BAB IV ANALISIS DAN PEMBAHASAN
E. Hasil dan Analisis Data
Model Regresi yang digunakan dalam pengolahan data skripsi ini adalah model log-linier :
= Dimana :
= Tingkat Keuntungan yang telah dinormalkan dengan harga output
= Intersep
= Modal yang telah dinormalkan dengan harga output = Besarnya biaya untuk tenaga kerja yang telah dinormalkan dengan harga output
= Besarnya biaya bahan baku yang telah dinormalkan dengan harga output
ei = Variabel pengganggu
Hasil pengolahan data dilakukan dengan menggunakan program Eviews 6.0 dengan model regresi log-linier dengan tampilan data pengolahan data sebagai berikut:
Tabel 4.15 Hasil Regresi Data
Variabel Coefficient Std. Error t-Statistic Probabilitas
C -6.648660 0.232045 -2.795400 0.0115
MDL 1.415073 0.142291 9.944936 0.0000
TK -0.315247 0.109643 -2.875223 0.0097
BB -0.189486 0.085420 -2.218273 0.0389
LnKEUNTUNGAN = -0.648660 + 1.415073LnMdl - 0.315247LnTk -0.189486LnBb a. Uji Statistik
1) Uji t
Uji t adalah uji secara individual semua koefisien regresi yang bertujuan untuk mengetahui besarnya pengaruh dari masing-masing variabel independen terhadap variabel dependennya.. Dalam pengujian ini menggunakan tingkat signifikan 0,05 dan df = 20.
a) Pengaruh Variabel Modal terhadap keuntungan usaha i. Hipotesis statistic
H0 : β1 = 0 (variabel modal tidak signifikan terhadap besarnya keuntungan usaha).
Ha : β1 ≠ 0 (variabel modal signifikan terhadap besarnya keuntungan usaha).
ii. Menentukan level of signikansi α=0,05 iii. Perhitungan uji t
Rule of test:
Ho diterima Ho tolak
-2,086 2,086 9,944 Gambar 4.1
Uji t Menentukan level of significant
iv. Hasil pengujian statistik t didapatkan hasil sebagai berikut:
Dengan menggunakan kriteria pengujian satu sisi dan pada taraf signifikansi 0,05. Karena t hitung (9,944) lebih besar dari t tabel (2,086),maka Ho ditolak, ha diterima. Berarti koefisien regresi parsial variabel modal secara statistik berpengaruh terhadap Keuntungan Pengusaha Batik pada tingkat signifikansi = 5%.
b) Pengaruh Variabel Biaya Tenaga Kerja terhadap Keuntungan i. Hipotesis statistik
H0 : β2 = 0 (variabel jumlah tenaga kerja tidak signifikan terhadap besarnya keuntungan).
Ha : β2 < 0 (variabel jumlah tenaga kerja signifikan terhadap besarnya keuntungan).
ii. Menentukan level of signikansi α=0,05
Nilai t hitung = -2,875
Nilai t tabel = t0,05/2 ; df : 20 = 2,086
Rule of test:
Ho diterima Ho tolak -2,875 2,086
Gambar 4.2
Uji t Menentukan level of significant
iv. Hasil pengujian statistik t didapatkan hasil sebagai berikut:
Dengan menggunakan kriteria pengujian satu sisi dan pada taraf signifikansi 0,05. Karena t hitung (-2,875) lebih kecil dari t tabel (-2,086), maka Ho ditolak, ha diterima. Berarti koefisien regresi parsial variabel bahan baku secara statistik berpengaruh terhadap Keuntungan Pengusaha Batik pada tingkat signifikansi = 5%.
c) Pengaruh Variabel Bahan Baku terhadap Keuntungan i. Hipotesis statistik
H0 : β3 = 0 (variabel modal tidak signifikan terhadap besarnya keuntungan usaha).
usaha).
ii. Menentukan level of signikansi α=0,05 iii. Perhitungan uji t
Nilai t hitung = -2,218
Nilai t tabel = t0,05/2 ; df : 20 = 2,086
Rule of test:
Ho diterima Ho tolak
-2,218 2,086 Gambar 4.2
Uji t Menentukan level of significant
iv. Hasil pengujian statistik t didapatkan hasil sebagai berikut:
Dengan menggunakan kriteria pengujian satu sisi dan pada taraf signifikansi 0,05. Karena t hitung (-2,218) lebih kecil dari t tabel (-2,086), maka Ho ditolak, ha diterima. Berarti koefisien regresi parsial variabel bahan baku secara statistik berpengaruh terhadap Keuntungan Pengusaha Batik pada tingkat signifikansi
= 5%.
b) Uji Signifikansi Simultan (Uji F)
Uji F adalah uji terhadap koefisien regresi parsial secara bersama-sama. Uji ini dimaksudkan untuk mengetahui apakah variabel independen yang ada secara bersama-sama mempengaruhi variabel dependennya. Hasil analisis uji F diperoleh hasil seperti terlihat pada tabel diatas. Berdasarkan hasil analisis diperoleh nilai F hitung sebesar 198,0595 lebih besar dari F tabel yaitu sebesar 3,493 maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara modal, tenaga kerja, dan bahan baku, secara bersama-sama terhadap keuntungan.
c) Goodness of Fit atau Koefisien Determinasi (R2)
Uji Godness of Fit dilakukan untuk mengetahui seberapa jauh kemampuan model dalam menerangkan dengan baik variasi dari variabel terikat. Jika R2 mendekati nol, maka variabel bebas tidak menerangkan dengan baik variasi variabel terikatnya. Jika R2 menjauhi nol, maka variabel bebas menerangkan derngan baik variasi variabel terikatnya.
Berdasarkan hasil perhitungan untuk nilai Adjusted R Square sebesar 0.969014 yang berarti bahwa variasi variabel independen yaitu variabel modal modal, tenaga kerja, dan bahan baku secara simultan dapat menjelaskan sebesar 96,9 % terhadap variabel dependen yaitu
lainnya yang tidak digunakan dalam penelitian ini.
b. Uji Asumsi Klasik a) Multikolinearitas
Pada penelitian ini untuk mendeteksi ada atau tidaknya multikolinearitas atau ada tidaknya hubungan (korelasi) antar variabel independen, dengan kata lain satu atau lebih variabel independen merupakan suatu fungsi linear dari variabel independen lainnya.
Pengujian yang dilakukan adalah dengan menggunakan metode Klein, yaitu dengan membandingkan nilai R2 dengan nilai r2 yang didapat dari hasil matriks korelasi. Dengan kriteria pengujian :
i. Jika nilai r2 > R2 , maka ada masalah multikolinearitas.
ii. Jika nilai r2 < R2 , maka tidak ada masalah multikolinearitas.
Hasil estimasi uji Multikolinearitas dapat dilihat pada tabel sebagai berikut :
Tabel 4. 16
Hasil uji Multikolinearitas
iii. U j
i
Variabel r2 R2 Kesimpulan
X1(X2,X3) 0,934 0,969 Tidak terjadi Multikolinearitas X2(X1,X3) 0,901 0,969 Tidak terjadi Multikolinearitas X3(X1,X2) 0,886 0,969 Tidak terjadi Multikolinearitas
DDari tabel diatas dapat diketahui bahwa semua nilai r2 lebih kecil dari nilai R2 yang berarti bahwa dalam model regresi tidak terdapat multikolinearitas.
b) Uji Heteroskedastisitas
Dalam ekonometrika, jika nilai varian (σ2) dari variabel tak bebas (Y) meningkat sebagai akibat meningkatnya variabel bebas (X) maka nilai disturbance term adalah tidak sama untuk semua observasi pada variabel bebas (X) disebut dengan heteroskedastisitas. Masalah heteroskedastik sering muncul dalam data cross-section. Hal ini dikarenakan data cross-section permasalahan atau populasi diamati pada satu titik waktu, dan cenderung mempunyai ukuran yang berbeda-beda, misalnya kecil, sedang, dan besar.
Dengan demikian pengujian ini juga dilakukan pada penelitian ini. Pengujian ini digunakan untuk melihat gangguan yang muncul dalam model regresi, sehingga penaksir OLS tidak efisien walaupun masih konsisten dan tidak bias. Analisis ini menggunakan uji white untuk melihat ada tidaknya masalah heteroskedastisitas, dengan langkah: Uji White.
Rumus :
LnY = β0 + β1 LnX1 + β2 LnX2 + β3 LnX3+ e
i. Jika Obs*R2 > X2 maka model tersebut terkena heteroskedastisitas.
ii. Jika Obs*R2 < X2 maka model tersebut bebas dari heteroskedastisitas.
Hasil estimasi uji White dapat dilihat pada tabel sebagai berikut :
Tabel 4.17
Hasil Uji Estimasi Uji White
F-statistic 1.322077 Prob. F(3,19) 0.2965
Obs*R-squared 3.972064 Prob. Chi-Square(3) 0.2645 Scaled explained SS 3.691704 Prob. Chi-Square(3) 0.2967
Berdasarkan hasil estimasi dengan uji white, diketahui nilai Obs*R-squared 3,972064 < X2 7,815 dengan Df 3 menunjukkan hasil yang tidak signifikan secara statistik. Sehingga dapat disimpulkan bahwa dalam model empirik tidak terdapat masalah heterokedastisitas tidak ditolak (tidak ada heterokedastisitas).
c) Uji Autokorelasi
Pengujian ini digunakan untuk melihat korelasi antar variabel gangguan sehingga penarik OLS tidak konsisten dan menjadi bias.
Analisis ini menggunakan uji Durbin-Watson. Dari hasil uji Durbin Watson diperoleh DW sebesar 1,853. Hasil perhitungan Durbin Watson kemudian dibandingkan dengan tabel yang menunjukkan daerah Durbin Watson sebagaimana pada gambar dibawah ini :
Autokorelasi Daerah Daerah Auto Korelasi
Positif ragu ragu negatif
Bebas Autokorelasi positif maupun
negatif
0 dl du 1,853 DW 4-du 4-dl 4
Gambar 4.3 Analisis Durbin Watson
commit to user
sampel 23, dan variabel penjelas 3 ,maka didapat nilai dl=1,078 4-dl = 2,922, du = 1,660, 4-du = 2,34 Berdasarkan tabel diatas , maka diketahui bahwa hasil Durbin Watson sebesar 1,853 yaitu daerah yang menunjukkan daerah bebas. Oleh karena itu maka disimpulkan bahwa tidak terjadi autokorelasi.
