45
3.8. Teknik Analisis Data
Analisis data dalam penelitian ini adalah kuantitatif dengan menggunakan teknik perhitungan statistik. Analisis data yang diperoleh dalam penelitian ini
akan menggunakan bantuan teknologi komputer yaitu Microsoft Exel dan program aplikasi SPSS Statistical Product Service Solution. Metode analisis
data yang digunakan dalam penelitian ini adalah dengan meotode analisis Regresi Linear Berganda.Dalam melakukan analisis regresi linier berganda, metode ini
mensyaratkan untuk melakukan uji asumsi klasik agar mendapatkan hasil regresi yang baik.Uji asumsi klasik tersebut terdiri dari:
1. Uji Normalitas dengan menggunakan grafik Normal P-P Plot dan uji Klomogrov-Smirnov
dengan tingkat signifikansi 5, 2. Uji Homoskedastisitas dengan menggunakan scatterplotdanuji Park,
3. Uji Autokorelasi dengan melakukan pengujian nilai Durbin-Watson. 4. Uji Multikoliniearitas dengan menggunkan nilai Tolerance dan Variance
Inflation Factor VIF.
3.9. Pengujian Asumsi Klasik
Peneliti melakukan terlebih dahulu uji asumsi klasik sebelum melakukan pengujian hipotesis. Pengujian asumsi klasik dilakukan untuk menghindari atau
mengurangi bias atas hasil penelitian yang diperoleh Erlina, 2011 : 99. Uji asumsi klasik penting dilakukan untuk menghasilkan estimator yang
linier tidak bias dengan varian yang minimum Best Linier Unbiased Estimator =
Universitas Sumatera Utara
46 BLUE
, yang berarti model regresi tidak mengandung masalah. Tidak ada ketentuan yang pasti tentang urutan uji yang harus dipenuhi terlebih
dahulu.Berikut ini adalah uji asumsi klasik yang harus dipenuhi oleh model regresi.
3.9.1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui normal atau tidaknya suatu distribusi data. Pada dasarnya, uji normalitas adalah membandingkan
antara data yang kita miliki dan data berdistribusi normal yang memiliki mean dan standar deviasi yang sama dengan data kita. Uji normalitias
menjadi hal penting karena merupakan syarat pengujian parametic-test uji parametrik adalah data harus memiliki distribusi normal atau
berdistribusi normal.
Pengujian normalitas ini dapat dilakukan melalui analisis grafik dan analisis statistik.
a. Analisis Grafik Metode yang lebih handal untuk melihat normalitas residual adalah
dengan melihat Normal Probability Plotyang membandingkan distribusi kumulatif dari distribusi normal.Dasar pengambil keputusan:
a Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
47 b Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
b. Analisis Statistik Pedomaan penggambilan keputusan tentang data tersebut
mendekati atau merupkan distribusi normal berdasarkan Kolmogrov- Smirnov
dapat dilihatdari : a Nilai Sig. atau signifikan atau probabilitas 0.05, maka distribusi
data adalah tidak normal. b Nilai Sig. atau signifikan atau probabilitas 0.05, maka distribusi
data adalah normal.
3.9.2. Uji Heterokedastisitas
Uji heterokedastisitasmenunjukkan bahwa varians variabel tidak sama untuk semua pengamatanobservasi. Jika varians dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas Model regresi yang baik adalah terjadi homokedastisitas dalam model,
atau dengan perkataan lain tidak terjadi heterokedastisitas. Untuk mendeteksi adanya heterokedastisitas dilakukan dengan melihat
Scatterplot.
Universitas Sumatera Utara
48 Dasar analisis yang digunakan dalam uji heterokedatisitas dijelaskan
sebagai berikut. 1. Jika ada pola tertentu, seperti titik - titik yang membentuk suatu pola
tertentu teratur bergelombang, melebar, kemudian menyempit maka mengindikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, serta titik - titik menyebar diatas dan dibawah angka 0sumbu Y, maka tidak terjadi heterokedastisitas,
Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting.
Semakin sedikit
jumlah pengamatan,
semakin sulit
untuk mengintepretasikan hasil grafik plot.Uji statistik diperlukan untuk
mendapatkan hasil yang lebihdapat menjamin keakuratan hasil, yaitu dengan uji parkGhozali, 2006. Dasar pengambilan keputusan uji
heterokedatisitas melalui uji parkdijelaskan sebagai berikut: a Apabila koefisien parameter betasig 0,05 dari persamaan regresi
signifikan statistik, yang berarti data empiris yang diestimasi terdapat heterokedastisitas.
b Apabilakoefisien parameter beta sig 0,05dari persamaan regrsi tidak signifikan statistik, maka berarti data empiris yang diestimasi tidak
terdapat heteroskedastisitas.
Universitas Sumatera Utara
49
3.9.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu disturbance termpada
periode t dan kesalahan kesalahan pengganggu pada periode sebelumnya t-1.Apabila terjadi korelasi maka hal tersebut menunjukkan adanya
problem autokorelasi.Masalah autokorelasi sering terjadi pada data time series
data runtun waktu. Masalah ini timbul karena residual kesalahan pengganggu tidak
bebas dari satu observasi ke observasi lainnya.Konsekuensi adanya autokorelasi dalam model regresi adalah variance sampel tidak dapat
menggambarkan variance populasinya, sehingga model regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen
pada nilai independen tertentu Ghozali, 2006. Metode deteksi terhadap autokorelasi dalam penelitian ini juga
melakukan uji Durbin-Watson D-W. Kriteria pengambilan keputusan autokorelasi tercantum dalam tabel berikut.
Tabel 3.4 Kriteria Pengambil Keputusan Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasipositif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl ≤ d ≤ du
Tidak ada autokorelasi negatif Tolak
4-du d 4 Tidak ada autokorelasi negatif
No decision 4
– du ≤ d ≤ d ≤ 4 - dl Tidak ada autokorelasi positif
atau negatif Tidak ditolak
du d 4-du Sumber :Ghozali, 2006
Universitas Sumatera Utara
50
3.9.4. Uji Multikolinearitas
Menurut Ghozali 2006, uji ini digunakan untuk mengetahui apakah terdapat korelasi di antara variabel-variabel independen dalam model regresi
tersebut. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.Apabila terdapat korelasi antara variabel independen,
maka variabel-variabel ini tidak ortogonal.Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen
adalah nol. Untuk mendeteksi ada tidaknya multikoliniearitas dalam model regresi dapat dilihat dari tolerance value atau VIF Variance Inflation
Factor .Sebagai dasar acuannya diuraikan dalam pernyataan berikut.
1. Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel
independen dalam model regresi. 2. Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3.10. Analisis Regresi Berganda