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