3.7 Metode Analisis Data
Keseluruhan data yang telah terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini. Analisis
data dalam penelitian ini digunakan dengan metode analisis statistik yang menggunakan software SPSS. Adapun metode analisis data yang digunakan
dalam penelitian ini adalah sebagai berikut:
3.7.1 Pengujian Asumsi Klasik
Dalam melaksanakan pengujian dengan analisis regresi, peneliti perlu melakukan pengujian atas data yang akan digunakan, pengujian tersebut
dilakukan untuk menghindari atau mengurangi bias atas hasil penelitian yang diperoleh Erlina, 2011:98. Penggunaan analisis regresi dalam statistik harus
bebas dari asumsi-asumsi klasik seperti normalitas data, autokorelasi, heteroskedastisitas dan asumsi klasik lainnya. Adapun pengujian asumsi klasik
yang digunakan adalah sebagai berikut:
3.7.1.1 Uji Normalitas
Menurut Erlina 2011:100 “Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual
memiliki distribusi normal”. Cara yang dapat digunakan untuk menguji apakah variabel pengganggu atau residual memiliki distribusi normal adalah dengan
melakukan uji Kolmogrov-Smirnov terhadap model yang diuji. Kriteria pengambilan keputusan adalah apabila nilai signifikansi atau probabilitas lebih
besar dari 0,05 maka residual memiliki distribusi normal dan apabila nilai signifikansi lebih kecil dari 0,05 maka residual tidak memiliki distribusi normal.
Universitas Sumatera Utara
35
Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali
2005:110 sebagai berikut:
1 jika data menyebar di sekitar 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 arah
garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.7.1.2 Uji Heteroskedastisitas
Salah satu asumsi yang penting dari model regresi linear adalah varian residual bersifat konstan. Umumnya heterokedastisitas sering terjadi pada model
yang menggunakan data cross section dari pada data time series. Pengujian gejala heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi
ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Cara mendeteksi ada atau tidaknya heteroskedatisitas adalah dengan melihat
grafik plot antara nilai prediksi variabel dependen. Menurut Ghozali 2005:110 dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas yaitu:
1 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. 2 jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. 3.7.1.3
Uji Autokorelasi
Menurut Erlina 2011:106, “uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya”. Uji yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan uji Durbin
Universitas Sumatera Utara
Watson, karena uji ini yang umum digunakan. Kriteria untuk menentukan uji ini adalah sebagai berikut:
1. Angka D-W dibawah -2 berarti ada autokorelasi positif, 2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3. Angka D-W diatas +2 berarti ada autokorelasi negative
3.7.1.4 Uji Multikolinearitas