F. Metode Analisis Data
Metode analisis data yang digunakan adalah metode analisis statistik dengan menggunakan software SPSS 16. Sebelum data dianalisis, maka untuk keperluan
analisis data tersebut terlebih dahulu dilakukan uji asumsi klasik.
1. Pengujian Asumsi Klasik
Peneliti menggunakan uji asumsi klasik terlebih dahulu untuk menentukan apakah distribusi data normal, sebelum melakukan pengujian hipotesis. Pengujian
tersebut meliputi :
a. Uji Normalitas Data
Menurut Ghozali 2005:110, “Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Jika nilai residual tidak mengikuti distribusi normal, uji statistik menjadi tidak valid untuk jumlah sampel kecil.” Menurut Ghozali 2005:110,
”cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan
melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya”. Dasar pengambilan keputusannya adalah:
1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
Universitas Sumatera Utara
2 Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal
atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
”Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov K-S”, yang dijelaskan oleh Ghozali
2005:115. Uji K-S dibuat dengan membuat hipotesis: Ho : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan
α = 5 berarti distribusi data normal dan Ho diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal
dan Ha diterima. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2004:172, yaitu:
1 Dengan melakukan transformasi data ke bentuk lain, yaitu: Logaritma
Natural, akar kuadrat, atau Logaritma 10. 2
Lakukan trimming, yaitu memangkas observasi yang bersifat outlier, 3
Lakukan winsorizing, yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya
menjadi normal.
b. Uji Multikolinieritas
Menurut Erlina dan Mulyani 2007:107, “Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen.”
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
Universitas Sumatera Utara
independen. Salah satu cara untuk mendeteksi multikolonirietas menurut Ghozali 2005:91 dapat dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation
factor VIF. Nilai cut off yang umum digunakan untuk mendeteksi adanya multikolinieritas adalah tolerance 0,10 atau sama dengan nilai VIF 10. Jika
nilai tolerance 0,10 atau nilai VIF 10 maka mengindikasikan terjadi multikolinieritas.
c. Uji Heterokedastisitas