Metode Analisis Data

E. Metode Analisis Data

Dalam penelitian ini digunakan alat analisis Regresi Linier Berganda dengan metode Ordinary Least Square (OLS) adapun model yang digunakan adalah sebagai berikut:

Y=α 0 +α 1 X 1 +α 2 X 2 +α 3 X 3 +α 4 X 4 + DM + ei

Dimana: Y

= Keuntungan

X 1 = Modal

X 2 = Jam Berdagang

X 3 = Pengalaman Berdagang

X 4 = Tenaga Kerja Dm = Dummy Variabel

0 = batik

1 = souvenir

2 = makanan α 0 = konstanta

ei = variabel pengganggu

1. Uji Statistik

Untuk memperoleh hasil regresi yang terbaik secara statistik disebut BLUE (Best Linier Unbiased Estimator) beberapa kriteria untuk

memenuhi criteria BLUE adalah 1) Uji F, 2)Uji t 3) Uji R 2 (Sulaiman, memenuhi criteria BLUE adalah 1) Uji F, 2)Uji t 3) Uji R 2 (Sulaiman,

Menurut Ghozali (2001: 4) untuk mengukur ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari nilai statistic goodness of fit nya. Secara statistik, nilai statistic goodness of fit nya dapat diukur dari nilai statistik t, nilai statistik F, dan koefisien determinasinya. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana H0 ditolak). Sebaliknya disebut tidak signifikan apabila nilai uji statistiknya berada dalam daerah dimana H0 diterima. Dalam pengujian hipotesis ini dapat dilakukan dengan tiga cara, yaitu:

a. Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji t adalah pengujian secara sendiri-sendiri terhadap semua koefisien regresi.

1) Hipotesis: H0: β1 = 0

2) t tabel =t α/2 : N-K Dimana:

α = derajat signifikansi = 5% ; α = 0,0 N = jumlah sampel (observasi)

Ho ditolak

Ho ditolak

H 0 diterima

tabel -t

t tabel

3) – t tabel ≤ t hitung ≤ t tabel , H0 diterima dan Ha ditolak. Kesimpulannya β 1 sama dengan nol (β 1 tidak signifikan pada

tingkat α). Dapat dikatakan bahwa X 1 secara statistik tidak

penting (tidak berpengaruh terhadap Y pada tingat α)

4) t hitung ≤ -t tabel atau t hitung ≥ t tabel , H0 ditolak dan Ha diterima. Kesimpulannya β 1 berbeda dengan nol (β 1 tidak signifikan pada tingkat α). Dapat dikatakan bahwa X 1 secara statistik penting (berpengaruh terhadap Y pada tingkat α)

5) Cara lain yang dapat digunakan untuk menguji signifikan tidaknya koefisien regresi adalah dengan melihat p-value dari hasil print-out software pengolahan data. Jika p-value > 0,05, maka H0 diterima ; tidak signifikan. Jika p-value < 0,05, maka H0 ditolak ; signifikan.

b. Uji Signifikan Simultan

Uji F digunakan untuk menguji signifikansi secara bersama-sama semua koefisien regresi.

1) Hipotesis: H0 : β 1 =β 2 =β 3 =β 4 =0

3) F tabel =F α, N-K, K-1

4) F hitung =F statistic

5) F hitung < F tabel ; H0 diterima, Ha ditolak. Kesimpulannya adalah bahwa β 1 , β 2 , β 3 , β 4 tidak sama dengan nol. Dalam hal ini dapat

dikatakan bahwa semua koefisien regresi secara bersama-sama tidak signifikan pada tingkat α.

6) F hitung > F tabel ; H0 ditolak, Ha diterima. Kesimpulannya adalah bahwa β 1 , β 2 , β 3 , β 4 tidak sama dengan nol. Dalam hal ini dapat

dikatakan bahwa semua koefisien regresi secara bersama-sama tidak signifikan pada tingkat α.

c. Koefisien

Determinan (R 2 )

Koefisien determinasi (R 2 ), dapat digunakan untuk mengetahui

berapa persen (%) variasi variabel dependen dapat dijelaskan oleh variabel independen. Ini bertujuan untuk mengetahui tingkat ketepatan yang paling baik dalam analisis regresi, yang ditunjukan oleh besarnya

koefisien determinasi R 2 adjusted antara nol dan satu. Koefisien

determinasi nol berarti variabel independen bila mendekati satu berarti

Ho Diterima Ho Ditolak

F tabel

d. Koefisien Korelasi

Untuk mengetahui keeratan dependen (kuat lemahnya) hubungan antara variabel dependen dengan variabel independen.

1) Jika 0,7 ≤ r ≤ 1, maka hubungan antara variabel X dan Y adalah kuat (khusus untuk 0,9 ≤ r ≤1 hubungan tersebut sangat kuat)

2) Jika 0,5 ≤ r ≤ 0,7, maka hubungan antara variabel X dan Y dapat dikatakan sedang.

3) Jika 0,1 ≤ r ≤ 0,5, maka hubungan antara variabel X dan Y dapat dikatakan lemah.

2. Uji Asumsi Klasik

a. Uji Multikoliniearitas

Mutikolinearitas adalah masalah yang timbul berkaitan dengan adanya hubungan linier di antara variabel-variabel penjelas. Uji Multikolinearitas digunakan untuk mengetahui terjadi tidaknya korelasi diantara variabel independen dalam proses regresi. Jika dalam model terdapat multikolinearitas maka model tersebut memiliki kesalahan standar yang besar sehingga koefisien tidak dapat ditaksir dengan ketepatan tinggi.

Untuk menguji bermasalah atau tidaknya multikolinearitas, dilakukan pengujian dengan metode klein, yaitu membandingkan nilai (r 2 ) dengan nilai R 2 . Apabila nilai R 2 > (r 2 ) berarti terjadi gejala multikolinearitas.

b. Uji Heterokedastisitas

Heterokedastisitas adalah kondisi dimana sebaran atau varian faktor pengganggu (disturbance) tidak konstan sepanjang observasi. Heterokedastisitas terjadi jika muncul gangguan dalam fungsi regresi yang tidak sama sehingga penaksir OLS tidak efisien baik dalam sampel kecil ataupun besar (tetapi masih tetap tidak bisa dan konsiten).

Untuk menguji adanya masalah asumsi heteroskedastisitas, digunakan uji white-heteroskedasticity yang diperoleh dalam program Eviews. Apabila nilai OBS*R 2 lebih kecil dari X 2 maka tidak signifikan secara statistik. Berarti model tersebut tidak terdapat masalah heteroskedastisitas.

c. Uji Autokorelasi

Autokorelasi adalah keadaan dimana terdapat trend di dalam variabel yang diteliti sehingga mengakibatkan e juga mengandung trend. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Autokorelasi terjadi adanya korelasi yang kuat antara et dengan series et-1. Dengan kata lain, data berkorelasi dengan dirinya sendiri (Kuncoro, 2001: 106)

Prosedur uji autokorelasi mengikuti kerangka sebagai berikut:

1) Lakukan regresi dengan OLS dan diperoleh nilai residual e

2) d= 2

ei

ei ei S

3) Bandingkan dengan tabel d sesuai dengan n (besar sampel), dan alpha (derajat uji), gunakan alpha 5% dan dalam label terdapat dL dan dU;d) jika d<dL atau d > dan 4-dL, maka signifikan terdapat autokorelasi.

4) Jika d>dU atau d<4-dU, berarti tidak terdapat autokorelasi. Jika nilai d berada di antara dU dan dL, uji Durbin Waston menyatakan sebagai daerah tidak dapat disimpulkan.

Autokorelasi Autokorelasi

negatif

Positif Ragu-ragu Tidak ada Ragu-ragu korelasi

0 dL

dU

4-dU

4-dL