commit to user
28
4. Lama Usaha
Lama usaha merupakan lamanya usahawan tersebut dalam menjalankan aktivitas usahanya dengan diukur satuan tahun.
5. Lokasi Usaha
Lokasi usaha diklasifikasikan menjadi dua kategori yaitu strategis berada di pinggir jalan utamaraya, serta lokasi usaha yang tidak strategis
berada jauh dari jalan utamaraya. Lokasi usaha yang terletak dipinggir jalan utama diperkirakan lebih terjangkau oleh konsumen. Letak usaha
dinyatakan dalam dummy yaitu : D
= 0 : tidak strategis jauh dari jalan utama D = 1 : strategis
E. Analisis Data
Untuk menganalisis faktor-faktor yang mempengaruhi tingkat keberhasilan usaha jasa kecantikan, maka digunakan model regresi
berganda dan dapat dirumuskan model fungsi sebagai berikut;
Y = f {X
1
, X
2
, X
3
, X
4
,}
Dimana ; Y
: Keberhasilan usahakeuntungan dalam rupiah X
1 :
Modal dalam rupiah X
2
: Tingkat Pendidikan tahun X
3
: Lama Usaha tahun X
4
: Lokasi Usaha, dinyatakan dalam dummy :
commit to user
29
D = 0 : tidak strategis D = 1 : strategis
Selanjutnya terhadap hasil analisis regresi dilakukan pengujian asumsi dan statistik Uji F, R
2
, t a.
Uji asumsi 1
Multikolinearitas Untuk mengetahui hubungan antara beberapa atau semua
variabel yang menjelaskan dalam model regresi. Jika dalam model tersebut terdapat Multikolinearitas maka model tersebut memiliki
kesalahan standar yang besar sehingga koefisien tidak dapat ditaksir dengan ketepatan tinggi. Cara pengujiannya adalah dengan
menggunakan metode Klein, yaitu dengan membandingkan nilai r
2
dengan nilai R
2
yang didapat dan hasil matriks korelasi. Jika nilai r
2
R
2
maka ada masalah Multikolinearitas. Jika nilai r
2
R
2
maka tidak ada masalah Multikolinearitas. 2
Heteroskedastisitas Salah satu asumsi pokok dalam regresi linear adalah bahwa
variansi residual dari suatu pengamatan ke pengamatan lain adalah tidak sama. Apabila variansi tersebut tidak sama, maka berarti
telah terjadi masalah heteroskedastisitas. Uji heteroskedastisitas untuk mengetahui adanya heteroskedastisitas dengan menggunakan
Uji White , dengan bantuan program Eviews 6.0 perintah yang
dapat dilakukan adalah dengan meregresi variabel bebas dan variabel terikat, kemudian dari hasil dari hasil regresi OLS akan
commit to user
30
diperoleh nilai ObsR-squared. Nilai ObsR-squared tadi lalu dibandingkan dengan nilai chi-squared tabel dengan df sesuai
jumlah regresor dan level of significant yang dipakai. Jika nilai chi-square lebih besar dari nilai ObsR-squared
tidak signifikan, maka tidak terdapat heteroskedastik dalam model tersebut.
Jika variabel independen tidak signifikan secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi tidak
terjadi masalah heteroskedastisitas. 3
Autokorelasi Autokorelasi adalah korelasi atau hubungan yang terjadi
antara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu data time series maupun tersusun dalam
rangkaian ruang atau data cross sectional. Autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian observasi
yang diurutkan menurut waktu dan ruang. Dalam hal ini asumsinya adalah autokorelasi tidak terdapat dalam distribansi atau gangguan
u
i
. adanya autokorelasi antar variabel gangguan menyebabkan penaksiran tidak lagi efisien baik dalam sampel kecil maupun
sampel besar. Salah satu pengujian yang umum digunakan untuk mengetahui adanya autokorelasi adalah uji statistik LM-TEST
ditambah metode Breuch-Godfrey Serial Correlation. Dengan langkah-langkah sebagai berikut Ghozali, 2006 :
commit to user
31
a Estimasi persamaan regresi dengan OLS Ordinary Least
Square, dapatkan nilai residualnya u
t
. b
Regresi u
t
terhadap variabel bebas dan u
t-I
………. u
t-p
c Hitungan n - pR
2
- x
2
. Jika lebih besar dari nilai tabel chi- square
dengan df p, menolak hipotesa bahwa setidaknya ada satu koefisien autokorelasi yang berbeda dengan nol.
Apabila dari hasil uji autokorelasi, diketahui bahwa nilai probalitas lebih besar dari 5, maka hipotesis yang terdapat pada model tidak
terdapat autokorelasi autokorelasi ditolak. b.
Uji Statistik 1
Pengujian secara serentak Uji F-test Uji F ini digunakan untuk menguji pengaruh variabel bebas
secara bersama-sama terhadap variabel terkait. Tahap Pengujiannya adalah sebagai berikut Ghozali, 2006:
Hipotesa : Ho = b
1
, b
2
, b
3
, b
4
, b
5
, b
6
= 0 Ha = b
1
, b
2
, b
3
, b
4
, b
5
, b
6
≠ 0
F
hitung
: F = k
- N
R -
1 1
- K
R2
2
R
2
: Koefisien determinasi berganda N : Banyaknya observasi
k : Banyaknya parameter total yang diperkirakan
F-tabel ditentukan level of signifikan α = 0,05 dengan n-k, k-1
Dimana : F : F-hitung
commit to user
32
Jika F-hitung F-tabel, maka H diterima dan H
a
ditolak semua koefisien regresi secara bersama-sama tidak signifikan pada tingkat
α. Jika F-hitung F-tabel, maka H
ditolak dan H
a
diterima semua koefisien regresi secara bersama-sama signifikan pada tingkat
α. 2
Analisis koefisiensi determinasi berganda R
2
Analisis ini dipergunakan untuk mengetahui seberapa jauh variasi variabel bebas atau independen variabel dapat menerangkan
dengan baik variabel terkait atau dependen variabel. Hal ini dapat dilihat dan nilai R
2
nya. Analisis koefisien determinasi berganda mempunyai ketentan sebagai berikut: Jika R
2
mendekati 0, maka variabel yang dipilih tidak dapat menerangkan variabel terkaitnya
dan jika R
2
mendekati 1, maka variabel bebas yang dipilih dapat menerangkan dengan baik variabel terkaitnya. Formula penguji
adalah sebagai berikut Ghozali, 2006:
yi ei
- 1
T R
- 1
T E
2 2
SS SS
SS SS
Σ Σ
= =
ESS : Explain Sum Of Square RSS : Residual Sum Of Squre
TSS : Total Sum Of Square 3
Uji t Uji t adalah pengujian untuk mengetahui signifikansi
masing-masing variabel independen terhadap variabel dependen, dengan analisis sebagai berikut:
commit to user
33
Hipotesis ; Ho : b
1
= 0 Ha : b
1
≠ 0 Menentukan level of significant
Nilai of test daerah ditolak
daerah ditolak
daerah diterima → t α2, n-k
Gambar III.1 Uji t
Ho diterima jika : -t α2, n-k ≤ t α 2, n-k
Ho ditolak jika : t t α2, n-k atau t -t α2, n-k
Dimana; α
:
derajat signifikansi n : jumlah sampel
k : banyaknya parameter Jika H
diterima, maka koefisien regresi tidak signifikan pada tingkat
α. Jika H
ditolak, maka koefisien regresi signifikan pada tingkat α.
Perhitungan nilai t :
Se bi
t
bi
=
Dimana bi : Koefisien regresi
Se
bi
: Standart error coefisient regresi
commit to user
34
BAB IV ANALISIS DATA ATAU PEMBAHASAN
