41
D. Metode Analisis Data
1. Analisis Statistik Deskriptif
Statistik deskriptif merupakan proses transformasi data penelit ia n dalam bentuk tabulasi sehingga mudah dipahami dan diinterpretasika n.
Tabulasi menyajikan ringkasan, pengaturan atau penyusunan data dalam bentuk tabel numerik dan grafik Indriantoro dan Bambang, 2002.
Statistik deskriptif memberi gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, minimum, maksimum dan standar
deviasi, varian, sum, range, kurtosis dan skewness kemencenga n distribusi Ghozali, 2013
2. Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk memastikan bahwa sampel yang diteliti terbebas dari gangguan multikolonieritas, normalitas, autokorelas i,
dan heteroskedastisitas. a. Uji Multikolineraritas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas
independen. Jika ada korelasi yang tinggi di antara variabel-variabe l bebasnya, maka hubungan antara variabel bebas terhadap variabel
terikatnya menjadi terganggu. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Ghozali 2013
42 menjelaskan
cara untuk
mendeteksi ada
atau tidaknya
multiokolinieritas di dalam model regresi, yaitu: 1 Menganalisis matrik korelasi variabel-variabel independen. Jika
antar variabel ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini mengindikasikan adanya multikolinearitas.
2 Multikolinearitas dapat dilihat dari nilai Tolerance dan lawannya yaitu Variance Inflation Factor VIF. Nilai Tolerance yang
rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan
nilai VI F ≥ 10. Regresi bebas dari masalah multikolinearitas jika
nilai Tolerance 0,10 atau sama dengan niai VIF 10 Ghozali, 2013.
b. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nila i
residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ghozali,
2013. Dalam penelitian
ini, uji normalitas
dilakukan dengan
menggunakan analisis grafik dan uji statistik. Analisis grafik dapat dilakukan dengan melihat grafik histogram dan normal probability
43 plot Normal P-P Plot. Distribusi normal akan membentuk satu garis
diagonalnya. Sedangkan, uji statistik yang digunakan adalah uji statistik
non-parametrik Kolmogorov-Smirnov
K-S. Jika uji Kolmogorov-Smirnov menunjukkan hasil yang signifikan berarti data
residual terdistribusi tidak normal Ghozali, 2013. c. Uji Heteroskesdastisitas
Uji heteroskesdastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamata n
ke pengamatan yang lain. Jika variance dari residual satu pengamata n ke pengamatan yang lain tetap, maka disebut homoskesdastisitas dan
jika berbeda disebut heteroskesdastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskesdastisitas.
Deteksi ada atau tidaknya heteroskesdastisitas dapat dilihat dengan ada tidaknya pola tertentu pada grafik scatterplot. Jika ada pola
tertentu maka mengindikasikan telah terjadi heteroskesdastisita s. Tetapi, jika tidak ada pola yang jelas serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskesdastisitas Ghozali, 2013.
d. Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalm model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
44 korelasi, maka dinamakan ada problem autokorelasi. Autokorelas i
muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan
pengganggu tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Salah satu cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah uji statistik non-parametrik Run Test. Jika
uji Run Test menunjukkan hasil yang signifikan berarti residual tidak random atau terjadi autokorelasi antar nilai residual.
3. Koefisien Determinasi Adj R
Kategori