Asumsi Klasik
4.5 Asumsi Klasik
Pengujian kualitas instrument (validitas dan reliabilitas) dalam penelitian ini tidak dilakukan, karena masing-masing variabel diukur oleh satu item (item tunggal) sehingga dapat dinyatakan valid dan reliabel (karena hanya memiliki satu data). Sehingga pengujian langsung dilanjutkan pada pengujian asumsi klasik yang terdiri dari: uji normalitas data, uji multikolinieritas, dan uji heteroskedastisitas, adapun hasil pengujian selengkapnya adalah sebagai berikut:
4.5.1 Uji Normalitas Uji normalitas dilakukan untuk mengetahui normal atau tidaknya sebaran distribusi data yang digunakan dalam penelitian. Uji normalitas sebaran data dapat dilihat pada nilai signifikansi atau probabilitas > 0,05 maka data berdistribusi normal.
commit to user
Model
Z Probability
terhadap Y)
Data Berdistribusi Normal
Sumber: data primer yang diolah, 2012
Dari tabel di atas diketahui bahwa hasil pengujian normalitas menggunakan metode Kolmogorov-Smirnov memiliki nilai signifikansi atau probabilitas > 0,05 maka dapat disimpulkan bahwa sebaran data dalam penelitian ini berdistribusi normal.
4.5.2 Uji Heteroskedastisitas Pengertian heteroskedastisitas adalah apabila kesalahan atau residual yang diamati tidak memiliki varian yang konstan. Kondisi heteroskedastisitas sering terjadi pada data cross section, atau data yang diambil dari beberapa responden pada suatu waktu tertentu.
Dari hasil pengujian heteroskedastisitas dengan menggunakan program statistik SPSS for windows dapat dilihat pada tabel berikut ini. Tabel 4.8 Hasil Uji Heteroskedastisitas
Nama Variabel
t hitung p
Keterangan
Perencanaan (Identifikasi, durasi, dan perencanaan urutan kerja yang tidak lengkap dan tersusun dengan
baik) (X 1 )
0,430
0,670
Tidak ada Heteroskedastisitas
Kesulitan Finansial (X 2 )
-1,395
0,172
Tidak ada Heteroskedastisitas Kurangnya Pengalaman Kontraktor
Tidak ada Heteroskedastisitas Keterlambatan Penyediaan Material
Tidak ada Heteroskedastisitas
Dana Dari Pemilik Yang Tidak
Mencukupi (X 5 )
-1,345
0,188
Tidak ada Heteroskedastisitas Sumber: data primer yang diolah, 2012
commit to user
diketahui nilai probabilitas pada masing-masing variabel > 0,05 dengan demikian tidak terjadi heteroskedastisitas.
4.5.3 Uji Multikolinieritas Uji multikolinearitas bertujuan untuk menguji apakah model regres ditemukan adanya korelasi yang sempurna antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi yang sempurna di antara variabel bebas. Salah satu cara untuk mendeteksi adanya multikolinearitas adalah dengan melihat tolerance atau Varians Inflation Factor (VIF). Apabila tolerance lebih kecil dari 0,1 atau nilai VIF di atas 10, maka terjadi multikolinearitas.
Tabel 4.9 Hasil Uji Multikolinieritas
Variabel
Tolerance VIF
Kesimpulan
Perencanaan (Identifikasi, durasi, dan perencanaan urutan kerja yang tidak lengkap dan tersusun dengan
baik) (X 1 )
0,893
1,120
Tidak ada masalah mutikolinieritas
Kesulitan Finansial (X 2 ) 0,914
1,095
Tidak ada masalah mutikolinieritas Kurangnya Pengalaman
Kontraktor (X 3 )
0,741
1,350
Tidak ada masalah mutikolinieritas Keterlambatan Penyedia
Material (X 4 )
0,916
1,092
Tidak ada masalah mutikolinieritas Dana Dari Pemilik Yang
Tidak Mencukupi (X 5 )
0,833
1,200
Tidak ada masalah mutikolinieritas
Sumber: data primer yang diolah, 2012
Hasil uji multikolinearitas pada pada tabel di atas dengan variabel dependen pembengkakan biaya proyek diketahui bahwa hasil tolerance pada masing-masing variabel bebas lebih besar dari 0,1 sedangkan nilai Varians Inflation Factor (VIF) lebih kecil dari 10. Sehingga model regresi dalam penelitian ini tidak ada masalah multikolinearitas.
Berdasarkan hasil pengujian asumsi klasik diperoleh hasil bahwa data dalam penelitian tidak mengalami masalah asumsi, atau dapat dinyatakan BLUE (best, linear, unbiased, estimator).
commit to user
Setelah uji asumsi klasik maka langkah selanjutnya adalah pengujian hipotesis yang dilakukan dengan menggunakan uji regresi linier berganda
yang akan diuraikan sebagai berikut:
4.6.1 Regresi Linier Berganda Analisis ini digunakan dan dimaksudkan untuk mengetahui pengaruh variabel lima faktor penyebab keterlambatan proyek: Perencanaan (Identifikasi, durasi, dan perencanaan urutan kerja yang
tidak lengkap dan tersusun dengan baik) (X 1 ), Kesulitan Finansial (X 2 ), Kurangnya Pengalaman Kontraktor (X 3 ), Keterlambatan Penyedia Material (X 4 ), dan Dana Dari Pemilik Yang Tidak Mencukupi (X 5 ) terhadap Pembengkakan Biaya Proyek (Y). Dari hasil pengolahan dengan program SPSS 15.0 dapat disusun rumus sebagai berikut: Tabel 4.10. Hasil Perhitungan Regresi Linier Berganda
Variabel
b Beta
t hitung Sig
Kesimpulan
Konstans -0,711
Tidak Berpengaruh Signifikan
Berpengaruh Signifikan
X 3 0,372
0,440
3,059 0,004** Berpengaruh Signifikan
X 4 0,362
0,433
3,349 0,002** Berpengaruh Signifikan
Tidak Berpengaruh Signifikan Sumber: data primer diolah, 2012
Y=a+b 1 X 1 +b 2 X 2 +b 3 X 3 +b 4 X 4 +b 5 X 5 +e ……..…………… (Rumus 4.1) Y = -0,711 + 0,001X 1 + 0,241X 2 + 0,372X 3 + 0,362X 4 + 0,089X 5
Keterangan: *** = Sig pada taraf uji 1%
** = Sig pada taraf uji 5% * = Sig pada taraf uji 10%
commit to user
a. Uji F
Uji F digunakan untuk mengetahui apakah variabel independen secara serentak atau bersama-sama berpengaruh signifikan terhadap variabel dependen.
Dari hasil perhitungan SPSS diperoleh data sebagai berikut:
Tabel 4.11. Uji F
Variabel
F hitung Probability
Berpengaruh Signifikan
Sumber: data primer diolah, 2012
Dari data di atas, diperoleh nilai F hitung sebesar 6,240 dengan probabilitas sebesar 0,000 < 0,05 artinya terdapat pengaruh signifikan yang sangat kuat antara Perencanaan (Identifikasi, durasi, dan perencanaan urutan kerja yang tidak lengkap dan tersusun
dengan baik) (X 1 ), Kesulitan Finansial (X 2 ), Kurangnya Pengalaman Kontraktor (X 3 ), Keterlambatan Penyediaan Material (X 4 ), dan Dana Dari Pemilik Yang Tidak Mencukupi (X 5 ), secara bersama-sama
terhadap Pembengkakan Biaya Proyek (Y).
b. Koefisien Determinasi (R 2 )
Berdasarkan hasil analisis menunjukkan nilai R 2 adalah 0,479 berarti variabel independen Perencanaan (Identifikasi, durasi, dan perencanaan urutan kerja yang tidak lengkap dan tersusun dengan baik), Kesulitan Finansial, Kurangnya Pengalaman Kontraktor, Keterlambatan Penyediaan Material, dan Dana Dari Pemilik Yang Tidak Mencukupi dapat menjelaskan variasi variabel dependen (Pembengkakan Biaya Proyek) dengan kontribusi 47,9%, sedangkan sisanya 52,1% diterangkan oleh variabel lain yang tidak diteliti.
commit to user
Uji t untuk mengetahui seberapa besar masing-masing (individu) dari variabel independen pengaruh terhadap variabel dependen. Hasil perhitungan dengan bantuan SPSS 15.0 diperoleh hasil sebagai berikut:
Perencanaan Identifikasi, durasi, dan Perencanaan Kerja yang Tidak Lengkap dan Tersusun Dengan Bsdaik mempunyai nilai t hitung sebesar 0,009 dengan nilai probabilitas sebesar 0,993 > 0,05, maka H 0 diterima yang berarti Perencanaan (Identifikasi, durasi, dan perencanaan urutan kerja yang tidak lengkap dan tersusun dengan baik) tidak berpengaruh signifikan positif terhadap Pembengkakan Biaya Proyek. Hal tersebut menunjukkan Perencanaan (Identifikasi, durasi, dan perencanaan urutan kerja yang tidak lengkap dan tersusun dengan baik) bukan merupakan faktor yang penting dalam meningkatkan pembengkakan biaya proyek (bukan faktor yang mempengaruhi).
Kesulitan Finansial mempunyai nilai t hitung sebesar 2,106 dengan nilai probabilitas sebesar 0,043 < 0,05, maka H 0 ditolak yang berarti
bahwa Kesulitan Finansial berpengaruh signifikan positif terhadap pembengkakan biaya proyek, dimana semakin tinggi kesulitan finansial yang dihadapi pengembang (konsultan dan kontraktor) dapat menyebakan pembengkakan biaya proyek yang tinggi pula. Hal tersebut menunjukkan bahwa masalah kesulitan financial merupakan faktor
penting dalam meningkatkan pembengkakan biaya proyek. Kurangnya Pengalaman Kontraktor mempunyai nilai t hitung sebesar 3,059 dengan nilai probabilitas sebesar 0,004 < 0,05, maka H 0 ditolak yang berarti Kurangnya Pengalaman Kontraktor berpengaruh signifikan positif terhadap Pembengkakan Biaya Proyek. Hal tersebut menunjukkan bahwa semakin tinggi kurangnya pengalaman kontraktor maka akan semakin meningkatkan pembengkakan biaya proyek, hal ini berarti bahwa faktor kurangnya pengalaman kontraktor merupakan faktor yang penting dalam mempengaruhi pembengkakan biaya proyek.
commit to user
sebesar 3,349 dengan nilai probabilitas sebesar 0,002 < 0,05, maka H 0 ditolak yang berarti keterlambatan Penyediaan Material berpengaruh
signifikan positif (meningkatkan) terhadap Pembengkakan Biaya Proyek. Hal tersebut menunjukkan bahwa semakin tinggi tingkat keterlambatan Penyediaan Material maka akan semakin meningkatkan Pembengkakan Biaya Proyek, hal ini berarti bahwa faktor keterlambatan Penyediaan Material merupakan faktor yang penting dalam mempengaruhi pembengkakan biaya proyek.
Dana Dari Pemilik Yang Tidak Mencukupi mempunyai nilai t hitung sebesar 0,649 dengan nilai probabilitas sebesar 0,521 > 0,05, maka H 0 diterima yang berarti Dana Dari Pemilik Yang Tidak Mencukupi berpengaruh signifikan positif terhadap Pembengkakan Biaya Proyek. Hal tersebut menunjukkan bahwa semakin tinggi dana dari pemilik yang tidak mencukupi belum tentu semakin meningkatkan pembengkakan biaya proyek, hal ini berarti bahwa faktor dana dari pemilik yang tidak mencukupi merupakan faktor yang kurang dianggap penting dalam mempengaruhi pembengkakan biaya proyek.
4.6.4 Analisis Regresi Linier Berganda Kedua (Trial) Pengujian regresi ini dilakukan untuk melihat konsistensi dari variabel bebas yang berpengaruh signifikan pada variabel terikatnya. Adapun hasil selengkapnya sebagai berikut:
Tabel 4.12. Hasil Perhitungan Regresi Linier Berganda Kedua
Variabel
b Beta
t hitung Sig
Kesimpulan
Konstans -0,334
Berpengaruh Signifikan
X 3 0,343
0,406
3,221 0,003** Berpengaruh Signifikan
X 4 0,363
0,434
3,474 0,001** Berpengaruh Signifikan Sumber: data primer diolah, 2012
Y=a+b 2 X 2 +b 3 X 3 +b 4 X 4 +e …………………………………………. (Rumus 4.2)
Y = -0, 334 + 0, 238X 2 + 0, 343X 3 + 0,363X 4
commit to user
dari ketiga variabel bebas sebelum berpengaruh signifikan pada biaya pembengkakan proyek adalah konsisten, bahkan hasil menunjukkan
bahwa pada tahap kedua (regresi kedua) lebih baik dibandingkan pada pengujian pertama.
4.6.5 Analisis Korelasi Analisis ini digunakan untuk mengetahui hubungan (korelasional) atau pertautan antara variabel. Berdasarkan hasil analisis korelasi bivariate Identifikasi, Durasi, dan Perencanaan Urutan Kerja Yang Tidak Lengkap dan Tersusun Dengan Baik terhadap Kurangnya Pengalaman Kontraktor dengan menggunakan bantuan progam komputer SPSS 15.0 for windows, maka diperoleh hasil sebagai berikut:
Tabel 4.13. Hasil Analisis Korelasi I
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Sumber: Output SPSS 15.0
Tabel 4.14. R tabel
Tingkat Signifikansi
Hasil analisis Korelasi di atas menunjukkan bahwa besar nilai pearson correlation atau r hitung sebesar 0,227 < r tabel (0,312) dengan nilai probabilitas sebesar 0,159 > 0,05. Dengan demikian dapat disimpulkan bahwa tidak terdapat korelasi yang signifikan antara Perencanaan Identifikasi, Durasi, dan Perencanaan Urutan Kerja Yang Tidak
commit to user
Kontraktor. Berikut adalah hasil analisis korelasi antara Kesulitan Finansial
dengan Dana Dari Pemilik Yang Tidak Mencukupi: Tabel 4.15. Hasil Analisis Korelasi II
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Sumber: Output SPSS 15.0
Tabel 4.16. R tabel
Tingkat Signifikansi
Hasil analisis Korelasi di atas menunjukkan bahwa besar nilai pearson correlation atau r hitung sebesar 0,041 < r tabel (0,312) dengan nilai probabilitas sebesar 0,800 > 0,05. Dengan demikian dapat disimpulkan bahwa tidak terdapat korelasi yang signifikan antara Kesulitan Finansial dengan dana dari pemilik yang tidak mencukupi.