BAB IV HASIL DAN PEMBAHASAN

Hasil Deskripsi Hasil Penelitian Dari data yang penulis .................. Deskripsi Penelitian Descriptive Statistics N Y X1 X2 X3 Valid N (listwise)
Sumber : Diolah dengan SPSS 20

Minimum Maximum 21,00 18,00 19,00 15,00 35,00 28,00 32,00 24,00

Mean 26,0429 22,3286 23,6000 18,9143

70 70 70 70 70

Std. Deviation 3,54857 2,40001 3,11332 2,30150

Dari table diatas dapat diketahui bahwa N=70 dan sampel = 70 variabel Y memiliki nilai minimum 21 nilai maksimum 35 dengan nilai rata-rata 26,0429. Variabel X1 memiliki nilai minimum 18, nilai maksimum 28 dengan nilai rata-rata sebesar 22,3286. Variabel X2 memiliki nilai minimum 19, nilai maksimum 32 dan nilai rata-rata 23,60. Variabel X3 memiliki nilai minimum 15, nilai maksimum 24 dan nilai rata-rata 18,9143

PEMBAHASAN UJI ASUMSI KLASIK Uji Asumsi Klasik sebagai Berikut : 1. Uji Normalitas
Tests of Normality Kolmogorov-Smirnov Statistic Unstandardized Residual ,079 Df 70
a

Shapiro-Wilk Statistic
*

Sig. ,200

df 70

Sig. ,136

,973

*. This is a lower bound of the true significance. a. Lilliefors Significance Correction

Sumber : hasil diolah dengan SPSS 20

55

Hipotesis H0 : Residual berdistribusi normal H1 : Residual tidak berdistribusi normal Dasar pengambilan keputusan Sig < 0,05 maka H0 ditolak Sig > 0,05 maka H0 diterima Keputusan Berdasarkan tabel di atas bahwa nilai Sig > 0,05 maka H0 diterima. Jadi dapat disimpulkan residual berdistribusi normal Uji Normalitas P-Plot

Sumber : Hasil diolah SPSS 20

Dari grafik Normal PP-Plot di atas dapat terlihat pola penyebaran data dimana data yang berbentuk titik atau lingkaran kecil menyebar mengikuti garis lurus diagonal di sekitar diagram. Dengan berlandaskan pedoman penilaian Normalitas data maka disimpulkan bahwa data residu dari variabel independen (X1, X2 dan X3) yang diteliti adalah data yang berditribusi normal. Dengan demikian uji Normalitas ini menunjukkan terpenuhi asumsi Normalitas. 2. Uji Heteroskedastisitas
ANOVA Model Regression 1 Residual Total a. Dependent Variable: Y b. Predictors: (Constant), X3, X2, X1 Sum of Squares 779,536 89,335 868,871 Df 3 66 69
a

Mean Square 259,845 1,354

F 191,972

Sig. ,000
b

Sumber : Hasil Olahan SPSS 20

56

Hipotesis H0 : H1 : Minimal terdapat ( Terjadi heterokedistisitas dalam model regresi) Dasar pengambilan keputusan Menolak H0 jika nilai Sig < Menerima H0 jika nilai Sig > Keputusan Dari tabel diatas diperoleh nilai Sig : 0,000 < 0,05 sehingga menolak H0. Maka dengan demikian X1, X2 dan X3 secara bersama-sama Y Tidak terjadi heterokedistisitas dalam model regresi. Uji Heteroskedastisitas ( Tidak terjadi heterokedistisitas dalam model regresi)

Sumber : Hasil Olahan SPSS 20

Melalui grafik scatter plot pada gambar di atas dapat dilihat pola penyebaran data yang ada. Pola penyebaran data yang berupa titik-titik pada scatter plot menyebar di atas dan dibawah, dan penyebarannya tidak membentuk pola tertentu, sehingga dari pola penyebaran ini dapat disimpulkan tidak terjadi heteroskedastisitas. 3. Uji Multikolineritas Uji Multikolineritas Coefficientsa Model 1 Collinearity Statistics Tolerance X1 ,609 ,662 ,781 VIF 1,642 1,511 1,280

X2 X3 a. Dependent Variable : Y
Sumber : Hasil Olahan SPSS 20

57

Berdasarkan tabel di atas menunjukkan nilai VIF (Variance Inflation Factor) adalah < 10. X1 sebesar 1,642; nilai VIF dari X2 sebesar 1,511 dan nilai VIF dari X3 sebesar 1,280. Dapat disimpulkan bahwa model regresi tidak mengandung multikolinieritas. Sehingga pengujian selanjutnya dapat dilanjutkan karena telah memenuhi syarat pengujian asumsi klasik yaitu tidak terjadi multikolonieritas.

4.

Uji Autokorelasi Uji Autokorelasi Model Summaryb Adjusted R Std. Error of the R Square Square Estimate Durbin-Watson 1.947 ,897 ,893 1,16343

,947a a. Predictors: (Constant), X1, X2, X3 b. Dependent Variable: Y

Sumber : Hasil Olahan SPSS 20

Model 1

Hipotesis H0 : H1 : ( Tidak ada autokorelasi dalam model regresi) ( ada autokorelasi dalam model regresi)

Dasar pengambilan keputusan Menolak H0 jika nilai Keputusan Dari hasil di atas nilai du = 1,947 sehingga makan menerima H0 karena nilai du = berada dalam selang 1,525 sampai 2,503 dengan demikian X1, X2 dan X3 secara bersama-sama Y tidak ada autokorelasi dalam model regresi.

58

4.4 Fungsi Regresi Linier Berganda Berdasarkan hasil perhitungan analisis regresi linier berganda dengan menggunakan SPSS 20 di peroleh koefisien regresi sebagai berikut : Kofisien Regresi Secara Berganda Coefficientsa Unstandardized Standardized Coefficients Coefficients B -6,027 ,533 ,736 ,147 Std. Error 1,486 ,075 ,055 ,069 Beta ,361 ,646 ,096 -4,055 7,133 13,314 2,140 ,000 ,000 ,000 ,036

Model

Sig.

(Constant) X1 X2 X3

a. Dependent Variable: Y Sumber : Hasil diolah SPSS 20 Dari tabel 4.5 menunjukkan bahwa persamaan regresi gana yang diperoleh dari hasil analisis yaitu Y = 6,027 + 0,533 X1 + 0,736 X2 + 0,147 X3 persamaan regresi tersebut bahwa harga 1 = 0,533 bertanda positif 2 = 0,736 bertanda positif dan 3 = 0,147 bertanda positif. Dengan demikian terdapat hubungan yang positif antara X1 dengan Y, hubungan yang positif antara X2 dengan Y dan juga terdapat hubungan positif antara X3 dengan Y. Dengan kata lain, maka dari persamaan di atas dapat diartikan sebagai berikut: 1. Konstanta sebesar 6,027 menyatakan bahwa besarnya Y adalah 6,027 dengan asumsi bahwa X1, X2, dan X3 bernilai constant 2. Koefisien regresi X1 sebesar 0,533 menyatakan bahwa setiap penambahan 1 (satu) nilai X1 akan meningkatkan Y sebesar 0,533. 3. Koefisien regresi X2 sebesar 0,736 menyatakan bahwa setiap penambahan 1 (satu) nilai X2 akan meningkatkan Y yaitu sebesar 0,736 4. Koefisien regresi X3 sebesar 0,147 menyatakan bahwa setiap penambahan 1 (satu) nilai X3 akan meningkatkan Y sebesar 0,147

59

Analisis Korelasi dan Analisis Determinasi secara Berganda atau bersama-sama (X1,X2,X3). Kriteria Penelitian korelasi Interval Koefisian 0.00 0.199 0.20 0.399 0.40 0.599 0.60 0.799 080 1.000 Tingkat Hubungan Sangat Rendah Rendah Sedang Kuat Sangat kuat

Dalam penelitian ini analisis korelasi digunakan untuk mengetahui kuat atau lemah hubungan, dan mengetahui besar retribusi : Koefisien determinasi berganda (R2) digunakan untuk mengetahui sumbangan pengaruh variabel independen terhadap variabel dependen. Untuk mengetahui besarnya koefisien determinasi (R2) masing-masing prediktor yang digunakan

Analisis Korelasi dan Determinasi X1, X2 dan X3 secara bersama-sama terhadap Y Hasil Analisis Korelasi Berganda Model Summaryb Adjusted R Std. Error of the R Square Square Estimate Durbin-Watson 1.947 ,897 ,893 1,16343

,947a a. Predictors: (Constant), X1, X2, X3 b. Dependent Variable: Y

Sumber : hasil diolah dengan SPSS 20

Model 1

Berdasarkan hasil output SPSS 20 tabel di atas nilai R sebesar 0,947 artinya variabel X1, X2, dan X3, mempunyai hubungan yang kuat dengan Y. Sedangkan nilai koefisien determinasi R2 (R Square) sebesar 0,897 atau 89,7 % . Dengan kata lain pengaruh X1, X2, dan X3 secara bersamasa-sama terhadap Y adalah sebesar 89,7% sedangkan sisanya 10,3 % ditentukan oleh faktor-faktor lainnya, diluar X1, X2, dan X3 terhadap Y.

60

UJI HIPOTESIS 1. Uji Parsial (Uji t) Nilai t hitung diperoleh dengan menggunakan bantuan aplikasi software SPSS versi 17. Selanjutnya nilai t hitung akan dibandingkan dengan tingkat kesalahan (=5%) derajat kebebasan (df) = (n-k). criteria pengambilan keputusan :
o o

H0 diterima jika thitung < ttabeln Ha di terima jika thitung > ttabel

Hasil Uji T Coefficientsa Model Unstandardized Standardized Coefficients Coefficients B Std. Error Beta (Constant) -6,027 1,486 X1 ,533 ,075 ,361 1 X2 ,736 ,055 ,646 X3 ,147 ,069 ,096 a. Dependent Variable: Y
Sumber : Hasil diolah SPSS 20

Sig.

-4,055 7,133 13,314 2,140

,000 ,000 ,000 ,036

1. Uji t Variabel X1 Perumusan hipotesis untuk pengambilan keputusan : H0: Tidak ada pengaruh X1 terhadap Y. H1: Ada pengaruh X1 terhadap Y. Kriteria pengambilan keputusan :
o o

H0 diterima jika thitung < ttabel H1 di terima jika thitung > ttabel Terlihat pada hasil Uji Parsial tabel diatas diperoleh thitung untuk variable X1

sebesar 7,133. Dengan derajat kebebasan (df) = n-2 = 70-2 = 68, di dengan demikian kriteria pengambilan keputusannya adalah : karena besarnya thitung 7,133 > ttabel 1,995, sehingga H0 ditolak dan H1 diterima yang bearti secara parsial (sendiri-sendiri) X1 mempengaruhi Y. 2. Uji Variabel X2 Perumusan hipotesis untuk pengambilan keputusan : H0: Tidak ada pengaruh X2 terhadap Y. H1: Ada ada pengaruh X2 terhadap Y.

61

Kriteria pengambilan keputusan

o o

H0 diterima jika thitung < ttabel H1 di terima jika thitung > ttabel Terlihat pada hasil Uji Parsial tabel diatas diperoleh thitung untuk variable X2

sebesar 13,314. Dengan derajat kebebasan (df) = n-2 = 70-2 = 68, dengan demikian kriteria pengambilan keputusannya adalah : karena thitung 13,314 > ttabel 1,995 sehingga H0 ditolak dan H1 yang diterima yang berarti secara parsial (sendiri-sendiri) X2 mempengaruhi Y.

3. Uji Variabel X3 Perumusan Hipotesis untuk pengambilan keputusan : H0 : Tidak ada pengaruh X3 terhadap Y. H1 : Ada pengaruh X3 terhadap Y Kriteria pengambilan keputusan
o o

H0 diterima jika thitung < ttabel H1 di terima jika thitung > ttabel Terlihat pada hasil uji parsial tabel diatas diperoleh thitung untuk variabel X3

sebesar 2,140. Dengan derajat kebebasan (df) = n-2 = 70-2 = 68, dengan demikian kriteria pengambilan keputusannya adalah : karena thitung 2,140 > ttabel 1,995, sehingga H0 ditolak dan H1 diterima yang berarti secara parsial (sendiri-sendiri) X3 mempengaruhi Y. 2. Uji Simultan (Uji F) Hasil Uji F ANOVAa df Mean Square 3 66 69 259,845 1,354

Model

Regression 1 Residual Total a. Dependent Variable: Y b. Predictors: (Constant), X3, X2, X1

Sumber : Hasil diolah SPSS 20

Sum of Squares 779,536 89,335 868,871

F 191,972

Sig. ,000b

62

Perumusan hipotesi untuk pengambilan keputusan : H0: Tidak ada pengaruh X1, X2 dan X3 secara bersama-sama terhadap Y. H1: Ada pengaruh X1, X2 dan X3 secara bersama-sama terhadap Y. Kriteria pengambilan keputusan : o H0 diterima jika Fhitung > Ftabel o H1 diterima jika Fhitung > Ftabel Terlihat pada tabel diatas nilai fhitung sebesar 191,972. Pada taraf signifikansi 5% (0,000 < 0,05) diperoleh Ftabel = 3,16. Nilai fhitung > ftabel (191,972 > 2,74), maka H0 ditolak dan H1 diterima sehingga dapat dikatakan bahwa X1, X2, dan X3 berpengaruh terhadap Y.

4.6 Analisis Berdasarkan hasil Analisis penelitian diatas dapat disimpulkan bahwa : 1. Berdasarkan hasil regresi linier berganda diperoleh nilai Koefisien regresi berganda X1 sebesar 0,533 menyatakan bahwa setiap penambahan 1 (satu) nilai X1 akan meningkatkan Y sebesar 0,533. Berdasarkan secara uji parsial diperoleh hasil dengan derajat kebebasan (df) = n-2 = 70-2 = 68 , di dengan demikian kriteria pengambilan keputusannya adalah : karena besarnya thitung 7,133 > ttabel 1,995, sehingga H0 ditolak dan H1 diterima yang dapat diartikan bahwa secara parsial (sendiri-sendiri) X1 berpengaruh terhadap Y. 2. Berdasarkan hasil regresi linier berganda diperoleh nilai Koefisien regresi berganda X2 sebesar 0,736 menyatakan bahwa setiap penambahan 1 (satu) nilai X2 akan meningkatkan Y yaitu sebesar 0,736. Berdasarkan hasil Uji parsial diperoleh hasil dengan derajat kebebasan (df) = n-2 = 70-2 = 68, dengan demikian kriteria pengambilan keputusannya adalah : karena thitung 13,314 > ttabel 1,995, sehingga H0 ditolak dan H1 yang berarti secara parsial (sendiri-sendiri) X2 mempengaruhi Y. 3. Berdasarkan hasil regresi linier berganda diperoleh nilai Koefisien regresi berganda Koefisien regresi X3 sebesar 0,147 menyatakan bahwa setiap penambahan 1 (satu) nilai X3 akan meningkatkan Y sebesar 0,147. Berdasarkan hasil uji secara parsial di peroleh hasil dengan derajat kebebasan (df) = n-2 = 70-2 = 68, dengan demikian kriteria pengambilan keputusannya

63

adalah : karena thitung 2,147 > ttabel 1,995, sehingga H0 ditolak dan H1 diterima yang berarti secara parsial (sendiri-sendiri) X3 mempengaruhi Y. 4. Berdasarkan hasil analisis determinasi diperoleh hasil nilai koefisien determinasi R2 (R Square) sebesar 0,897 atau 89,7 % . Dengan kata lain pengaruh X1, X2, dan X3 secara bersama-sama terhadap Y adalah sebesar 89,7 % sedangkan sisahnya 10,3 % ditentukan oleh faktor-faktor lainnya, diluar X1, X2, dan X3 terhadap Y. Dan berdasarkan hasil uji Silmultan (uji f) di peroleh hasil nilai fhitung sebesar 191,972. Pada taraf signifikansi 5% (0,000 < 0,05) diperoleh Ftabel = 2,74. Nilai fhitung > ftabel (191,972 > 2,74), maka H0 ditolak dan H1 diterima sehingga dapat dikatakan bahwa X1, X2, dan X3 secara bersamasama berpengaruh terhadap Y.