1. Analisis Deskriptif
Analisis deskriptif adalah analisis yang mengacu pada transformasi data- data mentah ke dalam bentuk yang mudah dimengerti dan diterjemahkan.
Analisis ini dapat berupa tabel, grafik, nilai rata-rata, standar deviasi, dan lain- lain.
132
Analisis deksriptif pada penelitian ini dilakukan terhadap seluruh masing-masing variabel independen dan variabel dependen.
2. Uji Model
a. Uji Asumsi Klasik
1 Uji Multikolinearitas
Menurut Frish apabila terjadi multikolinear apalagi kolinear sempurna koefisien korelasi antarvariabel bebas = 1, maka koefisien
regresi dari variabel bebas tidak dapat ditentukan dan standar errornya tidak terhingga.
133
Salah satu ukuran yang paling populer untuk melihat adanya multikolinearitas antarvariabel independen adalah dengan menggunakan
Variance Inflation Factor VIF atau tolerance 1VIF. Regresi yang
bebas multikolinearitas memiliki VIF di sekitar 1 atau tolerance mendekati 1. Jika untuk suatu variabel independen nilai VIF 10
dikatakan terjadi kolinearitas yang kuat antarvariabel independen.
134
Untuk melihat adanya multikolinearitas antarvariabel independen juga dapat dideteksi dengan membandingkan hasil estimasi R
2
dengan r
2
parsial masing-masing variabel. Apabila R
2
lebih besar daripada r
2
masing-masing variabel, maka hasil estimasi model regresi dinyatakan bebas dari multikolinearitas.
132
Mudrajat Kuncoro, Metode Riset untuk Bisnis dan Ekonomi: Bagaimana Meneliti dan Menulis Tesis?
Jakarta: Erlangga, 2003, h. 211-212.
133
Suharyadi dan Purwanto S. K, Statistika:Untuk Ekonomi dan Keuangan Modern Edisi 2,
Jakarta: Penerbit Salemba Empat, 2009, h. 231.
134
Dedi Rosadi, Ekonometrika dan Analisis Runtun Waktu Terapan dengan Eviews, Yogyakarta: Andi Offset, 2012, h. 52-53
2 Uji Autokorelasi
Autokrelasi dikenalkan oleh Maurice G. Kendall dan William R. Buckland. Autokorelasi merupakan korelasi antara anggota observasi
yang disusun menurut urutan waktu. Pendeteksian autokorelasi dapat dilakukan dengan menggunakan uji Breusch-Godfrey Serial Correlation
LM Test , dimana jika nilai p value lebih rendah dari level of significance
sebesar 5. Maka dapat disimpulkan tidak terjadinya autokorelasi.
3 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal.
Untuk menentukan data terdistribusi normal atau tidak digunakan uji Jargue-Bera test
atau J-B test dengan ketentuan jika probabilitas lebih besar dari 0,05 5 maka data terdistribusi dengan normal dan tidak
terkendala masalah normalitas.
9. Uji Statistik