Analisis Data Dan Pembahasan

E. Analisis Data Dan Pembahasan

1. Regresi Linier Berganda Penelitian ini menggunakan metode regresi linier berganda yang digunakan untuk menguji bagaimana pengaruh variabel independen yaitu faktor modal, tenaga kerja, pengalaman usaha, dan promosi terhadap variabel dependennya yaitu keuntungan pengrajin industri kecil pembuatan gitar, maka dapat disajikan dalam Tabel 4.12 sebagai berikut :

Tabel 4.12 Output Hasil SPSS untuk Mengetahui Koefisien Regresi dan Signifikansinya

Coefficients a

(Constant) X1 X2 X3 DX4

Model 1

B Std. Error

Tolerance VIF

Collinearity Statistics

a. Dependent Variable: Y

Dari Hasil analisis regresi diatas diperoleh persamaan regresi sebagai berikut : Y = - 206653 + 0,148 X 1 + 146930,4 X 2 + 4583,656 X 3 + 140566,4 X 4 +U i

X 2 = Tenaga Kerja ( dalam satuan orang )

X 3 = Pengalaman Usaha ( dalam satuan tahun )

X 4 = Promosi ( dalam satuan dummy )

D = 1 : Ada Promosi

D = 0 : Tidak Ada Promosi Selanjutnya dilakukan pengujian dengan menggunakan uji

statistik dan uji asumsi klasik. Pengujian ini bertujuan untuk mengetahui apakah dugaan sementara atau hipotesis terhadap parameter sudah sesuai secara teori dan statistik.

2. Uji Statistik

a. Uji t Uji t merupakan pengujian yang dilakukan terhadap koefisien regresi secara parsial untuk mengetahui signifikansi masing – masing variabel independen terhadap variabel dependen. Dalam pengujian ini menggunakan tingkat signifi kansi α = 0,05 dan df = 43, dengan kriteria pengujian sebagai berikut :

1) Menentukan Hipotesis

Ho : β 1 = 0 ( berarti variabel independen secara individu tidak berpengaruh terhadap variabel dependen )

Ha : β 1 ≠ 0 ( berarti variabel independen secara individu berpengaruh terhadap variabel dependen )

2) Menentukan α

Nilai t tabel = t ( 0,05 / 2 ) ; df : 38 = 2,024 ( Tabel Distribusi t )

4) Kriteria Pengujian Gambar 4.1 Uji t

Ho Ditolak

Ho Diterima

Ho Ditolak

- 2,024 2,024 Ho diterima apabila t hitung ≤ t tabel Ho ditolak apabila t hitung > t tabel

5) Kesimpulan :

a) Pengujian terhadap X 1 ( Variabel Modal )

Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 17,558. t hitung yang diperoleh lebih besar dari t tabel, ini berarti t hitung berada didaerah ditolak maka Ho ditolak dan Ha diterima yang berarti terdapat pengaruh yang positif antara jumlah modal terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar 0,000 yang lebih kecil dari 0.05 ini berarti koefisien regresi dari model signifikan pada tingkat 5%.

b) Pengujian terhadap X 2 ( Variabel Tenaga Kerja ) Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 2,660. t hitung yang diperoleh lebih besar dari t tabel, ini berarti t hitung berada didaerah ditolak maka Ho ditolak dan Ha diterima yang berarti terdapat pengaruh yang positif antara jumlah tenaga kerja terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar 0,011 yang lebih kecil dari 0.05 ini berarti koefisien regresi dari model signifikan pada tingkat 5%.

c) Pengujian terhadap X 3 ( Variabel Pengalaman Usaha ) Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 0,376. t hitung yang diperoleh lebih kecil dari t tabel, ini berarti t hitung berada didaerah diterima maka Ho diterima dan Ha ditolak yang berarti tidak terdapat pengaruh yang signifikan antara pengalaman usaha terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar c) Pengujian terhadap X 3 ( Variabel Pengalaman Usaha ) Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 0,376. t hitung yang diperoleh lebih kecil dari t tabel, ini berarti t hitung berada didaerah diterima maka Ho diterima dan Ha ditolak yang berarti tidak terdapat pengaruh yang signifikan antara pengalaman usaha terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar

d) Pengujian terhadap X 4 ( Variabel Promosi )

Pengujian dengan menggunakan tingkat signifikansi 5% maka diperoleh t hitung sebesar 0,593. t hitung yang diperoleh lebih kecil dari t tabel, ini berarti t hitung berada didaerah diterima maka Ho diterima dan Ha ditolak yang berarti tidak terdapat pengaruh yang signifikan antara pengalaman usaha terhadap keuntungan industri kecil pembuatan gitar di Kabupaten Sukoharjo. Selain dilihat dari t hitungnya, uji t juga dapat dilihat dari probabilitasnya sebesar 0,557 yang lebih besar dari 0.05 ini berarti koefisien regresi dari model tidak signifikan pada tingkat 5%.

b. Uji F Merupakan pengujian terhadap koefisien parsial secara bersama – sama untuk mengetahui apakah variabel independen tersebut secara bersama – sama dapat mempengaruhi variabel dependen secara signifikan atau tidak. Dalam hal ini membuktikan apakah faktor modal, tenaga kerja, pengalaman usaha, dan promosi memiliki hubungan yang signifikan terhadap keuntungan usaha. Hal ini dilakukan dengan cara membandingkan dari F hitung dengan F b. Uji F Merupakan pengujian terhadap koefisien parsial secara bersama – sama untuk mengetahui apakah variabel independen tersebut secara bersama – sama dapat mempengaruhi variabel dependen secara signifikan atau tidak. Dalam hal ini membuktikan apakah faktor modal, tenaga kerja, pengalaman usaha, dan promosi memiliki hubungan yang signifikan terhadap keuntungan usaha. Hal ini dilakukan dengan cara membandingkan dari F hitung dengan F

Tabel 4.13

Output Hasil SPSS untuk Mengetahui F Hitung

ANOVA b

Regression Residual Total

Model 1

Sum of Squares

df Mean Square

F Sig.

a. Predictors: (Constant), DX4, X3, X2, X1 b. Dependent Variable: Y

Langkah – langkah pengujian untuk uji F adalah sebagai berikut :

1) Ho : β 1 = β 2 = β 3 = β 4 = β 5 = 0 ( tidak ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )

Ha :β 1 ≠β 2 ≠ β 3 ≠β 4 ≠β 5 ≠ 0 ( ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )

2) Tingkat keyakinan ( Level of significant ) α = 0,05

3) Perhitungan Uji F Nilai F hitung = 208,408 ( dalam Tabel 4.13 )

F tabel = F 0,05 ; ( 43 – 4 ) ; ( 4 – 1 ) = 2,85 ( dalam tabel distribusi F )

4) Kriteria Pengujian

Ho Diterima

Ho Ditolak 2,85 208,408

Keterangan : Ho akan diterima apabila F hitung ≤ F tabel Ho akan ditolak apabila F hitung > F tabel

5) Kesimpulan

Diketahui F hitung sebesar 208,408 lebih besar dari F tabel 2,85 maka Ho ditolak dan Ha diterima. Maka dapat disimpulkan bahwa semua variabel independen secara bersama – sama signifikan pada tingkat signifikansi α = 5 %. Ini berarti bahwa faktor modal, tenaga kerja, pengalaman usaha, dan promosi berpengaruh terhadap keuntungan industri kecil pembuatan gitar di Kabupaten sukoharjo

c. Koefisien Determinasi ( R 2 )

Koefisien Determinasi digunakan untuk mengetahui seberapa jauh variasi dari variabel bebas dapat menerangkan dan menjelaskan variasi dari variabel terikat. Jika R 2 mendekati nol, maka variabel bebas tidak menerangkan dengan baik variabel terikatnya. Jika R 2 Koefisien Determinasi digunakan untuk mengetahui seberapa jauh variasi dari variabel bebas dapat menerangkan dan menjelaskan variasi dari variabel terikat. Jika R 2 mendekati nol, maka variabel bebas tidak menerangkan dengan baik variabel terikatnya. Jika R 2

Tabel 4.14

Output Hasil SPSS Untuk Mengetahui Koefisien Determinasi (R 2 )

Model Summary b

R Square

Adjusted R Square

Std. Error of the Estimate

R Square

Change F Change

df1

df2 Sig. F Change

Change Statistics

Durbin-W atson

a. Predictors: (Constant), DX4, X3, X2, X1 b. Dependent Variable: Y

Dari hasil estimasi tersebut diatas diketahui bahwa untuk nilai koefisien determinasi R 2 sebesar 0,956 ini berarti bahwa 95,6% variasi variabel dependen (keuntungan) dapat dijelaskan oleh variabel independenya (modal, tenaga kerja, pengalaman usaha, dan promosi),

sedangkan untuk sisanya ( 1 - R 2 ) yaitu sebesar 4,4% dijelaskan oleh variabel lain yang tidak ada dalam model.

3. Uji Asumsi Klasik

a. Uji Multikoliniearitas Multikolinearitas merupakan masalah yang timbul dan berkaitan dengan adanya hubungan linier diantara variabel – variabel penjelasnya. Uji multikolineartitas ini digunakan untuk mengetahui terjadi atau tidaknya korelasi diantara variabel independen dalam proses regresi tersebut. Prasyarat yang harus dipenuhi dalam model a. Uji Multikoliniearitas Multikolinearitas merupakan masalah yang timbul dan berkaitan dengan adanya hubungan linier diantara variabel – variabel penjelasnya. Uji multikolineartitas ini digunakan untuk mengetahui terjadi atau tidaknya korelasi diantara variabel independen dalam proses regresi tersebut. Prasyarat yang harus dipenuhi dalam model

Pada tabel 4.17 ( Tabel Coefficients ) dapat diketahui bahwa nilai Tolerance dari kelima variabel independen lebih dari 0,1 dan VIF kurang dari 10, jadi dapat disimpulkan bahwa dalam model regresi tersebut tidak terdapat masalah multikolinearitas.

b. Heterokedastisitas Heteroskedastisitas merupakan kondisi dimana sebaran atau varian faktor pengganggu tidak kostan sepanjang observasi tersebut. Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya ketidaksamaan varian dari residual dalam model regresi tersebut, sedangkan untuk model regresi yang baik yaitu mensyaratkan tidak adanya masalah heteroskedastisitas.

Untuk mendeteksi ada tidaknya masalah heteroskedastisitas dilakukan pengujian dengan menggunakan Uji Sperman’s rho, yaitu dengan mengkorelasikan nilai residual ( Unstandarized residual ) dengan masing – masing variabel independen. Jika signifikansi korelasi kurang dari 0,05 maka pada model regresi tersebut terdapat masalah heteroskedastisitas.

Output Hasil SPSS Untuk Uji Heteroskedastisita

Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N

Unstandardized Residua

Spearman's rho

Unstandardiz

ed Residual

X1 X2 X3 DX4

**. Correlation is significant at the 0.01 level (2-tailed).

Dari output hasil Correlations tersebut di atas, dapat diketahui korelasi antara :

1) Modal dengan Unstandarized Residual menghasilkan nilai signifikansi 0,761.

2) Tenaga kerja dengan Unstandarized Residual menghasilkan nilai signifikansi 0,465.

3) Pengalaman Usaha

dengan

Unstandarized Residual

menghasilkan nilai signifikansi 0,998.

4) Promosi dengan Unstandarized Residual menghasilkan nilai signifikansi 0,799.

Nilai dari signifikansi korelasi di atas didapat hasilnya menunjukan lebih dari 0,05, maka dapat disimpulkan bahwa pada Nilai dari signifikansi korelasi di atas didapat hasilnya menunjukan lebih dari 0,05, maka dapat disimpulkan bahwa pada

c. Autokolerasi Autokolerasi merupakan keadaan dimana terjadi korelasi diantara anggota observasi yang disusun menurut waktu dan ruang. Model regresi yang baik mensyaratkan tidak adanya masalah autokolerasi.

Salah satu cara untuk menguji autokolerasi adalah dengan uji Durbin – Watson dengan prosedur sebagai berikut :

a) Menentukan hipotesis nol dan hipotesis alternatif Ho : β 1 =β 2 =β 3 =β 4 =β 5 = 0 ( tidak ada pengaruh antara

variabel independen terhadap variabel dependen secara bersama – sama )

Ha :β 1 ≠β 2 ≠ β 3 ≠β 4 ≠β 5 ≠ 0 ( ada pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama )

b) Menentukan nilai d ( Durbin – Watson ) Nilai d = 1,793 ( dalam Tabel 4.14 )

c) Membandingkan angka dengan Durbin – Watson dalam tabel α = 5%. Angka dalam tabel menunjukkan nilai distribusi

antara bawah ( dl ) dengan batas atas ( du ) Didapat : dL = 1,32

4) Kriteria pengujiannya adalah :

Gambar 4.7 Uji Autokolerasi

Ho Autokolerasi Ragu – Menerima Ho Ragu- Bukti Positif Ragu Tidak Ada Ragu autokolerasi Autokolerasi Negatif

0 dL dU 1,79 4- dU 4 – dL 4 1,32 1,72 2,28 2,68

Keterangan :

0 < d < dl

= menunjukkan autokolerasi positif atau menolak Ho

dl < d < du

= tidak dapat disimpulkan

du < d < 4 – du

= tidak terdapat autokolerasi atau menerima Ho

4-du < d < 4-dl

= tidak dapat disimpulkan

4-dl < d < 4

= menunujukan autokolerasi negatif

Dari hasil uji statistik Durbin Watson dalam tabel

4.19 (Model Summary) diperoleh d sebesar 1,793. Dengan menggunakan taraf signifikansi 5%, jumlah sampel 43, dan variabel independen sebanyak 5 maka diperoleh nilai dL sebesar 1,32 ; dU sebesar 1,72 jadi untuk 4 – dL sebesar 2,68 dan untuk 4 – dU sebesar 2,28. Maka dilihat dari hasil pengujian DW yang sebesar 1,79 terletak diatas batas dU sebesar 1,72 dan 4 – dU sebesar 2,28 sehingga dapat disimpulkan bahwa tidak ada masalah autokolerasi positif maupun negatif dari model regresi yang digunakan.