E. Metode Analisis Data
Pada penelitian ini metode analisis data yang digunakan adalah metode analisis regresi berganda dengan menggunakan software SPSS 16.0. Metode
analisis regresi berganda dipilih untuk digunakan pada penelitian ini karena metode analisis regresi berganda dapat menyimpulkan secara langsung mengenai
pengaruh masing – masing variabel bebas yang digunakan secara parsial ataupun simultan.
F. Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan agar hasil regresi memenuhi kriteria BLUE best linear unbiased estimator. Uji asumsi klasik terdiri dari uji
normalitas data, uji autokorelasi, uji multikolinearitas, dan uji heterokedastisitas. 1. Uji Normalitas Data
Menurut Erlina 2008 : 102 “uji normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual
memiliki distribusi normal”. Data yang baik adalah data yang berdistribusi normal atau mendekati normal. Dalam penelitian ini untuk mendeteksi apakah
data berdistribusi normal atau tidak mengunakan dua cara yaitu melalui analisis grafik dan analisis statistik.
2. Uji Autokorelasi Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang
berurutan sepanjang tahun yang berkaitan satu sama lainnya. Jika ada korelasi, maka dinamakan ada problem autokorelasi. Masalah ini timbul
karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Ada beberapa cara yang dapat digunakan untuk mendeteksi
masalah autokorelasi diantaranya dengan uji Durbin Watson. Uji ini hanya digunakan untuk autokorelasi tingkat pertama dan mensyaratkan adanya
intercept konstanta dalam model regresi. Penganmbilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :
1. Bila nilai Durbin-Watson DW terletak anatara batas atas atau Upper Bound DU dan 4-DU, maka koefisien autokorelasi sama dengan nol,
berarti tidak ada autokorelasi. 2. Bila nilai DW lebih rendah daripada batas bawah atau Lower Bound
DL, maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar daripada 4-DL, maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak diantara batas atas DU dan batas bawah DL atau DW terletak anatara 4-DU dan 4-DL, maka hasilnya tidak
dapat disimpulkan 3. Uji Multikolinearitas
Multikolinearitas terjadi jika ada hubungan linear yang sempurna atau hampir sempurna antara beberapa atau semua variabel independen dalam
model regresi. Menurut Erlina 2008 : 105 “uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara
variabel bebas independen”. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Untuk menguji adanya
multikolinearitas dapat dilakukan dengan menganalisis korelasi antar variabel dan perhitungan nilai tolerance serta variance inflation factor VIF. Batasan
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
4. Uji Heteroskedastisitas Menurut Erlina 2008 : 106 “uji heteroskedastisitas bertujuan untuk
menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain”. Jika varian dari residual
satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik menyebar di atas dan di bawah angka 0 pada
sumbu Y serta tidak membentuk pola maka tidak terjadi heteroskedastisitas.
G. Metode Analisis Regresi Berganda
Kategori