58 Nilai rata-rata mean menunjukan hasil analisis terhadap tendensi
sentral data. Sedangkan, standar deviasi, varian, maksimum dan minimum menunjukkan hasil analisis terhadap dispersi data. Adapun, skewness
kemencengan dan kurtosis menunjukkan bagaimana data terdistribusi Ghozali, 2011.
Adapun, analisis statistik deskriptif dalam penelitian ini, meliputi analisis atas nilai minimum, nilai maksimum, nilai rata-rata mean, dan
standar deviasi dari jumlah data.
2. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis dengan model regresi berganda terlebih dahulu akan dilakukan uji asumsi klasik yang terdiri
dari: uji normalitas, uji multikolinieritas, uji heterokedastisitas dan uji autokorelasi.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal
atau tidak agar uji statistik untuk jumlah sampel kecil hasilnya tetap valid Ghozali, 2011. Seperti diketahui bahwa uji t dan F
mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk
jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji
59 statistik Ghozali, 2011. Dalam penelitian ini, kedua metode analisis
tersebut digunakan. Uji kolmogorov-smirnov merupakan salah satu bagian dari uji
statistik normalitas. Uji kolmogorov-smirnov dapat dijadikan petunjuk apakah suatu data berdistribusi normal atau tidak. Pada uji
kolmogorov-smirnov jika tingkat signifikansi dibawah 0,05, maka data yang diuji memiliki perbedaan yang signifikan dengan data normal
baku sehingga data yang diujikan tidak berdistribusi normal. Namun, jika tingkat signifikansi di atas 0,05, maka data yang diuji memiliki
distribusi normal Ghozali, 2011. Uji ini diyakini lebih akurat daripada uji normalitas dengan grafik, karena uji normalitas dengan
grafik dapat menyesatkan, jika tidak hati-hati secara visual kelihatan normal Ghozali, 2011.
Metode grafik yang digunakan dalam penelitian ini adalah dengan melihat normal probability plot. Analisis normal probability
plot dilakukan dengan cara membandingkan distribusi kumulatif dari distribusi normal Ghozali, 2011. Jika pada grafik analisis terlihat data
tersebar di sekitar garis diagonal sebagai representasi pola distribusi normal, maka dapat disimpulkan bahwa model regresi telah memenuhi
syaratasumsi normalitas.
b. Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model
60 regresi yang baik adalah regresi dengan tidak adanya gejala korelasi
yang kuat di antara variabel bebasnya. Dalam pengujian digunakan matrik korelasi antar variabel bebas untuk melihat besarnya korelasi
antar variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel tersebut tidak ortogonal atau terjadi kemiripan.
Variabel ortogonal adalah variabel independen yang nilai korelasi antarsesama variabel independen bernilai 0 nol. Dengan kata lain,
jika terjadi korelasi, maka dinamakan problem multikolonieritas
Ghozali, 2011.
Pendeteksian multikolonieritas dilakukan dengan menggunakan nilai standar pembanding tolerance value dan variance inflation factor
VIF. Kedua ukuran ini menunjukkan setiap variabel independen yang dijelaskan oleh variabel independen lainnya. Jika nilai tolerance 0,10
dan VIF 10, maka dapat dikatakan bahwa model regresi bebas dari masalah multikolinearitas.
c. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari satu residual pengamatan ke
pengamatan yang lain Ghozali, 2011. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi
heteroskedastisitas.
61 Salah satu cara yang digunakan untuk mendeteksi masalah
heteroskedastisitas pada model regresi adalah dengan melihat grafik scatter plot yang memprediksi variabel terikat ZPRED dengan
residualnya SRESID. Jika pada grafik analisis tersebut ditemukan pola titik tertentu yang teratur bergelombang, melebar kemudian
menyempit, dst,
maka mengindikasikan
telah terjadi
heteroskedastisitas dalam model regresi yang diujikan. Namun, apabila grafik analisis menunjukkan persebaran titik secara acak atau tidak
memiliki pola yang jelas diatas dan dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa model regresi yang diujikan bebas dari
masalah heteroskedastisitas Ghozali, 2011. Selain dengan melihat grafik scatter plot, dapat digunakan pula Uji Glejser Glejser Test. Uji
Glejser dilakukan dengan meregresi nilai absolut residual terhadap variabel bebas. Apabila hasil dari uji Glejser bernilai kurang dariatau
sama dengan 0,05, maka, dapat disimpulkan bahwa data mengalami gangguan heteroskedastisitas dan sebaliknya Ghozali, 2011. Dalam
melakukan uji heteroskedastisitas dalam penelitian ini digunakan metode uji Glejser dan analisis grafik scatter plot.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antara kesalahan penganggu pada periode t
dengan kesalahan pada periode t-1 Ghozali, 2011. Jika terdapat korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi
62 muncul karena observasi yang berurutan sepanjang waktu berkaitan
antara satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya. Model regresi yang baik adalah yang bebas dari autokorelasi Ghozali, 2011.
Dalam penelitian ini, pengujian autokorelasi dilakukan dengan menggunakan Runs Test, yang merupakan bagian dari statistik non-
parametrik yang bertujuan untuk menguji apakah antar-residual terdapat korelasi yang tinggi atau tidak Ghozali, 2011.
Pendeteksian autokorelasi
dilakukan dengan
cara membandingkan nilai perolehan hasil pengujian asymptotic
significance terhadap nilai probabilitas 0,05. Jika nilai perolehan 0,05, maka dapat dikatakan bahwa model regresi bebas dari masalah
autokorelasi Ghozali, 2011. Begitupun sebaliknya.
3. Uji Koefisien Determinasi