59 bimodal atau distribusi multimodal dan kemudian stratifikasi data . Data harus
diperiksa lagi untuk normalitas dan setelah proses stratified dapat bekerja secara terpisah .
3 Kurangnya data Diskriminasi Round- off error atau perangkat pengukuran dengan resolusi rendah dapat
membuat benar-benar data continues dan data terdistribusi normal terlihat diskrit dan tidak normal . Kurangnya data diskriminasi dan karena terbatasnya jumlah
nilai yang berbeda - dapat diatasi dengan menggunakan sistem pengukuran yang lebih akurat atau dengan mengumpulkan lebih banyak data.
4 Nilai Mendekati Nol Jika proses memiliki banyak nilai mendekati nol, distribusi data akan miring
skewness ke kanan atau kiri. Dalam hal ini, transformasi seperti tenaga transformasi Box - Cox, dapat membantu membuat data normal. Dalam metode
ini , semua data dinaikkan , atau diubah , dengan eksponen tertentu , ditunjukkan dengan nilai Lambda . Ketika melakukan transformasi, semua data harus
dilakukan perlakuan diubah yang sama.
b. Uji Linieritas
Uji linieritas merupakan uji yang digunakan untuk mengetahui hubungan X dan Y apakah linier atau tidak, maka uji linieritas dalam penelitian ini
menggunakan bantuan program SPSS 17.0 for Windows dengan cara sebagai berikut:
1 Pilih menu Analyze Compare Means. 2 Masukkan variabel terikat Y ke kolom Dependent.
3 Masukkan variabel bebas X ke kolom Independent.
60 4 Pilih Option pada Statistik for First Layer cek pada bagian Test for Linearity,
kemudian klik Continue. 5 Klik OK.
Sedangkan, untuk mengetahui data tersebut mempunyai hubungan linier atau tidak, Sarjono dan Julianita 2011: 80 menyatakan pedoman kriteria
pengujian uji linieritas sebagai berikut: Jika Sig. atau signifikansi pada Deviation from Linearity 0,05 maka
hubungan antar variabel adalah linier. Jika Sig. atau signifikansi pada Deviation from Linearity 0,05 maka
hubungan antar variabel tidak linier.
Apabila data penelitian ternyata tidak berhubungan linier, yang dapat dilakukan oleh peneliti yaitu memotong data, merupakan salah satu cara untuk mengatasi
masalah ketidaklinieran data. Pemotongan bisa dilakukan berdasarkan nilai rerata, hasil pengkategorian, atau berdasarkan grafik scatter
c. Uji Multikolinieritas
Model regresi yang baik mensyaratkan tidak adanya masalah multikolinieritas. Uji multikolinieritas digunakan untuk mengetahui ada tidaknya
hubungan antara masing-masing variabel bebas. Jika terjadi multikolinieritas pada persamaan regrasi dapat diartikan kenaikan variabel bebas dalam
memprediksi variabel terikat akan diikuti variabel bebas yang lain yang terjadi multikolinieritas. Dalam uji ini untuk mendeteksi ada tidaknya multikolinieritas
dengan cara melihat VIF. Uji multikolinieritas dalam penelitian ini menggunakan bantuan program SPSS 17.0 for Windows dengan cara sebagai berikut:
1 Pilih menu Analyse Regression Linier. 2 Masukkan variabel terikat Y ke kolom Dependent.
3 Masukkan variabel bebas X ke kolom Independent.
61 4 Pilih Statistics pada pilihan Regression Coefficient cek pada bagian
Covariance Matrix dan Collinierity Diagnostics, klik Continue. 5 Klik OK.
Sedangkan, untuk mengetahui ada tidaknya Sarjono dan Julianita 2011: 74 menyatakan pedoman kriteria pengujian multikolinieritas sebagai berikut:
Jika nilai VIF 10 maka tidak terjadi multikolinieritas di antara variabel bebas.
Jika nilai VIF 10 maka terjadi multikolinieritas di antara variabel bebas. Apabila data penelitian ternyata terjadi multikolinieritas, berikut ini beberapa
alternatif cara untuk mengatasi masalah multikolinieritas: 1 Mengganti atau mengeluarkan variabel yang mempunyai korelasi tinggi.
2 Menambahkan jumlah observasi. 3 Mentransformasikan dta ke dalam bentuk lain, misalnya logaritma natural,
akar kuadrat atau bentuk first difference delta. 4 Dalam tingkat blanjut dapat digunakan metode regresi bayessian yang
masih jarang sekali digunakan.
3. Uji hipotesis a. Pengujian hipotesis pertama dan hipotesis kedua
