F. Metode Analisis Data
1. Statistik deskriptif
Statistik deskriptif didefinisikan merupakan suatu metode dalam mengorganisis dan menganalisis data kuantitatif, sehingga diperoleh gambaran
yang teratur mengenai suatu kegiatan. Ukuran yang digunakan dalam deskripsi antara lain: frekuensi, tendensi sentral mean, median dan modus, dispersi
standar deviasi dan varian dan koefisien korelasi antara variabel penelitian. Ukuran yang digunakan dalam statistik deskriptif tergantung pada tipe skala
pengukuran construct yang digunakan dalam penelitian Ghozali, 2005.
2. Uji asumsi klasik
Karena data yang digunakan adalah data sekunder, maka untuk menentukan ketepatan model perlu dilakukan pengujian atas beberapa asumsi
klasik yang mendasari model regresi. Penyimpangan asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, multikolinieritas,
heteroskedastisitas dan autokorelasi.
a. Uji normalitas
Pengujian ini dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Adapun uji
normalitas dapat dilakukan dengan dua cara yaitu analisis grafik dan statistik.
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi
normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah
Universitas Sumatera Utara
data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05
maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal.
b. Uji multikolinieritas
Pengujian multikolinieritas ini berguna untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk mendeteksi ada atau tidaknya multikolinieritas dalam model regresi adalah dengan menganalisis
matrik korelasi variabel-variabel bebas. Untuk menguji ada tidaknya
multikolinearitas, dapat dilakukan dengan cara:
1 nilai R
2
pada estimasi model regresi, 2 menganalisis matrik korelasi variabel – variabel independen,
3 menggunakan variance inflation factor dan nilai tolerance. Multikolinearitas
terjadi jika VIF lebih besar dari 10 dan nilai tolerance lebih kecil dari 0,10. c.
Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
Universitas Sumatera Utara
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t – 1 sebelumnya. Autokorelasi muncul karena
observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Untuk mendeteksi ada tidaknya autokorelasi dilakukan dengan menggunakan uji Durbin-
Watson DW-Test.
Tabel 3.2 Pengambilan Keputusan Uji
Durbin-Watson DW-Test Hipotesis Nol
Keputusan Jika
Tidak ada auto korelasi positif Tolak
0 d dl Tidak ada auto korelasi positif
No Decision dl d du
Tidak ada korelasi negatif Tolak
4 - dl d 4 Tidak ada korelasi negatif
No Decision 4 - du d 4 – dl
Tidak ada autokorelasi positif atau negatif Tidak ditolak
du d 4 – du
d. Uji heteroskedastisitas