Uji Asumsi Klasik Uji Normalitas Uji Multikolinearitas

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