Yaitu teknik pengumpulan data dimana penyusun mengadakan pengamatan langsung atas kegiatan objek yang diteliti.
b. Dokumentasi.
Yaitu memperoleh data dari dokumen atas arsip objek penelitian. c.
Studi Perpustakaan. Yaitu teknik pengumpulan data yang diambil secara teoritis sebagai
bahan perbandingan dengan cara mengumpulkan data-data yang diperoleh dari buku yang berhubungan dengan masalah yang diteliti.
d. Wawancara.
Yaitu mengadakan tanya jawab secara langsung dengan personal yang berwenang untuk mengolah data yang diperlukan sehubungan
dengan masalah yang dihadapi.
3.4. Uji Normalitas, Uji Asumsi Klasik, Teknik Analisis dan Uji Hipotesis.
3.4.1. Uji Normalitas.
Uji normalitas digunakan untuk mengetahui apakah suatu data
mengikuti sebaran normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal Sumarsono,
2002: 40. Untuk mengetahui apakah data tersebut mengikuti sebaran normal
atau tidak dilakukan dengan alat uji Kolomogrov Smirnov dan Shapiro Wilk.
Pedoman dalam
mengambil keputusan
apakah
distribusi data mengikuti distribusi normal yaitu jika nilai signifikansi lebih besar dari 5 Sumarsono, 2002: 43.
3.4.2. Uji Asumsi Klasik.
Menurut Gujarati 1995: 44 asumsi model linier klasik bersifat BLUE Best Liniear Unbiased Estimator..
Untuk itu diperlukan 3 asumsi dasar, yaitu asumsi klasik. 3 asumsi dasar itu adalah sebagai berikut:
1. Autokorelasi.
Dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu Gujarati, 1995: 201. Jadi
dalam model regresi linear diasumsikan tidak terdapat gejala autokorelasi maksudnya adalah nilai residual Y observasi–Y
prediksi pada waktu ke t tidak boleh ada hubungan dengan nilai residual sebelumnya e
t-1
. Identifikasi ada atau tidaknya gejala auto korelasi dapat di tes
dengan menghitung nilai Durbin Watson dengan persamaan:
d = ........................................Gujarati, 1999: 215
t = N
Σ
t = 2
e
t
‐e
t ‐1
²
t = n
Σ
e
t
²
t = 1
Keterangan: d
= Nilai Durbin Watson. e
t
= Residual pada waktu ke t. e
t-1
= Residual pada waktu ke t-1 satu periode sebelumnya. N = Banyaknya
data.
2. Multikolinearitas.
Uji asumsi multikolinieritas digunakan untuk mengetahui adanya hubungan linear yang sempurna atau pasti di antara beberapa atau
semua variabel yang menjelaskan dari model regresi Gujarati, 1995: 157.
Uji multikolinieritas diketahui dari nilai VIF variance inflation factor untuk masing2 prediktor. Persyaratan untuk dapat dikatakan
terbebas dari multikolinier adalah apabila nilai VIF prediktor tidak melebihi nilai 10.
3. Heteroskedastisitas.
Heteroskedastisitas adalah variabel gangguan yang muncul dalam fungsi regresi populasi dimana semua variabel gangguan tadi
mempunyai varain yang sama Gujarati, 1995: 177. Hal ini bisa diidentifikasikan dengan cara menghitung korelasi
Rank Spearman antara residual dengan seluruh variabel independen
atau yang menjelaskan. Korelasi Rank Spearman rs dapat dihitung dengan formula:
∑ d
i 2
R
s
= 1 – 6 .....................................Gujarati, 1995: 177 N N
2
– 1 Dimana:
d
i
= Selisih ranking standar deviasis, ranking nilai mutlak error e. N = Banyaknya sampel.
Menurut Santoso 2002: 301 deteksi adanya heterokedatisitas adalah sebagai berikut:
1. Nilai probabilitas 0, 05 berarti tidak terjadi Heterokedatisitas.
2. Nilai probabilitas 0, 05 berarti terjadi Heterokedatisitas.
3.4.3. Teknik Analisis.
