a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah data yang bersangkutan berdistribusi normal atau tidak. Uji normalitas dapat
dilakukan dengan menggunakan uji
Kolmogorov-smirnov.
Data dikatakan berdistribusi normal jika nilai
Asymp Sig 2-tailed
≥ 0.05 maka data berdistribusi normal, jika nilai
Asymp Sig 2-tailed 0,05
maka distribusi data tidak normal Ali Muhson, 2012: 21.
b. Uji Linearitas
Uji linearitas dimaksudkan untuk mengetahui apakah antara variabel bebas dan variabel terikat mempunyai hubungan linear atau
tidak. Untuk mengetahui hal ini digunakan uji F pada taraf signifikansi 5. Jika nilai Sig F 0,05 maka hubungannya tidak linear, sedangkan
jika nilai Sig F ≥ 0,05 maka hubungannya bersifat linear Ali Muhson, 2012: 25.
c. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi maka variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel bebas yang nilai korelasi antar variabel bebas sama dengan nol. Multikolinearitas dapat dilihat dari nilai
tolerance
dan lawannya VIF
Variance Inflation Factor
. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh
variabel bebas lainnya.
Tolerance
mengukur variabilitas variabel bebas yag terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi
nilai
tolerance
yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1
tolerance
. Kriteria yang digunakan untuk menunjukkan tidak adanya gejala multikolinearitas adalah nilai t
olerance value
0,10 atau sama dengan nilai
Variance Inflation Factor VIF
10 Imam Ghozali, 2005: 105.
d. Uji Heterokedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance
dari residual satu pengamatan ke pengamatan yang lain. Penelitian ini untuk menguji ada
tidaknya heterokedasitisitas menggunakan uji Spearman’s rho. Jika nilai
signifikansi 0,05 maka terjadi heterokedastisitas, jika sebeliknya nilai signifikansi 0,05 maka terjadi homokedastisitas Ali Muhson, 2012:
26.
3. Uji Hipotesis
Data yang telah dikumpulkan kemudian dilakukan analisis menggunakan analisis regresi. Analisis regresi merupakan salah satu alat
analisis yang menjelaskan tentang akibat-akibat dan besarnya akibat yang ditimbulkan oleh satu atau lebih variabel bebas terhadap satu variabel terikat
Sudarmanto, 2005: 1. Regresi berganda berguna untuk meramalkan pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat atau
untuk membuktikan ada atau tidaknya hubungan fungsional antara dua buah
variabel bebas atau lebih dengan satu variabel terikat. Analisis regresi berganda dalam penelitian ini digunakan untuk mengetahui pengaruh
variabel upah X
1
, penerimaan penjualan X
2
, dan modal X
3
, sebagai variabel bebas
terhadap penyerapan tenaga kerja Y sebagai variabel terikat. Analisis regresi berganda ini dilakukan dengan menggunakan
program
SPSS Versi 17.0 for Windows
. Formulasi persamaan regresi berganda sendiri adalah sebagai berikut Sugiyono, 2010: 275:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
Keterangan: Y
= Penyerapan Tenaga Kerja orang X
1
= Upah rupiah X
2
= Penerimaan penjualan rupiah X
3
= Modal rupiah a
= Konstanta b
= Koefisien variabel bebas regresi.
a. Uji Simultan Uji F
Uji F digunakan untuk mengetahui apakah semua variabel bebas secara bersama-sama simultan dapat berpengaruh terhadap variabel terikat.
Uji F digunakan untuk menghitung besarnya perubahan nilai variabel terikat yang dapat dijelaskan oleh perubahan nilai semua variabel bebas. Pengujian
ini dilakukan dengan membandingkan nilai F
hitung
dengan F
tabel
Sulaiman, 2004: 86. Jika nilai F
hitung
F
tabel
maka Ho ditolak, artinya variabel bebas berpengaruh signifikan terhadap variabel terikat, sedangkan jika nilai F
hitung
F
tabel
maka Ho diterima, artinya variabel bebas tidak berpengaruh signifikan terhadap variabel terikat.
R
2
n – M – 1
F =
m 1 - R
2
Keterangan: F
= Harga F hitung n
= Jumlah data m
= Jumlah prediktor R
= Koefisien korelasi antara variabel bebas dengan variabel terikat Sugiyono, 2010: 286.
b. Uji Parsial Uji t