BAB IV.ANALISIS DATA DAN PEMBAHASAN
C. Analisis Data dan Pembahasan
Analisis data ini berfungsi untuk mengetahui ada tidaknya pengaruh modal sendiri, modal pinjaman, volume usaha, dan managerial koperasi terhadap SHU. Analisis ini menggunakan analisis regresi linear berganda. Hasil analisis dapat dilihat sebagai berikut :
68
Tabel 4.13
Hasil Regresi Linear Berganda
Dependent Variable: LOG(SHU) Method: Least Squares Date: 01/17/13 Time: 10:43 Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob. C 0.474157 1.914101 0.247718 0.8064 LOG(MS) 0.559406 0.143459 3.899420 0.0006 LOG(MP) -0.062264 0.071388 -0.872193 0.3914 LOG(VU) 0.356511 0.115744 3.080158 0.0050 M 0.088623 0.239982 0.369291 0.7150 R-squared 0.816913 Mean dependent var 17.53208 Adjusted R-squared 0.787619 S.D. dependent var 1.044301 S.E. of regression 0.481264 Akaike info criterion 1.526210 Sum squared resid 5.790377 Schwarz criterion 1.759743 Log likelihood -17.89316 Hannan-Quinn criter. 1.600920 F-statistic 27.88675 Durbin-Watson stat 1.730985 Prob(F-statistic) 0.000000
Sumber : Hasil Eviews
1. Analisis Regresi Linear Berganda
Hasil pengolahan data untuk regresi linier berganda dengan menggunakan program eviews dapat dilihat pada tabel di atas. Sehingga dapat disusun persamaan regresi linier berganda sebagai berikut :
Log SHU = 0.474157 + 0.559406 log MS1 – 0.062264 log MP2 + (0.8064) (0.0006) (0.3914)
0.356511 log VU3 + 0.088623 M4
(0.0050) (0.7150) ( ) = Nilai Probabilitas
Dari persamaan regresi linier di atas maka dapat dijelaskan sebagai berikut :
69 a. Nilai konstan bernilai positif, hal ini menunjukkan bahwa modal sendiri, modal pinjaman, volume usaha dan managerial koperasi SHU sebesar 0.474157.
b. Koefisien regresi parsial variabel modal sendiri bernilai positif dan signifikan pada level 5% yaitu 0.559406. Hal ini menunjukkan jika modal sendiri naik maka SHU akan naik dengan asumsi variabel lainnya konstan.
c. Koefisien regresi parsial variabel modal pinjaman bernilai negatif dan signifikan pada level 5% yaitu – 0.062264. Hal ini menunjukkan jika modal pinjaman menurun maka SHU akan turun dengan asumsi variabel lainnya konstan.
d. Koefisien regresi parsial variabel volume usaha bernilai positif dan signifikan pada level 5% yaitu 0.356511. Hal ini menunjukkan jika volume usaha naik maka SHU akan naik dengan asumsi variabel lainnya konstan.
e. Koefisien regresi parsial variabel managerial koperasi bernilai positif dan signifikan pada level 5% yaitu 0.088623. Hal ini menunjukkan bahwa managerial koperasi SHU akan tetap naik dengan asumsi variabel lainnya konstan.
2. Uji Statistik
a. Uji t
Uji t digunakan untuk menguji variabel-variabel independen secara individu dan digunakan untuk melihat signifikansi dari variabel
70 independen, sementara variabel yang lain tetap konstan. Pengujian regresi menggunakan pengujian dua arah (two tailed test) dengan
hasil dari uji t :
Tabel 4.14 Hasil Uji t Variabel Dependen Probabilitas t Signifikansi (%) Kesimpulan
Modal Sendiri 0.0006 0,05 Berpengaruh (signifikan) Modal
Pinjaman 0.3914 0,05
Tidak Berpengaruh (tidak signifikan) Volume Usaha 0.0050 0,05 Berpengaruh
(signifikan) Managerial
Koperasi 0.7150 0,05
Tidak Berpengaruh (tidak signifikan)
Sumber : Hasil Pengolahan Eviews
Dari hasil Uji t di atas maka dapat disimpulkan bahwa variabel modal pinjaman dan volume usaha memiliki nilai probabilitas lebih kecil dari 0,05 yaitu : 0,0005 (modal sendiri) dan 0,0059 (volume usaha), yang berarti P < 0,05 maka variabel tersebut berpengaruh atau signifikan, sedangkan P > 0,05 maka variabel tersebut tidak berpengaruh atau tidak signifikan seperti : 0.3914 (modal pinjaman) dan 0.7150 (managerial koperasi).
b. Uji F
Uji F adalah pengujian yang digunakan untuk mengetahui variabel independen secara keseluruhan terhadap variabel dependen. Dari penghitungan F tabel (30;3) = 2.92. Melalui hasil analisis
71 diperoleh F-statistic = 27.88675. Sehingga dapat disimpulkan F tabel < F-statistic yang berarti variabel independentditerima atau signifikan.
Sedangkan hasil analisis Prob(F-statistic) diperoleh 0.000000, yang berarti nilai Prob(F-statistic) < F tabel maka variabel independent berpengaruh atau signifikan. Dengan demikian bahwa ada pengaruh yang signifikan dari modal sendiri, modal pinjaman, volume usaha dan manager koperasi secara bersama-sama terhadap SHU.
c. Uji R2 (Koefisien Determinasi)
Uji R2 dilakukan untuk mengetahui ukuran seberapa besar variabel independen yang digunakan dalam penelitian ini, sehingga mampu menjelaskan variabel dependen pada model yang dibuat. Besarnya nilai R2 terletak antara 0 dan 1 atau 0 2
Hasil dari perhitungan untuk nilai R-Squared dari analisis linier berganda diperoleh 0.816913. Hal ini berarti 81,69% variabel SHU dijelaskan oleh variabel modal sendiri, modal pinjaman, volume usaha, dan managerial koperasi. Sementara sisanya 18,31% diterangkan oleh faktor lain yang tidak ikut observasi.
3. Uji Asumsi Klasik
Secara teoritis diungkapkan bahwa salah satu metode pendugaan parameter dalam model regresi adalah Ordinary Least Square (OLS). Metode OLS digunakan berlandaskan pada sejumlah asumsi tertentu. Ada beberapa asumsi yang harus dipenuhi, pada prinsipnya model regresi linear yang dibangun sebaiknya tidak boleh menyimpang dari asumsi
72 BLUE (Best Linear Unbiased Estimator), dalam pengertian lain model yang dibuat harus lolos dari penyimpangan asumsi adanya autokorelasi, normalitas, heteroskedastisitas dan multikolinearitas. Berikut hasil uji asumsi-asumsi klasik tersebut :
a. Uji Normalitas
Gambar 4.1 Uji Normalitas
Sumber : Hasil Eviews
Untuk mengetahui apakah residualnya berdistribusi normal atau tidak, yakni dengan cara membandingkan nilai Jarque-Bera (JB) dengan X2 Tabel. Residual akan berdistribusi normal jika nilai JB < X2 Tabel. Melalui hasil analisis output di atas bahwa nilai JB sebesar 0.332280. Karena 0.332280 < 9,488 maka residual berdistribusi normal.
b. Uji Autokorelasi
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah autokorelasi
0 2 4 6 8 10 12 -1.0 -0.5 0.0 0.5 1.0 Series: Residuals Sample 1 30 Observations 30 Mean -7.42e-15 Median -0.070795 Maximum 0.953863 Minimum -0.804457 Std. Dev. 0.446842 Skewness 0.091625 Kurtosis 2.518084 Jarque-Bera 0.332280 Probability 0.846928
commit to user
73 timbul karena residual tidak bebas dari suatu observasi ke observasi lainnya. Masalah ini sering ditemukan apabila kita menggunakan data time series/runtut waktu. Hal ini disebabkan karena error pada seorang individu cenderung akan mempengaruhi error pada individu yang sama pada periode berikutnya. Sedangkan pada data cross section, masalah korelasi jarang terjadi karena error pada observasi yang berbeda berasal dari individu yang berbeda. Berikut hasil uji autokorelasi :
Tabel 4.15 Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.112223 Prob. F(2,23) 0.8943 Obs*R-squared 0.289925 Prob. Chi-Square(2) 0.8651
Sumber : Hasil Eviews
Untuk mendeteksi adanya autokorelasi yakni dengan membandingkan nilai X2 hitung dengan X2 tabel, uji autokorelasi akan lolos atau tidak ada masalah autokorelasi apabila X2 hitung < X2 tabel. Analisis hasil output tabel di atas dilihat dari nilai Obs*R-Squared atau disebut juga X2 hitung = 0.289925. Sedangkan X2 tabel diperoleh dari (k atau jumlah variabel independen - 1 ; 0,05) = (3 ; 0,05) pada X2 Tabel=9,488. Karena 0.289925 < 9,488 maka uji autokorelasi lolos. c. Uji Multikolinearitas
Multikolinearitas merupakan suatu keadaan dimana terdapatnya lebih dari satu hubungan linier pasti antara beberapa atau
74 semua variabel independen dari model regresi (Gujarati, 1995 : 320). Jadi apabila terdapat korelasi yang sempurna diantara sesama variabel independen, maka nilai koefiseien korelasi dalam satu variabel independen sama dengan satu. Berikut hasil estimasi regresi uji multikolinearitas: Tabel 4.16 Uji Multikolinearitas Variabel Dependen r 2 Tanda R2 Kesimpulan Modal Sendiri 0.658451 < 0.811036 Tidak ada Multikolinearitas Modal Pinjaman 0.263454 < 0.811036 Tidak ada Multikolinearitas Volume Usaha 0.573568 < 0.811036 Tidak ada Multikolinearitas Managerial Koperasi 0.314486 < 0.811036 Tidak ada Multikolinearitas
Sumber : Data diolah
Dari hasil uji multikolinearitas di atas, maka dapat dihasilkan persamaan sebagai berikut :
- Untuk persamaan (1) diambil dari hasil regresi linear berganda dengan nilai R2 = 0.811036selanjutnya disebut R21.
- Untuk persamaan (2) diambil dari uji multikolinearitas modal sendiri dengan nilai R2 = 0.658451 selanjutnya disebut R211. - Untuk persamaan (3) diambil dari uji multikolinearitas modal
pinjaman dengan nilai R2 = 0.263454selanjutnya disebut R212. - Untuk persamaan (4) diambil dari uji multikolinearitas volume
usaha dengan nilai R2 = 0.573568selanjutnya disebut R213.
75 - Untuk persamaan (5) diambil dari uji multikolinearitas ada tidaknya manager dengan nilai R2 = 0.314486selanjutnya disebut R214.
Untuk mengetahui tidak terjadinya multikolinearitas maka nilai R21 > R211, R212, R213, R214. Karena analisa hasil output sebagai berikut: 0.811036> 0.658451 ; 0.263454 ; 0.573568 ; 0.314486maka tidak ditemukan adanya multikolinearitas dan dinyatakan uji multikolinearitas lolos.
d. Uji Heteroskedastisitas (Uji White)
Dalam suatu observasi akan muncul kondisi dimana sebaran atau varian faktor pengganggu yang tidak konstan, sehingga diperlukan uji Heteroskedastisitas. Terdapat cara dapat dipergunakan untuk mendeteksi Heteroskedastisitas adalah dengan Uji White. Berikut hasil uji white dengan no cross terms :
Tabel 4.17
Uji White Heteroskedastisitas
Heteroskedasticity Test: White
F-statistic 0.901060 Prob. F(9,20) 0.5424 Obs*R-squared 8.654935 Prob. Chi-Square(9) 0.4697 Scaled explained SS 6.529795 Prob. Chi-Square(9) 0.6859
Sumber : Hasil Eviews
Apabila nilai X2 hitung (nilai Obs*R-squared) < nilai X2 tabel,
bahwa model di atas lolos uji Heteroskedstisitas. Karena hasil analisis
76 output 8.654935 < 9.488, maka model di atas lolos uji heteroskedastisitas.