46
ingin mengukur apakah pertanyaan dalam kuesioner sudah benar dapat mengukur apa yang hendak kita ukur.
b. Uji Realibilitas Uji reliabilitas merupakan alat untuk mengukur suatu
kuesioner yang merupakan indikator dari variabel. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang
terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu Ghozali, 2012:47. Suatu variabel dikatakan reliabel jika
memberikan nilai Cronbach Alpha 0,60 Ghozali, 2012:48. Reliabilitas suatu instrumen dapat diterima jika memiliki koefisien
Cronbach Alpha minimal 0,60 yang berarti bahwa instrumen tersebut dapat digunakan sebagai pengumpul data yang handal
yaitu hasil pengukuran relatif konsisten jika dilakukan penelitian atau pengukuran ulang.
2. Uji Asumsi Klasik
a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel penganggu atau residual memiliki distribusi normal. Data yang baik dan layak dalam penelitian adalah memiliki distribusi
normal. Normalitas data dapat dilihat dengan beberapa cara, diantaranya yaitu dengan melihat kurva normal probability plot. Normalitas dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik. Jika data titik menyebar disekitar garis diagonal dan
47
mengikuti arah garis diagonal, maka menunjukan pola distribusi normal yang mengindikasikan bahwa model regresi memenuhi asumsi
normalitas. Jika data titik menyebar jauh dari garis diagonal, maka tidak menunjukan pola distribusi normal yang mengindikasikan bahwa
model regresi tidak memenuhi asumsi normalitas Ghozali, 2012:160. b. Uji Multikolinearitas
Menurut Ghozali 2012: 105 Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adakah variabel independen yang
memiliki nilai korelasi antar sesama variabel independen sama dengan nol.
Untuk mendeteksi ada atau tidaknya multikolinearitas didalam model regresi adalah sebagai berikut:
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi sacara individual variabel-variabel independen
banyak yang tidak signifikan mempengaruhi variabel dependen. 2 Menganalisis matriks korelasi variabel-variabel independen. Jika
antar variabel ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinearitas.
Tidak adanya korelasi yang tinggi antar variabel independen tidak
48
berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel
independen. 3 Multikolinearitas dapat juga dilihat dari nilai Tolerance dan
lawannya Variance Inflation Factor VIF. Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan
oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen terpilih yang dijelaskan oleh variabel
independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai cut off yang
umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai Tolerance
≥ 0,10 atau sama dengan nilai VIF ≤ 10. Setiap peneliti harus menentukan tingkat kolinearitas yang masih dapat
ditolerir. Sebagai misal nilai Tolerance = 0,10 sama dengan tingkat kolinearitas 0,95. Walaupun multikolinearitas dapat dideteksi
dengan nilai Tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel mana sajakah yang saling berkolerasi.
c. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan dari residual satu pengamatan ke pengamatan lain. Jika Variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah
49
yang homoskedastisitas atau tidak
terjadi heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskedastisitas
karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan besar.
Salah satu
cara untuk
mendeteksi ada
atau tidaknya
heteroskedastisitas adalah dengan melihat pada grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya
SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot
antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual Y prediksi
– Y sesungguhnya yang telah di-studentized. Dengan analisis jika ada pola tertentu, seperti
titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas dan jika tidak ada pola yang jelas, serta tistik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka
tidak terjadi heteroskedastisitas Ghozali, 2012:139.
3. Analisis Regresi Berganda