35
multikolinieritas, heterokedastisitas dan autokorelasi. Untuk mengetahui ada tidaknya gejala-gejala tersebut akan dilakukan uji asumsi klasik terlebih dahulu.
3.8.1 Statistik Deskriptif
Analisis deskriptif merupakan analisis yang paling mendasar untuk menggambarkan keadaan data secara umum. Statistik deskriptif
memberikan gambaran nilai paling kecil minimum, nilai paling besar maximum, nilai rata-rata mean, dan standar deviasi standard deviation
dari suatu data.
3.8.2 Pengujian Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui kondisi data yang digunakan dalam penelitian. Hal ini dilakukan agar
diperoleh model analisis yang tepat, yaitu memenuhi model estimasi yang Best Linier Unbiased Estimator BLUE. Model analisis
regresi linier penelitian ini mensyaratkan uji asumsi terhadap data yang meliputi : uji normalitas, uji multikolinearitas, uji
heterokedastisitas, dan uji autokorelasi.
3.8.2.1 Uji Normalitas Data
Uji normalitas dilakukan untuk mengetahui apakah variabel dependen, variabel independen atau keduanya berdistribusi normal,
mendekati normal atau tidak Umar, 2008 : 181. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan
8QLYHUVLWDV6 XPDWHUD8WDUD
36
bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini tidak dipenuhi, maka uji statistik menjadi tidak valid untuk jumlah sampel
kecil. Uji normalitas dapat dilakukan dengan pendekatan histogram, pendekatan grafik dan uji Kolmogorv-Smirnov. Model regresi yang
baik adalah regresi yang berdistribusi normal atau mendekati normal. Pada prinsipnya normalitas data dapat dilihat dari penyebaran
data pada diagonal grafik atau histogram dari diagonalnya. Data normal dan tidak normal dapat diuraikan sebagai berikut Ghozali,
2005 : 1. Jika data menyebar disekitar garis diagonal atau grafik
histogramnya, menunjukkan pola terdistribusi normal, maka model regresi memenuhi asumsi normalitas
2. Jika data menyebar jauh dari garis diagonal atau grafik histogramnya, tidak menunjukkan pola terdistribusi norma, maka
model regresi tidak memenuhi asumsi normalitas. Dalam pendekatan histogram, variabel berdistribusi normal jika
grafik histogram memperlihatkan distribusi data tidak menceng ke kiri atau menceng ke kanan. Dalam pendekatan grafik, variabel
berdistribusi normal jika scatterplot menunjukkan titik-titik yang mengikuti data berada di sepanjang garis diagonal.
Namun demikian uji normalitas dengan grafik dapat menyesatkan apabila tidak hati- hati secara visual, kemungkinan bisa
kelihatan normal,akan tetapi secara statistik tidak menunjukkan hasil
8QLYHUVLWDV6 XPDWHUD8WDUD
37
yang sebenarnya, artinya data tersebut tidak normal. Oleh karena itu disarankan
untuk menguji secara grafik dan statistic yang disebut uji Kolmogorv- Smirnov, dengan ketentuan variabel berdistribusi normal jika table
menunjukkan nilai Asymp. Sig di atas nilai signifikan 5 0.05. H0 5 HA 5
3.8.2.2 Uji Multikolinearitas