51 Solution for Windows. Teknik analisis data yang digunakan dalam penelitian ini
adalah analisis statistik dimana terlebih dahulu dilakukan uji asumsi klasik sebelum melakukan pengujian hipotesis.
3.9.1 Pengujian Asumsi Klasik
Asumsi klasik yang harus dipenuhi adalah:
a
berdistribusi normal,
b
non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara
sempurna atau mendekati sempurna,
c
non-autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling berkorelasi,
d
homoskedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
Oleh karena itu, untuk menentukan ketepatan model, perlu dilakukan pengujian atas beberapa asumsi klasik dari ordinary least squares
OLS yaitu uji normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi yang secara rinci dapat dijelaskan sebagai berikut :
3.9.1.1 Uji Normalitas Data
Menurut Ghozali 2006 :110 “uji normalitas bertujuan
untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Pengujian ini diperlukan
Universitas Sumatera Utara
52 karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai
residual mengikuti distribusi normal Erlina, 2011:100. Menurut Ghozali 2005 ada dua cara yang digunakan untuk mendeteksi
apakah residual berdistribusi normal atau tidak yakni analisis statistik dan analisis grafik.
a Analisis statistik
Uji statistik sederhana yang sering digunakan untuk menguji asumsi normalitas adalah uji normalitas Kolmogorov
Smirnov K-S. Uji statistik sederhana lainnya yang dapat dilakukan adalah dengan melihat nilai kurtosis dan nilai Z-
Skewness. Pedoman pengambilan keputusan tentang suatu data apakah
mendekati atau
merupakan distribusi
normal berdasarkan uji Kolmogorov-Smirnov dapat dilihat dari:
1. Nilai sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah tidak normal. 2.
Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
b Analisis grafik
Untuk melihat normalitas data dapat juga digunakan analisis grafik normal yaitu melihat grafik histogram yang
membandingkan data observasi dengan distribusi yang mendekati distribusi normal. Analisis grafik yang lebih handal
untuk menguji normalitas data adalah dengan melihat normal
Universitas Sumatera Utara
53 probability
plot. Normal
probability plot
adalah membandingkan distribusi kumulatif data yang sesungguhnya
dengan distribusi kumulatif dari distribusi normal hypothetical
distribution dengan memperhatikan penyebaran data titik pada Normal P- Plot of Regression Standardized dari variabel
terikat dimana: Jika data menyebar di sekitar garis diagonal dan mengikuti
arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak
menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Distribusi yang melanggar asumsi normalitas dapat dijadikan menjadi bentuk normal dengan beberapa cara sebagai
berikut:
1.
Transformasi data Transformasi data dapat dilakukan dengan logaritma
natural ln, log 10, maupun akar kuadrat.
2.
Trimming Trimming adalah memangkas membuang observasi yang
bersifat outlier.
Universitas Sumatera Utara
54
3.
Winzorising Winzorising mengubah nilai
– nilai outliers menjadi nilai – nilai minimum atau maksimum yang diizinkan supaya
distribusi menjadi normal.
3.9.1.2 Uji Multikolinearitas
