F. Metode Analisis Data
Dalam penelitian ini, metode analisis data dilakukan dengan menggunakan metode analisis statistik dan menggunakan software SPSS 17.0. Pengujian
statistik dalam penelitian ini terdiri dari pengujian asumsi klasik dan pengujian hipotesis.
1. Pengujian Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi-asumsi klasik. Uji asumsi klasik yang dilakukan adalah uji normalitas, uji
multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji
ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data tidak
normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang mempunyai pola seperti
distribusi normal. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data normal.
Universitas Sumatera Utara
Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai
residualnya. Dasar pengambilan keputusannya adalah: 1
jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi
normal, maka model regresi memenuhi asumsi normalitas, 2
jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam penelitian ini Peneliti menggunakan uji Kolmogorov-Smirnov
K-S untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis:
H : data residual berdistribusi normal,
Ha : data residual tidak berdistribusi normal. Bila signifikansi 0,05 dengan α = 5, berarti distribusi data normal
dan H diterima, sebaliknya bila nilai nilai signifikansi 0,05 berarti
distribusi data tidak normal dan Ha diterima. Data yang tidak terdistribusi secara tidak normal dapat ditransformasikan agar menjadi normal. Jika
data tidak normal ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2004:172, yaitu:
1 dengan melakukan transformasi data ke bentuk lain, yaitu
Logaritma Natural, akar kuadrat, Logaritma lo, 2
lakukan trimming, yaitu mengubah observasi yang bersifat outlier,
Universitas Sumatera Utara
3 lakukan winsorizing, yaitu mengubah nilai-nilai data outlier
menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal.
b. Uji Multikolinieritas