60 batasan minimal korelasi 0,30, artinya suatu item dianggap valid jika
skor total lebih besar dari 0,30 Priyatno, 2010: 90.
2. Uji Reliabilitas Data
Uji reliabilitas keandalan merupakan ukuran suatu kestabilan dan konsistensi responden dalam menjawab hal yang berkaitan dengan
konstruk-konstruk pertanyaan yang merupakan dimensi suatu variabel dan disusun dalam bentuk kuesioner. Instrumen dikatakan reliabel atau
handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu kewaktu. Uji reliabilitas digunakan untuk
mengukur bahwa variabel yang digunakan benar-benar bebas dari kesalahan sehingga menghasilkan hasil yang konstan meskipun diuji
beberapa kali. Perhitungan reliabilitas dilakukan dengan menggunakan uji statistik Cronbach Alpha
α. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha 0,70
Ghazali, 2011:48.
E. Uji Asumsi Klasik
1.
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghazali,
2011: 110. Data yang baik dan layak digunakan dalam penelitian adalah yang memiliki distribusi normal. Normalitas data dapat dilihat dengan
beberapa cara, diantaranya yaitu dengan melihat kurva normal p-plot.
61 Suatu variabel dikatakan normal jika gambar distribusi dengan titik-titik
data yang menyebar di sekitar garis diagonal, dan penyebaran titik-titik data searah mengikuti garis diagonal. Uji normalitas data juga dilakukan
dengan uji Kolmogorov-Smirnov. Untuk mempermudah dalam melakukan perhitungan secara statistik. Suatu data dinyatakan berdistribusi normal
jika nilai Asymp Sig 2-tailed hasil pehitungan Kolmongorov-Smirnov
lebih besar dari 12α atau 0,05 Ghazali,2011:161.
2. Uji Multikolineraritas
Menurut Ghazali 2011: 91, uji multikolinieritas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antara
variabel bebas independent. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independent. Jika variabel independent
saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independent yang nilai korelasi antar sesama
variabel independent sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
a. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independent
banyak yang tidak signifikan mempengaruhi variabel dependent. b.
Menganalisis matriks korelasi variabel-variabel independent. Jika antar variabel ada korelasi yang cukup tinggi umumnya di atas 0.90, maka
hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independent tidak berarti bebas dari
62 multikolinieritas. Multikolinieritas dapat disebabkan karena adanya
efek kombinasi dua atau lebih variabel independent. c.
Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini
menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independent lainnya. Dalam pengertian sederhana setiap
variabel independent menjadi variabel dependent terikat dan diregres terhadap variabel independent lainnya. Tolerance mengukur
variabilitas variabel independent yang terpilih jika dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama
dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah
nilai tolerance 0.10 atau sama dengan nilai VIF 10. Setiap peneliti harus menentukan tingkat kolinieritas yang masih dapat ditolerir.
Sebagai misal nilai tolerance = 0.10 sama dengan tingkat kolinieritas 0.95. Walaupun multikolinieritas dapat dideteksi dengan nilai
tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel- variabel independent mana sajakah yang saling berkolerasi.
3. Uji Heteroskedastisitas
Menurut Ghazali 2011:139 uji heteroskedastisitas bertujuan
menguji apakah di 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
63 homokedastisitas dan jika berbeda disebut heterokedastisitas. Model
regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Kebanyakan data crossection mengandung situasi
heterokedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, besar.
Salah satu
cara untuk
mendeteksi ada
atau tidaknya
heterokedastisitas adalah dengan cara melihat grafik plot antara nilai prediksi variabel terikat dependent yaitu ZPRED dengan residualnya
SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID
dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi
– Y sesungguhnya yang telah di- studentized. Dengan analisis jika ada pola tertentu, seperti titik-titik yang
ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka
mengindikasikan telah
terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedastisitas. Ghazali,2011:139.
Uji heterokedastisitas juga bisa dilakukan dengan uji Glesjer yaitu dilakukan dengan cara meregresikan antara variabel independen dengan
nilai absolut residualnya lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas. Gujarati 2012:508
64
F. Uji Hipotesis