43
b = Koefisien
regresi Algifari, 2000:62
Nilai koefisien regresi disini sangat menentukan sebagian dasar analisis. Hal ini berarti jika koefisien b bernilai + maka dapat dikatakan terjadi pangaruh
searah antara variabel independen dengan variabel dependen. Demikian sebaliknya, bila koefisien nilai b bernilai - hal ini menunjukkan pengaruh negatif
dimana kenaikan nilai variabel independen akan mengakibatkan penurunan nilai variabel dependen.
3.4.1 Uji Asumsi Klasik
Data yang digunakan dalam penelitian ini adalah data sekunder maka untuk menemukan ketepatan model perlu dilakukan pengujian atas beberapa
asumsi klasik yang mendasari model regresi. Pengujian asumsi klasik yang digunakan pada penelitian ini meliputi uji normalitas, uji multikolinearitas, uji
heteroskedastisitas, dan uji autokorelasi. Masing-masing pengujian asumsi klasik secara rinci dapat dijelaskan sebagai berikut:
1. Normalitas
Ghozali 2005:110 menyatakan bahwa uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggganggu atau residual e
disuatu persamaan memiliki distribusi normal. Seperti diketahui uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini
dilanggar maka uji stastitik menjadi tidak berlaku. Ada dua cara untuk menditeksi
44
apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.
Normalitas dapat dideteksi dengan melihat penyebab data titik pada sumbu diagonal pada grafik atau dengan melihat histogram dari residualnya.
Dasar pengambilan keputusan: a.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. b.
Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi normalitas. Cara lain untuk mengetahui normalitas adalah dengan melakukan uji
statistik non-parametrik. Kolmogorof-Smirnov K-S rehadap niali residual persamaan regresi dengan hipotesis pada tingkat signifikasi 0,05 dimana:
H0 = p ≥ 0,05 Data residual berdistribusi normal
Ha = p ≤ 0,05 Data residual tidak berdistribusi normal
2. Multikolinearitas
Jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,90 maka ini merupakan indikasi adanya multikolinearitas.
Multikolinearitas dapat juga dilihat dari nilai tolerance dan lawannya serta dari Varian Inflation Factor VIF. Kedua ukuran ini menunjukkan sikap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cut
45
off yang sering dipakai untuk menunjukkan adanya multikolinearitas adalh nilai tolerance 0,10 atau sama dengan nilai VIF 10 Ghozali, 2005:92.
3. Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Deteksi
ada tidaknya heteroskedatisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada garfik scatterplot antara variabel dependen dan residualnya dimana
sumbu Y adalah yang diprediksi dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah distudentized Ghozali,2005:105. Dasar analisis:
a. Jika terdapat pola tertentu seperti titik yang ada membentuk pola tertentu yang
teratur bergelombang, melebar kemudian menyempit mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas serta titik menyebar diatas dan dibawah angka 0
pada sumbu Y maka tidak terjadi heteroskedastisitas.
3.4.2 Pengujian Hipotesis