Sumber: PT Mutiara Unggul Lestari
B. Analisis Hasil Penelitian 1. Analisis Statistik Deskriptif
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata, dan standart deviasi untuk data yang digunakan dalam
penelitian
Tabel 4.3 Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation
Harga_Jual 36
3352 9213
5650.67 1857.839
HPP 36
2100 5291
3904.00 1068.830
Valid N listwise
36
Berdasarkan data dari tabel 4.3 dapat dijelaskan bahwa:
a. variabel harga jual memiliki jumlah sampel N sebanyak 36, dengan nilai
minimum terkecil 3352, nilai maksimum terbesar 9213 dan mean nilai rata-rata 5650, Standart Deviation simpangan baku variabel ini adalah
1857.83,
b. variabel harga pokok produksi memiliki jumlah sampel N sebanyak 36,
dengan nilai minimum terkecil 2100, nilai maksimum terbesar 5291 dan mean nilai rata-rata 3904, Standart Deviation simpangan baku
variabel ini adalah 1068.83, Oktober
3800 6650
4410 November 4191
6998 4217
Desember 4691 7231
4832
Universitas Sumatera Utara
c. jumlah sampel yang digunakan ada sebanyak 36 buah. 2. Hasil Uji Asumsi Klasik
Salah satu syarat yang menjadi dasar penggunaan model regresi sederhana dengan metode Ordinary Least Square OLS adalah dipenuhinya semua asumsi
klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased EstimatorBLUE. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan
bantuan program statistik.
Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah:
• berdistribusi normal,
• non-multikolinearitas, artinya antara variabel independen dalam model regresi
tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna,
• non-autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling
korelasi, •
homoskedasitas, artinya variance variabel independen dari satu pengamatan ke pengamatan yang lain adalah konstan atau sama.
a. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak, dengan membuat
hipotesis sebagai berikut: H
o
: data residual terdistribusi normal
H
a
: data residual terdistribusi tidak normal Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada penelitian ini akan digunakan kedua cara tersebut.
1
Analisis Grafik
Universitas Sumatera Utara
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal.
Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data
dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-P Plot
Universitas Sumatera Utara
Dengan melihat tampilan grafik histogram, kita dapat melihat bahwa gambarnya telah berbentuk lonceng yang menunjukkan bahwa data telah
terdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik menyebar di sekitar garis diagonal dan tidak jauh dari garis diagonal. Kedua grafik tersebut
menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas.
2 Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05
maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.4. Tabel 4.4
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parameters
a
Mean .0000000
Std. Deviation 1.35517041E3
Most Extreme Differences
Absolute .122
Positive .106
Negative -.122
Kolmogorov-Smirnov Z .731
Asymp. Sig. 2-tailed .659
a. Test distribution is Normal.
Universitas Sumatera Utara
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parameters
a
Mean .0000000
Std. Deviation 1.35517041E3
Most Extreme Differences
Absolute .122
Positive .106
Negative -.122
Kolmogorov-Smirnov Z .731
Asymp. Sig. 2-tailed .659
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,659 Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat
digunakan untuk melakukan uji-t karena 0,659 0,05 H diterima.
b. Hasil Uji Heteroskedastisitas
