1. Metode Analisis Deskriptif
Metode analisis deskriptif merupakan metode yang digunakan untuk menganalisis dan mengolah data-data yang tersedia sehingga diperoleh
gambaran yang jelas mengenai fakta-fakta dan hubungan antara fenomena yang diteliti.
2. Metode Analisis Regresi Linier Berganda
Metode ini digunakan untuk mengetahui pengaruh antara variabel bebas dan variabel terikat. Dengan rumus:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e Dimana :
Y = Pendapatan Premi
a = Konstanta
b
1
= Koefisien Regresi untuk Biaya Produksi b
2
= Koefisien Regresi untuk Biaya Promosi b
3
= Koefisien Regresi untuk Honor dan Kesejahteraan Agen b
4
= Koefisien Regresi untuk Biaya PembinaanPendidikan Agen X
1
= Biaya Produksi X
2
= Biaya Promosi X
3
= Honor dan Kesejahteraan Agen X
4
= Biaya PembinaanPendidikan Agen e
= Standard error Untuk mengolah data, peneliti menggunakan aplikasi komputer yaitu
Statistical Product and Service Solutions SPSS 16.0 for windows.
3. Pengujian Asumsi Klasik
Sebelum data tersebut dianalisis dengan model regresi linier berganda maka sebelumnya harus memenuhi syarat uji asumsi klasik, yaitu:
a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni
distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal yakni distribusi data
tersebut tidak menceng ke kiri ata menceng ke kanan Situmorang, dkk., 2010:91. Uji ini dilakukan melalui pendekatan grafik dan
pendekatan Kolmogorv-Smirnov.
b. Uji Multikolinearitas
Uji ini digunakan untuk menguji apakah dalam model sebuah regresi ditemukan adanya korelasi antar variabel independen Ghozali,
2005:91. Jika terdapat korelasi antar variabel independen maka dapat dikatakan terdapat masalah multikolinearitas. Model regresi yang baik
seharusnya tidak terjadi korelasi antar variabel independen. Uji multikolinearitas menggunakan kriteria Variance Inflation Factor VIF
dengan ketentuan: 1.
Bila VIF 5 terdapat masalah multikolinearitas yang serius 2.
Bila VIF 5 tidak terdapat masalah multikolinearitas yang serius
c. Uji Heteroskedastisitas
Menururt Ghozali 2005:105, uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dan
residual satu pengamatan ke pengamatan lain tetap. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Untuk mendeteksi ada tidaknya heteroskedastisitas adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu
pola tertentu yang teratur bergelombang, melebar, dan kemudian menyempit, maka telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu y, maka tidak terjadi
heteroskedastisitas.
d. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah dalam sebuah model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode-t dan
kesalahan pengganggu pada periode t-
1
periode sebelumnya Ghozali, 2005:95. Autokorelasi terjadi jika observasi yang berturut-turut
sepanjang waktu mempunyai korelasi antara satu dengan yang lainnya. Jika terjadi autokorelasi maka dikatakan terdapat masalah autokorelasi.
Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Gejala autokorelasi dideteksi dengan menggunakan
Durbin-Watson test. Untuk mendeteksi ada tidaknya autokorelasi maka
dilakukan pengujian Durbin-watson DW dengan ketentuan yang dapat dilihat pada Tabel 1.2.
Tabel 1.2 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 DW dl
Tidak ada autokorelasi positif No decision
dl ≤ DW ≤ du
Tidak ada korelasi negatif Tolak
4-dl DW 4
Tidak ada korelasi negatif No decision
4-du ≤ DW ≤ 4-dl
Tidak ada autokorelasi positif atau negatif Tidak ditolak
du DW 4-du Sumber: Ghozali 2005:96
Keterangan : du = batas atas
dl = batas bawah
4. Pengujian Hipotesis
Kategori