3.4. Teknik Analisis dan Uji Hipotesis
3.4.1. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data sebaran normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti
sebaran normal dapat dilakukan dengan metode Kolmogorov_Smirnov Sumarsono, 2004:40. Ukuran untuk menetukan normalitas adalah :
a. Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. b.
Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal.
3.4.2. Uji Outlier
Data outlier adalah data yang secara nyata berbeda dengan data-data yang lain. Data outlier bisa terjadi karena beberapa sebab, yaitu :
1. Kesalahan dalam pemasukan data 2. Kesalahan dalam pengambilan sampel
3. Memang ada data-data ekstrim yang tidak bisa dihindarkan
keberadaannya. Deteksi adanya outlier dapat dilakukan dengan menentukan nilai
ambang batas yang dikategorikan sebagai outlier dengan cara mengkonversikan nilai data penelitian kedalam standart score atau disebut
juga dengan Z-score yang mempunyai nilai rata-rata nol dan standart deviasi satu. Rumus z-score :
X
x z
dimana :
x = Nilai data X
= Nilai rata-rata = Standar deviasi
Jika sebuah data outlier, maka nilai Z yang didapat lebih besar dari angka +1,96 atau lebih kecil dari angka -1,96. Jika dilihat pada tabel z, nilai
z = 1,96 sama dengan luas daerah di bawah kurva normal sebesar 97,5. Hal ini berarti 97,5 dari seluruh nilai data adalah data yang normal atau
jika data tersebut bervariasi dari rata-ratanya, variasi tersebut masih dalam batas normal. Santoso, 2002 : 26.
3.4.3. Uji Asumsi Klasik a.
Multikoliniearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya koreksi antara variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling
berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama
variabel independen sama dengan nol. Untuk mendektesi ada atau
tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
Nilai R² yang dihasilkan oleh suatu estimasi model regresi empiris
sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempenaruhi variabel dependen.
Menganalisis matrik korelasi variabel-variabel independen. Jika
antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya
multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinieritas.
Multikolinieritas disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
Multikolinieritas juga dapat dilihat dari 1 nilai tolerance dan
lawannya 2 variance inflotion 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
diregresi terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel-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 cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance 0.10 atau sama
dengan nilai VIF 10. setiap peneliti harus menentukan tingkat kolinieritas yang masih dapat ditolerir Imam Ghozali,2005:91
b. Heteroskedastisitas