commit to user
demikian. 5.
Data keuntungan bersih dalam kurun waktu satu bulan. Hal ini berkaitan dengan keuntungan-keuntungan yang diperoleh masing-masing industri
kecil so’on dengan mengambil sampel 60 perusahaan.
1. Hasil Analisis Regresi Linier Berganda
Penggunaan model yang diterapkan dalam pengujian hipotesis pada penelitian ini adalah model regresi linear berganda. Penggunaan
model regresi linear berganda sebagai alat analisis dalam penelitian ini karena metode ini dapat menjelaskan pengaruh dari variabel bebas
terhadap varibel terikat. Adapun variabel bebas terdiri dari upah tenaga kerja X
1
, modal usaha X
2
, biaya pemasaran X
3
, dan tingkat pendidikan X
4
, sedangkan variabel terikatnya adalah keuntungan usaha dari industri kecil yang memproduksi dan memasarkan so’on di
60 unit industri kecil. Adapun pengujian dengan menggunakan metode model
regresi berganda dengan menggunakan metode OLS Ordinary Least Square
merupakan metode yang baik untuk digunakan karena dengan menggunakan metode ini tingkat error term dari masing masing data
dapat diminimalisir. Pengujian hipotesis dilakukan dengan olah data melalui
program software EViews 5.1. dengan model regresi linear berganda. Hasil pengujian regresi berganda dalam penelitian ini seperti terlihat
sebagaimana pada tabel 4.12 di bawah ini :
commit to user
Tabel 4.12 Uji Statitik Regresi Berganda
Variable Coefficient Std.
Error t-Statistic
Prob. C 46116.15
186255.9 0.247596
0.8054 UTK -0.956120
0.073007 -13.09626
0.0000 MDL 0.187076
0.003528 53.01855
0.0000 BPSR -0.950885
0.145419 -6.538911
0.0000 PDDK -539.4937
10972.35 -0.049168
0.9610 R-squared 0.992231
Mean dependent
var 3817500.
Adjusted R-squared 0.991666
S.D. dependent var 2092976.
S.E. of regression 191073.5
Akaike info criterion 27.23836
Sum squared resid 2.01E+12
Schwarz criterion 27.41289
Log likelihood -812.1508
F-statistic 1756.030
Durbin-Watson stat 1.538292
ProbF-statistic 0.000000
Sumber : Data Primer diolah 2011, Lampiran 3 Y = 46116.15 – 0.956120 X
1
+ 0.187076 X
2
– 0.950885 X
3
– 539.4937 X
4
2. Uji Statistik
a. Uji t
Penggunaan uji t ini sebagai alat untuk mengetahui pengaruh variable bebas terhadap variabel terikat secara parsial secara
individu. Pengujian dalam penelitian ini menggunakan taraf signifikansi atau tingkat kesalahan 5 dan jumlah data 60. Hasil
pengujian secara parsial dengan menggunakan uji t sebagaimana dapat diketahui seperti berikut ini :
1 Untuk upah tenaga kerja dan upah tenaga kerja t-hitung sebesar -
13,09626 lebih besar dari t tabel senilai 2,000. Jadi variabel upah tenaga kerja berpengaruh negatif secara signifikan terhadap
commit to user
keuntungan bersih industri kecil so’on di Desa Manjung. Hipotesis yang diajukan dalam penelitian ini diterima.
2 Variabel modal industri kecil mempunyai nilai t-hitung sebesar
53,01855 lebih besar dari t-tabel sebesar 2,0000 atau nilai probabilitas sebesar 0,0000 dengan tingkat kesalahan 0,01 dengan
demikian modal industri kecil berpengaruh positif secara signifikan terhadap keuntungan bersih industri kecil so’on di Desa
Manjung. Jadi variabel modal industri kecil ini dalam hipotesisnya diterima.
3 Variabel biaya pemasaran nilai t - hitung sebesar -6,538911 lebih
besar dari t tabel sebesar 2,0000 atau nilai probabilitas sebesar 0,0000 dengan tingkat kesalahan sebesar 0,01 dengan demikian
biaya pemasaran berpengaruh negatif dan signifikan terhadap keuntungan bersih industri kecil so’on di Desa Manjung. Jadi
hipotesis yang diajukan dalam penelitian ini diterima. 4
Variabel tingkat pendidikan tenaga kerja terhadap keuntungan bersih industri kecil so’on tidak berpengaruh secara signifikan
dengan probabilitas 0,9610. Berdasarkan hasil tersebut maka
hipotesis yang diduga tidak diterima.
b Uji F
Uji ini digunakan untuk menguji keberartian koefisien regresi secara bersama-sama atau simultan antara variabel upah
commit to user
tenaga kerja, modal usaha, biaya pemasaran, tingkat pendidikan pengusaha terhadap keuntungan bersih industri kecil so’on di Desa
Manjung. Pengujian dalam penelitian ini dilakukan dengan bantuan Software EViews 5.1
, pada taraf signifikansi 5 dan jumlah data 60. Hasil pengujian F hitung yang telah dilakukan senilai 1756,030.
Nilai F hitung pada hasil estimasi dengan menggunakan model linier menunjukkan bahwa keempat variabel bebas signifikan secara
bersama-sama yang berarti mempunyai pengaruh terhadap variabel terikat keuntungan bersih industri kecil. Hal ini dibandingkan
dengan nilai F tabel sebesar 2,38 maka F hitung lebih besar dari nilainya dengan nilai signifikansi tingkat kesalahan sebesar 1. Hal
itu menunjukkan bahwa ke empat variabel bebas dalam penelitian ini secara keseluruhan berpengaruh signifikan terhadap variabel
terikatnya yaitu keuntungan bersih industry kecil so’on di Desa Manjung.
c Uji Koefisien Determinasi R
2
Koefisien determinasi yang dinotasikan dengan R
2
merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik tidaknya regresi yang terestimasi atau
penaksir. Koefisien determinasi ini dapat mengukur seberapa dekat garis regresi yang terestimasi dengan data sesungguhnya atau
parameternya. Nilai koefisien determinasi ini mencerminkan seberapa besar variasi dari variabel dependen dapat dijelaskan oleh
commit to user
variabel independen. Nilai R
2
dari pengolahan data yang telah dilakukan pada tabel 4.12 diketahui bahwa nilai R
2
sebesar 0,992231 hal ini menunjukkan bahwa variasi variabel upah tenaga
kerja, modal usaha, biaya pemasaran, tingkat pendidikan mampu menjelaskan sebesar 99,2231 terhadap variasi variabel
keuntungan bersih usaha dari industri kecil so’on di Desa Manjung, sedangkan sisanya 0,88 dijelaskan oleh variasi variabel lain diluar
model penelitian ini.
3. Uji Asumsi Klasik
1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai
distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Uji
Jarque Bera dilakukan untuk menguji apakah distribusi data
normal atau tidak dan untuk melihat nilai signifikansinya. Nilai Jarque Bera
sebagaimana pada lampiran 5 adalah sebesar 42,91015. Nilai X
2
dengan derajat kebebasan 4 sebesar 9,488, dengan demikian nilai JB tes X
2
tabel yang artinya bahwa model yang digunakan dalam estimasi ini datanya tidak berdistribusi
secara normal.
commit to user
2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebasnya
independen ataukah tidak. Jika terjadi korelasi, maka terdapat masalah multikolinearitas. Model regresi yang baik seharusnya
tidak terjadi korelasi antara variabel bebas independen. Multikolinearitas yang berbahaya terjadi apabila nilai variance
inflasi factor VIF lebih besar dari 10 atau nilai tolerance lebih
kecil dari 0,10 Ghozali, 2009. Pendeteksian ada tidaknya multikolinearitas yaitu dengan korelasi
parsial diantara masing-masing variabel independen sebagaimana pada lampiran 7 menunjukkan bahwa hasil dari analisis korelasi
parsial diperoleh koefisien sebagai berikut : Variabel
Independen R
2
Tanda R
2
awal Keterangan
Biaya Tenaga Kerja
0,259022 0,992231
Tida ada Multikolinearitas
Modal 0,716296 0,992231
Biaya Pemasaran
0,703386 0,992231
Penddikan 0,115844
0,992231 dengan demikian karena R
1
awal lebih besar dari keempat R
2
artinya bahwa variabel penjelas tidak terdapat gejala multikolinieritas yang diestimasi dengan korelasi parsial.
3 Uji Heteroskedastisitas
commit to user
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variansi dari residual satu pengamatan-
pengamatan yang lain. Artinya bahwa residu data antara satu dengan varian lainnya seragam ataukah tidak. Jika varian dari residual satu
pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas. Deteksi adanya heteroskedastisitas dapat dilakukan dengan uji White
Heteroskedasticity Test no cross term seperti table 4.14 berikut ini :
Tabel 4.14 Uji Heteroskedastisitas dengan
White Heteroskedasticity Test no cross term
White Heteroskedasticity Test: F-statistic
11.72357 Prob. F8,51 0.000000
ObsR-squared 38.86573 Prob. Chi-Square8
0.000005
Sumber : Data Primer diolah 2011, Lampiran 8
Model regresi dikatakan terbebas dari heteroskedastisitas apabila nilai observasi x R
2
lebih kecil dari nilai X
2
tabel. Tingkat α = 5
dengan derajat kebebasan sebesar 8 maka diperoleh nilai X
2
tabel 15,507 yang kemudian dibandingkan antara nilai dengan hasil ujinya
senilai 38.86573. Karena hasil uji senilai 38.86573 15,507 maka disimpulkan bahwa model estimasi dalam penelitian ini terdapat
gejala heterokedastisitas
.
commit to user
Pengujian menggunakan metode White Heteroskedasticity Test cross term
seperti table 4.15 berikut ini: Tabel 4.15
Uji Heteroskedastisitas dengan White Heteroskedasticity Test cross term
White Heteroskedasticity Test: F-statistic
9.900133 Prob. F14,45 0.000000
ObsR-squared 45.29427 Prob. Chi-Square14
0.000037
Sumber : Data Primer diolah 2011, Lampiran 8
Dari hasil estimasi pada tabel tersebut di atas diperoleh nilai X
2
tabel dengan derajat kebebasan 14 tingkat α = 5 yaitu sebesar
23,685. Hasil uji White Heteroskedasticity Test dengan metode cross term
diperoleh nilai observasi x R
2
senilai 45,29427. Karena hasil uji senilai 45,29427 23,685 maka disimpulkan bahwa model estimasi
dalam penelitian ini terdapat gejala heterokedastisitas.
4 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan penganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Untuk menguji
ada tidaknya problem autokorelasi ini maka dapat melakukan uji Lagrange Multiplier Test LM Test seperti tabel 4.16 berikut
dibawah ini.
commit to user
Tabel 4.16 Pengujian Autokorelasi dengan LM Test
Breusch-Godfrey Serial Correlation LM Test: F-statistic
2.652571 Prob. F2,53 0.079814
ObsR-squared 5.459356 Prob. Chi-Square2
0.065240
Sumber : Data Primer diolah 2011, Lampiran 9
Dari hasil pengujian LM test diketahui nilai observasi x R
2
sebesar 5,459356. Nilai X
2
tabel dengan derajat kebebasan sebesar 4 dan tingkat
α = 5 maka diperoleh nilai 9,488. Karena hasil uji LM test senilai 5,459356 9,488 maka disimpulkan bahwa model estimasi
dalam penelitian ini tidak terdapat gejala autokorelasi.
5 Uji Liniertitas
Dalam pengujian linieritas ini menggunakan uji Ramsey RESET Test seperti tabel 4.17 berikut dibawah ini:
Tabel 4.17 Ramsey RESET Test
Ramsey RESET Test: F-statistic
2.475282 Prob. F1,54 0.121490
Log likelihood ratio 2.689140 Prob. Chi-Square1
0.101034
Sumber : Data Primer diolah 2011, Lampiran 10
Hasil uji ini kemudian dibandingkan dengan F-tabel. Jumlah retriksi penelitan ini sebesar 5, jumlah sampel 60, dan variabel bebasnya 4.
Berdasarkan tabel bahwa nilai F-tabel sebesar 2,38 F-hitung yang
commit to user
nilainya sebesar 2,475282. Dari perbandingan itu dapat disimpulkan bahwa penggunaan model penelitian ini tidak linier.
4. Pembahasan Penelitian
