Uji Asumsi Klasik METODOLOGI PENELITIAN

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