61 Uji signifikasi dilakukan dengan membandingkan nilai r hitung dengan r tabel.
Jika r hitung lebih besar dibandingkan r tabel dan nilai positif maka butir pertanyaan atau indikator tersebut valid.
Selain dengan cara diatas, untuk menguji signifikansi dapat juga dengan membandingkan t hitung dengan t tabel. Jika t hitung lebih besar daripada t
tabel, maka r memang memiliki korelasi positif. 2. Melakukan korelasi bivariate antara masing-masing skor indikator dengan
total skor konstruk Jika korelasi antara masing-masing indikator terhadap total skor konstruk
menunjukkan hasil signifikan, maka dapat disimpukan bahwa masing-masing indikator adalah valid.
3.6.2. Pengujian Terhadap Penyimpangan Asumsi Klasik
Penggunaan kriteria ini dalam pengujian hipotesis adalah untuk memutuskan sejauh mana model estimasi mempunyai sifat- sifat yang tidak biasa,
efisien, dan konsisten. Sifat-sifat ini akan terpenuhi apabila model estimasi memenuhi asumsi-asumsi yang diisyaratkan dalam model regresi linier klasik,
dimana antara lain tidak ada gejala multikolineritas, heteroskedastisitas, dan normalitas.
3.6.2.1. Uji Multikolinearitas
Pada mulanya multikolinearitas berarti adanya hubungan linier yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan
model regresi. Istilah multikolineritas berkenaan dengan terdapatnya lebih dari satu hubungan linier pasti, dan istilah kolinearitas dengan derajatnya satu
62 hubungan linier.
Uji ini sendiri bertujuan untuk menguji apakah terdapat korelasi antar variabel bebas dalam suatu model regresi. Multikolinearitas pada suatu
model regresi dapat dideteksi dengan Ghozali, 2006: 91: a. Nilai R2 yang dihasilkan dalam model regresi sangat tinggi, akan tetapi
secara individu variabel bebas banyak yang tidak signifikan dalam mempengaruhi variabel terikat.
b. Manganalisis matrik korelasi variabel bebas. Jika antar variabel bebas memiliki korelasi yang tinggi di atas 0,90, namun jika suatu model
regresi tidak memiliki korelasi antar variabel bebas yang tinggi bukan berarti model tersebut bebas dari melihat besaran VIF Variance Inflation
Factor dan tolerance. Jika suatu model mempunyai nilai tolerance kurang dari 0,10 atau nilai VIF lebih besar dari 10 maka mengindikasikan
pada model tersebut terdapat multikolinearitas. c. Mendeteksi multikolinearitas dengan menggunakan cara regresi parsial.
Jika R
2
pada persamaan regresi parsial antar variabel bebas lebih besar daripada R
2
model utama maka di dalam regresi parsial tersebut terdapat multikolinearitas.
d. Deteksi adanya multikolinearitas dapat pula dilakukan dengan mencari F hitung. Apabila F hitung lebih besar daripada F tabel, maka variabel bebas
berkorelasi dengan variabel bebas lainnya terjadi multikolinearitas Cara lain yang dapat digunakan untuk mendeteksi adanya multikolinearitas
adalah dengan menggunakan cara regresi parsial. Cara ini diperoleh
63 dibandingkan dengan nilai R
2
pada regresi model utama. Jika R
2
lebih besar daripada nilai R
2
pada model utama maka dalam regresi parsial tersebut terdapat multikolinearitas.
3.6.2.2. Heteroskedastisitas