Tabel 3.5 Jenjang Kriteria
No. Interval Persentase Kriteria
1. 84,1 - 100
Sangat tinggi 2.
68,1 - 84 Tinggi
3. 52,1 - 68
Sedang 4.
36,1 -52 Rendah
5. 20 - 36
Sangat rendah
Sumber : Data primer diolah, 2012 Persen perolehan skor yang didapat selanjutnya dikonsultasikan
dengan tabel kriteria diatas yang dikelompokkan dalam 5 kriteria yaitu sangat tinggi, tinggi, sedang, rendah, sangat rendah.
3.6 Uji asumsi klasik
Uji asumsi klasik digunakan untuk menguji apakah model regresi benar- benar menujukkan hubungan yang signifikan dan reprsentatif. Untuk
mendapatkan model regresi yang baik, model regresi tersebut harus terbebas dari multikolinieritas dan heteroskedastisitas, serta data yang dihasilkan harus
berdistribusi normal cara yang digunakan untuk menguji penyimpangan asumsi klasik menurut Ghozali 2009:91 adalah sebagai berikut :
3.6.1 Normalitas
Ghozali 2009:110 mengemukakan uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya
mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Pada prinsipnya
normalitas dapat dideteksi melihat penyebaran data titik pada sumbu diagonal dari grafik atau histogram residual.
1 Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2 Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka regresi tidak memenuhi asumsi normalitas.
3.6.2 Heteroskedastisitas
Ghozali 2009:105 menguji heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan lain. Model regresi yang baik adalah terjadi heterokedastisitas. Dasar analisis adalah :
1 Jika ada pola tertentu, seperti titik-titik point-point yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka telah terjadi heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
3.6.3 Multikolinearitas
Bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas. Model regresi yang baik seharusnya tidak terjadi
korelasi antara variabel independen. Imam Ghozali 2009:91 identifikasi keberadaan multikolinearitas dapat dilihat dari:
1 Nilai tolerance 2 Lawannya variance inflationfactor VIF
Kedua ukuran ini menunjukkan setiap independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap
variabel independen menjadi variabel dependen terikat dan diregresikan terhadap independen lainnya. Tolerance menguur variabilitas variabel independen
yang tidak dapat dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 tolerance. Nilai
Cotoff yang umumnya dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
3.7 Analisis Regresi Linear Berganda
