BAB V ANALISIS DATA DAN PEMBAHASAN
C. Pengujian Hipotesis
1. Pengujian Analisis Prasyarat
Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data untuk pengujian hipotesis dapat dilanjutkan atau tidak. Beberapa teknik analisis data menuntut uji persyaratan analisis. Analisis varian mempersyaratkan bahwa data berasal dari populasi yang berdistribusi normal dan linier.
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data yang terjaring berdistribusi normal atau tidak. Pengujian dilakukan dengan
menggunakan uji satu sampel dari Kolmogrov-Smirnov, yaitu tingkat kesesuaian antara distribusi harga satu sampel (skor yang diobservasi) dengan distribusi teoritis tertentu. Pengujian ini bantuan dengan menggunakan komputer program SPSS versi 16.0. berikut ini disajikan rangkuman hasil pengujianya:
Tabel V.6
One-Sample Kolmogorov-Smirnov Test Sinetron X1 Iklan X2 Lingkungan Pergaulan_X3 Gaya Hidup_Y N 86 86 86 86 Normal Parametersa Mean 10.83 9.95 27.06 62.59 Std. Deviation 2.558 2.906 5.065 11.582 Most Extreme Differences Absolute .142 .117 .097 .075 Positive .137 .110 .097 .075 Negative -.142 -.117 -.080 -.050 Kolmogorov-Smirnov Z 1.317 1.088 .898 .698
Asymp. Sig. (2-tailed) .062 .187 .396 .714
a. Test distribution is Normal.
Sumber: data primer diolah tahun 2012
Tabel V.7 Rangkuman Uji Normalitas
No Variabel Asymp
Sig2-tailed
α Kesimpulan
1 Sinetron 0,062 0,05 Normal
2 Iklan 0,187 0,05 Normal
3 Lingkungan Pergaulan 0,396 0,05 Normal
4 Gaya Hidup 0,714 0,05 Normal
Sumber: data primer diolah tahun 2012
Tabel di atas menunjukkan bahwa nilai probabilitas variabel Sinetron = 0,062, variabel Iklan = 0,187, variabel Lingkungan Pergaulan =
0,396, dan variabel gaya Hidup = 0,714. Nilai-nilai tersebut lebih besar
dari nilai α = 0,05 maka hal tersebut menunjukkan bahwa distribusi data
penelitian keempat variabel penelitian ini adalah berdistribusi normal.
b. Uji Linieritas
Pengujian linieritas digunakan untuk mengetahui apakah ada hubungan yang linier diantara masing-masing variabel bebas dengan variabel terikat. Hasil pengujian nilai adalah pengaruh variabel sinetron, iklan, dan lingkungan pergaulan terhadap gaya hidup. Secara lengkap tersaji dalam tabel berikut ini:
1) Sinetron dengan Gaya Hidup
Tabel V.8 Linieritas Sinetron Sum of Squares df Mean Square F Sig. Gaya_Hidup_Y * Sinetron_X1 Between Groups (Combined) 2195.992 10 219.599 1.789 .077 Linearity 890.516 1 890.516 7.254 .009 Deviation from Linearity 1305.475 9 145.053 1.182 .319 Within Groups 9206.764 75 122.757 Total 11402.756 85
Sumber: data primer diolah tahun 2012
Tabel di atas menunjukkan bahwa nilai Fhitung variabel sinetron dengan variabel gaya hidup = 1,182 dan Ftabel = 2,01. Maka dapat disimpulkan Fhitung ≤ Ftabel yaitu 1,078 ≤ 2,00, sehingga kontribusi variabel sinetron dengan variabel gaya hidup bersifat linier.
2) Iklan dengan Gaya Hidup Tabel V.9 Linieritas Iklan Sum of Squares df Mean Square F Sig. Gaya_Hidup_Y * Iklan_X2 Between Groups (Combined) 1150.964 12 95.914 .683 .762 Linearity 695.616 1 695.616 4.953 .029 Deviation from Linearity 455.348 11 41.395 .295 .985 Within Groups 10251.791 73 140.435 Total 11402.756 85
Sumber: data primer diolah tahun 2012
Tabel di atas menunjukkan bahwa nilai Fhitung variabel Iklan dengan gaya hidup = 0,295 dan Ftabel = 1,92. Maka dapat disimpulkan Fhitung ≤ Ftabel yaitu 0,295 ≤ 1,92, sehingga kontribusi variabel iklan dengan variabel gaya hidup bersifat linier.
3) Lingkungan Pergaulan dengan Gaya Hidup
Tabel V.10
Linieritas Lingkungan Pergaulan
Sum of Squares df Mean Square F Sig. Gaya_Hidup_Y * Lingkungan_Pergaulan _X3 Between Groups (Combined) 5140.692 21 244.795 2.502 .003 Linearity 3099.992 1 3099.992 31.683 .000 Deviation from Linearity 2040.700 20 102.035 1.043 .429 Within Groups 6262.064 64 97.845 Total 11402.756 85
Tabel di atas menunjukkan bahwa nilai Fhitung variabel lingkungan pergaulan dengan gaya hidup = 1,043 dan Ftabel = 1,68. Maka dapat disimpulkan Fhitung ≤ Ftabel yaitu 1,043 ≤ 1,74., sehingga kontribusi variabel lingkungan pergaulan dengan variabel gaya hidup bersifat linier.
Tabel V.11 Rangkuman Uji Linieritas
Variabel Df Fhitung Ftabel Nilai
probabilitas (ρ) Keterangan
Sinetron 9/75 1,182 2,01 0,009 Linier
Iklan 11/73 0,295 1,92 0,029 Linier
Lingkungan Pergaulan 20/64 1,043 1,68 0,000 Linier
Sumber: data primer diolah tahun 2012
2. Pengujian Asumsi Klasik
Menurut Sudrajat 1988, dalam bukunya (Priyanto, 1012:59), Pengujian asumsi klasik dipergunakan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala multikolinearitas, heteroskedastisitas, dan autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bisa jika telah memenuhi persyaratan
BLUE (Best Linear Unbiased Estimator) yakni tidak terdapat
multikolinearitas, heteroskedastisitas, dan autokorelasi.
Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan 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.
a. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi anatara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel tersebut tidak memiliki korelasi atau sama dengan nol. Uji ini diterapkan untuk analisis regresi berganda yang terdiri dari dua atau lebih variabel bebas, untuk mengukur pengaruh variabel bebas tersebut melalui besaran koefisien korelasi (r). Tabel V.12 Uji Multikolinieritas Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) 28.335 8.998 3.149 .002
Sinetron_X1 .816 .425 .180 1.923 .058 .953 1.049
Iklan_X2 -.330 .384 -.083 -.859 .393 .903 1.107
Lingkungan_Pergaulan
_X3 1.061 .221 .464 4.795 .000 .895 1.117
a. Dependent Variable: Gaya_Hidup_Y
Pertama, Berdasarkan analisis collinearity statistics untuk variabel sinetron didapat koefisien tolerance 0,953, sedangkan VIF (Variance Inflation Factor) untuk variabel sinetron sebesar 1,049. Oleh karena nilai tolerance lebih besar dari 0,01 dan nilai VIF lebih kecil dari 10, maka dapat disimpulkan bahwa variabel sinetron tidak terjadi multikolinieritas.
Kedua, Berdasarkan analisis collinearity statistics untuk variabel iklan didapat koefisien tolerance 0,903, sedangkan VIF (Variance Inflation Factor) untuk variabel iklan sebesar 1,107. Oleh karena nilai tolerance lebih besar dari 0,01 dan nilai VIF lebih kecil dari 10, maka dapat disimpulkan bahwa variabel iklan tidak terjadi multikolinieritas.
Ketiga, Berdasarkan analisis collinearity statistics untuk variabel lingkungan pergaulan didapat koefisien tolerance 0,895, sedangkan VIF (Variance Inflation Factor) untuk variabel lingkungan pergaulan sebesar 1,117. Oleh karena nilai tolerance lebih besar dari 0,01 dan nilai VIF lebih kecil dari 10, maka dapat disimpulkan bahwa variabel lingkungan pergaulan tidak terjadi multikolinieritas.
b. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke
pengamatan lain. Model regresi yang baik adalah yang tidak terjadi
heteroskedastisitas. Untuk mendeteksi ada atau tidaknya
heteroskedastisitas, digunakan uji dengan metode korelasi Spearman.
Tabel V.13 Uji Heteroskedasitas Sinetron _X1 Iklan_X 2 Lingkungan _Pergaulan _X3 Gaya_ Hidup _Y Residual Yang dimutlakan Spearman's rho Sinetron_X1 Correlation Coefficient 1.000 -.236 * .211 .231* .065 Sig. (2-tailed) . .029 .052 .033 .553 N 86 86 86 86 86 Iklan_X2 Correlation Coefficient -.236 * 1.000 -.293** -.255* .028 Sig. (2-tailed) .029 . .006 .018 .797 N 86 86 86 86 86 Lingkungan Pergaulan_ X3 Correlation Coefficient .211 -.293 ** 1.000 .526** -.090 Sig. (2-tailed) .052 .006 . .000 .409 N 86 86 86 86 86 Gaya_Hidup _Y Correlation Coefficient .231 * -.255* .526** 1.000 .051 Sig. (2-tailed) .033 .018 .000 . .643 N 86 86 86 86 86 Residual Yang dimutlakan Correlation Coefficient .065 .028 -.090 .051 1.000 Sig. (2-tailed) .553 .797 .409 .643 . N 86 86 86 86 86
*. Correlation is significant at the 0.05 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed).
Hasil analisis pertama diperoleh koefisien korelasi r hitung sebesar 0,065 dengan probabilitas (ρ) sebesar 0,553. Oleh karena nilai
probabilitas (ρ) = 0,553 ≥ α = 0,05, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas untuk variabel sinetron.
Hasil analisis kedua diperoleh koefisien korelasi r hitung sebesar 0,028 dengan probabilitas (ρ) sebesar 0,797. Oleh karena nilai probabilitas
(ρ) = 0,797 ≥ α = 0,05, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas untuk variabel iklan.
Hasil analisis ketiga diperoleh koefisien korelasi r hitung sebesar -0,090 dengan probabilitas (ρ) sebesar 0,409. Oleh karena nilai
probabilitas (ρ) = 0,409 ≥ α = 0,05, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas untuk variabel lingkungan pergaulan.
Hasil analisis keempat diperoleh koefisien korelasi r hitung sebesar 0,051 dengan probabilitas (ρ) sebesar 0,643. Oleh karena nilai
probabilitas (ρ) = 0,643 ≥ α = 0,05, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas untuk variabel gaya hidup.
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Jika terjadi korelasi maka
dinamakan autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi dapat diuji dengan jalan menghitung “ The Durbin-Watson”.
Tabel V.14 Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .559a .313 .288 9.776 1.730
a. Predictors: (Constant), Lingkungan_Pergaulan_X3, Sinetron_X1, Iklan_X2 b. Dependent Variable: Gaya_Hidup_Y
Sumber: data primer diolah Tahun 2012
Berdasarkan tabel di atas, diperoleh nilai DW hitung sebesar 1,730, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel 86 (n) maka di tabel Durbin Watson akan didapat sebagai berikut:
n = 86 dan k = 4 dan tingkat signifikan 0,05 (α = 0,05) didapat dl = 1,5536 ; du = 1,7478. Oleh sebab nilai DW hitung yaitu 1,730 lebih kecil dari batas atas (du) 1,7478 dan kurang dari 4 - du (4 - 1,7478 = 2,2522), dengan demikian dapat disimpulkan bahwa tidak terjadi autokorelasi untuk variabel sinetron, iklan, dan lingkungan pergaulan.
Tabel V.15
Rangkuman Hasil Uji Asumsi Klasik
Uji Asumsi Klasik Kesimpulan
Multikolinieritas Tidak terjadi
Heteroskedastisitas Tidak terjadi
Autokorelasi Tidak terjadi
Sumber: data primer tahun 2012
3. Regresi Berganda Tabel V.16 Regresi Berganda Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 28.335 8.998 3.149 .002 Sinetron_X1 .816 .425 .180 1.923 .058 Iklan_X2 -.330 .384 -.083 -.859 .393 Lingkungan_Pergaulan _X3 1.061 .221 .464 4.795 .000
a. Dependent Variable: Gaya_Hidup_Y
Sumber: data primer diolah Tahun 2012.
Jumlah total nilai Beta seluruh variabel: 0,180 + 0,083 + 0,464 = 0,727 a. Sinetron
Rumusan hipotesis
Ho = Sinetron tidak berkontribusi secara signifikan terhadap gaya hidup
Kolom Standardized Coefficient menunjukkan Nilai Beta (β) pada variabel Sinetron sebesar 0,180 yang artinya bahwa sinetron berkontribusi terhadap gaya hidup sebesar (0,180 : 0,727) x 100% = 24,8%. Sedangkan untuk menguji apakah kontribusi tersebut signifikan atau tidak dengan membandingkan nilai thitung dengan ttabel atau dengan
melihat kolom Sig (ρ).
Hasil perhitungan yang dilakukan dengan berdasarkan program SPSS menunjukkan bahwa nilai thitung sebesar 1,923, sedangkan nilai ttabel pada df = n-k = 86 – 3 = 83 sebesar 1,6634. Hal ini berarti nilai thitung ≥ttabel (1,923 ≥ 1,6634) dan dapat diartikan Ho ditolak dan Ha diterima yang artinya sinetron berkontribusi secara signifikan terhadap gaya hidup.
Untuk menguji signifikansinya dapat juga di lihat dari kolom Sig. Probabilitas ditunjukkan dengan nilai 0,58 yang berarti nilai ini berada di atas taraf signifikan 5% (0,05), oleh karena Sig ≥ 0,05 (0,058 ≥ 0,05) maka dapat dikatakan Ho diterima dan Ha ditolak yang artinya sinetron tidak berkontribusi secara signifikan terhadap gaya hidup.
Dari hasil analisis diatas dapat disimpulkan bahwa Ho diterima dan Ha ditolak yang artinya sinetron tidak berkontribusi secara signifikan terhadap gaya hidup Mahasiswi Pendidikan Ekonomi Universitas Sanata Dharma.
b. Iklan
Rumusan hipotesis
Ho = Iklan tidak berkontribusi secara signifikan terhadap gaya hidup
Ha = iklan berkontribusi secara signifikan terhadap gaya hidup
Kolom Standardized Coefficient menunjukkan Nilai Beta (β)
pada variabel iklan sebesar -0,083 yang artinya bahwa iklan berkontribusi terhadap gaya hidup sebesar (0,083 : 0,727) x 100% = 11,41%. Sedangkan untuk menguji apakah kontribusi tersebut signifikan atau tidak dengan membandingkan nilai thitung dengan ttabel atau dengan melihat kolom Sig (ρ)
Hasil perhitungan yang dilakukan dengan berdasarkan program SPSS menunjukkan bahwa nilai thitung sebesar -0,859, sedangkan nilai ttabel pada df = n-k = 83 sebesar 1,6634. Hal ini berarti nilai thitung ≤ ttabel (0,083
≤ 1,6634). dan dapat diartikan Ho diterima dan Ha ditolak yang artinya iklan tidak berkontribusi secara signifikansi terhadap gaya hidup.
Sedangkan untuk menguji signifikansinya dapat di lihat dari kolom Sig. Probabilitas ditunjukkan dengan nilai 0,393 yang berarti nilai ini berada di atas taraf signifikan 5% (0,05), oleh karena Sig ≥ 0,05 (0,393
≥ 0,05) maka dapat dikatakan Ho diterima dan Ha ditolak yang artinya iklan tidak berkontribusi secara signifikansi terhadap gaya hidup.
Dari hasil analisis diatas dapat disimpulkan bahwa Ho diterima dan Ha ditolak yang artinya iklan tidak berkontribusi secara signifikansi terhadap gaya hidup Mahasiswi Pendidikan Ekonomi Universitas Sanata Dharma.
c. Lingkungan Pergaulan Rumusan hipotesis
Ho = Lingkungan pergaulan tidak berkontribusi secara signifikansi
terhadap gaya hidup.
Ha = Lingkungan pergaulan berkontribusi secara signifikansi terhadap
gaya hidup
Kolom Standardized Coefficient menunjukkan Nilai Beta (β)
pada variabel lingkungan pergaulan sebesar 0,464 yang artinya bahwa lingkungan pergaulan berkontribusi terhadap gaya hidup sebesar (0,464 : 0,727) x 100% = 63,8% sedangkan untuk menguji apakah kontribusi tersebut signifikan atau tidak dengan membandingkan nilai thitung dengan ttabel atau dengan melihat kolom Sig (ρ).
Hasil perhitungan yang dilakukan dengan berdasarkan program SPSS menunjukkan bahwa nilai thitung sebesar 4,795, sedangkan nilai ttabel pada df = n-k = 83 sebesar 1,6634. Hal ini berarti nilai t ≥ t (4,795
≥ 1,6634) dan dapat diartikan Ho ditolak dan Ha diterima yang artinya lingkungan pergaulan berkontribusi secara signifikansi terhadap gaya hidup.
Sedangkan untuk menguji signifikansinya dapat di lihat dari kolom Sig. Probabilitas ditunjukkan dengan nilai 0,00 yang berarti nilai ini berada di bawah taraf signifikan 5% (0,05), oleh karena Sig ≤ 0,05 (0,00 ≥ 0,05) maka dapat dikatakan Ho ditolak dan Ha diterima yang artinya lingkungan pergaulan berkontribusi terhadap gaya hidup
Dari hasil analisis diatas dapat disimpulkan bahwa Ho ditolak dan Ha diterima yang artinya lingkungan pergaulan berkontribusi terhadap gaya hidup Mahasiswi Pendidikan Ekonomi Universitas Sanata Dharma.
d. Sinetron, Iklan, dan Lingkungan Pergaulan secara bersama-sama. Rumusan hipotesis:
Ho = Sinetron, iklan, dan lingkungkan pergaulan tidak berkontribusi
secara signifikan terhadap gaya hidup.
Ha = Sinetron, iklan, dan lingkungkan pergaulan secara bersama-sama
Tabel V.17
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 3565.677 3 1188.559 12.436 .000a
Residual 7837.079 82 95.574
Total 11402.756 85
a. Predictors: (Constant), Lingkungan_Pergaulan_X3, Sinetron_X1, Iklan_X2 b. Dependent Variable: Gaya_Hidup_Y
Sumber: data primer diolah tahun 2012
Berdasarkan hasil perhitungan diperoleh harga Fhitung sebesar 12,436, sementara Ftabel pada df (3;82) sebesar 2,72 sehingga kriteria pengujian hipotesisnya Fhitung ≥ Ftabel yaitu 12,436 ≥ 2,72 maka Ho ditolak dan Ha diterima, dengan demikian hipotesis keempat yang menyatakan sinetron, iklan, dan lingkungan pergaulan berkontribusi secara signifikan terhadap gaya hidup.
Sedangkan untuk menguji signifikansinya dapat di lihat dari kolom Sig. Probabilitas ditunjukkan dengan nilai 0,000 yang berarti nilai ini berada di bawah taraf signifikan 5% (0,05), oleh karena Sig ≤ 0,05 (0,000 ≤ 0,05) maka dapat dikatakan Ho ditolak dan Ha diterima yang artinya sinetron, iklan, dan lingkungan pergaulan berkontribusi secara signifikan terhadap gaya hidup.
Dari hasil analisis diatas dapat disimpulkan bahwa Ho ditolak dan Ha diterima yang menyatakan bahwa sinetron, iklan, dan lingkungan
pergaulan berkontribusi secara signifikan terhadap gaya hidup Mahasiswi Pendidikan Ekonomi Universitas Sanata Dharma.
Tabel V.18 Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .559a .313 .288 9.776
a. Predictors: (Constant), Lingkungan_Pergaulan_X3, Sinetron_X1, Iklan_X2 b. Dependent Variable: Gaya_Hidup_Y
Sumber: data primer diolah tahun 2012
Hasil perhitungan yang dilakukan dengan berdasarkan program SPSS menunjukkan bahwa nilai adjusted R square sebesar 0,288. Hal ini berarti sinetron, iklan, dan lingkungan pergaulan secara bersama-sama berkontribusi sebesar 28,8% terhadap gaya hidup, sedangkan variabel lain di luar model berpengaruh sebesar 71,2%. Variabel tersebut antara lain masih banyak media informasi selain televisi, lingkungan fisik, dan setatus sosial.
