yang dapat dilihat dari nilai R apakah lebih besar atau lebih kecil dari 0,5. Jika lebih besar dari 0,5, berarti hubungan variabel bebas dengan variabel terikat
adalah kuat, sebaliknya jika R lebih kecil dari 0,5 maka hubungan variabel bebas dengan variabel terikat lemah.
4. Uji Multiple Determination Uji R
2
Uji Multiple Determination Uji R² dilakukan untuk mengkaji seberapa besar variabel bebas dapat menjelaskan perubahan pada variabel terikat. Nilai
koefisien regresi berganda berada antara 0 sampai 1. Semakin besar nilai R² mendekati nilai 1 menunjukan semakin besar kemampuan variabel bebas
menjelaskan perubahan pada variabel terikat. Dasar yang digunakan dalam pengambilan keputusan terhadap nilai R dari analisis korelasi, yaitu:
1. Interval nilai R 0,001 – 0,200 menunjukan korelasi sangat lemah 2. Interval nilai R 0,201 – 0,400 menunjukan korelasi lemah
3. Interval nilai R 0,401 – 0,600 menunjukan korelasi cukup kuat 4. Interval nilai R 0,601 – 0,800 menunjukan korelasi kuat
5. Interval nilai R 0,801 – 1,000 menunjukan korelasi sangat kuat
3.10 Pengujian Asumsi Klasik
1. Uji Normalitas Data
Situmorang dan Lufti 2012:100 menjelaskan tujuan uji normalitas data untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati
distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data
Universitas Sumatera Utara
tersebut tidak menceng ke kiri atau ke kanan. Dengan adanya tes normalitas maka hasil penelitian kita bisa digeneralisasikan pada populasi. Dalam pandangan
statistik itu sifat dan karakteristik populasi adalah terdistribusi secara normal. Uji normalitas data dilakukan dengan menggunakan Kolmogorov-Smirnov test dengan
membandingkan nilai signifikasi dengan alpha 0,05.
2. Uji Heteroskedasitas
Situmorang dan Lufti 2012:107 menjelaskan uji heteroskedasitas digunakan untuk melihat seberapa besar peranan variabel bebas terhadap variabel
terikat. Dalam setiap persamaan regresi pasti memunculkan residu. Residu yaitu variabel-variabel lain yang terlihat akantetapi tidak termuat di dalam model
sehingga residu adalah variabel tidak diketahui sehingga diasumsikan bersifat acak. Karena diasumsikan acak, maka besaran residu tidak terkait dengan
besarnya nilai prediksi. Jika residu tidak bersifat acak maka data bisa dikatakan terkena heteroskedasitas.
3. Uji Multikolinearitas
Menurut Situmorang dan Lufti 2012:133, “uji multikolinearitas bertujuan untuk mengetahui ada atau tidaknya hubungan linear yang sempurna atau eksak di
antara variabel-variabel bebas dalam model regresi”. Batasan tolerance value adalah 0,1 dan batasan VIF adalah 5.
Dimana: Tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas Tolerance value 0,1 atau VIF 10 = tidak terjadi multikolinearitas
4. Uji Autokorelasi
Universitas Sumatera Utara
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya. Situmorang dan Lufti, 2012:120 Adanya masalah autokolerasi menyebabkan model regresi yang seharusnya
signifikan menjadi tidak layak untuk dipakai. Model regresi yang baik adalah regresi yang bebas dari masalah autokorelasi. Untuk mengetahui ada tidaknya
autokorelasi digunakan uji Dustin-Watson D-W yang dapat dilihat dari hasil uji regresi berganda dan membandingkannya dengan nilai yang terdapat di tabel
Durbin-Watsonkriteria pengambilan. Dasar keputusannya adalah sebagai berikut:
Tabel 3.2 Kriteria Pengambilan Keputusan
Sumber : Situmorang dan Lufti 2012:126
Pengujian hipotesis dalam penelitian ini menggunakan teknik analisis regresi linear berganda untuk mengetahui pengaruh variabel bebas terhadap
variabel terkait. Dalam analisis regresi berganda terdapat uji secara parsial dan uji secara simultan. Uji secara parsial dapat dilakukan dengan melihat uji signifikasi
t-test digunakan untuk menunjukan pengaruh variabel independen secara individual terhadap variabel dependen. Uji simultan dapat dilakukan dengan uji
Anova F-test, mengantikan multiple Correlation R, dan multiple Determination R square R².
Hipotesis Nol Keputusan
Jika
Tidak ada atukorelasi positif Tidak ada autokorelasi positif
Tidak ada korelasi negatif Tidak ada korelasi negatif
Tidak ada autokorelasi positif atau negatif Tolak
No decision Tolak
No decision Tidak tolak
0 d dl dl
≤ d≤ du 4 – dl d 4
4 – du ≤ d ≤ 4 – dl
du d 4 -du
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
