Jika r hitung positif, serta r hitung r tabel, maka butir variabel
tersebut valid.
Jika r hitung tidak positif negatif, serta r hitung r tabel, maka butir variabel tersebut tidak valid.
3.4.2 Uji Reliabilitas
Uji reliabilitas dimaksudkan untuk mengetahui apakah jawaban yang diberikan responden dapat diandalkan, dengan perkataan lain hasil
pengukuran tetap konsisten bila dilakukan dua kali atau lebih terhadap obyek dan alat pengukur yang sama. Suatu kuesioner dikatakan reliabel
atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau labil dari waktu ke waktu Sumarsono, 2004: 34. Dasar pengambilan
keputusan Santoso, 2000: 280 adalah sebagai berikut :
Jika r alpha positif serta r alpha hasil r tabel, maka butir variabel tersebut reliabel.
Jika r alpha tidak positif negatif serta r alpha hasil r tabel, maka
butir variabel tersebut tidak reliabel.
3.5 Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah data tersebut normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti normal data
maka dapat dilakukan dengan metode Kolmogrov-Smirnov dan Shapiro-
Wilk Sumarsono, 2004:40. Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti sebaran normal adalah sebagai berikut :
Jika nilai signifikan atau nilai probabilitasnya 5 maka distribusi
adalah tidak normal.
Jika nilai signifikan atau nilai probabilitasnya 5 maka distribusi adalah normal.
3.6 Uji Asumsi Klasik
Mengingat adanya asumsi-asumsi model klasik dimana pengujian ini dimaksudkan untuk mendeteksi ada tidaknya multikolieritas dan
heteroskedastisitas dalam hal estimasi, hal ini dikarenakan apabila terjadi penyimpangan terhadap asumsi klasik tersebut, maka uji yang dilakukan
menjadi tidak valid dan secara statistik dapat mengacaukan kesimpulan yang diperoleh. Untuk itu perlu untuk dilakukan uji asumsinya.
Dalam melakukan analisis asumsi klasik terdapat beberapa metode yang digunakan, antara lain Imam Ghozali, 2006: 91 :
1. Multikolinieritas
Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas berkorelasi, maka variabel-variabel tersebut
tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar variabel bebas sama dengan nol. Untuk mendeteksi ada
atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut :
Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen
banyak yang tidak signifikan mempengaruhi variabel independen.
Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya
diatas 0,90, maka hal ini merupakan indikasi adanya multikolonieritas.
Menurut Imam Ghozali 2006: 91 deteksi tidak adanya Multikolinieritas, yaitu mempunyai nilai VIF di sekitar angka 1 dan
mempunyai angka toleransi mendekati 1. Berdasarkan hasil pengujian dapat diketahui bahwa nilai VIF seluruh variabel bebas dalam penelitian
ini di sekitar angka 1, artinya seluruh variabel bebas pada penelitian ini tidak terjadi Multikolinieritas.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variansi dari residual satu pengamatan ke
pengamatan yang lain. Jika variansi dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Tingkat signifikan koefisien Rank Spearman
untuk semua variabel bebas terhadap residual adalah lebih besar dari 0,05 yang berarti pada model regresi ini tidak terjadi heteroskedastisitas.
3. Autokorelasi
Autokorelasi adalah hubungan yang terjadi diantara anggota- anggota sample dari serangkaian pengamatan yang tersusun dalam
rangkaian waktu time series data. Suatu jenis pengujian yang umum digunakan untuk mengetahui adanya autokorelasi telah dikembangkan
oleh J. Durbin dan G.Watson. pengujian ini sebagai statistik dw Durbin–Watson yang dihitung berdasarkan jumlah selisih kuadrat
nilai-nilai taksiran faktor-faktor gangguan yang berurut Sumodiningrat, 1994:231.
Identifikasi gejala autokorelasi dapat dilakukan dengan kurva di bawah ini.
Gambar 3.1. Kurva Autokorelasi
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
dL dU
4 - dU 4 - dL
4 ada
a ut
o kore
la si
pos it
if daerah
keragu raguan
ada a
ut o
kore la
si ne
ga ti
f daerah
keragu raguan
Sumber: Gujarati,1999, Ekonometrika Dasar, cetakan keenam, Penerbit Airlangga, hal 216, Jakarta.
3.7 Teknik Analisis dan Uji Hipotesis
