42
3.8 Teknik Analisis Data
Analisis data dilakukan dengan menggunakan analisis kuantitatif, yaitu suatu analisis data yang diperlukan terhadap data yang diperoleh dari hasil
responden yang diberikan, kemudian dilakukan analisa berdasarkan metode statistik dan data tersebut diklasifikasikan ke dalam kategori tertentu dengan
menggunakan tabel untuk mempermudah dalam menganalisa.
3.8.1 Analisis Deskriptif
Statistik deskriptif yaitu analisis yang ditunjukkan pada perkembangan dan pertumbuhan dari suatu keadaan dan hanya memberikan gambaran tentang
keadaan tertentu dengan cara menguraikan tentang sifat-sifat dari obyek penelitian tersebut Umar, 2002: 78 dalam Rahmawati 2012. Dalam analisis deskriptif
data yang dipakai yaitu data minimum, maximum, mean dan standar deviasi.
3.8.2 Uji Asumsi Klasik
Asumsi klasik adalah suatu pengujian hipotesis yang digunakan dalam suatu penelitian yang menunjukkan bahwa model regresi tersebut layak atau tidak
untuk dilakukan ke pengujian selanjutnya Ghozali, 2013:103. Adapun penyimpangan asumsi klasik ada empat :
1. Normalitas Uji Normalitas residual bertujuan untuk menguji apakah dalam model
regresi, variabel penganggu atau residual memiliki distribusi normal Ghozali, 2013:160. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Kalau asumsi ini dilanggar, maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Untuk mendeteksi apakah
43
residual berdistribusi normal atau tidak, maka dalam penelitian ini menggunakan analisis Kolmogorov - Smirnov. Jika nilai uji Kolmogorov
– Smirnov 0,05 berarti data terdistribusi normal.
Pada penelitian ini untuk menguji kenormalitas data dapat dilihat dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan
distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi
data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013: 161
2. Uji Multikolinearitas Sebelum
dilakukan regresi,
terlebih dahulu
dilakukan uji
multikoleniaritas untuk menunjukkan adanya hubungan linear antara variabel- variabel bebas dalam model regresi Sumodiningrat, 1994:281. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendekteksi adanya multikolinearitas dilihat melalui nilai tolerance value dan
variance inflation factor VIF. Nilai cut off yang umumnya dipakai untuk menunjukkan adanya multikolonearitas adalah nilai tolerance, 0,10 atau sama
dengan nilai VIF 10 Ghozali, 2013:106.
Tolerance VIF
1
44
3. Uji Heteroskedasitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan
yang lain. Jika varians dari residual satu pengamatan ke pengamatan tetap maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi
yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Ghozali, 2013:139.
Cara untuk mendeteksi adanya heterokedastisitas dapat dilakukan dengan Glejser. Uji Glejser mengusulkan untuk meregresi nilai absolut residual terhadap
variabel independen. Jika variabel independen, maka indikasi terjadi heterokedastisitas. Jika variabel independen tidak signifikan sig 0.05 berarti
model bebas dari heterokedastisitas. 4. Uji Autokorelasi
Autokorelasi adalah korelasi hubungan yang terjadi diantara anggota- anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu time
series atau yang tersusun dalam rangkaian ruang Sumodiningrat, 1994:231. Pengujian autukorelasi yang banyak digunakan adalah model Durbin-Watson.
Kriteria pengujian Durbin-Watson adalah sebagai berikut Ghozali, 2013:111 : Hipotesis Nol
Keputusan Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No desicison dl ≤ d ≤ du
45
Tidak ada autokorelasi negatif Tolak
4 – dl d 4
Tidak ada autokorelasi negatif No desicison
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi, positif atau negatif
Diterima du d 4
– du
Jika nilai Durbin-Watson tidak dapat memberikan kesimpulan apakah data yang digunakan terbebas dari autokorelasi atau tidak, maka perlu dilakukan
Run Test. Pengambilan keputusan didasarkan pada acak atau tidaknya data, apabila bersifat acak maka dapat diambil kesimpulan bahwa data tidak terkena
autokorelasi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah random atau acak. Apabila tingkat signifikansi hasil uji
Run Test dibawah α 0,05 maka didalam model terdapat autokorelasi. Tetapi
apabila tidak signifikan pada α 0,05 maka tidak terdapat autokorelasi. Hipotesis yang diajukan dalam uji Run Test.
H0 : residual random acak H1 : residual tidak random
3.8.3 Moderated Regression Analysis MRA
Kategori