berlangsung. Adapun berdasarkan kriteria yang dipakai pada kategori jawaban responden, maka untuk lebih memudahkan digunakan 3 kategori
yaitu: tinggi, sedang, dan rendah. Cara pengkategorian data berdasarkan rumus dari Azwar, 2009:108 adalah sebagai berikut:
Tinggi : X
≥ M + SD Sedang
: M – SD ≤ X M + SD
Rendah : X M – SD
2. Uji Prasyarat Analisis
Sebelum dilakukan analisis regresi, terlebih dahulu dilakukan uji asumsi klasik uji prasyarat analisis yang terdiri dari uji normalitas, uji
linieritas, dan uji heteroskedastisitas. Apabila uji asumsi klasik terpenuhi, maka analisis jalur bisa
dilakukan. a.
Uji Normalitas Pengujian ini bertujuan untuk mengetahui apakah data
terdistribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Pengujian normalitas
data akan dilakukan dengan menggunakan uji Kolmogorov-Smirnov. Pengujian yang dapat menunjukkan data normal yang diperoleh
apabila nilai signifikansinya adalah ˃ 0,05 Ghozali, 2011: 27.
b. Uji Linieritas
Uji linieritas digunakan untuk mengetahui apakah variabel bebas dan terikat dalam penelitian ini memiliki hubungan yang linier.
Perhitungan uji linieritas dilakukan dengan menggunakan bantuan SPSS versi 13. Dengan menggunakan SPSS versi 13 untuk melihat
apakah hubungan antara variabel bebas dengan variabel terikat tersebut bersifat linear atau tidak, dapat dilihat pada harga signifikansi.
Jika harga signifikansi kurang dari taraf signifikansi yang ditentukan misalnya 5 maka hubungannya bersifat tidak linear, sebaliknya jika
nilai signifikansi tersebut lebih dari atau sama dengan 5 maka hubungannya bersifat linear Muhson, 2005: 60-61.
c. Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Nilai korelasi tersebut dapat dilihat dari colliniearity statistics, apabila
nilai VIF Variance Inflation Factor memperlihatkan hasil yang lebih besar dari 10 dan nilai tolerance tidak boleh lebih kecil dari 0,1 maka
menunjukkan adanya gejala multikolinieritas, sedangkan apabila nilai VIF kurang dari 10 dan nilai tolerance lebih besar dari 0,1 maka gejala
multikolinieritas tidak ada Gozali, 2006: 95.
3. Pengujian Hipotesis