51
variabel bebas mempunyai pengaruh signifikan terhadap variabel terikat yaitu
pendapatan Y.
4.3.4 Uji t Pengujian Parsial
Uji t dalam analisa ini dimaksudkan untuk mengetahui tingkat signifikansi pengaruh secara parsial antara variabel bebas terhadap variabel terikat. Kriteria
pengujian untuk uji t antara lain : 1 bila nilai probabilitas thitung 0,05 maka H
ditolak dan H
i
diterima berarti ada pengaruh signifikan antar variabel bebas terhadap variabel terikat ; 2 bila nilai probabilitas thitung 0,05, maka H
diterima dan H ditolak sehingga tidak ada pengaruh yang signifikan antar
masing-masing variabel bebas terhadap variabel terikat. Dari hasil analisa regresi linier berganda diperoleh data sebagai berikut:
a. Variabel modal X
1
memiliki nilai probabilitas t
hitung
0,002 menunjukkan bahwa probabilitas t
hitung
lebih kecil dari level of significance α = 0,05,
berarti variabel modal X
1
mempunyai pengaruh yang signifikan terhadap pendapatan Y.
b. Variabel lama usaha X
2
memiliki nilai probabilitas t
hitung
0,001 menunjukkan bahwa probabilitas t
hitung
lebih kecil dari level of significance α = 0,05, berarti variabel lama usaha X
2
mempunyai pengaruh yang signifikan terhadap pendapatan.
c. Variabel jumlah tenaga kerja X
3
memiliki nilai probabilitas t
hitung
0,760 menunjukkan bahwa probabilitas t
hitung
lebih besar dari level of significance α = 0,05, berarti variabel jumlah tenaga kerja X
3
tidak mempunyai pengaruh yang signifikan terhadap pendapatan Y.
4.3.5 Uji Ekonometrika
Hasil analisis regresi yang meliputi uji F dan uji t menghasilkan pengaruh yang signifikan, dari hasil pengujian ini sebenarnya sudah dapat digunakan untuk
menentukan bahwa model regresi yang diperoleh telah dapat menjelaskan dan memperkuat pengaruh dari hasil analisa regresi yang diperoleh maka diperlukan
52
asumsi-asumsi klasik yang ada dalam model regresi agar pengujian bersifat BLUE Best Linear Unbias Estimator. Pengujian asumsi klasik tersebut menggunakan
uji ekonometrika yaitu : a. Uji Multikolinearitas
Permasalahan Multikolinearitas adalah adanya korelasi linear antar variabel independent dalam model empiris. Multikolinearitas memberikan
dampak yaitu : 1 Estimator masih bersifat BLUE karena nilai varian dan kovarian besar
2 Nilai hitung t-statistik variabel independent ada yang tidak signifikan karena interval estimasi cenderung lebih besar sehingga terdapat kesalahan
pengujian hipotesis. 3 Nilai koefisien determinasi R
2
cenderung mempunyai nilai besar namun banyak variabel independent yang tidak signifikan.
Deteksi Multikolinearitas 4 Korelasi Parsial antar Variabel
Korelasi parial antar variabel dilakukan dengan melihat nilai koefisien Korelasi antar variabel independen. Rule of thumb, jika koefisien korelasi
nilainya ≥ 0,8 maka diduga ada gejala multikolinearitas dalam model. 5 Deteksi Klein
Dereksi Klein dilakukan dengan melakukan regresi suatu variabel independen dengan variabel indenpenden lain. Rule of thumb, dengan
membandingkan nilai R
2
model dengan nilai R
2
regresi Auxiliary. Bila nilai R
2
regresi Auxiliary ≥ nilai R
2
model. Maka model mengandung gejala multikolinearitas.
53
Hasil pengujian multikolinearitas pada lampiran E dapat dilihat pada tabel 4.9 sebagai berikut:
Tabel 4.9 : Hasil Uji Multikolinearitas Model Auxiliary
Adjusted R-squared R-squared
Modal Lama Usaha
Jumlah Tenaga Kerja 0,272
0,325 0,032
Adjusted R-squared 0,597 tidak terjadi
multikolinearitas Sumber : Lampiran E
Berdasarkan deteksi multikolinearitas menggunakan metode klein, diketahui bahwa tidak terdapat multikolinearitas dalam model empiris. Hal ini
ditunjukkan nilai r
2
seluruh model auxiliary R
2
model empiris.
b. Uji Heterokedastisitas Pengujian heterokedastisitas dilakukan dengan uji glejser yaitu dengan
melakukan regresi variabel terikat Y terhadap semua variabel penjelas X dengan memperoleh niali residual dan melakukan regresi dari nilai absolut residual
terhadap semua variabel X. Kriteria pengujiannya adalah apabila nilai probabilitas t 0,05 maka di dalam model tidak terjadi heterokedastisitas dan apabila nilai
probabilitas t 0,05 maka di dalam model terjadi heterokedastisitas. Hasil analisis uji heterokedastisitas pada lampiran F dapat dijelaskan dalam tabel 4.10 sebagai
berikut: Tabel 4.10: Hasil Uji Heterokedastisitas dengan Uji Glejser
Variabel Bebas Nilai α
Sign.t Probabilitas t Modal
0,05 0,064
Lama Usaha 0,05
0,100 Jumlah Tenaga Kerja
0,05 0,523
Sumber : Lampiran F Berdasarkan hasil analisis yang ada pada lampiran E dapat diketahui
bahwa nilai probabilitas t variabel bebas modal X1 sebesar 0,064, lama usaha X2 sebesar 0,100, dan jumlah tenaga kerja X3 sebesar 0,523. Nilai ini sesuai
dengan kriteria pengujian heterokedastisitas maka di dalam model ini tidak terdapat heterokedastisitas
54
c. Uji Autokorelasi Pengujian ini dimaksudkan untuk mengetahui ada tidaknya korelasi antara
variabel pengganggu. Untuk mengetahui ada tidaknya gejala aurokorelasi dalam persamaan regresi maka digunakan uji Breusch-Godfrey Serial Correlation LM
Test yang digunakan untuk mengidentifikasi masalah aotokorelasi tidak hanya pada first order tetapi bisa juga digunakan pada order lainnya. Hipotesis uji
Breusch-Godfrey Serial Correlation LM Test sebagai berikut: 1 Nilai x
2
hitung ObsR-squared nilai x
2
tabel ObsR-squared atau nilai probabilitas x
2
hitung nilai probabilitas α = 1, 5, 10 maka hipotesis yang menyatakan bahwa tidak ada autokorelasi ditolak.
2 Nilai x
2
hitung ObsR-squard nilai x
2
tabel ObsR-squard atau nilai probabilitas x
2
hitung nilai probabilitas α = 1, 5, 10, maka hipotesis yang menyatakan bahwa tidak ada autokorelasi tidak dapat
ditolak. Berdasarkan hasil uji aotokorelasi yang ada pada lampiran G dapat
diketahui bahwa nilai probabilitas x
2
hitung sebesar 66 ,79 nilai probabilitas α
= 5. Hal ini menunjukkan bahwa dalam model empiris tidak terdapat permasalahan autokorelasi.
4.4 Pembahasan