BAB IV. PEMBAHASAN DAN ANALISIS DATA
D. Hasil Pengujian Hipotesis
a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal.5 Pada uji kolmogorov-Smirnov data yang berukuran kecil (sampel kecil), tidak seimbang (unbalance) dan terdistribusi buruk, sebaiknya menggunakan pendekatan exact karena akan menghasilkan nilai p-value yang akurat.6 Hasil uji normalitas adalah sebagai berikut.
5 Santoso, Statistik Multivariat, 43–46.
6 Cyrus R. Mehta dan Nitin R Patel, IBM SPSS Exact Tests (Inggris: Cambridge, 2013), 24.
Gambar 4.1 Uji Normalitas Sumber: hasil olah data SPSS 2023
Berdasarkan gambar 4.1 pada uji normalitas data dapat dikatakan bedistribusi normal. Karena data memiliki bentuk seperti lonceng dan simetris, di mana frekuensi terbesar maupun rata-rata dari data berada di titik tengah, tidak menjorok ke kiri ataupun ke kanan.
Tabel 4.5 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 98
Normal Parametersa,b Mean ,0000000
Std. Deviation 2,02154407 Most Extreme Differences Absolute ,095
Positive ,085
Negatif -,095
Test Statistic ,095
Asymp. Sig. (2-tailed) ,030c
Exact Sig. (2-tailed) ,321
Point Probability ,000
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber: hasil olah data SPSS 2023
Pada uji kolmogorov-Smirnov data berdistribusi normal adalah apabila angka Signifikansinya > 0,05. Berdasarkan hasil uji normalitas pada tabel 4.3 diketahui nilai normalitas exact Signifikansinya adalah sebesar 0,321, yang artinya 0,321 > 0,05. Sehingga data berdistribusi normal.
b. Uji Heteroskedastisitas
Model regresi yang baik adalah model regresi yang tidak terjadi heteroskedastisitas, tetapi terjadi homoskedastisitas.7 Untuk mendeteksi ada atau tidaknya heteroskedastisitas yaiu dengan melihat grafik scatterplot.
Gambar 4.2 Uji Heteroskedastisitas Sumber: hasil olah data SPSS 2023
Berdasarkan gambar 4.2 tersebut terlihat menunjukkan hasil bahwa titik-titik tidak membentuk pola yang jelas (titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y). Sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas tetapi terjadi homoskedastisitas, artinya terdapat kesamaan varian dari residual satu pengamatan ke pengamatan yang lain tetap.
7 Duli, Metodologi Penelitian Kuantitatif, 122.
c. Uji Autokorelasi
Uji autokorelasi adalah sebuah analisis statistik yang dilakukan untuk mengetahui adakah korelasi variabel yang ada di dalam model prediksi dengan perubahan waktu.8 Hasil uji autokorelasi adalah sebagai berikut:
Tabel 4.6 Uji Autokorelasi Model Summaryb
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 ,801a ,642 ,635 2,043 1,763
a. Predictors: (Constant), Motivasi, Pendidikan b. Dependen Variable: Minat Berwirausaha
Sumber: hasil olah data SPSS 2023
Berdasarkan pada tabel 4.6 dapat menunjukkan bahwa hasil DW yang diperoleh sebesar 1,763. Nilai dU untuk N=98, K=2, α=5% adalah sebesar 1,7128 dan 4-dU = 4-1,7128 = 2,2872 karena nilai dU < DW <
4-dU atau 1,7128 < 1,763 < 2,2872 maka tidak terdapat autokorelasi, atau tidak terdapat hubungan suatu variabel dari tahun t (tahun sekarang) dengan t-1 (tahun sebelumnya).
d. Uji Multikolinieritas
Tujuan pengujian multikolinieritas adalah agar mengetahui apakah model regresi dijumpai adanya hubungan antar variabel independen / variel bebas. Untuk menemukan terdapat / tidak multikolieritas pada model regresi dapat diketahui dari varian inflaction faktor (VIF). Jika nilai VIF lebih keil dari 10 berarti tidak terdapat multikolinieritas.9 Hasil uji multikolinieritas adalah sebagai berikut.
8 Subagyo dkk., Konsep Dan Praktik Ekonometrika Menggunakan EViews, 26.
9 Subagyo et al., 27.
Tabel 4.7 Uji Multikolinieritas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 4,628 2,056 2,251 ,027
Pendidikan ,384 ,077 ,408 5,000 ,000 ,566 1,766
Motivasi ,575 ,099 ,472 5,788 ,000 ,566 1,766
a. Dependen Variable: Minat Berwirausaha
Sumber: hasil olah data SPSS 2023
Berdasarkan uji multikolinieritas pada tabel 4.7 menunjukkan bahwa nilai VIF dari variabel pendidikan dan motivasi adalah sebesar 1,766, yang memiliki arti nilai VIF 1,766 < 10, dapat diambil kesimpulkan bahwa tidak terdapat gejala multikolinieritas atau tidak terdapat hubungan antar variabel independennya.
2. Analisis Regresi Linier Berganda
Analisis regresi linier berganda memiliki tujuan mengetahui arah hubungan antara variabel indenpenden dengan variabel dependen apakah masing-masing variabel independen berhubungan positif / negatif.10 Hasil pengujian SPSS sebagai berikut:
Tabel 4.8
Analisis Regresi Linier Berganda Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 4,628 2,056 2,251 ,027
Pendidikan ,384 ,077 ,408 5,000 ,000
Motivasi ,575 ,099 ,472 5,788 ,000
a. Dependen Variable: Minat Berwirausaha
Sumber: hasil olah data SPSS 2023
10 Usep Sudrajat dn Suwaji, Ekonomi Manajerial (Yogyakarta: Deepublish, 2018), 59–60.
Berdasarkan tabel 4.8 maka dapat dirumuskan persamaan regresi linier berganda sebagai berikut:
Y = 4,628 + 0,384X1 + 0,575X2
a. Nilai konstanta bernilai positif sebesar 4,628. Hal ini menunjukkan bahwa, apabila variabel pendidikan dan motivasi dianggap konstan atau tetap (0) atau tidak ada, maka nilai minat berwirausaha adalah sebesar 4,628.
b. Nilai koefisien regresi variabel pendidikan bernilai positif sebesar 0,384.
Hal ini menunjukkan setiap variabel pendidikan terdapat penambahan satu tingkat atau 1% dengan asumsi variabel motivasi tetap, maka akan meningkatkan minat berwirausaha anggota KOPMA Al-Hikmah IAIN Ponorogo sebesar 0,384. Artinya variabel pendidikan berpengaruh terhadap minat berwirausaha sebesar 38,4%.
c. Nilai koefisien regresi variabel motivasi bernilai positif sebesar 0,575.
Hal ini menunjukkan setiap variabel motivasi terdapat penambahan satu tingkat atau 1% dengan asumsi variabel pendidikan tetap, maka akan meningkatkan minat berwirausaha anggota KOPMA Al-Hikmah IAIN Ponorogo sebesar 0,575. Artinya variabel motivasi berpengaruh terhadap minat berwirausaha sebesar 57,5%
d. Karena nilai koefisien regresi dari masing-masing variabel positif (+), maka dapat disimpulkan bahwa secara bersama-sama pendidikan dan motivasi berpengaruh positif terhadap minat berwirausaha anggota KOPMA Al-Hikmah IAIN Ponorogo.
3. Uji Hipotesis a. Uji T
Uji t bertujuan mengetahui apakah variabel-variabel independen secara parsial berpengaruh terhadap variabel dependen. Dengan cara membandingkan t hitung dengan t tabel dengan derajat Signifikansi
(Sig) yang digunakan adalah 0,05. 11 Hasil pengujian dapat dilihat pada tabel berikut:
1) Hasil uji-t variabel pendidikan terhadap minat berwirausaha Tabel 4.9
Uji T Variabel X1 Terhadap Y Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 9,188 2,197 4,182 ,000
Pendidikan ,677 ,067 ,719 10,122 ,000
a. Dependen Variable: Minat Berwirausaha
Sumber: hasil olah data SPSS 2023
Berdasarkan hasil uji t pada tabel 4.9 diketahui nilai Sig variabel pendidikan adalah sebesar 0,000. Karena nilai Sig 0,000
< 0,05 dan nilai t hitung 10,122 > nilai t tabel 1,985. Maka dapat disimpulkan bahwa terdapat pengaruh positif dan signifikan pendidikan terhadap minat berwirausaha.
2) Hasil uji-t variabel motivasi terhadap minat berwirausaha Tabel 4.10
Uji T Variabel X2 Terhadap Y Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 9,137 2,066 4,423 ,000
Motivasi ,901 ,084 ,740 10,794 ,000
a. Dependen Variable: Minat Berwirausaha
Sumber: hasil olah data SPSS 2023
11 Sa’adah, Statistik Inferensial, 35.
Berdasarkan hasil uji t pada tabel 4.10 diketahui nilai Sig variabel motivasi adalah sebesar 0,000. Karena nilai Sig 0,000 <
0,05 dan nilai t hitung 10,794 > nilai t tabel 1,985. Maka dapat disimpulkan bahwa terdapat pengaruh positif dan signifikan motivasi terhadap minat berwirausaha.
b. Uji F
Uji F bertujuan menentukan apakah kedua variabel independen memiliki pengaruh secara simultan terhadap variabel dependen.
Derajat kepercayaan yang digunakan adalah 0,05. Apabila nilai f hasil perhitungan lebih besar daripada nilai f menurut tabel maka hipotesis alternatif diterima.12 Hasil pengujian dapat dilihat pada tabel berikut:
Tabel 4.11
Uji F X1 dan X2 terhadap Y ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 572,227 1 572,227 102,452 ,000b
Residual 536,191 96 5,585
Total 1108,418 97
a. Dependen Variable: Minat Berwirausaha b. Predictors: (Constant), Pendidikan
Sumber: hasil olah data SPSS 2023
Berdasarkan tabel uji f pada tabel 4.11 diketahui nilai Sig yang ada adalah sebesar 0,000. Karena nilai Sig 0,000 < 0,05 dan nilai f hitung 102,452 > nilai f tabel 3,09. Maka dapat disimpulkan bahwa pendidikan (X1) dan motivasi (X2) secara simultan berpengaruh terhadap minat berwirausaha (Y).
c. Uji Koefisien Determinasi
Koefisien determinasi atau R square (R2) ini bertujuan melihat seberapa besar kontribusi pengaruh yang diberikan variabel
12 Sa’adah, 32.
independen secara simultan (bersama-sama) terhadap variabel dependen.13 Hasil pengujian dapat dilihat pada tabel berikut:
Tabel 4.12
Uji Koefisien Determinasi Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 ,801a ,642 ,635 2,043
a. Predictors: (Constant), Motivasi, Pendidikan
Sumber: hasil olah data SPSS 2023
Berdasarkan hasil uji koefisien determinasi pada tabel 4.12 dapat diketahui bahwa nilai Adjusted R Square sebesar 0,635 atau 63,5%.
Artinya variabel pendidikan dan motivasi secara bersama-sama berpengaruh terhadap minat berwirausaha sebesar 63,5% dan sisanya yaitu 3,6% dipengaruhi oleh faktor lain.