Jenis dan Sumber Data Teknik Pengumpulan Data

Tabel 3.1 Ukuran Validitas No Ukuran Validitas Nilai yang disyaratkan 1 Kaiser-Meyer-Olkin Measure of Sampling Adequncy KMO MSA adalah variabel yang merupakan variansi umum common variance, yakni variansi yang disebabkan oleh faktor-faktor dalam penulisan Nilai KMO di atas 0,5 menunjukkan bahwa faktor analisis dapat digunakan. 2 Barlett’s Test of Sphericity Hal ini mengindikasikan bahwa matriks korelasi adalah matriks identitas, yang mengindikasikan bahwa variabel-variabel dalam faktor bersifat related atau unrelated. Nilai yang kurang dari 0,05 menunjukkan hubungan yang signifikan antar variabel, merupakan nilai yang diharapkan. 3 Anti Imaging Matrices Setiap nilai pada kolom diagonal matriks korelasi anti-image menunjukkan measure of sampling adequancy dari masing-masing indikator. Nilai diagonal anti-image correlation matriks di atas 0,5 menunjukkan variabel sesuai dengan struktur variabel lainnya di dalam faktor tersebut. 4 Total Variances Explained Nilai pada kolom “Cummulative ” menunjukkan persentase variansi yang disebabkan oleh keseluruhan faktor. Nilai “Cummulative ” harus lebih dari 60 5 Factor Loading of Component Matrix Nilai Factor Loading dari variabel- variabel komponen faktor. Nilai Factor Loading lebih besar atau sama dengan 0,50 Sumber: JF Hair, Anderson RE, Tatham RL, Black WC. Multivariate Data Analysis. 7 th Ed. New Jersey: Pearson Prentice Hall, 2008 h. 102 b Uji Reliabilitas Reliabilitas adalah hasil pengukuran yang dapat dipercaya. 62 Pengukuran uji reabilitas instrument dilakukan menggunakan metode Cronbach Alpha yang diukur berdasarkan skala 0 sampai 1. Jika skala itu dikelompokkan kedalam lima kelas, maka ukuran kemantapan dapat diinterpretasikan sebagai berikut:  Nilai Cronbach Alpha 0.00 – 0.20 berarti kurang reliable  Nilai Cronbach Alpha 0.21 – 0.40 berarti agak reliabel  Nilai Cronbach Alpha 0.41 – 0.60 berarti cukup reliabel  Nilai Cronbach Alpha 0.61 – 0.80 berarti reliabel  Nilai Cronbach Alpha 0.81 – 1.00 berarti sangat reliable

2. Uji Asumsi Klasik

63 Uji asumsi klasik dilakukan untuk menguji apakah model persamaan yang digunakan bersifat BLUE Best Linear Unbiased Estimator atau tidak. Oleh karena itu, maka dilakukan pengujian: a Uji Normalitas Uji normalitas yang dilakukan dalam data penulisan ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S. Uji K-S dengan arti jika signifikansi 0.05 berarti data yang akan diuji mempunyai perbedaan signifikan dengan data normal baku, berarti data tersebut tidak normal. 62 Ibid. 2009. h. 97 63 Imam Ghozali. “Aplikasi Analisis dengan Program SPSS”. Jakarta: Salemba Empat, 2009 b Uji Heterokedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam suatu model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Uji heterokedastisitas dapat dilihat dengan menggunakan grafik plot antara nilai prediksi variabel terikat ZPRED dengan residual SRESID. Jika grafik plot menunjukkan suatu pola titik yang bergelombang atau melebar kemudian menyempit, maka dapat disimpulkan bahwa telah terjadi heterokedastisitas. Tetapi jika grafik plot tidak membentuk pola yang jelas, maka tidak terjadi heterokedastisitas. c Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Uji multikolinearitas dilihat dari nilai tolerance dan Variance Inflantion Factor VIF. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinearitas. Suatu model regresi dapat dikatakan bebas multikolinearitas jika mempunyai nilai tolerance 0.1 dan nilai VIF 10.

3. Uji Regresi Linear Berganda

Pengujian selanjutnya adalah analisis regresi linear yang digunakan untuk menganalisis hubungan sosiatif antara sebuah variabel dependen dengan satu atau lebih variabel independen. 64 Analisis regresi linear berganda memiliki persamaan: Y = a + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + e 64 M Nasir. op.cit. h. 169