F. Metode Analisis Data
Data penelitian dikumpulkan untuk diolah, kemudian akan dianalisis untuk memperoleh jawaban atas permasalahan yang timbul dalam
penelitian ini. Metode analisis data yang dilakukan dalam penelitian ini adalah dengan analisis statistik yang mengunakan regresi linier berganda
dan menggunakan software. Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut:
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
Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Tujuan uji
normalitas adalah untuk mengatahui apakah distribusi data mengikuti atau mendekati distribusi normal. Cara
mendeteksinya yaitu dengan melihat grafik histrogram yang membandingkan dengan data observasi dengan distribusi yang
mendekati distribusi normal. Menurut Ghozali 2005:110, ada dua cara untuk mendeteksi apakah residual berdistribusi
normal atau tidak yaitu dengan analisi grafik dan analisis statistik.
1 Analisis Grafik Untuk malihat normalitas data dapat dilakukan dengan
melihat histrogram atau pola distribusi data. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbuh
diagonal dari grafik atau dengan melihat histrogram dari nilai residualnya. Jika data menyabar di sekitar garis diagonal dan
mengikuti arah garis diagonal atau gafik histogramnya menunjukkan pola distribusi normal, maka model regresi
memenuhi asumsi normalitas. 2 Analisis Statistik
Uji statistik yang digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov Smirnov K-S.
Pedoman pengambialn keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji
Kolmogorov Smirnov dapat dilihat dari: 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 Ghozali,2005:115.
b. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1. Autokorelasi
muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan
pada time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan
nilai uji Durbin Watson dengan ketentuan sebagai berikut: 1 Angka D-W dibawah -2 berarti ada autokorelasi positif,
2 Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3 Angka D-W di atas +2 berarti ada autokorelasi negatif.
c. Uji Heteroskedastisitas