BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis Data
1. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas dimaksudkan untuk memperlihatkan data sampel berdasarkan data populasi yang berdistribusi normal atau tidak normal.
Kenormalan data dapat dilihat dari residunya. Metode yang digunakan adalah uji kolmogrov-smirnov dengan kriteria taraf signifikansi 0,05. Jika signifikansi lebih besar dari sig >α, maka data berdistribusi normal, sedangkan jika signifikansi lebih kecil dari sig >α, maka data berdistribusi tidak normal. Hasil uji normalitas dapat dilihat pada tabel berikut :
TABEL 4.8 UJI NORMALITAS
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parametersa,b Mean ,0000000
Std. Deviation ,74246191
Most Extreme Differences Absolute ,138
Positive ,092
Negative -,138
Test Statistic ,138
Asymp. Sig. (2-tailed) ,127c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Berdasarkan tabel diatas diketahui bahwa nilai signifikasi Asymp.Sig. (2- tailed) sebesar 0,127> 0,05. Maka sesuai dengan dasar pengambilan keputusan dalam uji normalitas kolmogrov smirnov diatas, dapat disimpulkan bahwa data berdistribusi normal. Dengan demikian, asumsi atau persyaratan normalitas dalam model regresi terpenuhi.
b. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untukmenguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari suatu pengamatan ke pengamatan yang lain. Jika varians dari suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas atau tidak terjadi heterokedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heterokedastisitas.
TABEL 4.9
UJI HETEROKEDASTISITAS Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -,371 2,266 -,164 ,871
TX1 -,111 ,083 -,251 -1,328 ,195
TX2 ,084 ,058 ,275 1,447 ,159
TX3 -,030 ,061 -,090 -,494 ,625
TX4 ,109 ,089 ,226 1,223 ,232
a. Dependent Variable: abs_RES
Berdasarkan hasil Tabel 4.8 diketahui bahwa nilai signifikansi variabel X1,X2,X3,X4 tidak terjadi heterokedastisitas. Hal ini dapat dilihat dari nilai signifikan data semua variabel mempunyai nilai lebih besar dari 0,05 yang artinya tidak terjadi heterokedastisitas melainkan homoskedastisitas. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai dalam penelitian ini.
2. Analisis Regresi Linear Berganda
Analisis regresi sederhana bertujuan untuk mengetahui pengaruh dari suatu variabel terhadap variabel lainnya. Pada analisis regresi suatu variabel yang mempengaruhi disebut variabel bebas atau independent variable, sedangkan variabel yang dipengaruhi disebut variabel terkait atau dependent variable. Jika persamaan regresi hanya terdapat satu variabel bebas dengan satu variabel terkait, maka disebut dengan persamaan regresi sederhana. Jika variabel bebasnya lebih dari satu, maka disebut dengan persamaan regresi berganda. Pada regresi sederhana kita dapat mengetahui
berapa besar perubahan dari variabel bebas dapat mempengaruhi suatu variabel terkait.
TABEL 4.10
ANALISIS REGRESI LINEAR BERGANDA Coefficientsa
Model
Unstandardized Coefficients
Standardize d Coefficients
t Sig.
B Std. Error Beta 1 (Constant
)
21,859 5,245 14,168 ,000
TX1 ,140 ,193 ,143 2,727 ,001
TX2 ,153 ,134 ,226 1,741 ,000
TX3 ,039 ,140 ,053 2,278 ,002
TX4 ,727 ,207 ,596 1,786 ,000
a. Dependent Variable: TY
Sumber: Output SPSS Versi 24. (Data diolah 2022)
Berdasarkan tabel di atas hasil persamaan analisis regresi linear berganda dapat di tulis sebagai berikut:
Y = 21,859 + 0,140 Administrasi + 0,153 Teknis + 0,039 harga + 0,727 kualifikasi+ e.
Berdasarkan persamaan regresi linear berganda di atas, dapat dilihat nilai konstanta sebesar 21,859 yang berarti jika administrasi (X1), Teknis (X2),harga (X3) dan kualifikasi (X4) bernilai nol atau konstan maka Gagal lelang (Y) nilainya 21,859.
3. Uji R2 (koefisien determinasi)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai (R2) yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-
variabel indenpenden memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi-variabel dependen. Kelemahan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimaksudkan ke dalam model. Oleh karena itu dianjurkan untuk menggunakan nilai Adjusted R2 pada saat mengevaluasi mana model regresi terbaik.
TABEL 4.11 UJI R2 Model Summary Model R
R Square
Adjusted R Square
Std. Error of the Estimate
1 ,273a ,075 -,062 ,796
a. Predictors: (Constant), TX4, TX3, TX1, TX2
Sumber: Output SPSS Versi 24. (Data diolah 2022)
Berdasarkan hasil penelitian, tabel diatas diperoleh hasil koefisien determinasi (Adjusted R Square) total untuk X1, X2, X3, X4 terhadap gagal lelang (Y) sebesar 0,075. Angka ini dapat digunakan untuk melihat besarnya kontribusi gagal lelang adalah 7,5% dan sisanya 92,5% diperoleh dari kontribusi variabel lain.
4. Uji T (Parsial)
Setelah melakukan uji koefisien regresi secara keseluruhan, maka langkah selanjutnya adalah menghitung koefisien regresi secara individu atau uji t. uji t digunakan untuk mengetahui ada tidaknya pengaruh masing-masing variabel independen secara individual (parsial) terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05. Apabila probabilitas lebih kecil dari 0,05 maka hasilnya terdapat pengaruh dari variabel independen secara individual terhadap variabel dependen.
TABEL 4.12 UJI T (PARSIAL)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta 1 (Constant
)
21,859 5,245 14,168 ,000
TX1 ,140 ,193 ,143 2,727 ,001
TX2 ,153 ,134 ,226 1,741 ,000
TX3 ,039 ,140 ,053 2,278 ,002
TX4 ,727 ,207 ,596 1,786 ,000
a. Dependent Variable: TY
Sumber: Output SPSS Versi 24. (Data diolah 2022) Berdasarkan tabel 4.9 diatas dapat disimpulkan bahwa:
1. Dari hasil analisis data pada variabel Administrasi X1
Diketahui nilai signifikan untuk variabel Administrasi (X1) terhadap Gagal Lelang (Y) adalah sebesar 0,001<0,05 dan nilai t hitung 2,727>1,694 ttabel
sehingga dapat disimpulkan bahwa H1 diterima dan berpengaruh positif dan signfikan terhadap Gagal Lelang (Y)
2. Dari hasil analisis data pada variabel Teknis X2
Diketahui nilai signifikan untuk variabel Teknis (X2) terhadap Gagal Lelang (Y) adalah sebesar 0,000<0,05 dan nilai t hitung 1,741>1,680 ttabel
sehingga dapat disimpulkan bahwa H2 diterima yang berarti mempunyai pengaruh positif dan signifikan terhadap gagal lelang (Y)
3. Dari hasil analisis data pada variabel Harga X3
Diketahui nilai signifikan untuk variabel harga (X3) terhadap Gagal Lelang (Y) adalah sebesar 0,002<0,05 dan nilai t hitung 2,278>1,680 ttabel
sehingga dapat disimpulkan bahwa H3 diterima dan berpengaruh positif dan signfikan terhadap Gagal Lelang (Y)
4. Dari hasil analisis data pada variabel Kualifikasi X4
Diketahui nilai signifikan untuk variabel kualifikasi (X4) terhadap gagal lelang (Y) adalah sebesar 0,000<0,05 dan nilai t hitung 1,786>1,680 ttabel
sehingga dapat disimpulkan bahwa H4 diterima yang berarti mempunyai pengaruh positif dan signifikan terhadap gagal lelang (Y)
5. Uji F (Simultan)
Pengaruh Simultan (Uji F) Uji F bertujuan untuk menguji pengaruh variabel bebas secara bersama-sama atau simultan terhadap variabel tak bebas. Uji F digunakan untuk menguji pengaruh secara simultan variabel bebas terhadap variabel terikat, maka model persamaan regresi masuk dalam kriteria cocok atau fit. Sebaliknya, jika tidak terdapat pengaruh secara simultan maka hal ini akan masuk dalam kategori tidak cocok atau not fit.
Hasil dari pengujian pengaruh simultan (Uji F) di tunjukan pada tabel berikut:
TABEL 4.13 UJI F (SIMULTAN)
ANOVAa Model
Sum of
Squares Df
Mean
Square F Sig.
1 Regression 1,380 4 ,345 92,545 ,004b
Residual 17,089 27 ,633
Total 18,469 31
a. Dependent Variable: TY
b. Predictors: (Constant), TX4, TX3, TX1, TX2
Sumber: Output SPSS Versi 24. (Data diolah 2022)
Berdasarkan tabel 4.10 maka dapat diketahui bahwa nilai signifikasi untuk pengaruh Administrasi (X1),Teknis (X2),Harga(X3) dan Kualifikasi (X4) secara
simultan terhadap Gagal Lelang (Y) adalah nilai sig 0,004b<0.05 dan nilai fhitung 92,545 > ftabel 2,640 sehingga dapat disimpulkan bahwa H3 diterima yang berarti terdapat pengaruh variabel X1,X2,X3,X4 secara simultan terhadap Y.