BAB IV PEMBAHASAN DAN HASIL PENELITIAN
B. Penyajian Data (Hasil Penelitian)
1. Analisis regresi linear berganda
Metode yang digunakan dalam penelitian ini adalah regresi liner berganda dengan menggunakan program SPSS. Analisis regresi linier berganda digunakan untuk menghitung besarnya pengaruh kuantitatif produktivitas susu sapi (variabel X) terhadap pendapatan rumah tangga di desa Pinang (variabel Y).
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 8.023 4.520 1.775 .087 tenaga_kerja .172 .243 .125 .706 .487 Modal .431 .150 .510 2.876 .008
a. Dependent Variable: pendapatan Sumber : Ouput SPSS (data diolah 2020)
Analisis data yang digunakan dalam penelitian ini adalah analisis regresi berganda. Regresi berganda bertujuan untuk meramalkan pengaruh dua variabel bebas terhadap variabel terikat. Analisis regresi berganda dalam penelitian ini digunakan untuk mengetahui pengaruh tenaga kerja dan modal terhadap pendapatan rumah tangga usaha dangke.
Bentuk umum dari persamaan yang digunakan dalam penelitian ini adalah :
Dimana:
Y = Pendapatan rumah tangga X1 = Tenaga Kerja
Dari persamaan regresi dapat diartikan dan diambil kesimpulan sebagai berikut:
1. Konstanta sebesar menyatakan bahwa jika variabel independen nilainya 0, maka keputusan faktor pendapatan rumah tangga usaha dangke adalah sebesar 8,023.
2. Koefisien regresi X1 (Variabel Tenaga Kerja) sebesar 0,172 artinya jika tenaga kerja menglami kenaikan sebesar 1% maka pendapatan rumah tangga usaha dangke (Y) akan mengalami kenaikan sebesar 0,172. Koefisien bernilai positif berarti terjadi hubungan yang positif antara tenaga kerja terhadap pendapatan. Jika tenaga kerja meningkat maka pendapatan akan meningkat.
3. Koefisien regresi X2 (Modal) sebesar 0,431 artinya jika modal mengalami kenaikan sebesar 1% pendapatan rumah tangga usaha dangke (Y) akan mengalami kenaikan sebesar 0,431. Koefisien bernilai positif antara modal terhadap pendapatan rumah tangga usaha dangke menyatakan bahwa modal memiliki pengaruh yang positif terhadap pendapatan.
1. Uji normalitas
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal ataukah tidak. Nilai residual berdistribusi normal merupakan suatu kurva berbentuk lonceng (bell-shaped curve) yang kedua sisinya melebar sampai tidak terhingga.
Distribusi data tidak normal, karena terdapat nilai ekstrem dalam data yang diambil.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 30 Normal Parametersa,b Mean .0000000 Std. Deviation 1.47335385 Most Extreme Differences Absolute .112 Positive .112 Negative -.069 Test Statistic .112
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal. b. Calculated from data.
Sumber : Ouput SPSS (data diolah 2020)
Berdasarkan hasil uji normalitas dengan uji one sample kolmogrov-smirnov diatas menunjukkan bahwa nilai residual dari variabel dependen dan varaiabel independen pada jumlah sampel (n) sebanyak 30 adalah 0,200. Dengan demikian, data dari penelitian ini terdistribusi secara normal karena nilai residual lebih besar dari pada nilai signifikansi yang sudah di tetapkan yaitu 0,05 atau 0,200>0,05 sehingga model regresi dapat digunakan untuk pengujian hipotesis.
Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) 8.023 4.520 1.775 .087
tenaga_kerja .172 .243 .125 .706 .487 .784 1.276
Modal .431 .150 .510 2.876 .008 .784 1.276
a. Dependent Variable: pendapatan
Sumber : Ouput SPSS (data diolah 2020)
Berdasarkan uji multikolinieritas diatas dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas antara masing-masing variabel independen dalam model regresi yaitu dengan melihat VIFdan nilai tolerance. Hasil perhitungan tolerance menunjukkan tidak ada variabel independen yang memeiliki nilai tolerance kurang dari 0,1 demikian dengan VIF tidak ada variabel independen yang memeiliki nilai VIF lebih besar dari 10 sehingga dengan demikian dapat disimpulkan tidak ada korelasi antara variabel independen atau tidak terjadi gejala multikolinieritas.
Uji ini bertujuan untuk menguji apakah dalam model regresi linier tindakan satu responden atau sampel mempengaruhi tindakan responden yang lain atau tidak. Apabila tindakan responden satu mempengaruhi tindakan responden yang lainnya maka terdapat autokorelasi. Model regresi yang baik adalah yang tidak adanya masalah autokorelasi. Dikatakan tidak terjadi masalah autokorelasi jika nilai DW bearada dianatara nilai DU dan 4-DU.
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate
Change Statistics
Durbin-Watson R Square Change F Change df1 df2 Sig. F Change 1 .579a .335 .286 1.527 .335 6.801 2 27 .004 1.838
a. Predictors: (Constant), modal, tenaga_kerja b. Dependent Variable: pendapatan
Sumber : Ouput SPSS (data diolah 2020)
Tabel diatas menunjukkan nilai DW sebesar 1,838 sedangkan nilai DU sebesar 1,6498. Sehingga dapat disimpulkan tidak terdapat adanya masalah autokorelasi karena nilai DW terletak antara DU sampai dengan (4-du) atau DU (1,6498) < Durbin Watson (1,838) < 4- du (2.162).
4. Uji heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu
pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model yang baik adalah yang homkeastisitas atau tidak terjadi heteroskedastisitas. Salah satu cara mendeteksi uji ini adalah dengan melihat Scatter Plot. Jika titik-titik yang tersebar di daerah positif dan negative serta tidak membentuk pola yang jelas, maka data tersebut dinyatakan tidak ada masalah heteroskedastisitas. Berikut hasil uji dari uji heteroskedastisitas:
Berdasarkan hasil tersebut menunjukkan bahwa persebaran titik-titik berada pada di bawah dan diatas 0 sehingga dapat disimpulkan model regresi tidak terjadi heteroskedastisitas karena tidak terbentuk suatu pola yang jelas.
5. Uji Hipotesis a. Uji T (Parsial)
Uji t dilakukan untuk mengetahui seberapa besar pengaruh masing-masing variabel independen (modal dan tenaga kerja) secara individual dalam menerangkan variabel dependen (pendapatan rumah tangga usaha dangke). Derajat keabsahan signifikansi yang digunakan adalah 5% atau 0,05. Untuk melakukan uji t, hipotesis yang peneliti ajukan adalah sebagai berikut:
Ha1 : Tenaga kerja berpengaruh signifikan terhadap pendapatan rumah tangga usaha dangke
Ha2 : Modal berpengaruh signifikan terhadap pendapatan rumah tangga usaha dangke
Ha3 : Modal dan tenaga kerja secara simultan berpengaruh signifikan terhadap pendapatan perusahaan
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 8.023 4.520 1.775 .087 tenaga_kerja .172 .243 .125 .706 .487 Modal .431 .150 .510 2.876 .008
a. Dependent Variable: pendapatan Sumber : Ouput SPSS (data diolah 2020)
Berdasarkan hasil pengujian yang telah dilakukan pada tabel diatas diperoleh nilai sebagai berikut:
1. Variabel Tenaga Kerja (X1)
T hitung untuk variabel X1 sebesar 0,706 dan tidak signifikan 0,487>0,05. Variabel X1 mempunyai t hitung yakni 0,706 dengan t tabel=3,646 (df 30 dengan signifikansi 0,05). Jadi t hitung<t tabel sehingga dapat disimpulkan bahwa variabel X1 (tenaga kerja) memiliki tidak kontribusi terhadap variabel Y (pendapatan rumah tangga usaha dangke). Nilai t positif menunjukkan bahwa variabel X1 mempunyai hubungan yang searah dengan varaibel Y. Jadi dapat disimpulkan variabel tenaga kerja secara parsial memiliki pengaruh tidak signifikan terhadap pendapatan rumah tangga.
2. Variabel Modal (X2)
T hitung untuk variabel modal sebesar 2,876 dengan signifikan 0,008<0,05. Variabel X2 memiliki nilai t hitung yaitu
2,876 dengan t tabel=3,646 jadi t hitung<t tabel sehingga dapat disimpulkan bahwa variabel X2 (modal) memiliki kontribusi terhadap variabel Y (pendapatan rumah tangga usaha dangke). Nilai t posiitf menunjukkan bahwa variabel X2 mempunyai hubungan yang searah dengan Y. Jadi dapat disimpulkan variabel modal secara parsial memiliki pengaruh signifikan terhadap pendapatan perusahaan.
b. Uji f simultan
Uji statistik F pada dasarnya bertujuan untuk mengetahui apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Uji ini dilakukan dengan membandingkan nilai signifikansi dengan nilai α (5%) dan membandingkan nilai F hitung dengan F tabel dengan asumsi jika nilai Sig.<α dan nilai F hitung>F tabel maka Ho ditolak. Adapun hipotesis yang telah peneliti ajukan sebagai berikut:
Ho : variabel independen (tenaga kerja dan modal) secara bersama-sama tidak berpengaruh terhadap variabel dependen (pendapatan rumah tangga usaha dangke) Ha : variabel independen (tenaga kerja dan modal) secara
bersama-sama memiliki pengaruh terhadap pendapatan rumah tangga usaha dangke.
ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 31.714 2 15.857 6.801 .004b Residual 62.952 27 2.332 Total 94.667 29
a. Dependent Variable: pendapatan
b. Predictors: (Constant), modal, tenaga_kerja Sumber : Ouput SPSS (data diolah 2020)
Pada tabel diatas diperoleh nilai F hitung 6,801>F tabel 2,922 dan Sig. 0,004<0,005 sehingga dapat disimpulkan bahwa variabel independen antara lain tenaga kerja (X1) dan modal (X2) secara simultan dan signifikan berpengaruh terhadap variabel dependen yaitu pendapatan rumah tanga usaha dangke (Y). Maka dengan kata lain variabel-variabel independen mampu menjelaskan besarnya variabel dependen pendapatan perusahaan.
c. Uji koefisien Determinasi r2
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabel dependen (Y) yang dapat dijelaskan oleh variabel independen (X). Adapun hasil yang diperoleh sebagai berikut :
Model Summaryb
Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 .579a .335 .286 1.527
a. Predictors: (Constant), modal, tenaga_kerja b. Dependent Variable: pendapatan
Sumber : Ouput SPSS (data diolah 2020)
Berdasarkan tabel diatas dapat diketahui hasil uji determinasi pada output model summary dari analisis regresi berganda tepatnya pada nilai R Square sebesar 0,335. Jadi pengaruh tenaga kerja dan modal terhadap pendapatan perusahaan yaitu sebesar 33,5% sedangkan sisanya 66,5% dipengaruhi oleh variabel lain yang tidak termasuk dalam variabel penelitian.