IV. HASIL DAN PEMBAHASAN
4.5. Pengujian Asumsi Klasik
4.5.1.2. Uji Normalitas Data dengan Tabel Kolmogorov-Smirnov Test . 67
Ghozali (2001) menyatakan bahwa untuk mengetahui apakah data
terdistribusi normal atau mendekati normal atau bisa dianggap normal, dapat pula
dilakukan Uji Statistik non-parametrik Kolmogorov-Smirnov, yaitu dengan
menggunakan Tabel Kolmogorov-Smirnov Test. Pengujian normalitas data
dengan menggunakan Uji Kolmogorov-Smirnov dengan dasar pengambilan
Kolmogorov-Smirnov tidak signifikan pada 0,05 (p>0,05), maka residual berdistribusi normal.
Berikut Hasil Uji Kolmogorov-Smirnov:
Tabel 4.16. Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa,,b Mean .0000000
Std. Deviation .09680185 Most Extreme Differences Absolute .085 Positive .085 Negative -.059 Kolmogorov-Smirnov Z .508
Asymp. Sig. (2-tailed) .959
a. Test distribution is Normal. b. Calculated from data. Sumber : Lampiran 13
Berdasarkan Tabel Kolmogorov-Smirnov Test di atas, diketahui bahwa
nilai Kolmogorof–Smirnov Test adalah sebesar 0,959 dan ini berarti tidak
signifikan pada tingkat 0,05 (karena p = 0,959 > 0,05). Jadi dapat disimpulkan
bahwa residual berdistribusi normal.
Berdasarkan hasil Uji Normalitas di atas, baik dengan menggunakan
metode Grafik Histogram, dengan menggunakan Normal P-Plot of Regression
Standardized Residual, maupun dengan menggunakan Tabel
Kolmogorov-Smirnov Test, maka diperoleh hasil bahwa model regresi memenuhi asumsi
normalitas sehingga dapat diproses dengan uji selanjutnya.
4.5.2. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah pada model regresi
dilihat dari nilai Variance Inflation Factor (VIF) dan nilai tolerance. Jika nilai
VIF < 10 dan nilai tolerance > 0,10 maka tidak ada korelasi antar variabel
independen yang nilainya lebih dari 95 % sehingga model tersebut bebas dari
multikolinearitas (Wijaya (2011) dan Ghozali (2001)). Berdasarkan hasil
pengolahan data dengan menggunakan program SPSS versi 17 maka diperoleh
Tabel 4.15.
Tabel 4.15. di atas memperlihatkan bahwa angka Variance Inflation
Factor (VIF) adalah: Ln X1= 1,318, Ln X2=1,963, dan Ln X3=1,790, maka ketiga
nilai VIF tersebut adalah < 10. Sedang nilai tolerance diperoleh: Ln X1 = 0,759,
Ln X2 = 0,510, dan Ln X3
Menurut Wijaya (2011), untuk mendeteksi ada atau tidaknya
multikolinieritas juga dapat dengan menganalisis korelasi antar variabel bebas.
Jika antar variabel bebas ada korelasi yang cukup tinggi (di atas 0,90), maka hal
ini merupakan indikasi adanya multikolinieritas. Sedang menurut Gujaraji (1997),
jika pada koefisien korelasi antar dua variabel yang mempengaruhi tinggi yaitu
lebih dari 0,8, maka multikolinieritas merupakan masalah serius.
= 0,559, maka ketiga nilai tolerance tersebut adalah >
0,10. Oleh karena nilai VIF dari ketiga variabel independen adalah < 10 dan nilai
tolerance > 0,10, maka terbukti bahwa tidak ada korelasi antar variabel
independen sehingga model regresi yang digunakan dalam penelitian ini bebas
dari multikolinearitas.
Berikut Tabel Hasil Uji Korelasi hasil pengolahan data dengan
Tabel 4.17. Hasil Uji Korelasi Correlations Jumlah Tenaga Kerja Upah Tenaga Kerja Produktivitas
Tenaga Kerja Modal Kerja Pearson
Correlation
Jumlah Tenaga Kerja 1.000 .144 .020 .741
Upah Tenaga Kerja .144 1.000 .480 .395
Produktivitas Tenaga Kerja
.020 .480 1.000 .658
Modal Kerja .741 .395 .658 1.000
Sig. (1-tailed) Jumlah Tenaga Kerja . .202 .453 .000
Upah Tenaga Kerja .202 . .002 .009
Produktivitas Tenaga Kerja
.453 .002 . .000
Modal Kerja .000 .009 .000 .
N Jumlah Tenaga Kerja 36 36 36 36
Upah Tenaga Kerja 36 36 36 36
Produktivitas Tenaga Kerja
36 36 36 36
Modal Kerja 36 36 36 36
Sumber: Lampiran 13
Berdasarkan Tabel Hasil Uji Korelasi di atas diketahui bahwa koefisien
korelasi antar variabel bebas, yaitu: antara variabel upah tenaga kerja (X1)
dengan variabel produktivitas tenaga kerja (X2) = 0,480, antara variabel upah
tenaga kerja (X1) dengan variabel modal kerja (X3) = 0,395, dan antara variabel
produktivitas tenaga kerja (X2) dengan variabel modal kerja (X3) = 0,658. Nilai
koefisien korelasi antara ketiga variabel bebas di atas (upah tenaga kerja,
produktivitas tenaga kerja, dan modal kerja) adalah < 0,80, maka terbukti bahwa
tidak ada korelasi antara variabel bebas sehingga model regresi yang digunakan
dalam penelitian ini bebas dari multikolinearitas.
4.5.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam suatu model
dapat diketahui dengan melihat penyebaran data pada grafik scatterplot. Dasar
analisisnya adalah (Wijaya, 2011):
1. Dengan melihat apakah penyebaran data (titik-titik) pada scatterplot
membentuk pola tertentu yang teratur, seperti: bergelombang, melebar
kemudian menyempit, jika terdapat maka mengindikasikan telah terjadi
heteroskedastisitas.
2. Jika penyebaran data pada scatterplot tidak terdapat pola yang jelas, serta titik-
titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
mengindikasikan tidak terjadi heteroskedastisitas.
Berikut adalah hasil Uji Heterokedatisitas berdasarkan pengolahan data
dengan SPSS versi 17:
Gambar 4.4. Scatterplot
Gambar 4.4. di atas memperlihatkan bahwa penyebaran data pada
scatterplot tidak membentuk pola yang jelas atau pola tertentu, serta titik- titik
menyebar di atas dan di bawah angka 0 pada sumbu Y sehingga dapat
4.6. Pengujian Statistik Analisis Regresi 4.6.1. Koefisien Determinasi (R2
Koefisian determinasi (R
)
2
) pada intinya untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara 0 dan 1 (0 ≤ R2 ≤ 1). Nilai R2 yang kecil berarti kemampuan variabel- variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Nilai yang mendekati 1 (satu) berarti variabel- variabel
independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen (Ghozali, 2001). Berikut Tabel Hasil
Koefisien Determinasi (R2
Tabel 4.18. Hasil Koefisien Determinasi (R
) hasil olah data dengan SPSS 17:
2 ) Model Summaryb Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 .967a .935 .929 .10124 1.366
a. Predictors: (Constant), Modal Kerja, Upah Tenaga Kerja, Produktivitas Tenaga Kerja
b. Dependent Variable: Jumlah Tenaga Kerja Sumber : Lampiran 13
Berdasarkan Tabel Hasil Koefisien Determinasi (R2) di atas, maka
diperoleh nilai koefisien determinasi (R2) = 0,935. Hal ini menunjukkan bahwa
93,50% penyerapan tenaga kerja pada industri kecil konveksi pakaian jadi di
Kecamatan Binjai Utara Kota Binjai dapat dijelaskan oleh variasi dari variabel
upah tenaga kerja, variabel produktivitas tenaga kerja dan variabel modal kerja.
Sedang sisanya yaitu sebesar 6,5% lagi dijelaskan oleh variabel lain di luar
4.6.2. Uji Serempak (Uji Statistik F)
Uji Serempak (Uji Statistik F) pada dasarnya menunjukkan apakah semua
variabel independen (bebas) yang dimasukkan dalam model mempunyai pengaruh
secara serempak terhadap variabel dependen (terikat). Hasil uji secara serempak
(Uji Statistik F) dapat dilihat pada tabel berikut:
Tabel 4.19. Hasil Uji Serempak
ANOVAb
Model Sum of
Squares Df Mean Square F Sig.
1 Regression 4.742 3 1.581 154.209 .000a
Residual .328 32 .010
Total 5.069 35
a. Predictors: (Constant), Modal Kerja, Upah Tenaga Kerja, Produktivitas Tenaga Kerja
b. Dependent Variabel: Jumlah Tenaga Kerja Sumber: Lampiran 13
Berdasarkan Tabel Anova di atas, diperoleh nilai signifikansi F (F hitung)
regresi beganda sebesar 0,000. Ini menunjukkan bahwa nilai signifikansi F
(F hitung) regresi berganda lebih kecil dari nilai probabilitas 0,05 (0,000 < 0,05).
Oleh karena nilai signifikansi lebih kecil dari nilai probabilitas 0,05, maka Ho
(variabel upah tenaga kerja (X1), produktivitas tenaga kerja (X2), dan modal kerja
(X3) secara serempak tidak ada pengaruh signifikan terhadap penyerapan tenaga
kerja) ditolak, dan Ha diterima. Jadi dapat disimpulkan bahwa variabel upah
tenaga kerja (X1), produktivitas tenaga kerja (X2), dan modal kerja (X3
Selain dengan membandingkan nilai signifikansi F (F hitung) terhadap
nilai probabilitas, Uji Serempak (Uji Statistik F) dapat juga dilakukan dengan ) secara
membandingkan nilai F hitung terhadap F tabel. Berdasarkan Tabel Anova di atas,
diperoleh F hitung = 154,209, sedang F tabel(0,05;3;32) = 2,9011 (dapat dicari di
Microsoft Excel dengan cara pada cell kosong diketik =finv(0,05;3;32), lalu
enter). Hal ini menunjukkan bahwa F hitung lebih besar dari F tabel (154,209 >
2,9011). Oleh karena F hitung > F tabel, maka tolak Ho dan terima Ha. Jadi dapat
disimpulkan bahwa variabel upah tenaga kerja (X1), produktivitas tenaga kerja
(X2), dan modal kerja (X3) secara serempak berpengaruh signifikan terhadap
variabel penyerapan tenaga kerja (Y).
4.6.3. Uji Statistik t (Uji Parsial)
Uji Statistik t (Uji Parsial) digunakan untuk menentukan pengaruh antara
variabel bebas upah tenaga kerja (X1), produktivitas tenaga kerja (X2), atau modal
kerja (X3) terhadap variabel terikat penyerapan tenaga kerja (Y) secara parsial.
Adapun hasil Uji Statistik t (Uji Parsial) dapat dilihat pada Tabel 4.15.