kemampuan variabel – variabel independen dalam menjelaskan variabel dependen amat terbatas.
2. Uji Signifikansi Simultan Uji Statistik F . Menunjukkan apakah semua variabel independen bebas yang dimasukkan dalam model mempunyai
pengaruh secara bersama-sama terhadap variabel dependen terikat.
Kriteria : Ha : Variabel independen berpengaruh nyata dan signifikan secara simultan
terhadap variabel dependen. Ho : Variabel independen tidak berpengaruh nyata dan signifikan secara
simuntan terhadap variabel dependen. Nilai Sig 0,05 , maka Ha : Diterima ; Ho : Ditolak.
Nilai Sig 0,05 , maka Ha : Ditolak ; Ho : Diterima. 3. Uji Signifikansi Parameter Individual Uji Statistik t . Untuk menunjukkan
pengaruh seberapa jauh satu variabel independen secara individual dalam menerangkan variabel dependen.
4.6.1 Uji asumsi klasik
Untuk keabsahan hasil analisis regresi linier berganda ini nantinya, sebelum pengujian hipotesis dilakukan, harus terlebih dahulu dilakukan uji asumsi klasik.
Salah satu syarat yang menjadi dasar penggunaan model regresi berganda adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien
Universitas Sumatera Utara
Best Linear Unbiased EstimatorBLUE. Dalam penelitian ini, asumsi klasik yang dianggap paling penting adalah Gujarati, 1995:
1. Memiliki distribusi normal. 2. Tidak terjadi Multikolonieritas antar variabel independen.
3. Tidak terjadi Heteroskedastisitas atau varian variabel pengganggu yang konstan Homoskedastisitas.
4. Tidak terjadi Autokorelasi antar residual setiap variabel independen. 4.6.1.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi, variabel dependen, variabel independen atau kedua-duanya mempunyai distribusi normal atau
tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal Santoso, 1999.
Pada Uji Normalitas Data ini digunakan metode One Sample Kolmogorov- Smirnov Test. Pemilihan metode ini didasarkan bahwa One Sample Kolmogorov-
Smirnov Test merupakan metode yang umum digunakan untuk menguji normalitas data Hair,et al, 1998.
Tujuan pengujian ini adalah untuk mengetahui apakah sampel yang digunakan dalam penelitian ini berdistribusi normal atau tidak, dengan membuat hipotesis
sebagai berikut: H
o
H : Data terdistribusi normal
a
: Data terdistribusi tidak normal.
Universitas Sumatera Utara
Jika sigma 0,05, maka H
a
ditolak dan H
o
Jika sigma 0,05, maka H diterima.
a
diterima dan H
o
4.6.1.2. Uji Multikolonieritas ditolak.
Salah satu asumsi dalam metode kuadrat terkecil adalah tidak adanya hubungan linear antara variable independen. Jika hal ini terjadi, maka dikatakan
bahwa data mengalami multikolonieritas. Indikasi awal data yang mengalami multikolonieritas yaitu apabila model memiliki standard error yang besar dan nilai
statistic t yang rendah. Ada beberapa metode yang digunakan untuk mendeteksi multikolonieritas dalam suatu model regresi. Salah satu ciri persamaan regresi yang
mengalami masalah multikolonieritas adalah nilai R² yang tinggi namun memiliki sedikit variable independen yang mempengaruhi variable dependen secara signifikan.
Metode yang digunakan untuk mendeteksi multikolonieritas dalam penelitian ini adalah tolerance - Variance Inflactor Factor VIF. Multikolonieritas terjadi apabila
nilai tolerance 0,10 dan VIF 10. 4.6.1.3. Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada
Universitas Sumatera Utara
data runtut waktu atau time series karena “gangguan” pada individu atau kelompok cenderung mempengaruhi individu atau kelompok pada periode berikutnya. Model
regresi yang baik adalah regresi yang bebas dari autokorelasi. Pada penelitian ini, gejala autokorelasi dideteksi dengan menggunakan Uji
Durbin-Watson lewat SPSS. Pengambilan keputusan ada tidaknya autokorelasi ditentukan berdasarkan kriteria berikut Ghozali, 2005:
1. Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl, maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi
positif. 3. Bila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih
kecil daripada nol, berarti ada autokorelasi negatif. 4. Bila nilai DW terletak di antara batas atas du dan batas bawah dl atau DW
terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat disimpulkan. 4.6.1.4. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah pada model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lainnya.
Jika variabel dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas.
Universitas Sumatera Utara
Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk menguji ada tidaknya Heteroskedastisitas pada penelitian
ini digunakan grafik plot antara nilai prediksi variabel dependen ZPRED dengan residualnya SRESID melalui
program SPSS. Deteksi ada tidaknya Heteroskedastisitas dapat dilihat dengan ada atau tidaknya pola tertentu pada grafik
scatter plot antara SRESID dan ZPRED. Dasar pengambilan keputusan Ghozali, 2005 :
1. Jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi
Heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi terjadi Heteroskedastisitas.
4.6.2 Pengujian hipotesis
