3.4. Teknik Analisis dan Uji Hipotesis
3.4.1. Teknik Analisis
3.4.1.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti sebaran normal
dapat dilakukan dengan menggunakan metode Kolmogorov Smirnov. Pedoman suatu data berdistribusi normal adalah:
1. Bila nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. 2.
Bila nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal Sumarsono, 2004: 40-43.
3.4.1.2. Uji Asumsi Klasik
Persamaan regresi tersebut di atas harus bersifat BLUE Best Linear Estimator, yaitu pengambilan keputusan melalui uji F dan uji t tidak boleh terdapat bias. Untuk
menghasilkan hasil yang bersifat BLUE maka harus terpenuhi tiga asumsi dasar. Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linear berganda yaitu:
1. Tidak boleh ada autokorelasi.
2. Tidak boleh ada multikolineritas.
3. Tidak boleh ada heteroskedastisitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan
melalui uji F dan uji t menjadi bias. a.
Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linear ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya.
Untuk menguji apakah terjadi autokorelasi atau tidak, dapat digunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai Durbin Watson yang
dihitung dengan dL dan dU yang ada dalam table.
- ²
=
Gujarati, 1999:
215 Keterangan:
DW = nilai Durbin-Watson
= residual pada waktu ke-t = residual pada waktu t-1
N = Banyaknya data
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Menurut Gujarati 1999 untuk mendeteksi atau tidaknya autokorelasi maka dilakukan pengujian Durbin Watson DW dengan ketentuan dasar sebagai berikut:
1,65 DW 2,35 tidak ada autokorelasi
1,21 DW 1,65 atau 3,35 DW 2,79 daerah keragu-raguan
DW 1,21 atau DW 2,79 terjadi autokorelasi
b. Multikolinieritas
Istilah multikolinieritas digunakan untuk menunjukkan adanya hubungan linear diantara variable-variabel bebas dalam model regresi. Bila variable-
variabel bebas berkolerasi dengan sempurna, maka disebut multikolineritas sempurna perfect multicollinearity. Penggunaan kata multikolineritas
digunakan untuk menunjukkan adanya derajat kolineritas yang tinggi diantara variable-variabel bebas Gujarati, 1999: 217.
1 VIF =
1 - R² Jika VIF lebih besar dari 10 maka yang terjadi multikolinieritas, jika lebih kecil
dari 10 tidak terjadi multikolineritas Ghozali, 2006: 92. Menurut Ghozali 2006: 91, deteksi adanya multikolinieritas adalah
multikolinieritas dapat dilihat 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variable
independen manakah yang dijelaskan oleh variable independen lainnya. Dalam pengertian sederhana setiap variable independen menjadi variable dependen
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
terikat dana diregeres terhadap variable independen lainnya. Tolerance mengukur nilai variabilitas variable independen yang dipilih yang tidak
dijelaskan oleh variable independen lainnya. Jadi nilai tolerance yang rendah sama nilainya dengan VIF tinggi karena VIF = 1 tolerance. Nilai cuttof yang
umum dipakai untuk menunjukkan adanya multikonieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
c. Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan dimana faktor gangguan tidak memiliki varian yang sama atau variannya tidak konstan. Salah satu cara yang
digunakan untuk menyelidiki masalah heteroskedastisitas adalah dengan menggunakan metode Rank Spearman. Rumus Rank Spearman adalah sebagai
berikut:
1 - rS =
n n² - 1 Keterangan:
rS = Koefisen Korelasi = Beda rank diantara dua variable ke i
N = Jumlah sampel Menurut Santoso 2001: 301 deteksi adanya heteroskedatisitas adalah:
1. Nilai probabilitas 0,05 bebas dari heteroskedasititas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2. Nilai probabilitas 0,05 bebas berarti terkena heteroskedastisitas.
3.4.1.3. Analisis Regresi Berganda