BAB IV GAMBARAN UMUM
C. Hasil Analisis Data
Pada pengujian ini digunakan untuk menganalisis suatu masalah agar dapat memberikan gambaran secara konkrit yang dinyatakan dalam satuan angka dengan perhitungan statistik terhadap variabel yang diteliti, sehingga keputusan dapat diambil secara lebih pasti. Dalam penelitian ini digunakan analisis regresi linier berganda yang berguna untuk mengetahui pengaruh dari dari harga bahan baku, penggunaan teknologi, dan upah tenaga kerja terhadap produksi batu bata merah.
1. Hasil ujiasumsi klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan berdistribusi normal dan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE (best linear unbiased estimator) yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, dan tidak terdapat autokorelasi. Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan biasnya standar error. Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap bias dan masih tetap konsisten hanya saja menjadi tidak efisien. Oleh karena itu, uji asumsi klasik perlu dilakukan. Berikut hasil uji asumsi klasik adalah sebagai berikut :
a. Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2002). Hasil uji normalitas dengan Normal P-P Plot dengan regresi dapat ditunjukkan pada Gambar V.1 berikut:
Gambar V.1
Uji Normalitas dengan Normal P-P Plot
Sumber : Data primer diolah, 2012.
Hasil uji normalitas dengan Normal P-P Plot menunjukkan bahwa angka probabilitas disekitar garis linier atau lurus. Artinya bahwa seluruh variabel yang digunakan dalam penelitian ini memiliki random data yang berdistribusi normal, sehingga pengujian statistik selanjutnya dapat dilakukan baik uji F maupun uji t.
b. Heteroskedastisitas
Model regresi yang baik adalah tidak terjadi heterokedastisitas. Metode yang digunakan untuk menguji heteroskedastisitas dalam penelitian ini dengan menggunakan uji korelasi Spearman Rank. Bila nilai probabilitas (sig) > 0,05 maka dinyatakan tidak terjadi gejala Heterokedastisitas. Hasil perhitungan dapat dilihat dalam tabel berikut :
Tabel V.8 Uji Heteroskedastisitas Variabel Bebas p-value Keterangan Kesimpulan Harga bahan baku 0.196 Tidak Signifikan Tidak Terjadi
heterokedastisitas Upah tenaga kerja 0,589 Tidak Signifikan Tidak Terjadi
heterokedastisitas Penggunaan
teknologi
0,704 Tidak Signifikan Tidak Terjadi heterokedastisitas Sumber: Data primer diolah, 2012.
Dari tabel di atas diperoleh bahwa seluruh variabel bebas mempunyai nilai probabilitas yang lebih besar dari taraf signifikan 0,05, sehingga dapat disimpulkan bahwa dalam model regresi tersebut tidak terjadi Heterokedastisitas.
c. Autokorelasi
Pengujian autokorelasi dilakukan untuk mengetahui terdapat tidaknya korelasi berantai diantara faktor-faktor pengganggu secara berurutan berdasarkan urutan waktu, dalam penelitian ini metode pengujian dengan menggunakan nilai statistik Durbin Watson (DW). Untuk mengetahui ada tidaknya autokorelasi, dilakukan pengujian terhadap nilai DW dan dibandingkan nilai dU dan dL dari tabel Durbin Watson. Hasil perhitungan dengan SPSS, diperoleh nilai statistik Durbin Watson sebagai berikut:
Tabel V.9 Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .901a. .813 .805 6.07824E5 1.933
a. Predictors: (Constant), Penggunaan teknologi (X3, Harga bahan baku (X1), Upah tenaga kerja (X2)
b. Dependent Variable: Produksi batu bata merah (Y) Sumber : Data sekunder diolah, 2012.
Berdasarkan tabel Durbin-Watson, diperoleh nilai DW pada k = 3 dan n = 83 serta α = 5%, diperoleh nilai kritis dari persamaan model:
Nilai dL = 1,706 dan 4 – dL = 2,294 Nilai du = 1,760 dan 4 - du = 2,240
Hasil pengujian DW test tersebut dapat digambarkan sebagai berikut :
Gambar V.2
Uji Durbin Watson Test (D-W test)
Menolak Ho Daerah Daerah Menolak Ho* bukti keragu- keragu- bukti
autokorelasi raguan raguan autokorelasi
positif negatif
Tidak ada autokorelasi
1.933
DW
Hasil perhitungan di atas menunjukkan bahwa nilai DW-test berada pada daerah dU < dw < 4-dU dengan nilai DW-test sebesar 1,933 atau berada diantara 1,760 – 2,240, sehingga disimpulkan tidak ada autokorelasi.
d. Multikolinieritas
Uji multikolinieritas digunakan untuk mengetahui ada tidaknya korelasi antar variabel independent dalam sebuah model regresi berganda. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinieritas. Sebuah model regresi yang baik, seharusnya tidak terjadi korelasi diantara variabel independent secara kuat. Untuk dapat mendeteksi ada tidaknya problem multikolinieritas pada sebuah model regresi, dapat dilakukan dengan melihat nilai Variance Inflation Factor
(VIF) dimana nilai VIF harus di bawah nilai 10. Jika nilai Variance Inflation Factor (VIF) hasil regresi lebih besar dari 10 maka dapat dipastikan ada multikolinieritas di antara variabel bebas tersebut. Berikut adalah hasil perhitungan dengan bantuan statistical software SPSS 17 lewat pengujian regresi berganda untuk mencari nilai Variance Inflation Factor (VIF) pada model regresi yang digunakan dalam penelitian.
Tabel V.10
Nilai Variance Inflation Factor (VIF)
Model
Collinearity Statistics Tolerance VIF 1 Harga Bahan baku (X1) .792 1.262
Upah Tenaga Kerja
(X2) .737 1.356
Penggunaan Teknologi
(X3) .858 1.165
a. Dependent Variable: Hasil Produksi Batamerah (Y) Sumber : Data primer diolah, 2012.
Dari hasil perhitungan dapat dilihat bahwa tidak terdapat variabel yang memiliki nilai VIF yang melebihi nilai 10 pada model regresi. Hal ini menunjukan bahwa tidak terjadi problem multikolinieritas dalam model regresi tersebut.
Berdasarkan hasil uji asumsi klasik diatas, maka dapat disimpulkan bahwa model regresi yang diestimasikan memiliki data yang berdistribusi normal, dan model regresi tidak terdapat heteroskedastisitas sehingga hasil ini tidak bias. Tidak terdapat multikolinearitas, maka masing-masing variabel tidak saling berkorelasi. Dan terakhir tidak adanya autokorelasi yang mengakibatkan penaksir masih tetap bias. Oleh karena itu, uji asumsi klasik perlu dilakukan.
2. Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat. Hasil uji F-test dengan menggunakan program SPSS sebagai berikut:
Tabel V.11 Hasil Uji F-test
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 1.265E14 3 4.218E13 114.163 .000a
Residual 2.919E13 79 3.694E11
Total 1.557E14 82
a. Predictors: (Constant), Penggunaan Teknologi (X3), Harga Bahan baku (X1), Upah Tenaga Kerja (X2)
b. Dependent Variable: Hasil Produksi Batamerah (Y) Sumber : Data primer diolah, 2012.
Dari Tabel V.12 diatas di dapat F hitung sebesar 114.163 dengan taraf signifikansi 0,000. Hal ini menunjukkan bahwa nilai Fhitung lebih besar dari nilai Ftabel yaitu sebesar 2,720, maka Ho ditolak dan Ha diterima. Ini menunjukkan bahwa variabel harga bahan baku, penggunaan teknologi, dan upah tenaga kerja secara bersama-sama berpengaruh signifikan terhadap produksi batu bata merah. Berdasarkan hasil ini, maka hipotesis keempat yang menyatakan bahwa terdapat kontribusi harga jual produk,
harga bahan baku, upah tenaga kerja terhadap hasil produksi bata merah dapat diterima atau terbukti.
3. Regresi Linier Berganda
Dalam penelitian ini, dalam menganalisis regresi linear berganda penulis menggunakan seri program statistik SPSS. Hasil analisis regresi linier berganda dapat ditunjukkan seperti pada Tabel V.8.
Tabel V.12
Hasil Regresi Linear Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 337382.603 230330.360 1.465 .147
Harga Bahan baku
(X1) 1.391 .170 .447 8.178 .000
Upah Tenaga
Kerja (X2) 1.001 .163 .349 6.145 .000
Penggunaan
Teknologi (X3) .906 .119 .400 7.610 .000
a. Dependent Variable: Hasil Produksi Batamerah (Y) Sumber : Data primer diolah, 2012.
Pada Tabel V.8 diatas perhitungan regresi linier berganda dengan menggunakan program SPSS didapat hasil sebagai berikut:
Persamaan tersebut menunjukkan bahwa : a. Konstanta
Nilai konstanta sebesar 337382,603 yang berarti bahwa jika tidak ada variabel bebas yang terdiri dari variabel harga bahan baku, penggunaan teknologi, dan upah tenaga kerja sama dengan nol, maka besarnya hasil produksi batu bata merah adalah sebesar Rp 337382,603, 00
b. Kontribusi harga bahan baku (b1)
Kontribusi upah tenaga kerja terhadap hasil produksi bata merah di Kabupaten Cilacap sebesar Rp 1.391,00 dari keseluruhan hasil produksi bata merah. Artinya harga bahan baku berkontribusi positif dan searah terhadap hasil produksi bata merah dengan nilai signifikan sebesar 0,000. c. Kontribusi upah tenaga kerja (b2)
Kontribusi upah tenaga kerja terhadap hasil produksi bata merah di Kabupaten Cilacap sebesar Rp 1.001,00 dari keseluruhan hasil produksi bata merah. Artinya upah tenaga kerja berkontribusi positif dan searah terhadap hasil produksi bata merah dengan nilai signifikan sebesar 0,000. d. Kontribusi penggunaan teknologi (b3)
Kontribusi penggunaan teknologi terhadap hasil produksi bata merah di Kabupaten Cilacap sebesar Rp 906,00 dari keseluruhan hasil produksi bata merah. Artinya penggunaan teknologi berkontribusi positif dan searah terhadap hasil produksi bata merah dengan nilai signifikan sebesar 0,000.
4. Hasil uji t
Pada pengujian hipotesis ini bertujuan untuk mengetahui ada tidaknya pengaruh variabel-variabel harga bahan baku, penggunaan teknologi, dan upah tenaga kerja secara parsial terhadap produksi batu bata merah. Untuk mengetahui apakah hipotesis didukung atau tidak dengan membandingkan nilai thitung dengan nilai ttabel, jika thitung lebih besar dari nilai
ttabel maka dapat disimpulkan bahwa hipotesis penelitian didukung (terbukti
secara signifikan). Berdasarkan Tabel V.8 dapat dijelaskan pengaruh masing-masing variabel terhadap produksi batu bata merah, yaitu sebagai berikut:
a. Kontribusi harga bahan baku terhadap hasil produksi batu bata merah Uji ini untuk mengetahui apakah harga bahan baku berkontribusi terhadap produksi batu bata merah. Pengujian ini dilakukan dengan menggunakan tingkat signifikan sebesar α = 5%. Berdasarkan Tabel V.12 diperoleh nilai thitung sebesar 8,178 dengan signifikan sebesar 0,000. Dengan demikian nilai thitung lebih besar dari nilai ttabel yaitu sebesar 1,9897 atau (8,178 > 1,9897), maka dapat dinyatakan bahwa variabel harga bahan baku berkontribusi terhadap hasil produksi batu bata merah. Berdasarkan hasil ini, maka hipotesis pertama yang menyatakan bahwa terdapat kontribusi harga bahan baku terhadap hasil produksi bata merah dapat diterima atau terbukti.
b. Kontribusi upah tenaga kerja terhadap hasil produksi batu bata merah Uji ini untuk mengetahui apakah upah tenaga kerja berpengaruh terhadap hasil produksi batu bata merah. Pengujian ini dilakukan dengan menggunakan tingkat signifikan sebesar α = 5%. Berdasarkan Tabel V.12 diperoleh nilai thitung sebesar 6,145 dengan signifikan sebesar 0,000. Dengan demikian nilai thitung lebih besar dari nilai ttabel yaitu sebesar 1,9897 atau (6,145 > 1,9897), maka dapat dinyatakan bahwa variabel upah tenaga kerja berpengaruh signifikan terhadap produksi batu bata merah. Berdasarkan hasil ini, maka hipotesis ketiga yang menyatakan bahwa terdapat kontribusi penggunaan teknologi terhadap hasil produksi bata merah dapat diterima atau terbukti.
c. Kontribusi penggunaan teknologi terhadap hasil produksi batu bata merah
Uji ini untuk mengetahui apakah penggunaan teknologi berpengaruh terhadap hasil produksi batu bata merah. Pengujian ini dilakukan dengan menggunakan tingkat signifikan sebesar α = 5%. Berdasarkan Tabel V.12 diperoleh nilai thitung sebesar 7,610 dengan signifikan sebesar 0,000. Dengan demikian nilai thitung lebih besar dari nilai ttabel yaitu sebesar 1,9897 atau (7,610 > 1,9897), maka dapat dinyatakan bahwa variabel penggunaan teknologi berpengaruh signifikan terhadap produksi batu bata merah. Berdasarkan hasil ini, maka hipotesis kedua yang menyatakan bahwa terdapat kontribusi upah tenaga kerja terhadap hasil produksi bara merah dapat diterima atau terbukti.
5. Analisis Koefisien Determinasi Berganda
Untuk mengetahui besarnya pengaruh harga bahan baku, penggunaan teknologi , dan upah tenaga kerja terhadap produksi batu bata merah digunakan koefisien determinasi berganda (RSquare). Hasil koefisien deteminasi berganda dapat ditunjukkan pada Tabel berikut :
Tabel V.13
Koefisien Determinasi Berganda Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .901a .813 .805 6.07824E5
a. Predictors: (Constant), Penggunaan teknologi (X3, Harga bahan baku (X1), Upah tenaga kerja (X2)
Sumber : Data primer diolah, 2012.
Dari Tabel V.13 dapat diketahui besarnya koefisien determinasi berganda (Adjusted R²) sebesar 0,813, maka dapat diartikan bahwa 81,3% produksi batu bata merah dipengaruhi oleh ketiga variabel bebas yang terdiri dari harga bahan baku, upah tenaga kerja, dan penggunaan teknologi. Sedangkan sisanya sebesar 18,7% dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model penelitian.