Uji Asumsi Klasik a. Uji Normalitas Data

46

D. Metode Analisis Data

Metode analisis data penelitian ini menggunakan perhitungan statistik dengan penerapan SPSS Statistical Product and Service Solution for windows 22. Setelah data yang dibutuhkan penelitian ini telah diperoleh, selanjutnya dilakukan analisis data penelitian, terdiri dari metode analisis statistik deskriptif, uji asumsi klasik, koefisien determinasi dan uji hipotesis. Penjelasan mengenai metode analisis data tersebut adalah sebagai berikut: 1. Statistik Deskriptif Statistik deskriptif adalah statistik yang memberikan gambaran atau deskripsi suatu data yang dilihat dari rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, skewness kemencengan distribusi Ghozali, 2013.

2. Uji Asumsi Klasik a. Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan analisis statistik. 47 1 Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan data distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013. 2 Analisis Statistik Uji normalitas dengan grafik akan menyesatkan apabila tidak berhati-hati secara visual terlihat normal, namun secara statistik bisa sebaliknya. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non- parametrik Kolmogorov-Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis Ghozali, 2013, yaitu: H : Data residual berdistribusi normal H A : Data residual tidak berdistribusi normal 48 Jika signifikansi 0,05 berarti data yang akan diuji mempunyai perbedaan signifikan dengan data normal baku, berarti data tersebut tidak normal atau H ditolak.

b. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel – variabel disebut tidak ortogonal. Variabel ortogonal adalah variabel independen yang memiliki nilai korelasi antar variabel independen sama dengan nol Ghozali, 2013. Terdapat beberapa cara untuk mendeteksi ada atau tidaknya multikolinearitas. Dalam penelitian ini, multikolinearitas dideteksi dengan cara melihat nilai tolerance dan variance inflation factor VIF. Nilai tolerance dan variance inflation factor VIF menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana, setiap variabel independen menjadi variabel dependen dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah 49 nilai tolerance 0,10 atau sama dengan nilai VIF 10. Setiap peneliti harus menentukan tingkat multikolinearitas yang masih dapat ditolerir.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya heteroskedastisitas dapat dilihat dengan ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Dasar analisis uji heteroskedastisitas ialah jika ada pola tertentu maka mengindikasikan telah terjadi heteroskedastisitas. Tetapi jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2013. Analisis dengan grafik plot memiliki kelemahan yang cukup signifikan, karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah pengamatan semakin sulit 50 menginterpretasikan hasil grafik plot. Oleh sebab itu, diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil Ghozali, 2013. Ada beberapa uji statistik yang dapat digunakan untuk mendeteksi ada atau tidaknya heteroskedastisitas. Dalam penelitian ini digunakan uji glejser untuk menguji heteroskedastisitas secara statistik. Dasar analisis uji glejser ialah jika variabel independen secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas.

d. Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi 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 Ghozali, 2013. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi Ghozali, 2013. Dalam penelitian ini, pendeteksian uji autokorelasi yang digunakan ialah Run Test dengan ketentuan probabilitas lebih besar dari signifikansi 0,05. Run Test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika 51 antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random Ghozali, 2013.

3. Koefisien Determinasi R