32
3.6. Metode Analisis Data 3.6.1. Statistik Deskriptif
Menurut Erlina 2011 “Statistik Deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasi, sehingga mudah
dipahami dan diinterprestasikan”. Statistik deskriptif umumnya memberikan gambaran mengenai nilai mean, sum, standar deviasi,
variance, range, minimum, dan maximum.
3.6.2. Uji Asumsi Klasik
sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi maka diperlukan pengujian asumsi klasik meliputi:
3.6.2.1.Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki retribusi normal.
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik Ghozali, 2006: 110. Syarat dalam analisis parametrik yaitu
distribusi data harus normal Priyanto, 2009: 56.
3.6.2.2.Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas independen
Universitas Sumatera Utara
33
Ghozali, 2006: 91. Ketentuan untuk mendeteksi ada tidaknya multikolinieritas yaitu jika nilai variance inflation factor VIF tidak lebih
dari 10 dan nilai tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolinieritas. VIF = 1Tolerance, jika VIF = 0
maka Tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah tolerance. Jika nilai koefisien kolerasi antara masing-masing variabel
independen kurang dari 0,70, maka model dapat dinyatakan bebas dari asumsi klasik multikolinieritas. Jika lebih dari 0,70 maka diasumsikan
terjadi kolerasi yang sangat kuat antar variabel independen sehingga terjadi multikolinieritas.
3.6.2.3.Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi tetrjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas Ghozali, 2006: 105. Cara memprediksi heteroskedastisitas adalah jika pola gambar scatterplot model tersebut
adalah titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang, melebar kemudian menyempit dan melebar kemudian. Penyebaran titik-
titik data sebaiknya tidak berpola.
Universitas Sumatera Utara
34
3.6.2.4.Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dangan
kesalahan pengganggu pada periode t-1 sebelumnya, jika terjadi korelasi, maka dinamakan ada problem autokorelasi Ghozali, 2006: 95. Dampak
yang diakibatkan dengan adanya autokorelasi yaitu varian sampel tidak dapat menggambarkan varian populasinya. Untuk mendeteksi ada tidaknya
autokorelasi dengan dilakukan uji Durbin-Watson Priyatno, 2009: 61. Jika nilai Durbin Watson berada di antara -2 sampai +2 berarti tidak ada
autokorelasi.
3.7. Model Pengujian Hipotesis 3.7.1. Model Regresi Linier Berganda