digunakan dalam penelitian ini adalah kompas, antaranews, republika online,
detik.com, walhi nasional , dan liputan media yang berasal dari web. 3. 5.
Metode Analisis Data
Metode analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah statistik deskriptif, uji asumsi klasik, regresi berganda, dan uji hipotesis
goodness of fit.
3.5.1. Analisis Statistik Deskriptif
Statistik deskriptif merupakan teknik deskriptif yang memberikan gambaran atau informasi data dan tidak bermaksud untuk menguji hipotesis. Analisis ini hanya
bertujuan untuk menganalisis data disertai dengan perhitungan agar dapat memperjelas karakteristik data yang bersangkutan. Statistik deskriptif menunjukkan
jumlah sampel, nilai minimum, nilai maksimum, nilai rata-rata mean, dan standar deviasi . Nilai minimum digunakan untuk mengetahui jumlah terkecil dari data yang
bersangkutan. Nilai maksimum digunakan untuk mengetahui jumlah terbesar dari data yang bersangkutan. Nilai rata-rata mean digunakan untuk mengetahui nilai
rata-rata dari data yang bersangkutan. Standar deviasi digunakan untuk mengetahui seberapa besar data yang bersangkutan bervariasi dari rata-rata.
3.5.2. Uji Asumsi Klasik
Data dalam penelitian ini akan diuji terlebih dahulu untuk memenuhi uji asumsi klasik sebelum dilakukannya pengujian hipotesis. Uji asumsi klasik dilakukan
untuk menjadikan model regresi dapat digunakan untuk keperluan estimasi serta
mengurangi bias data. Uji asumsi klasik yang dilakukan meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t
dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Pengujian normalitas data dalam penelitian ini menggunakan analisis grafik dan uji kolmogrov-smirnov. Pengujian normalitas melalui analisis grafik adalah
dengan cara menganalisis grafik normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu
garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Data dapat dikatakan normal jika data atau titik-titik tersebar disekitar garis
diagonal dan penyebarannya mengikuti garis diagonal . Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu
diagonal grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan:
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data meyebar lebih jauh dari diagonal dan atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Metode grafik ini memiliki kelemahan yaitu pengamatan visual dari grafik tersebut terakadang menyesatkan. Oleh sebab itu dianjurkan untuk melakukan uji
normalitas secara statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogrov-Smirnov K-S.
Jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan di atas 0,05 maka data residual terdistribusi dengan normal. Sedangkan jika hasil Kolmogrov-Smirnov
menunjukkan nilai signifikan di bawah 0,05 maka data residual terdistribusi tidak normal.
2. Uji Multikolineritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen yang satu dengan yang
lainnya. 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 sesama variabel sama dengan nol.
Gejala multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance. Nilai cut off yang umum dipakai untuk
menunjukkan adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan VIF 10. Jadi dikatakan tidak terjadi multikolonieritas apanila nilai tolerance
0,10 dan nilai VIF 10. 3.
Uji Heteroskedatisitas Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari pengamatan satu ke pengamatan yang lain tetap, maka disebut
homoskedastisitas. Jika tidak maka disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali
2013. Salah satu cara mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan menggunakan Uji Park. Uji ini dapat mendeteksi adanya heteroskedastisitas
dengan cara melihat signifikansi masing-masing variabel. Jika variabel independen signifikan secara statistik 0,05, dapat disimpulkan bahwa dalam data model
empiris terdapat heteroskedastisitas. Begitu juga sebaliknya. Selain uji park cara mendeteksi adanya heteroskedastisitas juga dapat dilakukan
dengan melihat grafik scatterplot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Sumbu Y adalah Y yang telah diprediksi,
dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-
studentized. Dasar analisisnya adalah :
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang
teratur bergelombang, melebar kemudian menyempit akan mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik penyebaran di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. 4.
Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada peiode t-1 sebelumnya. Jika terjadi korelasi maka ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak
bebas dari satu observasi ke observasi lainnya . Salah satu cara untuk mendeteksi ada atau tidaknya autokorelasi yaitu dengan
run test. Run test digunakan sebagai bagian dari statistik nonparametric dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika
antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Model regresi dikatakan random atau acak jika nilai signifikansi
lebih dari 0,05 maka model regresi tidak terjadi autokorelasi.
3.5.3. Regresi berganda
