3.5 Teknik Analisis dan Uji Hipotesis 3.5.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data sebaran normal atau tidak. Untuk mengetahui data sebaran tersebut mengikuti sebaran normal
dapat dilakukan dengan metode Kolmogorov_Smirnov Sumarsono, 2004:40. Ukuran untuk menentukan normalitas adalah :
a. Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka distribusi adalah tidak normal.
b. Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka
distribusi adalah normal.
3.5.2. Uji Outlier
Deteksi adanya outlier dapat dilakukan dengan menentukan nilai ambang batas yang dikategorikan sebagai outlier dengan cara mengkonversikan nilai data
penelitian ke dalam standart score atau disebut dengan Z-score yang mempunyai nilai rata-rata nol dan standart deviasi satu. Rumus z-score :
dimana :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
x = Nilai data = Nilai rata-rata
σ = Standar deviasi
Jika sebuah data outlier, maka nilai Z yang didapat lebih besar dari angka +1,96 atau lebih kecil dari angka -1,96. Jika dilihat pada tabel z, nilai z = 1,96
sama dengan luas daerah di bawah kurva normal sebesar 97,5. Hal ini berarti 97,5 dari seluruh nilai data adalah data yang normal atau jika data tersebut
bervariasi dari rata-ratanya, variasi tersebut masih dalam batas normal Santoso, 2002 : 26.
3.5.3. Uji Asumsi Klasik
Untuk mendukung keakuratan hasil model regresi, maka perlu dilakukan penelusuran terhadap asumsi klasik yang meliputi asumsi multikolinearitas,
heteroskedastisitas. Hasil dari asumsi klasik tersebut adalah sebagai berikut :
1. Multikolinearitas
Uji mutikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen Ghozali, 2001 :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
57. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Multikolinearitas dapat dilihat dari nilai toleransi dan nilai VIF. Toleransi mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan
oleh variabel bebas lainnya, jadi nilai toleransi yang rendah sama dengan nilai VIF tinggi karena VIF = 1toleransi dan mmenunjukkan adanya kolinearitas
yang tinggi. Nilai cut off yang umum dipakai adalah nilai toleransi 0.10 atau sama dengan nilai VIF di atas 10. Setiap peneliti harus menentukan tingkat
kolinearitas yang masih dia tolerir Ghozali, 2001 :57.
2. Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan
lainnya. Jika varians dari residual dari pengamatan ke pengamatan lain berbeda, maka disebut terdapat heteroskedastisitas. Identifikasi secara
statistik ada atau tidaknya gejala heteroskedastisitas dapat dilakukan dengan menghitung korelasi Rank Spearman Gujarati, 1998 : 188.
r
s
=
1 – 6
Keterangan : d
i
= Perbedaan dalam rank superman antara residual dengan variabel bebas N = Banyaknya data
NN2 ‐1
∑ d
i 2
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Jika nilai signifikansi koefisien korelasi Rank Spearman untuk semua variabel bebas terhadap residual lebih besar dari level of significant 0,05
maka tidak terdapat gejala heteroskedastisitas.
3. Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-
1
sebelumnya. Gujarati, 1995:201. Autokorelasi yaitu keadaan dimana kesalahan pengguna periode lain. Model regresi yang
baik adalah yang bebas dari autokorelasi Gujarati, 1995:201. Pendektesian autokorelasi dalam penelitian ini tidak dilakukan karena data yang digunakan
dalam penelitian ini adalah data yang tidak berdasarkan waktu urut time series
.
3.5.3 Regresi Linier Berganda
