HASIL DAN PEMBAHASAN
4.2. Hasil Analisis 1. Analisis Deskriptif
4.2.2. Uji Asumsi Klasik 1. Uji Normalitas
Uji normalitas bertujuan untuk menguji tentang model regresi berdistribusi normal0, Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar di sekitar garis diagonal yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan, Uji normalitas dilakukan dengan menggunakan pendekatan kolmogorv-smirnov, Dengan menggunakan tingkat signifikan 5% (0,05) naka jika nilai Asymp,Sig, ( 2-tailed) di atas nilai signifikan 5% artinya variabel residual berdistribusi normal
Sumber : Data Primer Diolah, (2015)
Gambar 4.1 Histogram
Sumber : Data primer diolah, (2015)
Gambar 4.2 : Pengujian Normalitas P-P Plot
Gambar 4.2 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau ke kanan, sedangkan pada Gambar 4.2 memperlihatkan titik-titik yang mengikuti data di sepanjang
garis diagonal, hal ini berarti data berdistribusi normal, Namun untuk lebih memastikan bahwa data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorv-sminorv.
Tabel 4.6
Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 82
Normal Parametersa,,b Mean .0000000
Std. Deviation 2.18222730
Most Extreme Differences Absolute .116
Positive .116
Negative -.086
Kolmogorov-Smirnov Z 1.048
Asymp. Sig. (2-tailed) .222
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Primer diolah, (2015)
Berdasarkan Tabel 4.6 terlihat bahwa nilai Asymp.Sig (2-tailed) adalah 0,222 dan di atas nilai signifikan (0,05), hal ini menunjukkan bahwa variabel residual berdistribusi normal.
4.2.2.2. 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 tidak dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance > 0,1, dan VIF < 5, maka tidak terjadi multikolinieritas.
Tabel 4.7 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 9.404 1.936 4.858 .000
besaran_usaha .210 .101 .208 2.085 .040 .899 1.112
manfaat_kredit .416 .095 .436 4.365 .000 .899 1.112
a. Dependent Variable: perkembangan_usaha
Sumber : Data primer diolah (2015)
Berdasarkan Tabel 4.7 dapat terlihat bahwa, jika hasil korelasi antara variabel independen di bawah 0,9 maka antara variabel tersebut tidak terjadi multikolinearitas, Selain itu dapat juga diketahui dari persamaan regresi di peroleh nilai tolarance > 0,1 dan nilai VIF < 5, artinya pada nila tolance dan VIF untuk besaran usaha dan manfaat kredit tidak terjadi multikolinearitas. Gambar 4.3 hasil uji multikolinearitas dapat dilihat sebagai berikut :
Sumber : Data primer diolah, (2015)
4.2.2.3. Uji Heterokedastisitas
Uji heterokedastisitas menggunakan uji Gleijser dapat dilihat pada tabel hasil di bawah ini :
Tabel 4.8 Hasil Uji Gleijser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 2.009 1.000 2.010 .048 besaran_usaha .140 .052 .295 2.684 .059 manfaat_kredit -.157 .049 -.351 -3.198 .062
a. Dependent Variable: Absut
Sumber : Data primer diolah (2015)
Pengambilan keputusan pada uji gleijser yaitu bahwa jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heterokedisitas, Jika variabel independen tidak signifikan terhadap variabel absut (diatas tingkat kepercayaan > 0,05), maka dalam model regresi tidak mengarah pada heteroskedastisitas, Pada tabel 4.8 terlihat bahwa semua variabel independen mempunyai nilai signifikansi > 0,05, sehingga dapat disimpulkan bahwa antara variabel independen dan dependen tidak terjadi heteroskedasitas.
4.2.2.4. Uji Autokorelasi Tabel 4.9 Uji Autokorelasi Runs Test Unstandardized Residual Test Valuea -.53679
Cases < Test Value 41
Cases >= Test Value 41
Total Cases 82
Number of Runs 23
Z -4.223
Asymp. Sig. (2-tailed) 1.000
a. Median
Sumber : Data primer diolah (2015)
Hasil pada tabel menunjukkan 4.9 diketahui nilai test sebesar - 0,53679 dengan probabilitas (p = 1,000), yang berarti hipotesis nol di terima, sehingga dapat disimpulkan bahwa residual random atau tidak terjadi autokorelasi antara nilai residual.
4.2.2.5. Analisis Regresi Linear Berganda
Analisis regresi linear berganda dilakukan untuk mengetahui seberapa besar pengaruh variabel bebas (besaran kredit dan manfaat kredit) terhadap variabel terikat (perkembangan usaha). Analisis dilakukan dengan bantuan program SPSS versi 20,0 for windows dengan menggunakan metode enter. Metode enter digunakan untuk analisis regresi agar dapat mengetahui apakah variabel bebas mempunyai pengaruh positif dan signifikan terhadap variabel terikat. Seluruh variabel akan dimasukkan ke dalam analisis untuk dapat diketahui apakah variabel bebas mempunyai pengaruh yang positif dan signifikan terhadap variabel terikat.
Tabel 4.10
Variables Entered/Removed
Model Variables Entered
Variables
Removed Method
1 manfaat_kredit,
besaran_usahaa
. Enter a. All requested variables entered.
Sumber : Data primer diolah, (2015)
Berdasarkan Tabel 4.10 (Variabel Entered/removedb) menunjukkan hasil analisis statistik tiap indikator sebagai berikut :
Tabel 4.11
Uji Regresi Linier Tiap Indikator
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 9.404 1.936 4.858 .000 besaran_usaha .210 .101 .208 2.085 .040 manfaat_kredit .416 .095 .436 4.365 .000
a. Dependent Variable: perkembangan_usaha
Sumber : Data primer diolah, (2015)
a. Variabel yang dimasukkan ke dalam persamaan adalah variabel bebas yaitu (besaran kredit dan manfaat kredit).
b. Tidak ada variabel bebas yang dikeluarkan (removed).
c. Metode yang digunakan untuk memasukkan data yaitu metode enter. Analisis regresi berganda dirumuskan sebagai berikut:
Y = a + b1X + e
Y = 9,404 (Constanta) + 0,210 X1 + 0,416 X2 + e
Pada penelitian ini sebelum nilai a (konstanta), nilai b dimasukkan ke dalam persamaan terlebih dahulu, setelah itu dilakukan analisis determinan, uji F, dan uji t dari hasil pengolahan regresi linear berganda.
4.2.2.6. Pengujian Hipotesis 1) Uji Signifikan Simultan (Uji-F)
Uji F dilakukan untuk menguji apakah variabel pengaruh variabel independen (insentif) mempunyai pengaruh yang signifikan terhadap motivasi kerja. Model hipotesis yang digunakan dalam Uji F ini adalah sebagai berikut:
H0 : b1 = b2 = 0, artinya secara serentak tidak terdapat pengaruh positif dan signifikan dari variabel bebas pengaruh besaran kredit (X1) dan manfaat kredit (X2) terhadap perkembangan usaha (Y).
H0 : b1 ≠ b2 ≠ 0, artinya secara serentak terdapat pengaruh positif dan signifikan dari variabel bebas pengaruh besaran kredit (X1) dan manfaat kredit (X2) terhadap perkembangan usaha (Y).
Untuk menentukan nilai F, maka diperlukan adanya derajat bebas pembilang dan derajat bebas penyebut, dengan rumus sebagai berikut: df (pembilang) = k-1 = 3-1 = 2
df (penyebut) = n-k = 82-3 = 79 Keterangan:
n = jumlah sampel penelitian = 82 k = jumlah variabel bebas dan terikat = 3
Pada penelitian ini diketahui jumlah sampel (n) adalah 82 dan jumlah keseluruhan variabel (k) adalah 3, sehingga diperoleh:
Tingkat kesalahan (α) = 5% dan derajat kebebasan (df) = (k-1) ; (n-k) 1) df (pembilang) = k-1 df (pembilang) = 3-1 = 2
Maka : F tabel 0,05 (2;79) = 3,12
Nilai Fhitung akan diperoleh dengan menggunakan bantuan software SPSS 17 for Windows, kemudian akan dibandingkan dengan nilai Ftabel pada tingkat α = 5%, dengan kriteria uji sebagai berikut:
H0 diterima bila Fhitung < Ftabel pada α =5% H0 ditolak bila Fhitung > Ftabel pada α = 5% Tabel 4.12 Hasil Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 158.525 2 79.262 16.233 .000a
Residual 385.731 79 4.883
Total 544.256 81
a. Predictors: (Constant), manfaat_kredit, besaran_usaha b. Dependent Variable: perkembangan_usaha
Sumber : Data Primer diolah, (2015)
Berdasarkan Tabel 4.12 dilihat nilai Fhitung sebesar 16,233 dan Ftabel sebesar 3,12 sehingga Fhitung > Ftabel (16,233 > 3,12 ) pada α = 5%, Sehingga disimpulkan bahwa variabel independen (besaran kredit dan manfaat kredit) secara bersama-sama berpengaruh terhadap perkembangan usaha (Y).