5.3 Uji Faktor
Sebelum dilakukan uji regresi, terlebih dahulu dilakukan uji faktor dengan menggunakan stepwise. Pengujian ini dilakukan untuk mengetahui variabel-variabel
independen yang benar-benar berpengaruh terhadap variabel dependennya dengan menggunakan SPSS. Setelah dilakukan uji faktor dengan stepwise maka hasil yang
diperoleh adalah terdapat 4 empat variabel independen yang benar-benar berpengaruh terhadap variabel dependennya yaitu variabel proses, promosi, alumni
dan biaya. Sedangkan 7 tujuh variabel independen lainnya tidak berpengaruh secara signifikan. Hasil pengujian dengan stepwise dapat dilihat dari tabel berikut ini :
Tabel 5.26 Uji Stepwise
Variables EnteredRemoved
a
Model Variables Entered
Variables Removed
Method 1
Proses . Stepwise Criteria: Probability-of-F-to-enter = ,050,
Probability-of-F-to-remove = ,100. 2
Promosi . Stepwise Criteria: Probability-of-F-to-enter = ,050,
Probability-of-F-to-remove = ,100. 3
Alumni . Stepwise Criteria: Probability-of-F-to-enter = ,050,
Probability-of-F-to-remove = ,100. 4
Biaya . Stepwise Criteria: Probability-of-F-to-enter = ,050,
Probability-of-F-to-remove = ,100.
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
5.4 Uji Asumsi Klasik
Untuk menghasilkan suatu analisis data yang akurat, suatu persamaan regresi sebaiknya terbebas dari semua asumsi-asumsi klasik yang harus dipenuhi antara lain
terbebas multikolinieritas, heteroskedastisitas, dan normalitas Kuncoro, 2003.
Universitas Sumatera Utara
5.4.1 Uji Normalitas
Uji normalitas pada penelitian ini dilakukan menggunakan perhitungan regresi dengan Software SPSS, yaitu dengan uji Kolmogrof-Smirnov Test dimana nilai
Kolmogrof-Smirnov adalah 0,195 lebih besar dari signifikansi alpha 0,05. Maka dapat disimpulkan bahwa persyaratan normalitas terpenuhi dan dengan demikian model
regresi layak dipakai untuk memprediksi keputusan mahasiswa berdasarkan masukan variabel independen. Hasil perhitungannya dapat dilihat pada Tabel 5.27 dibawah ini:
Tabel 5.27 Kolmogrof-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
122 Mean
.0000000 Normal Parameters
a,,b
Std. Deviation 1.06100847
Absolute .098
Positive .083
Most Extreme Differences Negative
-.098 Kolmogorov-Smirnov Z
1.079 Asymp. Sig. 2-tailed
.195
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
5.4.2 Uji Multikolinieritas
Uji Multikolinieritas digunakan untuk mengetahui apakah model regresi yang digunakan terdapat korelasi antar variabel independen. Hasil pengujian
multikolinieritas data dalam penelitian ini dibantu dengan alat SPSS, hasilnya dapat dilihat pada Tabel 5.28 berikut ini :
Universitas Sumatera Utara
Tabel 5.28 Collinearity Statistics
Coefficients
a
Collinearity Statistics Model
Tolerance VIF
Proses .516
1.937 Promosi
.714 1.401
Alumni .494
2.024 1
Biaya .697
1.434
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
Dari Tabel 5.28 dapat dilihat untuk kesebelas variabel independent yaitu : proses, biaya, latar belakang sosial ekonomi, motivasi, fasilitas, referensi, lokasi,
promosi, reputasi, alumni, dan produk ternyata angka VIF kurang dari 10, sedangkan nilai tolerancenya mendekati 1. Dengan demikian dapat disimpulkan bahwa pada
model regresi tersebut tidak terdapat masalah multikolinieritas.
5.4.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual pada suatu pengamatan ke pengamatan
yang lain. Jika varians dari residual pada suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, dan jika varians berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat bantu
SPSS dengan mengamati pola yang terdapat pada Scatterplot, dimana hasilnya dapat dilihat pada Gambar 5.1 dibawah ini :
Universitas Sumatera Utara
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
Gambar 5.1 Uji Heteroskedastisitas
Gambar uji heteroskedastisitas terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk prediksi keputusan
menempuh pendidikan berdasarkan masukan dari variabel bebasnya.
5.5 Analisis Regresi
Pengolahan data primer dengan menggunakan Software SPSS diperoleh hasil analisis regresi pada Tabel 5.29 di bawah ini :
Universitas Sumatera Utara
Tabel 5.29 Hasil Regresi Faktor-faktor Yang Mempengaruhi Keputusan Mahasiswa
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
9.956 .829
12.016 .000
Proses .105
.036 .369
2.948 .004
Biaya -.155
.059 -.326
-2.606 .010
Sosek -.021
.055 -.042
-.374 .709
Motivasi .044
.056 .086
.787 .433
Fasilitas .000
.033 .001
.006 .996
Referensi -.032
.080 -.059
-.402 .688
Lokasi .097
.079 .145
1.219 .226
Promosi -.141
.046 -.357
-3.074 .003
Reputasi .130
.086 .206
1.508 .134
Alumni .290
.115 .360
2.518 .013
1
Produk -.114
.089 -.183
-1.275 .205
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
Maka persamaan regresi pada penelitian ini adalah :
Y = 9,956 + 0,105
1
X
- 0,155
2
X
- 0,021
3
X + 0,044
4
X
+ 0,000
5
X – 0,032
6
X + 0,097
7
X – 0,141
8
X +0,310
9
X + 0,290
10
X – 0,114
11
X
5.6 Uji Hipotesis
Kategori