Metode Analisis Data
1. Metode Analisis Data
a. Uji Pemilihan Model (Uji MWD)
Pemilihan bentuk fungsi model empirik merupakan pertanyaan atau masalah empirik (empirical question) yang sangat penting, hal ini karena teori ekonomi tidak secara spesifik menunjukkan ataupun mengatakan apakah sebaiknya fungi suatu model empirik dinyatakan dalam bentuk linear ataukah log-linear atau bentuk fungi lainnya. Dalam kenyataannya seorang peneliti biasanya menggunakan feeling langsung menetapkan model regresi yang digunakan dinyatakan dalam bentuk log-linear, karena bentuk log-linear diyakini dapat mengurangi tingkat variasi data yang digunakan. Namun, sebenarnya keyakinan tersebut tidak sepenuhnya benar karena tidak menutup kemungkinan dalam kasus tertentu, suatu model regresi akan lebih tepat diregresi dengan dinyatakan dalam bentuk linear (tanpa log). Oleh karena itu, dalam melakukan suatu studi empiris, sebaiknya model yang akan digunakan diuji dahulu, apakah sebaiknya menggunakan bentuk Pemilihan bentuk fungsi model empirik merupakan pertanyaan atau masalah empirik (empirical question) yang sangat penting, hal ini karena teori ekonomi tidak secara spesifik menunjukkan ataupun mengatakan apakah sebaiknya fungi suatu model empirik dinyatakan dalam bentuk linear ataukah log-linear atau bentuk fungi lainnya. Dalam kenyataannya seorang peneliti biasanya menggunakan feeling langsung menetapkan model regresi yang digunakan dinyatakan dalam bentuk log-linear, karena bentuk log-linear diyakini dapat mengurangi tingkat variasi data yang digunakan. Namun, sebenarnya keyakinan tersebut tidak sepenuhnya benar karena tidak menutup kemungkinan dalam kasus tertentu, suatu model regresi akan lebih tepat diregresi dengan dinyatakan dalam bentuk linear (tanpa log). Oleh karena itu, dalam melakukan suatu studi empiris, sebaiknya model yang akan digunakan diuji dahulu, apakah sebaiknya menggunakan bentuk
Dalam penelitian ini, penulis menggunakan Metode MacKinnon, White, dan Davidson (1980) atau MWD Test untuk melakukan pemilihan bentuk fungsi model, bila Z 1 signifikan secara statistik, maka kita menolak hipotesis yang menyatakan bahwa model yang benar adalah bentuk linier atau dengan kata lain
model yang benar adalah log-linear. Bila Z 2 signifikan secara statistik, maka kita menolak hipotesis yang menyatakan bahwa model yang benar adalah bentuk log-linear atau dengan kata lain model yang benar adalah linear. Hasil Uji MWD adalah sebagai berikut :
1) Model Linear
Dari hasil Uji MWD tersebut di bawah ini dapat diketahui bahwa tingkat signifikansi dari varibel Z 1 (0.6063) tidak signifikan, hal tersebut berarti tidak menolak model yang benar adalah Linear.
Tabel 4.24 Hasil Uji MWD Linier
Dependent Variable: Y Method: Least Squares Date: 01/15/13 Time: 19:25 Sample: 1 42 Included observations: 42
Variable Coefficient Std. Error t-Statistic Prob.
C 672980.0 276822.4 2.431089 0.0205 X1 0.009766
X4 -29688.59
X6 -13.50034
R-squared 0.415034 Mean dependent var 337857.1 Adjusted R-squared
0.294600 S.D. dependent var 223143.1
S.E. of regression
187413.6 Akaike info criterion 27.28967
Sum squared resid
1.19E+12 Schwarz criterion
Log likelihood
-565.0830 Hannan-Quinn criter. 27.41099
F-statistic
3.446153 Durbin-Watson stat 2.557788
Prob(F-statistic)
Sumber : Hasil Pengolahan Eviews 6.0
2) Model Log-Linear
Dari hasil Uji MWD tersebut di bawah ini dapat diketahui bahwa tingkat signifikansi dari variabel Z 2 (0.1884) tidak signifikan, hal tersebut berarti bahwa tidak menolak model yang benar yaitu Log-Linear.
Tabel 4.25 Hasil Uji MWD Log-Linear
Dependent Variable: LOG(Y) Method: Least Squares Date: 01/15/13 Time: 19:27 Sample: 1 42 Included observations: 42
Variable Coefficient Std. Error t-Statistic Prob.
C 24.35430 5.902992 4.125755 0.0002
LOG(X1)
LOG(X2)
LOG(X3)
LOG(X4)
LOG(X5)
LOG(X6)
R-squared 0.446989 Mean dependent var 12.48795 Adjusted R-squared
0.333134 S.D. dependent var 0.752185
S.E. of regression
0.614248 Akaike info criterion 2.032808
Sum squared resid
12.82822 Schwarz criterion
Log likelihood
-34.68896 Hannan-Quinn criter. 2.154127
F-statistic
3.925949 Durbin-Watson stat 2.348558
Prob(F-statistic)
Sumber : Hasil Pengolahan Eviews 6.0
Berdasarkan hasil Uji MWD di atas, dengan melihat tingkat signifikansi dari variabel Z 1 yang tidak signifikan yaitu Z 1 = 0.6063 dan Z 2 tidak signifikan yaitu Z 2 = 0.1884, maka dapat disimpulkan bahwa model regresi Linier dan model regresi Log-Linear layak untuk digunakan. Selain ditinjau dari
tingkat signifikansi dari kedua varibel Z 1 dan Z 2 , penentuan model juga dapat ditinjau dari nilai R 2 masing-masing model yang terbesar. Berdasarkan hasil dari analisis diketahui nilai R 2 model Linear sebesar 0.410378 sedangkan R 2 model Log- Linear sebesar 0.417682. Dengan demikian dalam penelitian ini digunakan model regresi Log-Linear.
linear sehingga dapat diketahui bagaimana pengaruh modal usaha, pengalaman usaha, jam berdagang, pendidikan yang telah ditempuh pedagang, jumlah tenaga kerja, serta tingkat upah tenaga kerja pedagang terhadap keuntungan pedagang Bakpia Pathok di Kelurahan Ngampilan. Adapaun hasil regresi dapat dilihat pada Tabel 4.26 berikut ini :
Tabel 4.26
Hasil Persamaan Regresi Keuntungan
Dependent Variable: LOGY Method: Least Squares Date: 01/21/13 Time: 11:34 Sample: 1 42 Included observations: 42
Variable Coefficient Std. Error t-Statistic Prob.
R-squared 0.417682 Mean dependent var 5.423447 Adjusted R-squared
0.317856 S.D. dependent var 0.326670
S.E. of regression
0.269803 Akaike info criterion 0.368763
Sum squared resid
2.547779 Schwarz criterion
Log likelihood
-0.744022 Hannan-Quinn criter. 0.474917
F-statistic
4.184105 Durbin-Watson stat 2.365379
Prob(F-statistic)
Sumber : Hasil Pengolahan Eviews 6.0
Dari hasil analisis di atas dapat diperoleh persamaan regresi sebagai berikut :
0.401389LOG(X2) + 0.112756LOG(X3) - - 1.092058LOG(X4)
0.201085LOG(X5) -
0.916787LOG(X6)
(-1.835275) Adjusted R-squared = 0.317856 Di mana : LOG(Y) = Keuntungan Pedagang Bakpia Pathok LOG(X1) = Modal Usaha LOG(X2) = Pengalaman Usaha LOG(X3) = Waktu Dagang LOG(X4) = Pendidikan yang telah ditempuh oleh pedagang LOG(X5) = Jumlah Tenaga Kerja LOG(X6) = Tingkat Upah Tenaga Kerja
Selanjutnya terhadap hasil analisis regresi dengan model tersebut dilakukan uji statistik yang meliputi uji t (uji tiap-tiap individu secara variabel) dan uji F (secara bersama-sama). Selain itu akan dilakukan uji asumsi klasik yang meliputi multikolinearlitas, heteroskedastisitas, dan autokorelasi.
b. Uji Statistik
Uji statistik dilakukan untuk mengetahui adanya kebenaran atau kepalsuan dari hipotesis nol. Pengujian hipotesis dapat dilakukan dengan tiga cara, yaitu :
1) Uji t
Uji t yaitu pengujian terhadap koefisien regresi secara parsial untuk mengetahui signifikansi masing-masing variabel independen terhadap variabel dependen. Dalam pengujian ini menggunakan tingkat signifikan (α) 10% dan df = 42. Adapun kriteria pengujian uji t adalah membandingkan dengan membandingkan nilai t hitung dengan t tabel. Selain itu, terdapat kriteria pengujian lain yaitu dengan melihat nilai probabilitas. Jika nilai t-probabilitas yang didapatkan lebih kecil dari tingkat signifikansi 10%, maka nilai parameter yang didapatkan mempunyai pengaruh yang signifikan, demikian pula sebaliknya.
Hasil pengujian parameter individual dengan tingkat signifikansi dapat dilihat pada Tabel 4.27 :
Tabel 4.27
Hasil Uji t (t-test) pada = 10%
Variabel
t-statistic Probabilitas
Kesimpulan
LOG(X1)
Tidak Signifikan
LOG(X2)
LOG(X3)
Tidak Signifikan
LOG(X4)
LOG(X5)
Tidak Signifikan
LOG(X6)
Signifikan
Dari Tabel 4.25 di atas, dapat disimpulkan bahwa :
a) Koefisien regresi dari LOG(X1) atau modal usaha mempunyai nilai probabilitas 0.5598 > 0,1 maka koefisien regresi tersebut tidak signifikan pada tingkat signifikansi 10%. Dengan kata lain,modal usaha secara statistik tidak penting (tidak berpengaruh terhadap keuntungan).
b) Koefisien regresi dari LOG(X2) atau pengalaman usaha mempunyai nilai probabilitas 0.0257 < 0,1 maka koefisien regresi tersebut signifikan pada tingkat signifikansi 10%. Dengan kata lain, pengalaman usaha secara statistik penting (berpengaruh terhadap keuntungan).
c) Koefisien regresi dari LOG(X3) atau jam dagang mempunyai nilai probabilitas 0.7165 > 0,1 maka koefisien regresi tersebut tidak signifikan pada tingkat signifikansi 10%. Dengan kata lain,jam dagang secara statistik tidak penting (tidak berpengaruh terhadap keuntungan).
d) Koefisien regresi dari LOG(X4) atau pendidikan yang telah ditempuh pedagang mempunyai nilai probabilitas 0.0344 < 0,1 maka koefisien regresi tersebut signifikan pada tingkat signifikansi 10%. Dengan kata lain, pendidikan yang telah ditempuh pedagang secara statistik penting (berpengaruh terhadap keuntungan).
e) Koefisien regresi dari LOG(X5) atau jumlah tenaga kerja
Dengan kata lain, jumlah tenaga kerja pedagang secara statistik tidak penting (tidak berpengaruh terhadap keuntungan).
f) Koefisien regresi dari LOG(X6) atau upah tenaga kerja mempunyai nilai probabilitas 0.0750 < 0,1 maka koefisien regresi tersebut signifikan pada tingkat signifikansi 10%. Dengan kata lain, upah tenaga kerja pedagang secara statistik penting (berpengaruh terhadap keuntungan).
2) Uji F
Uji F adalah uji terhadap koefisien regresi parsial secara bersama-sama. Uji ini dimaksudkan untuk mengetahui apakah variabel independen yang ada secara bersama-sama mempengaruhi variabel dependennya atau untuk mengetahui apakah persamaan model cukup eksis untuk digunakan.
Uji F pada penelitian ini menggunakan tingkat signifikansi 10%. Kriteria dari uji F adalah jika nilai t-probabilitas yang didapatkan lebih kecil dari tingkat signifikansi 10%, maka secara bersama-sama variabel bebas berpengaruh secara signifikan terhadap variabel terikatnya, demikian pula sebaliknya.
Nilai probabilitas (F-statistik) dalam model persamaan tersebut adalah 0.002839 yang berarti signifikan pada tingkat signifikansi 10%.
3) Uji Koefisien Determinasi R 2
Koefisien Determinasi R 2 digunakan untuk mengetahui seberapa jauh variasi dari variabel independen dapat menerangkan dengan baik variasi dari variabel dependen.
Berdasarkan tabel 4.24, nilai R 2 didapat 0.417682. Ini berarti sekitar 41.76% variasi variabel dapat dijelaskan dalam model dan sisanya sekitar 58.24% dijelaskan oleh variabel diluar model.
c. Uji Asumsi Klasik
Persamaan yang baik dalam ekonometrika harus memiliki sifat BLUE (Best Linear Unbiased Estimator) (Gujarati,1999:153). Untuk mengetahui apakah persamaan sudah memiliki sifat BLUE maka perlu dilakukan uji asumsi klasik yang meliputi multikolinearitas, heteroskedatisitas dan autokorelasi. Uji asumsi klasik yang digunakan adalah :