55
ini akan dianalisis dengan uji asumsi klasik, uji koefisien determinasi R
2
, dan uji signifikansi.
1. Analisis Statistik Deskriptif
Statistik deskriptif merupakan suatu analisis yang memberikan deskripsi mengenai data namun tidak untuk menguji hipotesis penelitian yang dirumuskan.
Analisis statistik deskriptif memiliki tujuan untuk menganalisis data dan menghitung berbagai karakteristik data yang diteliti. Statistik deskriptif menunjukkan jumlah
sampel, nilai minimum, nilai maksimum, nilai rata-rata, dan standar deviasi Ghozali, 2011. Nilai minimum digunakan untuk menilai nilai terkecil dari data. Nilai
maksimum digunakan untuk mengetahui nilai terbesar dari data. Nilai rata – rata
merupakan nilai untuk mengetahui rata – rata dari data yang diteliti. Sedangkan
standar deviasi digunakan untuk mengetahui variasi data yang diteliti.
2. Uji Asumsi Klasik
Pengujian yang dilakukan sebelum melakukan uji hipotesis adalah pengujian asumsi klasik. Tujuan dari uji asumsi klasik adalah untuk mengetahui apakah data
telah memenuhi asumsi klasik dan menjadi data yang dapat diterapkan dalam model regresi. Pengujian asumsi klasik terdiri dari uji normalitas, uji multikolinearitas, uji
heteroskedastisitas. dan uji autokorelasi. a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam regresi terdapat variabel pengganggu atau residual yang memiliki distribusi normal. Asumsi dalam
model adalah bahwa dalam uji t dan uji F nilai residual mengikuti distribusi normal.
56
Apabila asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2011.
Pengujian normalitas dalam penelitian ini menggunakan uji Kolmogorov smirnov. Metode ini dilakukan untuk menentukan normalitas data. Uji ini dinilai
dengan melihat hasil nilai signifikansi yang ada. Apabila data menunjukkan siginifikansi di atas 0,05 maka data residual terdistribusi normal. Sedangkan jika hasil
uji menunjukkan signifikansi di bawah 0,05 maka data residual yang dimiliki penelitian ini tidak terdistribusi normal Ghozali, 2011.
b. Uji Multikolonieritas
Uji Multikolinieritas memiliki tujuan untuk menguji apakah model regresi menemukan adanya korelasi antar variabel bebas independen yang satu dengan
yang lainnya. Seharusnya model regresi tidak memiliki korelasi antar varibel independen Ghozali, 2011. Uji multikolonieritas dilihat dengan menggunakan nilai
tolerance dan variance inflation factor VIF. Nilai tolerance yang tinggi sama dengan nilai VIF yang rendah. Pengukuran nilai tolerance 0,10 atau sama dengan
VIF 10.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika
variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah yang tidak terdapat heteroskedastisitas Ghozali, 2011.
57
Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heterokedastisitas adalah dengan melihat pada grafik scatter plot. Jika ada pola
tertentu seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar,
kemudian menyempit
maka mengindikasikan
telah terjadi
heterokedastisitas. Jika tidak ada pola yang jelas maka tidak terjadi gejala heterokedastisitas Siregar, 2013. Penelitian ini juga menggunakan uji glejser untuk
mengetahui ada tidaknya gejala heterokedastisitas. Dalam uji glejser, jika nilai signifikan semua variabel lebih dari 0,05 maka dapat dinyatakan data telah terbebas
dari masalah heterokedastisitas.
d. Uji Autokorelasi
Menurut Imam Ghozali 2011 uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antar kesalahan penganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan 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. Cara yang dapat digunakan untuk mendikte ada atau tidaknya autokorelasi
dalam penelitian ini yaitu dengan uji Durbin-Watson. Klasifikasi nilai d dapat digunakan untuk melihat ada atau tidaknya autokorelasi dalam model regresi Iqbal
Hasan, 2001. Berikut adalah nilai DW untuk autokorelasi.
58
3. Analisis Regresi Berganda