- Jika nilai alpha 0,60, berarti pernyataan reliabel - Jika nilai alpha
≤ 0,60, berarti pernyataan tidak reliabel
3.5. Teknik Analisis Data 3.5.1. Deskripsi Data
Deskripsi data berguna untuk menguraikan gambaran data lapangan karakteristik responden secara deskriptif melalui hasil tabulasi data nominal.
Dari hasil tabulasi tersebut dapat diketahui proporsi jawaban responden atas sejumlah pertanyaan yang tercantum dalam kuesioner, sehingga dapat digunakan
sebagai gambaran awal tentang kondisi data tersebut.
3.5.2. Uji Asumsi Klasik
Persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan uji F dan uji t tidak boleh bias. Untuk
menghasilkan keputusan yang BLUE, maka harus dipenuhi diantara tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier, apabila ada salah satu dari
ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak dapat digunakan.
Uji asumsi klasik atau uji persyaratan hipotesis ini menggunakan uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi dan uji normlitas.
Asumsi klasik sependapatnya akan dapat memprediksikan adanya variable penggangu atau dapat dikatakan model tersebut memenuhi Best Linier Unbias
Estimated BLUE. Uji asumsi klasik sebagai persyaratan hipotesis, sehingga data
yang akan diuji sudah menunjukkan dapat yang valid dan reliable, karena hal
inilah uji klasik perlu dilakukan. Sebelum data dianalisis terlebih dahulu dilakukan uji multikolinearitas dan uji heterroskedastisitas untuk mendapatkan r
xy
hitung, F hitung, t hitung
1. Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi
yang baik seharusnya tidak terjadi korelasi antara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variaberl ini tidak
orthogonal . Variabel orthogonal adalah variabel bebas yang nilai korelasi
antar sesama variabel bebas sama dengan nol Ghozali, 2001 : 57. Menurut Santoso 2002 : 206, model regresi bebas dari
multikolinieritas bila: a VIF Variance Inflation Factor lebih kecil dari 10.
b Mempunyai angka tolerance mendekati 1.
2. Heteroskedastisitas
Pada regresi linier nilai residual tidak boleh ada hubungan dengan varibel X. Hal ini bisa diidentifikasi dengan cara menghitung Korelasi Rank
Spearman antara residual dengan seluruh variabel bebas. Menurut Santoso 2002 : 301, deteksi adanya heteroskedastisitas
adalah : 1. Nilai probabilitas 0,05, berarti bebas dari heteroskedastisitas.
2. Nilai probabilitas 0,05, berarti terkena heteroskedastisitas.
3. Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series bukan
data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1995:201. Jadi dalam model regresi linier diasumsikan tidak terdapat gejala
autokorelasi. Artinya nilai residual Y observasi – Y prediksi pada waktu ke –t e
t
tidak boleh ada hubungan dengan nilai residual periode sebelumnya e
t-1
. Identifikasi gejala autokorelasi dapat dilakukan dengan melihat kurva
pada tabel di bawah ini. Nilai tabel Durbin Watson dL dan dU dapat dicari dari tabel, dengan mengetahui nilai k = jumlah variabel bebas dan N = jumlah
data. Untuk mengetahui nilai dW tes berada di daerah mana dapat digunakan tabel berikut :
Tabel 3.2 Penentuan Nilai Durbin Watson
Kriteria DW tes berada di
Ada autokorelasi positif 0 dW dL
Tidak ada keputusan dL Dw dU
Tidak ada autokorelasi dU dW 4 – dU
Ada autokorelasi keputusan 4 – dU dW 4 – dL
Ada autokorelasi negative 4 – dL dW 4
Sumber : Gujarati, 1995: 423
4. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah dalam model regresi, data terdistribusi secara normal atau tidak. Salah satu cara melakukan uji
normalitas adalah dengan Kolmogorov-Smirnov Test. Tingkat kesalahan α yang ditetapkan adalah sebesar 0,05 α = 5. Penarikan kesimpulan
dilakukan dengan ketentuan sebagai berikut Ghozali, 2006 : 1. Jika nilai signifikansi 0,05, maka data terdistribusi secara
normal. 2. Jika nilai signifikansi 0,05, maka data tidak terdistribusi secara
normal
3.5.3. Regresi Linier Berganda
