Tabel 4.17 Dalam Etika Bisnis Islam tidak diperbolehkan adanya pemaksaan
Pernyataan Frekuensi Persentase
Kurang stuju 0,0
Ragu-ragu 14 14,0
Setuju 38 38,0 Sangat setuju
48 48,0
Jumlah 100 100,0
Sumber: Data Primer yang telah diolah Tabel 4.17 dapat diketahui bahwa 14 responden yang menyatakan ragu-
ragu, 38 responden yang menyatakan setuju dan 48 responden yang menyatakan sangat setuju dengan pernyataan ini. Di dalam uraian data di atas maka sebagian
besar responden 48 menyatakan bahwa para responden sangat setuju bahwa di dalam etika bisnis Islam tidak diperbolehkan adanya pemaksaan dan sudah di
realisasikan di PD Pasar Jaya Palmeriam.
D. Asumsi Klasik
Suatu model persamaan regresi yang telah di uji dan dibutuhkan dapat diterima secara ekonometrik, maka diperlukan cara sebagai estimasi yaitu dengan
menggunakan OLS metode kuadrat terkecil. Dapat dikatakan bahwa setiap penelitian tidak akan dapat menghindari pengimpangan dari asumsi kenormalan
klasik. Untuk dapat memenuhi syarat BLUE Best Linier Unbias Estimate, maka dapat diperlukan beberapa asumsi klasik sebagai berikut:
1. Uji Normalitas Uji ini bertujuan untuk menguji apakah dalam model regresi variabel
devenden dan indevenden atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Untuk mengetahui variabel dependen dan independen atau keduanya berdistribusi normal atau tidak, dapat dilihat pada gambar 4.1.
berikut. Gambar 4.1
Uji Normalitas Data
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expect ed Cum
Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Hukum Bisnis Islam
Berdasarkan gambar 4.1 diatas bahwa Normal P-P Plot of Regression Standardized Residual menunjukkan bahwa titik-titik menyebar disekitar garis
diagonal atau mengikuti arah garis diagonal, maka model regresi layak digunakan atau berdistribusi normal.
2. Uji Multikolinearitas Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan
adanya korelasi antar variabel bebas. Jika terjadi korelasi, maka terdapat multikolinearitas, dimana model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel bebas, dapat dilihat dalam tabel 4.18 dibawah ini: Table 4.18
Hasil Uji Multikolinearitas
Coefficients
a
8.870 1.329
6.673 .000
.425 .057
.599 7.405
.000 1.000
1.000 Constant
Praktek Modernisasi Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Hukum Bisnis Islam a.
Penyimpangan asumsi model klasik yang pertama adalah adanya multikolinearitas dalam model regresi yang dihasilkan. Model regresi yang bebas
dari masalah multikoliniearitas menurut Sugardito yaitu pada nilai VIF Variance Inflation Factor yaitu tidak lebih dari 10 dan tolerannya tidak kurang dari 0,1.
Jika kita lihat pada table diatas maka dapat diketahui bahwa nilai VIF sebesar 1.000 dan nilai tolerance sebesar 1.000. Maka dapat disimpulkan bahwa model
regresi terbebas dari multikolinearitas dan layak digunakan.
3. Uji Autokorelasi Hasil uji autokorelasi dapat dilihat pada tabel 4.19 dibawah ini:
Tabel 4.19 Hasil Uji Autokorelasi
Model Summary
b
.699
a
.459 .452
4.546 .628
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson Predictors: Constant, Praktek Modernisasi
a. Dependent Variable: Hukum Bisnis Islam
b.
Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana variabel dependen tidak berkorelasi dengan dirinya. Artinya bahwa nilai dari
variabel dependen tidak berhubungan dengan variabel itu sendiri, baik nilai periode sebelumnya maupun nilai periode sesudahnya.
Pada tabel 4.19 diatas dapat dilihat bahwa nilai Durbin Watson DW yang diperoleh dari hasil 0.628. Hal ini berarti angka durbin watshon berada diantara 2
sampai dengan -2. Jadi dapat disimpulkan bahwa model tersebut tidak ada atau tidak terjadi autokorelasi antara kesalahan pengganggu pada periode T dengan
kesalahan pada periode t-1 sebelumnya pada model regresi yang di buat dalam penelitian ini.
4. Uji Heterokedatisitas Masalah heteroskedastisitas terjadi apabila kesalahan atau residual pada
model yang sedang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Gejala heteroskedastisitas lebih sering terjadi
apabila regresi menggunakan data berupa silang tempat cross-section dibandingkan dengan data runtut waktu time-series.
Hasil uji heterokedastisitas dapat dilihat pada gambar dibawah ini:
Gambar 4.2 Hasil Uji Heterokedastisitas
Regression Standardized Predicted Value
2 1
-1 -2
Regression Studentiz ed Residual
4 3
2 1
-1 -2
Scatterplot Dependent Variable: Hukum Bisnis Islam
Berdasarkan gambar 4.2 diatas, Scatterplot menunjukkan penyebaran titik data sebagai berikut, menunjukkan model regresi linier sederhana terbebas dari uji
asumsi klasik heterokedastisitas, yaitu: ¾ Titik-titik data menyebar di atas dan di sekitar angka nol
¾ Titik-titik data tidak mengumpul hanya diatas atau dibawah saja ¾ Penyebaran titik-titik tidak tidak berpola
¾ Penyebaran titik-titik dan tidak boleh membentuk pola bergelombang melebar kemungkinan menyempit dan melebar kembali.
Sehinga dapat disimpulkan bahwa regresi sederhana antara Praktek Modernisasi X dengan variabel Etika Bisnis Islam Y memiliki
heterokedasitisitas.
E. Hasil Uji Statistik