F. Metode dan Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah dengan uji asumsi klasik dan pengujian hipotesis. Sebelum dilakukan pengujian hipotesis
dilakukan pengujian asumsi klasik untuk keperluan analisis data tersebut. Analisis data dilakukan dengan bantuan perangkat lunak SPSS 17 for windows.
1. Pengujian Asumsi Klasik
Untuk memperoleh model regresi yang memberikan hasil Best Linear Unbiased Estimator BLUE, model tersebut perlu diuji asumsi klasik dengan
metode Ordinary Least Square OLS atau pangkat kuadrat terkecil biasa. Model regresi dikatakan BLUE apabila tidak terdapat Autokorelasi, Multikolinearitas,
Heteroskedastisitas, dan Normalitas lestari: 2010. Berikut ini penjelasan mengenai uji asumsi klasik yang akan dilakukan.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2005.
Model regresi yang paling baik memiliki distribusi data normal atau mendekati normal. normalitas dapat dideteksi dengan alat analisis grafik
berupa PP Plot dan uji Kolmogorov Smirnov dengan melihat penyebaran data pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai
signifikan reidualnya. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola
distribusi normal, maka model regresi memenuhi asumsi normalitas. Pedoman pengambilan keputusan yaitu:
Universitas Sumatera Utara
1 apabila nilai signifikasi atau probabilitas 0,05 , maka distribusi data
normal 2
apabila nilai signifikasi atau probabilitas 0,05 . maka distribusi data tidak normal
b. Uji Multikolinearitas
Pengujian ini bertujuan untuk meneliti apakah pada model regresi ditentukan adanya korelasi antar variabel independen. Model regresi yang
sahih valid adalah model regresi yang bebas dari multikolinearitas atau tidak terjadi korelasi antara variabel bebasnya Ghozali, 2005. Jika terjadi relasi
berarti terjadi masalah multikolinearitas. Multikolinearitas terjadi ketika variabel independen yang ada dalam metode berkorelasi satu sama lain, ketika
korelasi antar variabel independen sangat tinggi maka sulit untuk memisahkan pengaruh masing-masing variabel independen terhadap variabel dependen.
Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari:
1 nilai tolerance dan lawannya, dan
2 variance Inflation Factor VIF
Kedua ukuran ini menunjukkan variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Nilai cutoff yang umum untuk menunjukkan adanya multikolineraitas
adalah nilai tolerance 10 persen dan VIF 10. Cara yang dapat dilakukan untuk menanggulangi jika terjadi multikolinearitas adalah dengan
Universitas Sumatera Utara
mengeluarkan salah satu variabel bebas yang memiliki kolerasi tinggi dari model regresi dan identifikasi variabel lainnya untuk membantu prediksi.
c. Uji Autokorelasi
Kategori