METODE PENELITIAN A.Jenis Penelitian
F. Analisis Data dan Pengujian Hipotesis 1.Analisis Data 1.Analisis Data
3. Uji Asumsi Klasik a)Uji Normalitas
Pengujian ini bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji-t dan uji-F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu (Ghozali, 2011:160):
1) Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonalnya. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2) Analisis Statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan skewness dari residual. Niali z statistik untuk skewness dapat dihitung dengan rumus:
Dimana N adalah jumlah sampel, jika nilai Zhitung > Ztabel, maka distribusi tidak normal.
Keterangan:
α = koefisien reliabilitas K = jumlah item reliabilitas r = rata-rata korelasi antar item 1 = bilangan konstan
Dalam penelitian ini, penulis memilih cara yaitu dengan menggunakan analisis grafik dengan melihat histogram dan normal probability plot. Alasan penulis memilih cara tersebut karena jika hanya melihat histrogram dapat menyesatkan khususnya untuk jumlah sampel yang kecil, sehingga penulis juga melihat normal probability plot yang membandingkan distribusi kumulatif dengan distribusi normal. Selain itu, penulis juga menggunakan cara memakai program SPSS dengan Komolgorov-Smirnov Test untuk mengetahui data berdistribusi normal atau tidak.
b) Uji Multikolinieritas
Pengujian ini bertujuan untuk mengukur apakah model regresi ditemukan adanya korelasi antar variabel bebas (variabel independen). Untuk mendeteksi ada atau tidaknya multikolinieritas dalam model regresi adalah sebagai berikut (Ghozali, 2011:105):
1) Nilai R² yang dihasilkan sangat tinggi tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
2) Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya di atas 0.90), maka hal ini merupakan indikasi adanya multikolonieritas.
3) Multikolinieritas juga dapat dilihat dari (a) nilai tolerance dan lawannya (b) variance inflation factor (VIF). Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF – 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10.
Dari 3 metode di atas, penulis memilih dengan melihat nilai tolerance dan nilai VIF dengan bantuan program SPSS untuk mendeteksi ada atau tidaknya multikolinieritas. Alasan penulis menggunakan cara ketiga karena kedua ukuran tersebut menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
c) Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Kebanyakan data crossection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, dan besar).
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas (Ghozali, 2011:139):
1) Mlihat Grafik Plot antara nilai prediksi variabel terikat (dependen) yaitu
ZPED dengan residualnya SRESID. Deteksi ada tidaknya
heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual (Y presiksi – Y sesungguhnya) yang telah di-studentized. Jika membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas dan sebaliknya.
2) Uji Park
Park mengemukakan metode bahwa variance (s²) merupakan fungsi dari variabel-variabel independen yang dinyatakan dalam persamaan sebagai berikut:
σCi = α Xiβ
3) Uji Glejser
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen (Gujarati, 2003) dengan persamaan regresi:
| Ut| = α + βXt + vt
4) Uji White
Pada dasarnya uji White mirip dengan kedua uji Park dan Glejser. Menurut White, uji ini dapat dilakukan dengan meregresi residual kuadrat (U²t) dengan variabel independen, variabel independen kuadrat
dan perkalian (interaksi) variabel independen. Misalkan kita punya dua varibel independen X1 dan X2, makan persamaan regresinya sbb:
U²t = b0 + b1X1 + b2X2 + b3X1² + b4X2² + b5X1X2
Dari persamaan regresi ini didapatkan nilai R² untuk menghitung c², dimana c² = n x R² (Gujarati, 2003). Pengujiannya adalah jika c²hitung < c²tabel, maka hipotesis alternatif adanya heterokedastisitas dalam model ditolak.
Dalam penelitian ini, pengujian heteroskedasititas penulis lakukan dengan menggunakan Uji Glejser. Dalam pemilihan metode ini tidak ada alasan khusus karena semua pengujian sama-sama dapat mendeteksi ada atau tidaknya heteroskedasititas, namun uji Glejser lebih mudah.
d) Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan penggangu pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Ada beberapa cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah sebagai berikut (Ghozali, 2011:110):
1) Uji Durbin – Waston (DW Test)
Pengujian ini hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag di antara variabel independen.
2) Uji Lagrange Multipier (LM Test)
Uji autokorelasi dengan LM Test terutama digunakan untuk sampel besar di atas 100 observasi. Uji LM akan menghasilkan statistik Breusch-Godfrey.
3) Uji Statistics Q : Box-Pierce dan Ljung Box
Uji Box-Pierce dan Ljung Box digunakan untuk melihat autokorelasi dengan lag lebih dari dua.
4) Run Test
Run Test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Run Test digunakan untuk melihat apakah data residual terjadi secara random atau sistematis.
Pengujian autokorelasi dalam penelitian ini akan dilakukan dengan Uji Durbin-Watson. Penulis memilih metode dengan Uji Durbin-Watson karena pengujian tersebut lebih mudah dipahami dibanding dengan uji yang lainnya.