Analisis Data dan Pembahasan

D. Analisis Data dan Pembahasan

Berdasarkan data-data primer yang terkumpul dan dianalisis dengan regresi linier berganda maka didapatkan hasil regresi seperti dibawah ini : Tabel 4.15 : Hasil Analisis Linier Berganda

Model Summary b

R Square

Adjusted R Square

St d. Error of the Estim ate

Durbin- Wat son

a. Predictors: (Const ant ), Lokasi, Pendidikan, Modal, TK, LU b. Dependent Variable: Pendapatan

Model

Unstrandard Coefficients B

Sig

VIF

(Constant)

Modal

1,098 LU

1,415 TK

1,259 Pendidikan

1,310 Lokasi

Y = 33332,51 + 0,31Modal + 3351,909LU + 38322,98TK + 366,668Pendidikan + 40163,76Lokasi + e

Setelah diperoleh nilai dari persamaan regresi tersebut, maka di lakukan uji statistik dan uji ekonometrika sebagai berikut:

a) Uji Statistik

1) Uji t Uji t adalah uji secara individual semua koefisien regrsi yang bertujuan untuk mengetahui besarnya pengaruh dari masing-masing variabel independen terhadap variabel dependen. Hasil pengujian terhadap koefisien regresi masing-masing variabel bebas dengan = 5 % akan diperoleh sebagai berikut:

1. Jika |t hitung | < |t tabel | pada tingkat signifikasi 5% maka Ho diterima dan Ha ditolak, artinya variabel independen tidak mempengaruhi variabel dependen secara signifikan.

2. Jika |t hitung | > |t tabel | pada tingkat signifikasi 5% maka Ho ditolak dan Ha diterima, artinya variabel independen mempengaruhi variabel dependen secara signifikan.

Berikut ini adalah hasil pengujian parameter individual dengan tingkat signifikasi ( = 0,05):

Pengujian menggunakan tingkat signifikansi sebesar 5% diperoleh t- hitung sebesar 3,198,t-hitung yang diperoleh lebih besar dibandingkan dengan t-tabel,ini berarti t-hitung terletak pada daerah tolak,maka Ho ditolak dan Ha diterima yang berarti terdapat pengaruh yang signifikan antara tingkat modal dan pendapatan pedagang kaki lima.Selain dilihat dari t juga dapat dilihat dari probabilitasnya sebesar 0,002 yang lebih kecil dari 0,05, ini berarti koefisien regresi dari modal singnifikan pada tingkat 5%.

2. Lama Usaha. Pengujian menggunakan tingkat signifikansi sebesar 5% diperoleh t- hitung sebesar 2,356,t-hitung yang diperoleh lebih besar dibandingkan dengan t-tabel,ini berarti t-hitung terletak pada daerah tolak,maka Ho ditolak dan Ha diterima yang berarti terdapat pengaruh yang signifikan antara lama usaha dan pendapatan pedagang kaki lima. Selain dilihat dari t juga dapat dilihat dari probabilitasnya sebesar 0,022 yang lebih kecil dari 0,05, ini berarti koefisien regresi dari lama usaha singnifikan pada tingkat 5%.

3. Tenaga Kerja. Pengujian menggunakan tingkat signifikansi sebesar 5% diperoleh t- hitung sebesar 3,133, t-hitung yang diperoleh lebih besar dibandingkan dengan t-tabel,ini berarti t-hitung terletak pada daerah tolak, maka Ho ditolak dan Ha diterima yang berarti terdapat 3. Tenaga Kerja. Pengujian menggunakan tingkat signifikansi sebesar 5% diperoleh t- hitung sebesar 3,133, t-hitung yang diperoleh lebih besar dibandingkan dengan t-tabel,ini berarti t-hitung terletak pada daerah tolak, maka Ho ditolak dan Ha diterima yang berarti terdapat

4. Tingkat pendidikan.

Pengujian menggunakan tingkat signifikansi sebesar 5% tidak terdapat pengaruh yang signifikan antara tingkat pendidikan dan pendapatan pedagang kaki lima.

5. Lokasi.

Pengujian menggunakan tingkat signifikansi sebesar 5% tidak terdapat pengaruh yang signifikan antara lokasi dan pendapatan pedagang kaki lima.

2) Uji F Uji F adalah uji untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen secara bersama-sama, dengan kriteria pegujian sebagai berikut:

1. Jika nilai F hitung < F tabel (pada

), maka Ho diterima dan Ha ditolak, yang berarti bahwa variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen secara signifikan.

2. Jika nilai F hitung >F tabel (pada ), maka Ho ditolak yang berarti bahwa secara bersama-sama variabel independen berpengaruh terhadap variabel dependen.

Tabel 4.16 : Hasil Analisis Uji F

ANOVA b

Regression Residual Total

Model 1

Sum of Squares

df Mean Square

F Sig.

a. Predictors: (Constant), Lokasi, Pendidikan, Modal, TK, LU b. Dependent Variable: Pendapatan

Sumber : Hasil Print Out Komputer program SPSS 13.0

Berdasarkan hasil pengolahan diketahui bahwa F hitung adalah 9,067 lebih besar dari F tabel

2.37 dengan probabilitas sebesar 0,000000 yang berarti signifikan pada

. Hal ini berarti bahwa variabel modal, lama usaha, tenaga kerja, pendidikan dan lokasi bersama-sama berpengaruh secara signifikan terhadap pendapatan.

3) Koefisien Determinasi 2 R

Koefisien determinasi digunakan untuk mengetahui berapa persen perubahan variasi variabel independen dapat menjelaskan perubahan variabel dependennya. Hasil estimasi koefisien determinasi yang telah disesuaikan (Adjusted R-squared), sebesar 0,369 yang berarti 36,9 % variabel dependen Sedangkan sisanya sebesar 63,1 % dipengaruhi oleh faktor lain di luar model misalnya antara lain harga menu makanan, jumlah pengunjung yang datang, dan faktor cuaca yang akan berpengaruh terhadap jumlah pendapatan pedagang makanan dan minuman Gladag Langen Bogan Surakarta.

1. Multikolinearitas

Tabel 4.17 : Hasil analisis Multikolinearitas

Tidak terjadi Multikol

Lama Usaha

Tidak terjadi Multikol

Tenaga Kerja

Tidak terjadi Multikol

Pendidikan

Tidak terjadi Multikol

Lokasi

Tidak terjadi Multikol

Sumber : Data Primer, Diolah Program SPSS 13.0.

Uji Multikolinearitas diketahui dari nilai VIF untuk masing- masing prediktor. Persyaratan untuk dapat dikatakan terbebas dari multikolinier adalah apabila nilai VIF tidak melebihi pada nilai 1 hingga kurang dari 10 sehingga disimpulkan bahwa model tidak terkena persoalan Multikolinieritas.

2. Heterokedastisitas

Heterokedastisitas terjadi jika gangguan muncul dalam fungsi regresi yang mempunyai varian yang tidak sama, sehingga penaksir ordinary least square (OLS) tidak efisien baik dalam sampel kecil maupun besar. Salah satu cara untuk mendeteksi masalah heterokeastisitas yaitu dengan menggunakan Scatter Plot nilai residual variabel dependen. Pengambilan kesimpulan diketahui dari memperhatikan sebaran Plot data, jika sebaran data tidak mengumpul Heterokedastisitas terjadi jika gangguan muncul dalam fungsi regresi yang mempunyai varian yang tidak sama, sehingga penaksir ordinary least square (OLS) tidak efisien baik dalam sampel kecil maupun besar. Salah satu cara untuk mendeteksi masalah heterokeastisitas yaitu dengan menggunakan Scatter Plot nilai residual variabel dependen. Pengambilan kesimpulan diketahui dari memperhatikan sebaran Plot data, jika sebaran data tidak mengumpul

2 1 0 -1 -2 -1

Regression Standardized Predicted Value

Dependent Variable: Pendapatan

Scatterplot

Sumber : Hasil Print Out Program SPSS 13.0

Berdasarkan plot data diatas dapat disimpulkan bahwa tidak terjadi persoalan heterokedastisitas karena plot data yang didapatkan relatif menyebar ke segala bidang.

Tabel 4.19 : Hasil Analisis Autokorelasi

Model Summary b

R Square

Adjusted R Square

St d. Error of the Estimate

Durbin- Wat son

a. Predictors: (Const ant ), Lokasi, Pendidikan, Modal, TK, LU b. Dependent Variable: Pendapatan

Sumber : Hasil Print Out Program SPSS 13.0

Untuk mengetahui nilai DW tabel digunakan pedoman N dan jumlah prediktor.Dengan N = 70 dan prediktor 5 didapatkan nilai du=1,77 dan dl=1,46. Sehingga dapat dicari 4-dl=2,54 dan 4-du=2,23. Nilai DW hitung adalah 1,910. Dan berdasarkan nilai DW tabel yang telah diketahui diatas, dapat digambarkan batas penerimaan Ho.

Daerah I III V

dl=1,46 du=1,77 4-du=2,23 4-dl=2,54

Gambar 4.1 : Hasil Analisis Autokorelasi

II IV II IV