KEUNTUNGAN PENGALAMAN
METODOLOGI PENELITIAN
G. Teknik Analisis Data
1. Analisis Regresi Linier Berganda
Penelitian ini akan mencoba menghitung kekuatan pengaruh variabel independen yaitu modal, jumlah tenaga kerja, pengalaman usaha, dan promosi terhadap variabel dependen yaitu keuntungan industri kecil pembuatan gitar. Maka untuk membuktikan hipotesis kesatuan tersebut digunakan alat analisis regresi berganda karena penggunaan variabel yang lebih dari satu ( multivariables ), yang berguna untuk menganalisis pengaruh tingkat keuntungan pengrajin tersebut. Secara umum persamaan tersbut dapat dinyatakan sebagai berikut: tingkat keuntungan = f ( model modal, jumlah tenaga kerja, pengalaman usaha, promosi). Adapun model yang digunakan dalam analisis tersebut yaitu :
Y = β0+ β1 X1+ β2 X2 + β3 X3 + β4 X4 + U1 Dimana :
Y = Keuntungan Pengrajin Gitar
β0 = Konstanta
commit to user
X1 = Modal
X2 = Jumlah tenaga kerja X3 = Pengalaman usaha
X4 = Dummy promosi
U1 = Variabel pengganggu
2. Alat Uji Yang Digunakan
Pada hipotesis tersebut diatas kemudian dilakukan pengujian yang meliputi uji statistik dan uji asumsi klasik.
a. Uji Statistik
Untuk mendapatkan hasil dari regresi tersebut yang terbaik secara statistik yang biasa disebut BLUE ( Best Linier Unbiased Estimator ) maka terdapat beberapa kriteria yang digunakan untuk memenuhi kriteria BLUE tersebut adalah Uji F, Uji t, dan Uji R2 (Sulaiman, 2004 dalam Bintang, 2009). Maka kriteria yang digunakan untuk menguji hipotesis secara statistik didalam analisis regresi sederhana dan berganda sehingga dilakukan melalui pendekatan uji signifikan ( test significant )
Uji signifikan secara umum merupakan sebuah prosedur yang digunakan untuk mengetahui seberapa besar signifikansi kebenaran suatu hipotesesis nol ( Ho ) atau dapat juga untuk menentukan apakah sampel – sampel yang diamati berbeda secara nyata dari hasil – hasil yang diharapkan tersebut. Untuk
commit to user
perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis atau daerah dimana Ho ditolak. Dan yang disebut tidak signifikan apabila nilai uji statistiknya berada dalam daerah dimana Ho diterima. Dalam pengujian hipotesis ini dapat dilakukan dengan tiga cara, yaitu :
a) Uji t
Uji t merupakan pengujian yang dilakukan terhadap koefisien regresi secara parsial untuk mengetahui signifikansi masing – masing variabel independen terhadap variabel dependen. Dalam Uji t dengan ketentuan sebagai berikut :
1) Menentukan Hipotesis
Ho : β1 = 0 ( berarti variabel independen secara individu tidak berpengaruh terhadap variabel dependen )
Ho : β1 ≠ 0 ( berarti variabel independen secara individu berpengaruh terhadap variabel dependen )
2) Menentukan α
3) Melakukan perhitungan nilai t sebagai berikut : t tabel = ; df = N – K
Dimana :
α = Derajat signifikasi
commit to user
K = Banyaknya parameter atau koefisisen regresi plus konstants
t hitung =
Dimana :
β1 = Koefisien regresi variabel ke – i Se = Standar error
4) Kriteria pengujian
Diterima
Ditolak Ditolak - t tabel ( α/2 ; n – k ) t tabel ( α/2 ; n – k )
Ho diterima apabila t hitung ≤ t tabel Ho ditolak apabila t hitung > t tabel 5) Kesimpulan
a. Jika t hitung < t tabel, maka Ho diterima Ha ditolak artinya koefisien regresi variabel independen tidak mempengaruhi variabel dependen secara signifikan.
b. Jika t hitung > t tabel, maka Ho ditolak dan Ha diterima artinya koefisien regresi variabel
commit to user
independen mempengaruhi variabel dependen secara signifikan.
b) Uji F
Merupakan pengujian terhadap koefisien parsial secara bersama – sama untuk mengetahui apakah variabel independen tersebut secara bersama – sama dapat mempengaruhi variabel dependen secara signifikan, prosedurnya sebagai berikut :
1) Ho : β1 = β2 = β3= β4 = β5 = 0 ( tidak ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )
Ho : β1 ≠ β2 ≠ β3≠ β4 ≠ β5 ≠ 0 ( ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )
2) Tingkat keyakinan ( Level of significant ) α = 0,05 F tabel yaitu F α ; K – 1 ; N - K
3) F Hitung :
F hitung =
Dimana :
R2 = Koefisien Determinasi
K = Jumlah variabel dependen ditambah konstanta
commit to user N = Jumlah sampel 4) Daerah Kritis Uji F
Diterima Ditolak F tabel = Fα ; k – 1; n - k
Keterangan :
Ho akan diterima apabila F hitung ≤ F tabel Ho akan ditolak apabila F hitung > F tabel 5) Kesimpulan
Ho akan diterima jika F hitung > F tabel, artinya bahwa variabel independen secara bersama – sama tidak berpengaruh terhadap variabel dependen secara signifikan.. Ho akan ditolak jika F hitung > F tabel, artinya bahwa variabel independen secara bersama – sama mempengaruh terhadap variabel dependen secara signifikan.
c) Koefisien Determinasi ( R2 )
Koefisien Determinasi digunakan untuk mengetahui seberapa jauh variasi dari variabel bebas dapat menerangkan dan menjelaskan variasi dari variabel terikat. Jika R2
commit to user
mendekati nol, maka variabel bebas tidak menerangkan dengan baik variabel terikatnya. Jika R2 mendekati 1, maka variasi dari variabel tersebut dapat menerangkan dengan baik dari variabel terikatnya. Maka dapat disimpulkan jika suatu model dapat dikatakan lebih baik jika nila koefisien determinasinya semakin mendekati 1.
c. Uji Asumsi Klasik
Persamaan yang baik dalam ekonometrika harus memiliki sifat BLUE ( Best Linier Unbiased Estimator ). Untuk itu maka untuk mengetahui apakah persamaan tersebut sudah memiliki sifat BLUE maka perlu dilakukan uji asumsi klasik yang meliputi multikolinearitas, heteroskedastisitas, dan autokolerasi. Uji asumsi klasik yang digunakan adalah :
1) Multikolinearitas
Salah satu asumsi dalam regresi linear klasik adalah bahwa tidak terdapat masalah multikolinearitas diantara variabel yang menjelaskan yang termasuk ke dalam model regresi tersebut. Multikolinearitas merupakan masalah yang timbul dan berkaitan dengan adanya hubungan linier diantara variabel – variabel penjelasnya. Uji multikolineartitas ini digunakan untuk mengetahui terjadi atau tidaknya korelasi diantara variabel independen dalam proses regresi tersebut.
commit to user
Jika dalam model terdapat masalah multikolinearitas maka model tersebut memiliki kesalahan standar yang besar, sehingga koefisien tidak dapat ditaksir dengan ketepatan tinggi.
Cara yang dapat digunakan untuk mendeteksi ada tidaknya masalah multikolinearitas, maka dapat dilakukan pengujian dengan melihat nilai Tolerence dan VIF ( Varian Inflation Factor ). Maka semakin kecil nilai Tolerence dan semakin besar nilai VIF maka semakin mendekati terjadinya masalah multikolinearitas.
2) Uji Heteroskedastisitas
Heteroskedastisitas merupakan kondisi dimana sebaran atau varian faktor pengganggu tidak kostan sepanjang observasi tersebut. heteroskedastisitas terjadi jika gangguan muncul dalam fungsi regresi yang mempunyai varian yang tidak sama, sehingga penaksiran Ordinary Least Square (OLS) menjadi tidak efisien baik dalam sampel kecil maupun dalam sampel besar ( tetapi masih tetap tidak bias dan konsisten ).
Salah satu cara yang dapat digunakan untuk menguji ataupun mendeteksi ada tidaknya masalah heteroskedastisitas adalah dengan melakukan Uji Sperman’s rho yaitu mengkorelasikan nilai residual ( Unstandardized residual )
commit to user
dengan masing – masing variabel independen. Jika signifikan korelasi kurang dari 0,05 maka pada model regresi terdapat masalah heteroskedastisitas.
3) Uji Autokolerasi
Autokolerasi merupakan keadaan dimana terdapat trend didalam variabel yang diteliti tersebut sehingga akan menyebabkan e juga akan mengandung e. Autokolerasi merupakan suatu asumsi penting dari model linier klasik. Hal ini menandakan suatu kondisi yang berurutan diantara gangguan atau disturbansi ui yang masuk ke dalam fungsi regresi populasi.
Autokolerasi sendiri didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Dalam hal ini asumsinya adalah autokolerasi tidak terdapat dalam disturbansi atau gangguan ui. Adanya autokolerasi antara variabel gangguan menyebabkan penaksir tidak lagi efisien baik dalam sampel kecil dalam sampel besar. Salah satu cara untuk menguji autokolerasi adalah dengan percobaan d ( Durbin – Watson ).
commit to user
Ho : β1 = β2 = β3 = β4 = β5 = 0 ( tidak ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )
Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0 ( ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )
b. Menentukan nilai Durbin – Watson ( d ) yang dapat juga diperoleh dari rumus sebagai berikut :
d = 2
c. Membandingkan angka dengan Durbin – Watson dalam tabel α = 5%. Angka dalam tabel menunjukkan nilai distribusi antara bawah ( dl ) dengan batas atas ( du )
d. Kriteria pengujiannya adalah :
Autokolerasi Ragu- Tidak ada Autokolerasi Ragu- Autokolerasi Positif Ragu Ragu Negatif
0 dL dU 4 – dU 4 – dL 4
Keterangan :
commit to user
positif atau menolak Ho dl < d < du = tidak dapat disimpulkan du < d < 4 – du = tidak terdapat autokolerasi atau
menerima Ho
4-du < d < 4-dl = tidak dapat disimpulkan
4-dl < d < 4 = menunujukan autokolerasi negatif atau menolak Ho
e. Kesimpulan
commit to user BAB IV ANALISIS DATA