Uji Normalitas Uji Autokorelasi

Services Solution, namun terlebih dahulu dilakukan uji asumsi klasik sebelum melakukan pengujian hipotesis.

1. Statistik Deskriptif

Statistik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari data. Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, skewness kemencengan distribusi. Dalam penelitian ini penulis menjabarkan statistik deskriptif berupa mean, maksimum, minimum, dan standar deviasi.

2. Uji Asumsi Klasik

Penggunaan analisis regresi dalam statistik harus bebas dari asumsi- asumsi klasik. Pengujian asumsi klasik yang dipenuhi meliputi ada tidaknya autokorelasi multikolinearitas, dengan mengabaikan asumsi normalitas heterokedasitas untuk pengujian regresi logistik. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini adalah sebagai berikut:

a. Uji Normalitas

Uji ini digunakan dalam tahap awal dalam metode pemilihan analisis data. Jika data normal digunakan uji parametik dan jika data tidak normal digunakan non parametik atau treatment agar data normal. Tujuan uji normalitas adalah untuk mengetahui apakah data dalam bentuk Universitas Sumatera Utara distribusi normal atau tidak. Untuk menguji normalitas data, peneliti menggunakan analisis grafik dan analisis statistik. Dalam analisis grafik, dilakukan dengan melihat grafik histogram dan normal probability plot. Sedangkan dalam analisis statistik dilakukan dengan uji Kolmogorov Smirnov Uji K-S. Dasar pengambilan keputusannya adalah: 1 Jika tingkat signifikansinya 0,05, maka data terdistribusi normal. 2 Jika tingkat signifikansinya 0,05, maka data terdistribusi tidak normal.

b. Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi atau kesalahan pengganggu pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lain, hal ini sering ditemukan pada time series. Pada data cross section, masalah autokorelasi relatif tidak terjadi. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin– Watson D – W. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation mensyaratkan adanya intercept konstanta dalam model regresi tidak ada variabel lag diantara variabel independen Imam Gozali, 2005:96. Universitas Sumatera Utara Pengambilan keputusan ada tidaknya autokorelasi adalah: 1 Bila nilai DW terletak diantara batas atas atau upper bound du dan 4-du maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi. 2 Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl maka koefisien autokorelasi 0, berarti ada autokorelasi positif. 3 Bila nilai DW lebih besar dari 4-dl maka koefisien autokorelasi 0, berarti ada autokorelasi negatif. 4 Bila nilai DW terletak antara du dan dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat disimpulkan.

c. Uji Heteroskedastisitas