2. Berdasarkan frekuensi yang diperoleh untuk setiap pernyataan, dilakukan penghitungan proporsi p setiap pilihan jawaban dengan cara membagi frekuensi
f dengan jumlah responden. 3. Berdasarkan proporsi tersebut untuk setiap pernyataan, dilakukan penghitungan
proporsi kumulatif untuk setiap pilihan jawaban 4. Menentukan nilai batas Z tabel normal untuk setiap pernyataan dan setiap pilihan
jawaban 5. Menentukan nilai interval rata-rata untuk setiap pilihan jawaban melalui persamaan
berikut:
Sumber :Umi Narimawati 2010:47
Keterangan: Density at Lower Limit = kepadatan batas bawah
Density at Upper Limit = kepadatan batas atas Area Below Upper Limit = daerah dibawah batas atas
Area Below Upper Limit = daerah dibawah batas bawah
3.2.5 Metode Analisis
1. Pengujian Asumsi Klasik
Dalam analisis regresi dikemukakan asumsi-asumsi yang harus dipenuhi agar penaksiran parameter dan koefisien-kofisien regresi tidak bias dan mendekati keadaan
yang sesungguhnya. Sehubungan dengan itu, sebelum dilakukan analisis data dan pengujian hipotesis maka terlebih dahulu akan dilakukan pengujian terhadap asumsi-
asumsi dalam analisis regresi tersebut. Sesuai dengan data yang digunakan dalam Scale Value =
Dencity at Lower Limit – Dencity at Upper Limit Area BelowUpper Limit – Area Bellow Lower Limit
penelitian ini maka asumsi regresi yang akan diuji adalah asumsi multikolinieritas, heterokedastisitas dan normalitas.
Pengujian Normalitas
Asumsi normalitas merupakan persyaratan yang sangat penting pada pengujian kebermaknaan signifikansi koefisien regressi, apabila model regressi tidak
berdistribusi normal maka kesimpulan dari uji F dan uji t masih meragukan, karena statistik uji F dan uji t pada analisis regressi diturunkan dari distribusi normal. Pada
penelitian ini digunakan uji satu sampel Kolmogorov-Smirnov untuk menguji normalitas model regresi.
Uji Multikolinieritas
Multikolinieritas merupakan suatu situasi dimana beberapa atau semua variabel bebas berkorelasi kuat. Jika terdapat korelasi yang kuat di antara sesama
variabel independen maka konsekuensinya adalah: 1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir.
2. Nilai standar error setiap koefisien regresi menjadi tidak terhingga. Dengan demikian berarti semakin besar korelasi diantara sesama variabel
independen, maka tingkat kesalahan dari koefisien regresi semakin besar yang mengakibatkan standar errornya semakin besar pula. Cara yang digunakan untuk
mendeteksi ada tidaknya multikoliniearitas adalah dengan:menggunakan Variance Inflation Factors VIF.
Sumber: Gujarati, 2003: 351
2
1 1
i
R VIF
Dimana R
i 2
adalah koefisien determinasi yang diperoleh dengan meregresikan salah satu variabel bebas X
1
terhadap variabel bebas lainnya. Jika nilai VIF nya kurang dari 10 maka dalam data tidak terdapat Multikolinieritas Gujarati, 2003:
362.
Uji Heteroskedastisitas
Situasi heteroskedastisitas akan menyebabkan penaksiran koefisien-koefisien regresi menjadi tidak efisien dan hasil taksiran dapat menjadi kurang atau melebihi
dari yang semestinya. Dengan demikian, agar koefisien-koefisien regresi tidak menyesatkan, maka situasi heteroskedastisitas tersebut harus dihilangkan dari model
regresi. Untuk menguji ada tidaknya heteroskedastisitas digunakan uji-rank Spearman
yaitu dengan mengkorelasikan masing-masing variabel bebas terhadap nilai absolut dari residual. Jika nilai koefisien korelasi dari masing-masing variabel bebas terhadap
nilai absolut dari residual error ada yang signifikan, maka kesimpulannya terdapat heteroskedastisitas varian dari residual tidak homogen Gujarati, 2003: 406.
Uji Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari
observasi yang satu dipengaruhi oleh error dari observasi yang sebelumnya. Akibat dari adanya autokorelasi dalam model regresi, koefisien regresi yang diperoleh
menjadi tidak effisien, artinya tingkat kesalahannya menjadi sangat besar dan koefisien regresi menjadi tidak stabil. Untuk menguji ada tidaknya autokorelasi, dari
data residual terlebih dahulu dihitung nilai statistik Durbin-Watson D-W:
