METODOLOGI PENELITIAN
D. Metode Analisis Data
1. Uji Kualitas Data
Tahap ini merupakan tahap yang sangat penting dan menentukan.Pada tahap inilah data diolah sedemikian rupa sehingga berhasil disimpulkan kebenaran yang dapat dipakai untuk menjawab persoalan-persoalan yang diajukan dalam penelitian.Metode analisis data yang digunakan dalam penelitian ini menggunakan analisis regresi linier berganda.Dan uji kualitas data yang digunakan dalam penelitian ini adalah uji validitas dan uji reliabilitas.
a. Uji Validitas Data
Validitas adalah tingkat kemampuan instrumen penelitian untuk mengungkapkan data sesuai dengan masalah yang hendak diungkapkan.Dengan kata lain, validitas menunjukan sejauh mana suatu alat ukur itu dapat digunakan untuk mengukur apa yang seharusnya diukur. Uji validitas digunakan untuk mengetahui kelayakan butir-butir dalam suatu daftar pertanyaan dalam mendefinisikan suatu variabel.Daftar pertanyaan ini pada umumnya mendukung suatu kelompok variabel tertentu.Suatu kuesioner dikatakan valid jika terdapat kesamaan antara data yang terkumpul
56
dengan data yang sesungguhnya terjadi pada objek yang diteliti. (Sugiyono, 2004:172).
Dalam penentuan layak atau tidaknya suatu item yang akan digunakan, biasanya dilakukan uji signifikansi koefisien korelasi pada batasan minimal korelasi 0,30, artinya suatu item dianggap valid jika skor total lebih besar dari 0,30 (Duwi Priyatno, 2010: 90)
b. Uji Reliabilitas Data
Uji reliabilitas (keandalan) merupakan ukuran suatu kestabilan dan konsistensi responden dalam menjawab hal yang berkaitan dengan konstruk-konstruk pertanyaan yang merupakan dimensi suatu variabel dan disusun dalam bentuk kuesioner.Instrumen dikatakan reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu kewaktu.Uji reliabilitas digunakan untuk mengukur bahwa variabel yang digunakan benar-benar bebas dari kesalahan sehingga menghasilkan hasil yang konstan meskipun diuji beberapa kali.Perhitungan reliabilitas dilakukan dengan menggunakan uji statistik Cronbach Alpha ( ). Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha>0,60 (Nunnally dalam Ghozali, 2005)
57 2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2006:160).Ada dua cara yang sering digunakan untuk menguji normalitas residual, yaitu dengan analisis grafik (normal P-Plot) regresi dan uji OneSample Kolmogorov-Smirnov.
Uji normalitas dilakukan dengan melihat normal probability plot (P –
Plot) yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika menyebar sekitar garis dan mengikuti garis diagonal, makaresidual pada model regresi tersebut terdistribusi secara normal (Priyatno, 2013:50).
Sedangkan untuk uji normalitas penelitian ini juga menggunakan uji non-parameterik Kolmogorov-smirnov (K-S) untuk mengetahui signfikansi data terdistribusi normal. Yaitu dengan cara melihat nilai signifikansi residual (Asym.Sig 2-tailed). Jika signifikansi lebih dari 0,05, maka residual terdistribusi secara normal (Priyatno, 2013:53). b. Uji Multikoliniearitas
Multikoliniearitas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna.Uji multikoloniearitas bertujuan
58
untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen).Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independent(Ghozali, 2011:171). Jika variabel independent saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independent yang nilai korelasi antar sesama variabel independent sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
1) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independent banyak yang tidak signifikan mempengaruhi variabel dependent.
2) Menganalisis matriks korelasi variabel-variabel independent. Jika antar variabel ada korelasi yang cukup tinggi (umumnya di atas 0.90), maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independent tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independent.
3) Multikolinieritas dapat juga dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independent lainnya. Dalam pengertian
59
sederhana setiap variabel independent menjadi variabel dependent (terikat) dan diregres terhadap variabel independent lainnya. Tolerance mengukur variabilitas variabel independent yang terpilih jika dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance< 0.10 atau sama dengan nilai VIF > 10. Setiap peneliti harus menentukan tingkat kolinieritas yang masih dapat ditolerir. Sebagai misal nilai tolerance = 0.10 sama dengan tingkat kolinieritas 0.95. Walaupun multikolinieritas dapat dideteksi dengan nilai tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel independent mana sajakah yang saling berkolerasi.
c. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lainJika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas.(Ghozali, 2011:138). Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas.Kebanyakan data crossection mengandung
60
situasi heterokedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, besar).Salah satu cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan cara melihat grafik plot antara nilai prediksi variabel terikat (dependent) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di-studentized.Dengan analisis jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.