BAB IV HASIL PENELITIAN DAN PEMBAHASAN
D. Hasil Analisis Data
Analisis uji prasyarat dalam penelitian ini menggunakan uji asumsi klasik sebagai salah satu syarat dalam menggunakan analisis regresi. Adapun pengujiannya dapat dibagi dalam beberapa tahap pengujian, yaitu:
a. Uji Normalitas
Uji normalitas dengan grafik Normal P-Plot akan membentuk satu garis lurus diagonal, kemudian plotting data akan dibandingkan dengan garis diagonal. Jika distribusi normal garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat grafik normal P-Plot sebagaimana dengan terlihat dalam gambar 4.1 di bawah ini:
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik Normal P-Plot
Sumber: SPSS 21 data diolah, Tahun 2016
Dari gambar 4.2 Normal Probability Plot, menunjukkan bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal sehingga menunjukkan pola distribusi normal, jadi dapat disimpulkan bahwa asumsi normalitas telah terpenuhi dan layak dipakai untuk memprediksi penyerapan tenaga kerja berdasarkan variabel bebasnya.
b. Uji Multikolinieritas
Uji ini digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Berdasarkan aturan Variance Inflation Factor (VIF) dan tolerance, maka apabila VIF melebihi angka 10 atau tolerance kurang dari 0,10 maka dinyatakan terjadi gejala multikolinieritas. Sebaliknya jika nilai VIF kurang dari 10 atau tolerance lebih dari 0,10 maka dinyatakan tidak terjadi gejala multikolinieritas.
Tabel 4.6 Uji Multikolinieritas
coefficientsa
Model Collinearity Statistic
Tolerance VIF
(Constant)
Investasi (X1) .183 5.478
Upah Minimum Provinsi (X2) .189 5.292
Belanja Pemerintah (X3) .163 6.122
Sumber: SPSS 21 data diolah, Tahun 2016
Berdasarkan tabel 4.6, maka dapat dilihat bahwa nilai VIF untuk
masing-masing variabel investasi, UMP dan belanja pemerintah nilai VIF nya < 10 dan nilai toleransinya > 0,10 sehingga model dinyatakan tidak terjadi multikolinieritas.
c. Uji Heteroskedastisitas
Grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID, dimana sumbu y adalah y yang telah diprediksi dan sumbu x adalah residual (y prediksi–y sesungguhnya) yang telah di studentized. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengidentifikasikan telah tejadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah
Adapun hasil gambar uji heteroskedastisitas menggunakan SPSS versi 21, dapat dilihat pada gambar 4.3 berikut:
Gambar 4.3 Uji Heteroskedastisitas
Sumber: SPSS 21 data diolah, Tahun 2016
Dari gambar 4.3 Scatterplot tersebut, terlihat titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi pengaruh variabel berdasarkan masukan variabel independennya.
d. Uji Autokorelasi
Salah satu metode analisis untuk mendeteksi ada tidaknya autokorelasi dengan melakukan pengujian nilai Durbin Watson (DW test). Jika nilai DW lebih besar batas atas (du) dan kurang dari jumlah variabel independen, maka dapat disimpulkan bahwa tidak ada autokorelasi. Uji autokorelasi dapat dilihat pada tabel 4.7 berikut:
Tabel 4.7 Hasil Uji Autokorelasi Model Summaryb
Model R R Square Adjusted
R Square
Std. Error of
the Estimate Durbin-Watson
1 .863a .744 .617 .08611 2.338
Sumber: SPSS 21 data diolah, Tahun 2016
Pada tabel 4.7 menunjukkan bahwa nilai Durbin Watson menunjukkan nilai 2,338 maka dapat disimpulkan bahwa koefisien bebas dari gangguan autokorelasi.
2. Analisis Regresi Linear Berganda
Persamaan regresi dapat dilihat dari tabel hasil uji coefisient berdasarkan output SPSS versi 21 terhadap variabel-variabel yaitu investasi
(X1), UMP (X2) dan belanja pemerintah (X3) terhadap penyerapan tenaga kerja
(Y) sektor industri pengolahan di Provinsi Sulawesi Selatan ditunjukkan pada tabel 4.8 berikut:
Tabel 4.8
Rekapitulasi Hasil Uji Regresi Coeffisientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta (Constant) 12.820 2.124 6.036 .001 Investasi (X1) .024 .188 .099 .204 .845
Upah Minimum Provinsi
(X2) -.240 .151 -.755 -1.59 .163
Belanja Pemerintah (X3) .075 .025 1.529 2.993 .024
Sumber: SPSS 21 data diolah, Tahun 2016
Berdasarkan pada hasil koefisien regresi (β) di atas, maka diperoleh persamaan regresi sebagai berikut:
LnY = Lnβ0+β1LnX1-β2LnX2+β3LnX3+µ
Y = 12,820 + 0,024 X1 ˗ 0,240 X2 + 0,075 X3 + 0,086
Hasil dari persamaan regresi di atas dapat diinterpretasikan sebagai berikut:
a. Nilai koefisien β0 sebesar 12,820, angka tersebut menunjukkan
bahwa jika investasi (X1), UMP (X2) dan belanja pemerintah (X3)
konstan atau X = 0, maka penyerapan tenaga kerja sebesar 12,820.
b. Nilai koefisien β1 sebesar 0,024. Hal ini menunjukkan bahwa jika
terjadi kenaikan investasi sebesar 1% maka penyerapan tenaga kerja juga akan mengalami kenaikan sebesar variabel pengalinya 0,024
dengan asumsi variabel UMP (X2) dan belanja pemerintah (X3)
c. Nilai koefisien β2 sebesar -0,240. Hal ini menunjukkan bahwa jika terjadi kenaikan pada UMP sebesar 1% maka penyerapan tenaga kerja akan mengalami penurunan sebesar variabel pengalinya yaitu
-0,240 dengan asumsi variabel investasi (X1) dan belanja
pemerintah (X3) dianggap konstan.
d. Nilai koefisien β3 sebesar 0,075. Hal ini menunjukkan bahwa jika
terjadi kenaikan pada belanja pemerintah sebesar 1% maka penyerapan tenaga kerja juga akan mengalami kenaikan sebesar
variabel pengalinya 0,075 dengan asumsi variabel investasi (X1)
dan UMP (X2) dianggap konstan.
e. Nilai Standar Error sebesar 0,086. Hal ini menunjukkan bahwa semakin kecil nilai Standar Error maka persamaan tersebut semakin baik untuk dijadikan sebagai alat untuk diprediksi.
3. Uji Hipotesis
Uji hipotesis merupakan jawaban sementara dari rumusan masalah dalam suatu penelitian. Uji hipotesis dapat dibedakan menjadi tiga, yaitu:
a. Uji Simultan (Uji F)
Uji F merupakan pengujian pengaruh secara simultan dari variabel
investasi (X1), UMP (X2) dan belanja pemerintah (X3) secara simultan
mempunyai pengaruh yang signifikan terhadap penyerapan tenaga kerja (Y). Dari hasil analisis diperoleh hasil output pada tabel 4.9 berikut:
Tabel 4.9
Hasil Uji Simultan (Uji F) ANOVAa
Model Sum Of Squares Df Mean
Square F Sig.
Regression .130 3 .043 5.824 .033b
Residual .044 6 .077
Total .174 9
Sumber: SPSS 21 data diolah, Tahun 2016
Dari hasil regresi yang ditunjukkan pada tabel 4.9, pengaruh variabel
investasi (X1), UMP (X2) dan belanja pemerintah (X3) berpengaruh secara
signifikan terhadap penyerapan tenaga kerja (Y) sektor industri pengolahan di Provinsi Sulawesi Selatan. Dengan nilai signifikan sebesar 0,033 yang lebih kecil dari taraf signifikan yang digunakan yaitu 0,05. Hal ini menunjukkan
bahwa secara simultan, investasi (X1), UMP (X2) dan belanja pemerintah (X3)
berpengaruh secara signifikan terhadap penyerapan tenaga kerja (Y) pada sektor industri pengolahan di Provinsi Sulawesi Selatan.
b. Uji Parsial (Uji t)
Uji t dilakukan untuk mengetahui pengaruh secara parsial variabel
investasi (X1), UMP (X2) dan belanja pemerintah (X3) terhadap penyerapan
tenaga kerja (Y) dan menganggap variabel dependen yang lain konstan. Dari hasil analisis diperoleh hasil output pada tabel 4.10 berikut:
Tabel 4.10 Hasil Uji Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Ket. B Std. Error Beta (Constant) 12.820 2.124 6.036 .001
Investasi (X1) .024 .188 .099 .204 .845 Tidak Signifikan
Upah Minimum
Provinsi (X2) -.240 .151 -.755 -1.59 .163 Tidak Signifikan
Belanja
Pemerintah (X3) .075 .025 1.529 2.993 .024 Signifikan
Sumber: SPSS 21 data diolah, Tahun 2016
Berdasarkan tabel 4.10, pengaruh secara parsial variabel investasi, UMP dan belanja pemerintah terhadap penyerapan tenaga kerja dapat dilihat dari arah tanda dan tingkat signifikansi. Variabel investasi dan UMP > 0,05 sedangkan variabel belanja pemerintah memiliki tingkat signifikansi < 0,05.
Hasil pengujian hipotesis secara parsial antara variabel independen dan variabel dependen dapat dianalisis sebagai berikut:
1. Pengaruh Investasi Terhadap Penyerapan Tenaga Kerja
Variabel investasi (X1) menunjukkan bahwa nilai sig > α (0,845 >
0,05), berarti variabel investasi tidak berpengaruh signifikan terhadap penyerapan tenaga kerja. Selanjutnya koefisien regresinya yaitu sebesar 0,024 menunjukkan bahwa setiap penambahan investasi 1% maka akan meningkatkan tingkat penyerapan tenaga kerja sebesar 0,024%. Dengan melihat hasil analisis menunjukkan bahwa hubungan antara investasi
terhadap penyerapan tenaga kerja memiliki hubungan yang positif meskipun tidak berpengaruh signifikan terhadap penyerapan tenaga kerja. 2. Pengaruh UMP Terhadap Penyerapan Tenaga Kerja
Variabel UMP (X2) menunjukkan bahwa nilai sig > α (0,163 > 0,05),
berarti variabel UMP tidak berpengaruh signifikan terhadap penyerapan tenaga kerja. Selanjutnya koefisien regresinya yaitu sebesar -0,240 menunjukkan bahwa setiap penambahan UMP 1% maka akan menurunkan tingkat penyerapan tenaga kerja sebesar -0,240%. Dengan melihat hasil analisis menunjukkan bahwa hubungan antara UMP terhadap penyerapan tenaga kerja memiliki hubungan yang negatif dan tidak berpengaruh signifikan terhadap penyerapan tenaga kerja.
3. Pengaruh Belanja Pemerintah Terhadap Penyerapan Tenaga Kerja
Variabel belanja pemerintah (X3) menunjukkan bahwa nilai sig < α
(0,024 < 0,05), berarti variabel belanja pemerintah berpengaruh signifikan terhadap penyerapan tenaga kerja. Selanjutnya koefisien regresinya sebesar 0,075 menunjukkan bahwa setiap penambahan belanja pemerintah 1% maka akan meningkatkan tingkat penyerapan tenaga kerja sebesar 0,075%. Dengan melihat hasil analisis menunjukkan bahwa hubungan antara belanja pemerintah terhadap penyerapan tenaga kerja memiliki hubungan yang positif dan berpengaruh signifikan terhadap penyerapan tenaga kerja.
c. Uji Koefisien Determinasi (R Square)
Uji koefisien determinasi ini digunakan untuk mengukur seberapa jauh variabel-variabel bebas dalam menerangkan variabel terikatnya. Nilai koefisien determinasi untuk tiga variabel bebas ditentukan dengan melihat nilai R-Square, pada tabel 4.11 berikut:
Tabel 4.11 Koefisien Determinasi (R2) Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .863a .744 .617 .08611 2.338
Sumber: SPSS 21 data diolah, Tahun 2016
Berdasarkan output SPSS 21, tampak bahwa hasil dari perhitungan
diperoleh nilai koefisien determinasi yang disimbolkan dengan R2 (R-Square)
sebesar 0,744, dengan kata lain hal ini menunjukkan bahwa besar persentase variasi penyerapan tenaga kerja yang bisa dijelaskan oleh variasi dari ketiga variabel bebas yaitu investasi, UMP dan belanja pemerintah sebesar 74,4% sedangkan sisanya sebesar 25,6% dijelaskan oleh variabel-variabel lainnya di luar penelitian, misalnya variabel pertumbuhan ekonomi.
