METODE PENELITIAN A. Ruang Lingkup Penelitian
D. Teknik Analisis Data
1. Uji validitas dan reliabilitas a. Uji validitas
Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuisioner. Suatu kuisioner dikatakan valid jika pertanyaan pada kuisioner mampu untuk mengungkapkan suatu yang akan diukur oleh kuisioner tersebut. Mengukur validitas dapat dilakukan dengan cara melakukan korelasi bivariate antara masing-masing skor indikator dengan total skor konstruk. Untuk menguji apakah masing-masing indikator valid atau tidak dilakukan dengan membandingkan rhitung dengan rtabel. Jika rhitung lebih besar dari rtabel dan nilai positif maka butir atau pertanyaan atau indikator tersebut dinyatakan valid (Imam Ghozali, 2005:45).
b. Uji reliabilitas
Reliabilitas sebenarnya adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu (Imam Ghozali, 2005:45).
Menurut Sugiyono (2004:110) instrumen yang reliabel adalah instrumen yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data yang sama.
Menurut Imam Ghozali (2005:42) pengukuran reliabilitas dapat dilakukan dengan dua cara yaitu:
1) Repeated measure atau pengukuran ulang: Disini seseorang akan disodori pertanyaan yang sama pada waktu yang berbeda, dan kemudian dilihat apakah ia tetap konsisten dengan jawabannya. 2) One shot atau pengukuaran sekali saja: Disini pengukurannya
hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan. SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbach Alpha (α). Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha > 0,60. 2. Uji normalitas dan Asumsi Klasik
a. Uji Normalitas
Menurut Imam Ghozali (2005:110) uji normalitas 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. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data dan observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal proability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonal.
b. Uji Multikolinearitas
Imam Ghozali (2005:91) uji multikolinearitas bertujuan untuk meguji apakah ada model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinearitas didalam model regresi yaitu dilihat dari nilai tolerance dan lawannya,
Variance Inflation Factor (VIF). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel
independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres
terhadap variabel independen lainnya. 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 menunjukan adanya multikolerasi adalah nilai tolerance < 0.10 atau sama dengan nilai VIF >10. c. Uji Heteroskedastisitas
Menurut Imam Ghozali (2005:105) uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas diantaranya dengan melihat grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu
Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – sesungguhnya) yang telah di-stundetized. Dasar analisis:
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3. Analisis Regresi Ganda
Menurut Sugiyono (2004:210-211) Analisis regresi ganda digunakan oleh peneliti bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel independen sebagi faktor predictor dimanipulasi (dinaik turunkan nialinya). Jadi analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2.
Secara sistematis persamaan regresi dinyatakan dalam bentuk statistik sebagai berikut :
Y=a + b1X1 + b2X2 +…+ bnXn ( Sugiyono, 2004; 211 )
Dimana : a = bilangan konstanta Y = variabel terikat b1…bn = koefisen regresi
4. Menilai Goodness Of Fit Suatu Model
Menurut Imam Ghazali (2005:83) ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fit-nya. Secara statistik, setidaknya ini dapat diukur dari :
a. Koefisien Determinasi (R2)
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
b. Uji Signifikan Simultan (Uji Statistik F)
Uji F dipakai untuk melihat pengaruh variabel-variabel independen secara keseluruhan terhadap variabel dependen. Pengujian ini dilakukan dengan membandingkan nilai Fhitung dengan Ftabel.
c. Uji Signifikan Parameter Individual (Uji Statistik t)
Uji t dipakai untuk melihat signifikasi pengaruh variabel independen secara individu terhadap variabel dependen dengan menganggap variabel lain bersifat konstan. Uji ini dilakukan dengan membandingkan thitung dengan ttabel.