BAB III METODE PENELITIAN
3.10 Teknik Analisis
Metode analisis data menggunakan statistik deskriptif, uji asumsi klasik, uji regersi berganda, dan uji hipotesis penelitian.
3.10.1 Statistik Deskriptif
Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Statistika deskriptif hanya memberikan informasi mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang induknya yang lebih besar. Dengan statistika deskriptif, kumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus data.
3.10.2 Uji Asumsi Klasik
Untuk melakukan uji asumsi klasik terhadap data primer ini, maka peneliti melakukan uji normalitas, uji multikolonieritas, uji heteroskedastisitas, dan uji autokeralasi.
a. Uji Normalitas
Salah satu uji persyaratan yang harus dipenuhi dalam penggunaan analisis parametrik yaitu uji normalitas data populasi.Menurut (Imam Ghozali, 2011:160), uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengansumsikan 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 histrogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.Namun demikian hanya dengan melihat histrogram hal ini dapat menyesatkan khususnya untuk jumlah sampel kecil.Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal (Imam Ghozali, 2011:160).Untuk menafsirkan apakah data yang diuji berdistribusi normal atau tidak, maka dapat dilakukan dengan cara menggunakan harga koefisien Skewness atau
nilai -0,5 sampai dengan 0,5 maka dapat dikatakan bahwa data masing- masing variabel penelitian terdistribusi secara normal.
b. Uji Multikolinearitas
Uji multikoleniaritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas atau independen (Imam Ghozali, 2011:105). Cara umum untuk mendeteksi adanya multikolinear dalam model ini ialah dengan melihat bahwa adanya �2 yang tinggi dalam model tetapi tingkat signifiknasi t-statistiknya sangat kecil dari hasil regresi tersebut dan cenderung banyak yang tidak signifikan. Selain itu untuk menguji multikoleniaritas, bisa dilihat matrik korelasinya.Jika masing-masing variabel bebasberkorelasi lebih besar dari 80% maka termasuk yang memiliki hubungan yang tinggi atau ada indikasi multikolinearitas.
Uji multikonearitas dapat dilakukan untuk hasil regresi untuk kedua model yang akan diestimasi. Caranya adalah dengan mencari angka tolerance,
dimana tolerance adalah nilai 1-�2.�2disini adalah koefisien determinasi dari regresi atas suatu variabel bebas terhadap sisa variabel bebas lainnya. Setelah angka tolerance diperoleh selanjutnya dicari angka VIF.Angka VIF (variance inflation factor) yang merupakan kebalikan (resiprokal) dari tolerance.Dengan demikian semakin tinggi nilai tolerance semakin rendah derajat kolinearitas yang terjadi.Sedangkan untuk VIF, semakin
rendah nilai VIF semakin rendah derajat kolinearitas yang terjadi.Batasan nilai maksimum VIF yang biasa digunakan untuk menjustifikasi adanya kolineritas adalah 10. Apabila menggunakan pendekatan Variance Inflation Factor (VIF) untuk menguji hipotesisnya maka kriteria atau ukuran yang akan digunakan adalah:
1. apabila harga koefisien VIF hitung pada Collinearity Statistics sama dengan atau lebih kecil daripada 10 (VIP hitung ≤ 10) maka H 0
diterima yang berarti tidak terdapat hubungan antar variabel independen (tidak terjadi gejala multikolinearitas),
2. apabila harga koefisien VIP hitung pada Collinearity Statistics lebih besar daripada 10 (VIP hitung > 10), maka H0 ditolak yang berarti
terdapat hubungan antar variabel independen (terjadi gejala multikolinearitas).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas ini dimaksudkan untuk mengetahui apakah variasi residual absolut sama atau tidak sama untuk semua pengamatan (Sudarmanto, 2005). Apabila asumsi tidak terjadinya heteroskedastisitas ini tidak terpenuhi, maka penaksir menjadi tidak lagi efisien baik dalam sampel kecil maupun besar dan estimasi koefisien dapat dikatakan menjadi kurang akurat.Jika menerapkan uji heteroskedastisitas menggunakan korelasi Rank-Order dari Spearman, maka kriteria atau ketentuan yang digunakan untuk menyatakan apakah terjadi hubungan
antara data hasil pengamatan dengan nilai residual absolutnya atau tidak (heteroskedastisitas), dapat dilakukan dengan cara:
1. apabila koefisien Signifikansi (nilai probabilitas) lebih besar dari alpha yang ditetapkan (Sig. > alpha), maka dapat dinyatakan tidak terjadi heteroskedastisitas diantara data pengamatan dengan nilai residual mutlaknya berarti H0 diterima,
2. apabila koefisien Signifikansi (nilai probabilitas) lebih kecil dari alpha yang ditetapkan (Sig. < alpha), maka dapat dinyatakan terjadi adanya heteroskedastisitas diantara data pengamatan dengan nilai residual mutlaknya berarti H0 ditolak.
d. Uji Autokorelasi
Pengujian autokorelasi dalam penelitian ini tidak digunakan, karena penelitian ini melakukan pengolahan data dengan menggunakan data primer.Sehingga tidak menggunakan autokorelasi karena tidak menggunakan time series.
3.10.3 Uji Regresi Berganda
Pengujian regresi berganda dilakukan dengan penerapan uji persamaan regresi linear berganda.Analisis regresi berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2, X3, X4, …… Xn) dengan variabel dependen
(Y).Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan.Data yang digunakan biasanya berskala interval atau rasio.Model ini digunakan untuk menguji apakah ada hubungan sebab akibat antara kedua variabel untuk meneliti seberapa besar pengaruh antara variabel independen, yaitu: faktor pendidik, faktor interkoneksitas kurikulum, dan faktor spesifikasi kompetensi terhadap suatu variabel dependen yaitu peningkatan kualitas mahasiswa akuntansi Universitas Sumatera Utara. Adapun rumus yang digunakan:
Y = a + β1X1+β2X2+ β3X3+e Keterangan:
Y= peningkatan kualitas mahasiswa X1 = faktor pendidik
X2 = faktor interkoneksitas kurikulum
X3 = faktor spesifikasi kompetensi
a= bilangan Konstanta (harga Y, bila X=0) � = bilanganKoefisien
e= erroryang ditolerir (5%) 3.10.4 Uji Hipotesis Penelitian
Pengujian hipotesis penelitian dilakukan melalui uji statistik t, uji statistik F, dan uji koefisien determinan (Adjusted R2).
a. Uji statistik t (Uji Signifikansi Parsial)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variabel-variabel
terikat (Kuncoro, 2013 : 244). Uji t bertujuan untuk mengetahui pengaruh antara variabel independen dengan variabel dependen secara parsial. Untuk mengetahui apakah terdapat pengaruh yang signifikan dari variabel masing-masing independen yaitu: faktor pendidik, faktor interkoneksitas kurikulum, dan faktor spesifikasi kompetensi terhadap suatu variabel dependen yaitu peningkatan kualitas mahasiswa akuntansi Universitas Sumatera Utara, maka nilai Signifikan t dibandingkan dengan derajat kepercayaannya. Apabila Sig t lebih besar dari 0,05 maka H0 diterima,
demikian pula sebaliknya jika Sig t lebih kecil dari 0,05, maka H0 ditolak.
Bila H0 ditolak ini berarti ada hubungan yang signifikan antara variabel
independen terhadap variabel dependen (Ghozali, 2011:101). b. Uji Statistik F (Uji Signifikansi Simultan)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama terhadap variabel terikat.Uji F bertujuan untuk mengetahui pengaruh antara variabel independen dengan variabel dependen secara simultan.Untuk mengetahui apakah terdapat pengaruh yang signifikan dari variabel masing-masing independen yaitu: faktor pendidik, faktor interkoneksitas kurikulum, dan faktor spesifikasi kompetensi terhadap suatu variabel dependen yaitu peningkatan kualitas mahasiswa akuntansi Universitas Sumatera Utara secara bebas dengan Signifikan sebesar 0,05, dapat disimpulkan (Ghozali, 2011:98).
1. Jika nilai Signifikan < 0,05 maka Haditerima dan H0ditolak, ini berarti
menyatakan bahwa semua variabel independen atau bebas tidak mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
2. Jika nilai Signifikan > 0,05 maka Haditolak dan H0diterima, ini berarti
menyatakan bahwa semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
c. Koefisien Determinasi (Adjusted R2)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat.Nilai koefisien determinasi adalah diantara 0 dan 1.Nilai R2yang 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 (Kuncoro, 2013 : 247). Koefisien determinasi hanyalah salah satu dan bukan satu-satunya kriteria memilih model yang baik.