Uji Validitas Data Uji Kualitas Data

3.5 Uji Kualitas Data

3.5.1 Uji Validitas Data

Uji validitas dilakukan untuk mengetahui sejauh mana alat pengukur Kuesioner mengukur apa saja yang diinginkan. Valid tidaknya alat ukur tersebut dapat diuji dengan mengkoreasikan antara skor yang diperoleh pada masing – masing butir pertanyaan dengan skor total yang diperoleh dari penjumlahan semua pertanyaan. Suatu kuesioner dikatakan valid atau tidak bila pertanyaan pada kuesioner mampu untuk mengungkapkan suatu yang akan diukur oleh kuesioner tersebut. Valid atau tidaknya alat ukur tersebut dapat dilihat dari kolom corrected item total correlation r hitung . Koefisien masing-masing item kemudian dibandingkan dengan nilai r kritis dengan kriteria pengujian sebagai berikut Azwar, 1997:158: 1. Jika nilai r hitung 0,30 berarti pertanyaan valid. 2. Jika nilai r hitung ≤ 0,30 berarti pertanyaan tidak valid. 3.5.2 Uji Realibilitas Data Menurut Sumarsono 2004: 34, uji realibilitas digunakan untuk mengetahui apakah jawaban yang diberikan responden dapat dipercaya atau dapat diandalkan. Dengan perkataan lain hasil pengukuran tetap konsisten bila dilakukan pengukuran dua kali atau lebih terhadap objek dan alat pengukur yang sama. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Menurut Nunnaly 1967 dalam Ghozali 2006: 46, pengukuran realibilitas menggunakan nilai Cronbach Alpha yaitu suatu konstruk atau variabel dikatakan reliebel jika memberikan nilai Cronbach Alpha 0,6. 3.5.3 Uji Normalitas Data Uji normalitas digunakan untuk menguji apakah data yang diperoleh sudah mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti sebaran normal dapat dilakukan dengan berbagai metode, di antaranya metode Kolmogrov Smirnov Sumarsono, 2006: 40. Menurut Sumarsono 2006: 43, pedoman dalam mengambil keputusan apakah sebuah distribusi dapat mengikuti distribusi normal adalah: - Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5, maka distrbusi adalah tidak normal. - Jika nilai signifikan nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal. 3.6 Uji Asumsi Klasik Persamaan regresi tersebut diatas harus bersifat BLUE Best, Linier, Unbiased, Estimator artinya pengambilan keputusan melalui uji F tidak boleh bias. Untuk menghasilkan keputusan yang BLUE, maka harus dipenuhi tiga asumsi dasar yang tidak boleh dilanggar oleh regresi, yaitu: 1. Tidak boleh ada multikoloniaritas. 2. Tidak boleh ada heteroskedastisitas. 3. Tidak boleh ada autokorelasi. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Apabila salah satu dari tiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga pengambilan keputusan melalui uji t menjadi bias Gujarati, 1995: 153. Menurut Sumodiningrat 2002: 115 sifat BLUE dapat dijelaskan sebagai berikut: 1. Best adalah pentingnya sifat ini bila diterapkan uji signifikan baku terhadap α dan ß. 2. Linier adalah sifat ini dibutuhkan untuk memudahkan dalam penaksiran. 3. Unbiased adalah nilai jumlah sampel sangat besar penaksir parameter diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter sebenarnya. 4. Estimate adalah e diharapkan sekecil mungkin. Yang diasumsikan tidak terjadi pengaruh antara variabel bebas atau regresi bersifat BLUE Best, Linier, Unbiased, Estimator artinya koefisien regresi pada persamaan tersebut betul-betul linier dan tidak bias atau tidak terjadi penyimpangan-penyimpangan persamaan, seperti: a. Multikolinearitas Tepatnya istilah multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linier pasti dan istilah kolinearitas berkenaan dengan terdapatnya satu hubungan linier Gujarati,1995: 157. Menurut Widarjono 2003: 131, mengemukakan bahwa multikolinearitas berarti adanya hubungan linier antara variabel independen di dalam regresi Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. linier berganda dalam suatu persamaan. Multikolinearitas merupakan korelasi variabel independen dalam regresi berganda. Deteksi adanya Multikolinearitas: 1. Besarnya VIF Variance Inflation Factor, jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan adanya multikolinearitas. 2. Nilai Eigenvalue mendekati 0 dan Condition Index melebihi angka 15 Nachrowi dan Usman,2006: 100. b. Heteroskedastisitas Heteroskedastisitas merupakan varian dari residual atau error yang tidak konstan atau berubah-ubah. Model regresi yang baik tidak mempunyai Heteroskedastisitas Nachrowi dan Usman,2006: 109. Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi rank spearman. Menurut Gujarati 1995: 188 rumus rank spearman adalah: Keterangan : d i = Perbedaan dalam rank antara residual dengan variabel bebas ke-i N = Banyaknya data Menurut Gujarati 1995: 177, mendeteksi adanya heteroskedastisitas adalah sebagai berikut: 1. Nilai probabilitas 0.05 berarti bebas dari heteroskedastisitas. r s = 1 – 6 Σ d i 2 NN 2 – 1 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 2. Nilai probabilitas 0.05 berarti terkena heteroskedastisitas. c. Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Salah satu cara untuk mendeteksi ada atau tidaknya autokorelasi dengan cara Uji Durbin-Watson DW test, tetapi dalam penelitian ini data yang digunakan bukan data time series, sehingga untuk uji autokorelasi tidak dilakukan. Gujarati, 1999 : 201.

1.7 Teknik Analisis dan Uji Hipotesis