59 Model analisis :
LogY = α + β1LogX1 + β2LogX2 + β3LogX3 + μ
Hasilnya :
LogY = 6.110250 + 0.343551 LogX1 + 0.371683 LogX2 − 0.190061 LogX3 + µ
R-squared = 0.520596; F-statistic = 26.78615
Pengujian di antara masing – masing variabel dependen sebagai berikut: log X1 =
α + β2log X2 + β3log X3 + μ………………………… 1 R-squared = 0.490910 ; F-statistic = 36.16089
log X2 = α + β1log X1 + β3log X3 + μ………………………… 2
R-squared = 0.308608 ; F-statistic = 16.73843 log X3 =
α + β1log X1 + β2log X2 + μ………………………… 3 R-squared = 0.304345 ; F-statistic = 16.40605
Dari hasil regresi diantara variabel dependen terlihat bahwa koefisien determinasinya masih lebih kecil dari koefisien determinasi dari hasil regresi
antara variabel dependen Y dengan variabel independen, yaitu sebesar 52,06. Hal ini berarti bahwa diantara variabel independen tidak terdapat
multikolinearitas.
4.5.4 Uji Heteroskedastisitas
Heteroskedastisitas terjadi apabila varians σ
2
dari faktor pengganggu µ
tidak samatidak konstan untuk semua observasi atas variabel bebas X. Jika nilai X meningkat maka sebaran Y makin lebar atau makin sempit.
Untuk menguji Heteroskedastisitas dapat dilakukan dengan Uji White
sebagai berikut:
Universitas Sumatera Utara
60
White Heteroskedasticity Test: F-statistic
1.632759 Prob. F9,68 0.123433
ObsR-squared 13.86056 Prob. Chi-Square9
0.127373 Test Equation:
Dependent Variable: RESID2 Method: Least Squares
Date: 021710 Time: 10:55 Sample: 1 78
Included observations: 78 Variable
Coefficient Std. Error
t-Statistic Prob.
C -10.68128
7.569809 -1.411037
0.1628 LogX1
1.557641 1.487253
1.047328 0.2987
LogX12 -0.044550
0.074708 -0.596315
0.5529 LogX1LogX2
0.060749 0.159908
0.379901 0.7052
LogX1LogX3 -0.172618
0.105192 -1.640976
0.1054 LogX2
-0.748665 1.833113
-0.408412 0.6843
LogX22 -0.010746
0.102911 -0.104422
0.9171 LogX2LogX3
0.024369 0.184442
0.132124 0.8953
LogX3 1.162335
0.852182 1.363951
0.1771 LogX32
0.131715 0.054013
2.438573 0.0174
R-squared 0.177699 Mean dependent var
0.086509 Adjusted R-squared
0.068866 S.D. dependent var 0.205496
S.E. of regression 0.198294 Akaike info criterion
-0.278925 Sum squared resid
2.673789 Schwarz criterion 0.023217
Log likelihood 20.87808 F-statistic
1.632759 Durbin-Watson stat
2.150117 ProbF-statistic 0.123433
Dari hasil diatas yang harus diperhatikan ObsR-squared dan juga nilai Probability-nya. Apabila nilai Probability lebih rendah dari 0,05 berarti terdapat
Heteroskedastisitas pada hasil estimasi. Sebaliknya, apabila nilai Probability-nya lebih tinggi dari 0,05, maka hasil estimasi tidak terkena Heteroskedastisitas. Dan
dari pengamatan yang dilakukan terhadap hasil estimasi di atas tidak ditemukan adanya Heteroskedastisitas.
Universitas Sumatera Utara
61
BAB V KESIMPULAN DAN SARAN
5.1 KESIMPULAN
Dari hasil pembahasan dalam BAB IV, dapat ditarik kesimpulan mengenai beberapa faktor yang mempengaruhi pendapatan pedagang di Pasar Petisah
Medan: a.
Bahwa variabel-variabel independen yaitu X1 Modal Usaha, X2 Jumlah Tenaga Kerja, X3 Lama Usaha dapat memberikan pengaruh terhadap
variabel dependen Y Pendapatan Pedagang di Pasar Petisah Medan sebesar 52,06 sedangkan sisanya yaitu sebesar 47,94 dijelaskan oleh
variabel lain µ error term yang tidak dimasukkan ke dalam model estimasi.
b. Variabel X1 Modal Usaha mempunyai pengaruh nyata terhadap variabel
dependen Y Pendapatan Pedagang di Pasar Petisah Medan. Hal ini tampak pada nilai dimana t-hitung t-tabel 4.738213 2.650. Itu berarti
variabel X1 Modal Usaha mempunyai pengaruh yang signifikan terhadap Pendapatan Pedagang di Pasar Petisah Medan pada tingkat kepercayaan
99, dimana dengan meningkatnya modal maka pedagang dapat meningkatkan jumlah output produksi. Peningkatan output produksi dapat
meningkatkan pendapatan mereka. c.
Variabel X2 Jumlah Tenaga Kerja mempunyai pengaruh nyata terhadap variabel dependen Y Pendapatan Pedagang di Pasar Petisah Medan. Hal
ini tampak pada nilai dimana t-hitung t-tabel 3.822917 2.650. Itu
Universitas Sumatera Utara