3.6.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dapat dilihat dari nilai rata-rata mean, minimum, maksimum, dan
standar deviasi Ghozali, 2005.
3.6.2 Pengujian asumsi klasik
Adapun tujuan dari pengujian asumsi klasik adalah agar data yang diperoleh:
1. berdistribusi normal
2. non-multikolinieritas, artinya antara variabel independen dalam model
regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna
3. non-autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkolerasi 4.
homoskedasititas, artinya variance variabel independen dari suatu pengamatan ke pengamatan lain adalah konstan atau sama.
Pengujian asumsi klasik yang dilakukan pada penelitian ini adalah: 1.
Uji normalitas Ghozali 2005 : 110 mengatakan uji normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik hendaknya memiliki distribusi
Universitas Sumatera Utara
normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
Normalitas data dapat diketahui dengan menggambarkan penyebaran data melalui sebuah grafik. Data yang menyebar di sekitar dan mengikuti arah
garis diagonal menandakan bahwa data berdistribusi normal dan memenuhi asumsi normalitas. Uji statistik juga dapat digunakan untuk menguji apakah
residual berdistribusi normal atau tidak yaitu dengan uji statistik non parametric Kolmogorov-Smirnov K-S. Apabila nilai signifikansi lebih besar
dari 0.05 maka data residual berdistribusi normal. Sebaliknya, jika nilai signifikansi lebih kecil dari 0.05 maka data residual tidak berdistribusi
normal.
2. Uji multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebasindependen Ghozali, 2005 :
91. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian multikolinieritas dilakukan dengan melihat nilai Variance Inflation Factor
VIF dan korelasi di antara variabel independen. Jika nilai VIF 10, maka terjadi multikolinieritas di antara variabel independen.
Universitas Sumatera Utara
3. Uji heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke
pengamatan yang lain Umar, 2003 : 179. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Untuk melihat ada tidaknya
heteroskedastisitas dapat dilakukan dengan mengamati grafik scatterplot antara nilai prediksi variabel terkait dengan residualnya. Deteksi ada tidaknya
heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot dengan dasar analisis Ghozali, 2005 : 105 :
1 jika ada pola tertentu, seperti titik- titik yang membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2 jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4. Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 atau sebelumnya Erlina, 2007 : 106. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang
berkaitan satu dengan yang lain. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah autokorelasi, di antaranya dengan Uji Durbin
Watson. Kriteria penilaian terjadinya autokorelasi yaitu:
Universitas Sumatera Utara
1 angka D-W di bawah -2 berarti ada autokorelasi positif,
2 angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti autokorelasi negatif.
3.6.3 Koefisien determinasi R
Kategori