54 Sumber : diolah Penulis, 2015
3.6 Metode Analisis Data
Metode analisis data dalam penelitian ini menggunakan analisis statistik dengan menggunakan software SPSS 17.Tahap awal yang dilakukan sebelum melakukan
pengujian hipotesis yaitu uji asumsi klasik.Pengujian asumsi klasik yang dilakukan terdiri dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji
autokorelasi.Untuk pengujian hipotesis, dilakukan analisis uji t dan uji F.
3.6.1. Pengujian asumsi klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi asumsi klasik.Adapun pengujian asumsi klasik yang digunakan dalam
penelitian ini adalah, uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
1. Uji normalitas
“Uji normalitas bertujuan untuk menguji apakah variabel dalam model regresi variabel pengganggu atau residual memiliki distribusi normal” Ghozali,
2006 : 110. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal.Histogram atau pola distribusi data normal dapat
digunakan untuk melihat normalitas data. Uji Kolmogrov Smirnov, dalam uji pedoman yang digunakan dalam pengambilan keputusan yaitu:
a. jika nilai signifikansi 0.05 maka distribusi data tidak normal, b. jika nilai signifikansi 0.05 maka distribusi data normal.
55 Menurut Ghozali 2006 : 112,“pada prinsipnya normalitas data dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya”. Dasar pengambilan
keputusan : 1 jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas,
2 jika data menyebar jauh dari diagonal dan atau tidak mengikuti arahgaris diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas.
2. Uji multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen.Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen.
Erlina dan Mulyani 2007 : 107, menyatakan “Multikolinearitas merupakan kondisi dimana terjadi korelasi antar variabel - variabel
independen suatu penelitian atau dengan kata lain bersifat ortogonal”. Variabel - variabel independen yang bersifat ortogonal adalah variabel yang
memiliki nilai korelasi di antara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama variabel independen, maka
konsekuensinya adalah: a koefisien-koefisien regresi menjadi tidak dapat ditaksir
56 b nilaistandar error setiap koefisien regresi menjadi tak terhingga
Jika terjadi korelasi, maka terdapat problem multikolinearitas.Pengujian dilakukan dengan nilai VIF Variance Inflation
Factor dari model penelitian, jika nilai VIF di atas 2 maka dapat dikatakan bahwa telah terjadi gejala multikolinearitas dalam model penelitian. Di
samping itu, “suatu model dikatakan terdapat gejala multikolinearitas, jika korelasi di antara variabel independen lebih besar dari 0.9” Ghozali, 2005 :
91. Menurut Ghozali 2005, cara yang dapat dilakukan jika terjadi
multikolinearitas yaitu: 1. mengeluarkan salah satu atau lebih variabel independen yang
mempunyai korelasi tinggi dari model regresi dan indentifikasi variabel independen lainnya untuk membantu prediksi
2. menggabungkan data cross section dan time series pooling data 3. menambah data penelitian.
3. Uji heteroskedastisitas