Analisis Statistik Deskriptif Uji Asumsi Klasik

3.5 Metode Analisis Data

3.5.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif digunakan untuk melihat karakteristik dari persebaran data sebelum pengujian dilakukan. Penelitian ini menjabarkan rata-rata mean, standar deviasi, varians, maksimum, minimum, sum range, kurtosis keruncingan, dan skewness kemencengan distribusi, sehingga secara kontekstual dapat lebih mudah dimengerti oleh pembaca.

3.5.2 Uji Asumsi Klasik

Uji asumsi klasik digunakan dalam penelitian ini untuk menguji apakah data memenuhi asumsi klasik. Uji asumsi klasik bertujuan untuk menghindari estimasi yang bias karena tidak semua data dapat diterapkan dengan melakukan analisis regresi. Dalam penelitian ini menggunakan pengujian yang meliputi uji normalitas, uji autokorelasi, uji multikolinieritas, dan uji heteroskedastisitas. 1. Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Proses uji normalitas data dilakukan dengan uji statistik non-parametrik Kolmogorov- Smirnov K-S dan memperhatikan penyebaran data titik pada normal p-plot of Regression standardized residual dari variabel independen, dimana: a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. 2. Uji Autokorelasi Uji autokorelasi digunakan untuk mengetahui apakah dalam model regresi linear terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi terjadinya autokorelasi dapat dilakukan dengan pengujian terhadap nilai uji Durbin-Watson Uji DW dengan ketentuan sebagai berikut: Tabel 3.4 Nilai Durbin-Watson Hipotesis nol Keputusan Jika Tdk ada autokorelasi positif Tolak 0 d dl Tdk ada autokorelasi positif No decision dl ≤ d ≤ du Tdk ada korelasi negatif Tolak 4 – dl d 4 Tdk ada korelasi negatif No decision 4-du ≤ d ≤ 4-dl Tdk ada autokorelasi, positif atau negatif Tidak ditolak du d 4-du Sumber: Ghozali, 2011 3. Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Untuk mendeteksi adanya masalah multikolinearitas dapat dilihat dari nilai tolerance dan lawannya, yaitu VIF Variance Inflation Factor. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF= 1tolerance. Nilai cutoff yang dipakai untuk menandai adanya faktor-faktor multikolinearitas adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF ≥10. Model regresi yang baik tidak terdapat masalah multikolinearitas atau adanya hubungan yang sempurna di antara variabel-variabel independennya. 4. Uji Heteroskedastisitas Uji heteroskedastisitas digunakan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2011. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas. Pengujian ini bertujuan untuk mengetahui korelasi variabel independen dengan nilai absolute residual. Untuk mendeteksi heteroskedastisitas dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual yang telah di-studentized, dimana: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

3.5.3 Pengujian Hipotesis