Statistik Deskriptif adalah metode statistika yang digunakan untuk menggambarkan atau mendeskripsikan data yang telah dikumpulkan
menjadi sebuah informasi.
2. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model yang baik, maka analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian
hipotesis. Pengujian asumsi klasik tersebut meliputi:
b. Uji Normalitas
Menurut Ghozali 2005:110 uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen
berdistribusi normal. Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Untuk
melihat normalitas data dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Jika data menyebar disekitar
garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. Analisis statistic dilakukan dengan uji statistic non parametrik
kolmogorov smirnov K-S. Kriteria pengambilan keputusan adalah apabila nilai signifikan 0,05 berarti distribusi data tidak normal,
sebaliknya bila nilai signifikan 0,05 berarti distribusi data normal
Universitas Sumatera Utara
Ghozali, 2005. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2005 yaitu:
1. Melakukan transformasi data ke bentuk lain, yaitu logaritma
natural, akar kuadrat, logaritma 10. 2.
Lakukan timing, yaitu memangkas observasi bersifat outlier, 3.
Lakukan winsorising yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan
supaya distribusinya normal.
c. Uji Heteroskedasitas
Menurut Ghozali 2005:11 uji heteroskedasitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel
dari residual suatu pengamatan ke pengamatan yang lain. Suatu model regresi yang baik adalah tidak terjadi heteroskedasitas. Deteksi ada
tidaknya gejala heteroskedasitas adalah dengan melihat ada tidaknya pola tertentu. Jika membentuk pola tertentu maka telah terjadi gejala
heteroskedasitas.
d. Uji Autokorelasi
Pada data time series sering ditemukan adanya masalah autokorelasi. Menurut Ghozali 2005:95 uji autokorelasi menguji
apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1 sebelumnya. Cara yang dapat digunakan untuk menguji ada tidaknya autokorelasi adalah dengan uji Durbin Watson.
Universitas Sumatera Utara
Pengambilan keputusan ada tidaknya autokorelasi dapat dillihat dari criteria berikut ini:
1. Bilai nilai DW lebih besar dari pada batas DU dan 4-DU, maka
koefisien autokorelasi sama dengan nol, artinya tidak autokorelasi positif atau negatif,
2. Bila nilai DW lebih rendah dari pada batas bawah DL koefisien
autokorelasi lebih besar dari pada nol, artinya ada autokorelasi positif,
3. Bila nilai DW terletak diantara batas atas DU dan batas bawah
DL, maka tidak dapat disimpulkan apakah ada autokorelasi atau tidak,
4. Bila nilai DW 4 – DL, maka koefisien autokorelasi lebih kecil
dari nol, artinya ada autokorelasi negatif.
e. Uji Multikolinieritas