57
grafik dan atau numerik. Statistik deskriptif memberikan gambaran suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, nilai
maksimum dan minimum Ghozali, 2011:19.
2. Pengujian Asumsi Klasik
Uji asumsi klasik merupakan dasar dari teknis analisis regresi. Dalam penggunaan regresi linear rentan dengan beberapa permasalahan yang
sering timbul, sehingga akan menyebabkan hasil dari penelitian yang telah dilakukan menjadi kurang akurat. Oleh karena itu dilakukan pengujian
sebagai berikut:
a. Uji Normalitas
Uji ini dilakukan untuk melihat apakah variabel bebas dan variabel terikat mempunyai distribusi normal. Menurut Singgih Santoso
2012:230, tujuan dari pengujian ini adalah untuk mengetahui apakah dalam sebuah model regresi, error yang dihasilkan mempunyai
distribusi normal atau tidak. Maksud data distribusi normal adalah data akan mengikuti arah garis diagonal dan menyebar disekitar garis
diagonal. Dasar pengambilan keputusan dalam uji normalitas adalah a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal, maka model memenuhi asumsi normalitas. b. Jika data menyebar dari garis diagonal dan atau tidak mengikuti arah
garis diagonal, maka model tidak memenuhi asumsi normalitas.
58
Dalam penelitian ini, peneliti menggunakan uji normalitas dengan analisis grafik. Adapun dasar pengambilan keputusan dalam uji ini
adalah sebagai berikut : 1. Normal Probability Plot Normal P-P Plot
Menurut Ghazali 2011:161, metode yang lebih handal adalah dengan melihat Normal Probability Plot yang membandingkan
distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan
dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya. 2. Kolmogorov-Smirnov
Uji normalitas menggunakan uji statistik non parametrik Kolmogorov-Smirnov merupakan uji normalitas menggunakan fungsi
distribusi kumulatif. Nilai residual terstandarisasi berdistribusi normal jika K hitung K tabel atau nilai Sig. alpha Suliyanto, 2011 : 75.
b. Uji Multikolinieritas
Yaitu munculnya peluang diantara beberapa variabel bebas untuk saling berkorelasi, pada praktiknya multikolinieritas tidak dapat
dihindari. Menurut Singgih 2012:234, tujuan uji multikolinieritas adalah menguji apakah pada sebuah model regresi ditemukan adanya
korelasi antar-variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem Multikolinearitas Multiko.
59
Imam Ghazali 2011:106 mengukur multikolinieritas dapat dilihat dari nilai TOL Tolerance dab VIF Varian Inflation Faktor. Nilai
cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10.
Hipotesis yang digunakan dalam pengujian multikolinieritas adalah: a Ho: VIF 10, terdapat multikolinieritas
b H1: VIF 10, tidak terdapat multikolinieritas
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas
dan jika berbeda disebut heteroskedastisitas Imam Ghozali, 2011 : 139.
Deteksi heteroskedastisitas
dapat dilakukan
dengan menggunakn metode Scatterplot dengan memplotkan nilai ZPRED
nilai prediksi dengan SRESID nilai residualnya. Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti
mengumpul ditengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit.
Salah satu kelemahan pengujian secara grafik adalah tidak jarang kita ragu terhadap pola yang ditunjukkan grafik. Keputusan
secara subkjektif tentunya dapat mengakibatkan perbedaan keputusan
60
antara satu orang dengan lainnya. Oleh karena itu, dibutuhkan uji formal
untuk memutuskannya.
Uji formal
yang digunakan
menggunakan korelasi Rank-Spearman. Korelasi
Rank-Spearman digunakan
untuk mengetahui
hubungan antar variabel jika data yang digunakan sekurang-kurangnya memiliki skala ordinal. Analisis korelasi Rank-Spearman ini merupakan
jenis analisis korelasi yang didasarkan pada rangking yang paling banyak digunakan. Dalam hal ini jika nilai Sig.
α Sig. 0,05 maka dikatakan tidak terjadi heteroskedastisitas Suliyanto, 2011 : 112.
d. Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya Ghozali, 2011:110.
Salah satu uji formal yang paling populer untuk mendeteksi autokorelasi adalah uji Durbin-Watson, dasar pengambilan keputusan
ada tidaknya gejala autokorelasi adalah Ghozali, 2011:111
Tabel 3.2 Tabel DW
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No desicison
dl ≤ d ≤ du Tidak ada korelasi negatif
Tolak 4
– dl d 4 Tidak ada korelasi negative
No decision 4
– du ≤ d ≤ 4 - dl Tidak ada autokorelasi, positif atau negatif
Tidak ditolak du d 4
– du
61
Pengobatan Autokorelasi Jika regresi kita memiliki autokorelasi, maka ada beberapa
opsi penyelesainnya antara lain Ghozali, 2011:121. a Tentukan apakah autokorelasi yang terjadi merupakan pure
autocorrelation dan bukan karena kesalahan spesifikasi model regresi. Pola residual dapat terjadi karena adanya kesalahan
spesifikasi model yaitu ada variabel penting yang tidak dimasukkan ke dalam model atau dapat juga karena bentuk
fungsi persamaan regresi tidak benar. b Jika yang terjadi adalah pure autocorrelation, maka solusi
autokorelasi adalah dengan mentransformasi model awal menjadi model difference.
3. Pengujian Hipotesis