Statistik deskripsi memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, nilai minimum, nilai maksimum, nilai mean, nilai
range, nilai standar deviasi yang bertujuan mengetahui distribusi data yang menjadi sampel penelitian.
3.5.2 Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis dengan menggunakan analisis regresi linier berganda perlu dilakukan terlebih dahulu pengujian
asumsi klasik. 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. Uji asumsi klasik yang digunakan dalam penelitian ini meliputi :
a. Uji Normalitas
Menurut Ghozali 2011 Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya
apakah mempunyai distribusi normal atau tidak. Selain itu dilakukan untuk mengetahui apakah sampel yang diambil telah memenuhi kriteria sebaran
atau distribusi normal atau tidak. Model regresi yang baik harus mempunyai distribusi normal atau mendekati normal.
Untuk menguji apakah distribusi normal atau tidak dapat dilihat melalui normal probability plot dengan membandingkan distribusi kumulatif
dan distribusi normal. Data normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal. Jika
distribusi data adalah normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. Selain itu untuk menguji normalitas residual dengan menggunakan uji statistik non-parametrik
Kolmogrov-Smirnov K-S. Jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan di atas 0,05 maka data residual terdistribusi dengan normal.
Sedangkan jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan dibawah 0,05 maka data residual terdistribusi tidak normal Ghozali, 2011.
b. Uji Multikolinieritas
Ghozali 2011 menyatakan bahwa uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen
saling berkorelasi maka variabel ini tidak ontogonal. Variebel ontogonal adalah variabel independen yang nilai korelasi antar sesama variabel
independen sama dengan nol. Untuk mendeteksi terjadi multikolinieritas atau tidak pada suatu
model dapat dilihat jika nilai tolerance value 0,10 atau Variance Inflation Factor VIF 10 maka terjadi multikolenearitas. Sedangkan jika
tolerance value 0,10 atau Variance Inflation Factor VIF 10 maka model tersebut tidak terjadi multikolenearitas.
c. Uji Heteroskedastisitas
