52
1 Jika nilai signifikan α 0,05, atau koefisien F
hitung
signifikan pada taraf kurang dari 5, maka Ho ditolak.
2 Jika nilai signifikan ≥ α 0,05, atau koefisien F
hitung
signifikan pada taraf lebih dari sama dengan 5 maka Ho diterima.
d. Koefisien Determinasi
Dalam uji regresi linier berganda ini dianalisis pula besarnya koefisien determinasi R
2
. Keseluruhan R
2
digunakan untuk mengukur ketepatan yang paling baik dari analisis linier berganda. Jika R
2
yang diperoleh mendekati 1 maka dapat dikatakan semakin kuat model tersebut menerangkan variabel bebas
terhadap variabel terikat. Sebaliknya jika R
2
mendekati 0 nol maka semakin lemah varibel-variabel bebas menerangkan variabel terikat.
Selain melakukan uji f dan uji t, perlu juga dicari besarnya koefisien determinasi R
2
parsial untuk masing-masing variabel bebas. Menghitung R
2
digunakan untuk mengetahui sejauh mana sumbangan dari masing-masing variabel bebas, jika variabel lainnya konstan terhadap variabel terikat. Semakin
besar variasi sumbangannya terhadap variabel terikat.
e. Uji Parsial
Uji digunakan untuk menguji kemaknaan parsial, dengan menggunakan uji t.
1 Jika nilai signifikansi α 0,05, atau koefisin t
hitung
signifikan pada taraf kurang dari 5, maka Ho ditolak.
2 Jika nilai signifikansi ≥ α 0,05, atau koefisien t
hitung
signifikan pada taraf lebih dari sama dengan 5, maka Ho diterima.
53
f. Uji Asumsi Klasik
Uji asumsi klasik meliputi uji normalitas, uji multikolinieritas, dan uji
heteroskedastisitas. 1.
Uji Normalitas
Normalitas data dilihat dari grafik normal P-P dengan bantuan progam SPSS. Apabila titik mendekati garis diagonal, dapat disimpulkan bahwa data
berdistribusi normal. Hal ini dilakukan untuk mengidentifikasi apakah model regresi yang diperoleh sudah memenuhi asumsi Clasical normal linear regression
model atau disingkat dengan CNLRM Algifari, 2000:32. Selain itu pengujian
normalitas dapat dilakukan dengan uji kolmogorov-smirnov. Apabila variabel berdistribusi normal, maka harga kolmogorov-smirnov menghasilkan probabilitas
0,05.
2. Uji Multikolinieritas
Model regresi yang baik adalah model regresi yang variabel-variabel bebasnya tidak memiliki korelasi yang tinggi atau bebas dari multikolinieritas
Algifari, 2000:83. Deteksi adanya gejala multikolinieritas dengan menggunakan nilai variance inflaction factor VIF dengan tolerance melalui SPSS. Model
regresi yang bebas multikolinieritas memiliki VIF di bawah 10 dan nilai tolerance di atas 0.1. Deteksi lain dengan melihat korelasi antara variabel bebas, apabila
masih di bawah 0.8, maka dapat disimpulkan tidak mengandung multikolinieritas.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah terjadi penyimpangan model karena varian gangguan yang berbeda antara satu observasi
54
ke observasi lain. Artinya, varians dalam model tidak sama atau konstan Algifari, 2000:85. Model regresi yang baik adalah yang homoskedastisitas atau tidak
terjadi heteroskedastisitas Ghozali, 2005:105. Untuk mengetahui gejala heteroskedastisitas dilakukan dengan menggunakan grafik scatter plot melalui
Model SPSS
55
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
