Metode analisa data yang digunakan dalam penelitian ini adalah sebagai berikut: (tahapan

regresi linier sederhana)

1. Uji Asumsi Klasik

Pengujian asumsi klasik yang digunakan adalah Uji Normalitas, Uji

Multikolinearitas, Uji Heteroskedastisitas dan Uji Autokorelasi. Keempat asumsi klasik yang

dianalisis dilakukan dengan menggunakan program SPSS 16.

2. Uji Multikolinearitas

Multikolinearitas adalah keadaan dimana ada hubungan linier secara sempurna atau

mendekati sempurna antara variabel independen dalam model regresi. Model regresi yang

baik adalah yang terbebas dari masalah multikolinearitas. konsekuensi adanya

multikolinearitas adalah koefisien korelasi tidak tertentu dan kesalahan menjadi sangat besar

dan tak terhingga (Priyatno, 2015).

Variabel yang menyebabkan multikoliearitas dapat dilihat dari nilai tolerance yang

lebih kecil dari 0,1 atau nilai VIF yang lebih besar dari nilai 10. Dari output regresi

didapatkan nilai tolerance lebih dari 0,1 dan VIF kurang dari 10, sehingga tidak terjadi

multikolinearitas (Priyatno, 2015).

3. Uji Heteroskedastisitas

Heteroskedasitas adalah varian residual yang tidak sama pada semua pengamatan di

dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Priyatno

(2015) menyebutkan pengambilan keputusannya yaitu:

a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang

teratur (bergelombang, melebar kemudian menyempit), maka terjadi heteroskedastisitas.

 b. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan di bawah angka 0

pada sumbu Y, maka tidak terjadi heteroskedastisitas.

c. Dari output regresi pada (pada chart) titik-titik tidak membentuk pola yang jelas, dan

titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, jadi dapat disimpulkan

bahwa tidak terjadi heteroskedastisitas dalam model regresi.

4. Uji Autokorelasi

Autokorelasi adalah hubungan yang terjadi antara residual dari pengamatan satu dengan

pengamatan yang lain. Model regresi yang baik seharusnya tidak terjadi autokorelasi (Priyatno,

2015).

5. Regresi Linier Sederhana

Regresi linier sederhana menjelaskan mengenai hubungan antardua variabel yang

biasanya dapat dinyatakan dalam suatu garis regresi, serta merupakan teknik dalam statistika

parametrik yang digunakan secara umum untuk menganalisis rata-rata respons dari variabel y

yang berubah sehubungan dengan besarnya intervensi dari variabel x. Dalam regresi linier,

variabel y dapat disebut sebagai variabel respons, juga disebut sebagai variabel output dan tidak

bebas (dependent). Adapun variabel x dapat disebut sebagai variabel predictor (digunakan untuk

memprediksi nilai dari y), juga dapat disebut variabel explanatory, input, regressors, dan bebas

(independent) (Kurniawan dan Yuniarto, 2015).

Hipotesis penelitian

Cari uji T