64
3. Pengujian Prasyarat Analisis
Teknik analisis data yang digunakan dalam penelitian ini adalah analisis regresi sederhana dan analisis regresi ganda. Persyaratan-persyaratan yang
harus terpenuhi dalam teknik analisis regresi adalah data berdistribusi normal, ada hubungan linier antara variabel bebas dengan variabel terikat, tidak terjadi
hubungan linier yang sangat tinggi antar variabel bebas multikolinieritas, dan tidak terjadi heterokedastisitas.
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data penelitian yang akan dianalisis berdistribusi normal atau tidak. Jika terbukti data berdistribusi normal
maka statistik parametris dapat digunakan untuk menganalisis data, sebaliknya jika data tidak berdistribusi normal maka yang digunakan untuk menganalisis
data adalah statistik non-parametris. Uji normalitas pada penelitian ini menggunakan Test Kolmogorov Smirnov. Rumus One Sample Kolmogorov-
Smirnov Test 1-sample K-S adalah sebagai berikut:
̅
KS = maksimum
|F
T
- F
S
|
Keterangan: x
i
: Angka pada data Z
: Transformasi dari angka ke notasi pada distribusi normal SD
: Standar Deviasi F
T
: Probabilitas komulatif normal, komulatif proporsi luasan kurva normal berdasarkan notasi Z
i
, dihitung dari luasan kurva mulai dari ujung kiri kurva sampai dengan titik Z
F
S
: Probabilitas komulatif empiris
65 Kriteria dalam uji normalitas adalah jika harga K-S
hitung
|F
T
- F
S
| terbesar kurang dari harga K-S
tabel
maka data berdistribusi normal. Harga K-S
tabel
untuk n=197 dengan signifikansi 5 adalah 0,97. Kriteria dalam uji normalitas juga
dapat dilihat dari nilai signifikansinya, jika signifikansi p 0,05 maka data berdistribusi normal.
b. Uji Linieritas
Uji linieritas digunakan untuk mengetahui apakah variabel bebas mempunyai hubungan linier atau tidak dengan variabel terikat. Jika hubungan variabel bebas
dengan variabel terikat linier maka analisis regresi dapat dilanjutkan, sebaliknya jika hubungan variabel bebas dengan variabel terikat tidak linier maka analisis
regresi tidak dapat dilanjutkan. Rumus yang digunakan dalam uji linieritas adalah sebagai berikut:
Keterangan: : Harga F hitung
: Varians Tuna Cocok : Varians Galat Sugiyono, 2010: 274.
Kriteria dalam uji linieritas adalah jika harga F
hitung
kurang dari harga F
tabel
dengan taraf signifikansi 5 maka hubungan variabel bebas dengan variabel terikat adalah linear.
66
c. Uji Multikolinieritas
Uji multikolinieritas digunakan untuk mengetahui ada tidaknya hubungan linear yang sangat tinggi antar variabel bebas dalam model regresi. Jika terjadi
hubungan linier antar variabel bebas, maka telah terjadi masalah multikolinieritas. Jika multikolinearitas terjadi antar variabel bebas dalam suatu persamaan
regresi, maka nilai perkiraan koefisien dari variabel yang bersangkutan menjadi tak berhingga sehingga tidak dapat untuk memprediksi. Multikolinieritas dapat
diatasi dengan menambah data baru atau dengan menghilangkan salah satu variabel bebas yang memiliki hubungan dengan variabel bebas lainnya.
Uji multikolinieritas dapat ditempuh dengan dua cara sebagai berikut: 1. Menganalisa koefisien korelasi antar variabel bebas
Jika koefisien korelasi antar variabel bebas ≥ 0,800, maka telah terjadi
multikolinieritas. Jika koefisien korelasi antar variabel bebas 0,800, maka tidak terjadi multikolinieritas.
2. Menganalisa Variance Inflation Factor VIF dan Tolerance Jika Tolerance dibawah 0,1 dan VIF diatas 10, maka telah terjadi
multikolinieritas. Jika Tolerance diatas 0,1 dan VIF dibawah 10, maka tidak terjadi multikolinieritas.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain.
Uji heteroskedastisitas pada penelitian ini menggunakan metode Glejser Test, yaitu dengan cara meregresikan nilai absolute residual terhadap variabel bebas.
Kriteria dalam uji heteroskedastisitas adalah jika signifikansi p 0,05 maka tidak terjadi masalah heteroskedastisitas pada model regresi, sebaliknya jika
67 signifikansi p 0,05 maka terjadi masalah heteroskedastisitas pada model
regresi.