BAB IV: HASIL ANALISIS DAN PEMBAHASAN
4.3. Analisis Regresi Linier Berganda
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak (Sumarsono, 2004: 40). Uji normalitas dalam penelitian ini adalah uji Kolmogorov Smirnov. Adapun hasil dari pengujian normalitas adalah :
Tabel 4.4 : Hasil Uji Normalitas (1)
No. Variabel Penelitian Kolmogorov Smirnov Tingkat Signifikan 1. 2. 3.
Kualitas bahan baku (X1) Kualitas produk (X2) Efisiensi biaya produksi (Y)
1,447 1,367 1,859 0,030 0,048 0,002 Sumber : Lampiran II
Berdasarkan tabel 4.4 di atas dapat ditunjukkan bahwa variabel kualitas bahan baku (X1), kualitas produk (X2) dan efisiensi biaya produksi
(Y) tidak berdistribusi normal, karena tingkat signifikan yang dihasilkan kurang dari 5% (sig > 0,05).
Salah satu uji statistik yang dapat digunakan untuk menormalkan suatu data adalah uji outlier. Suatu observasi dikatakan outlier jika nilai zscore-nya ± 1,96. Berikut ini hasil uji outlier pada variabel kualitas bahan baku (X1), kualitas produk (X2) dan efisiensi biaya produksi (Y):
Tabel 4.5 : Hasil Uji Outlier
Descriptive Statistics
36 -,79961 3,13739 ,0000000 1,00000000 36 -,87898 3,05116 ,0000000 1,00000000 36 -3,62615 1,00495 ,0000000 1,00000000 36
N Minimum Maximum Mean Std. Deviation Zscore(x1)
Zscore(x2) Zscore(y) Valid N (listwise)
Sumber : Lampiran II
Berdasarkan tabel di atas, menunjukkan bahwa pada variabel kualitas bahan baku (X1), kualitas produk (X2) dan efisiensi biaya produksi (Y) terdapat outlier, karena nilai z-score yang dihasilkan melebihi selang ± 1,96. Observasi yang dikategorikan sebagai outlier pada variabel kualitas bahan baku (X1), kualitas produk (X2) dan efisiensi biaya produksi (Y), adalah sebagai berikut :
1. Observasi ke-6 yaitu bulan Juni 2007, pada variabel efisiensi biaya produksi (Y) dengan nilai zscore sebesar -2,52542.
2 Observasi ke-7 yaitu bulan Juli 2007, pada variabel efisiensi biaya produksi (Y) dengan nilai zscore sebesar –2,12611.
3. Observasi ke-8 yaitu bulan Agustus 2007, pada variabel efisiensi biaya produksi (Y) dengan nilai zscore sebesar -3,62615.
4. Observasi ke-19 yaitu bulan Juli 2008, pada variabel kualitas bahan baku (X1) dengan nilai zscore sebesar 2,44127 dan variabel kualitas produk (X2) dengan nilai zscore sebesar 2,74981.
5. Observasi ke-20 yaitu bulan Agustus 2008, pada variabel kualitas bahan baku (X1) dengan nilai zscore sebesar 3,10135 dan variabel kualitas produk (X2) dengan nilai zscore sebesar 2,28250.
6. Observasi ke-30 yaitu bulan Juni 2009, pada variabel kualitas bahan baku (X1) dengan nilai zscore sebesar 2,27790.
7. Observasi ke-35 yaitu bulan Nopember 2009, pada variabel kualitas produk (X2) dengan nilai zscore sebesar 3,05116.
Berdasarkan penjelasan tersebut, ditunjukkan bahwa banyaknya data outlier yaitu 7 (tujuh) data atau observasi, sehingga jumlah observasi atau data yang digunakan untuk uji selanjutnya adalah sebanyak 36 – 7 = 29 data atau observasi.
Setelah uji outlier, maka dilakukan uji normalitas lagi dan hasilnya adalah sebagai berikut :
Tabel 4.6 : Hasil Uji Normalitas (2)
No. Variabel Penelitian Kolmogorov Smirnov Tingkat Significant 1. 2. 3.
Kualitas bahan baku (X1) Kualitas produk (X2) Efisiensi biaya produksi (Y)
0,998 1,208 1,078 0,272 0,108 0,196 Sumber : Lampiran II
Berdasarkan tabel di atas dapat ditunjukkan bahwa variabel kualitas bahan baku (X1), kualitas produk (X2) dan efisiensi biaya produksi (Y)
berdistribusi normal, karena tingkat signifikan yang dihasilkan lebih dari 5% (sig > 0,05).
4.3.2. Uji Asumsi Klasik
Tujuan utama menggunakan uji asumsi klasik adalah untuk mendapatkan koefisien yang terbaik linier dan tidak bias (BLUE : Best Linier Unbiassed Estimator).
Penelitian ini menyimpulkan bahwa model regresi linier berganda yang dihasilkan adalah BLUE (Best Linier Unbiassed Estimator), karena tidak multikolinieritas, heteroskedastisitas dan autokorelasi. Hasilnya adalah sebagai berikut :
1. Multikolinieritas
Adapun nilai VIF dari variabel kualitas bahan baku (X1), kualitas produk (X2) adalah sebagai berikut :
Tabel 4.7 : Nilai VIF (Variance Inflation Factor)
No. Variabel Bebas VIF
1. 2.
Kualitas bahan baku (X1) Kualitas produk (X2)
8,931 8,931
Sumber : Lampiran V
Berdasarkan tabel 4.7 di atas, dapat disimpulkan bahwa model regresi terjadi multikolinearitas yang rendah atau tidak terjadi multikolinieritas, karena besaran VIF yang dihasilkan oleh variabel kualitas bahan baku (X1) dan kualitas produk (X2) kurang dari angka 10.
2. Heteroskedastisitas
Adapun nilai koefisien korelasi rank spearman dan tingkat signifikan pada variabel kualitas bahan baku (X1), kualitas produk (X2) adalah sebagai berikut :
Tabel 4.8 : Korelasi Rank Spearman
No. Variabel Bebas Koefisien korelasi
Rank Spearman
Tingkat signifikansi 1.
2.
Kualitas bahan baku (X1) Kualitas produk (X2) 0,249 0,173 0,192 0,370
Sumber : Lampiran V
Berdasarkan tabel 4.8 di atas, dapat disimpulkan bahwa model regresi tidak terjadi heteroskedastisitas, karena tingkat signifikansi yang dihasilkan oleh variabel kualitas bahan baku (X1) dan kualitas produk (X2) lebih besar dari 0,05.
3. Uji Autokorelasi
Uji statistik yang digunakan untuk mengetahui ada tidaknya autokorelasi adalah uji Durbin Watson. Dibawah ini merupakan hasil uji Durbin Watson, yaitu:
Tabel 4.9 : Hasil Uji Durbin Watson
Model Summaryb ,610a ,372 ,324 2,08721 1,568 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson Predictors: (Constant), x2, x1 a. Dependent Variable: y b.
Sumber : Lampiran V
Nilai DW (durbin watson) yang dihasilkan sebesar 1,568 berada diantara dU (1,27) dengan 4-dU (2,73) (Lampiran VI), maka dapat
disimpulkan bahwa antar residual (kesalahan pengganggu) tidak terdapat korelasi atau persamaan regresi linier berganda yang digunakan bebas autokorelasi, karena nilai DW yang dihasilkan berada pada selang 1,27 sampai dengan 2,73.
4.3.3. Persamaan Regresi Berganda
Metode analisis data yang digunakan dalam penelitian ini adalah analisis regresi linier berganda. Adapun hasil pengolahan analisis regresi linier berganda dapat dilihat pada tabel dibawah ini :
Tabel 4.10 : Persamaan Regresi
Model Koefisien regresi
Konstanta
Kualitas bahan baku (X1) Kualitas produk (X2) 2,86898 0,00001103 -0,00024542 R = 0,610 R2 = 0,372
Sumber : Lampiran V Persamaan Regresi : Y = 2,86898 + 0,00001103 X1 - 0,00024542 X2 Dari persamaan regresi di atas menjelaskan bahwa :
1. Konstanta (a) yang dihasilkan sebesar 2,86898 menunjukkan besarnya efisiensi biaya produksi (Y), apabila kualitas bahan baku (X1) dan kualitas produk (X2) adalah konstan atau nol.
2. Koefisien regresi untuk variabel kualitas bahan baku (X1) (b1) sebesar 0,00001103 berarti setiap kenaikan kualitas bahan baku (X1) satu satuan
maka efisiensi biaya produksi (Y) akan naik sebesar 0,00001103 dengan asumsi variabel bebas lainnya adalah konstan.
3. Koefisien regresi untuk variabel kualitas produk (X2) (b2) sebesar - 0,00024542 berarti setiap kenaikan kualitas produk (X2) satu satuan maka efisiensi biaya produksi (Y) akan turun sebesar 0,00024542 dengan asumsi variabel bebas lainnya adalah konstan.
Nilai koefisien determinasi (R2) yang dihasilkan dalam penelitian ini sebesar 0,372 menunjukkan kualitas bahan baku (X1) dan kualitas produk (X2) berpengaruh terhadap efisiensi biaya produksi (Y) sebesar 37,2% sedangkan sisanya 62,8% dipengaruhi oleh faktor lain yang tidak dibahas pada penelitian ini.
Nilai koefisien korelasi ganda (R) yang dihasilkan dalam penelitian ini sebesar 0,610 menunjukkan kualitas bahan baku (X1) dan kualitas produk (X2) memiliki korelasi ganda yang tinggi terhadap efisiensi biaya produksi (Y) sebesar 61%.
4.4. Uji Hipotesis
4.4.1. Uji Kecocokan Model (Uji F)
Uji F digunakan untuk mengetahui atau menguji kecocokan model regresi linier berganda yang digunakan. Adapun langkah-langkah uji F adalah :
1. Hipotesis
H0 : i= 0 (Model regresi linier berganda tidak cocok untuk mengetahui pengaruh variabel kualitas bahan baku dan kualitas produk terhadap variabel efisiensi biaya produksi)
H1 : i 0 (Model regresi linier berganda cocok untuk mengetahui pengaruh variabel kualitas bahan baku dan kualitas produk terhadap variabel efisiensi biaya produksi)
2. Tingkat signifikan
= 5% (0,05) 3. Nilai FhitungTabel 4.11: Uji F
Nilai Fhitung Tingkat Signifikan
7,703 0,002
Sumber : Lampiran V
Nilai Fhitung yang dihasilkan sebesar 7,703 dengan tingkat signifikan sebesar 0,002 < 5% maka H0 ditolak dan H1 diterima yang artinya model regresi linier berganda cocok untuk mengetahui pengaruh variabel kualitas bahan baku (X1) dan kualitas produk (X2) terhadap variabel efisiensi biaya produksi (Y).
4.4.2. Uji t
Uji t digunakan untuk mengetahui atau menguji pengaruh variabel bebas secara parsial terhadap variabel terikat maka digunakan uji t. Adapun langkah-langkah uji t adalah :
1. Hipotesis
H0 : i = 0 (secara parsial variabel bebas tidak berpengaruh signifikan terhadap variabel terikat)
H1 : i 0 (secara parsial variabel bebas berpengaruh signifikan terhadap variabel terikat)
2. Tingkat signifikan
= 5% (0,05) 3. Nilai thitungNilai thitung masing-masing variabel bebas adalah sebagai berikut : Tabel 4.12: Hasil Uji t
Variabel Bebas thitung Sig Kualitas bahan baku (X1)
Kualitas produk (X2) 3,871 -3,865 0,001 0,001
Sumber : Lampiran V
Berdasarkan tabel di atas menunjukkan bahwa variabel kualitas bahan baku (X1) dan kualitas produk (X2) secara parsial berpengaruh signifikan terhadap efisiensi biaya produksi (Y), karena tingkat signifikan yang dihasilkan kedua variabel tersebut kurang dari 5%.
Dari hasil uji t di atas dapat disimpulkan bahwa hipotesis ke-1 yang menyatakan “Bahwa kualitas bahan baku dan kualitas produk mempunyai pengaruh yang signifikan terhadap efisiensi biaya produksi”, teruji kebenarannya.
4.4.3. Nilai r2parsial
Nilai r2parsial digunakan untuk mengetahui seberapa besar pengaruh secara parsial variabel bebas terhadap variabel terikat. Berikut ini nilai r2parsial pada variabel kualitas bahan baku dan kualitas produk :
Tabel 4.13 : Nilai r2parsial
Variabel Bebas Nilai r parsial Nilai r2 parsial Kualitas bahan baku (X1)
Kualitas produk (X2) 0,6046 0,6041 0,3655 0,3649 Sumber : Lampiran V
Berdasarkan tabel di atas menunjukkan bahwa kualitas bahan baku memiliki pengaruh terhadap efisiensi biaya produksi sebesar 36,55% dan kualitas produk memiliki pengaruh terhadap efisiensi biaya produksi sebesar 36,49%.
Nilai r2parsial tersebut di atas menyimpulkan bahwa kualitas bahan baku memiliki pengaruh lebih dominan terhadap efisiensi biaya produksi, sehingga hipotesis ke-2 yang menyatakan “Bahwa kualitas bahan baku lebih berpengaruh secara dominan terhadap efisiensi biaya produksi”, teruji kebenarannya.