Angket Deskripsi Variabel Regresi Linier Berganda

3. Skala Thurstone Skala thurstone, dikembangkan oleh L.L Thurstone yang bertujuan untuk mengurutkan responden berdasarkan kriterian tertentu. Dengan metode ini, skala disusun sedemikian rupa sehingga interval antar urutan dalam skala mendekati interval yang sama besarnya. Karena skala ini, sering disebut skala interval sama.

3.11 Angket

Questionnaire 26 a. Angket terbuka, angket tidak berstruktur ialah angket yang disajikan dalam bentuk sederhana sehingga responde dapat memberikan isian sesuai dengan kehendak dan keadaannya. Angket Questionnaire adalah daftar pertanyaan yang diberikan kepada orang lain bersedia memberikan respons responden sesuai dengan permintaan pengguna. Tujuan penyebaran angket ialah mencari informasi yang lengkap mengenai suatu masalah dari responden tanpa merasa khawatir bila responden memberikan jawaban yang tidak sesuai dengan kenyataan dalam pengisian daftar pertanyaan. Disamping itu responden mengetahui informasi tertentu yang diminta. Angket dibedakan menjadi dua jenis, yaitu angket terbuka dan angket tertutup. b. Angket tertutup, angket berstruktur adalah angket yang disajikan dalam bentuk sedemikian rupa sehingga responden diminta untuk memilih satu 26 Riduwan, Skala Pengukuran Variabel-Variabel Penelitian, Penerbit Alfabeta : Bandung, 2007, Hal. 25 Universitas Sumatera Utara jawaban yang sesuai dengan karateristik dirinya dengan cara memberikan tanda silang X atau tanda checklist √

3.12 Uji Validitas dan Realibilitas Instrumen

Ada dua konsep yang mengukur kualitas instrument penelitian yaitu validitas dan realibilitas.

3.12.1 Uji Validitas

Uji validitas digunakan untuk mengetahui sah atau valid tidaknya suatu kuisioner, Ghozali, 2001. Suatu kuisioner dikatakan valid jika pernyataan pada kuisioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuisioner tersebut. Untuk menghitung validitas angket digunakan rumus korelasi product moment, Umar, 2008 yaitu : Dimana : r = Koefisien korelasi product moment X = Skor total pernyataan item Y = Skor total n = Jumlah sampel Setelah semua korelasi untuk setiap pernyataan dengan skor total diperoleh, nilai-nilai tersebut dibandingkan dengan nilai kritik r tabel. Selanjutnya, jika nilai koefisien korelasi product moment dari suatu pertanyaan tersebut berada di atas nilai tabel kritik, maka pertanyaan tersebut signifikan. Universitas Sumatera Utara Untuk memudahkan dalam menganalisis, akan digunakan program analisis SPSS yang berfungsi untuk menganalisis data, melakukan perhitungan statistik baik untuk statistik parametrik maupun non-parametrik dengan basis windo ws

3.12.2 Uji Reabilitas

Pengujian reliabilitas pada umumnya dikenakan untuk pengujian stabilitas instrumen dan konsistensi internal instrument. Dalam menguji reliabilitas digunakan uji konsistensi internal dengan menggunakan rumus Alpha Croabach, Umar, 2008 sebagai berikut : Dimana : r 11 = Reliabilitas instrumen k = Banyaknya butir pernyataan = Jumlah varian butiritem = Varian total Untuk melihat jumlah varians butir pernyataan terlebih dahulu dicari nilai varians tiap butir pernyataan dengan rumus : dan Dimana : n = Jumlah responden Suatu kontruk atau variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach 0,60. Untuk memudahkan dalam menganalisis, akan digunakan Universitas Sumatera Utara program analisis SPSS yang berfungsi untuk menganalisis data, melakukan perhitungan statistik baik untuk statistik parametrik maupun non-parametrik dengan basis windows.

3.13 Deskripsi Variabel

Untuk menentukan jawaban responden tersebut tergolong tinggi, sedang, rendah, maka jumlah jawaban responden akan ditentukan rata-ratanya dengan membagi jumlah pertanyaan. Dari hasil pembagian tersebut akan diketahui jawaban responden termasuk kategori yang mana, Sugiono, 2005: 214 Untuk mengetahui atau menentukan kategori jawaban responden dari masing-masing variabel tergolong tinggi, sedang atau rendah maka ditentukan skala intervalnya dengan cara sebagai berikut :

3.14 Pengujian Asumsi Klasik

27 27 Ghozali, Imam, Aplikasi Analisis Multivariate Dengan Program SPSS, Penerbit : Universitas Dipenogoro, Semarang, 2006, Hal. 91

3.14.1 Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut : Universitas Sumatera Utara a. Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen b. Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen 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 berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen c. Multikolinearitas dapat juga dilihat dari 1. Nilai tolerance dan lawannya 2. Variance Inflation Factor VIF Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan di regres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai eutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF 10. Universitas Sumatera Utara

3.14.2 Uji Autokolerasi

Uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada tidaknya autokolerasi, digunakan uji Durbin Watson. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag diantara variabel independen. Hipotesis yang akan di uji adalah : H0 : tidak ada autokorelasi r=0 Ha : ada autokorelasi r ≠0 Untuk pengambilan keputusan ada tidaknya autokorelasi dapat dilihat pada tabel 3.2. Universitas Sumatera Utara Tabel 3.2 Rekapitulasi Pengambilan Keputusan Ada Tidaknya Autokorelasi Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada korelasi negatif Tidak ada korelasi negatif Tidak ada autukorelasi, positif atau negative Tolak No decision Tolak No decision Tidak ditolak 0 d dl dl ≤ d ≤ du 4 – dl d 4 4 – du ≤ d ≤ 4 - dl du d 4 – du Sumber : Ghozali, 2001 tentang Aplikasi Analisis Multivariate dengan Program SPSS

3.14.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas atau terjadi heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas, digunakan dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Dasar analisis : a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Universitas Sumatera Utara

3.14.4 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F mengamsumsikan bahwa nilai residual mengikuti distribusi normal. Cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik. Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat 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. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.

3.15 Regresi Linier Berganda

Analisis regresi linier berganda digunakan untuk meramalkan bagaimana keadaan variabel dependen, bila dua atau lebih variabel independen sebagai faktor prediktor, Sugiyono, 2005. Untuk menganalisis variabel independen X 1 dan X 2 terhadap variabel dependen Y maka digunakan model persamaan regresi sebagai berikut: Y = a + b 1 X 1 + b 2 X 2 Universitas Sumatera Utara Dimana : Y = Variabel Dependen a = Konstanta X 1 = Variabel Independen ke 1 X 2 = Variabel Independen ke 2 b 1 , b 2 = Koefisien parsial

3.16 Pengujian Hipotesis