Asumsi Klasik Pengolahan dan Analisis Data

23 Keterangan : r = nilai koefisien pearson N = jumlah responden X = skor butir instrumen Y = total skor Uji reliabilitas untuk mengetahui sejauh mana data dapat memberikan hasil yang relatif tidak berbeda bila dilakukan pengukuran kembali pada subyek yang sama atau dapat dikatakan untuk menunjukkan adanya persesuaian antara sesuatu yang diukur dengan jenis alat pengukur yang dipakai. Adapun dalam pengujian reliabilitas ini menggunakan rumus alpha Ghozali, 2005. Dengan taraf signifikan = 0,6, apabila r xy r tabel, maka quesioner sebagai alat pengukur sudah memenuhi syarat reliabilitas. Keterandalan reliability instrumen atau pertanyaan ditentukan dengan menggunakan rumus Alpha Cronbach, yaitu: ………………………………………………………… 3 Keterangan : = nilai koefisien Alpha - Cronbach K = butir instumen yang sahih b 2 = jumlah ragam butir instumen yang sahih t 2 = ragam skor total

3.6.3 Asumsi Klasik

1. Uji Normalitas Bertujuan menguji apakah dalam model regresi, residu dari persamaan regresi distribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Caranya adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal. Jika distribusi data adalah normal maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonal. Adapun cara analisis yang dilakukan adalah dengan menggunakan grafik normal plot, dimana : a. Jika penyebaran data mengikuti garis normal, maka data berdistribusi normal. b. Jika penyebaran data tidak mengikuti garis normal, maka data distribusi tidak normal. Ghozali, 2005 24 Uji normalitas dengan grafik dapat menyesatkan karena secara visual dapat kelihatan tidak normal padahal secara statistik bisa sebaliknya. Adapun uji normalitas dengan statistik yang digunakan dalam penelitian ini adalah uji Kolmogorov-Smirnov KS test, yaitu dengan melihat angka profitabilitas signifikan dimana data dapat disimpulkan berdistribusi normal jika angka signifikansinya lebih besar dari 0,05. 2. Uji Multikolonieritas Bertujuan untuk menguji model regresi ditemukan adanya korelasi antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Jika variable bebas saling berkorelasi, maka variabel – variabel ini tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai korelasi antara sesama variabel bebas sama dengan nol. Langkah menganalisis asumsi multikolinieritas yaitu : a. Jika nilai VIF lebih kecil dari angka 5 maka tidak terjadi problem multikolinieritas. b. Jika nilai VIF lebih dari angka 5 maka terjadi problem multikolinieritas. Santoso, 2001 3. Uji Heteroskdastisitas Bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain akibat besar kecilnya nilai salah satu variabel bebas atau adanya perbedaaan nilai ragam dengan semakin meningkatnya nilai variabel bebas. Jika variance dari residual suatu pengamatan ke pengamatan yang tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas atau yang terjadi Heteroskedastisitas. Kebanyakan data cross section mengandung situasi Heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang dan besar. Prosedur uji dilakukan dengan Uji Glejser. Pengujian kehomogenan ragam sisaan dilandasi pada hipotesis: Ho : ragam residual homogen Ha : ragam residual tidak homogeny 25 Prosedur pengujian kehomogenan ragam residual adalah: a. Lakukan pendugaan parameter model regresi linier dengan metode kuadrat terkecil. b. Hitung sisaan dari model regresi yang diperoleh dari langkah pertama. c. Buat regresi nilai mutlak residual, terhadap peubah penjelas dengan bentuk fungsional. d. Lakukan uji keberartian koefisien regresi. Jika koefisien regresi tidak nyata maka terdapat hubungan yang penting secara statistis di antara peubah sehingga dapat disimpulkan bahwa sisaan mempunyai ragam homogen konstan Gujarati, 2003.

3.6.4 Uji Hipotesis