Asumsi – Asumsi Klasik Analisis Regresi Linier Berganda

a. Jika r hitung positif dan r hitung r tabel , maka butir pertanyaan tersebut valid sahih. b. Jika r hitung positif dan r hitung r tabel, maka butir pertanyaaan tersebut tidak valid sahih.

3.4.1.1 Reliabilitas Data

Reliabilitas adalah alat untuk mengukur suatu kuisioner yang merupakan indikator dari variabel. Suatu kuisioner dikatakan reliable atau handal jika jawaban seorang terhadap pertanyaan adalah kuisioner dari waktu. Cara mencari reliabilitas untuk keseluruhan item adalah dengan memprediksi angka korelasi yang diperoleh dengan memasukkannya ke dalam rumus : r = 1 - Saifudin, 2001: 72 dengan : r = Koefisien realibilitas tes = Varian perbedaan skor antara dua belahan = Varian skor tes X

3.4.2 Asumsi – Asumsi Klasik Analisis Regresi Linier Berganda

Pengujian ini dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinieritas dan heterokedastisitas dalam hasil estimasi, karena apabila terjadi penyimpangan terhadap asumsi tersebut, uji t dan uji f yang dilakukan sebelumnya Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber menjadi tidak valid dan secara statistik dapat mengacaukan kesimpulan yang diperoleh, untuk itu dilakukan uji asumsinya. Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi yang terbaik linier dan tidak bisa BLUE = Best Linier Unbiased Estimator antara lain : a. Best yaitu pentingnya sifat ini bisa diterapkan dalam uji signifikan baku terhadap a dan ß b. Linear yaitu sifat yang dibutuhkan untuk memindahkan dalam penafsiran c. Unbiased yaitu penafsiran parameter yang diperoleh dari data yang besar kira – kira mendekati nilai parameter yang sebenarnya. d. Estimasi yaitu e yang diharapkan sekecil mungkin. Penerapan asumsi klasik pada model regresi linier berganda tergantung ada tidaknya gangguan pada asumsi klasik tersebut. Dalam pengujian ini dihindari penyimpangan – penyimpangan yang bersifat sebagai berikut : 1. Autokorelasi Satu dari asumsi penting dari model regresi linier klasik adalah bahwa kesalahan atau gangguan. Uji yang kedalam fungsi regresif populasi adalah random atau tak berkolerasi. Jika ini dilanggar, kita mempunyai problem serial korelasi atau autokorelasi. Sedangkan yang dimaksud dengan autokorelasi yaitu keadaan dimana kesalahan pengganggu dalam suatu periode tertentu berkolerasi dengan kesalahan pengganggu periode yang lain. Pengujian terhadap gejala autokorelasi dilakukan dengan menggunakan Uji Statistik Durbin Watston Gujarati, 1995: 223. d = Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber dimana : = Residual perbedaan variabel tak bebas yang sebenarnya dengan variabel tak bebas yang ditaksir dari setiap periode waktu. = Residual dari waktu sebelumnya. 2. Heterokedastisitas Pengujian heterokedastisitas dilakukan untuk melihat apakah ada kesalahan pengganggu mempunyai varian yang sama atau tidak. Hal tersebut dilambangkan sebagai : E U = .......................................... Gujarati, 1995:223 Dimana : = Varian I = 1, 2, …… n Apabila didapat varian yang sama maka asumsi homokedastisitas penyebaran yang sama diterima. 3. Multikolinieritas Multikolinieritas merupakan suatu keadaan dimana satu atau lebih variabel independen terdapat korelasi atau hubungan dengan variabel independen lainnya, dengan kata lain satu atau lebih variabelnya merupakan fungsi linier dari variabel independen yang lain. Untuk mempermudah dalam pengujian maka terlebih dahulu dilakukan uji korelasi. Uji korelasi ini dilakukan untuk melihat hubungan masing – masing variabel independen. Tulisan dapat dilakukan dengan menghitung Variance Inflation Faktor VIIF. VIF = 1 1 - Sudrajat, 1998:210 Dimana : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber R = Koefisien korelasi antar variabel bebas VIF menyatakan tingkat pembengkakan varian apabila VIF lebih besar dari 10 maka terjadi multikolinier pada persamaan tersebut.

3.4.3 Teknik Analisis