BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis Linier Berganda
Analisis linier berganda dilakukan dengan bantuan SPSS 17.0 dengan tujuan untuk mengetahui seberapa besar pengaruh variabel bebas Pengetahuan Kewirausahaan, dan Karakteristik Individuterhadap variabel terikat yaitu Keberhasilan Usaha (Y).
Tabel 4.7
Variables Entered/Removed
Model Variables Entered
Variables Removed Method 1 Karakteristik_Individu, Pengetahuan_Kewirausah aana . Enter
a. All requested variables entered.
Berdasarkan Tabel 4.7 (Variabel Entered/removedb) menunjukkan hasil analisis statistik tiap indikator sebagai berikut.
Tabel 4.8
Analisis Linier Berganda Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -2.704 6.325 -.428 .672 Pengetahuan_Kewirausahaan .264 .113 .378 2.331 .027 Karakteristik_Individu .347 .122 .461 2.844 .008
a. Dependent Variable: Keberhasilan_Usaha
Sumber:Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.8 maka persamaan analisis regresi linier berganda dalam penelitian ini adalah:
Y = -2,704 + 0,264 X1 + 0,347 X2
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut :
a. Konstanta (a) = -2,704, ini menunjukkan harga constant, dimana jika variabel Pengetahuan Kewirausahaan (X1), dan Karakteristik Individu (X2)= 0, maka Keberhasilan Usaha = -2,704.
b. Koefisien X1 (b1) = 0,264, ini berarti bahwa variabel Pengetahuan Kewirausahaan (X1) berpengaruh positif terhadap Keberhasilan Usaha, atau dengan kata lain jika pengetahuan kewirausahaan (X1) ditingkatkan sebesar satu-satuan, maka keberhasilan usaha akan mengalami peningkatan sebesar 0,264. Koefesien bernilai positif artinya terjadi hubungan positif antara variabel pengetahuan kewirausahaan dengan keberhasilan usaha, semakin meningkat
pengetahuan kewirausahaan maka akan semakin meningkat pula keberhasilan usaha pada usaha kuliner tasbi Medan.
c. Koefisien X2 (b2) = 0,347, ini berarti bahwa variabel Karakteristik Individu (X2) berpengaruh positif terhadap Keberhasilan Usaha, atau dengan kata lain jika karakteristik individu (X2) ditingkatkan sebesar satu-satuan, maka keberhasilan usaha akan mengalami peningkatan sebesar 0,347. Koefesien bernilai positif artinya terjadi hubungan positif antara variabel karakteristik individu dengan keberhasilan usaha, semakin meningkat karakteristik individu maka akan semakin meningkat pula keberhasilan usaha pada usaha kuliner tasbi Medan.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng.
1. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat seperti Gambar 4.1, dan Gambar 4.2.
.
Sumber: Hasil Penelitian, 2016 (data diolah)
Gambar 4.1
Pengujian Normalitas Histogram
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi data normal yang tidak melenceng kanan maupun melenceng kiri. Jadi, berarti data residual berdistibusi normal. Terbukti bahwa data maupun model yang digunakan memenuhi asumsi normalitas.
Sumber: Hasil Penelitian, 2016 (data diolah)
Gambar 4.2
Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability lebih besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis
tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov (K-S).
Tabel 4.9
Uji Kolmogrov Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,,b Mean .0000000
Std. Deviation 1.43414915
Most Extreme Differences Absolute .103
Positive .103
Negative -.087
Kolmogorov-Smirnov Z .566
Asymp. Sig. (2-tailed) .905
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.9, terlihat bahwa nilai Asymp.Sig. (2-tailed) adalah 0,905, ini berarti nilainya diatas nilai signifikan 5% (0.05). dengan kata lain variabel tersebut berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu :
1. Analisis Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber: Hasil Penelitian, 2016 (data diolah)
Gambar 4.3
Pengujian Heteroskedastisitas Scatterplot
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. 2. Analisis Statistik
Dasar analisis metode statistik adalah jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas. Tabel 4.10 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4.016 3.153 1.274 .214 Pengetahuan_Kewirausahaan -.090 .056 -.380 -1.599 .121 Karakteristik_Individu .047 .061 .185 .779 .443
a. Dependent Variable: RES2
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.10 dapat diketahui bahwa tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat RES2. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5% jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4.3.3 Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan
VIF (Variance Inflation Factor), Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya, Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance > 0,1, dan VIF < 5, maka tidak terjadi multikolinieritas.
Tabel 4.11 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -2.704 6.325 -.428 .672
Pengetahuan_Kewirausahaan .264 .113 .378 2.331 .027 .596 1.677
Karakteristik_Individu .347 .122 .461 2.844 .008 .596 1.677
a. Dependent Variable: Keberhasilan_Usaha
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.11 dapat terlihat bahwa data (variabel) tidak terkena multikolinieritas karena nilai VIF < 5 dan nilai Tolerance > 0,1 sehingga model regresi layak dipakai untuk memprediksi keberhasilan usaha berdasarkan masukan variabel pengetahuan kewirausahaan, dan variabel karakteristik individu.
4.4 Uji Hipotesis
4.4.1 Uji Signifikan Simultan (Uji-F)
Pengujian ini dilakukan untuk melihat apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat.
Kriteria pengujiannya adalah :
Ho : b1 = 0, artinya secara serentak tidak terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat.
Ho : b1 ≠ 0, artinya secara serentak terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat.
Kriteria pengambilan keputusan adalah:
Ho ditolak jika F hitung > F tabel pada α= 5%
Untuk menentukan nilai F, maka diperlukan adanya derajat bebas pembilang dan derajat bebas penyebut, dengan rumus sebagai berikut:
df (Pembilang) = k – 1 df (Penyebut) = n – k
Keterangan :
n = jumlah sampel penelitian k = jumlah variabel bebas dan terikat
Pada penelitian ini diketahui jumlah sampel (n) 30 dan jumlah keseluruhan variabel (k) adalah 3, sehingga diperoleh :
1. df (pembilang) = 3 – 1 = 2 2. df (penyebut) = 30 – 3 = 27
Nilai Fhitung akan diperoleh dengan menggunakan bantuan SPSS, kemudian akan dibandingkan dengan Ftabelpada tingkat α = 5%.
Tabel 4.12
Hasil Uji Signifikan Simultan (Uji-F) ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 81.320 2 40.660 18.405 .000a
Residual 59.647 27 2.209
Total 140.967 29
a. Predictors: (Constant), Karakteristik_Individu, Pengetahuan_Kewirausahaan b. Dependent Variable: Keberhasilan_Usaha
Sumber: Hasil Penelitian, 2016 (data diolah)
Pada Tabel 4.12 dapat dilihat bahwa hasil perolehan Fhitung pada kolom F yakni sebesar 18,405 dengan tingkat signifikansi = 0.000, lebih besar dari nilai
Ftabel yakni 3,354, dengan tingkat kesalahan α = 5%, atau dengan kata lain Fhitung > Ftabel (18,405>3,354).
Berdasarkan kriteria pengujian hipotesis jika Fhitung > Ftabel dan tingkat signifikansinya (0.000< 0.05), menunjukkan bahwa pengaruh variabel bebas (pengetahuan kewirausahaan, dan karakteristik individu) secara serempak adalah signifikan terhadap variabel terikat (keberhasilan usaha).
4.4.2 Uji Signifikan Parsial (Uji-t)
Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel bebas secara parsial (individual) terhadap variasi variabel terikat. Kriteria pengujiannya adalah :
Ho : b1 = 0, artinya secara parsial tidak terdapat pengaruh yang positif dansignifikan dari variabel bebas terhadap variabel terikat.
Ho : b1 ≠ 0, artinya secara parsial terdapat pengaruh yang positif dan signifikandari variabel bebas terhadap variabel terikat.
Kriteria pengambilan keputusan adalah: Ho diterima jika t hitung < t tabel pada α= 5% Ho ditolak jika t hitung > t tabel pada α= 5% Hasil pengujian adalah :
Tingkat kesalahan (α) = 5% dan derajat kebebasan (df) = (n-k) n = jumlah sampel, n = 30
k = jumlah variabel yang digunakan, k = 3
Derajat kebebasan/ degree of freedom(df) =(n-k) = 30-3 = 27
Uji-t yang dilakukan adalah uji satu arah, maka ttabel yang digunakan adalah t0,05 (27) = 1,703.
Tabel 4.13
Hasil Uji Signifikan Parsial (Uji-t) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -2.704 6.325 -.428 .672 Pengetahuan_Kewirausahaan .264 .113 .378 2.331 .027 Karakteristik_Individu .347 .122 .461 2.844 .008
a. Dependent Variable: Keberhasilan_Usaha
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.13 dapat dilihat bahwa: 1. Variabel Pengetahuan Kewirausahaan (X1)
Nilai thitung variabel pengetahuan kewirausahaan adalah 2,331 dan nilai ttabel 1,703 maka thitung >ttabel (2,331>1,703) sehingga dapat disimpulkan bahwa variabel pengetahuan kewirausahaan berpengaruh positif dan signifikan (0,027< 0,05) secara parsial terhadap keberhasilan usaha. Artinya, jika variabel pengetahuan kewirausahaan ditingkatkan sebesar satu satuan, maka keberhasilan usaha akan meningkat sebesar 0,264.
2. Variabel Karakteristik Individu (X2)
Nilai thitung variabel karakteristik individu adalah 2,844 dan nilai ttabel 1,703 maka thitung >ttabel (2,844> 1,703) sehingga dapat disimpulkan bahwa variabel karakteristik individu berpengaruh positif dan signifikan (0,008< 0,05) secara parsial terhadap keberhasilan usaha. Artinya, jika variabel karakteristik individu ditingkatkan sebesar satu satuan, maka keberhasilan usaha akan meningkat sebesar 0,347.
Pengujian koefisien determinasi (R²) digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat. Koefisien determinasi berkisar antara nol sampai satu (0 ≤ R² ≥ 1). Jika R² semakin besar (mendekati satu), maka dapat dikatakan bahwa pengaruh variabel bebas (X) adalah besar terhadap variabel terikat (Y). Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel bebas terhadap variabel terikat dan demikian sebaliknya.
Tabel 4.14
Hasil Uji Koefesien Determinasi (R2) Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .760a .577 .546 1.48632
a. Predictors: (Constant), Karakteristik_Individu, Pengetahuan_Kewirausahaan
b. Dependent Variable: Keberhasilan_Usaha
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.14 dapat dilihat bahwa :
1. Nilai R Square sebesar 0,577 berarti 57,7% variabel keberhasilan usaha (Y) dapat dijelaskan oleh variabel pengetahuan kewirausahaan (X1), dan karakteristik individu (X2). Sedangkan sisanya 42,3% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.