Tabel 4.6 Profil Responden Pedagang Pasar Bandarjo Ungaran Kabupaten Semarang
Berdasarkan Jenis Kelamin No
Jenis Kelamin Frekuensi
Persentase
1 Laki laki
7 8
2 Perempuan
83 92
Jumlah
90 100
Sumber : Data primer diolah Dari tabel 4.6 di atas dapat dilihat bahwa jumlah pedagang pasar
berdasarkan jenis kelamin yaitu pedagang pasar yang berjenis kelamin laki-laki sebanyak 7 orang dengan persentase 8, pedagang pasar yang berjenis kelamin
perempuan sebanyak 83 orang dengan persentase 92.
4.4 Hasil Penelitian 4.4.1 Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis regresi berganda, dengan menguji tingkat signifikan dari masing-masing
koefisien regresi yang menggunakan uji signifikan t dan uji signifikan f serta koefisien determinasi
ntuk mengetahui apakah semua variabel bebas yang dimasukan dalam penelitian ini mempunyai pengaruh secara bersama-sama
terhadap variabel terikat.
4.4.1.1 Normalitas Data
Berdasarkan teori statistika model linier hanya residu dari variabel dependent Y yang wajib diuji normalitasnya, sedangkan variabel independen
diasumsikan bukan fungsi distribusi. Jadi tidak perlu diuji normalitasnya.
Hasil output dari pengujian normalitas dengan Kolmogorov- Smirnov adalah sebagai berikut.
Tabel 4.7 Hasil Pengujian Normaitas Data
Unstandardized Residual
N 90
Mean .0000000
Normal Parameters
a
Std. Deviation .86904624
Absolute .086
Positive .086
Most Extreme Differences Negative
-.062 Kolmogorov-Smirnov Z
.814 Asymp. Sig. 2-tailed
.521 a. Test distribution is Normal.
Analisis data hasil Output:
Uji normalitas data digunakan hipotesis sebagai berikut : H
: Data berdistribusi normal H
1
: Data tidak berdistribusi normal
Kriteria penerimaan H :
H diterima jika nilai sig 2-tailed 5.
Dari tabel diperoleh nilai sig = 0,521= 52,1 5 , maka H diterima.
Artinya variabel unstandarized berdistribusi normal. Uji normalitas juga dapat dilihat pada grafik Normal P-Plot sebagai berikut.
Gam bar 4.1 Normal P-pot
Pada grafik P-Plot terlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi normal maka variabel
dependen Y memenuhi asumsi normalitas.
4.4.1.2 Uji Linieritas.
Uji linieritas pada analisis regresi berganda berguna untuk mengetahui apakah penggunaan model regresi linier dalam penelitian ini tepat atau tidak.
Untuk melakukan uji linieritas dapat dilihat pada tabel Anova dibawah ini:
Uji Linieritas. Tabel 4.8
Hasi Uji Linieritas Pada Variabel Modal X1
ANOVA Table
Sum of Squares
df Mean
Square F
Sig. Combined
59.364 7
8.481 8.369
.000 Linearity
48.776 1
48.776 48.135
.000 Between
Groups Deviation from
Linearity 10.588
6 1.765
1.741 .122
Within Groups 83.092
82 1.013
Y X1
Total 142.456
89
Dari Uji ANOVA atau F test di atas, didapat F hitung adalah
48.135
dengan tingkat signifikansi 0,000. Karena probabilitas 0,000 jauh lebih kecil dari 0,05,
maka X
1
modal berpengaruh terhadap Pendapatan pedagang pasar.
Tabel 4.9 Hasi Uji Linieritas Pada Variabel Lokasi Berdagang X2
ANOVA Table
Sum of Squares
df Mean
Square F
Sig. Combined
48.998 6
8.166 7.253
.000 Linearity
45.405 1
45.405 40.325
.000 Between
Groups Deviation from
Linearity 3.593
5 .719
.638 .671
Within Groups 93.458
83 1.126
Y X2
Total 142.456
89
Dari Uji ANOVA atau F test di atas, didapat F hitung adalah 40,325 dengan tingkat signifikansi 0,000. Karena probabilitas 0,000 jauh lebih kecil
dari 0,05, maka X
2
lokasi berdagang berpengaruh terhadap Pendapatan pedagang pasar.
Tabel 4.10 Hasi Uji Linieritas Pada Variabel Kondisi Tempat Berdagang X3
ANOVA Table
Sum of Squares
df Mean
Square F
Sig. Combined
57.774 3
19.258 19.558
.000 Linearity
40.554 1
40.554 41.185
.000 Between
Groups Deviation from
Linearity 17.220
2 8.610
8.744 .000
Within Groups 84.681
86 .985
Y X3
Total 142.456
89
Dari Uji ANOVA atau F test di atas, didapat F hitung adalah
41.185
dengan tingkat signifikansi 0,000. Karena probabilitas 0,000 jauh lebih kecil dari 0,05,
maka X
3
kondisi tempat berdagang berpengaruh terhadap Pendapatan pedagang pasar.
Hipotesis yang digunakan : Ho : model regresi linier.
H1 : model regresi tidak linier. Kaidah pengambilan keputusan:
Jika F
hitung
F
tabel
atau nilai sig 0,05 = maka Ho diterima. Jika F
hitung
F
tabel
dan nilai sig 0,05 maka H1 diterima. Dengan tingkat kepercayaan = 95 atau = 0,05. Derajat kebebasan df1 = k
= 3, dan df2 = n k = 90 3 = 87 diperoleh nilai F
tabel
= 2.709.
Pada tabel diatas diperoleh nilai F
hitung
F
tabel
. Dengan kata lain model regresi linier dapat digunakan dalam penelitian ini.
4.4.1.3 Uji Asumsi Klasik
Pengujian asumsi klasik pada penelitian ini meliputi uji multikolonieritas dan uji heterokedastisitas.
1. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang tinggi tidak
terjadi korelasi antar variabel bebas. Untuk mendeteksi ada tidaknya multikolonearitas di dalam model regresi adalah dengan melihat nilai toleransi
dan Variance Inflation Factor VIF. Apabila nilai tolerance 10 dan nilai VIF 10, maka dapat disimpulkan tidak ada multikolinieritas antar variabel bebas
dalam model regresi. Berikut hasil perhitungan menggunakan program SPSS 16:
Tabel 4.11 Hasil Uji Multikolinieritas
Coefficients
a
Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics
Model B
Std. Error Beta
t Sig.
Tolerance VIF
Constant 3.853
.822 4.690
.000 X1
.269 .069
.336 3.929
.000 .749
1.334 X2
.244 .065
.315 3.731
.000 .769
1.300 1
X3 .481
.138 .288
3.477 .001
.801 1.249
a. Dependent Variable: Y
Berdasarkan tabel diatas terlihat setiap variabel bebas mempunyai nilai tolerance 0,1 dan nilai VIF 10. Jadi dapat disimpulkan bahwa tidak ada
multikolinieritas antar variabel bebas dalam model regresi ini.
2. Uji Heterokedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain.
Heteroskedastisitas menunjukkan penyebaran variabel bebas. Penyebaran yang acak menunjukkan model regresi yang tinggi. Dengan kata lain tidak terjadi
heteroskedastisitas. Untuk menguji heteroskedastisitas dapat dilakukan dengan mengamati grafik
° ±²³ ³´µ ¶· ¸³
dengan pola titik-titik yang menyebar di atas dan di bawah sumbu Y. Berikut hasil pengolahan menggunakan program SPSS 16:
Gambar 4.2
¹ º» ¼¼ ½ ¾ ¿ ÀÁ ¼
Pada gambar
 à ÄÅÅ ÆÇ ÈÉÊÅ
terlihat bahwa titik-titik menyebar secara acak serta tersebar tinggi di atas maupun dibawah angka nol pada sumbu Y. Hal ini
dapat disimpulkan tidak terjadi heteroskedastisitas pada model regresi ini. Selain dengan mengamati grafik
 Ã
ÄÅ ÅÆÇ ÈÉ
ÊÅ
Selain dengan mengamati grafik
Â Ã Ä Å ÅÆÇ ÈÉ
ÊÅ
uji heterokedastisitas juga dapat dilakukan dengan uji Glejser. Uji glejser yaitu pengujian dengan meregresikan nilai absolut residual terhadap variabel
independen. Output dari uji glejser adalah sebagai berikut:
Tabel 4.12 Hasil Uji Glejser
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
-.126 .481
-.262 .794
X1 .027
.040 .081
.664 .509
X2 -.027
.038 -.086
-.718 .474
1
X3 .136
.081 .197
1.673 .098
Hasil tampilan output SPSS dengan jelas menunjukkan semua variabel independen mempunyai nilai sig 0,05. Jadi tidak ada variabel independen yang
signifikan secara statistik mempengaruhi variabel dependen abs_res. Hal ini terlihat dari nilai sig pada tiap-tiap variabel independen seluruhnya diatas 0,05.
Jadi dapat
disimpulkan model
regresi tidak
mengandung adanya
heterokedastisitas.
4.4.1.4 Analisis Regresi Berganda.
Berdasarkan analisis dengan program
ËÌËË ÍÎ
ÏÐÑ
Windows diperoleh hasil regresi berganda seperti terangkum pada tabel berikut:
Tabel 4.13 Hasil Uji Regresi Berganda
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
3.853 .822
4.690 .000
X1 .269
.069 .336
3.929 .000
X2 .244
.065 .315
3.731 .000
1
X3 .481
.138 .288
3.477 .001
a. Dependent Variable: Y
Berdasarkan tabel di atas diperoleh persamaan regresi berganda sebagai berikut:
Y = 3,853 + 0,269X
1
+ 0,244X
2
+ 0,481X
3
. Persamaan regresi tersebut mempunyai makna sebagai berikut:
1. Konstanta = 3,853
Jika variabel modal, lokasi berdagang, kondisi tempat berdagang, dan dianggap sama dengan nol, maka variabel pendapatan pedagang sebesar
3,853.
2. Koefisien X
1
= 0,269
Jika variabel modal mengalami kenaikan sebesar satu poin, sementara lokasi berdagang,
kondisi tempat berdagang, dianggap tetap, maka akan
menyebabkan kenaikan pendapatan pedagang sebesar 0,269.
3. Koefisien X
2
= 0,244
Jika variabel lokasi berdagang mengalami kenaikan sebesar satu poin atau lokasi tersebut letaknya lebih strategis lagi, sementara modal, kondisi tempat
berdagang dianggap tetap, maka akan menyebabkan kenaikan pendapatan
pedagang sebesar 0,244.
4. Koefisien X
3
= 0,481
Jika variabel kondisi tempat berdagang mengalami kenaikan sebesar satu poin atau kondisi tempat berdagang lebih nyaman lagi, sementara modal, lokasi
berdagang dianggap tetap, maka akan menyebabkan kenaikan pendapatan
pedagang sebesar 0,481. 4.4.1.5 Pengujian Hipotesis
4.4.1.5.1 Pengujian hipotesis secara simultan uji F.
Uji F dilakukan untuk melihat keberartian pengaruh variabel independen secara simultan terhadap variabel dependen atau sering disebut uji kelinieran
persamaan regresi. Hipotesis:
:
Ò
Variabel dependen secara simultan tidak berpengaruh terhadap variabel dependen.
:
1
Ó
Variabel dependen secara simultan berpengaruh terhadap variabel dependen.
Pengambilan keputusan:
Ho diterima jika F
hitung
F tabel atau sig 5.
H
1
diterima jika F
hitung
Ftabel dan sig 5.
Untuk melakukan uji F dapat dilihat pada tabel anova dibawah ini:
Tabel 4.14 Hasil Uji F
Model Sum of Squares
Df Mean Square
F Sig.
Regression 75.239
3 25.080
32.088 .000
a
Residual 67.216
86 .782
1
Total 142.456
89 a. Predictors: Constant, X3, X2, X1
b. Dependent Variable: Y
Pada tabel Anova diperoleh nilai F = 32,088 2.709 nilai F tabel F
0,05;3;90
= 2.709 dan sig = 0,000 5 ini berarti variabel independen modal, lokasi berdagang, dan kondisi tempat berdagang, secara simultan benar-benar
berpengaruh signifikan terhadap variabel dependen pendapatan pedagang. Maka dengan kata lain variabel-variabel independen modal, lokasi berdagang, dan
kondisi tempat berdagang, mampu menjelaskan besarnya variabel dependen pendapatan pedagang.
4.4.1.5.2 Pengujian hipotesis secara parsial uji t
Uji t dilakukan untuk mengetahui apakah secara individu parsial variabel independen mempengaruhi variabel dependen secara signifikan atau tidak. Jika
tingkat signifikansinya dibawah 5 maka secara parsial variabel modal, lokasi berdagang, kondisi tempat berdagang berpengaruh terhadap pendapatan pedagang
pasar Bandarjo Ungaran Kabupaten Semarang.
Hasil output dari SPSS adalah sebagai berikut.
Tabel 4.15 Hasil Uji t
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta T
Sig. Constant
3.853 .822
4.690 .000
X1 .269
.069 .336
3.929 .000
X2 .244
.065 .315
3.731 .000
1
X3 .481
.138 .288
3.477 .001
a. Dependent Variable: Y
Hipotesis : Ho : Variabel independen tidak berpengaruh terhadap variabel dependen.
Ha : Variabel independen berpengaruh terhadap variabel dependen. Kriteria pengambilan keputusan :
Maka dengan tingkat kepercayaan = 95 atau = 0,05. Derajat kebebasan df = n-k-1 = 90-3-1 = 86, serta pengujian dua sisi diperoleh dari nilai
t
0,05
= 1.988.
Ho diterima apabila t
tabel
t
hitung
t
tabel
atau sig 5 Ho ditolak apabila t
hitung
t
tabel
atau t
hitung
t
tabel
dan sig 5. Hasil pengujian statistik dengan SPSS pada variabel X
1
Modal diperoleh nilai t
hitung
= 3.929 1.988 = t
tabel
, dan sig = 0,000 5 jadi Ho ditolak. Ini berarti variabel modal secara statistik berpengaruh signifikan terhadap variabel dependen
pendapatan pedagang. Pada variabel X
2
Lokasi berdagang diperoleh nilai t
hitung
= 3.731 1.988 = t
tabel
, dan sig = 0,000 5 jadi Ho ditolak. Ini berarti variabel independen lokasi berdagang secara statistik berpengaruh signifikan terhadap
variabel dependen pendapatan pedagang. Pada variabel X
3
Kondisi tempat berdagang diperoleh nilai t
hitung
= 3.477 1,988 = t
tabel
, dan sig = 0,000 5 jadi Ho ditolak. Ini berarti variabel independen kondisi tempat berdagang secara
statistik berpengaruh signifikan terhadap variabel dependen pendapatan pedagang.
4.4.1.5.3 Koefisien Determinasi Ganda R
2
Untuk melihat besarnya pengaruh variabel independen terhadap variabel dependen secara keseluruhan dapat dilihat pada tabel model summary berikut ini:
Tabel 4.16 Hasil Determinasi Ganda
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.727
a
.528 .512
.88407 a. Predictors: Constant, X3, X2, X1
Pada tabel di atas diperoleh nilai R
Ô ÕÖ×Ø Ù
atau koefisien determinasinya adalah 0,528 = 52,8 ini berarti variabel bebas modal, lokasi berdagang, kondisi
tempat berdagang, secara bersama-sama mempengaruhi variabel dependen
pendapatan pedagang sebesar 52,8 dan sisanya dipengaruhi oleh sebab lain yang tidak masuk dalam penelitian ini yaitu sebesar 47,2 .
4.4.1.5.4 Koefisien Determinasi Parsial r
2
Selain melakukan uji t maka perlu juga mencari besarnya koefisien determinasi parsialnya untuk masing-masing variabel bebas. Uji determinasi
parsial ini digunakan untuk mengetahui seberapa besar sumbangan dari masing- masing variabel bebas terhadap variabel terikat.
Secara parsial kontribusi Modal, Lokasi berdagang, Tempat berdagang, terhadap pendapatan pedagang bisa dilihat pada tabel berikut ini:
Tabel 4.17 Hasil Determinasi Parsial
Unstandardized Coefficients
Standardize d
Coefficients Correlations
Model B
Std. Error Beta
t Sig.
Zero- order
Partial Part
Constan t
3.853 .822
4.690 .000
X1 .269
.069 .336
3.929 .000
.585 .390
.291 X2
.244 .065
.315 3.731
.000 .565
.373 .276
1
X3 .481
.138 .288
3.477 .001
.534 .351
.258 a. Dependent Variable: Y
Berdasarkan tabel di atas, diketahui besarnya r
2
Modal adalah 15,2, yang diperoleh dari koefisien korelasi parsial untuk variabel Modal dikuadratkan yaitu
0.39
2
, artinya besarnya pengaruh variabel Modal terhadap pendapatan pedagang Pasar Bandarjo yaitu sebesar 15,2. Besarnya pengaruh Lokasi berdagang adalah
13.9, yang diperoleh dari koefisien korelasi parsial untuk variabel Lokasi berdagang dikuadratkan yaitu 0.373
2
, artinya besarnya pengaruh variabel Lokasi berdagang terhadap pendapatan pedagang Pasar Bandarjo yaitu sebesar 13,9.
Besarnya pengaruh Tempat berdagang adalah 12.3, yang diperoleh dari koefisien korelasi parsial untuk variabel Tempat berdagang dikuadratkan yaitu
0.351
2
, artinya besarnya pengaruh variabel Kondisi tempat berdagang terhadap pendapatan pedagang Pasar Bandarjo yaitu sebesar 12,3.
Hal ini menunjukkan bahwa variabel modal memberikan pengaruh lebih besar terhadap pendapatan pedagang dibandingkan variabel Lokasi berdagang dan
Tempat berdagang.
4.5 Pembahasan