Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal. Ada dua cara
untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov.
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 melennceng kiri. Jadi, berarti data residual berdistibusi normal. Terbukti bahwa data maupun model yang digunakan memenuhi asumsi normalitas.
Gambar 4.2
Pengujian Normalitas P-P Plot
X
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
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 4.17
Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 105
Normal Parametersa,b
Mean ,0000000
Std. Deviation 4198361,0987867 5
Most Extreme Differences
Absolute ,111
Positive ,111
Negative -,060
Kolmogorov-Smirnov Z 1,133
Asymp. Sig. (2-tailed) ,153
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.16, terlihat bahwa nilai Asymp.Sig. (2-tailed) adalah 0,153, ini berarti nilainya diatas nilai signifikan 5% (0.05), dengan kata lain variabel tersebut berdistribusi normal.
4.5.2 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.
Gambar 4.3
Pengujian Normalitas P-P Plot
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 4.18 Uji Park Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 15,431 3,586 4,303 ,000 UMUR -,089 ,058 -,168 -1,528 ,130 PENDIDIKAN ,022 ,154 ,015 ,142 ,888 LAMA USAHA ,073 ,067 ,119 1,081 ,282 JAM KERJA ,007 ,005 ,148 1,465 ,146 JUMLAH TANGGUNGAN ,323 ,198 ,166 1,632 ,106
a. Dependent Variable: LnU2i
Dari hasil output terlihat semua variabel independen tidak signifikan (sig > 0,05) terhadap variabel dependen. Hal ini berarti data tidak terkena heterokedastisitas.
4.5.3 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 4.19 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficient s T Sig. Collinearity Statistics
B Std. Error Beta Toleran
ce VIF 1 (Constant) -3605,897 4906,018 -,735 ,464 UMUR 4,912 79,292 ,006 ,062 ,951 ,751 1,332 PENDIDIKAN 55,503 210,298 ,024 ,264 ,792 ,783 1,277 LAMA USAHA 187,730 91,777 ,189 2,045 ,043 ,748 1,337 JAM KERJA 30,215 6,467 ,395 4,672 ,000 ,891 1,123 JUMLAH TANGGUNGAN 809,055 270,832 ,254 2,987 ,004 ,878 1,139
a. Dependent Variable: PENDAPATAN
Berdasarkan Tabel 4.19 dapat terlihat bahwa data (variabel) tidak terkena multikolinieritas karena nilai VIF < 5 dan nilai Tolerance > 0,1 sehingga model regresi layak dipakai untuk memprediksi pendapatan pedagang wanita
berdasarkan masukan umur, pendidikan, lama usaha, jam kerja dan jumlah tanggungan.
4.6 Pembahasan
4.6.1 Pengaruh Umur Terhadap Pendapatan Pedagang Wanita
Hasil penelitian menunjukkan bahwa variabel umur tidak berpengaruh signifikan terhadap pendapatan pedagang wanita kaki lima di Kota Medan. Hal ini dibuktikan dengan nilai koefisien regresi yang bernilai positif 4,912 dan nilai
thitung (0,62) yang lebih kecil dari nilai ttabel (1,664) sehingga dapat disimpulkan
bahwa variabel umur tidak berpengaruh signifikan (0,951 > 0,05) secara parsial terhadap pendapatan pedagang wanita. Artinya, jika variabel umur ditingkatkan sebesar satu tahun, maka pendapatan pedagang wanita hanya akan meningkat sebesar 4,912 rupiah.
Hal ini berkaitan dengan penelitian yang dilakukan oleh Endang Hariningsih dan Rintar Agus Simatupang (2008) yang berjudul “Faktor-Faktor Yang Mempengaruhi Kinerja Usaha Pedagang Eceran Studi Kasus: Pedagang Kaki Lima Di Kota Yogyakarta”. Hasil penelitian menunjukkan bahwa umur tidak mempengaruhi pendapatan pedagang wanita kaki lima di Kota Medan. Hal ini menunjukkan bahwa semakin tua umur seorang pedagang wanita, belum tentu menghasilkan pendapatan yang tinggi. Karena konsumen tidak melihat dari umur seorang pedagang wanita ketika akan membeli makanan yang didagangkan. 4.6.2 Pengaruh Pendidikan Terhadap Pendapatan Pedagang Wanita
Hasil penelitian menunjukkan bahwa variabel pendidikan tidak berpengaruh signifikan terhadap pendapatan pedagang wanita kaki lima di Kota
Medan. Hal ini dibuktikan dengan nilai koefisien regresi yang bernilai positif 55,503 dan nilai thitung (0,264) yang lebih kecil dari nilai ttabel (1,664) sehingga dapat disimpulkan bahwa variabel pendidikan tidak berpengaruh signifikan (0,792 > 0,05) secara parsial terhadap pendapatan pedagang wanita. Artinya, jika variabel pendidikan ditingkatkan sebesar satu tahun, maka pendapatan pedagang wanita hanya akan meningkat sebesar 55,503 rupiah.
Hal ini berkaitan dengan penelitian yang dilakukan Sasmita Siregar, Khairunisa Rangkuti, Yusuf Tri Darma (2015) yang berjudul “Peran Wanita Pedagang Sayur Terhadap Pendapatan Rumah Tangga”. Hasil penelitian menunjukkan bahwa tingkat pendidikan bukan menjadi faktor yang penting dalam memperdagangkan makanan. Tidak berpengaruhnya pendidikan terhadap pendapatan ini karenakan pendidikan yang mereka miliki tidak menunjang usaha yang mereka jalankan.
4.6.3 Pengaruh Lama Usaha Terhadap Pendapatan Pedagang Wanita. Hasil penelitian menunjukkan bahwa variabel lama usaha memiliki pengaruh yang positif dan signifikan terhadap pendapatan pedagang wanita kaki lima di Kota Medan. Hal ini dibuktikan dengan nilai koefisien regresi yang bernilai positif 187,730 dan nilai thitung (2,045) yang lebih besar dari nilai ttabel (1,664) sehingga dapat disimpulkan bahwa variabel lama usaha berpengaruh positif dan signifikan (0,043 < 0,05) secara parsial terhadap pendapatan pedagang wanita. Artinya, jika variabel lama usaha ditingkatkan sebesar satu tahun, maka pendapatan pedagang wanita akan meningkat sebesar 187,730 rupiah.
Hal ini berkaitan dengan penelitian yang dilakukan Didit Suhartono (2010) yang berjudul “Analisia pendaptan Pedagang Kaki Lima di Jalan Jendral Soedirman Purwokerto Banyumas”. Hasil penelitian menunjukkan bahwa ada pengaruh nyata antara lama usaha dan tingkat pendapatan. Seperti yang diketahui, pengalaman merupakan guru yang paling paling berharga. Semakin lama usaha yang di jalankan oleh seorang pedagang wanita maka semakin meningkat pula kemampuan seorang pedagang wanita dalam manjalankan usahanya.
4.6.4 Pengaruh Jam Kerja Terhadap Pendapatan Pedagang Wanita
Hasil penelitian menunjukkan bahwa variabel jam kerja memiliki pengaruh yang positif dan signifikan terhadap pendapatan pedagang wanita kaki lima di Kota Medan. Hal ini dibuktikan dengan nilai koefisien regresi yang bernilai positif 30,215 dan nilai thitung (4,672) yang lebih besar dari nilai ttabel (1,664) sehingga dapat disimpulkan bahwa variabel jam kerja berpengaruh positif dan signifikan (0,000 < 0,05) secara parsial terhadap pendapatan pedagang wanita. Artinya, jika variabel jam kerja ditingkatkan sebesar satu jam, maka pendapatan pedagang wanita akan meningkat sebesar 30,215 rupiah per jam.
Hal ini berkaitan dengan penelitian yang dilakukan Rina Handayani (2007) yang berjudul “Analisia Faktor-Faktor yang Mempengaruhi Pendapatan Pekerja Sektor Informal di Kota Binjai”. Hasil penelitian menunjukkan bahwa ada pengaruh jam kerja dan tingkat pendapatan. Karena ketika seorang pedagang wanita memilih untuk menjajakan dagangannya dengan jam kerja yang lebih lama setiap harinya, maka pendapatannya akan meningkat.
4.6.5 Pengaruh Jumlah Tanggungan Terhadap Pendapatan Pedagang Wanita
Hasil penelitian menunjukkan bahwa variabel jumlah tanggungan memiliki pengaruh yang positif dan signifikan terhadap pendapatan pedagang wanita kaki lima di Kota Medan. Hal ini dibuktikan dengan nilai koefisien regresi yang bernilai positif 809,055 dan nilai thitung (2,987) yang lebih besar dari nilai
ttabel (1,664) sehingga dapat disimpulkan bahwa variabel jumlah tanggungan
berpengaruh positif dan signifikan (0,004 < 0,05) secara parsial terhadap pendapatan pedagang wanita. Artinya, jika variabel jumlah tanggungan ditingkatkan sebesar satu orang, maka pendapatan pedagang wanita akan meningkat sebesar 809,055 rupiah.
Hal ini berkaitan dengan penelitian yang dilakukan oleh Endang Hariningsih dan Rintar Agus Simatupang (2008) yang berjudul “Faktor-Faktor Yang Mempengaruhi Kinerja Usaha Pedagang Eceran Studi Kasus: Pedagang Kaki Lima Di Kota Yogyakarta”. Hasil penelitian menunjukkan jumlah tanggungan keluarga mempunyai pengaruh yang besar terhadap pendapatan pedagang wanita. Karena banyaknya anggota keluarga yang harus dibiayai mendorong seseorang untuk bekerja, seorang pedagang wanita harus bekerja keras untuk dapat membiayai kebutuhan anggota keluarganya.
BAB V
KESIMPULAN DAN SARAN