Uji Asumsi Klasik

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%