51
g. Jumlah sampel yang digunakan adalah sebanyak 51 sampel.
4.2. Analisis Hasil Penelitian
4.2.1. Uji Asumsi Klasik
Metode analisis yang digunakan oleh peneliti adalah metode analisis regresi berganda. Analisis regresi berganda berguna untuk menguji pengaruh
dari Variabel Independen terhadap Variabel Dependen dalam suatu penelitian. Model regresi yang baik harus memenuhi uji asumsi klasik yang
merupakan asumsi yang mendasari analisis regresi. Uji asumsi klasik digunakan untuk menghasilkan suatu analisis yang akurat dalam suatu model
regresi. Dalam penelitian ini, pengujian asumsi klasik mencakup uji normalitas, uji multikolinearitas, uji heterokedastisitas, dan uji autokorelasi.
4.2.1.1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam suatu model regresi, variabel penggangu atau residual memiliki distribusi
normal atau tidak. Ada dua cara untuk menguji apakah residual berdistribusi normal
atau tidak, yaitu dengan analisis grafik dan analisis statistik. Uji normalitas dengan analisis grafik dapat dilakukan dengan melihat grafik
histogram dan normal probability plot. Berikut merupakan grafik histogram dan grafik normal probability plot dalam penelitian ini.
52
Gambar 4.1 Histogram
Gambar 4.2 Grafik P-P Plot
53
Dari grafik histogram di atas, terlihat bahwa grafik tidak menunjukkan pola distribusi normal, karena menceng ke kanan.
Sedangkan pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal yang penyebarannya jauh dari garis diagonal. Oleh karena
itu, peneliti akan melakukan treatment atau perbaikan pada data tersebut agar dapat memenuhi uji Normalitas.
Menurut Erlina 2011:100, ada beberapa cara untuk mengatasi data yang tidak normal diantaranya :
- Lakukan transformasi data ke bentuk lainnya, misalnya dalam bentuk logaritma Log atau natural Ln.
- Lakukan trimming, yaitu membuang data yang outlier. - Lakukan winsorizing, yaitu mengubah nilai data outlier ke
suatu nilai tertentu, yaitu menjadi maksimum atau minimum yang diizinkan.
Oleh karena itu, guna memenuhi uji normalitas, maka peneliti akan mentransformasikan data penelitian ini kedalam bentuk Logaritma Log,
kemudian data diuji ulang dengan menggunakan uji normalitas. Hasil uji normalitas pada data yang telah ditransformasi dapat dilihat dengan
menggunakan analisis grafik dan analisis statistik. Uji normalitas dengan analisis grafik yaitu dengan melihat pada grafik histogram dan grafik
normal probability plot. Sedangkan uji normalitas dengan analisis statistik dilakukan dengan uji non-parametrik One Sample korgomorov-
Smirnov.
54
Grafik histogram setelah transformasi memperlihatkan kurva berbentuk lonceng dengan kemiringan hampir setara.
Gambar 4.4 Grafik P-P Plot
55
Pada grafik P-P Plot setelah transformasi data, terlihat titik-titik menyebar mendekati arah garis diagonal. Hal ini menunjukkan bahwa
data berdistribusi normal.
Dari tabel uji K-S di atas, dapat dilihat bahwa Asymp.Sig 2- Tailed 0.05, yaitu sebesar 0.952, sehingga dapat disimpulkan bahwa
data penelitian berdistribusi normal. Hal ini sejalan dengan hasil pengujian grafik yang menggambarkan bahwa data berdistribusi normal.
4.2.1.2. Uji Multikolinearitas