52
atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil
dari waktu ke waktu. SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbach Alpha
α. Suatu variabel dikatakan reliabel apabila memberikan nilai Cronbach Alpha
α 0,70 Nunnaly, 1994 dalam Ghozali, 2011: 48.
2. Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda. Setidaknya ada empat
uji asumsi klasik, yaitu uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas. Umumnya kasus autokorelasi
banyak terjadi pada data time series, artinya kondisi sekarang dipengaruhi waktu lalu. Namun dalam penelitian ini tidak
menggunakan uji autokorelasi dikarenakan data yang digunakan bukan data time series melainkan data cross section. Uji asumsi klasik
penting dilakukan untuk menghasilkan estimator yang linier tidak bias dengan varian yang minimum Best Linier Unbiased Estimator =
BLUE, yang berarti model regresi tidak mengandung masalah. Adapun asumsi-asumsi klasik yang digunakan adalah sebagai berikut:
53
a. Uji Multikolinearitas
Menurut Ghozali 2011:105, uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai
korelasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model
regresi adalah sebagai berikut Ghozali, 2011:105-106:
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen
banyak yang tidak signifikan mempengaruhi variabel dependen. 2 Menganalisis matrik korelasi variabel-variabel independen. Jika
antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini merupakan indikasi adanya
multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen
tidak berarti
bebas dari
multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi
dua atau lebih variabel independen. 3 Multikolinearitas dapat dilihat pertama dari nilai tolerance dan
lawannya, kedua dari Variance Inflation Factor VIF. Kedua
54
ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur
variabilitas variabel independen yang terpilih yang tidak dapat dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance
yang rendah sama dengan nilai VIF yang tinggi karena VIF=1Tolerance. Nilai cut off yang umum dipakai untuk
menunjukkan multikolinearitas adalah nilai tolerance ≤ 0,10 atau
sama dengan nilai VIF ≥10.
b. Uji Heterokedastisitas
Menurut Ghozali 2011:139, uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi
yang baik adalah yang
Homoskedastisitas atau tidak terjadi heteroskedastisitas. Dalam penelitian ini cara untuk melihat ada atau tidaknya
heteroskedastisitas adalah dengan melihat grafik scatterplot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan
residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y
55
yang telah diprediksi dan sumbu X adalah residual. Dasar analisisnya adalah:
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
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
c. Uji Normalitas
Menurut Ghozali 2011:160, uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau
residual memiliki distribusi normal. Model regresi yang baik adalah model yang mempunyai distribusi data normal atau setidaknya
mendekati normal. Dalam penelitian ini cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan melihat grafik
histogram dan dengan cara melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk satu garis lurus diagonal dan ploting pada data residual akan dibandingkan dengan garis diagonal. Jika distribusi
data residual normal, maka garis akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
56
Ada dua hal utama mengapa normalitas diperlukan. Pertama, sampel yang kita ambil harus berdistribusi normal agar dapat
mewakili seluruh data yang ada di populasi. Kedua, secara statistik kita menggunakan asumsi normalitas karena uji-uji yang kita gunakan
dalam regresi linier berganda yaitu uji F dan uji T merupakan turunan dari distribusi normal sehingga untuk menggunakannya maka asumsi
normalitas harus dipenuhi.
3. Uji Hipotesis