b. Tenaga Kerja
Tenaga Kerja mempunyai pengaruh positif terhadap pendapatan pengusaha industri kecil dan besarnya koefisien adalah 1.502985, artinya jika Tenaga Kerja
meningkat sebesar 1 maka akan meningkatkan pendapatan pengusaha industri kecil sebesar 1.502985, Ceteris paribus.
c. Lama Usaha
Lama usaha mempunyai pengaruh positif terhadap pendapatan pengusaha industri kecil dan besarnya koefisien adalah 0.349207, artinya jika lama usaha meningkat sebesar
1 maka akan meningkatkan pendapatan pengusaha industri kecil sebesar 0.349207, Ceteris paribus.
IV. 2. Test of Goodness of Fit 1. Analisis Koefisien Determinasi R
2
Koefisien determinasi R
2
dari model diatas adalah 0.709988 atau 70,99. Hal ini menunjukkan bahwa variabel independen seperti X1 Modal Usaha, X2
Jumlah Tenaga Kerja, X3 Lama Usaha dapat memberikan pengaruh terhadap variabel dependen Y Pendapatan sebesar 70,99 sedangkan sisanya yaitu sebesar 29,01
dijelaskan oleh variabel lain µ error term yang tidak dimasukkan ke dalam model estimasi.
2. Uji F-statistik
Uji F dilakukan untuk mengetahui pengaruh variabel independen X1 Modal Usaha, X2 Jumlah Tenaga Kerja, X3 Lama Usaha secara bersama-sama terhadap
variabel dependen Y Pendapatan Pengusaha Industri Kecil. Hipotesis
: Ho : b
1
= b
2
= b
3
= 0
Universitas Sumatera Utara
Ha : b
1
≠ b
2
≠ b
3
≠ 0 Kriteria
: Ho diterima apabila F-hitung F-tabel Ha diterima apabila F-hitung F-tabel
k n
R k
R F
− −
− =
1 1
2 2
a. α = 1
b. V
1
= 4-1 = 3 c.
V
2
= 30-4 =26 d.
F-hitung = 21.21716 e.
F-tabel = 4.64
Ho diterima
Ha diterima
4,64 21,21716
Gambar 4. 1 : Uji F-statistik
Keterangan : Berdasarkan hasil perhitungan di atas dapat ditentukan bahwa F- hitung lebih besar dar F-tabel 21.21716 4,64. Artinya bahwa variabel X1 Modal
Usaha, X2 Jumlah Tenaga Kerja, X3 Lama usaha secara bersama-sama berpengaruh nyata terhadap variabel Y Pendapatan Pengusaha Industri Kecil pada tingkat
kepercayaan 99.
Universitas Sumatera Utara
3. Uji t-statistik
- Ho : b = 0 ; Ha : b ≠ 0
- df = n-k-1 = 30-3-1 = 26 - Kriteria pengambilan keputusan sebagai berikut :
Variabel X1 Modal Usaha
Hipotesis : Ho : b = 0
Ha : b ≠ 0
Kriteria : Ho diterima apabila t-hitung t-tabel Ha diterima apabila t-hitung t-tabel
1 1
b Se
b t
=
t = 2.313812
t-tabel = 2,056 α = 5
Ha diterima Ha diterima
Ho diterima -2,056
2,056 2,313812
Gambar 4. 2: Uji t-Statistik pada variabel K Modal Usaha
Universitas Sumatera Utara
Keterangan : Berdasarkan hasil perhitungan diatas, menunjukkan bahwa t-hitung lebih besar dari t-tabel 2.313812 2,056. Dengan demikian diterima Hipotesis alternatif
Ha, artinya variabel K Modal Usaha berpengaruh signifikan terhadap variabel Y Pendapatan Pengusaha Industri Kecil pada tingkat kepercayaan 95.
Variabel X2 Jumlah Tenaga Kerja
Hipotesis : Ho : b = 0
Ha : b ≠ 0
Kriteria : Ho diterima apabila t-hitung t-tabel
Ha diterima apabila t-hitung t-tabel
1 1
b Se
b t
=
t = 2.665028
t-tabel = 2,056 α = 5
Ha diterima Ha diterima 2,056 2,056 2.665028
Gambar 4. 3 : Uji t-Statistik pada variabel L Jumlah Tenaga Kerja
Keterangan : Berdasarkan hasil perhitungan di atas, menunjukkan bahwa t-hitung lebih besar dari t-tabel 2.665028 2,056. Dengan demikian diterima Hipotesis
Universitas Sumatera Utara
alternatif Ha, artinya variabel L Jumlah Tenaga Kerja mempunyai pengaruh signifikan terhadap variabel Y Pendapatan Pengusaha Industri Kecil pada tingkat kepercayaan
95.
Variabel X3 lama usaha
Hipotesis : Ho : b = 0
Ha : b ≠ 0
Kriteria : Ho diterima apabila t-hitung t-tabel Ha diterima apabila t-hitung t-tabel
1 1
b Se
b t
=
t =
3.208513
t-tabel = 2,779 α = 1
Ha diterima Ha diterima
Ho diterima -2,779 2,779
3,208513
Gambar 4. 4: Uji t-Statistik pada variabel T Lama Usaha
Keterangan : Berdasarkan hasil perhitungan diatas, menunjukkan bahwa t-hitung lebih besar dari t-tabel 3.208513
2.779. Dengan demikian diterima
Universitas Sumatera Utara
Hipotesis alternatif Ha, artinya variabel X3 Lama usaha berpengaruh signifikan terhadap variabel Y Pendapatan pengusaha kecil pada tingkat kepercayaan 99.
IV. 3. Uji Asumsi Klasik 1. Uji Linearitas
Uji linieritas sangat penting, karena uji ini sekaligus dapat melihat apakah spesifikasi model yang kita gunakan sudah benar atau tidak. Dengan menggunakan uji ini
kita dapat mengetahui bentuk model empiris dan menguji variabel yang relevan untuk dimasukkan kedalam model empiris. Dengan kata lain, dengan menggunakan uji
linieritas, specification error atau mis-spesification error. Salah satu uji yang digunakan untuk menguji linieritas adalah uji Ramsey atau Ramsey RESET Test Pratomo, 2007
:93.
Ramsey RESET Test: F-statistic
0.530338 Probability 0.473232
Log likelihood ratio 0.629749 Probability
0.427447 Test Equation:
Dependent Variable: LY Method: Least Squares
Date: 061109 Time: 12:35 Sample: 1 30
Included observations: 30 White Heteroskedasticity-Consistent Standard Errors Covariance
Variable Coefficient
Std. Error t-Statistic
Prob. C
0.105041 3.285730
0.031969 0.9748
LX1 0.826042
0.742471 1.112557
0.2765 LX2
4.575291 4.123939
1.109447 0.2778
LX3 0.997599
0.940991 1.060159
0.2992 FITTED2
-0.121146 0.169725
-0.713777 0.4820
R-squared 0.716012 Mean dependent var
8.227565 Adjusted R-squared
0.670574 S.D. dependent var 0.880976
S.E. of regression 0.505642 Akaike info criterion
1.625035 Sum squared resid
6.391838 Schwarz criterion 1.858568
Log likelihood -19.37552 F-statistic
15.75801 Durbin-Watson stat
1.599649 ProbF-statistic 0.000001
Universitas Sumatera Utara
Hasil pengujian dengan RAMSEY test diperoleh nilai F-statistik yang cukup besar yakni
0.530338 dan diikuti dengan probabilitas yang besar pula
0.473232 . Dari sini kita
menyimpulkan bahwa model persamaan di atas adalah linear.
2. Uji Multikolinearitas
Multikolinearitas sering terjadi jika diantara variabel bebas X saling berkorelasi sehingga tingkat penelitian pemerkiraan semakin rendah. Di samping itu interval
keyakinan kesimpulan yang diambil keliru. Multikolinearitas yang berat dapat mengubah tanda koefisien regresi yang seharusnya bertanda + berubah - atau sebaliknya. Uji
multikolinearitas diperoleh dengan beberapa langkah yaitu 1. Melakukan regresi model lengkap Y = f X1…Xn sehingga kita mendapatkan R
square; 2. Melakukan regresi X1 terhadap seluruh X lainnya, maka diperoleh nilai Ri square
regresi ini disebut auxiliary regression; dan 3. Membandingkan nilai Ri square dengan R square. Hipotesa yang dapat dipakai
adalah Ho diterima apabila Ri square R square model pertama berarti tidak terjadi multikolinearitas dan Ha diterima apabila Ri square R square model
pertama berarti terjadi masalah multikolinearitas. - Model analisis
logY = α + β1log K + β2log L + β3log T + μ
Hasilnya
LY = 2.701880 + 0.281485 LX1 + 1.502985 LX2 + 0.349207 LX3 + µ
R-squared = 0.709988; F-statistic = 21.21716
Universitas Sumatera Utara
Pengujian di antara masing – masing variabel dependen sebagai berikut: log K =
α + β2log L + β3log T + μ………………………… 1 R-squared =0,178595 ; F-statistic = 2,935260
log L = α + β1log K + β3log T + μ………………………… 2
R-squared = 0,183323 ; F-statistic = 3.030400 log T =
α + β1log K + β2log L + μ………………………… 3 R-squared = 0,204094 ; F-statistic = 3,461793
Dari hasil regresi diantara variabel dependen terlihat bahwa koefisien determinasinya masih lebih kecil dari koefisien determinasi dari hasil regresi antara variabel dependen
Y dengan variabel independen, yaitu sebesar 70,99. Hal ini berarti bahwa diantara variabel independen tidak terdapat multikolinearitas.
3. Uji Heteroskedastisitas