3.8. Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah model regresi linear berganda, model regresi linear multivariat berganda moderating
dengan uji residual. Data diolah dengan program Statistical Packagefor Social Science SPSS.
3.8.1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata, median, modus, standar deviasi, maksimum dan
minimum.Statistik deskriptif merupakan statistik yang menggambarkan atau mendeskripsikan data menjadi sebuah informasi yang lebih jelas dan mudah
untuk dipahami.
3.8.1.1 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mendapatkan perkiraan yang efisiensi dan tidak bias sebelum melakukan analisis regresi berganda. Adapun
syarat uji asumsi klasik yang harus dipenuhi yaitu:
3.8.1.2. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Uji
normalitas dilakukan dengan menggunakan pendekatan Kolmogorov Smirnov, dengan menggunakan tingkat signifikan 5 maka jika nilai
asymp.sig 2-tailed diatas nilai signifikan 5 artinya variabel residual berdistribusi normal. Apabila distribusi melanggar asumsi normalitas,
Universitas Sumatera Utara
maka ada beberapa cara yang dapat digunakan untuk mengatasi data yang tidak normal yaitu :
1. Lakukan transformasi data ke bentuk lainnya. Pelanggaran asumsi normalitas biasanya disebabkan bentuknya menceng skew,
sehingga untuk mengubah bentuk yang menceng tersebut dapat mengubah nilai atau mentransformasikan nilai ke dalam bentuk
log. Dengan mentransformasikan nilai-nilai observasi data ke dalam bentuk log diharapkan dapat membentuk distribusi yang
normal. 2. Lakukan trimming. Trimming adalah membuang data yang
outlier.Ketentuan data yang bersifat outlier telah dijelaskan sebelumnya.Nilai outlier bisa juga ditentukan dengan kriteria
nilainya lebih kecil dari μ - 2α atau lebih besar μ + 2α. 3. Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke
suatu nilai tertentu. Jika data relative sedikit, maka mengatasi pelanggaran asumsi normalitas data dengan caratrimming akan
semakin mengecilkan jumlah sampel. Untuk mengatasi masalah ini maka cara yang lebih baik dipilih adalah dengan melakukan
winsorizing yaitu mengubah nilai observasi yang outlier menjadi nilai maksimum dan minimum yang diizinkan. Nilai observasi
yang lebih kecil dari μ - 2α akan diubah menjadi μ - 2α dan nilai observasi yang lebih besar μ + 2α akan diubah menjadi nilai μ +
2α.
Universitas Sumatera Utara
3.8.2.2. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.Jika variabel independen saling berkorelasi, maka
variabel-variabel ini tidak ortogonal Ghozali 2007:91.Untuk mendeteksi adanya multikolinearitas, dapat dilihat dari Value Inflation
Factor VIF dan nilai Tolerance.Apabila nilai VIF 10, terjadi multikolinieritas.Sebaliknya, jika VIF 10, tidak terjadi
multikolinearitas Wijaya, 2009:119. Dan jika kita lihat dari nilai Tolarance, apabila nilai Tol 0,10 tidak terjadi multikoloniearitas dan
sebaliknya jika nilai Tol 0,10, maka terjadi multikolonieritas.
3.8.2.3. Uji Autokorelasi