Metode Analisis Data

Metode Analisis Data : Data penelitian yang telah dikumpulkan diolah, kemudian akan dianalisis untuk memperoleh jawaban atas permasalahan yang timbul dalam penelitian ini. Metode analisis data yang dilakukan dalam penelitian ini adalah dengan analisis statistik yang mengunakan regresi linier berganda dan menggunakan software SPSS 20. Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut: 

Statistik deskriptif

Statistik deskriptif didefenisikan merupakan suatu metode dalam menganalisis data, sehingga diperoleh gambaran yang teratur mengenai suatu kegiatan. Ukuran yang digunakan dalam deskriptif antara lain: frekuensi, tendensi sentral (mean, median dan modus), dispersi (standar deviasi dan varian) dan koefisien korelasi antara variabel penelitian. Ukuran yang digunakan dalam statistik deskriptif tergantung pada tipe skala pengukuran construct yang digunakan dalam penelitian (Ghozali, 2005). 

Uji asumsi klasik

Karena data yang digunakan adalah data sekunder, maka untuk menetapkan ketepatan model perlu dilakukan pengujian atas beberapa asumsi klasik yang mendasari model regresi. Penyimpangan asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi. 

Uji normalitas

Pengujian ini bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu memiliki distribusi normal (Ghozali, 2005: 110). Uji normalitas data dapat dilakukan melalui dua cara yaitu analisis grafik dan analisis statistik. 

Analisis grafik digunakan untuk melihat normalitas data dilakukan dengan melihat grafik histogram dan kurva normal probability plot. Pada grafik histogram, suatu data dikatakan normal jika bentuk kurva memiliki kemiringan yang cenderung seimbang baik pada sisi kiri maupun pada sisi kanan atau berbentuk lonceng. Pada kurva normal probability plot, data dikatakan normal apabila titik-titik data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal. 

Analisis statistik dilakukan dengan uji kolmogorov-Smirnov Test. Uji ini dilakukan untuk memastikan secara statistik apakah data disepanjang garis diagonal berdistribusi normal. Data dikatakan normal apabila hasil pengujian menunjukkan nilai siginifikan diatas 0.05, dan jika nilai signifikansinya lebih kecil dari 0.05 maka distribusi data adalah tidak normal.

Uji multikolinearitas

Pengujian ini berguna untuk mengidentifikasi apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebasnya (Ghozali, 2005: 91). Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi dilihat dari nilai tolerance dan lawannya Variance Inflation factor (VIF). Batasan umum yang dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance > 0,1 atau VIF < 10 (Ghozali, 2010). Model regresi linier berganda harus terbebas dari gejala multikolinieritas agar dapat digunakan dalam penelitian.

Uji heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi telah terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain (Ghozali, 2005: 105). Konsekuensinya adanya heteroskedastisitas dalam model regresi adalah penaksir yang diperoleh tidak efisien, baik dalam sampel kecil maupun besar. Untuk mengukur ada tidaknya heteroskedastisitas dapat dilakukan dengan salah satu cara yaitu dengan melihat grafik Scatterplot. Cara memprediksi pola gambar Scatterplot adalah sebagai berikut: 

1) Titik- titik data menyebar di atas dan di bawah atau di sekitar angka 0.

2) Titik- titik data tidak mengumpul hanya di atas atau di bawah saja.

3) Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar.

4) Penyebaran titik-titik data sebaiknya tidak berpola. 

Uji autokorelasi

Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode saat ini dengan kesalahan pengganggu pada periode sebelumnya. Ghozali (2005: 95) menyatakan bahwa “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya)”. 

Pengujian autokorelasi pada penelitian ini dilakukan dengan menggunakan teori Durbin-Watson: 

1) Angka D-W di bawah -2 berarti ada autokorelasi positif.

2) Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi.

3) Angka D-W di atas +2 berarti autokorelasi negatif.