54
3.7 Teknik Analisis Data
Alat analisis yang digunakan dalam penelitian ini adalah menggunakan analisis regresi linier berganda. Pengujian ini dilakukan dengan menggunakan software
SPSS versi 16. Berikut ini dijelaskan tahapan-tahapan pengujian dalam penelitian ini:
3.7.1 Analisis Statistik Deskriptif
Statistik deskriptif descriptive statistic memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar
deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness Ghozali, 2006: 29. Statistik deskriptif dimaksudkan untuk memberikan
gambaran mengenai distribusi dan perilaku data sampel tersebut.
3.7.2 Uji Asumsi Klasik
Untuk mengetahui apakah model regresi yang diperoleh dapat menghasilkan estimator linier yang BLUE Best Linear Unbiased Estimator perlu
dilakukan uji asumsi klasik. Dalam uji asumsi klasik ini model analisis yang digunakan akan menghasilkan estimator yang tidak bias apabila memenuhi
beberapa asumsi klasik sebagai berikut:
1.7.2.1 Uji Normalitas
Menurut Ghozali, 2006: 110 Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu
atau residual memiliki distribusi normal. Seperti diketahui bahwa
Universitas Sumatera Utara
55 uji T dan F mengasumsikan baha nilai residual mengikuti distribusi
normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Untuk menguji
normalitas peneliti
menggunakan pendekatan grafik berupa histogram dan P-Plot serta uji
Kolmogorov Smirnov . Kriteria pengujian yang digunakan adalah
nilai p-value, apabila nilai p-value0,05, maka dapat dinyatakan bahwa data berdistribusi normal, dan apabila jika p-value0,05
maka dapat dinyatakan bahwa data tidak berdistribusi normal.
1.7.2.2 Uji Multikolinearitas
Menurut Ghozali, 2006: 91 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi
antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen
yang nilai korelasi antar sesame variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinearitas di
dalam model regresi adalah sebagai berikut: a.
Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-
variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
Universitas Sumatera Utara
56 b.
Menganalisis matrik
korelasi varariabel-variabel
independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 90, maka hal ini
merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti
bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih
variabel independen. c.
Multikolinearitas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua
ukuran ini menunjukkan setiap variabel independen mankah yang dijelaskan oleh variabel independen lainnya.
Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen dan diregress terhadap variabel
independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan
oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF =
1Tolerance. Nilai cut off yang umum dipaki untuk menunjukkjan adanya multikolinearitas adalah nilai
Tolera nce 0,10 atau sama dengan nilai VIF10.
Universitas Sumatera Utara
57
3.7.2.3 Uji Heteroskedastisitas