d. Asumsi Mendeteksi Multikolinearitas
Dari hasil pengolahan data pada penelitian ini, pengujian asumsi multikolinearitas dapat dilakukan melalui pengamatan terhadap koefisien
determinan matriks kovariansi atau matriks korelasi data sampel. Berdasarkan koefisien determinan matriks kovariansi tersebut dapat diidentifikasi ada tidaknya
masalah multikolinearitas. Jika koefisien determinan matriks kovariansi atau matriks korelasi tersebut sangat kecil atau sama dengan nol, maka
mengindikasikan antarvariabel penyebab memiliki masalah multikolinearitas dalam model penelitian yang digunakan Kusnendi, 2008.
Tabel 4.12. Uji Multikolineritas
x5 x4
x3 x2
x1 y1
y2
x5 164,653
x4 105,786
267,082 x3
667,610 566,714
14368,694 x2
72,360 105,386
587,940 153,273
x1 69,467
109,605 258,394
143,961 478,438
y1 72,431
113,499 595,416
108,134 141,329
184,632 y2
115,872 157,532
708,386 138,124
180,689 125,587
224,242 Sumber : Diolah dari data primer, 2013
Berdasarkan tabel di atas menunjukkan bahwa nilai determinan matriks kovariansi atau matriks korelasi diketahui sebesar 73096476815687200,000.
Hasil tersebut menunjukkan bahwa nilai determinan matriks kovariansi atau matriks korelasi adalah jauh dari nol, sehingga data penelitian yang digunakan
tidak memiliki masalah multikolinearitas dan data layak digunakan.
4.3.2. Analisis Model
Model struktural telah diestimasi dengan menggunakan analisis jalur dengan bantuan program aplikasi Analysis of Moment Structure AMOS. Metode
ini dipilih karena sesuai dengan model yang ada. Bentuk dari hasil estimasi model
Universitas Sumatera Utara
ini mempunyai hasil yang fit. Prosedur dalam pemilihan model struktural yang digunakan adalah spesifik, hasil estimasi yang diperoleh memuaskan dan diyakini
pada peringkat keyakinan yang biasa. Selanjutnya untuk mengetahui kesesuaian model perhitungan AMOS, disajikan dalam tabel 4.13. berikut:
Tabel 4.13. Hasil Komputerisasi Criteria Goodness of Fit Indices Model
No. Goodness of Fit Index Cut off value
Hasil Model
Keterangan
1 χ² Chi-Square
Dihrpkan kecil 10,4 Fit
2 CMINDF
≤ 2,00 0,128
Fit 3
RMSEA ≤ 0,08
0,182 Marginal Fit
4 AGFI
≥ 0,90 0,930
Fit 5
GFI ≥ 0,90
0,920 Fit
6 TLI
≥ 0,90 0,970
Fit 7
NFI ≥ 0,90
0,900 Fit
Sumber :Diolah dari Data Primer, 2013
4.3.3. Uji Kesesuaian dan Uji Hubungan Kausal
Pada tabel 4.13. di atas menunjukkan bahwa hampir semua kriteria yang digunakan untuk menilai suatu model adalah fit, hanya satu kriteria yang tidak fit,
namun masih tidak terlalu jauh sehingga dikatakan sebagai marginal fit. Oleh karena itu model dapat diterima karena adanya kesesuaian antara model dengan
data. Apabila model tersebut digambarkan, koefisien jalur menjelaskan hubungan antar faktor modal, tenaga kerja, waktu kerja, lama usaha, variasi menu, biaya dan
pendapatan pengusaha restoran di Kota Medan.
4.3.4. Hubungan Faktor-faktor terhadap Pendapatan Pengusaha Restoran di Kota Medan
Hubungan Faktor-faktor terhadap Pendapatan Pengusaha Restoran di Kota Medan dapat dilihat berdasarkan hasil analisis terhadap Regression Weight
Measurement. Hasil analisis dapat dilihat pada tabel 4.14. berikut :
Universitas Sumatera Utara
Tabel 4.14. Regression Weight
Estimate S.E.
C.R. P
Label
y1 ---
x1 ,122
,041 2,961
par_1 y1
--- x2
,398 ,073
5,443 par_2
y1 ---
x3 ,014
,008 1,865
par_3 y1
--- x4
,169 ,055
3,052 par_4
y1 ---
x5 ,048
,071 ,678
,498 par_5
y2 ---
y1 ,069
,077 ,893
,372 par_6
y2 ---
x1 ,137
,035 3,903
par_7 y2
--- x2
,427 ,067
6,344 par_8
y2 ---
x3 ,006
,006 ,890
,373 par_9
y2 ---
x4 ,219
, 047 4,647
par_10 y2
--- x5
,265 ,058
4,567 par_11
Sumber : Diolah dari data primer, 2013
Berdasarkan tabel 4.14. di atas untuk kolom estimate yang menjelaskan mengenai hubungan variabel adalah semua faktor yakni sebelas faktor memiliki
koefisien positif. Terdapat 8 delapan faktor yang signifikan dilihat dari nilai P dengan batas signifikan 1, tanda bintang tiga menunjukkan nilai P = 0,001
sementara tanda bintang dua menunjukkan batas signifikan 5 atau nilai P = 0,005 dan 3 tiga faktor yang tidak signifikan yang dapat dilihat dari kolom P
dari 11 faktor yang ada. Untuk kolom Critical Ratio CR, semakin tinggi nilai CR critical ratio maka semakin signifikan dengan batas lebih besar dari 2,58.Pada
tabel 4.14. di kolom SE antar variabel menunjukkan bahwa tidak terdapat nilai yang melebihi batas SE yang ditentukan. SE adalah standart error untuk setiap
variabel dengan batas lebih kecil atau sama dengan 0,5. Itu artinya variabel- variabel yang diteliti tidak memiliki standart error yang melebihi dari batas
ketentuan yang mengindikasikan variabel yang diteliti cukup baik.
Universitas Sumatera Utara
Kolom standart estimate merupakan koefisien jalur untuk setiap variabel atau koefisien yang akan menjadi persamaan struktural yang dapat dilihat melalui
kerangka konseptual. Adapun hubungan antara variabel dipaparkan sebagai berikut:
1. Hubungan Modal dengan Biaya
Berdasarkan tabel 4.14. menunjukkan bahwa modal mempunyai hubungan positif dan signifikan terhadap biaya. Nilai regression weight sebesar 0,122 nilai CR =
2,961 dan P = 0,001, maka hipotesis 1 diterima. 2.
Hubungan Tenaga kerja dengan Biaya Berdasarkan tabel 4.14. menunjukkan bahwa tenaga kerja mempunyai hubungan
positif dan signifikan terhadap biaya. Nilai regression weight sebesar 0,398 nilai CR = 5,433 dan P = 0,001, maka hipotesis 2 diterima.
3. Hubungan Waktu Kerja dengan Biaya
Berdasarkan tabel 4.14. menunjukkan bahwa waktu kerja mempunyai hubungan positif dan signifikan terhadap biaya. Nilai regression weight sebesar 0,014 nilai
CR = 1,865 dan P = 0,005, maka hipotesis 3 diterima. 4.
Hubungan Lama Usaha dengan Biaya Berdasarkan tabel 4.14. menunjukkan bahwa lama usaha mempunyai hubungan
positif dan signifikan terhadap biaya. Nilai regression weight sebesar 0,169 nilai CR = 3,052 dan P = 0,001, maka hipotesis 4 diterima.
5. Hubungan Variasi Menu dengan Biaya
Berdasarkan tabel 4.14. menunjukkan bahwa variasi menu mempunyai hubungan positif dan non signifikan terhadap biaya. Nilai regression weight sebesar 0,048
nilai CR = 0,678, maka hipotesis 5 diterima.
Universitas Sumatera Utara
6. Hubungan Modal dengan Pendapatan
Berdasarkan tabel 4.14. menunjukkan bahwa modal mempunyai hubungan positif dan signifikan terhadap pendapatan. Nilai regression weight sebesar 0,137 nilai
CR = 3,903 dan P = 0,001, maka hipotesis 6 diterima. 7.
Hubungan Tenaga Kerja dengan Pendapatan Berdasarkan tabel 4.14. menunjukkan bahwa tenaga kerja mempunyai hubungan
positif dan signifikan terhadap pendapatan. Nilai regression weight sebesar 0,427 nilai CR = 6,344, dan P = 0,001, maka hipotesis 7 diterima.
8. Hubungan Waktu Kerja dengan Pendapatan
Berdasarkan tabel 4.14. menunjukkan bahwa waktu kerja mempunyai hubungan positif dan non signifikan terhadap pendapatan. Nilai regression weight sebesar
0,006 nilai CR = 0,890, maka hipotesis 8 diterima. 9.
Hubungan Lama Usaha dengan Pendapatan Berdasarkan tabel 4.14. menunjukkan bahwa lama usaha mempunyai hubungan
positif dan signifikan terhadap pendapatan. Nilai regression weight sebesar 0,219 nilai CR = 4,647 dan P = 0,001, maka hipotesis 9 diterima.
10. Hubungan Variasi Menu dengan Pendapatan
Berdasarkan tabel 4.14. menunjukkan bahwa variasi menu mempunyai hubungan positif dan signifikan terhadap pendapatan. Nilai regression weight sebesar 0,265
nilai CR = 4,567 dan P = 0,001, maka hipotesis 10 diterima. 11.
Hubungan Biaya dengan Pendapatan Berdasarkan tabel 4.14. menunjukkan bahwa biaya mempunyai hubungan positif
dan non signifikan terhadap pendapatan. Nilai regression weight sebesar 0,069 nilai CR = 0,893, maka hipotesis 11 diterima.
Universitas Sumatera Utara
4.3.5. Analisis Pengaruh Langsung, Pengaruh tidak Langsung, dan Pengaruh Total
Kategori