3.6 Metode Analis Data
Metode analisi digunakan untuk mendapatkan hasil yang pasti dalam mengolah data sehingga dapat dipertanggungjawabkan. Setelah data dikumpulkan,
maka dilakukanlah analisis dari data tersebut. Data tersebut diolah dan diinterpretasikan untuk memperoleh hasil yang yang lebih rinci dalam menjawab
permasalahan yang timbul dalam penelitian ini. Adapun analisis yang digunakan dalam penelitian ini adalah :
3.6.1 Pengujian Asumsi Klasik
Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji autokorelasi, uji multikolinearitas, dan uji
heteroskedastisitas.
3.6.1.1 Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variable pengganggu atau residual distribusi normal.
Uji normalitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen.
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Uji ini biasanya digunakan untuk mengukur data berskala ordinal, interval, ataupun rasio. Untuk meningkatkan hasil
uji normalitas data, maka peneliti menggunakan uji Kolmogorov- Smirnov. Dari uji ini dapat dilihat :
Universitas Sumatera Utara
1. Nilai Sig. atau signifikansi atau probabilitas 0,05 maka distribusi data tidak normal
2. Nilai Sig. atau signifikansi atau probabilitas 0,05 maka distribusi data normal
3.6.1.2 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Multikolinearitas adalah situasi adanya
korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Pengujian multikolinearitas dilakukan dengan
melihat nilai VIF dan nilai tolerance di antara variabel independen, dengan ketentuan sebagai berikut :
1. Jika nilai VIF lebih kecil dari 10 maka menunjukkan tidak adanya multikolinieritas di antara variabel independen.
2. Nilai tolerance lebih besar dari 0,10 menunjukkan tidak adanya multikolinearitas di antara variabel independen.
3.7.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan lain. Jika varian dari residual satu
Universitas Sumatera Utara
pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Deteksi adanya heteroskedastisitas, yaitu dengan melihat
ada tidaknya pola tertentu pada grafik scatterplot. Dasar pengambilan keputusan yang dilakukan adalah dengan melihat pola
yang dibentuk oleh titik-titik yang terdapat pada grafik scatterplot. 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
3.6.1.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1. Uji autokorelasi ini menguji apakah dalam suatu model regresi linier ada korelasi
antara kesalahan penggangu pada periode t dengan kesalahan pada periode t-1 ataupun sebelumya. Autokorelasi ini muncul karena
Universitas Sumatera Utara
observasi yang berurutan sepanjang waktu berkaitan satu sama lain.
Pengambilan keputusan ada tidaknya autokolerasi adalah sebagai berikut:
1 Bila nilai Durbin-Watson DW terletak antara batas atas atau Upper Bound DU da 4-DU, maka koefisien autokorelasi sama
dengan nol berarti tidak ada autokorelasi. 2 Bila nilai DW lebih rendah dari pada batas bawah atau Lower
Bound DL, maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positip.
3 Bila nilai DW lebih besar dari pada 4-DL, maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi
negatif. 4 Bila nilai DW terletak diantara batas atas DU dan batas bawah
DL atau DW terletak antara 4-DU dan 4-DL, maka hasilnya tidak dapat disimpulkan.
3.6.2 Pengujian Hipotesis
Kategori