BAB IV ANALISIS DAN HASIL PEMBAHASAN
4.2. Frekuensi Variabel Penelitian
4.2.4. Variabel Keberhasilan Usaha Kecil
Variabel keberhasilan usaha kecil terdiri dari lima item penyataan. Item pertama yaitu mengenai keadaan usaha, dan distribusi jawaban responden adalah sebagai berikut:
Gambar 4.13
Mengenai keadaan usaha, sebagian besar dari mereka adalah sangat menyetujui bahwa keadaan usaha kecil dipengaruhi oleh keberhasilan usaha yaitu sebesar 43%, dan wirausaha yang tidak menyetujui bahwa keadaan usaha kecil dipengaruhi oleh keberhasilan usaha adalah sebanyak 3%, hal ini kemungkinan keadaan usaha yang tidak sesuai dengan harapan.
Item kedua yaitu mengenai laba usaha, dan distribusi jawaban responden adalah sebagai berikut:
Gambar 4.14
Distribusi variabel keberhasilan usaha kecil item ke-2
Mengenai laba usaha, sebagian besar dari mereka adalah sangat menyetujui bahwa seorang wirausahan mampu menghasilkan laba usaha sampai dengan kuartal ke 3 tahun 2013 yaitu sebesar 34%, dan wirausaha yang sangat tidak menyetujui bahwa seorang
wirausahan mampu menghasilkan laba usaha sampai dengan kuartal ke 3 tahun 2013 adalah sebanyak 9%.
Item pernyataan ketiga yaitu tingkat pendapatan karyawan, dan distribusi jawaban responden adalah sebagai berikut:
Gambar 4.15
Distribusi variabel keberhasilan usaha kecil item ke-3
Mengenai tingkat pendapatan karyawan, sebagian besar dari mereka adalah
sangat menyetujui bahwa tingkat pendapatan karyawan dipengaruhi oleh laba usaha yaitu sebesar 46%, dan wirausaha yang tidak menyetujui bahwa tingkat pendapatan karyawan dipengaruhi oleh laba usaha adalah sebanyak 6%, hal ini kemungkinan tingkat pendapatan karyawan dipengaruhi oleh faktor lain.
Item pernyataan keempat yaitu kenaikan laba, dan distribusi jawaban responden adalah sebagai berikut:
` Gambar 4.16
Mengenai kenaikan laba, sebagian besar dari mereka adalah sangat menyetujui bahwa keberhasilan usaha dipengaruhi oleh kenaikan laba usaha yaitu sebesar 43%, dan wirausaha yang sangat tidak menyetujui bahwa keberhasilan usaha dipengaruhi oleh kenaikan laba usaha adalah sebanyak 6%, hal ini kemungkinan kenaikan laba dipengaruhi oleh faktor lain.
Gambar 4.17
Distribusi variabel keberhasilan usaha kecil item ke-5
Mengenai keadaan usaha yang ditinjau dari modal usaha, sebagian besar dari mereka adalah sangat menyetujui bahwa keberhasilan usaha dipengaruhi oleh keadaan usaha yaitu sebesar 46%, dan wirausaha yang sangat tidak menyetujui bahwa keberhasilan usaha dipengaruhi oleh keadaan usaha adalah sebanyak 6%, hal ini kemungkinan keadaan usaha tidak sesuai dengan modal yang dikeluarkan.
4.3. Analisis Regresi Linier Berganda 4.3.1. Uji Normalitas
Untuk mengetahui data tersebut mengikuti seberapa normal, dapat
dilakukan berbagai metode diantaranya adalah Metode Kolmogorov Smirnov dan normal probability plot dengan mempergunakan pedoman SPSS 13.0 yang merupakan pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal, berikut adalah pedomannya ;
1. Jika nilai signifikan (nilai profitabilitas) lebih dari 5% maka distribusi adalah normal
2. Jika nilai signifikan (nilai profitabilitas) kurang dari 5% maka distribusi adalah tidak normal
Adapun hasil uji normalitas dengan metode kolmogorov smirnov adalah sebagai berikut:
Tabel 4.7
Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
33 .0000000 .62454034 .133 .084 -.133 .764 .604 N Mean Std. Dev iat ion Normal Parametersa,b
Absolute Positiv e Negativ e Most Extreme Dif f erences Kolmogorov -Smirnov Z Asy mp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated f rom data. b.
Sumber : Lampiran 9
Dengan nilai kolmogorov smirnov 0,764 dan signifikan 0,604 dimana nilai signifikan (nilai profitabilitas) lebih dari 5% yang berarti residual mengikuti distribusi
normal, sehingga variabel pengalaman (X1), pendanaan (X2), mental kewirausahaan (X3) dan keberhasilan usaha kecil (Y) sudah berdistribusi normal.
Gambar 4.18 Uji Normalitas 2 1 0 -1 -2 -3
Regression Standardized Residual 12 10 8 6 4 2 0 Frequency Mean = -1.32E-16 Std. Dev. = 0.952 N = 33 Dependent Variable: keberhasilan industri kecil (Y)
Histogram 1.0 0.8 0.6 0.4 0.2 0.0
Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Ex pec ted C um P rob
Dependent Variable: keberhasilan industri kecil (Y) Normal P-P Plot of Regression Standardized Residual
Sumber : Lampiran 9
Grafik histogram di atas memberikan pola distribusi yang mendekati normal, seperti halnya grafik normal plot terlihat bahwa titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Sehingga, dapat ditarik kesimpulan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.
4.3.2. Uji Asumsi Klasik
Persamaan regresi harus bersifat BLUE (Best Linier Unibased Estimator),
artinya pengambilan keputusan melalui uji f dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi diantaranya 3 unsur dasar, yaitu: tidak boleh ada autokorelasi, tidak boleh ada multikolinieritas dan tidak boleh ada heterokedastisitas.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan uji F dan uji t menjadi bias.
Seperti yang diungkapkan (Santoso, 2001: 219) autokorelasi menunjukkan dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Adanya autokorelasi dalam regresi dapat diketahui dengan menilai besaran Durbin Watson (DW), tidak terjadi autokorelasi jika nilai Durbin Watson berada antara -2 hingga +2. Adapun hasil uji autokorelasi adalah sebagai berikut:
Tabel 4.8
Uji Durbin Watson
Model Summaryb .757a .574 .529 .65605 1.598 Model 1 R R Square Adjusted R Square St d. Error of the Estimate Durbin-Wat son
Predictors: (Constant), ment al kewirausahaan (X3), pendanaan (X2), pengalaman (X1)
a.
Dependent Variable: keberhasilan industri kecil (Y) b.
Sumber : Lampiran 7
Tabel di atas menunjukkan bahwa nilai DW (durbin watson) yang
didapat sebesar 1,598 dimana nilai tersebut berada diantara -2 hingga +2 sehingga dapat ditarik kesimpulan bahwa antar residual (kesalahan pengganggu) tidak terdapat korelasi atau persamaan regresi linier berganda yang digunakan bebas autokorelasi.
4.3.2.2. Uji Multikolinieritas
Menurut santoso (2002: 206) syarat suatu model regresi liniernya tidak terdapat multikolinieritas adalah nilai VIF kurang dari 10 dan angka tolerance mendekati angka 1.Adapun hasil dari nilai VIF adalah sebagai berikut:
Tabel 4.9
Variabel VIF Tolerance Pengalaman (X1) Pendanaan (X2) Mental kewirausahaan (X3) 1,429 1,419 1,054 0,700 0,705 0,949 Sumber : Lampiran 9
Tabel di atas menunjukkan bahwa nilai VIF dari masing-masing variabel
kurang dari 10 dan angka tolerance mendekati angka 1, yang berarti tidak terjadi multikolinieritas pada variabel pengalaman (X1), pendanaan (X2) dan mental kewirausahaan (X3) atau bebas dari multikolinieritas.
4.3.2.3. Uji Heteroskedastisitas
Dasar analisis yang digunakan menurut (Santoso, 2001: 161) yaitu jika nilai Sig (2 – tailed) > 0,05. Maka hal ini berarti dalam model persamaan regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas heteroskedastisitas. Adapun hasil uji heteroskedastisitas adalah sebagai berikut:
Tabel 4.10
Hasil Uji Heteroskedastisitas
Variabel Koefisien Korelasi Sig. Pengalaman (X1) Pendanaan (X2) Mental kewirausahaan (X3) 0,014 -0,055 -0,017 0,913 0,674 0,896 Sumber : Lampiran 9
Tabel di atas menunjukkan bahwa signifikan dari masing-masing variabel bebas yaitu lebih dari 5%, yang artinya tidak terjadi heteroskedastisitas pada variabel pengalaman (X1), pendanaan (X2) dan mental kewirausahaan (X3).
Gambar 4.19 Grafik scatterplots 2 1 0 -1 -2 -3
Regression Studentized Residual 2 1 0 -1 -2 -3 Regression Standardi zed P redict ed Value
Dependent Variable: keberhasilan industri kecil (Y) Scatterplot
Sumber : Lampiran 9
Dari grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Sehingga dapat ditarik kesimpulan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Berdasarkan hasil uji asumsi klasik yang sudah dijelaskan diatas, dapat ditarik kesimpulan bahwa ketiga asumsi dasar tersebut tidak dilanggar, sehingga persamaan regresi yang diperoleh bersifat BLUE (Best Linier Unibased Estimator).
