 sd 1,75 Tidak baik
3.6.2 Uji Asumsi Klasik
Sebelum menentukan persamaan atau model regresinya, maka persamaan regresi harus memenuhi uji asumsi klasik terlebih dahulu karena akan dijadikan
sebagai alat prediksi. Adapun pengujian asumsi klasik meliputi:
A. Uji Multikolinearitas
“Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel independen” Ghozali, 2011:105. Dalam penelitian ini cara yang digunakan untuk mendeteksi ada atau
tidaknya multikolinearitas di dalam model regresi adalah dengan melihat nilai tolerance dan variance inflation factor VIF. Jika nilai tolerance lebih dari 0,01
dan VIF kurang dari 10 maka tidak terjadi multikolinearitas.
B. Uji Normalitas
Ghozali 2011:160, “Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu: analisis grafik dan analisis statistik. Analisis grafik yaitu dengan melihat
tampilan grafik histogram maupun grafik normal plot. Ghozali 2011:163 mengemukakan bahwa, “Jika data menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi nomal, maka model regresi memenuhi asumsi normalitas”. Sedangkan
analisis statistik dapat dilakukan dengan uji statistik non-parametrik Kolmogorov- Smirnov K-S. Data berdistribusi normal jika nilai sig0,05.
C. Uji Heteroskedastisitas
“Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi
Heteroskedastisitas” Ghozali, 2011:139. Cara yang digunakan untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam penelitian ini yakni dengan
menggunakan Uji Glejser. Jika probabilitas signifikansinya 0,05 maka tidak terjadi heteroskedastisitas dalam persamaan regresi tersebut. Selain itu dengan
melihat Grafik Plot antara nilai prediksi variabel terikat dependent yaitu ZPRED dengan residualnya SRESID. “Jika tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas” Ghozali, 2011:139.
D. Uji Linearitas
Ghozali 2011:166 menjelaskan, “Uji linearitas digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi
yang digunakan dalam suatu studi empiris sebaiknya berbentuk linear, kuadrat, atau kubik”. Pengujian terhadap linearitas dapat dilakukan melalui nilai
signifikansi linearity. Data dikatakan linear jika nilai signifikansi 0,05.
3.6.3 Analisis Regresi Linier Berganda
