3.6. Metode Analisis
Analisis yang digunakan dalam penelitian ini adalah analisis regresi berganda non linier. Adapun persamaan fungsi dasarnya adalah sebagai berikut:
Y = fX
1
, X
2
, X
3
Secara matematis model tersebut dapat dituliskan sebagai berikut:
……………………………………………
3.1
Y = β0.X1
β1
. X2
β2
. X3
β3
. eε ………………………………………. 3.2.
Untuk lebih memudahkan dalam menafsirkan koefisien regresinya, maka model tersebut dapat ditransformasikan ke dalam persamaan linier berganda:
LnY = Ln β0 + β1LnX1 + β2LnX2 + β3LnX3 + ε ….…………... 3.3.
Dimana: Y
= Jumlah tenaga kerja yang terserap orang X1
= Upah tenaga kerja rupiah per bulan X2
= Produktivitas tenaga kerja rata-rata nilai produksioutput per tenaga kerja per bulan rupiahbulan
X3 = Modal kerja rupiah per bulan
βo = Konstanta
β1, β2, β3 = Koefisien regresi X1, X2, dan X3 ε
= Faktor pengganggu disturbance error. Keuntungan dengan menggunakan logaritma natural Gujarati, 1997
adalah dapat memperkecil salah satu penyimpangan dalam asumsi OLS Ordinary Least Square yaitu heterokedastisitas, kerena logaritma natural yaitu logaritma
dengan bilangan dasar e, di mana e = 2,718. Manfaat yang lain adalah bahwa masing-masing koefisien regresi partial mengukur elastisitas dari dependen
variabel terhadap explanatori variabel.
Universitas Sumatera Utara
3.7. Pengujian Statistik Analisis Regresi 3.7.1. Koefisien Determinasi R
2
Koefisian determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara 0 dan 1 0 ≤
R
2
≤ 1. Nilai R
2
yang kecil berarti kemampuan variabel- variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Nilai yang mendekati 1 satu berarti variabel- variabel independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen Ghozali, 2001.
3.7.2.
Uji Serempak Uji Statistik F
Uji statistik F digunakan untuk menunjukkan apakah secara keseluruhan variabel independen bebas berpengaruh terhadap variabel
dependen terikat. Rumus yang digunakan dalam uji F ini adalah sebagai berikut Gujarati, 1997:
R2 k–1 F = -----------------------
1 – R2 n – k Dimana :
R
2
N = Jumlah observasi = Koefisien determinasi
k = Jumlah variabel independen termasuk konstanta Hipotesis yang digunakan untuk uji F, dirumuskan sebagai berikut:
Ho : Secara serempak X
1
, X
2
, X
3
…Xn tidak ada pengaruh signifikan terhadap Y
Universitas Sumatera Utara
Ha : Secara serempak X
1
, X
2
, X
3
Sedangkan kriterianya pengujiannya adalah: … Xn ada pengaruh signifikan terhadap Y
Bila nilai F hitung F tabel, maka Ho diterima Bila nilai F hitung F tabel, maka Ho ditolak yang berarti bahwa variabel
bebas berpengaruh signifikan secara serempak terhadap variabel terikat. Pengujian secara serempak Uji Statistik F dapat juga digunakan
perbandingan nilai signifikansi F F hitung. Dikatakan signifikan apabila nilai signifikansi F F hitung dalam regresi berganda lebih kecil dari probabilitas,
maka hipotesis nol Ho ditolak dan hipotesis alternatif Ha diterima.
3.7.3. Uji Statistik t Uji Parsial
Uji statistik t digunakan untuk mengetahui seberapa jauh hubungan satu variabel penjelas signifikan individual dalam menerangkan variabel terikatnya
Kuncoro, 2004. Uji statistik t digunakan untuk menunjukkan apakah masing- masing variabel independen berpengaruh terhadap variabel dependen. Nilai t di
formulasikan dengan rumus berikut : βt
t hitung = Se
βt Dimana :
βt = Koefisien Regresi S
eβt = Standar error koefisien regresi Hipotesis yang digunakan untuk uji t dapat dirumuskan sebagai berikut:
Ho: Secara parsial tidak ada pengaruh signifikan antara variabel independen bebas terhadap variabel dependen terikat
Ha: Secara parsial ada pengaruh signifikan antara variabel independen bebas
Universitas Sumatera Utara
terhadap variabel dependen terikat. Kriteria pengujiannya adalah sebagai berikut:
Bila t hitung t tabel, maka Ho diterima dan Ha ditolak Bila - t hitung -t tabel atau t hitung t tabel, maka Ho ditolak dan Ha diterima
Duwiconsultant, 2011, berarti bahwa secara parsial variabel bebas berpengaruh signifikan terhadap variabel terikat.
Selain itu, pengujian Statistik t Uji Parsial juga dapat dilakukan dengan membandingkan nilai signifikansi t t hitung masing-masing variabel bebas
terhadap nilai probabilitas. Apabila nilai signifikansi t t hitung lebih kecil dari nilai probabilias, maka Ho ditolak dan Ha diterima, artinya secara parsial variabel
bebas berpengaruh signifikan terhadap variabel terikat.
3.8. Uji Penyimpangan Asumsi Klasik
Dalam suatu model regresi ada beberapa permasalahan yang biasa terjadi yang secara statistik dapat mengganggu model yang telah ditentukan, bahkan
dapat menyesatkan kesimpulan yang diambil dari persamaan yang dibentuk. Untuk itu maka perlu dilakukan uji penyimpangan asumsi klasik, yang terdiri dari:
3.8.1. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah dalam model regresi, variabel terikat dan variabel bebas atau keduanya mempunyai distribusi normal
atau tidak. Model regresi yang baik adalah model regresi yang berdistribusi normal Wijaya, 2011.
Uji normalitas data dalam penelitian dilihat dengan cara memperhatikan penyebaran data titik-titik pada Normal P-Plot of Regression Standardized
Universitas Sumatera Utara
Residual dan dengan melihat Grafik Histogram dari residualnya. Persyaratan dari uji normalitas data Wijaya, 2011 adalah:
1. Jika output Grafik Histogram menunjukkan pola berdistribusi normal, maka mengindikasikan model regresi memenuhi asumsi normalitas.
2. Jika Normal P-Plot menunjukkan penyebaran data titik-titik di sekitar garis diagonal dan mengikuti arah garis diagonal maka mengindikasikan model
regresi memenuhi asumsi normalitas. Menurut Ghozali 2001, bahwa untuk mengetahui apakah data
terdistribusi normal atau mendekati normal atau bisa dianggap normal, bisa dilakukan Uji Statistik non-parametrik Kolmogorov-Smirnov, yaitu dengan
menggunakan Tabel Kolmogorov-Smirnov Test. Pengujian normalitas data dengan menggunakan Uji Kolmogorov-Smirnov dengan dasar pengambilan
keputusan melihat Tabel Kolmogorov-Smirnov Test, yaitu jika nilai signifikansi pada Kolmogorov-Smirnov Test lebih besar dari
α = 5, maka data telah
berdistribusi normal. 3.8.2. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Multikolinieritas dapat
dilihat dari nilai Variance Inflation Factor VIF dan nilai tolerance. Jika nilai VIF 10 dan nilai tolerance 0,10 maka tidak ada korelasi antar variabel
independen yang nilainya lebih dari 95 sehingga model tersebut bebas dari multikolinieritas Wijaya 2011, dan Ghozali 2001.
Menurut Wijaya 2011, untuk mendeteksi ada atau tidaknya multikolinieritas selain dengan melihat nilai VIF, juga adalah dengan
Universitas Sumatera Utara
menganalisis korelasi antar variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi di atas 0,90, maka hal ini merupakan indikasi adanya
multikolinieritas. Sedang menurut Gujarati 1997, jika pada koefisien korelasi antar dua variabel yang mempengaruhi tinggi, yaitu lebih dari 0,8 maka
multikolinieritas merupakan masalah serius.
3.8.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam suatu model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke
pengamatan yang lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas, dapat diketahui dengan melihat penyebaran data pada grafik scatterplot. Dasar
analisis Wijaya, 2011: 1. Dengan melihat apakah penyebaran data titik-titik pada scatterplot
membentuk pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit, jika terdapat maka mengindikasikan telah terjadi
heteroskedastisitas. 2. Jika penyebaran data pada scatterplot tidak terdapat pola yang jelas, serta titik-
titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadi heteroskedastisitas.
3.9. Definisi Operasional Variabel
Definisi operasional merupakan definisi yang diberikan kepada variabel penelitian dengan cara memberikan arti atau menspesifikasikan kegiatan atau
memberikan operasional yang diperlukan untuk mengukur variabel tersebut.
Universitas Sumatera Utara
1. Penyerapan tenaga kerja banyaknya jumlah tenaga kerja yang bekerja pada industri kecil konveksi pakaian jadi di Kecamatan Binjai Utara Kota Binjai
diukur dalam satuan orang.
2. Upah tenaga kerja adalah rata-rata total upah tenaga kerja per unit, yaitu rata-
rata total upah yang dibayarkan oleh pengusaha konveksi pakaian jadi kepada pekerja sebagai imbalan atas pekerjaan atau jasa yang telah dilakukannya
terhadap perusahaan untuk menghasilkan 1 unit potong pakaian jadi, diukur dalam satuan rupiah per unit potong.
3. Produktivitas tenaga kerja adalah rata-rata produktivitas per tenaga kerja, yaitu rata-rata nilai produksi output yang dihasilkan oleh setiap tenaga
kerja diukur dalam satuan rupiah per tenaga kerja per bulan. 4. Modal kerja adalah total biayadana yang digunakan untuk membiayai
kegiatan usaha sehari-hari tidak termasuk peralatan serta nilai tanah dan bangunan yang ditempati, meliputi: biaya bahan baku dan listrik, diukur
dalam satuan rupiah per bulan. 5. Industri kecil unit usaha yang melaksanakan aktivitas produksi dengan tenaga
kerja sebanyak 5 – 9 orang.
Universitas Sumatera Utara
Kategori