Dimana : Rxy
= Koefisien korelasi antara item dengan skor total. X
= Skor jawaban setiap item. Y
= Skor total. n
= Jumlah subyek uji coba. b. Uji Reliabilitas
Reliabilitas adalah alat ukur yang digunakan untuk mengetahui apakah jawaban yang diberikan responden dapat dipercaya atau dapat diandalkan. Dengan
perkataan lain, hasil pengukuran tetap konsistensi bila dilakukan pengukuran yang sama. Sumarsono, 2002 : 34.
Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha
0,60 Nilai Alpha Cronbach dapat dihitung dengan menggunakan Rumus :
.................................... Husein Umar, 2002:100 Keterangan :
= Reliabilitas instrumen Alpha Cronbach
k = Banyaknya butir pertanyaan
Ot 2
= Varian total ∑
ob 2
= Jumlah varian butir
3.4.2 Uji Asumsi Klasik
Kemudian dilakukan uji asumsi klasik pada model regresi diperoleh untuk mengetahui apakah model yang didapatkan telah memenuhi asumsi klasik yang
ada. Karena dalam analisis regresi linier berganda terdapat beberapa asumsi yang harus dipenuhi agar persamaan regresi yang dihasilkan akan valid jika digunakan
untuk memprediksi nilai variabel dependen, Santosa dan Ashari, 2005:231 Beberapa asumsi klasik tersebut menurut Sulaiman 2004 : 88 adalah sebagai
berikut : 1. Homokedastisitas kesamaan varians
Salah satu asumsi penting dalam model regresi linier berganda adalah bahwa varians dan residual dari salah satu pengamatan ke pengamatan yang lain
adalah tetap. Apabila asumsi tersebut tidak terpenuhi berarti terjadi gejala heteroskedasitas Salah satu cara untuk mendeteksi terjadi atau tidaknya
heteroskedasitas adalah melihat ada tidaknya pola tertentu pada grafik scatterpoli, dimana sumbu X adalah Y yang telah diprediksi dan sumbu Y adalah residual
Y
Prediksi
– Y
Sesungguhnya
yang telah di studentized, Santosa, 2000 : 210. Adapun dasar pengambilan keputusan adalah sebagai berikut :
a. Jika terdapat pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka
telah terjadi heteroskedasitas. b. Jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskeditas. 2. Non-autokorelasi
Pengujian terhadap asumsi ini bertujuan untuk mengetahui apakah dalam sebuah model regresi terdapat korelasi antara dua data observasi yang disusun
menurut urutan waktu seperti data times series atau menurut urutan ruang atau
tempat seperti data cross section. Jika terjadi korelasi berarti muncul gejala autokorelasi. Suatu model regresi yang baik adalah regresi yang bebas dari gejala
autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelsi, dapat dilakukan pengujian Durbin Watson DW dengan ketentuan sebagai berikut Trihendardi,
2005 : 98. a. 1.65 DW 2.35 tidak terjadi autokorelasi.
b. 1.21 DW 1.65 atau 2.35 DW 2.79 tidak dapat disimpulkan. c. DW 1.21 atau DW 2.79 terjadi autokorelasi.
3. Non-multikolinearitas Multikonieritas berarti terdapat hubungan korelasi di antara beberapa
atau semua variabel independen dalam model regresi. Suatu model regresi yang baik mengasumsikan bahwa tidak terjadi korelasi di antara variabel independen.
Untuk mendeteksi ada atau tidaknya multikolinearitas, dapat dilihat dari nilai VIF Variance Inflations Factor dan tolerance. Suatu model regersi diukatakan bebas
dari gejala multikolinearitas apabila nilai VIF 10 dan tolerance value 0,10. Apabila dalam model regresi terjadi multikolinearitas, maka salah satu cara
penanggulangannya adalah dengan mengeluarkan salah satu dari variabel independent yang saling berkorelasi kuat Santosa S, 2000 : 207.
4. Normalitas Pengujian terhadap normalitas dilakukan untuk menguji kenormalan
distribusi data. Suatu data dikatakan terdistribusi secara normal apabila data mengikuti bentuk distribusi normal, yaitu memusat pada nilai rata-rata medium
Santosa dan Ashari, 2005 : 231. Salah satu cara untuk mengetahui bentuk
distribusi data adalah dengan menggunakan plot probabilitas normal normal probability plot
. Dalam plot ini, masing-masing nilai pengamatan dipasangkan dengan nilai harapan dari distribusi normal.
Adapun dasar pengambilan keputusan menurut Sulaiman 2004 : 89 adalah sebagai berikut :
a. Jika titik-titik data menyebar di sekitar garis diagonal, maka model regresi memenuhi asumsi normalitas.
b. Jika titik-titik data menyebar jauh dari garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
3.4.3 Teknik Analisis Regresi Linier Berganda
