BAB IV HASIL PENELITIAN DAN PEMBAHASAN
C. Analisis Data Penelitian …
2. Uji Asumsi Klasik …
a. Uji multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas, yaitu adanya hubungan linear antara variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Pada pembahasan ini uji multikolinearias dilakukan dengan melihat nilai inflation factor (VIF) pada model regresi. Pada umumnya, apabila nilai VIF lebih besar dari 5, maka suatu variabel bebas mempunyai persoalan multikolinearitas dengan variabel bebas yang lain (Priyatno, 2009). Hasil uji multikolinearias penelitian ini sebagai berikut:
Tabel 10
Hasil Uji Multikolinearitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) 25.158 8.900 2.827 .008 Dukungan Sosial Keluarga .441 .128 .564 3.434 .002 .692 1.445 Persepsi Terhadap Status Sosial Ekonomi .066 .120 .090 .547 .588 .692 1.445
commit to user
Berdasarkan hasil penghitungan di atas, dapat diketahui bahwa nilai variance inflation factor (VIF) kedua variabel bebas, yaitu dukungan sosial keluarga dengan persepsi terhadap status sosial ekonomi adalah 1,445. Hal tersebut menunjukkan bahwa antar variabel independen tidak terdapat persoalan multikolinearitas, karena nilai VIF yang didapat kurang dari 5.
b. Uji heteroskedastisitas
Salah satu asumsi dalam regresi berganda adalah uji heteroskedastisitas. Asumsi heteroskedastisitas adalah asumsi dalam regresi di mana varians dari residual tidak sama untuk satu pengamatan ke pengamatan yang lain. Dalam regresi, salah satu asumsi yang harus dipenuhi adalah bahwa varians, dari residual dari satu pengamatan ke pengamatan yang lain tidak memiliki pola tertentu. Salah satu uji untuk heteroskedastisitas ini adalah dengan melihat penyebaran dari varians tersebut (Santosa, 2005). Hasil uji heteroskedastisitas penelitian ini sebagai berikut :
Gambar 3
commit to user
Pada grafik di atas terlihat titik-titik yang ada tersebar secara merata, tidak terkumpul pada 1 tempat saja sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
c. Uji autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada tidaknya penyimpangan asumsi klasik autokorelasi, yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan yang lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi. Pengujian autokorelasi dalam penelitian ini menggunakan uji Durbin-Watson (DW) dengan ketentuan jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka terdapat autokorelasi, jika d terletak antara dU dan (4-Du) maka tidak ada autokorelasi, dan jika d terletak antara dL dan dU atau di antara (4-dU) dan (4-dL) maka tidak menghasilkan kesimpulan yang pasti. Nilai dL dan dU dilihat di tabel DW (Priyatno, 2009).
Tabel 11
Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .619a .383 .346 6.922 2.068
a. Predictors: (Constant), Persepsi Terhadap Status Sosial Ekonomi, Dukungan Sosial Keluarga
commit to user
Hasil penghitungan menunjukkan bahwa nilai DW sebesar 2,068. Hasil tersebut menjelaskan bahwa tidak terdapat masalah autokorelasi dalam penelitian ini, dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) 36, serta k=2 (jumlah variabel independen) diperoleh nilai DW sebesar 2,068 berada di antara 1,587 (dU) dan 2,413 (4-Du), maka data tidak mengalami autokorelasi.
3. Uji hipotesis
a. Uji analisa regresi berganda
Setelah dilakukan uji asumsi dasar dan uji asumsi klasik, langkah selanjutnya adalah melakukan penghitungan untuk menguji hipotesis yang diajukan dengan teknik analisis regresi linear berganda atau analisis dua prediktor. Pengujian hipotesis dapat dilakukan dengan F-test yang bertujuan untuk mengetahui hubungan antara variabel independen dengan variabel dependen secara simultan (bersama-sama). Hasil F-test menunjukkan variabel independen secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen jika nilai p-value (pada kolom Sig.) lebih kecil dari level of significant yang ditentukan, yaitu taraf signifikansi 0,05 atau nilai F hitung (pada kolom F) lebih besar dari nilai F tabel. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi, atau dengan kata lain dapat digeneralisasikan. Hasil F-test dari output program Statistical Product and Service Solution (SPSS) versi 16 dapat dilihat pada Tabel 12.
commit to user Tabel 12
Hasil Analisis Regresi Linier Berganda
ANOVAb
Model Sum of Squares df Mean Square F Sig. Regression 981.606 2 490.803 10.242 .000a
Residual 1581.366 33 47.920
Total 2562.972 35
a. Predictors: (Constant), Persepsi Terhadap Status Sosial Ekonomi, Dukungan Sosial Keluarga
b. Dependent Variable: Harga Diri
Berdasarkan hasil penghitungan di atas, didapatkan nilai p-value (pada kolom Sig.) sebesar 0,000 sedangkan nilai F hitung sebesar 10,242 F table), F tabel sebesar 3,259. Hal ini berarti bahwa hipotesis yang diajukan dalam penelitian ini dapat diterima, yaitu terdapat hubungan yang signifikan antara dukungan sosial keluarga dan persepsi terhadap status sosial ekonomi dengan harga diri.
Nilai koefisien korelasi ganda (R) pada model summary digunakan untuk mengetahui hubungan antara dua variabel independen terhadap variabel dependen secara serentak. Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel independen (X1 dan X2) secara serentak terhadap variabel dependen (Y). Nilai R berkisar antara 0 sampai dengan 1. Apabila nilai R semakin mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya apabila nilai R semakin mendekati 0 maka hubungan yang terjadi semakin lemah (Priyatno, 2009). Pedoman
commit to user
untuk memberikan interpretasi koefisien korelasi ganda, adalah sebagai berikut:
Tabel 13.
Pedoman Interpretasi Koefisien Korelasi Ganda (R)
No. Interval Nilai R Interpretasi
1. 0,000 – 0,199 Sangat Rendah 2. 0,200 – 0,399 Rendah 3. 0,400 – 0,599 Sedang 4. 0,600 – 0,799 Kuat 5. 0,800 – 1,000 Sangat Kuat Tabel 14
Hasil Koefisien Korelasi Ganda (R)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .619a .383 .346 6.922
a. Predictors: (Constant), Persepsi Terhadap Status Sosial Ekonomi, Dukungan Sosial Keluarga
b. Dependent Variable: Harga Diri
Nilai koefisien korelasi ganda (R) yang dihasilkan sebesar 0,619 menunjukkan bahwa terjadi hubungan yang kuat antara dukungan sosial keluarga dan persepsi terhadap status sosial ekonomi dengan harga diri.
Nilai R2 (R Square) sebesar 0,383 atau 38%, yang berari bahwa persentase sumbangan pengaruh variabel independen yakni dukungan sosial keluarga dan persepsi terhadap status sosial ekonomi terhadap variabel dependen yakni harga diri sebesar 38%. Sisanya sebesar 62% dipengaruhi oleh variabel lain yang tidak diuji secara empiris dalam penelitian ini.
commit to user
Penggunaan korelasi parsial untuk mengetahui hubungan antara variabel tergantung yaitu harga diri dengan variabel bebas yaitu dukungan sosial keluarga, sedangkan variabel bebas lainnya yaitu persepsi terhadap status sosial ekonomi dikendalikan (sebagai variabel kontrol) dan untuk mengetahui hubungan antara harga diri dengan persepsi terhadap status sosial ekonomi dengan mengendalikan variabel dukungan sosial keluarga. Uji hipotesis dengan menggunakan teknik Statistic Parametric Multiple Regression dan dianalisis dengan menggunakan program SPSS 16.0 sebagai berikut :
Tabel 15
Hasil Uji Korelasi Parsial Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 25.158 8.900 2.827 .008
Dukungan Sosial Keluarga .441 .128 .564 3.434 .002 Persepsi Terhadap Status Sosial Ekonomi .066 .120 .090 .547 .588 a. Dependent Variable: Harga Diri
Berdasarkan hasil di atas, dukungan sosial keluarga berhubungan secara signifikan dengan harga diri, dengan nilai Sig. 0,002 (p<0,05) dan didapatkan nilai t hitung 3,434 dengan t tabel 1,688, dengan demikian t hitung lebih besar daripada t tabel dukungan sosial keluarga mempunyai hubungan positif dengan harga diri yang terlihat dari nilai R sebesar 0,441, semakin tinggi dukungan sosial keluarga semakin tinggi harga diri, dan sebaliknnya semakin rendah dukungan sosial keluarga semakin rendah harga diri.
commit to user
Pengujian terhadap variabel persepsi terhadap status sosial ekonomi dapat disimpulkan bahwa persepsi terhadap status sosial ekonomi tidak berhubungan secara signifikan dengan harga diri, terlihat dari nilai R sebesar 0,066 dan nilai Sig. sebesar 0,588 berada jauh di atas 0,05 serta didapatkan nilai t hitung 0,547 lebih kecil dari t tabel 1,668.