KEUNTUNGAN PENGALAMAN
METODOLOGI PENELITIAN
E. Analisis Data Dan Pembahasan 1.Regresi Linier Berganda 1.Regresi Linier Berganda
Penelitian ini menggunakan metode regresi linier berganda yang digunakan untuk menguji bagaimana pengaruh variabel independen yaitu faktor modal, tenaga kerja, pengalaman usaha, dan promosi terhadap variabel dependennya yaitu keuntungan pengrajin industri kecil pembuatan gitar, maka dapat disajikan dalam Tabel 4.12 sebagai berikut :
Tabel 4.12
Output Hasil SPSS untuk Mengetahui Koefisien Regresi dan Signifikansinya Coefficientsa -206653 222177,6 -,930 ,358 ,148 ,008 ,869 17,558 ,000 ,468 2,137 146930,4 55233,622 ,131 2,660 ,011 ,473 2,114 4583,656 12180,822 ,013 ,376 ,709 ,914 1,094 140566,4 237211,7 ,021 ,593 ,557 ,888 1,127 (Constant) X1 X2 X3 DX4 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
Dari Hasil analisis regresi diatas diperoleh persamaan regresi sebagai berikut :
Y = - 206653 + 0,148 X1 + 146930,4 X2 + 4583,656 X3 + 140566,4 X4 +Ui Dimana : Y = Keuntungan (dalam satuan rupiah)
commit to user
X1 = Modal ( dalam satuan rupiah ) X2 = Tenaga Kerja ( dalam satuan orang ) X3 = Pengalaman Usaha ( dalam satuan tahun ) X4 = Promosi ( dalam satuan dummy )
D = 1 : Ada Promosi D = 0 : Tidak Ada Promosi
Selanjutnya dilakukan pengujian dengan menggunakan uji statistik dan uji asumsi klasik. Pengujian ini bertujuan untuk mengetahui apakah dugaan sementara atau hipotesis terhadap parameter sudah sesuai secara teori dan statistik.
2. Uji Statistik a. Uji t
Uji t merupakan pengujian yang dilakukan terhadap koefisien regresi secara parsial untuk mengetahui signifikansi masing – masing variabel independen terhadap variabel dependen. Dalam pengujian ini menggunakan tingkat signifikansi α = 0,05 dan df = 43, dengan kriteria pengujian sebagai berikut :
1) Menentukan Hipotesis
Ho : β1 = 0 ( berarti variabel independen secara individu tidak berpengaruh terhadap variabel dependen ) Ha : β1 ≠ 0 ( berarti variabel independen secara individu
berpengaruh terhadap variabel dependen )
2) Menentukan α
commit to user Nilai t hitung dalam tabel 4.17
Nilai t tabel = t (0,05 / 2 ) ; df : 38 = 2,024 ( Tabel Distribusi t ) 4) Kriteria Pengujian
Gambar 4.1 Uji t
Ho Ditolak Ho Diterima Ho Ditolak - 2,024 2,024 Ho diterima apabila t hitung ≤ t tabel
Ho ditolak apabila t hitung > t tabel
5) Kesimpulan :
a) Pengujian terhadap X1 ( Variabel Modal )
Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 17,558. t hitung yang diperoleh lebih besar dari t tabel, ini berarti t hitung berada didaerah ditolak maka Ho ditolak dan Ha diterima yang berarti terdapat pengaruh yang positif antara jumlah modal terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar 0,000 yang lebih kecil dari 0.05 ini berarti koefisien regresi dari model signifikan pada tingkat 5%.
commit to user
b) Pengujian terhadap X2 ( Variabel Tenaga Kerja )
Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 2,660. t hitung yang diperoleh lebih besar dari t tabel, ini berarti t hitung berada didaerah ditolak maka Ho ditolak dan Ha diterima yang berarti terdapat pengaruh yang positif antara jumlah tenaga kerja terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar 0,011 yang lebih kecil dari 0.05 ini berarti koefisien regresi dari model signifikan pada tingkat 5%.
c) Pengujian terhadap X3 ( Variabel Pengalaman Usaha )
Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 0,376. t hitung yang diperoleh lebih kecil dari t tabel, ini berarti t hitung berada didaerah diterima maka Ho diterima dan Ha ditolak yang berarti tidak terdapat pengaruh yang signifikan antara pengalaman usaha terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar
commit to user
0,709 yang lebih besar dari 0.05 ini berarti koefisien regresi dari model tidak signifikan pada tingkat 5%.
d) Pengujian terhadap X4 ( Variabel Promosi )
Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 0,593. t hitung yang diperoleh lebih kecil dari t tabel, ini berarti t hitung berada didaerah diterima maka Ho diterima dan Ha ditolak yang berarti tidak terdapat pengaruh yang signifikan antara pengalaman usaha terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar 0,557 yang lebih besar dari 0.05 ini berarti koefisien regresi dari model tidak signifikan pada tingkat 5%.
b. Uji F
Merupakan pengujian terhadap koefisien parsial secara bersama – sama untuk mengetahui apakah variabel independen tersebut secara bersama – sama dapat mempengaruhi variabel dependen secara signifikan atau tidak. Dalam hal ini membuktikan apakah faktor modal, tenaga kerja, pengalaman usaha, dan promosi memiliki hubungan yang signifikan terhadap keuntungan usaha. Hal ini dilakukan dengan cara membandingkan dari F hitung dengan F
commit to user
tabel, jika F hitung lebih besar dari F tabel maka hasilnya adalah signifikan namun apabila F hitung lebih kecil dari F tabel maka hasilnya tidak signifikan. Maka dapat disajikan dalam Tabel 4.13 sebagai berikut :
Tabel 4.13
Output Hasil SPSS untuk Mengetahui F Hitung
ANOVAb 3,93E+14 4 9,828E+13 208,408 ,000a 1,79E+13 38 4,716E+11 4,11E+14 42 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), DX4, X3, X2, X1 a.
Dependent Variable: Y b.
Langkah – langkah pengujian untuk uji F adalah sebagai berikut : 1) Ho : β1 = β2 = β3 = β4 = β5 = 0 ( tidak ada pengaruh antara
variabel independen terhadap variabel dependen secara bersama – sama )
Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0 ( ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama ) 2) Tingkat keyakinan ( Level of significant ) α = 0,05
3) Perhitungan Uji F
Nilai F hitung = 208,408 ( dalam Tabel 4.13 )
F tabel = F0,05 ; ( 43 – 4 ) ; ( 4 – 1 ) = 2,85 ( dalam tabel distribusi F )
commit to user Gambar 4.6 Uji F Ho Diterima Ho Ditolak 2,85 208,408 Keterangan :
Ho akan diterima apabila F hitung ≤ F tabel Ho akan ditolak apabila F hitung > F tabel 5) Kesimpulan
Diketahui F hitung sebesar 208,408 lebih besar dari F tabel 2,85 maka Ho ditolak dan Ha diterima. Maka dapat disimpulkan bahwa semua variabel independen secara bersama – sama signifikan pada tingkat signifikansi α = 5 %. Ini berarti bahwa faktor modal, tenaga kerja, pengalaman usaha, dan promosi berpengaruh terhadap keuntungan industri kecil pembuatan gitar di Kabupaten sukoharjo
c. Koefisien Determinasi ( R2 )
Koefisien Determinasi digunakan untuk mengetahui seberapa jauh variasi dari variabel bebas dapat menerangkan dan menjelaskan variasi dari variabel terikat. Jika R2 mendekati nol, maka variabel bebas tidak menerangkan dengan baik variabel terikatnya. Jika R2
commit to user
menedekati 1, maka variasi dari variabel tersebut dapat menerangkan dengan baik dari variabel terikatnya.
Tabel 4.14
Output Hasil SPSS Untuk Mengetahui Koefisien Determinasi (R2)
Model Summaryb ,978a ,956 ,952 686711,976 ,956 208,408 4 38 ,000 1,793 Model 1 R R Square Adjusted R Square Std. Error of the Estimate R Square
Change F Change df1 df2 Sig. F Change Change Statistics Durbin-W atson Predictors: (Constant), DX4, X3, X2, X1 a. Dependent Variable: Y b.
Dari hasil estimasi tersebut diatas diketahui bahwa untuk nilai koefisien determinasi R2 sebesar 0,956 ini berarti bahwa 95,6% variasi variabel dependen (keuntungan) dapat dijelaskan oleh variabel independenya (modal, tenaga kerja, pengalaman usaha, dan promosi), sedangkan untuk sisanya ( 1 - R2 ) yaitu sebesar 4,4% dijelaskan oleh variabel lain yang tidak ada dalam model.
3. Uji Asumsi Klasik
a. Uji Multikoliniearitas
Multikolinearitas merupakan masalah yang timbul dan berkaitan dengan adanya hubungan linier diantara variabel – variabel penjelasnya. Uji multikolineartitas ini digunakan untuk mengetahui terjadi atau tidaknya korelasi diantara variabel independen dalam proses regresi tersebut. Prasyarat yang harus dipenuhi dalam model regresi adalah tidak adanya multikolinearitas.
commit to user
Cara yang digunakan untuk mendeteksi ada atau tidaknya masalah multikolinearitas dengan melihat nilai Tolerance dan VIF (Varian Inflation Factor). Jika nilai dari Tolirance semakin kecil dan untuk nilai VIF semakin besar maka semakin mendekati terjadinya masalah multikolinearitas.
Pada tabel 4.17 ( Tabel Coefficients ) dapat diketahui bahwa nilai Tolerance dari kelima variabel independen lebih dari 0,1 dan VIF kurang dari 10, jadi dapat disimpulkan bahwa dalam model regresi tersebut tidak terdapat masalah multikolinearitas.
b. Heterokedastisitas
Heteroskedastisitas merupakan kondisi dimana sebaran atau varian faktor pengganggu tidak kostan sepanjang observasi tersebut. Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya ketidaksamaan varian dari residual dalam model regresi tersebut, sedangkan untuk model regresi yang baik yaitu mensyaratkan tidak adanya masalah heteroskedastisitas.
Untuk mendeteksi ada tidaknya masalah heteroskedastisitas dilakukan pengujian dengan menggunakan Uji Sperman’s rho, yaitu dengan mengkorelasikan nilai residual ( Unstandarized residual ) dengan masing – masing variabel independen. Jika signifikansi korelasi kurang dari 0,05 maka pada model regresi tersebut terdapat masalah heteroskedastisitas.
commit to user Tabel 4.15
Output Hasil SPSS Untuk Uji Heteroskedastisita Correlations 1,000 -,048 ,114 ,000 ,040 . ,761 ,465 ,998 ,799 43 43 43 43 43 -,048 1,000 ,661** ,255 ,287 ,761 . ,000 ,098 ,062 43 43 43 43 43 ,114 ,661** 1,000 ,294 ,222 ,465 ,000 . ,056 ,152 43 43 43 43 43 ,000 ,255 ,294 1,000 ,080 ,998 ,098 ,056 . ,609 43 43 43 43 43 ,040 ,287 ,222 ,080 1,000 ,799 ,062 ,152 ,609 . 43 43 43 43 43 Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Unstandardized Residua X1 X2 X3 DX4 Spearman's rho Unstandardiz ed Residual X1 X2 X3 DX4
Correlation is significant at the 0.01 level (2-tailed). **.
Dari output hasil Correlations tersebut di atas, dapat diketahui korelasi antara :
1) Modal dengan Unstandarized Residual menghasilkan nilai signifikansi 0,761.
2) Tenaga kerja dengan Unstandarized Residual menghasilkan nilai signifikansi 0,465.
3) Pengalaman Usaha dengan Unstandarized Residual menghasilkan nilai signifikansi 0,998.
4) Promosi dengan Unstandarized Residual menghasilkan nilai signifikansi 0,799.
Nilai dari signifikansi korelasi di atas didapat hasilnya menunjukan lebih dari 0,05, maka dapat disimpulkan bahwa pada
commit to user
model regresi tersebut tidak ditemukan adanya masalah heteroskedastisitas.
c. Autokolerasi
Autokolerasi merupakan keadaan dimana terjadi korelasi diantara anggota observasi yang disusun menurut waktu dan ruang. Model regresi yang baik mensyaratkan tidak adanya masalah autokolerasi.
Salah satu cara untuk menguji autokolerasi adalah dengan uji Durbin – Watson dengan prosedur sebagai berikut :
a) Menentukan hipotesis nol dan hipotesis alternatif
Ho : β1 = β2 = β3= β4 = β5 = 0 ( tidak ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )
Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0 ( ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )
b) Menentukan nilai d ( Durbin – Watson ) Nilai d = 1,793 ( dalam Tabel 4.14 )
c) Membandingkan angka dengan Durbin – Watson dalam tabel α = 5%. Angka dalam tabel menunjukkan nilai distribusi antara bawah ( dl ) dengan batas atas ( du )
commit to user dU = 1,72 Jadi : 4 – dL = 2,68 4 – dU = 2,28 4) Kriteria pengujiannya adalah :
Gambar 4.7 Uji Autokolerasi
Menolak Menolak
Ho Ho Autokolerasi Ragu – Menerima Ho Ragu- Bukti Positif Ragu Tidak Ada Ragu autokolerasi
Autokolerasi Negatif 0 dL dU 1,79 4- dU 4 – dL 4
1,32 1,72 2,28 2,68
Keterangan :
0 < d < dl = menunjukkan autokolerasi positif atau menolak Ho
dl < d < du = tidak dapat disimpulkan
du < d < 4 – du = tidak terdapat autokolerasi atau menerima Ho
4-du < d < 4-dl = tidak dapat disimpulkan
4-dl < d < 4 = menunujukan autokolerasi negatif atau menolak Ho
commit to user 5) Kesimpulan
Dari hasil uji statistik Durbin Watson dalam tabel 4.19 (Model Summary) diperoleh d sebesar 1,793. Dengan menggunakan taraf signifikansi 5%, jumlah sampel 43, dan variabel independen sebanyak 5 maka diperoleh nilai dL sebesar 1,32 ; dU sebesar 1,72 jadi untuk 4 – dL sebesar 2,68 dan untuk 4 – dU sebesar 2,28. Maka dilihat dari hasil pengujian DW yang sebesar 1,79 terletak diatas batas dU sebesar 1,72 dan 4 – dU sebesar 2,28 sehingga dapat disimpulkan bahwa tidak ada masalah autokolerasi positif maupun negatif dari model regresi yang digunakan.
F. Interprestasi Hasil Secara Ekonomi