satu cara untuk mengobatinya adalah dengan menghilangkan salah satu atau beberapa variabel bebasnya Ghozali, 2001. Dengan demikian dalam analisis
selanjutnya variabel bebas yang tidak diuji dalam penelitian ini adalah Tambahan Modal X
4
.
1. Multikolinieritas
Multikolinieritas berarti terjadi korelasi mendekati sempurna antarvariabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-
variabel ini tidak orthogonal. Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation
Factor VIF. Dari hasil pengujian terhadap gejala mulitikolinieritas diperoleh
hasil sebagai berikut : Tabel 4.6
Hasil uji Multikolinieritas Variabel bebas
Tolerance VIF
Jumlah Anggota X
1
0,250 3,994
Jumlah Pinjaman X
2
0,273 3,665
Jumlah Simpanan X
3
0,755 1,324
Sumber : lampiran 4 Dari tabel di atas dapat diketahui bahwa nilai VIF untuk variabel bebas
mempunyai nilai VIF lebih kecil dari 10 Ghozali, 2001:57, yang berarti bahwa pengujian asumsi klasik dalam penelitian ini sudah terbebas dari
penyimpangan multikolinier. Maka selanjutnya dilakukan analisis selanjutnya dengan tiga variabel bebas dan satu variabel terikat
2. Autokorelasi
Autokorelasi adalah korelasi antara data observasi yang diurutkan berdasarkan waktu urut time series atau data yang diambil pada waktu
tertentu data cross sectorial. Dalam konteks regresi, model regresi linier mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam
disturbansi atau nilai pengganggu. Jadi uji autokorelasi bertujuan menguji apakah dalam model regresi ada korelasi antara kesalahn pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Identifikasi gejala autokorelasi dapat dilakukan dengan kurva di bawah ini.
Gambar 4.1 : Distribusi Daerah Keputusan Autokorelasi
D ae
ra h
ke ra
g u
-ra gua
n
D ae
ra h
K era
g u
-ra gua
n
Berdasarkan gambar diatas dapat diketahui bahwa distribusi daerah penentuan keputusan dimulai dari 0 nol sampai 4 empat. Dan dapat
disimpulkan karena nilai dari analisis sebesar 2,014 berada pada daerah keragu-raguan, artinya dapat diartikan tidak ada autokorelasi sehingga dapat
diputuskan bahwa telah terbebas dari penyimpangan autokorelasi 3.
Heteroskedastisitas
Maksud dari penyimpangan heteroskedastisitas adalah variabel independen adalah tidak konstan berbeda untuk setiap nilai tertentu variabel
independen. Hal ini bisa diidentifikasikan dengan cara menghitung korelasi
Tidak Ada Autokorelasi
A d
a A
u toko
re la
si
ne ga
ti f
A d
a A
u toko
re la
si
P o
si ti
f
D.W = 2,014
4-dl = 4-du =
dl = 0,933
du = 1,695
2,305 3,067
Rank Spearman antara residual dengan seluruh variabel independen atau yang menjelaskan dimana nilai signifikansi yang diperoleh harus lebih besar dari
0,05. Hasil pengujian heteroskedastisitas pada penelitian ini dapat dilihat
pada tabel berikut ini :
Tabel 4.7. Hasil Pengujian Heteroskedastisitas
Variabel Nilai mutlak
dari residual Taraf
Signifikansi
Jumlah Anggota X
1
0,073 0,772 Jumlah Pinjaman X
2
0,315 0,203
Jumlah Simpanan X
3
0,164 0,515
Sumber : lampiran 5 Berdasarkan tabel diatas dapat diketahui bahwa, tingkat signifikan
koefisien Rank Spearman untuk semua variabel bebas terhadap residual adalah lebih besar dari 0,05 yang berarti pada model regresi ini tidak terjadi
heteroskedastisitas. 4.3.2.2.Hasil Pengujian Hipotesis
A. Uji Normalitas
Uji normalitas data digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal yang dapat dilakukan dengan berbagai metode
diantaranya adalah uji regresi OLS Ordinary least Square, dimana distribusi sampling dari regresi OLS tergantung pada distribusi residual e, apabila residual
e berdistribusi normal dengan sendirinya bo dan b
1
juga berdistribusi normal. Gujarati, 1995:66
Komponen penganggu e harus tersebar mengikuti sebaran normal dengan nilai tengah = 0 dengan varian sebesar
σ
2
. Uji normalitas dapat dilakukan dengan berbagai metode diantaranya adalah Kolmogorov Smirnov.
Dalam regresi OLS b dan b
1
adalah fungsi linier dari Y dan Y adalah fungsi linier dari u
I
residual. Berikut hasil uji normalitas:
Tabel 4.8. Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
18 ,0000000
75442884,82 ,209
,209 -,090
,885 ,413
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber: lampiran 6 Berdasarkan tabel diatas dapat diketahui bahwa nilai statistik
Kolmogorov-Smirnov yang diperoleh mempunyai taraf signifikan yang lebih dari dari 0,05 yaitu sebesar 0,413, dimana nilai tersebut telah sesuai dengan
kriteria bahwa sebaran data disebut berdistribusi normal apabila memiliki taraf
signifikan 0,05. Hal ini membuktikan bahwa semua variabel yang diteliti berdistribusi normal.
B. Uji F
Uji F Untuk menguji kecocokan atau kesesuaian model yang digunakan dalam penelitian tentang pengaruh variabel X terhadap Y. Hasil pengujian
hipotesis dengan menggunakan uji F adalah sebagai berikut:
Tabel 4.9. Hasil Uji F
ANOVA
b
84771798803098100,0 3
28257266267699390 4,089
,028
a
96757690787865400,0 14
6911263627704670,0 181529489590963600
17 Regression
Residual Total
Model 1
Sum of Squares df
Mean Square F
Sig.
Predictors: Constant, Jumlah Pinjaman, Jumlah Simpanan, Jumlah Anggota a.
Dependent Variable: SHU b.
Sumber: Lampiran 4 Berdasarkan hasil pengujian diketahui bahwa nilai F
hitung
yang diperoleh adalah sebesar 4,089 dengan taraf signifikan sebesar 0,028 lampiran 5. Karena
taraf signifikansi yang lebih kecil dari 0,05, maka model regresi yang dihasilkan dalam penelitian ini telah cocok digunakan dalam untuk menguji hipotesis yang
diajukan. Berdasarkan hasil pengujian diketahui bahwa secara bersama-sama
variabel Jumlah Anggota X
1
, Jumlah Pinjaman X
2
dan Jumlah Simpanan X
3
terhadap Sisa Hasil Usaha Y memiliki nilai koefisien korelasi R sebesar 0,683 lampiran 4. Hal tersebut menunjukkan adanya korelasi yang kuat antara variabel
Jumlah Anggota X
1
, Jumlah Pinjaman X
2
dan Jumlah Simpanan X
3
terhadap Sisa Hasil Usaha Y, sedangkan besarnya nilai koefisien determinasi R
2
adalah 0,467 lampiran 4 yang berarti bahwa variabel Jumlah Anggota X
1
, Jumlah Pinjaman X
2
dan Jumlah Simpanan X
3
mampu menjelaskan perubahan pada variabel Sisa Hasil Usaha Y sebesar 46,7 dan sisanya sebesar 53,3
dijelaskan oleh variabel lain yang tidak dibahas dalam masalah penelitian ini.
C. Uji t
Adapun hasil dari pengujian dengan menggunakan uji t adalah sebagai berikut:
Tabel 4.10. Hasil Uji t
Coefficients
a
662750624 172900999,3 3,833
,002 -4969751,56 1480364,339
-1,309 -3,357
,005 -,261
-,668 -,655
,250 3,994
-2,180 ,678
-1,201 -3,215
,006 -,131
-,652 -,627
,273 3,665
,086 ,084
,229 1,020
,325 -,143
,263 ,199
,755 1,324
Constant Jumlah Anggota
Jumlah Simpanan Jumlah Pinjaman
Model 1
B Std. Error
Unstandardized Coefficients Beta
Standardized Coefficients
t Sig.
Zero-order Partial
Part Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: SHU a.
Sumber: Lampiran 4 Sedangkan untuk pengaruh nyata tidaknya masing-masing variabel dapat
dijelaskan sebagai berikut : 1.
Pengaruh Jumlah Anggota X
1
terhadap Sisa Hasil Usaha Y Nilai koefisien korelasi r parsial variabel Jumlah Anggota X
1
dengan Sisa Hasil Usaha Y adalah sebesar -0,668. Sedangkan nilai koefisien determinasi
atau pengaruh r
2
parsial variabel Jumlah Anggota X
1
dengan Sisa Hasil Usaha Y adalah sebesar -0,668
2
= 0,446 atau 44,6. Jadi pengaruh yang telah diberikan antara Variabel Jumlah Anggota X
1
dengan Sisa Hasil Usaha Y sebesar 44,6. Sedangkan nilai t
hitung
yang diperoleh adalah - 3,357 dengan taraf signifikan sebesar 0,005. Karena taraf signifikan yang
diperoleh lebih kecil dari 0,05, maka secara nyata Jumlah Anggota X
1
berpengaruh secara signifikan terhadap Sisa Hasil Usaha Y.
2. Pengaruh Jumlah Simpanan X
2
terhadap Sisa Hasil Usaha Y Nilai koefisien korelasi r parsial variabel Jumlah Simpanan X
2
dengan Sisa Hasil Usaha Y adalah sebesar -0,652. Sedangkan nilai koefisien
determinasi atau pengaruh r
2
parsial variabel Jumlah Simpanan X
2
terhadap Sisa Hasil Usaha Y adalah sebesar -0,652
2
= 0,425 atau 42,5. Jadi pengaruh yang telah diberikan antara variabel Jumlah Simpanan X
2
dengan Sisa Hasil Usaha Y sebesar 42,5. Sedangkan nilai t
hitung
yang diperoleh adalah -3,215 dengan taraf signifikan sebesar 0,006. Karena taraf
signifikan yang diperoleh lebih kecil dari 0,05, maka secara nyata Jumlah Simpanan X
2
berpengaruh secara signifikan terhadap Sisa Hasil Usaha Y. 3.
Pengaruh Jumlah Pinjaman X
3
terhadap Sisa Hasil Usaha Y Nilai koefisien korelasi r parsial variabel Jumlah Pinjaman X
3
dengan Sisa Hasil Usaha Y adalah sebesar 0,263. Sedangkan nilai koefisien
determinasi atau pengaruh r
2
parsial variabel Jumlah Pinjaman X
3
terhadap Sisa Hasil Usaha Y adalah sebesar 0,263
2
= 0,069 atau 6,9. Jadi pengaruh yang telah diberikan antara variabel Jumlah Pinjaman X
3
dengan Sisa Hasil Usaha Y sebesar 6,9. Sedangkan nilai t
hitung
yang diperoleh adalah 1,020 dengan taraf signifikan sebesar 0,325. Karena taraf
signifikan yang diperoleh lebih besar dari 0,05, maka secara nyata Jumlah Pinjaman X
3
tidak berpengaruh secara signifikan terhadap Sisa Hasil Usaha Y.
D. Teknik Analisis
Berdasarkan hasil pengujian dengan menggunakan regresi linier berganda dengan bantuan program SPSS diperoleh persamaan regresi sebagai berikut
lampiran 7 :
Tabel 4.11. Tabel Hasil Uji Regresi Linier Berganda
Coefficients
a
662750624 172900999,3
3,833 ,002
-4969751,56 1480364,339
-1,309 -3,357
,005 -,261
-,668 -,655
,250 3,994
-2,180 ,678
-1,201 -3,215
,006 -,131
-,652 -,627
,273 3,665
,086 ,084
,229 1,020
,325 -,143
,263 ,199
,755 1,324
Constant Jumlah Anggota
Jumlah Simpanan Jumlah Pinjaman
Model 1
B Std. Error
Unstandardized Coefficients Beta
Standardized Coefficients
t Sig.
Zero-order Partial
Part Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: SHU a.
Sumber: lampiran 4
Y= 662750624 – 4969751,56 X
1
- 2,180 X
2
+ 0,086 X
3
Berdasarkan persamaan regresi diatas mempunyai arti bahwa: b
= Konstanta = 662750624 Apabila variabel Jumlah Anggota X
1
, Jumlah Pinjaman X
2
dan Jumlah Simpanan X
3
adalah konstan atau sama dengan nol, maka nilai Sisa Hasil Usaha Y adalah sebesar 662750624.
b
1
= Koefisien regresi untuk X
1
= – 4969751,56 Menunjukkan besarnya nilai koefisien regresi untuk variabel Jumlah
Anggota X
1
yaitu 4969751,56 dan mempunyai koefisien regresi negatif. Hal ini menunjukkan terjadinya perubahan yang berlawanan
arah dengan variabel terikat. Jadi setiap ada kenaikan pada variabel Jumlah Anggota X
1
sebesar 1 satuan, dapat menurunkan nilai Sisa Hasil Usaha Y sebesar 4969751,56 dan sebaliknya apabila terjadi
penurunan pada variabel Jumlah Anggota X
1
sebesar 1 satuan, dapat meningkatkan pula Sisa Hasil Usaha Y sebesar 4969751,56 dengan
asumsi bahwa variabel Jumlah Pinjaman X
2
dan Jumlah Simpanan X
3
adalah konstan. b
2
= Koefisien regresi untuk X
2
= - 2,180 Menunjukkan besarnya nilai koefisien regresi untuk variabel Jumlah
Pinjaman X
2
yaitu 2,180 dan mempunyai koefisien regresi negatif. Hal ini menunjukkan terjadinya perubahan yang berlawanan searah
dengan variabel terikat. Jadi setiap ada kenaikan pada variabel Jumlah Pinjaman X
2
sebesar 1 satuan, dapat menurunkan Sisa Hasil Usaha Y sebesar 2,180 dan sebaliknya apabila terjadi penurunan pada
variabel Jumlah Pinjaman X
2
sebesar 1 satuan, dapat meningkatkan Sisa Hasil Usaha Y sebesar 2,180 pula dengan asumsi bahwa variabel
Jumlah Anggota X
1
dan Jumlah Simpanan X
3
adalah konstan. b
3
= Koefisien regresi untuk X
3
= 0,086 Menunjukkan besarnya nilai koefisien regresi untuk variabel Jumlah
Simpanan X
3
yaitu 0,086dan mempunyai koefisien regresi positif. Hal ini menunjukkan terjadinya perubahan yang searah dengan
variabel terikat. Jadi setiap ada kenaikan pada variabel Jumlah Simpanan X
3
sebesar 1 satuan, dapat meningkatkan Sisa Hasil Usaha Y sebesar 0,086 dan sebaliknya apabila terjadi penurunan pada
variabel Jumlah Simpanan X
3
sebesar 1 satuan, dapat menurunkan Sisa Hasil Usaha Y sebesar 0,086 pula dengan asumsi bahwa
variabel Jumlah Anggota X
1
dan Jumlah Pinjaman X
2
adalah konstan.
4.4. Pembahasan
Berdasarkan hasil pengujian di atas maka uji kecocokan model yang digunakan dalam penelitian ini menunjukkan bahwa model regresi yang
dihasilkan dalam penelitian ini telah cocok digunakan dalam untuk menguji hipotesis yang diajukan, dan dapat diketahui bahwa secara bersama-sama variabel
Jumlah Anggota X
1
, Jumlah Pinjaman X
2
dan Jumlah Simpanan X
3
berpengaruh terhadap Sisa Hasil Usaha Y. Apabila diamati dari hasil uji signifikan uji t dapat diketahui bahwa
secara parsial variabel jumlah anggota berpengaruh dan paling dominan terhadap variabel sisa hasil usaha Koperasi Waru Buana Putra, akan tetapi hasil tersebut
bertanda negatif yang berarti apabila semakin tinggi jumlah anggota maka akan semakin rendah sisa hasil usaha yang diterima oleh anggota. Hal tersebut dapat
disebabkan karena meskipun koperasi tersebut memiliki banyak anggota dan simpanan yang digunakan untuk modal pinjaman, akan tetapi pinjaman yang
diberikan tersebut banyak yang bermasalah atau tidak terbayarkan sehingga untuk menutupi kendala tersebut perusahaan mengambil kebijakan dengan memotong
SHU dari para anggota. Untuk itu, dapat diambil benang merah bahwa banyaknya jumlah anggota belum tentu akan semakin meningkatkan jumlah SHU anggota
jika perusahaan tidak mampu mengontrol aktivitas yang dilakukan. Hasil tersebut tidak dapat mendukung teori yang dikemukakan oleh Kertasapoetra 1993: 153
yang menyatakan bahwa dalam usaha pemupukan modal koperasi merupakan suatu cara yang baik untuk mengajak para anggota untuk meningkatkan jumlah
