BAB V HASIL KERJA PRAKTIK
5.2 Pengolahan Data
5.2.1.1 Uji Normalitas Data Observasi
Uji normalitas dilakukan terhadap data sampel hasil observasi dengan tujuan mengetahui bentuk distribusi sampel tersebut agar memenuhi asumsi dalam pengolahan data selanjutnya yaitu permasalahan uji regresi linear berganda. Uji normalitas dilakukan dengan menggunakan perangkat lunak pengolahan data statistik SPSS, dengan metode normal plots (Histogram, Normal Q-Q Plots,
Detrended Normal Q-Q Plots) dan significance test (Shapiro-wilk test). Berikut merupakan hasil
pengolahan uji normalitas dengan perangkat lunak SPSS: Tabel 6. Test Of Normality
Dalam tabel test of normality pada kolom Shapiro-Wilk didapat nilai sig. atau nilai signifikansi atau disebut pula nilai p lebih dari 0,05 (0,420 > 0,05), maka dapat disimpulkan bahwa data berdistribusi normal.
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
Gambar 10. Histogram, Normality Test
Pada output data berupa histogram, distribusi data observasi mengikuti pola garis distribusi normal dan sebagian besar data berada dibawah garis distribusi normal, maka dapat disimpulkan data sampel berdstribusi normal.
Gambar 11. Normal Q-Q Plot
Dari grafik normal Q-Q plot, dapat dilihat jika plot-plot mengikuti dan tersebar disekitar garis fit line meski ada plot yang berada pada jarak yang jauh diantara plot-plot lainnya. Ini menandakan adanya
outliner, namun penulis menarik kesimpulan berdasar normal Q-Q plot bahwa data sampel
berdistribusi normal.
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
Dari grafik detrended normal Q-Q plot dapat dilihat jika plot tersebar merata diatas dan bawah garis deviasi distribusi normal dan posisi garis terletak ditengah plot-plot diagram, maka dapat disimpulkan data sampel berdistribusi normal. Dari keempat metode uji normalitas diatas maka Penulis menyimpulkan bahwa data sampel berdistribusi normal atau diobservasi dari populasi yang berdistribusi normal dan memenuhi asumsi untuk pengolahan data selanjutnya yaitu uji estimasi dan hipotesis.
Analisis korelasi dan regresi linear berganda dilakukan terhadap variabel yang menjadi fokus penelitian, yaitu rasio aktivitas shifting sebagai variabel terikat (dependent variable) dan petikemas alih kapal dan nilai yard occupancy ratio sebagai variabel bebas (independent variable). Dari uji korelasi dapat diketahui tingkat pengaruh variabel bebas terhadap variabel terikat baik secara parsial maupun secara simultan. Adapun melalui uji regresi dapat diketahui signifikansi pengaruh variabel bebas secara simultan terhadap variabel terikat serta diharapkan memberikan persamaan regresi yang dapat memprediksi tingkat variabel terikat.
5.2.1.2 Uji Korelasi Tunggal/Parsial
Hasil dari pengujian korelasi variabel bebas secara tunggal terhadap variabel terikat dapat dilihat pada tabel 7 correlation table. Analisis uji korelasi dapat dilihat dengan membandingkan nilai koefisisen korelasi dengan nilai r tabel yang dapat dilihat pada lampiran:
• Apabila Koefisien Korelasi > r tabel, Maka ada hubungan yang signifikan • Apabila Koefisien Korelasi < r tabel, Maka tidak ada hubungan yang signifikan
Dengan nilai degree of freedom = N - 2 = 10 - 2 = 8, maka nilai r tabel dengan taraf nyata 5% = 0,7067, sehingga dapat diinterpretasikan signifikansi korelasi antara variabel bebas dengan variabel terikat. Berdasarkan perbandingan nilai koefisisen korelasi dengan nilai r tabel maka dapat ditarik kesimpulan variabel bebas tidak memiliki korelasi yang signifikan secara parsial terhadap variabel terikat karena semua nilai koefisien korelasi < nilai r tabel (0,7067). Dari hasil uji korelasi tunggal ini dapat dikatakan bahwa tiap-tiap variabel bebas yaitu tingkat yard occupancy ratio dan jumlah petikemas alih kapal tidak memiliki pengaruh atau korelasi tunggal yang signifikan terhadap tingkat aktifitas shifting pada operasional muat peti kemas.
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
5.2.1.2 Uji Korelasi Simultan
Uji korelasi yang dilakukan untuk menguji korelasi antara variabel bebas terhadap variabel terikat secara bersamaan. Nilai yang digunakan untuk menginterpretasikan korelasi simultan ini adalah koefisien R yang dapat dilihat pada tabel 9 model summary, semakin mendekatin nilai 1 maka korelasi simultan antara variabel terikat dan variabel bebas semakin kuat.
Tabel 8. Model Summary
Dapat dilihat bahwa nilai koefisien R adalah 0,841, nilai ini dekat dengan nilai satu, artinya terdapat korelasi yang kuat antara variabel bebas secara bersamaan terhadap variabel terikat. Dapat ditarik kesimpulan bahwa aktifitas shifting akan sangat dipengaruhi oleh tingkat kepadatan lapangan penumpukan secara keseluruhan (blok H, I, J, K, L) ditambah dengan faktor besarnya jumlah peti kemas yang dialihkapalkan. Untuk mengetahui tingkat pengaruh tiap-tiap variabel bebas terhadap variabel terikat maka dilakukan uji regresi untuk membangun model regresi sebagai prediktor tingkat variabel terikat berdasarkan tingkat variabel bebas.
5.2.1.3 Pengujian Asumsi Uji Regresi
Sebelum melakukan analisis terhadap model regresi, data-data yang diperoleh harus mmenuhi beberapa asumsi yaitu sebagai berikut:
a) Linearitas
Dilakukan melalui perangkat lunak Microsoft Excel dengan membangun scatter plot antara variabel terikat (rasio shifting) dengan masing-masing variabel bebas (rasio yard occupancy ratio blok H, I, J, K, L dan peti kemas alihkapal). Berikut hasil pengujian asumsi linearitas:
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
Gambar 13. Linearitas Variabel Bebas
Pada persamaan grafik (a), dapat dilihat terjadi linearitas antara jumlah shifting dengan jumlah petikemas alihkapal dengan nilai y = -0.0105x + 15.866, dan linearitas yang dibangun memiliki arah yang negatif. Pada grafik (b), terdapat linearitas antara tingkat kepadatan lapangan penumpukan (YOR) blok Hdengan frekuensi shifting dengan nilai y = -0,015x + 13,151. Pada grafik (c) terdapat linearitas dengan arah positif antara nilai YOR blok I dengan frekuensi shifting dengan nilai y = 0,0456x + 10,866. Aapun pada grafik (d), (e), (f) berturut-turut nilai linearitas antara frekuensi shifting dengan nilai YOR blok J, K, L adalah y = -0,0036x + 12,875, y = - 0,0013x + 12,76, y = -0,0614x + 15,427.
Koefisien persamaan linear untuk tiap-tiap variabel sangat kecil (< 10-3), dapat disimpulkan linearitas antara setiap variabel bebas dan variabel terikat sangat lemah, namun meski memiliki kofisien yang kecil, antara frekuensi shifting dengan variabel-variabel bebas tetap ada linearitas yang terjadi.
b) Normalitas Residual
Uji asumsi normalitas residual dapat dilihat dari histogram dan normal probability plot, berikut hasil pengolahan data uji asumsi normalitas residual.
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
Gambar 14. Histogram Normalitas Residual
Dari histogram sebaran nilai residual model regresi dapat dikatakan jika distribusi residual cinderung mengikuti sebaran distribusi normal dan sebaran data berada dibawah kurva normal, hal ini menandakan nilai selisih antara residual variabel bebas dengan varibel terikat terdistribusi secara normal. Cara lain untuk menguji normalitas residual adalah dengan normal p-p plot, residual berdistribusi normal jika plot-plot residual mengikuti dan tersebar disekitar garis diagonal, dan begitu pula sebaliknya. Pada gambar 16, dapat dikatakan bahwa plot-plot residual mengikuti pola garis diagonal namun sebaran plot tersebut tidak terletak didekat garis diagonal sehingga kesimpulannya adalah model regresi yang dibangun memiliki residual yang terdistribusi cinderung mengikuti distribusi normal namun tidak signifikan sama dengan distribusi normal.
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
c) Homoskedastisitas
Homoskedastisitas atau variansi error bersifat konstan/homogen dapat dilihat melalui
residual plot tiap-tiap variable bebas, berikut hasil pengolahan uji asumsi
homoskedastisitas:
Gambar 16. Residual Plot Variabel Independen
Model regresi memiliki homoskedastisitas apabila variansi residual tiap variabel bebas tidak berbeda signifikan, hal ini dilihat dari sebaran plot-plot variabel disekitar garis angka nol. Model regresi pada penelitian ini memenuhi asumsi homoskedastisitas karena:
• Plot residual menyebar di atas dan di bawah atau di sekitar angka nol secara merata jumlahnya • Titik-titik data tidak mengumpul di atas atau di bawah saja
• Penyebaran titik tidak membentuk pola tertentu
d) Non multikolinearitas
Uji asumsi regresi multikolinearitas dapat dilihat pada nilai pada kolom collinearity statistics pada tabel coefficient dalam pengolahan data dengan perangkat lunak SPSS, berikut hasil pengolahan data uji asumsi multikolinearitas:
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
Tabel 9 Collinearity Test
Jika nilai tolerance < 0,1 atau nilai VIF > 5, maka terdapat multikolinearitas yang signifikan pada model regresi tersebut. Pada hasil pengujian multikolinearitas pada penelitian ini dapat dilihat jika semua nilai tolerance < 0,1 dan pada nilai VIF terdapat dua variabel yang melebihi nilai 5, yaitu variabel YOR blok I dan YOR blok K, artinya semua variabel dalam model regresi tidak terdapat multikolinearitas atau tiap variabel independen tidak terdapat korelasi dan asumsi non multikolinearitas terpenuhi.
Adapun interpretasi dari persamaan regresi yang dilihat pada tabel coefficient kolom Beta adalah sebagai berikut :
𝑦 = 0.335𝑥1 + 1.322𝑥2 − 0.346𝑥3 − 0.580𝑥4 + 0.594𝑥5 + 0.330𝑋6 − 10.830
persamaan regresi yang dibangun melalui analisis regresi ini sebelum diputuskan digunakan sebagai prediktor, harus dilakukan pengujian signifikansi
5.4.1.4 Pengujian Signifikansi Model Regresi
Pengujian model regresi yang dibangun dapat dilihat pada tabel ANOVA, berikut hasil pengolahan data ANOVA dengan perangkat lunak SPSS.
Tabel 10. ANOVA
Jika nilai significance (Sig.) < 0,05 maka model regresi yang dibangun signifikan, begitu pula sebaliknya. Pada hasil pengolahan data dalam penelitian ini nilai significance model regresi > 0,05, artinya model regresi yang dibangun tidak signifikan dan model regresi tersebut tidak bisa digunakan sebagai prediktor. Disamping itu dilakukan juga pengujian signifikansi untuk koefisien
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK
setiap variabel bebas dengan melihat tabel coefficient sebagai berikut. Nilai signifikan setiap koefisien juga dapat dilihat pada tabel 10 kolom Sig., sama seperti interpretasi pada tabel ANOVA jika nilai significance < 0,05 maka koefisien regresi signifikan, begitu pula sebaliknya. Dalam penelitian ini nilai significance dari setiap variabel bernilai > 0,05 yang berarti bahwa setiap koefisien regresi dalam model yang dibangun tidak signifikan dan tidak layak untuk digunakan sebagai prediktor.
UNIVERSITAS PERTAMINA
FAKULTAS TEKNOLOGI INDUSTRI TEKNIK LOGISTIK