BAB III METODE PENELITIAN
F. Teknik Analisis Data
1. Analsis Regresi Linear Berganda
Analsis regresi linear merupakan teknik statistika yang memuat sebuah model untuk menganalisis pengaruh antara variabel bebas independent dengan variabel terikat dependent (Basuki, 2015: 91). Dalam penelitian ini menganalisis menggunakan analisa ekonometrika dengan menggunakan metode Ordinary Least Square (OLS). Analisis dalam penelitian ini secara kuantitatif menggunakan analisa statistik dalam persamaan regresi linear berganda dengan bantuan software Eviews Versi 12. Model persamaan regresi linear tersebut dapat ditulis dalam persamaan di bawah ini:
Y = f (X1, X2, X3)...(3.1) Selanjutnya dapat dituliskan dalam model persamaan dua atau lebih variabel bebas pada regresi linear berikut ini:
...(3.2)
Keterangan:
Y = Pendapatan Driver Go-ride (variabel dependen) X1 = Modal (variabel independen)
X2 = Jam Kerja (variabel independen) X3 = Insentif (variabel independen)
= Koefisien Regresi
= Kostanta
µ = Eror Term (batas toleransi kesalahan) 2. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui hasil dari regresi linear berganda yang berbasis Ordinary Least Square (OLS) digunakan dalam menganalisis pengujian asumsi klasik. Adapun pembagian dalam uji asumsi klasik sebagai berikut:
a. Uji Normalitas
Uji normalitas digunakan dalam menentukan distribusi normal yang diambil dari populasi normal. Dalam beberapa pakar statistik apabila data yang memiliki angka lebih dari 30 atau (n > 30) dapat diasumsikan bahwa distribusi normal dengan sampel besar (Basuki, 2015:104). Pengujian normalitas dapat diketahui dengan menggunakan grafik secara histogram melalalui Normal Probability Plot. Pada pengujian menggunakan software Eviews yaitu dengan membandingkan nilai Jarque-Bera (JB) dengan kriteria apabila nilai probabilitas Jarque-Bera lebih besar dari nilai alfa yaitu 0,05 maka data berdistribusi normal. Sebaliknaya apabila nilai
55 Jarque-Bera lebih kecil dari 0,05 maka data tidak berdistribusi normal (Basuki, 2017: 70).
b. Uji Multikolinearitas
Uji multikolinearitas digunakan dalam mengetahui hubungan antara variabel bebas pada model regresi linear berganda. Apabila terdapat hubungan variabel bebas dalam regresi linear berganda maka terdapat korelasi yang sempurna/perfect multicolinearity. Multikolinearitas dapat dideteksi dengan melihat nilai Varian Inflation Factors/VIF. Kriteria dalam pengujian ini dengan ketentuan apabila nila VIF < 10 maka tidak terjadi multikolinearitas (Basuki, 2015: 107).
c. Uji Heteroskedastisitas
Tujuan dari pengujian heteroksedastisitas untuk mengetahui adanya perbedaan dari residual dalam model regresi linear berganda dimana pada model ini harus terpenuhi tidak adanya heteroksedastisitas (Basuki, 2015:
108). Pada penelitian ini menggunakan uji White dengan melihat nilai probabilitas Chi-square apabila lebih besar dari 0,05 maka terjadi homoskedastisitas sebaliknya apabila lebih kecil dari 0,05 maka terjadi gejala heteroskedastisitas (Basuki, 2017: 63).
3. Uji Hipotesis
Uji hipotesis diartikan sebagai dugaan sementara dari suatu masalah tentang hubungan antara satu variabel dengan variabel lain yang terdapat dalam rumusan masalah pada bab 1 untuk dilakukan pengujian. Pada penelitian ini menggunakan analisis pengaruh modal, jam kerja, dan insentif terhadap
pendapatan driver Go-Jek menggunakan analisi hipotesis asosiatif untuk mengetahui pengaruhnya. Adapun pengujian dalam hipotesis dibagi menjadi tiga sebagai berikut:
a. Uji Koefisien Determinasi (R²)
Koefisien determinasi berfungsi sebagai pengukuran terhadap peranan variabel bebas/independen terhadap variabel terikat/dependen. Nilai koefisien determinasi berada pada angka 0 dan 1. Apabila nilai R² berjumlah lebih besar dari variabel independenya maka mendapatkan yang dibutuhkan dalam variabel dependennya. Dengan kata lain bahwa peranan variabel independen dalam mempengaruhi variabel terikat.
b. Uji F (Uji Simultan)
Uji F atau sering disebut dengan uji simultan merupakan pengujian pada variabel bebas/independen terhadap variabel terikat/dependen secara bersama-sama. Pada pengujian ini apabila nilai signifikan lebih besar dari 0,05 maka dipengaruhi secara besama-sama terhadap variabel dependen.
Tingkat signifikasi dalam uji simultan yaitu 0,5% sebagai pengubah dari variabel dependen yang dijelaskan pada perubahan variabel independen.
c. Uji T (Uji Parsial)
Uji T atau dengan istilah uji parsial merupakan pengujian yang dilakukan pada variabel independen secara individu terhadap variabel dependen.
Taraf signifikasi pada t tabel sebesar 0,05dengan derajat kebebasan n-k-1.
Jika nilai signifikan lebih kecil dari 0,05 diasumsikan bahwa independen secara individu terhadap variabel dependen dapat dikatakan bahwa secara
57 parsial mempengaruhi variabel dependen. Namun apabila nilai signifikan lebih besar dari 0,05 maka secara parsial variabel independen tidak berpengaruh terhadap varibel dependen.
58 BAB IV
HASIL DAN PEMBAHASAN A. Gambaran Umum Penelitian
1. Kondisi Geografis
Kota Makassar adalah daerah dataran rendah dengan ketinggian 1 – 25 meter di atas permukaan laut. Terletak di antara 119º24‟17‟38” Bujur Timur serta 5º8‟6‟19” berada di Lintang Selatan yang secara astronomis. Kota Makassar berbatasan Utara dengan Kabupaten Maros, berbatasan Selatan dengan Kabupaten Gowa, berbatasan Barat dengan Selat Makassar, serta berbatasan Timur dengan Kabupaten Maros yang wilayahnya sebesar 175,77 KM persegi yang terdiri dari 15 Kecamatan (BPS Makassar, 2021).
Pada akhir tahun 2020, secara administrasi Kota Makassar memiliki 15 Kecamatan yaitu Mariso sebesar 1,82 KM², Mamajang sebesar 2,25 KM², Rappocini sebesar 9,23 KM², Tamalate sebesar 20,21 KM², Makassar sebesar 2,52 KM², Wajo sebesar 1,99 KM², Ujung Pandang sebesar 2,63 KM², Bontoala sebesar 2,10 KM², Tallo sebesar 5,83 KM², Ujung Tanah sebesar 4,40 KM², Panakukang sebesar 17,05 KM², Biringkanaya sebesar 48,22 KM², Manggala sebesar 24,14 KM², Tamalanrea sebesar 31,84 KM², serta Kecamatan Kepulauan Sangkarrang sebesar 1,52 KM² (BPS Makassar, 2021).
2. Kondisi Demografi
Berdasarkan hasil sensus penduduk di Kota Makassar pada tahun 2020 berjumlah 1.423.877 jiwa. Mengalami pertumbuhan penduduk sebesar 0,60% dari
59 hasil sensus penduduk tahun 2010 dengan rasio jenis kelamin pada tahun 2020 penduduk laki-laki terhadap perempuan sebanyak 99,19% (BPS Makassar, 2021).
B. Gambaran Umum Perusahaan
Go-jek Merupakan salah satu jasa transportsi online menawarkan jasanya kepada konsumen yang berbasis aplikasi yang digunakan di smartphone. Nadiem Makarim yang berbicara dengan tukang ojek, sehingga muncul ide membantu tukang ojek meningkatkan pendapatan. Dalam 12 jam bekerja hanya bisa mengangkut 4-5 penumpang yang cenderung waktu yang digunakan untuk menunggu penumpang lebih banyak dari pada mengangkutnya. Maka jadilah sebuah ojek online yang disebut Go-Jek Indonesia dengan modal patungan bersama teman-temannya Nadiem memulai bisnisnya menjadi bisnis modern yang berkolaborasi dengan tukang ojek (Makarim, 2019: 15).
Tarif minimunm yang Rp. 25.000,- setelah 6 kilometer akan ada pemanbahan tarif sebesar Rp. 4.000,- per 1 kilometer. Adapun sistem pembayaran yang digunakan pada aplikasi Go-Jek dapat dilakukan secara tunai maupun Go- pay (pembayaran elektronik). Setelah selesai menggunakan Go-Jek penumpang dapat memberikan penilaian terhadap layanan yang diberikan oleh driver Go-Jek berupa bintang 1 sampai dengan 5. Penilaian yang paling rendah yaitu 1 bintang yang pelayanannya buruk, dan teringgi 5 bintang jika penumpang merasa nyaman terhadap pelayanan yang diberikan. Sebagai contoh penggunaan helm yang tidak bersih atau pengemudi tidak menggunakan jaket/atribut (Makarim, 2019: 26).
Dalam perekrutan pengemudi Go-Jek menawarkan langsung kepada pengemuudi ojek, kemudian diberikan pelatihan dalam menggunakan smartphone.
Dalam hal ini Nadiem mengakui sebagian para rekrutan belum menguasai smartphone terutama yang berusia di atas 50 tahun. Selain itu motor yang digunakan juga berupa motor pribadi. Setelah melakukan pemesanan Go-Jek maka akan muncul nama serta foto pengemudi dan nomor telepon yang dapat dihubungi, dan plat nomor kendaraan pengemudi Go-Jek (Makarim, 2019: 29).
Go-Jek sebagai transportasi menambahkan fitur pemesanan makanan yang bernama Go-food yang memungkinkan pengguna melakukan pemesanan makanan dari restoran sesuai dengan lokasi restoran sebagai pilihan. Dengan adanya layanan Go-food memfasilitasi masyarakat dengan layanan dan waktu yang cepat.
Dengan mengklik layanan Go-food akan muncul berbagai nama restoran dan alamatnya yang terdaftar pada aplikasi Go-Jek dilengkapi menu makanan. Setelah itu tinggal menunggu makanan diantar. Makanan dibayarkan terlebih dahulu oleh driver Go-Jek dan dibayar setelah makanan sampai pada alamat pemesan yang dapat dibayar baik secara tunai maupun non tunai/Go-pay (Makarim, 2019: 40).
Adapun jenis layanan yang ditawarkan oleh PT. Go-Jek Indonesia yaitu Go-ride (antar penumpang menggunakan motor), Go-food (pesan antar makanan), Go-mart (berbelanja barang di Alfamart), Go-send (antar barang), Go-shop (belanja barang), Go-car (antar penumpang menggunakan mobil), Go-bluebird (antar penumpang dengan taxi), Go-box (antar barang menggunakan mobil), dan laiinya (Aplikasi Customer Go-Jek, 2021).
PT. Go-Jek Indonesia mendapat komisi sebesar 20% dan 80% sisanya di dapat oleh para driver setiap selesai menjalankan orderan. Pekerjaan ojek online tidak memiliki ikatan waktu untuk bekerja sesuai dengan kenginginan para
61 drivernya. Dalam artian bahwa semakin lama bekerja maka kemungkinan semakin besar upah yang diperoleh.
Adapun jumlah poin yang diterima oleh driver pada layanan motor yaitu Go-ride sebesar 100 poin, Go-send sebesar 150 poin, Go-mart sebesar 100 poin, Go-food sebesar, serta Go-shop sebesar 150 poin (Aplikasi driver GoParthner).
Poin tersebut diperoleh setiap selesai menyelesaikan orderan, khusus untuk layanan Go-ride dengan jarak pengantaran lebih dari 10 Kilometer maka mendapat tambahan poin sebesar 50 poin. Jadi poin maksimal yang diperoleh driver Go-ride apabila jarah pengantaran lebih dari 10 Kilometer sebesar 150 poin.
Adapun rentang pendapatan minimum dan pendapatan per Kilo Meter pada layanan Go-ride,Go-food, Go-send,Go-shop dan Go-mart di Kota makassar sebagai berikut:
Tabel 4.1 Pendapatan Minimun dan Pendapatan per Kilometer di Kota Makassar
Jenis Layanan Rentang Pendapatan Minimun/Order
Rentang Pendapatan/Km Go-ride Rp 7.200 – Rp 10.000 Rp 2.100 – Rp 2.600 Go-food Rp 8.000 – Rp 10.000 Rp 2.100 – Rp 2.600 Go-send Rp 8.000 – Rp 10.000 Rp 2.100 – Rp 2.600 Go-mart Rp 8.000 – Rp 10.000 Rp 2.100 – Rp 2.600
Go-shop Rp 14.400 Rp 1.440
Sumber: Aplikasi Driver GoPartner
Berdasarkan tabel 4.1 di atas menunjukkan bahwa rentang pendapatan minimun yang diterima oleh driver merupakan pendapatan bersih setelah dikenakan biaya pada layanan Go-Jek. Namun pendapatan minimum belum termasuk pendapatan lain seperti uang tips, parkir dan lainnya. Selain itu
mengikuti pada peraturan pemerintah yang berlaku dan dapat berubah berdasarkan ketentuan yang ada. Rentang pendapatan dapat berubah sesuai dengan lokasi order. Selain itu fluktuasi tarif akan mengalami perrubahan berdasarkan dinamika pasar namun tidak melanggar peraturan terkai dengan tarif yang telah ditetapkan.
Adapun syarat dan ketentuan menjalankan orderan khusus layanan Go- send sesuai dengan ketentuan sebagai berikut:
1) Ukuran dimensi 70 x 50 x 70 cm 2) Tidak termasuk barang pecah belah 3) Dilarang mengankut hewan peliharaan
4) Larangan mengangkut barang haram/terlarang seperti, narkotika 5) Maksimal berat paket 20 kg
6) Tidak mengantar paket ke rumah tahanan/penjara
Dengan adanya covid-19 jumlah orderan mitra Go-Jek semakin berkurang menyebabkan skema insentif yang menggunakan poin pendapatan sulit untuk dicapai sehingga PT. Go-Jek Indonesia mengganti skema insentif menjadi program berkat. Program berkat merupakan jumlah pendapatan minimum yang di peroleh oleh driver Go-Jek yang berbeda setiap kota di Indonesia dengan ketentuan:
1) Mengumpulkan poin berdasarkan ketentuan program berkat yang diterima orderan antara pukul 08.00 – 20.00 waktu setempat.
2) Memenuhi minimal perfoma berdasarkan program berkat di Kota Makassar sebesar 80% yang diterima pada pukul 08.00 – 20.00.
63 3) Jika pendapatan bersih kurang dari pendapatan minimum program berkat yang diterima pada pukul 08.00 – 20.00 waktu setempat maka akan mendapatkan selisihnya
4) Selisih/insentif akan diperoleh sebelum jam 23.59 pada hari yang sama.
5) Program berkat berlaku setiap hari
Contoh perhitungan orderan dalam program berkat yang diselesaikan driver Go-Jek jam 08.00 – 20.00 waktu setempat dengan ketentuan target 1000 poin dengan performa penyelesaian 80%, maka akan memperoleh pendapatan minimum Rp 80.000 pada level basic seperti pada contoh berikut ini:
Tabel 4.2 Jumlah Orderan yang Diselesaikan Waktu terima
orderan
Layanan Status Orderan Pendapatan Bersih
Poin Jam 09.00 Go-food Diselesaikan Rp 9.600 150 Jam 11.00 Go-food Diselesaikan Rp 8.000 150 Jam 12.55 Go-food Diselesaikan Rp 8.000 150 Jam 14.45 Go-send Diselesaikan Rp 9.600 150 Jam 16.03 Go-food Diselesaikan Rp 9.600 150 Jam 17.30 Go-send Diselesaikan Rp 12.000 150 Jam 18.55 Go-ride Diselesaikan Rp 7.200 100
Total Pendapatan Rp 64.000 1000
Sumber: Aplikasi Driver GoPartner
Dari tabel tersebut menunjukkan bahwa waktu yang diterima oleh driver Go-Jek mulai pukul 09.00 – 18.55 dengan menyelesaikan 7 orderan yang terdiri dari layanan Go-food, Go-send dan Go-ride. Total pendapatan sebesar Rp 64.000 dari tarif orderan maka akan mendapatkan selisih/insentif pendapatan sebanyak Rp 16.000 sehingga jumlah yang diperoleh sebanya Rp 80.000 pada level basic.
C. Karakteristik Responden 1. Modal
Tabel 4.3 Distribusi Responden Berdasarkan Modal
Modal (Rp/Hari) Jumlah Responden Persentase (%)
Rp 50.000 37 18,5
Rp 100.000 68 34
Rp 200.000 58 29
> Rp 200.000 37 18,5
Jumlah 200 100
Sumber: Data Primer Diolah, 2021
Berdasarkan tabel 4.3 menunjukkan bahwa modal yang dignakan pada driver Go-Jek di Kota Makassar Rp 50.000 perhari sebanyak 37 responden, selanjutnya pada modal Rp 100.000 perhari merupakan jumlah modal yang Paling banyak digunakan yaitu 68 responden, kemudian pada modal Rp 200.000 sebanyak 58 responden, serta > Rp 200.000 sebanyak 37 responden dari jumlah sampel 200 responden.
2. Jam Kerja
Tabel 4.4 Distribusi Responden Berdasarkan Jam Kerja Jam Kerja (Jam/Hari) Jumlah Responden Persentase (%)
1 jam – 5 jam 16 8
6 jam – 10 jam 112 56
11 jam – 15 jam 55 27,5
> 15 jam 17 8,5
Jumlah 200 100
Sumber: Data Primer Diolah, 2021
Dari tabel 4.4 di atas driver Go-Jek yang bekerja 1 – 5 jam sebanyak 16 responden yang merupakan jumlah kurang digunakan oleh driver. Kemudian
65 jumlah jam kerja paling banyak yaitu 6 – 10 jam dengan jumlah 112 responden, selanjutnya jumlah jam kerja 11 – 15 jam sebanyak 55 responden, dan jumlah jam kerja >15 jam sebanyak 17 responden.
3. Insentif
Tabel 4.5 Distribusi Responden Berdasarkan Insentif Insentif (Rp/Hari) Jumlah Responden Persentase (%)
0 – Rp 25.000 62 31
Rp 26.000 – Rp 50.000 52 26
Rp 51.000 – Rp 75.000 30 15
Rp. 76.000 – Rp 100.000 32 16
> Rp 100.000 24 12
Jumlah 200 100
Sumber: Data Primer Diolah, 2021
Dari tabel 4.5 menunjukkan bahwa jumlah insentif yang paling banyak diperoleh oleh driver Go-Jek yaitu 0 – Rp 25.000 dengan jumlah 62 responden, selanjutnya pada insentif Rp 26.000 – Rp 50.000 sebanyak 52 responden.
Kemudian insentif > 100.000 dengan jumlah responden 24 merupakan yang paling sedikit dari jumlah sampel 200 responden.
4. Pendapatan
Tabel 4.6 Distribusi Responden Berdasarkan Pendapatan Pendapatan (Rp/Hari) Jumlah Responden Persentase (%)
Rp 50.000 – Rp 100.000 53 26,5
Rp 101.000 – Rp 150.000 78 39
Rp 151.000 – Rp 200.000 34 17
Rp 201.000 – Rp 250.000 24 12
Rp 251.000 – Rp 350.000 11 5,5
Jumlah 200 100
Sumber: Data Primer Diolah, 2021
Berdasarkan tabel 4.6 jumlah pendapatan yang paling banyak diperoleh oleh driver Go-Jek yaitu Rp 101.000 – Rp 150.000 dengan jumlah responden sebanyak 78 orang, kemudian pendapatan Rp 50.000 – Rp 100.000 sebanyak 53 responden, selanjutnya pendapatan Rp 151.000 – Rp 200.000 sebanyak 34 responden. Serta pendapatan Rp 201.000 – Rp 250.000 sebanyak 24 responden, dan jumlah pendapatan yang paling sedikit diperoleh driver Go-Jek di Kota Makassar yaitu Rp 251.000 – Rp 350.000 sebanyak 11 orang dengan persentase 5,5% dari total sampel sebanyak 200 responden.
5. Umur
Tabel 4.7 Distribusi Responden Berdasarkan Umur Umur (Tahun) Jumlah Responden Persentase %
20 – 26 Tahun 64 32
27 – 32 Tahun 80 40
33 – 39 Tahun 30 15
40 – 46 Tahun 19 9,5
47 – 53 Tahun 7 3,5
Jumlah 200 100
Sumber: Data Primer Diolah, 2021
Berdasarkan tabel 4.7 menunjukkan bahwa umur yang bekerja sebagai driver Go-Jek di Kota Makassar terbanyak yaitu 27 – 32 Tahun dengan jumlah sabanyak 80 responen. Kemuadian urutan umur terbanyak kedua dan ketiga yaitu pada umur 20 – 26 Tahun, 33 – 39 Tahun dengan jumlah 64 dan 30 responden.
Umur yang paling sedikit yaitu 40 – 46 Tahun, 47 – 53 Tahun dengan jumlah 19 dan 7 responden dari total sampel sebanyak 200 responden.
67 6. Jenis Kelamin
Tabel 4.8 Distribusi Responden Berdasarkan Jenis Kelamin Jenis Kelamin Jumlah Responden Persentase %
Laki – Laki 178 89
Perempuan 22 11
Jumlah 200 100
Sumber: Data Primer Diolah, 2021
Dari tabel 4.8 menunjukkan bahwa jumlah yang bekerja pada driver Go- Jek di Kota Makassar sebanyak 178 responden laki-laki dan jenis kelamin perempuan sebesar 22 responden atau 11% dari total sampel yaitu 200 responden.
7. Pendidikan Terakhir
Tabel 4.9 Distribusi Responden Berdasarkan Pendidikan Terakhir
Pendidikan Jumlah Responden Persentase %
SD 0 0
SMP 27 13,5
SMA 130 65
S1 39 19,5
S2 4 2
Jumlah 200 100
Sumber: Data Primer Diolah, 2021
Berdasarkan tabel 4.9 dapat dilihat bahwa tingkat pendidikan yang bekerja pada driver Go-Jek di Kota Makassar yaitu pada tingkat pendidikan SMA yang berjumlah 130 responden. Selanjutnya responden kedua dan ketiga yaitu pada tingkatan S1 serta SMP dengan jumlah 39 dan 27 responden. Kemudian jumlah yang sedikit berada pada tingkatan S2 sebanyak 4 responden dan pada tingkatan SD tidak ada responden dari total sampel sebesar 200 responden.
D. Hasil Analisis Data 1. Uji Aumsi Klasik
Uji asumsi klasik digunakan sebagai uji prasyarat sebelum melakukan analisis regresi linear berganda dan analisis korelasi yang terdiri dari:
a. Uji Normalitas
Uji normalitas digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak dengan melihat nilai Jarque Bera (JB), jika probabilitas Jarque Bera (JB) lebih besar dari 0,05 maka residual berdistribusi normal. Akan tetapi sebaliknya jika nilai Jarque Bera (JB) lebih kecil dari 0,05 maka tidak berdistribusi normal (Basuki, 2017: 71).
Gambar 4.1: Hasil Uji Normalitas
Sumber: Output Eviews Versi 12, 2021
Berdasarkan gambar 4.1 hasil output di atas menunjukkan bahwa nilai probabilitas Jarque Bera (JB) yaitu 0,190104 lebih besar dari nilai 0,05 yang menandakan bahwa variabel X terhadap Y sudah terdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui hubungan pemodelan antara variabel bebas (X) dengan variabel terikat (Y). Jika hubungan
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