1. Statistik Deskriptif
Statistik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari data Jogiyanto, 2004:163. Statistik deskriptif memberikan gambaran atau
deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness kemencengan distribusi. Dalam
penelitian ini penulis menjabarkan statistik deskriptif berupa mean, maksimum, minimum, dan standar deviasi.
2. Uji Asumsi Klasik
a. Uji Normalitas Uji ini digunakan dalam tahap awal dalam metode pemilihan analisis data. Uji
normalitas digunakan untuk mengetahui apakah distribusi data penelitian masing-masing variabel telah menyebar secara normal. Model regresi yang baik adalah yang memiliki
distribusi data normal atau mendekati data normal. Uji normalitas dilakukan dengan analisis grafik dengan cara melihat grafik histogram dan Normal probability plot.
Pengujian normalitas data juga dilakukan dengan menggunakan alat uji statistik, yaitu uji Kolmogorov Smirnov Uji K-S. Apabila probabilitas 0,05 maka distribusi data
normal dan dapat digunakan analisis regresi. Jika nilai probabilitasnya 0,05 maka distribusi data adalah tidak normal.
b. Uji Multikolinearitas Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya
korelasi antar variabel independen Ghozali, 2005:91. Pada model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian multikolinearitas
dilakukan dengan melihat nilai VIF Variance Inflation Factor antar variabel independen.
Universitas Sumatera Utara
Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance0,10 atau sama dengan nilai VIF10 Ghozali, 2005:92
c. Uji Autokorelasi Uji ini bertujuan untuk menguji apakah pada suatu model regresi linear ada
korelasi antar kesalahan pengganggu pada periode satu dengan periode sebelumya Ghozali, 2005:92. Autokorelasi terjadi karena observasi yang berurutan sepanjang tahun yang
berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data runtut waktu time series. Model regresi yang baik adalah model yang tidak terdapat autokorelasi. Untuk
mendeteksi masalah autokorelasi dapat dilakukan dengan uji Durbin Watson DW. Menurut Santoso 2002:18, Keputusan ada atau tidaknya autokorelasi adalah :
1 Bila nilai D-W dibawah -2, maka ada autokorelasi positif,
2 Bila nilai D-W di antara -2 sampai +2, maka tidak ada autokorelasi,
3 Bila nilai D-W di atas +2, maka ada autokorelasi negatif.
d. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians antara satu pengamatan ke pengamatan lainnya Ghozali, 2005. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut
homoskedastisitas, dan jika berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah terjadi homoskedastisitas. Dalam menguji heteroskedastisitas, penulis
menggunakan uji glejser dan memperhatikan hasil output SPSS. Jika variabel independen signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika signifikan 0,05
maka H diterima tidak ada heteroskedastisitas.
Universitas Sumatera Utara
3. Pengujian Hipotesis
Kategori