NS = (Density at Lower Limit) - (Density at Upper Limit) (Area Below Upper Limit) - (Area Below Lower Limmit) 8. Tentukan nilai transformasi dengan rumus: Y= NS + [ 1+ NS min]
3.8 Uji Validitas dan Uji Reabilitas 3.8.1 Uji Validitas
Menurut Ridwan (2004), “Validitas adalah suatu ukuran yang menunjukkan tingkat keandalan suatu alat ukur, dimana alat ukur dalam penelitian ini adalah kuesioner”. Kuesioner dapat dikatakan valid apabila setiap butir-butir pertanyaan yang dilampirkan mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Uji validitas ini dapat dilakukan dengan menghitung korelasi antara masing-masing pernyataan dengan skor total menggunakan rumus teknik korelasi product moment.
Rumusnya adalah:
Keterangan:
Xi = skor item X Yi = skor item Y
N = banyaknya sampel dalam penelitian
Uji validitas juga merupakan suatu ukuran yang menunjukkan sebuah tingkat, dimana:
t = nilai t hitung
r = koefisien korelasi r hitung n = jumlah responden
Distribusi (t tabel) untuk α sebesar 0,05, sedangkan derajat kebebasan (df = n - 2)
Dasar Pengambilan Keputusan:
a. Jika r hitung positif, dan r hitung > r tabel, maka butir atau variabel tersebut valid.
b. Jika r hitung negatif, dan r hitung < r tabel, maka butir atau variabel tersebut tidak valid.
c. Jika r hitung > r tabel, tapi bertanda negatif, maka butir atau variabel tersebut tidak valid.
Dengan menggunakan SPSS 22, uji validitas akan dilakukan dengan membandingkan r hitung dan r tabel. Nilai akan dinyatakan valid apabila r hitung > r tabel.
3.8.2 Uji Reliabilitas
Reliabilitas artinya adalah tingkat keterpercayaan hasil suatu pengukuran. Pengukuran yang memiliki reliabilitas tinggi, yaitu pengukuran yang mampu memberikan hasil ukur yang terpercaya (reliabel). Instrumen reliabel adalah instrumen yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data yang sama.
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 pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Uji reliabilitas dilakukan untuk mendapatkan tingkat ketepatan alat pengumpul data (instrumen) yang digunakan.
Uji tingkat reliabilitas pada penelitian ini dilakukan dengan menggunakan program SPSS 22. Tingkat reabilitas diuji dengan uji reabilitas statistik dan dapat dilihat pada nilai Cronbach’s Alpha, jika nilai Cronbach’s Alpha > r tabel maka variabel pada data dinyatakan reliabel.
Dalam Pengambilan Keputusan:
1. Jika r hitung positif, serta r hitung > r tabel, maka butir atau variabel tersebut reliabel.
2. Jika r hitung negatif, serta r hitung < r tabel, maka butir atau variabel tersebut tidak reliabel.
3. Jika r hitung > r tabel, tapi bertanda negatif, maka butir atau variabel tersebut tidak reliabel.
3.9 Uji Asumsi Klasik
Mempertimbangkan bahwa dalam model regresi yang ingin dicapai adalah Best Linear Unbiased Estimator (BLUE) dan ada kalanya sering dijumpai dalam model regresi (terutama regresi linear berganda) berbagai masalah terutama pelanggaran terhadap asumsi klasik, maka dalam penelitian ini dilakukan pengujian asumsi klasik berupa normalitas, heterosedastis, autokorelasi dan multikolinearitas
3.9.1 Uji Normalitas
Menurut Gujarati (2006) bahwa prosedur pengujian statistik didasarkan pada asumsi bahwa faktor kesalahan µi didistribusikan secara normal. Karena kesalahan µi yang sebenarnya tidak dapat diamati secara langsung, maka direkomendasikan untuk menggunakan residu ei yang merupakan taksiran µi untuk mengetahui normalitas dari µi. Jika asumsi ini dilanggar maka model regresi dianggap tidak valid dengan jumlah sampel yang ada.
Terdapat beberapa cara yang dapat dilakukan untuk menguji normalitas tersebut. Dalam tulisan ini, ada tiga cara yang akan digunakan untuk menguji normalitas model regresi yaitu dengan analisis grafik serta histogram, analisis statistik one sample Kolmogorov-Smirnov Test dan uji Jarque berra.
3.9.1.1 Analisis grafik (normal P-P plot) beserta histogramnya Analisis grafik dilakukan dengan cara memplotkan variabel dependen dengan standardized residual. Suatu variabel pengganggu atau residual dikatakan berdistribusi normal apabila titik pada P-P Plotnya menyebar merata disekitar garis lurus 45°.
3.9.1.2 Analisis statistik one sample Kolmogorov-Smirnov Test Uji Kolmogorov-Smirnov dapat melengkapi statistik inferensial pada kenormalan/kewajaran. Dengan melakukan uji ini, normalitas suatu model regresi dapat lebih mudah terlihat karena terlihat dari suatu nilai dan keputusan yang pasti apakah menolak atau menerima . Adapun hipotesisnya :
: atau berdistribusi normal : atau tidak berdistribusi normal
Normalitas data diuji dengan Kolmogorov-Smirnov Z dengan tingkat signifikansi yang digunakan yaitu α = 0.1, akan ditolak jika P value < 0.1. Residual/error data dianggap normal apabila keputusannya terima .
3.9.1.3 Uji Jarque-Bera (J-B)
Ini merupakan uji asimtotis, atau sampel besar, dan didasarkan atas residu OLS. Uji ini mula-mula menghitung koefisien kemencengan (Skewness = S) dan peruncingan (Kurtosis = K) dari suatu variabel acak. Langkah-langkah dalam uji Jarque-Bera adalah sebagai berikut:
a. Hipotesis dalam pengujian ini adalah sebagai berikut:
: atau berdistribusi normal : atau tidak berdistribusi normal
b. Kemudian dihitung nilai JB-Test dengan rumus di bawah ini.
Menurut Gujarati (2006) bahwa JB test ini didefinisikan sebagai berikut : Formula uji statistik J-B adalah:
Di mana:
n : Observasi
S : Koefisien skewness K : Koefisien kurtosis.
µ : Rata-rata
Jika suatu variabel didistribusikan secara normal maka nilai koefisien S = 0 dan K = 3. Oleh karena itu, jika residual terdistribusi secara normal maka diharapkan nilai statistik JB akan sama dengan nol. Nilai statistik JB ini didasarkan pada distribusi Chi Squares ( ) dengan derajat kebebasan (degree of freedom = df) adalah 2.
Menurut Gujarati (2006) bahwa jika nilai probabilitas dari statistik JB besar atau dengan kata lain jika nilai statistik dari JB ini tidak signifikan maka kita menerima hipotesis bahwa residual mempunyai distribusi normal karena nilai statistik JB mendekati nol.
Sebaliknya jika nilai probabilitas dari statistik JB kecil atau dengan kata lain jika nilai statistik dari JB ini signifikan maka kita menolak hipotesis bahwa residual mempunyai distribusi normal karena nilai statistik JB tidak sama dengan nol.
3.9.2 Uji Autokorelasi
Non Autokorelasi berarti tidak adanya hubungan antara residual satu observasi dengan observasi lain yang berlainan waktu, yang dinyatakan sebagai berikut:
Uji autokorelasi bertujuan menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu/error pada periode t dengan kesalahan pengganggu/error pada periode sebelumnya (t-1). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Dengan adanya autokorelasi, estimator
yang dihasilkan masih bersifat linier dan tidak bias (LUE), tetapi tidak mempunyai varian yang minimum. Dalam hal ini digunakan cara untuk mendeteksi gejala autokorelasi yaitu uji Durbin Watson (DW test) dan uji Bruesch-Godfrey, yang lebih umum dikenal dengan uji lagrange multiplier (LM test).