3.4.1 Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat
dari nilai rata-rata, standar deviasi, maksimum, dan minimum. Hasil analisis statistik deskriptif akan menyajikan data yang lebih ringkas dan rinci sehingga
memuat inti dari informasi data tersebut.
3.4.2 Uji Asumsi Klasik
3.4.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah data yang digunakan sebagai
sampel terdistribusi normal atau tidak. Prinsipnya, normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumber dari grafik normal probability
plot. Jika titik-titik menyebar di sekitar garis diagonal maka data tersebut berdistribusi normal Ghozali, 2013. Penelitian ini akan menggunakan pengujian
data dengan analisis statistik menggunakan analisis Kolmogorov-Smirnov. Jika nilai signifikan uji Kolmogorov-Smirnov 0.05 berarti data terdistribusi normal.
Jika nilai signifikan uji Kolmogorov-Smirnov 0.05 maka data dinyatakan tidak terdistribusi secara normal.
3.4.2.2 Uji Heteroskedasdisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan
Glejser dan metode grafik. Penelitian ini menggunakan Glejser untuk mendeteksi
apakah terjadi masalah heteroskedastisitas, jika nilai signifikansi 0,05 maka dapat disimpulkan bahwa variabel independen bebas dari gejala
heteroskedastisitas.
3.4.2.3 Uji Autokorelasi
Uji ini untuk mengetahui apakah ada korelasi antara kesalahan penganggu pada
tahun t dengan tahun sebelumnya t-1, jika ada korelasi maka dinamakan problem autokorelasi. Pada penelitian ini pengujian autikorelasi menggunakan Uji
run test untuk melihat apakah data bersifat acak random atau tidak. Apabila data
bersifat acak, maka dapat disimpulkan tidak terdapat masalah autokorelasi dan data layak untuk digunakan dalam pengujian selanjutnya. Jika nilai Asymp. Sig.
2-tailed pada output run test 0,05 maka data tidak mengalami autokorelasi. Sedangkan jika nilai Asymp. Sig. 2-tailed pada output run test 0,05 maka data
mengalami autokorelasi.
3.4.2.4 Uji Multikolinearitas
Uji ini untuk mengetahui apakah ada keterkaitankorelasi antar variabel
independen. Model regresi yang baik seharusnya antar variabel independen tidak memiliki korelasi. Menurut Ghozali 2013, menjelaskan bahwa deteksi adanya
multikolinearitas dapat dilihat dari besaran VIF dan tolerance, dengan ketentuan sebagai berikut:
a. Jika nilai tolerance 0,1 dan VIF 10, terjadi multikolinearitas. b. Jika nilai tolerance 0,1 dan VIF 10, tidak terjadi multikolinearitas.
Kategori