BAB IV : ANALISIS DATA DAN PEMBAHASAN
METODE PENELITIAN
F. Uji Instrumen Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah dengan analisis statistik yang diolah menggunakan aplikasi software Microsoft Excel 2010 dan Eviews 9. Didalam penelitian ini metode dan teknik analisis akan diawali dengan uji stasioneritas kemudian dilanjutkan dengan uji asumsi klasik yang terdiri dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi, kemudian uji
analisis regresi berganda dan terakhir yaitu uji hipotesis yang terdiri dari uji t, uji f dan uji adjusted R square.
1. Uji stasioneritas
Uji stasioneritas bertujuan untuk melihat nilai rata-rata dan varian dari data time series, apakah data tersebut mengalami perubahan secara sistematik sepanjang waktu (konstan) atau sebaliknya. Uji stasioneritas dapat dilihat dengan menggunakan uji grafik dan uji akar unit. Dalam penelitian ini menggunakan metode uji akar unit.
Hasil uji akar-akar unit dengan membandingkan nilai t-hitung dengan nilai kritis MC Kinnon dan jika nilai probabilitas lebih kecil dari 0,05 maka dapat disimpulkan bahwa data stasioner. Sedangkan jika nilai probabilitas lebih besar dari 0.05 maka data tidak stasioner. Jika data di level normal, maka dapat dinaikkan ke diferensiasi tingkat 1 (Winarno, 2015).
2. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau tidak (Suliyanto, 2011).
Dalam melakukan uji normalitas, terdapat beberapa metode yaitu uji normalitas dengan analisis grafik, uji normalitas dengan metode signifikansi Skewness dan Kurtois, uji normalitas dengan
Jarque-Bera (JB Test) dan uji normalitas dengan Kolmogorov-Smirnov. Dalam penelitian ini menggunakan Uji Jarque-Bera.
Untuk mengetahui data berdistribusi normal atau tidak dengan menggunakan Uji Jarque-Bera dengan pengambilan keputusan jika probability JB lebih > 0.05, maka data berdistribusi normal sebaliknya jika probability JB lebih < 0.05, maka data tidak berdistribusi normal.
b. Uji Multikolinieritas
Multikolinieritas adalah kondisi adanya hubungan linier antar variabel indepenen. Karena melibatkan beberapa variabel independen, maka multikolinieritas tidak akan terjadi pada persamaan regresi sederhana (yang terdiri atas satu variabel dependen dan satu variabel independen) (Winarno, 2015).
Indikasi Multikolinieritas :
1) Nilai R2 tinggi, tetapi variabel independen banyak yang tidak signifikan.
2) Dengan menghitung koefisien korelasi antar variabel independen. Apabila koefisiennya rendah, maka tidak terdapat multikolinieritas.
3) Dengan melakukan regresi auxiliary. Regresi jenis ini dapat digunakan untuk mengetahui hubungan antara dua (atau lebih) variabel independen yang secara bersama-sama
(misalnya x2, dan x3) mempengaruhi satu variabel independen yang lain (misalnya x1).
Pendeteksian adanya masalah multikolinieritas dengan menggunakan uji efisiensi korelasi (r). Jika koefisien korelasi cukup tinggi, yaitu di atas 0,90 maka diduga terjadi masalah multikolinieritas dalam model. Sebaliknya, jika koefisien relatif rendah maka diduga model tidak terjadi multikolinieritas (Ghazali, 2013).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual pada suatu pengamatan ke pengamatan yang lain (Ghozali, 2013). Model regresi yang baik adalah tidak terjadinya heteroskedastisitas. Ada dua cara untuk mendeteksi ada tidaknya heteroskedastisitas yaitu metode grafik dan metode statistik. Metode grafik relatif lebih mudah dilakukan namun memiliki kelemahan yang cukup signifikan karena jumlah pengamatan mempengaruhi tampilannya. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plots. Sementara itu, metode statistik memiliki beberapa cara dalam mendeteksi heteroskedastisitas diantaranya yaitu metode
Glesjer, White, Breusch-Pagan-Godfrey, Harvey, Park.
Dalam penelitian ini, cara yang digunakan dalam mendeteksi heteroskedastisitas adalah metode statistik dengan cara Uji White.
Adapun persamaan deteksi heteroskedastisitas dengan Uji White
dapat ditulis sebagai berikut:
1 2 2 3 3
i i i
Y B B X B X
Pendeteksian heteroskedastisitas yang penulis gunakan adalah melalui Uji White yaitu apabila probabilitas Obs* > 0.05 maka tidak ada heteroskedastisitas namun apabila probabilitas Obs* < 0.05 maka ada heteroskedastisitas.
d. Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya (Winarno, 2015). Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. (Ghazali, 2013)
Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi diantaranya yaitu metode Durbin-Watson (DW test), metode Lagrange Multiplier (LM test), metode
Breusch-Godfrey (B-G test) dan metode Run Test. Dalam penelitian ini, penulis menggunakan uji metode uji Durbin-Watson (DW test).
Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya
intercept (konstanta) dalam model regresi dan tidak ada variabel lagi di antara variabel independen.
Tabel 3.3
Pengambilan keputusan ada tidaknya Autokorelasi
Jika keterangan
0 < d < dl terjadi autokorelasi positif dl ≤ d ≤ du tidak dapat disimpulkan 4 – dl < d < 4 ada korelasi negatif 4 – du ≤ d ≤ 4 – dl tidak dapat disimpulkan du < d < 4 – du tidak ada autokorelasi positif
maupun negatif Sumber: Ghozali, 2013
3. Analisis Regresi Berganda
Metode analisis data dalam penelitian ini adalah analisis Regresi Linier Berganda dengan metode Ordinary Least Square (OLS). Metode yang digunakan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen.
Persamaan regresi linier berganda dapat dituliskan sebagai berikut: Y = a + b1X1 + b2X2 + ... bnXn + e
Keterangan:
Y : Variabel terikat (nilai yang diproyeksikan) A : Intercept (konstanta)
b1 : Koefisien regresi untuk X1 b2 : Koefisien regresi untuk X2 bn : Koefisien regresi untuk Xn X1 : Variabel bebas pertama X2 : Variabel bebas kedua Xn : Variabel bebas ke-n E : Nilai residu
4. Uji Hipotesis
Pengujian hipotesis dalam penelitiaan ini menggunakan analisis regresi berganda dengan uji Uji Statistik t , Uji Statistik F dan, koefisien determinasi.
a. Uji Statistik t
Uji statistik t merupakan uji untuk mengetahui pengaruh variabel bebas secara masing-masing terhadap variabel terikat. Hasil uji t dapat dilihat dari table coeffisients pada signifikansi. Jika nilai probabilitas < 0,05 menunjukan bahwa terdapat pengaruh signifikan secara masing-masing antar variabel independen dan variabel dependen. Jika nilai probabilitas > 0,05 menunjukan bahwa tidak terdapat pengaruh signifikan secara masing-masing antar variabel bebas dan variabel terikat.
b. Uji Statistik F
Uji Statistik F merupakan uji untuk mengetahui pengaruh variabel bebas secara bersamaan terhadap variabel terikat. Cara mendeteksi uji statistik F dengan melihat tingkat signifikansi 0,05 atau 5%. Jika nilai probabilitas < 0,05 menunjukan bahwa terdapat pengaruh signifikan secara bersama-sama antar variabel bebas dan variabel terikat. Jika nilai probabilitas > 0,05 menunjukan bahwa tidak terdapat pengaruh signifikan secara bersama-sama antar variabel bebas dan variabel terikat.
c. Koefisien Determinasi (Adjusted R²)
Koefisien Determinasi (Adjusted R²) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Menurut Winarno (2015) Nilai Koefisien Determinasi berada di antara 0 dan 1. Semakin besar nilai semakin besar adjusted R²
menandakan modelnya baik, karna semakin dapat menjelaskan hubungan antar variabel dependen dan independen. Dengan demikian jika nilai adjusted R² kecil, menggambarkan kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas, dan jika nilai adjusted R² mendekati satu, menggambarkan kemampuan variabel bebas menjelaskan hampir semua informasi dalam menerangkan variasi variabel dependen.
45 BAB IV ANALISIS DATA