BAB IV ANALISIS DAN PEMBAHASAN
C. Analisis Data dan Pembahasan
2. Hasil Analisis
Analisis regresi dugunakan untuk menguji hipotesis mengenai pengaruh variabel independen yang meliputi pendapatan pelanggan, jumlah anggota keluarga, dan tarif Internet Speedy.
Fungsi dari model dapat ditulis sebagai berikut: PIS = f(,PP,JAK,TI)
Dari fungsi tersebut kemudian diturunkan menjadi persamaan regresi sebagai berikut: i i i i i PP JAK TI PIS =b0 +b1 +b2 +b3 +m Dimana:
PISi = Permintaan Internet Speedy PPi = Pendapatan Pelanggan JAKi = Jumlah Anggota Keluarga TIi = Tarif Internet Speedy
3 2
1,b , b
b dan = Koefisien Regresi
0
commit to user
78 i = Observasi / Sample
i
m = Variabel Pengganggu
Selanjutnya dilakukan olah data dengan menggunakan program SPSS 12.0 dan hasilnya dapat dilihat pada tabel 4.14.
Tabel 4.14
Rangkuman Hasil Regresi Linier Berganda
Variabel Koef. regresi Std. Error t-hitung P value Konstanta Pendapatan Pelanggan Jumlah Keluarga Tarif Internet 6470,097 0,001589 -1170,206 1,096 3190,117 0,001 552,839 0,017 1,214 -2,117 65,241 0,228 0,037 0,000 R-Squared 0,981 Adj. R-Squared 0,980 F-Hitung 1636,909 Probabilitas F 0,000
Sumber: data Primer, diolah
Persamaan regresi linier berganda dari tabel 4.14 dapat disusun sebagai berikut:
PIS = 6470,097 + 0,001589 PP – 1170,206 JAK + 1,096 TI + µi
Kemudian untuk menghitung elastisitas manggunakan analisis regresi Log-Linier. Persamaan regresi dari model regresi Log-Linier adalah sebagai berikut: Ù Ù Ù Ù Ù + + + + = i i i t
i LogPP LogJAK LogTI
PIS
Log b0 b1 b2 b3 m
Yang mana:
commit to user
79 Log PP = Pendapatan Pelanggan
Log JAK = Jumlah Anggota Keluarga Log TI = Tarif Internet Speedy
3 2
1,b , b
b dan = Koefisien regresi
0
b
= Konstanta
m = Variabel Pengganggu
i = Observasi / Sample
Selanjutnya dilakukan olah data dengan menggunakan program SPSS 12.0 dan hasilnya dapat dilihat pada tabel 4.15.
Tabel 4.15
Rangkuman Hasil Regresi Log-Linier
Variabel Koef. regresi Std. Error t-hitung P value Konstanta Log PP LogJAK LogTI 0,109 0,0267 -0,00279 0,96 0,141 0,024 0,016 0,015 1,094 -1,768 62,673 0,277 0,080 0,000 R-Squared 0,980 Adj. R-Squared 0,980 F-Hitung 1579,168 Probabilitas F 0,000 Sumber: data Primer, diolah
Persamaan regresi Log-Linier dari tabel dapat disusun sebagai berikut: PIS = 0,109 + 0,0267PP – 0,00279JAK + 0,96TI + µi
commit to user
80 b. Uji Asumsi Klasik
1) Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mengetahui apakah antar variabel independen memiliki hubungan linier yang sempurna dengan variabel independen lainnya. Apabila hal itu terjadi maka dalam model tersebut terdapat masalah multikolinieritas. Untuk mengetahui multikolinieritas ini dapat dilakukan dengan dua cara:
a) Dengan Dengan melihat tolerance value dan variance inflation factor VIF. Gujarati (1993) memberi rule of thumb bahwa bila VIF > 10 atau nilai tolerance < 0,01 maka terjadi multikolinearitas.
Hasil pengujian multikolinieritas dengan SPSS 12.0 diperoleh hasil sebagai berikut:
Tabel 4.16
Hasil Uji Multikolinearitas
Variabel Tolerance VIF Kesimpulan Pendapatan Pelanggan
Jumlah Anggota Keluarga Tarif Internet Speedy
0,761 0,860 0,873 1,313 1,163 1,145 Bebas Multikolinearitas Bebas Multikolinearitas Bebas Multikolinearitas Sumber: data Primer, diolah
b) Dengan melihat hasil regresi. Jika R2 (koefisien determinasi) > nilai r2 (koefisien korelasi)nya, maka dapat disimpulkan bahwa antar variabel tidak terjadi multikolinearitas..
commit to user
81 Tabel 4.17
Hasil Uji Multikolinearitas
Variabel r r2 R2 Keterangan JAK dan TI PP dan TI JAK dan PP 0,021 -0,339 -0,359 0,000441 0,114921 0,128881 0,981 0,981 0,981 Bebas Multikolinearitas Bebas Multikolinearitas Bebas Multikolinearitas Sumber: data Primer, diolah
2) Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk melihat apakah kesalahan pengganggu variabel semuanya mempunyai varian yang sama. Jika kesalahan pengganggu tidak sama untuk semua nilai variabel independen maka tidak ada masalah heteroskedastisitas dalam model tersebut. Uji ini dilakukan dengan menggunakan model Glejser.
Glejser melakukan dua tahap dalam mendeteksi ada tidaknya gejala tersebut:
a) Melakukan regresi tanpa memperhatikan ada tidaknya heteroskedastisitas, kemudian menentukan nilai absolute residual.
b) Melakukan regresi sederhana antara nilai absolute residual tadi dengan tiap-tiap variabel independen. Bila ditemukan t hitung > t tabel, maka dapat disimpulkan bahwa terjadi heteroskedastisitas dalam model.
Hasil pengujian heteroskedastisitas dengan SPSS 12.0 diperoleh hasil sebagai berikut:
commit to user
82 Tabel 4.18
Hasil Uji Heteroskedastisitas
Variabel t hitung Prob Kesimpulan Pendapatan Pelanggan
Jumlah Anggota Keluarga Tarif Internet Speedy
0,507 -1,317 0,474 0,614 0,191 0,636 Bebas Heteroskedastisitas Bebas Heteroskedastisitas Bebas Heteroskedastisitas Sumber: data Primer, diolah
Pengujian terhadap besarnya nilai t hitung menunjukan bahwa pada α = 5% nilai t hitung masing-masing variabel independen adalah lebih kecil dari nilai t tabel. Berarti dalam model tersebut tidak terdapat masalah heteroskedastisitas. 3) Uji Autokorelasi
Pengujian asumsi dalam regresi dimana variabel dependen tidak berkorelasi dengan dirinya sendiri. Maksud korelasi dengan diri sendiri adalah bahwa nilai dari variabel dependen tidak berhubungan dengan nilai variabel itu sendiri, baik nilai periose sebelumnya atau nilai periode sesudahnya. Untuk mendeteksi gejala autokorelasi digunakan uji Durbin – Watson (DW). Uji ini menghasilkan nilai DW hitung (d) dan nilai DW tabel (dl dan du). Aturan pengujiannya adalah:
0 < d < dl : terjadi masalah autokorelasi
dl < d < du : ada masalah autokorelasi positif tapi lemah, dimana perbaikan akan lebih baik
du < d 4-du : tidak ada masalah autokorelasi
4-du < d < 4-dl : masalah autokorelasi lemah, dimana dengan perbaikan akan lebih baik
commit to user
83 4-dl < d < 4 : masalah autokorelasi serius
Dari hasil uji statistik DW diperoleh d sebesar 1,291. Dengan menggunakan derajat keyakinan 5% dengan jumlah sampel 100 dan variabel penjelas 3, maka diperoleh nilai dl = 1,61; du = 1,74; 4-du = 2,26; dan 4-dl = 2,39. 0 1,61 1,74 2,26 2,39 4 Autokorelasi positif Autokorelasi negatif Ragu-ragu Tidak ada Autokorelasi Ragu-ragu
Gambar 4.2 Uji Autokorelasi
Besarnya nilai koefisien DW dari hasil pengujian sebesar 1,291 terletak antara 0 dan dl sebesar 1,61. Maka 0 < d < dl sehingga dapat disimpulkan bahwa ada masalah autokorelasi positif dari model regresi yang digunakan.
c. Uji Statistik 1) Uji t
Pengujian ini bertujuan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Uji t yang dilakukan pada masing-masing variabel independen adalah sebagai berikut:
Hipotesis:
Ho : βi = 0 (berarti variabel independen secara individu tidak berpengaruh terhadap variabel independen).
commit to user
84 Ha : βi ≠ 0 (berarti variabel independen secara individu berpengaruh terhadap variabel independen). t tabel = t ; 100 – 4 = ± 1,96 Ho Ditolak -1,96 Ho Diterima Ho Ditolak 1,96
Gambar 4.3 Statistik Uji t
Tabel 4.19 Hasil Uji t
Variabel t-hitung P value t-tabel Kesimpulan PP JAK TI 1,214 -2,117 65,241 0,228 0,037 0,000 1,960 1,960 1,960 Tidak signifikan Signifikan Signifikan Sumber: data Primer, diolah
Berdasarkan tabel di atas diperoleh hasil sebagai berikut: a) Pendapatan
Pendapatan pelanggan berpengaruh positif namun tidak signifikan terhadap permintaan internet speedy, hal ini ditunjukkan dari nilai thitung = 1,214 < 1,960 dengan taraf signifikan 5 % atau dilihat dari nilai probabilitas tingkat signifikasi sebesar 0,228 lebih besar dari 0,05, dengan demikian hipotesis pertama yang menyatakan bahwa “Pendapatan pelanggan berpengaruh positif terhadap permintaan Internet Speedy”, tidak dapat diterima.
commit to user
85 b) Jumlah Anggota Keluarga
Jumlah anggota keluarga pelanggan berpengaruh negatif dan signifikan terhadap permintaan internet speedy, hal ini ditunjukkan dari nilai thitung = -2,117 < -1,960 dengan taraf signifikan 5 % atau dilihat dari nilai probabilitas tingkat signifikasi sebesar 0,037 lebih kecil kecil dari 0,05, dengan demikian hipotesis kedua yang menyatakan bahwa “Jumlah anggota keluarga pelanggan berpengaruh terhadap permintaan Internet Speedy”, dapat diterima.
c) Tarif Internet
Tarif internet speedy berpengaruh positif dan signifikan terhadap permintaan internet speedy, hal ini ditunjukkan dari nilai thitung = 65,241 > 1,960 dengan taraf signifikan 5 % atau dilihat dari nilai probabilitas tingkat signifikasi sebesar 0,000 lebih kecil dari 0,05, dengan demikian hipotesis ketiga yang menyatakan bahwa “Tarif internet speedy berpengaruh terhadap permintaan Internet speedy”, dapat diterima.
2) Uji F
Uji F bertujuan untuk mengetahui apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Dari hasil analisis diperoleh hipotesis:
Ho : β1 = β2 = β3 = 0 (berarti variabel independen secara bersama-sama tidak berpengaruh terhadap variabel independen).
commit to user
86 Ha : β1 ≠ β2 ≠ β3 ≠ 0 (berarti variabel independen secara bersama-sama berpengaruh terhadap variabel independen).
F tabel = F 0,05; 100 – 4; 4 – 1 = 2,60 F hitung = 1636,909
Ho Diterima Ho Ditolak
2,60 1636,909
Gambar 4.4 Statistik Uji F
Hasil analisis diperoleh nilai Fhitung sebesar 1636,909 dengan probabilitas sebesar 0,000, karena nilai probabilitas tingkat signifikasi sebesar 0,000 lebih kecil dari 0,05 dan Fhitung > Ftabel , maka Ho ditolak dan Ha diterima, dengan demikian terbukti bahwa ada pengaruh yang signifikan dari pendapatan pelanggan, jumlah anggota keluarga dan tarif Internet speedy secara bersama-sama terhadap permintaan Internet speedy.
3) Koefisien Determinasi R2
Koefisien Determinasi R2 digunakan untuk mengetahui seberapa jauh variasi dari variabel independen dapat menjelaskan dengan baik variasi dari variabel dependen. Apabila R2 mendekati 0 (nol), maka variabel independen tidak menjelaskan dengan baik variasi dari variabel dependennya. Apabila R2 mendekati 1(satu), maka variabel independen dapat menerangkan dengan baik variasi dari variabel dependennya.
commit to user
87 Hasil perhitungan untuk nilai R2 dengan bantuan program SPSS 12.0, dalam analisis regresi berganda diperoleh angka koefisien determinasi sebesar 0,980. Hal ini berarti 98% variasi permintaan Internet speedy dapat dijelaskan oleh variasi perubahan faktor-faktor pendapatan pelanggan, jumlah anggota keluarga dan tarif Internet speedy. Sementara sisanya sebesar 2% diterangkan oleh faktor lain yang tidak ikut terobservasi.