BAB IV HASIL DAN PEMBAHASAN
D. Hasil Analisis Data
D. Hasil Analisis Data
69 linear antara variabel bebas dalam regresi berganda adalah korelasi sempurna berkolinearitas ganda sempruna (perfect multicolinearity). Multikolinearitas dapat diteteksi dengan melihat Variance Inflaction Factors (VIF) dengan kriteria nilai VIF < 10 maka tidak terjadi multikolinearitas. Akan tetapi sebaliknya jika nilai VIF > 10 maka terjadi gejala multikolinearitas (Basuki, 2015: 107).
Tabel 4.10 Hasil Uji Multikolinearitas Variable Coefficient
Variance
Uncentered VIP
Centered VIP
C 1.857710 33.43167 NA
MODAL 0.010894 21.25373 1.294299
JAM_KERJA 0.012977 39.82103 1.497907 INSENTIF 0.005733 30.822331 1.458223 Sumber: Output Eviews Versi 12, 2021
Berdasarkan tabel 4.10 hasil uji multikolinearitas menunjukan bahwa nilai VIP pada ketiga variabel bebas di atas lebih kecil dari 10, dapat disimpulkan bahwa pengujian tersebut tidak terjadi multikolinearitas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas merupakan uji untuk mengetahui varians yang berbeda dari residual dari suatu pengamatan lain. Metode-metode dalam mendeteksi heteroskedastisitas dilakukan menggunakan beberapa pengujian seperti uji Park, uji Glejser, uji White dan lainnya. Dalam penelitian ini pengujian yang digunakan yaitu uji White dengan melihat nilai Probabilitas Chi-square dengan ketentuan apabila lebih besar dari 0,05 tidak terjadi heteroskedastisitas atau dengan kata lain terjadi homoskedastisitas (Basuki, 2017: 63).
Tabel 4.11 Hasil Uji Heteroskedastisitas Heteroskedasticity Test: White Prob. Chi-square(9) 0.4592 Sumber: Output Eviews Versi 12, 2021
Berdasarkan tabel 4.11 hasil uji heteroskedastisitas di atas dapat dilihat bahwa nilai probabilitas Chi-square yaitu 0,4592 menandakan bahwa lebih besar dari nilai alfa yaitu 0,05 maka dapat disimpulkan bahwa pada pengujian ini tidak terjadi gejala heterosedastisitas.
2. Analisis Regresi Liner Berganda
Analisis regresi linear berganda digunakan untuk menganalisis pengaruh amtara variabel bebas (X) dengan variabel terikat (Y). Persamaan regresi dapat dilihat dari nilai Coefficient pada variabel bebas yaitu modal, jam kerja dan insentif terhadap variabel terikat yaitu pendapatan.
Tabel 4.12 Hasil Uji Analisis Regresi Linear Berganda
Variable Coefficient Std. Error t-Statistic Prob.
C 7.468487 1.362978 5.479534 0.0000
MODAL -0.006074 0.104374 -0.058197 0.9537
JAM_KERJA 0.272508 0.113918 2.392150 0.0177
INSENTIF 0.208771 0.075719 2.757195 0.0064
Sumber: Output Eviews Versi 12, 2021
Berdasarkan tabel 4.12 di atas sehingga dapat diperoleh persamaan regresi linear berganda berikut ini
Dari persamaan di atas dapat dilihat nilai koefisien sebagai berikut:
71 a. Nilai koefisien kostanta sebesar 7,468487 dapat diartikan bahwa apabila modal, jam kerja, dan insentif nilainya 0 atau konstan maka akan mengalami peningkatan pendapatan (Y) sebesar 7,468487.
b. Nilai koefisien regresi modal (X1) sebesar -0,006074 hal ini berarti bahwa apabila terjadi kenaikan variabel modal 1% maka akan mengalami penurunan pendapatan sebesar -0,006074% yang bernilai negatif yang artinya berbanding terbalik antara variabel modal (X1) terhadap pendapatan (Y).
c. Nilai koefisien regresi jam kerja (X2) sebesar 0,272508 hal ini berarti bahwa apabila terjadi kenaikan variabel jam kerja 1% maka akan mengalami penambahan pendapatan sebesar 0,272508% yang bernilai positif yang artinya yang searah antara variabel jam kerja (X2) terhadap pendapatan (Y).
d. Nilai koefisien regresi insentif (X3) sebesar 0.208771 hal ini berarti bahwa apabila terjadi kenaikan variabel insentif 1% maka akan mengalami penambahan pendapatan sebesar 0.208771% yang bernilai positif yang artinya yang searah antara variabel insentif (X3) terhadap pendapatan (Y).
3. Uji Hipotesis
a. Uji Koefisien Determinasi (R²)
Uji koefisien determinasi digunakan untuk mengetahui kemampuan suatu model dalam menjelaskan variabel terikat/dependen. Apabila nilai koefisien determinasi mendekati 1 maka variabel bebas/independen maka dalam mempengaruhi variabel terikat.
Tabel 4.13 Hasil Uji Koefisien Determinasi (R²)
R-squared 0.131039
Sumber: Output Eviews Versi 12, 2021
Berdasarkan tabel 4.13 terkait dengan output koefisien determinasi di atas menunjukkan bahwa nilai R square sebesar 0,131039 atau 13% variabel bebas yaitu modal, jam kerja dan insentif mempengaruhi variabel terikat yaitu pendapatan sisanya sebesar 87% dipengaruhi oleh variabel lain di luar dari model yang telah dilakukan penelitian.
b. Uji F (Uji Simultan)
Uji F (Uji Simultan) pada dasarnya merupakan untuk mengetahui semua variabel bebas/independen dalam sebuah model persamaan regresi secara bersama-sama atau disebut dengan simultan. Kriteria dalam pengujian inin yaitu apabila F hitung > dari F tabel serta dapat juga dilihat dari nilai probabilitas F- statistic < dari nilai alfa yang digunakan yaitu 0,05.
Tabel 4.14 Hasil Uji Simultan
F-statistic 9.852270
Prob(F-statistic) 0.000004 Sumber: Output Eviews Versi 12, 2021
Berdasarkan tabel 4.14 hasil uji simultan di atas menunjukkan bahwa pengaruh variabel modal, jam kerja dan insentif terhadap pendapatan driver Go- Jek yaitu F hitung sebesar 9,852270 > F tabel sebesar 2,65 dengan nilai probabilitas F-statistic sebesar 0,000004 < dari nilai signifikasi alfa yaitu sebesar 0,05.
73 Hal ini berarti bahwa variabel bebas/independen antara lain modal (X1), jam kerja (X2) dan insentif (X3) secara simultan terhadap variabel terikat yaitu pendapatan driver Go-Jek di Kota Makassar (Y).
c. Uji T (Uji Parsial)
Uji T (Uji Parsial) pada umumnya digunakan untuk mengetahui pengaruh variabel independen secara individu terhadapat variabel terikat. Kriteria dalam pengujian ini yaitu dengan membandingkan t hitung dengan t tabel, dengan ketentuan apabila t hitung > dari t tabel. Serta membandingan nilai probabilitas dengan taraf signifikasi alfa yaitu 0,05. Apabila nilai probabilitas < dari 0,05 maka menolak H0 dan menerima Ha.
1) Pengaruh Modal (X1) terhadap Pendapatan Driver Go-Jek (Y)
Tabel 4.12 hasil uji parsial di atas menunjukkan bahwa variabel modal (X1) dengan nilai t hitung sebesar -0,058197 < dari t tabel yaitu 1,65267dan nilai signifikan sebesar 0,9537 > dari 0,05 hal tersebut menunjukkan bahwa variabel modal (X1) berpengaruh negatif dan tidak signifikan terhadap pendapatan driver Go-Jek (Y). Hal ini dapat disimpulkan bahwa menolak hipotesis Ha dan menerima H0.
2) Pengaruh Jam Kerja (X2) terhadap Pendapatan Driver Go-Jek (Y) Tabel 4.12 hasil uji parsial di atas menunjukkan bahwa variabel jam kerja (X2) dengan nilai t hitung sebesar 2,392150 > dari t tabel yaitu 1,65267dan nilai signifikan sebesar 0,0177 < dari 0,05 hal tersebut menunjukkan bahwa variabel jam kerja (X2) berpengaruh positif dan signifikan terhadap pendapatan driver
Go-Jek (Y). Hal ini dapat disimpulkan bahwa menerima hipotesis Ha dan menolak H0.
3) Pengaruh Insentif (X3) terhadap Pendapatan Driver Go-Jek (Y)
Tabel 4.12 hasil uji parsial di atas menunjukkan bahwa variabel insentif (X3) dengan nilai t hitung sebesar 2,757195 > dari t tabel yaitu 1,65267 dan nilai signifikan yaitu 0,0064 < dari 0,05 hal tersebut menunjukkan bahwa variabel insentif (X3) berpengaruh positif dan signifikan terhadap pendapatan driver Go- Jek (Y). Hal ini dapat disimpulkan bahwa menerima hipotesis Ha dan menolak H0.