Uji asumsi klasik
dilakukan sebagai syarat untuk penelitian yang akan mengunakan analisis regresi
berganda (multiple regression). Uji
asumsi klasik terdiri dari 5 pengujian yaitu uji heteroskedastisitas, uji
multikolinearitas, uji auto korelasi, uji linearitas, dan uji normalitas. Dalam
penelitian cross section atau one shot, uji auto korelasi tidak perlu
dilakukan. Jadi penelitian ini hanya melakukan 4 macam uji asumsu klasik.
Berikut penjelasan dari masing-masing pengujian yang akan dilakukan dalam
penelitian ini:
1.
Uji Heteroskedastisitas
Pengujian
ini dilakukan untuk mengetahui adanya ketidaksamaan varian dari residual untuk
semua pengamatan pada model regresi. Salah satu cara mengujinya yaitu dengan
cara melihat pola penyebaran titik-titik data. Bila titik-titik tidak membentuk
pola yang jelas dan menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
tidak terjadi heteroskedastisitas. Sebuah penelitian tidak boleh terjadi
heteroskedastisitas karena apabila terjadi heteroskedastisitas, maka setiap
terjadi perubahan pada variabel terikat mengakibatkan errornya (residual) juga
berubah (Gujarati, 2004).
2.
Uji Multikolinearitas
Uji
multikolinearitas dilakukan untuk melihat ada atau tidaknya korelasi yang
tinggi antara variabel-variabel bebas (independen) dalam suatu model regresi
linear berganda (multiple regression).
Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka
hubungan antara variabel bebas terhadap variabel terikatnya (dependen) menjadi
terganggu. Alat statistic yang digunakan untuk menguji gangguan
multikolinearitas adalah dengan variance
inflation factor (VIF), korelasi Pearson antara variabel bebas, atau dengan
melihat eigenvalues dan condition index (CI) (Gujarati, 2004).
3.
Uji
Normalitas
Bertujuan
untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas,
keduanya mempunyai distribusi normal ataukah tidak. Metode yang digunakan
adalah dengan melihat grafik normalitas probability plot yang membandingkan
distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari
distribusi normal. Uji normalitas digunakan untuk mengetahui apakah populasi
data berdistribusi normal atau tidak menurut Dwi Priyatno (2004:28). Uji ini
digunakan untuk mengukur data berskala ordinal, interval, ataupun rasio.
Analisis yang digunakan metode parametric, maka persyaratan harus terpenuhi
yaitu distribusinormal.
4.
Regresi
Linear Berganda
Analisis
ini bertujuan untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel independen mengalami kenaikan
atau penurunan. Menurut Riduwan (2013:154) “Analisis regresi berganda adalah
pengembangan dari analisis regresi sederhana. Kegunaanya untuk meramalkan nilai
variabel terikat (Y) apabila variabel bebas minimal dua atau lebih”.
5.
Uji
Koefisien Korelasi
Untuk
mengetahui besarnya koefisien antara variabel independen, maka penelitian ini
juga menggunakan koefisien korelasi Pearson yang diolah variabel independen dan
hubungan variabel independen, maka dapat dinyatakan dengan fungsi linear
(paling tidak mendekati) dan diukur dengan satuan nilai yang disebut koefisien
korelasi. Menurut Supranto (2000:152) nilai koefisien korelasi adalah sebagai
berikut:
“Nilai
koefisien korelasi ini paling sedikit -1 dan paling besar 1, jadi jika r=
koefisien korelasi maka nilai r dapat dinyatakan sebagai berikut: -1≤ r ≤ 1
Artinya:
1.
Jika r=1, hubungan X dan Y sempurna positif (mendekati 1, yaitu hubungan sangat
kuat dan positif). Korelasi positif artinya hubungan antar variabel independen
dengan variabel dependen bersifat searah. Dengan kata lain peningkatan atau
penurunan niali X terjadi bersama-sama dengan kenaikan atau penurunan nilai Y.
2.
Jika r=-1, atau mendekati -1 hubungan X dan Y sempurna negative artinya
hubungan antar variabel independen dengan dependen bersifat berlawanan. Dengan
kata lain peningkatan nialia X terjadi bersama-sama dengan penurunan niali Y
atau sebaliknya.
3.
Jika r=0, hubungan X dan Y lemah sekali atau tidak ada variabel dependen
dikatakan dengan sangat lemah atau tidak ada sama sekali. Dengan kata lain
hubunngan antara variabel X denga
variabel Y sangat lemah dan tidak terdapat hubungan sama sekali.
6. Uji Koefisien Determinasi
Koefisien
Determinasi (R²) adalah perbandingan antara Variabel independen dan variabel
dependen yang dijelaskan oleh variabel independen secara bersma-sama dibanding
dengan variasi total. Menurut Ghozali (2005) untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variabel independen. Nilai dependen dan
sebaliknya semakin mendekati nol berarti semakin buruk hasil regresinya, karena
variabel independen secara keseluruhan tidak mampu menjelaskan variabel
dependen.
Rumus
yang digunakan kd=r²x100%
Tidak ada komentar:
Posting Komentar