Tabel 4.8 Karakteristik Pendapatan UKM Counter Pulsa
Pendapatan rupiah Jumlah Responden
orang
2.450.000P ≥ 29.018.750
62 55,9
29.018.750P ≥ 55.587.500
23 20,7
55.587.500P ≥ 82.156.250
9 8,1
82.156.250P ≥108.725.000
9 8,1
108.725.000P ≥135.293.750
3 2,7
135.293.750P ≥161.862.500
0,0 161.862.500P
≥188.431.250 2
1,8 188.431.250P
≥215.000.000 3
2,7
Jumlah 111
100,0
Sumber : Lampiran 3
Berdasarkan Tabel 4.8 menunjukkan bahwa, jumlah responden terbanyak pada pendapatan Rp 2.450.000 Rp 29.018.750 yaitu sebesar 62 respoden. Jumlah
rata-rata responden pada pendapatan Rp 29.018.750 Rp 55.587.500 yaitu 23 responden. Jumlah responden paling sedikit dengan modal usaha Rp 135.293.750
Rp 161.862.500 yaitu 0 responden atau tidak terdapat responden.
1.4. Uji Asumsi Klasik
Uji asumsi klasik bertujuan agar mendapatkan model penelitian valid yang dapat dilakukan dengan melakukan estimasi. Pengujian asumsi klasik ini terdiri dari uji
normalitas, uji multikolinieritas, uji autokorelasi dan uji heteroskedastisitas dengan menggunakan teknik analisis SPSS 17.
1.4.1. Uji Normalitas
Pengujian normalitas dalam penelitian ini menggunakan
Uji Kolmogorov Smirnov
untuk mengetahui residual dalam model regresi menyebar normal atau tidak. Kriteria pengujian normalitas menggunakan probabilitas, yaitu:
1. Jika probabilitas 0,05 maka residual berdistribusi normal.
2. Jika probabilitas 0,05 maka residual berdistribusi tidak normal.
Tabel 4.9 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
111 Normal Parameters
a,,b
Mean .0000000
Std. Deviation 8.47169047E5
Most Extreme Differences Absolute
.069 Positive
.069 Negative
-.050 Kolmogorov-Smirnov Z
.728 Asymp. Sig. 2-tailed
.664 a. Test distribution is Normal.
b. Calculated from data. Sumber : Lampiran 4
Berdasarkan output Tabel 4.9 menunjukkan bahwa nilai signifikansi sebesar 0,664 lebih besar dari 0,05 sehingga dapat disimpulkan bahwa data yang
di uji berdistribusi normal.
1.4.2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian ada tidaknya korelasi antar variabel independen digunakan
Tolerance Value
dan
Variance Inflation Factor
VIF. Tabel 4.10
Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1Constant -117191.039 765627.772
-.153 .879 Modal Usaha
1.021 .002
.994 486.640 .000 .822 1.217
Tenaga Kerja 169339.995 109034.939
.003 1.553 .123
.849 1.177 Jam Kerja
199469.418 60019.565
.007 3.323 .001
.864 1.158 Lama Usaha
115041.405 24043.514
.010 4.785 .000
.796 1.257 a. Dependent Variable: Pendapatan
Sumber : Lampiran 4
Berdasarkan output Tabel 4.10 menunjukkan bahwa Nilai Tolerance variabel Modal Usaha, Tenaga Kerja, Jam Kerja dan Lama Usaha masing-masing
0,822; 0,849; 0,864 dan 0,796 lebih besar dari 0,10. Sementara itu, Nilai VIF variabel Modal Usaha, Tenaga Kerja, Jam Kerja dan Lama Usaha masing-masing
1,217; 1,177; 1,158 dan 1,257 lebih kecil dari 10,00. Sehingga dapat disimpulkan bahwa variabel yang digunakan tidak terjadi multikolinieritas.
1.4.3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu residual pada periode t dengan kesalahan
pada periode t-1 sebelumnya Ghozali, 2013;110. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Tabel 4.11 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .995
a
.991 .990
.04682 1.787
a. Predictors: Constant, Lama Usaha, Jam Kerja, Tenaga Kerja, Modal Usaha b. Dependent Variable: Pendapatan
Sumber : Lampiran 4
Berdasarkan output Tabel 4.11 menunjukkan bahwa nilai DW 1,787, selanjutnya nilai ini akan dibandingkan dengan nilai table signifikansi 5, jumlah
sampel N = 111 dan jumlah variabel independen 4 K = 4 = 4.111 pada tabel Durbin Watson maka diperoleh nilai du 1,765. Nilai DW 1,787 lebih besar dari
batas atas du yakni 1,765 dan kurang dari 4-du 4 - 1,765 = 2,235 sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi.
dl du 4-du 4-dl
1,616 1,765 1,787 2,235 2,384
Gambar 4.2 Kurva Durbin Watson
daerah keraguan
daerah keraguan
ada autokorelasi
positif ada
autokorelasi negatif
Tidak ada Autokorelasi
1.4.4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dan residual satu pengamatan ke pengamatan lain.
Uji heteroskedastisitas dilakukan dengan menggunakan uji Glejer yang meregres absolute residual terhadap variabel bebas yang berpengaruh tidak signifikan
terhadap variabel terikat absolut Ut maka tidak terjadi heteroskedastisitas Ghozali, 2013;143.
Tabel 4.12 Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
-229112.450 454530.101
-.504 .615
Modal Usaha .000
.001 -.070
-.666 .507
Tenaga Kerja 61869.311
64730.752 .098
.956 .341
Jam Kerja 60134.021
35631.804 .172
1.688 .094
Lama Usaha 8991.137
14273.909 .067
.630 .530
a. Dependent Variable: RES2 Sumber : Lampiran 4
Berdasarkan hasil pengujian pada Tabel 4.12 diperoleh nilai signifikansi 4 empat variabel independen terhadap variabel bebas absolut residual tidak ada
yang mengalami gejala heteroskedastisitas atau nilai signifikansi semua berada diatas 0,05.
1.5. Analisis Regresi Linear Berganda
