multikol apabila nilai VIF di sekitar angka 10 Santoso, 2002:75. Apabila nilai VIF 10, dapat diartikan tidak terjadi multikolinier dan apabila nilai VIF 10
maka terjadi multikolinearitas. Semakin tinggi VIF, semakin besar peluang untuk terjadinya multikolinieritas antar variabel independen.
3.5.2.3 Uji Normalitas Data
Salah satu asumsi penggunaan statistik parametrik adalah asumsi multivariate normality. Asumsi tersebut merupakan asumsi bahwa setiap variabel
dan kombinasi linier dari variabel berdistribusi normal. Uji normalitas data dapat dilakukan dalam penelitian ini adalah dengan menggunakan uji Kolmogorov-
Smirnov dengan signifikansi 0,05 atau 5. Menurut Santoso 2002:102, apabila nilai probabilitas signifikansi di atas 0,05, maka data telah berdistribusi normal.
SD X
X Z
i
Z = nilai Kolmogorov-Smirnov Xi = data input
X
= data rata-rata SD = standar deviasi
3.5.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah kesalahan penganggu mempunyai varians yang sama dari masing-masing variabel bebas.
Untuk mengetahui ada tidaknya heteroskedatisitas dalam model regresi digunakan uji Gletser dengan cara meregresikan variabel bebas dengan residual kuadrat
sebagai variabel terikat Gujarati, 2000:438. Langkah-langkah uji Gletser sebagai berikut :
1 melakukan regresi terikat Y terhadap semua variabel penjelas Xi dan memperoleh nilai residual |e|;
2 melakukan regresi dari nilai absolut residual |e| terhadap Xi yang mempunyai hubungan erat dengan
δ²µ menggunakan bentuk regresi sebagai berikut :
|e| =
+
1
X
1
+ µ
1
3 menentukan ada tidaknya heteroskedastisitas dalam uji statistik untuk menguji hipotesis :
H :
1
= 0 dan H
1
:
1
0 Kriteria pengujian:
1 apabila probabilitas t-hitung ≥ α 5, maka Ho diterima dan Ha ditolak
sehingga tidak terjadi heteroskedastisitas; 2 apabila probabilitas t-hitung
α 5, maka Ho ditolak dan Ha diterima, sehingga terjadi heteroskedastisitas.
3.5.3 Analisis Faktor
Analisis yang digunakan untuk hipotesis kedua yaitu dengan menggunakan analisis faktor. Analisis faktor merupakan salah satu metode yang
digunakan pada statistik multivariate. Tujuan utamanya adalah data reduction dan summarization Hair et al, 1992. Analisis faktor pada prinsipnya digunakan
untuk mereduksi data, yaitu proses untuk meringkas sejumlah variabel menjadi lebih sedikit dan menamakannya sebagai faktor Santoso dan Fandy, 2004.
Jumlah faktor yang akan diuji yaitu sejumlah Menurut Santoso 2003 proses analisis faktor mencoba menemukan hubungan interrelationship antar sejumlah
variabel-variabel yang saling independen satu dengan yang lain sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah
variabel awal. Ada beberapa tahap yang harus dilakukan dalam analis faktor: 1. Menilai mana saja variabel yang dianggap layak untuk dimasukkan dalam
analisis selanjutnya. Pengujian ini dilakukan dengan memasukkan semua variabel yang ada, kemudian pada variabel-variabel tersebut dikenakan
sejumlah pengujian. Kelayakan tersebut dilihat dari nilai anti image correlation, jika nilai anti image correlation lebih besar dari 0,5 maka
variabel tersebut dapat diikutsertakan dalam model, tetapi jika dibawah 0,5 maka harus dikeluarkan dari model. Pemilihan variabel ini dilakukan sampai
semua variabel memiliki nilai dari anti image correlation diatas 0,5. Nilai KMO Kaiser-Meyer-Olki
and Bartlett’s Test dapat dilihat dengan menyususn rumus dan hipotesis sebagai berikut: