3.5.1. Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk memberikan informasi umum mengenai variabel-variabel yang akan diuji dalam penelitian ini. Alat
analisis yang digunakan adalah mean, nilai maksimum, nilai minimum, dan standar deviasi untuk mendeskripsikan variabel penelitian.
3.5.2. Uji Asumsi Klasik
Sebelum pengujian hipotesis dengan menggunakan analisis regresi berganda dilakukan, maka dalam penelitian ini akan dilakukan uji asumsi
klasik terlebih dahulu.
3.5.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006
dalam penelitian Natalia, 2012. Distribusi normal merupakan distribusi teoritis dari variabel random yang kontinyu Dajan, 1986:172 dalam
penelitian Nurtanti, 2006. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan cara analistik grafik dan uji
statistik. a.
Analisis Grafik Distribusi normal akan membentuk satu garis lurus diagonal, dan
ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Analisis Statistik Uji yang digunakan adalah uji statistik Kolmogorov-
Smirnov K-S. Dasar pengambilan keputusan pada analisis Kolmogrov-Smirnov Z 1- Sample K-S adalah apabila nilai Asymp.
Sig. 2-tailed kurang dari 0.05, maka H ditolak. Hal ini berarti data
residual tidak terdistribusi secara normal. Sedangkan apabila nilai Asymp. Sig. 2-tailed lebih besar dari 0.05, maka H
diterima. Hal ini berarti data residual terdistribusi normal.
3.5.2.2. Uji Autokorelasi
Kondisi adanya autokorelasi dalam model regresi timbul apabila terdapat korelasi antara anggota serangkaian observasi yang disusun menurut
urutan waktu data time series atau menurut urutan tempatruang data cross sectional, atau korelasi pada dirinya sendiri. Uji autokorelasi bertujuan
menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
sebelumnya Ghozali, 2006 dalam penelitian Natalia, 2012. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Pendeteksian
autokorelasi menurut Singgih 2001:219 yakni dapat dilihat melalui uji D-W Durbin
– Watson, namun demikian secara umum bisa diambil patokan: 1.
Angka D – W dibawah -2 berarti ada autokorelasi positif.
2. Angka D
– W diantara -2 sampai +2, berarti tidak ada korelasi. 3.
Angka D – W diatas +2 berarti ada autokorelasi negatif.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Menurut Singgih 2001:219 dapat dilakukan tindakan perbaikan dengan cara, antara lain:
1. Melakukan transformasi data.
2. Menambah data.
Dalam penelitian ini, uji autokorelasi dilakukan dengan menggunakan uji Durbin Watson. Nilai ini akan dibandingkan dengan nilai tabel dengan
menggunakan nilai signifikansi 5, jumlah sampel n dan jumlah variabel. Suatu model dapat dikatakan bebas dari autokorelasi positif ataupun
autokorelasi negatif apabila nilai Durbin Watson tersebut lebih besar dari batas atas dU dan kurang dari 4 - dU.
Identifikasi gejala autokorelasi dapat dilakukan dengan kurva berikut
ini: Gambar 6: Kurva Durbin Watson
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
dL dU
4 - dU 4 - dL
4
ad a
au to
k o
relasi p
o si
ti f
daerah keragu
raguan
ad a
au to
k o
relasi n
eg ati
f daerah
keragu raguan
Sumber : Singgih 2001
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.5.2.3. Uji Multikolinearitas
Kategori