BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.4 Uji Asumsi Klasik 5
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi
tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov.
1. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat seperti Gambar 4.1, dan Gambar 4.2.
Sumber: Hasil Penelitian, 2016 (data diolah) Gambar 4.1
Pengujian Normalitas Histogram
Pada hasil uji normalitas histogram dapat dilihat grafik tidak melenceng ke kiri maupun ke kanan, data berbentuk kurva yang seimbang sehingga membentuk gambar lonceng. Pada gambar 4.1 terlihat bahwa bentuk kurva tidak melenceng ke kiri maupun ke kanan sehingga dapat dinyatakan normal.
Sumber: Hasil Penelitian, 2016 (data diolah) Gambar 4.2
Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability lebih besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis
berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov (K-S).
Tabel 4.12
Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 78
Normal Parametersa,,b Mean .0000000
Std. Deviation 3.34731583 Most Extreme Differences Absolute .083
Positive .073
Negative -.083
Kolmogorov-Smirnov Z .735
Asymp. Sig. (2-tailed) .652
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.12, diketahui nilai probabilitas p atau Asymp. Sig. (2-tailed) sebesar 0,652. Karena nilai probabilitas p, yakni 0,652, lebih besar
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas terpenuhi.
4.4.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Analisis Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber: Hasil Penelitian, 2016 (data diolah)
Gambar 4.3
Pengujian Heteroskedastisitas Scatterplot
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
Dasar analisis metode statistik adalah jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas. Tabel 4.13 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -2.162 12.120 -.178 .859
Kreatif dan Inovatif (X1) .371 .229 .205 1.618 .110 Berani Mengambil Resiko (X2) -.329 .228 -.179 -1.443 .153
Sabar (X3) .479 .517 .118 .927 .357
Mandiri (X4) -.237 .310 -.099 -.766 .446
Peka terhadap Pasar (X5) .127 .418 .036 .305 .761 a. Dependent Variable: absolute_residual_Gjejser
Sumber: Hasil Penelitian, 2016 (data diolah)
Berdasarkan Tabel 4.13, diketahui nilai probabilitas atau Sig. dari kreatif dan inovatif adalah 0,110, nilai probabilitas atau Sig. dari berani mengambil resiko adalah 0,153, nilai probabilitas atau Sig. dari sabar adalah 0,357, dan seterusnya. Karena seluruh nilai Sig. lebih besar dari 0,05 (tidak signifikan), maka disimpulkan bahwa tidak terjadi heteroskedastisitas (Gujarati, 2003. Gio dan Elly, 2015:182-183).
4.4.3 Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF (Variance Inflation Factor), Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya, Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang
tidakdijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance > 0,1, dan VIF < 5, maka tidak terjadi multikolinieritas.
Tabel 4.14 Uji Multikolinieritas Model Collinearity Statistics Tolerance VIF 1 (Constant)
Kreatif dan Inovatif (X1) .819 1.221 Berani Mengambil Resiko (X2) .856 1.169
Sabar (X3) .815 1.227
Mandiri (X4) .787 1.271
Peka terhadap Pasar (X5) .930 1.075
Sumber: Hasil Penelitian, 2016 (data diolah)
Perhatikan bahwa berdasarkan Tabel 4.14, nilai VIF dari variabel kreatif dan inovatif(�1) adalah 1,221, nilai VIF dari variabel berani mengambil resiko (�2) adalah 1,169, nilai VIF dari variabel sabar(�3) adalah 1,227, nilai VIF dari variabel mandiri (�4) adalah 1,271, dan nilai VIF dari variabel peka terhadap pasar (�5) adalah 1,075. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.5 Uji Hipotesis
4.5.1 Uji Signifikan Simultan (Uji-F)
Pengujian ini dilakukan untuk melihat apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat.
Kriteria pengujiannya adalah :
Ho : b1 = 0, artinya secara serentak tidak terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat.
Ho : b1 ≠ 0, artinya secara serentak terdapat pengaruh yang positif dan signifikan
dari variabel bebas terhadap variabel terikat. Kriteria pengambilan keputusan adalah:
Ho diterima jika F hitung < F tabel pada α= 5% Ho ditolak jika F hitung > F tabel pada α= 5%
Untuk menentukan nilai F, maka diperlukan adanya derajat bebas pembilang dan derajat bebas penyebut, dengan rumus sebagai berikut:
df (Pembilang) = k – 1 df (Penyebut) = n – k Keterangan :
n = jumlah sampel penelitian
k = jumlah variabel bebas dan terikat
Pada penelitian ini diketahui jumlah sampel (n) 78 dan jumlah keseluruhan variabel (k) adalah 4, sehingga diperoleh :
1. df (pembilang) = 6 – 1 = 5 2. df (penyebut) = 78 – 6= 72
Nilai Fhitung akan diperoleh dengan menggunakan bantuan SPSS,
Tabel 4.15
Hasil Uji Signifikan Simultan (Uji-F)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 210.585 5 42.117 3.515 .007a
Residual 862.748 72 11.983
Total 1073.333 77
a. Predictors: (Constant), Peka terhadap Pasar (X5), Kreatif dan Inovatif (X1), Sabar (X3), Berani Mengambil Resiko (X2), Mandiri (X4)
b. Dependent Variable: Minat Berwira Usaha (Y) Sumber: Hasil Penelitian, 2016 (data diolah)
Diketahui nilai F tabel adalah 2,34 (nilai F tabel tersaji di lampiran). Berdasarkan Tabel 4.15, diketahui nilai F hitung adalah 3,515. Perhatikan bahwa karena nilai F hitung (3,515) ≥ F tabel (2,34), maka disimpulkan bahwa pengaruh simultan dari seluruh variabel bebas signifikan secara statistika terhadap minat berwirausaha.
4.5.2 Uji Signifikan Parsial (Uji-t)
Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel bebas secara parsial (individual) terhadap variasi variabel terikat. Kriteria pengujiannya adalah :
Ho : b1 = 0, artinya secara parsial tidak terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat.
Ho : b1 ≠ 0, artinya secara parsial terdapat pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat.
Kriteria pengambilan keputusan adalah: Ho diterima jika thitung< ttabelpada α= 5%
Ho ditolak jika thitung> ttabelpada α= 5%
Tingkat kesalahan (α) = 5% dan derajat kebebasan (df) = (n-k) n = jumlah sampel, n = 78
k = jumlah variabel yang digunakan, k = 6
Derajat kebebasan/ degree of freedom (df) = (n-k) = 78 - 6 = 72
Uji-t yang dilakukan adalah uji satu arah, maka ttabel yang digunakan adalah t0,05 (72) = 1,993
Tabel 4.16
Hasil Uji Signifikan Parsial (Uji-t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 16.196 6.906 2.345 .022
Kreatif dan Inovatif (X1) .272 .131 .243 2.078 .041 .819 1.221 Berani Mengambil Resiko (X2) .069 .130 .060 .528 .599 .856 1.169 Sabar (X3) .256 .294 .102 .869 .388 .815 1.227 Mandiri (X4) .358 .176 .242 2.032 .046 .787 1.271 Peka terhadap Pasar (X5) .102 .238 .047 .426 .671 .930 1.075
a. Dependent Variable: Minat Berwirausaha (Y)
Sumber: Hasil Penelitian, 2016 (data diolah)
Tabel 4.17
Menguji Signifikan Pengaruh dengan Nilai t
Variabel Nilai thitung
Nilai T Tabel (Tersaji di Lampiran) Interpretasi Kreatif dan Inovatif 2,078 1,99
Pengaruh faktor kreatif dan inovatif signifikan terhadap minat berwirausaha (thitung> ttabel) Berani Mengambil
Resiko 0,528 1,99
Pengaruh faktor berani mengambil resiko tidak signifikan terhadap minat berwirausaha (thitung< ttabel)
Sabar 0,869 1,99
Pengaruh faktor sabar tidak signifikan terhadap minat berwirausaha (t hitung < ttabel)
1,99 terhadap minat berwirausaha (thitung> ttabel)
Peka terhadap
Pasar 0,426 1,99
Pengaruh faktor peka terhadap pasar tidak signifikan terhadap minat
berwirausaha (thitung< ttabel)
Sumber: Hasil Penelitian, 2016 (data diolah)
−������/������ +������/������
Gambar 4.4
Aturan Pengambilan Keputusan terhadap Hipotesis berdasarkan Uji �
Tabel 4.18
Menguji Signifikan Pengaruh dengan Nilai Probabilitas (Sig.) Variabel
Nilai Sig. Tingkat Signifikansi
Interpretasi Kreatif dan
Inovatif 0,041 �= 0,05
Pengaruh faktor kreatif dan inovatif signifikan terhadap minat berwirausaha (Sig.<0,05) Berani Mengambil
Resiko 0,559 �= 0,05
Pengaruh faktor berani mengambil resiko tidak signifikan terhadap minat
berwirausaha (Sig. > 0,05)
Sabar 0,388 �= 0,05
Pengaruh faktor sabar tidak signifikan terhadap minat berwirausaha (Sig. >
0,05)
Mandiri 0,460 �= 0,05
Pengaruh faktor mandiri signifikan terhadap minat berwirausaha (Sig. <
0,05) Peka terhadap
Pasar 0,671 �= 0,05
Pengaruh faktor peka terhadap pasar tidak signifikan terhadap minat
berwirausaha (Sig. > 0,05)
Sumber: Hasil Penelitian, 2016 (data diolah)
Daerah penerimaan �1, penolakan �0 (pengaruh signifikan) Daerah penerimaan �0, penolakan �1 (pengaruh tidak signifikan) Daerah penerimaan �1, penolakan �0 (pengaruh signifikan)
4.5.3Uji Koefisien Determinan (R2)
Pengujian koefisien determinan (R2) digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat.Koefisien determinan berkisar antara nol sampai satu (0 ≤ R2 ≥ 1).Jika R2 semakin besar
(mendekati satu), maka dapat dikatakan bahwa pengaruh variabel independen (X) terhadap variabel dependen (Y) adalah besar.Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel independen terhadap variabel dependen dan demikian sebaliknya.
Tabel 4.17
Hasil Uji Koefisien Determinasi (R2)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .443a .196 .140 3.46159
a. Predictors: (Constant), Peka terhadap Pasar (X5), Kreatif dan Inovatif (X1), Sabar (X3), Berani Mengambil Resiko (X2), Mandiri (X4) b. Dependent Variable: Minat Berwira Usaha (Y)
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.14 dapat dilihat bahwa :
1. R = 0,443 berarti hubungan antara variabel kreatif dan inovatif (X1), berani mengambil resiko (X2), variabel sabar (X3), variabel mandiri (X4), dan variabel peka terhadap pasar (X5) terhadap minat berwirausaha (Y) sebesar 44,3%. Artinya hubungannya kuat.
2. Nilai R Square sebesar 0,196 berarti 19,6% variabel minat berwirausaha (Y) dapat dijelaskan oleh variabel kreatif dan inovatif (X1), berani mengambil resiko (X2), variabel sabar (X3), variabel mandiri (X4), dan variabel peka terhadap pasar
(X5). Sedangkan sisanya 80,4% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.
3. Standard Error of Estimated (Standar Deviasi) artinya mengukur variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya sebesar 3,461 Semakin kecil standar deviasi berarti model semakin baik.