Dalam penelitian ini akan diuji hipotesis penelitian yang menyatakan bahwa produksi dipengaruhi oleh variabel-variabel independen sebagaimana yang telah
diuraikan di atas. Untuk pengujian model ini akan dilakukan dengan menggunakan program Statistical Package for Social Studies SPSSPC for Windows 13,00.
4.6.2. Analisis Data Terhadap Pengujian Asumsi Klasik
Sebelum melanjutkan analisis data, maka perlu dilakukan pengujian asumsi klasik terhadap model regresi yang digunakan. Uji asumsi klasik meliputi pengujian
normalitas, pengujian heterokseditas dan pengujian multikolineritas. Model regresi yang baik di antaranya adalah bila ia memenuhi pengujian normalitas, bebas dari
heterosesdastisitas dan tidak terjadi multikolinearitas.
4.6.2.1. Pengujian Normalitas
Pengujian normalitas dilakukan dengan menggunakan grafik yang menggambarkan distribusi nilai residual variabel dependen dan independen dalam
regresi yang akan digunakan. Dari hasil pengujian ini akan diperoleh distribusi residual variabel-variabel yang diteliti. Nilai residual berdistribusi normal apabila
titik-titik penyebarannya mengikuti arah garis diagonal Santoso,1999. Asumsi klasik menyatakan bahwa model regresi harus memenuhi asumsi normalitas. Hasil
pengujian dengan menggunakan program Statistical Package for Social Studies
Arzalvery Agus : Peran Usaha Industri Kecil Pangan Terhadap Pengembangan Wilayah..., 2008 USU e-Repsoitory © 2008
SPSSPC for Windows 13,00 diperoleh plot distribusi variabel-variabel penelitian sebagai berikut:
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Produksi
Sumber : Hasil Olahan Analisis Statistik Gambar 4.5. Hasil Pengujian Normalitas
Dari hasil pengujian normalitas pada Gambar 4.1 terlihat bahwa titik-titik penyebaran nilai residual mengikuti arah garis diagonal dan berarti model regresi
telah memenuhi asumsi normalitas.
4.6.2.2. Pengujian Heteroskedastisitas
Dalam analisis regresi untuk mendapatkan hasil yang baik salah satu asumsi klasik yang harus dipenuhi adalah adanya homogenitas varian. Dalam pengujian
heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi
Arzalvery Agus : Peran Usaha Industri Kecil Pangan Terhadap Pengembangan Wilayah..., 2008 USU e-Repsoitory © 2008
ketidaksamaan varian residual dari satu pengamatan kepengamatan lain Santoso,1999. Jika varian dari residual dari satu pengamatan kepengamatan lain
tetap, maka disebut dengan Homoskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Pengujian ini dapat dilakukan dengan menggunakan program SPSS dengan melihat titik-titik penyebaran varian dari residual data penelitian. Dasar pengambilan
keputusan: a jika titik-titik menyebar dengan pola tertentu yang teratur bergelombang atau melebar maka telah terjadi heteroskedastisitas. b jika tidak ada
pola yang jelas serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil pengujian Heteroskedastisitas terhadap
data penelitian diperoleh gambar sebarannya sebagaimana terlihat pada Gambar 4.2 di bawah ini:
Arzalvery Agus : Peran Usaha Industri Kecil Pangan Terhadap Pengembangan Wilayah..., 2008 USU e-Repsoitory © 2008
2 -2
Regression Standardized Residual
2 1
-1 -2
Reg res
sio n
St an
dar d
iz ed
P red
ic ted
Va lue
Scatterplot
Dependent Variable: Produksi
Sumber : Hasil Olahan Analisis Statistik Gambar 4.6. Hasil Pengujian Heteroskedastisitas
Dari grafik hasil pengujian heteroskedastisitas di atas terlihat bahwa titik-titik varians residual menyebar secara acak dan tidak membentuk pola tertentu yang
teratur serta menyebar di atas maupun di bawah titik 0 pada sumbu Y. Dengan demikian tidak terjadi heteroskedastisitas dalam model regresi ini.
4.6.2.3. Pengujian Multikolinearitas
Arzalvery Agus : Peran Usaha Industri Kecil Pangan Terhadap Pengembangan Wilayah..., 2008 USU e-Repsoitory © 2008
Tujuan dari pengujian ini adalah untuk mengetahui apakah ada kolerasi antar variabel bebas. Apabila antar variabel bebas terdapat korelasi maka pada model
tersebut terjadi problem multikolinearitas. Model regresi seharusnya bebas dari problem multikolinearitas, dimana multikolinearitas dapat dilihat berdasarkan nilai
VIF Varian Inflation Factor. Nilai VIF Varian Inflation Factor pada hasil perhitungan yang terdapat pada lampiran 4 adalah sebesar 1.274 dan tolerance
sebesar 0.785 sehingga dapat diketahui bahwa model regresi yang digunakan bebas dari multikolinearitas antar variabel independen karena suatu regresi yang bebas
multikolinearitas adalah mempunyai nilai VIF disekitar angka 1 dan mempunyai tolerance mendekati angka 1. Dengan demikian model regresi ini telah bebas dari uji
asumsi klasik dan layak digunakan untuk analisis selanjutnya.
4.6.3. Analisis Pengaruh Faktor-faktor Produksi modal kerja dan tenaga kerja Terhadap Hasil Produksi Usaha Industri Kecil Pangan
Arzalvery Agus : Peran Usaha Industri Kecil Pangan Terhadap Pengembangan Wilayah..., 2008 USU e-Repsoitory © 2008
Setelah dilakukan pengujian asumsi klasik terhadap model regresi dalam penelitian ini, maka selanjutnya akan dianalisis pengaruh faktor-faktor produksi
modal kerja dan tenaga kerja terhadap hasil produksi usaha industri kecil pangan di Kecamatan Bangko. Dengan memakai bantuan program Statistical Package for
Social Studies SPSSPC for Windows 13,00 dengan hasil print outnya secara lengkap dapat dilihat dalam lampiran 4 dan diperoleh hasil analisis statistik antara
variabel hasil produksi dengan modal kerja dan jumlah tenaga kerja, seperti tertera pada tabel berikut:
Tabel 4.19. Hasil Analisis Statistik antara Hasil Produksi dengan Modal Kerja dan Jumlah Tenaga Kerja
Unstandarddized Coefficients
Standarddized Coefficients
T Sig. R² F Model
B Std. Error
Beta Constant -1.164
.846 -1.376
0.180 0.669 28.308 Log_Mk .536 .137
.481 3.921
0.001 Log_Tk .773 .199
.475 3.873
0.001 Sumber : Hasil Olahan Analisis Statistik, Tahun 2007
Berdasarkan hasil analisis statistik tersebut di atas maka diperoleh suatu persamaan dengan cara mentransformasikannya kedalam bentuk logaritma, sebagai
berikut: Log Y = - Log 1.164 + 0.536 Log X
1
+ 0.773 Log X
2
+ ε
t = -1.376 t = 3.921
t = 3.873 Dengan t
tabel
= 1,697, F
tabel
= 3,34, alpha = 0,05 Berdasarkan persamaan multiple regression linier di atas dapat dijelaskan
sebagai berikut :
Arzalvery Agus : Peran Usaha Industri Kecil Pangan Terhadap Pengembangan Wilayah..., 2008 USU e-Repsoitory © 2008
1. Konstanta sebesar -1.164 yang bertanda negatif menyatakan bahwa jika tidak ada
modal kerja dan tenaga kerja, maka hasil produksi usaha industri kecil pangan adalah sebesar -1.164 Kg, artinya terjadinya penurunan atau tidak adanya
produksi. 2.
Koefisien elastisitas variabel modal kerja sebesar 0,536 menyatakan bahwa setiap penambahan modal kerja 1 akan meningkatkan hasil produksi usaha industri
kecil pangan sebesar 0,536 . 3.
Koefisien elastisitas variabel tenaga kerja sebesar 0,773 menyatakan bahwa setiap penambahan tenaga kerja 1 akan meningkatkan produksi usaha industri kecil
pangan sebesar 0,773 . 4.
Koefisien determinasi R² sebesar 0.669 berarti 66,9 variasi dari produksi dapat dijelaskan oleh variasi dari kedua variabel input usaha industri kecil
pangan, sedangkan sisanya sebesar 33,1 dijelaskan oleh faktor-faktor lain di antaranya penggunaan teknologi, keahlian keusahawan, regulasi pemerintah,
semangat kewirausahawan dan kerjasama dengan pelaku bisnis lainnya. Berdasarkan kekuatan hubungan R sebesar 0,818 menunjukkan bahwa
hubungan antara produksi dengan kedua variabel dimaksud adalah kuat 0,818 0,50.
5. Uji t untuk menguji signifikan konstanta dan setiap variabel independent, bahwa
pada tingkat signifikan 0,05 apabila nilai t hitung t tabel maka Ho ditolak, dari hasil print out yang secara lengkap dapat dilihat dalam lampiran 4 terlihat bahwa:
a. Variabel modal kerja, signifikan 0,001 0,05 maka Ho ditolak
Arzalvery Agus : Peran Usaha Industri Kecil Pangan Terhadap Pengembangan Wilayah..., 2008 USU e-Repsoitory © 2008
b. Variabel tenaga kerja, signifikan 0,001 0,05, maka Ho ditolak
Hal ini berarti bahwa untuk meningkatkan produksi usaha industri kecil pangan di Kecamatan Bangko, variabel input modal kerja dan jumlah tenaga kerja perlu
ditambah. 6.
Dari uji F test didapat F hitung sebesar 28,308 dengan tingkat significan 0,000, karena probabilitas sebesar 0,000 jauh lebih kecil dari 0,05, maka model regresi
bisa dipakai untuk memprediksikan produksi dengan kata lain kedua variabel input dimaksud secara bersama-sama berpengaruh nyata terhadap hasil produksi.
7. Berdasarkan nilai Durbin-Watson hitung sebesar 1,590 tidak berada di antara
angka di bawah -2 atau di atas +2, pada tingkat kepercayaan 95 maka dapat disimpulkan bahwa tidak terjadi autokorelasi pada model ini baik positif maupun
negatif dengan kata lain tidak ada kesalahan pengganggu pada suatu pengamatan.
4.7. Pengembangan Wilayah