BAB IV ANALISIS DATA
LANDASAN TEORI A. Telaah Pustaka
H. Uji Instrumen Penelitian 1. Uji instrumen
3. Uji Asumsi Klasik
a. Uji Multikolonieritas
Menurut Ghozali (2013: 105-106) Uji multikolonieritas bertujuan untuk menguji apakah 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 ortogonal. Variabel ortogonal adalah variabel-variabel independen yang nilai korelasi antar sesama variabel independen sama dengannol. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
1) Nilai yang dihasilkan oleh suatu estimasi model regresi empiris sangat ringgi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
2) Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolonieritas. Tidak adanya korelasi yang tinggi agar variabel independen tidak berarti bebas dari multi kolonieritas. Multikolonieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
3) Multikolonieritas dapat juga dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini menunjukkan 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≥10. Setiap peneliti harus menentukan tingkat kolonieritas
yang masih dapat ditolerir. Sebagai misal nilai tolerance = 0,10 sama dengan tingkat kolonieritas 0,95. Walaupun multikolonieritas dapat dideteksi dengan nilai Tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel independen mana sajakah yang paling berkorelasi.
b. Uji Heteroskedastisitas
Menurut Ghozali (2013:139) Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual atau
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Hemoskedasitisitas dan jika berbeda disebut Heterokedastisitas. Kebanyakan data crossection mengandung situasi Heterokedastisitaskarena data ini menghimpun data yang mewakili berbagai ukuran (kecil, Sedang dan besar).
c. Uji Normalitas
Menurut Ghozali (2013: 29) Jika terdapat normalitas, maka residual akan terdistribusi secara normal dan independen. Yaitu perbedaan antara nilai prediksi dengan skore yang sesungguhnya atau error akan terdistribusi secara simetri nilai means sama dengan nol.Ada 2 cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.
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. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya (Ghozali, 2013:160-161).
2) Analisis statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, pada hal secara statistik bisa sebaliknya (Ghozali, 2013:163). Secara statistik ada 2 komponen normalitas yaitu skewness dan kurtosis. Skewness berhubungan dengan simetri distribusi. Skewed variabel variabel melenceng) adalah variabel yang niali mean-nya tidak ditengah-tengah distribusi. Sedangkan kurtosis berhubungan dengan puncak dari suatu distribusi. Jika variabel terdistribusi secara normal maka nilai skewness dan kurtosis sama dengan nol. Terdapat uji signifikansi skewness dan kurtosis dengan cara sebagai berikut:
Zskew - Zkurt = Dimana:
S : Nilai skewness N : Jumlah kasus K : Nilai kurtosis
Nilai z ini kita bandingkan dengan nilai kritisnya yaitu untuk alpha 0.01 nilai kritisnya ± 2,58 sedangkan untuk alpha 0,05 nilai kri_snya ± 1,96.
Uji ini digunakan untuk melihat apakah spesifikasi medel yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu studi empiris sebaiknya berbentuk linear, kuadrat atau kubik. Dengan uji linearitas akan diperoleh informasi apakah nodel empiris sebaiknya linear, kuadrat atau kubik. Ada uji yang dapat digunakan (Ghozali, 2013:166) :
1) Uji test for linearity
Uji ini dengan taraf signifikan 0.05. terdapat 2 pengambilan keputusan dengan uji linieritas berupa :
a. 2 variabel tersebut dikatakan linier apabila signifikansi lebih dari 0,05 sehingga pengambilan keputusan lebih dari 0,05
b. Melihat nilai F hitung dan F tabel, jika F hitung lebih besar daripada F tabel maka kesimpulannya tidak terdapat hubungan yang linier antara variabel tersebut sedangkan f hitung lebihn kecil daripada f tabel maka kesimpulannya beruapa terdapat hubungan yang linier antara variabel.
e. Path Analysis
Untuk menguji pengaruh variabel intervening digunakan metode analisis jalur (path Analysis). Nalisis jalur merupakan perluasan dari analisis regresi berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model casual) yang telah ditetapkan sebelumnya berdasarkan teori. Analisis jalur sendiri tidak dapat menentukan hubungan sebab-akibat dan juga tidak dapat digunakan sebagai substitusi bagi peneliti untuk melihat hubungan kausalitas antar variabel. Hubungan kausalitas
antar variabel telah dibentuk dengan model berdasarkan landasan teoritis. Apa yang dapat dilakukan oleh analisis jalur adalah menentukan pola hubungan antara tiga atau lebih variabel dan tidak dapat digunakan untuk mengkonfrimasi atau menolak hipotesis kasualitas imajiner. Menurut Ghozali (2013:255) Pengaruh mediasi yang ditunjukkan oleh perkalian koefisien (p2 x p3) signifikan atau tidak, diuji dengan sobel test sebagai berikut:
S =Berdasarkan hasil ini kita dapat menghitung nilai t statistik pengaruh mediasi dengan rumus sebagai berikut:
t =Apabila nilai t hitung lebih besar dari t tabel dengan tingkat signifikan 0.05 yaitu sebesar 1,96 maka dapat disimpulkan ada pengaruh mediasi.