Rentang = 100 - 20 = 80 Interval = 80 5 = 16 .
Sehingga diperoleh kategorisasi setiap variabel sebagai berikut:
Tabel 3.12 Kriteria Persentase Skor Tanggapan Responden Terhadap Skor Ideal
No Jumlah skor
Kriteria 1
20.00-36.00 Tidak baik
2 36.01-52.00
Kurang baik 3
52.01-68.00 Cukup
4 68.01-84.00
Baik 5
84.01-100 Sangat baik
Sumber : Umi Narimawati 2007:84
3.2.5.2 Analisis Verifikatif Kuantitatif
Data yang telah dikumpulkan melalui kuisioner akan diolah dengan pendekatan kuantitatif. Oleh karena data yang didapat dari kuesioner merupakan data
ordinal, sedangkan untuk menganalisis data diperlukan data interval, maka untuk memecahkan persoalan ini perlu ditingkatkan skala interval melalui
“Methode of Successive Interval” Hays, 1969:39. Dan selanjutnya dilakukan analisis regresi
korelasi serta determinasi.
3.2.5.3 Analisis Regresi dan Asumsi Klasik a
Uji Normalitas
Uji normalitas untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal, mendekati normal atau tidak. Asumsi normalitas
merupakan persyaratan yang sangat penting pada pengujian kebermaknaan signifikasnsi koefisien regresi. Model regresi yang baik hendaknya berdistribusi
normal atau mendekati normal. Mendeteksi apakah data terdistribusi normal atau tidak dapat diketahui dengan menggambarkan penyebaran data melalui sebuah grafik.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonalnya, model regresi memenuhi asumsi normalitas Husein Umar, 2011:181. Dasar
pengambilan keputusan bisa dilakukan berdasarkan probabilitas Asymtotic Significance, yaitu :
a. Jika probabilitas 0,05 maka distribusi dari populasi adalah normal. b. Jika probabilitas 0,05 maka populasi tidak berdistribusi secara normal.
b Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel ini tidak ortogonal. Variabel ortogonal
adalah variabel independen yang nilai kolerasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam
model regresi adalah sebagai berikut Imam Ghozali, 2006: 91:
a Nilai R2 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 multikolonieritas. Tidak adanya
korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolonieritas. Multikolonieritas dapat disebabkan karena adanya efek
kombinasi dua atau lebih variabel independen. c
Multikolonieritas 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 diregres 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 = 1 Tolerance. Nilai
cuttof yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance 0.10 atau sama dengan nilai VIF 10.
c Uji Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Model regresi yang
memenuhi persyaratan adalah dimana terdapat kesamaan varian dari residual satu pengamatan ke pengamatan lain yang lain tetap atau disebut homoskedastisitas.
Residu pada heteroskedastisitas semakin besar apabila pengamatan semakin besar. Suatu regresi dikatakan tidak terdeteksi heteroskedastisitas apabila diagram
pencar residualnya tidak membentuk pola tertentu. Menurut Wahid Sulaiman 2004:
106 mengungkapkan mengenai regresi bahwa “suatu regresi dikatakan tidak terdeteksi heteroskedastisitas apabila penyebaran nilai-nilai residual terhadap harga-
harga prediksi tidak membentuk suatu pola tertentu meningkat atau menurun”.
3.2.5.4 Analisis Regresi Berganda
