Hasil Penelitian .1 Metode Analisis Data

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  à 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