BAB IV HASIL DAN PEMBAHASAN
B. Hasil Uji Analisis Data Penelitian
2. Hasil Uji Asumsi Klasik
Sebelum pengujian regresi, terlebih dahulu dilakukan uji asumsi klasik yang bertujuan untuk memastikan bahwa penggunaan model regresi dalam penelitian layak untuk digunakan. Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi
normal atau tidak yaitu dengan analisis grafik dan uji statistik (Ghozali, 2013).
Uji normalitas dengan analisis grafik dalam penelitian ini menggunakan grafik histogram dan grafik normal probability plot. Hasil pengujian normalitas menggunakan grafik dalam penelitian ini dapat dilihat pada gambar 4.1 yang menunjukkan hasil uji normalitas menggunakan grafik histogram dan gambar 4.2 yang menunjukkan hasil uji normalitas menggunakan grafik normal probability plot.
Sumber: Data Sekunder yang diolah tahun 2016 Gambar 4. 1 Grafik Histogram
Sumber: Data Sekunder yang diolah tahun 2016
Dengan melihat tampilan grafik histogram pada gambar 4.1 dapat disimpulkan bahwa grafik histogram memberikan hasil berupa pola distribusi yang normal, sedangkan grafik normal probability plot pada gambar 4.2 dapat disimpulkan bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Berdasarkan uji normalitas menggunakan analisis grafik, dapat disimpulkan bahwa model regresi dalam penelitian ini telah memenuhi asumsi normalitas.
Selain melalui analisis grafik, penelitian ini juga menggunakan uji normalitas melalui uji statistik. Dalam penelitian ini, digunakan uji statistik non-parametrik Kolmogorov-Smirnov (K-S) untuk memperkuat hasil normalitas data. Jika nilai Kolmogorov-Smirnov (K-S) memiliki tingkat signifikansi diatas α > 0,05 maka model
regresi memenuhi asumsi normalitas (Ghozali, 2013). Hasil pengujian normalitas data dengan menggunakan uji statistik non-parametrik Kolmogorov-Smirnov (K-S) disajikan pada tabel 4.5.
Tabel 4. 5 Hasil Uji Normalitas: Kolmogorov Smirnov (K-S) One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 69
Normal Parametersa,b Mean ,0000000 Std. Deviation ,02925230 Most Extreme Differences Absolute ,058 Positive ,051 Negative -,058 Test Statistic ,058
Asymp. Sig. (2-tailed) ,200c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance. Sumber: Data Sekunder yang diolah tahun 2016
Berdasarkan tabel 4.5, hasil uji normalitas menunjukkan besarnya nilai Kolmogorov Smirnov adalah 0,058 dan tingkat signifikansinya berada pada 0,200. Hasil ini menunjukkan bahwa model regresi memenuhi asumsi normalitas karena tingkat signifikansinya lebih dari 0,05.
b. Hasil Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (idependen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen. Salah satu cara untuk mendeteksi ada atau tidaknya multikolinearitas adalah dengan melihat nilai tolerance dan lawannya yaitu variance inflation factor (VIF). Nilai cutoff yang dipakai ada atau tidaknya multikolinearitas adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10. Hasil dari uji multikolinearitas pada penelitian ini disajikan pada tabel 4.6.
Tabel 4. 6 Hasil Uji Multikolonieritas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) PTACC ,281 3,554 PTCF ,277 3,609 BDIND ,677 1,476 AUDCOM ,902 1,109 TH ,729 1,371 UP ,720 1,390
a. Dependent Variable: PTBIplus1
Sumber: Data Sekunder yang diolah tahun 2016
Berdasarkan tabel 4.6, hasil perhitungan pada kolom tolerance menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Sementara hasil perhitungan nilai variance inflation factor (VIF) juga menunjukkan hal yang sama, yaitu tidak ada variabel independen yang memiliki nilai VIF lebih dari 10. Dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi pada penelitian ini.
c. Hasil Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2013). Dalam penelitian ini uji heteroskedastisitas dilakukan dengan melihat grafik scatterplot dan uji glejser.
Pada grafik scatterplot, jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil dari uji heteroskedastisitas dengan menggunakan grafik plot disajikan dalam gambar 4.3.
Sumber: Data sekunder yang diolah tahun 2016
Berdasarkan grafik scatterplot yang ditunjukkan pada gambar 4.3 terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi yang digunakan dalam penelitian ini.
Selain melalui grafik scatterplot, penelitian ini melakukan uji glejser untuk memperkuat bukti bahwa dalam model regresi penelitian tidak terdapat heteroskedastisitas. Hasil dari uji glejser dalam penelitian ini disajikan dalam Tabel 4.7.
Berdasarkan hasil uji glejser yang ditunjukkan pada tabel 4.7, menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik. Hal ini terlihat dari probabilitas signifikansinya yang bernilai diatas tingkat kepercayaan 5% (0,05). Dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas. Hasil ini sesuai dengan uji heteroskedastisitas menggunakan grafik scatterplot.
Tabel 4. 7 Hasil Uji Heteroskedastisitas: Glejser
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi (Ghozali, 2013).
Dalam penelitian ini, pengujian uji autokorelasi menggunakan Run Test dengan ketentuan probabilitas lebih besar dari signifikansi 0,05. Hasil dari uji autokorelasi dalam penelitian ini disajikan dalam tabel 4.8.
Tabel 4. 8 Hasil Uji Autokorelasi: Run Test Runs Test
Unstandardized Residual
Test Valuea ,00239
Cases < Test Value 34 Cases >= Test Value 35
Total Cases 69
Number of Runs 32
Z -,847
Asymp. Sig. (2-tailed)
,397 a. Median
Sumber: Data sekunder yang diolah tahun 2016
Berdasarkan tabel 4.8 nilai test adalah sebesar 0,00239 dengan probabilitas 0,397 yang bernilai lebih besar dari 0,05. Hal tersebut menunjukkan bahwa nilai residual acak atau random, sehingga dapat
disimpulkan bahwa tidak terdapat masalah autokorelasi pada model regresi yang digunakan didalam penelitian ini.