42
Statistik deskriptif memberikan gambaran atau deskripsi masing-masing variabel yang dilihat dari nilai rata-rata mean, standar deviasi, varian,
maksimum, minimum, sum, range, kurtosis, dan skewness Ghozali, 2013:19. Standar deviasi, varian, maksimum, dan minimum menunjukkan hasil analisis
terhadap dispersi variabel. Sedangkan skewness dan kurtosis menunjukkan bagaimana variabel terdistribusi. Varian dan standar deviasi menunjukkan
penyimpangan variabel terhadap nilai rata-rata.
3.8.2 Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan agar memperoleh hasil regresi yang bisa dipertanggungjawabkan dan mempunyai hasil yang tidak bias. Dari pengujian
tersebut asumsi-asumsi yang harus dipenuhi adalah tidak terdapat korelasi yang erat antara variabel independen multikolinearitas, tidak terdapat korelasi residual
periode t dengan t-1 autokorelasi, dan tidak terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain heteroskedastisitas, data
yang dihasilkan terdistribusi normal. Uji asumsi klasik terdiri dari:
1. Uji Normalitas
Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau mendekati
normal Ghozali, 2013:160.Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Pembuktian apakah data tersebut memiliki
distribusi normal atau tidak, bisa dilihat pada normal probability plot analisis grafik dan analisis statistik. Pada normal probability plot data dikatakan normal
Universitas Sumatera Utara
43
jika ada penyebaran titik-titik di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Sebaliknya, apabila data menyebar jauh dari garis
diagonal maka model regresi tidak memenuhi asumsi normalitas. Uji normalitas secara statistik dapat menggunakan alat analisis One
Sample Kolmogorov-Smirnovdimana bila nilai signifikansi kolmogorov smirnov lebih besar dari 0,05 maka data normal atau tidak terdapat nilai ekstrim yang
menyebabkan hasil penelitian menjadi bias, dan bila nilai signifikansinya lebih kecil dari 0,05 maka terjadi sebaliknya.
2. Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas Ghozali, 2013:105. Untuk
mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi dalam penelitian ini dengan melihat 1 matrik korelasi antar variabel-variabel
independen termasuk variabel kontrol, 2 nilai tolerance, dan 3 variance inflation factor VIF. Indikator untuk menunjukkan adanya multikolinearitas
adalah jika besaran korelasi matrik antar variabel independen 0,90, nilai tolerance
≤ 0,10, dan nilai VIF ≥10.
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1. Jika terjadi korelasi, maka ada problem
Universitas Sumatera Utara
44
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya Ghozali, 2013:110.
Untuk mengetahui ada tidaknya autokorelasi dengan menggunakan dua pengujian, yaitu Uji Durbin-Watson DW test yaitu Pengujian dilakukan dengan
tingkat signifikansi 5. Uji ini mensyaratkan adanya konstanta dalam model regresi dan tidak ada variabel lagi di antara variabel independen. Hipotesis yang
akan diuji adalah: H
: tidak ada autokorelasi r=0 H
1
: ada autokorelasi r≠0 Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2013
adalah:
Tabel 3.4 Keputusan Ada Tidaknya Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl d du
Tidak ada autokorelasi negatif Tolak
4-dl d 4 Tidak ada autokorelasi negatif
No decision 4-du d 4-dl
Tidak ada autokorelasi positif atau negatif
Terima du d 4-du
Sumber: Ghozali, 2013:111
Jika nilai Durbin-Watson tidak dapat memberikan kesimpulan apakah data yang digunakan terbebas dari autokorelasi atau tidak, maka perlu dilakukan Run
Test. Pengambilan keputusan didasarkan pada acak atau tidaknya data, apabila bersifat acak maka dapat diambil kesimpulan bahwa data tidak terkena
autokorelasi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah random atau acak. Apabila tingkat signifikansi hasil uji
Universitas Sumatera Utara
45
Run Test dibawah α 0,05 maka didalam model terdapat autokorelasi. Tetapi
apabila tidak signifikan pada α 0,05 maka tidak terdapat autokorelasi. Hipotesis yang diajukan dalam uji Run Test.
H : residual random acak
H
1
: residual tidak random.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain.
Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Ghozali,
2013:139. Cara untuk mendeteksi adanya heterokedastisitas dapat dilakukan dengan
Glejser. Uji Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen, maka indikasi terjadi
heterokedastisitas. Jika variabel independen tidak signifikan sig 0.05 berarti model bebas dari heterokedastisitas.
3.8.3 Analisis Linier Berganda