commit to user
D. METODE ANALISIS DATA
1. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji dalam model regresi, variabel dependen dan variabel independen keduanya mempunyai
distribusi normal atau tidak. Model yang baik adalah model yang dibentuk oleh variabel yang mempunyai atau mendekati distribusi
normal. Dalam penelitian ini, uji normalitas data dilakukan dengan menggunakan model Kolmogrov-Smirnov pengujian dua arah two-tailed
test. Uji ini dilakukan dengan membandingkan nilai signifikansi yang diperoleh dengan taraf signifikansi yang sudah ditentukannya yaitu 0,05.
Apabila nilai signifikansi p-value lebih besar dari taraf signifikansi yaitu 0,05 maka data berdistribusi normal.
Jika data berdistribusi tidak normal maka akan digunakan metode trimming, yaitu membuang data yang bersifat outliers tersebut. Selain itu,
dapat dilakukan transformasi data dengan menggunakan bentuk log sehingga nilai transformasi tersebut dapat memenuhi data yang
ditentukan.
2. Uji Asumsi Klasik
a. Uji Multikolinearitas Multikolinearitas mempunyai arti adanya hubungan yang
sempurna atau pasti, diantara beberapa atau semua variabel independen dari model regresi Gujarati, 1993:157. Multikolinearitas
merupakan suatu kedaan dimana satu atau lebih variabel bebas
commit to user
lainnya atau dengan kata lain suatu variabel bebas merupakan fungsi linear dari variabel bebas lainnya. Akibat adanya multikolinearitas
adalah estimasi akan terafiliasi sehingga menimbulkan bias. Uji ini dilakukan dengan melihat Variance Inflation Factor VIF. Apabila
nilai VIF melebihi angka 10, maka disimpulkan telah terjadi multikolinearitas, sedangkan jika nilai VIF dibawah angka 10, maka
disimpulkan tidak terjadi multikolinearitas. b. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang terletak berderetan menurut waktu seperti data time
series atau korelasi antara tempat yang berdekatan seperti data cross sectional. Uji yang digunakan untuk mendeteksi adanya autokorelasi
adalah uji Durbin-Watson D-W. Uji Durbin-Watson dihitung berdasarkan jumlah selisih kuadrat nilai-nilai taksiran faktor
pengganggu yang berurutan. Untuk mendeteksi adanya autokorelasi dapat dilihat dari nilai Durbin-Watson D-W untuk mendeteksi
autokorelasi bias dilihat dalam tabel D-W. Namun demikian, kriteria pengujiannya adalah sebagai berikut
Santoso, 2001:219: 1 Angka D-W dibawah
, berarti ada autokorelasi positif. 2 Angka D-W diantara
sampai , berarti tidak ada
autokorelasi. 3 Angka D-W diatas
, berarti ada autokorelasi negatif.
commit to user
c. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji dalam model regresi
ada tidaknya ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Deteksi ada tidaknya heteroskedastisitas dapat
dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara variabel dependen dan residualnya dimana sumbu Y
adalah Y yang diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di studentized Ghozali, 2005. Dasar
analisis: 1 Jika terdapat pola tertentu seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3. Regresi Liniear Berganda
Kategori