24 Tabel 3. Klasifikasi Tabel Alpha George
r alpha Klasifikasi
0,9 Sempurna
0,8 Baik
0,7 Dapat Diterima
0,6 Dipertanyakan
0,5 Buruk
0,5 Tidak Dapat Diterima
sumber: George,2004
3.5.3 Mencari Distribusi Frekuensi pada Variabel Bebas X dan
Terikat Y Distribusi frekuensi digunakan untuk mengetahui frekuensi
penyebaran jawaban pada 15 butir soal variabel X dan 14 butir soal variabel Y, data yang diolah dan ditampilkan, dilengkapi dengan
persentase jawaban pada tiap-tiap butir soal yang dipilih responden mulai dari skor tertinggi 5 sampai dengan skor terendah 1.
Pengolahan data untuk mencari distribusi frekuensi tersebut menggunakan program Microsoft office Excel 2007.
Skala penilaian untuk menginterpretasikan penilaian dari responden terhadap pertanyaan yang diajukan adalah:
1,00 – 1,80 : Tidak Baik 1,81 – 2,60 : Kurang Baik
2,61 – 3,40 : Cukup Baik 3,41 – 4,20 : Baik
4,21 – 5,00 : Sangat Baik
3.5.4 Uji Asumsi Persyaratan Regresi Linear Berganda Menurut Singgih 1999, model regresi yang baik seharusnya tidak
terjadi korelasi diantara peubah bebas. Untuk menggunakan regresi linear berganda sebagai alat analisis perlu dilakukan uji persyaratan
terlebih dahulu. Salah satu asumsi model regresi linear berganda adalah tidak terdapat korelasi yang sempurna atau korelasi tidak
sempurna tetapi relative sangat tinggi pada variabel-variabel bebasnya. Dalam membuat suatu persamaan regresi linear berganda,
menurut Singgih 2009 diperlukan beberapa asumsi mendasar. Asumsi tersebut antara lain:
25
1 Uji Heterokedastisitas
Uji heterokedastisitas dimaksudkan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan ragam residual dari
satu pengamatan ke pengamatan lain. Jika ragam residual dari satu pengamatan ke pengamatan lain tetap, maka hal ini disebut dengan
homokedastisitas. Jika ragam berbeda, disebut keterokedastisitas. Model regresi yang baik adalah yang tidak terjadi heterokedastisitas
Singgih, 1999.
2 Uji Multikolinearitas
Kolinear ganda Multikolinierity merupakan hubungan linear yang sama kuat antara peubah-peubah bebas dalam persamaan regresi
berganda. Adanya kolinear berganda ini menyebabkan pendugaan koefisien menjadi tidak stabil
Chaterjee, 1977.
Uji asumsi mengenai multikolinearitas dimaksudkan untuk membuktikan atau menguji ada
tidaknya hubungan linear antara variabel bebas independen satu dengan variabel bebas lainnya. Adanya hubungan linear antara
variabel independen akan menimbulkan kesulitan dalam memisahkan pengaruh masing-masing variabel independen terhadap variabel
dependennya. Uji asumsi multikolinearitas menguji apakah ada model regresi ditemukan adanya korelasi antar peubah bebas. Jika terjadi
korelasi, maka terdapat multikolinearitas. Pendeteksian terjadinya suatu multikolinearitas dapat dilihat
pada hasil VIF Variance Inflation Factors. Nilai VIF diperoleh dari persamaan:
VIF =
2
1 1
j
R −
………………. 11 Keterangan:
2 j
R
:
Koefisien determinan dari regresi peubah bebas ke-j dengan semua peubah lainnya.
Nilai VIF yang lebih besar dari 10 menunjukkan bahwa peubah tersebut berkolinear ganda Myers, 1990. Menurut Jollite 1986,
adanya multikolinearitas akan mengakibatkan:
26 1. Pendugaan koefisien regresinya menjadi tidak nyata walaupun nilai
2 j
R nya tinggi. 2. Nilai-nilai dengan koefisien regresi menjadi sangat sensitive
terhadap perubahan data. 3. Dengan metode kuadrat terkecil, penduga koefisien regresi
mempunyai simpangan baku yang sangat besar.
3.5.5 Uji Normalitas
