53 b. Uji Reliabilitas
Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner
dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu Ghozali,
2013. Ghozali menyatakan bahwa pengukuran reliabilitas dapat
dilakukan dengan dua cara yaitu: 1 Repeated Measure atau pengukuran ulang: Disini seseorang akan
disodori pertanyaan yang sama pada waktu yang berbeda dan kemudian dilihat apakah ia tetap konsisten dengan jawabannya.
2 One Shot atau pengukuran sekali saja: Disini pengukurannya hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain
atau mengukur korelasi antar jawaban pertanyaan. Kriteria pengujian dilakukan dengan menggunakan pengujian
Cronbach Alpha α. Menurut Nunnally 1994 dalam Ghozali 2013,
suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha 0,70.
3. Uji Asumsi Klasik
Untuk melakukan uji asumsi klasik atas data primer ini, maka peneliti melakukan uji multikolonieritas, uji normalitas dan uji
heteroskedastisitas.
54 a. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas
independent. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling
berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama
variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolonieritas dalam model regresi dapat dilihat dari
besaran VIF Varian Inflation Factor dan tolerance. Regresi bebas dari multikolonieritas jika nilai VIF 10 dan nilai tolerance 0,10
Ghozali, 2013. b. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah di dalam model regresi variabel independen dan variabel dependen keduanya memiliki
distribusi normal atau mendekai normal. Model regresi yang baik adalah memiliki distribusi data yang normal atau mendekati normal.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisi grafik dan analisis data. Dalam
penelitian ini uji normalitas menggunakan Normal Probability Plot P-P Plot, grafik histogram, dan Kolmogrov Smirnov K-S.
Untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan melihat normal probability plot P-P Plot yang
55 membandingkan distribusi kumulatif dari distribusi normal. Suatu
variabel dikatakan normal jika gambar distribusi dengan titik-titik data yang menyebar di sekitar garis diagonal, dan penyebaran titik-titik
data searah mengikuti garis diagonal Santoso, 2004:212. Normalitas dapat dideteksi dengan melihat penyebaran data
titik pada sumbu diagonal dari grafik. Jika data titik menyebar maka menunjukkan pola distribusi normal yang mengindikasikan
bahwa model regresi memenuhi asumsi normalitas. Jika data titik menyebar menjauh dari garis diagonal, maka tidak menunjukkan pola
distribusi normal yang mengindikasikan bahwa model regresi tidak memenuhi asumsi normalitas Ghozali, 2013.
Uji Kolmogrov Smirnov merupakan uji statistik untuk mendeteksi normalitas data dengan cara menentukan terlebih dahulu
hipotesis pengujian yaitu: hipotesis nol H untuk data terdistribusi
secara normal, dan hipotesis alternatif Ha untuk data yang tidak terdistribusi secara normal. Jika nilai Aymp-Sign 2-tailed
≥ 5 maka data berdistribusi normal Ghozali, 2013.
c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam suatu
model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu
pengamatan ke pengamaan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
56 regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas Ghozali, 2013. Dalam penelitian ini, uji
heteroskedastisitas menggunakan scatterplot. Pada gambar scatterplot, jika titik-titik menyebar merata di atas
dan di bawah atau sekitar angka nol, maka tidak terjadi heterokedastisitas. Sedangkan jika titik-titik data membentuk pola
bergelombang melebar kemudian menyempit atau mengumpul di suatu titik maka telah terjadi heterokedastisitas Ghozali, 2013. Dasar
pengembilan keputusan adalah sebagai berikut: 1 Jika ada pola tertentu seperti titik-titik point-point yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heterokedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas Ghozali, 2013.
4. Uji Hipotesis
