3.6 Metode Analisis Data
Dalam penelitian ini, metode analisis data dilakukan dengan menggunakan metode analisis statistik dan menggunakan software SPSS 18.
3.6.1 Uji Asumsi Klasik
Peneliti melakukan terlebih dahulu uji asumsi klasik sebelum melakukan pengujian hipotesis. Asumsi klasik adalah asumsi yang dasar yang harus dipenuhi
dalam model regresi. a. Uji Normalitas
Sebelum dilakukan analisis terhadap hasil regresi perlu dilakukan pengujian terhadap kenormalan data dari penelitian yang dilakukan. Hal ini dilakukan untuk
memenuhi syarat dari pengujian parametrik dimana data harus berdistribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik-titik
pada sumbu diagonal dari grafik. Dasar pengambilan keputusan normalitas adalah sebagai berikut:
jika data menyebar di sekitar garis diagonal dan mengikuti arah garis maka
model regresi memenuhi asumsi normalitas,
jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolineritas Menurut Ghozali 2005, uji ini bertujuan untuk menguji apakah pada model
regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Pengujian
Universitas Sumatera Utara
multikolineritas dilakukan dengan melihat VIF antar variabel independen. Nilai cut off yang dipakai untuk menunjukkan adanya multikolineritas adalah VIF 10.
c. Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah
model regresi telah terjadi ketidaksamaan varian dari residual atas suatu pengamatan lainnya. Heteroskedastisitas merupakan keadaan di mana seluruh
faktor pengganggu tidak memiliki varian yang sama untuk seluruh pengamatan atas variabel independen Sudarmadji, 2007:A58. Untuk melihat ada tidaknya
heterokedastisitas dapat dilakukan dengan melihat grafik scatterpolt. d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode saat ini t dengan
kesalahan pengganggu sebelumnya t-1. Jika terjadi korelasi, maka terdapat problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson. Kriteria untuk penilaian terjadinya
autokorelasi.
Angka D-W di bawah -2 berarti ada autokorelasi positif.
Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi.
Angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
3.6.2 Pengujian Hipotesis
Uji hipotesis dilakukan dengan dua tahap, yakni uji t dan uji F. Pengaruh variabel bebas terhadap variabel terikat secara parsial dakan diketahui dengan
menggunakan uji t. Pengaruh variabel bebas terhadap variabel terikat secara simultan akan dilihat dengan menggunakan uji F.
3.6.2.1. Uji Signifikansi Parsial t-test Uji t dilakukan untuk menguji pengaruh variabel independen secara
individual terhadap variabel dependen. Pengujian melalui uji t dilakukan dengan membandingkan t-hitung dengan t-
tabel pada derajat signifikan 95 α=0,05. Kriteria pengujian adalah sebagai berikut:
• Jika thitung ttabel, maka Ha diterima, • Jika thitung ttabel, maka Ha tidak dapat diterima.
3.6.2.2. Uji Signifikansi Simultan F-test Uji F dilakukan untuk menilai pengaruh variabel-variabel independen secara
bersama-sama simultan terhadap variabel dependen. Pengujian melalui uji F dilakukan dengan membandingkan F-hitung dengan F-tabel pada derajat
signifikan 95 α = 0,05. Kriteria pengujian adalah sebagai berikut :
• Jika Fhitung Ftabel, maka Ha diterima • Jika Fhitung Ftabel, maka Ha tidak dapat diterima.
Universitas Sumatera Utara
3.6.2.3. Koefisien determinasi R2 Menurut Situmorang et al. 2010:144 koefisien determinasi dapat dijelaskan
sebagai berikut Koefisien determinasi mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel independent atau predictornya. Range nilai dari R2 adalah 0-1. 0
≤ R2 ≤ 1.Semakin mendekati nol berarti model tidak baik atau variasi model dalam menjelaskan amat terbatas, sebaliknya
semakin mendekati satu model semakin baik. Kelemahan mendasar dalam penggunaan koefisien determinasi adalah bias
terhadap jumlah variabel independen. Semakin banyak variabel independent ditambah ke dalam model maka R2 akan meningkat walaupun variabel tersebut
tidak berpengaruh secara signifikan ke dalam model.
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data penelitian