METODE PENELITIAN
Penelitian ini dilakukan di Keluraha Kayu Putih Kota Kupang sedangkan waktu
penelitian dilakukan selama 6 (enam) bulan yaitu bulan Juli 2020 sampai Desember
2020.
penelitian meliputi:
jasa konveksi yang diterima selama pertahun, indikator dari variabel ini diukur
2. Mutu atau kualitas jahitan (X2) merupakan ukuran patokan (standar) yang
menjadi acuan dalam menentukan kualitas (mutu) suatu produk pakaian pria
maupun wanita. Indikator dari variabel ini adalah kualitas bahan, mode dan
3. Selera (X3) merupakan tingkat keinginan konsumen akan suatu barang atau
karya. Indikator dari variabel ini adalah model pakaian yang dipesan.
4. Pelayanan (X4) merupakan salah satu jasa yang akan membantu untuk
Indikator dari variabel ini adalah bukti langsung, efektif atau andal dan
kepercayaan.
5. Permintaan jasa konveksi (Y) adalah permintaan yang dibuat oleh konsumen
1. Data Kualitatif
Data kualitatif merupakan data yang diperoleh bukan dalam bentuk angka-angka
tetapi berupa keterangan misalnya: selera konsumen, mutu atau kualitas jahitan,
2. Data Kuantitatif
konsumen.
Data primer merupakan data yang diambil secara langsung dari konsumen
langsung tentang kegiatan usaha yang dilakukan oleh pengusaha jasa konveksi di
Kelurahan Kayu Putih meliputi tingkat pendapatan konsumen pertahun, mutu atau
penelitian terdahulu.
3.4 Populasi dan Sampel
3.4.1 Populasi
Populasi adalah keseluruhan jumlah yang terdiri atas objek dan subjek yang
memiKliki karakteristik dan kualitas tertentu yang ditetapkan oleh peneliti untuk
digunakan dalam penelitian ini yaitu jumlah seluruh jasa konveksi yang ada di
3.4.2 Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
3.5.1 Kuesioner
pertanyaan atau daftar pernyataan terhadap objek yang diteliti dalam hal ini para
pengguna jasa konveksi untuk dijawab berdasarkan data-data yang dibutuhkan dalam
penelitian.
3.5.2 Wawancara
3.5.3 Observasi
Observasi atau pengamatan yaitu penulis langsung mengadakan pengamatan
permintaan jasa konveksi di kelurahan Kayu Putih Kota Kupang maka alat analisis
melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan
membuat kesimpulan yang berlaku untuk umum. Dalam hal ini memberi gambaran
tentang pendapatan, mutu atau kualitas produk, selera, pelayanan dan permintaan jasa
Dalam penelitian ini, peneliti akan melakukan uji statistik regresi dalam
mempelajari hubungan yang ada diantara variabel-variabel tidak bebas jika variabel
bebasnya diketahui atau sebaliknya. Dalam prakteknya ada empat uji asumsi klasik
variabel dependen melalui uji t hanya akan valid jika residual yang kita dapatkan
mempunyai distribusi normal. Ada beberapa metode yang bisa digunakan untuk
1. Histogram Residual
Function (PDF) dari variabel random berbentuk distribusi normal atau tidak.
dimana jika grafik distribusi normal tersebut dibagi dua akan mempunyai
2. Uji Jaraque-Bera
Uji normalitas residual metode OLS secara formal dapat didektesi dari metode
s ( k−3 )
J B=n( + )
6 24
Jika suatu variabel didistribusikan secara normal maka nilai koefisien S=0 dan
K=3. Oleh karena itu, jika residual terdistribusikan secara normal maka
diharapkan nilai statistik JB akan sama dengan nol. Nilai statistik Jb ini
didasarkan pada distribusi Chi Squares dengan derajat kebebasan (df)=2. Jika
nilai probabilitas p dari statistik JB besar atau dengan kata lain jika nilai
statistik dari JB ini tidak signifikan maka kita gagal menolak hipotesis
Sebaliknya jika nilai probabilitas p dari statistik JB kecil atau signifikan maka
determinasi yang sangat tinggi (R2) katakanlah diatas 0,8 tetapi hanya sedikit
melalui uji T2. Namun berdasarkan uji F secara statistik signifikan yang berarti
dependen. Dalam hal ini terjadi suatu kontradiktif dimana berdasarkan uji T
variabel dependen.
linier antara variabel independen di dalam regresi. Oleh karena itu kenapa kita
jika koefisien korelasi cukup tinggi katakanlah diatas 0,85 maka akan diduga
Masalah ini timbul terutama pada data time series dimana korelasi
antarvariabel independen cukup tinggi. Korelasi yang tinggi ini terjadi karena
kedua data mengandung unsur tren yang sama yaitu data naik dan turun secara
bersamaan.
3. Regresi Auxiliary
regresi yang kita gunakan yang disebut regresi auxiliary. Setiap koefisien
determinasi (R2) dari regresi auxiliary ini kita gunakan untuk menghitung
R 2x 1
x2 x3 … xk
yaitu: F i= ( k −1 )
( 1−R2x x x x )/ ( n−K )
1 2 3… k
independen Xi dengan sisa variabel X yang lain sedangkan nilai kritis dari
distribusi F didasarkan pada derajat kebebasan k-1 dan n-k. Keputusan ada
Hitung lebih besar dari nilai hitung F kritis dengan tingkat signifikan α dan
variabel lainnya. sebaliknya jika nilai F hitung lebih kecil dari nilai F kritis
maka tidak ada hubungan linier antara suatu variabel X dan variabel X
lainnya.
α2 1
Vαr ( β j ) =( )( )
∑ x j 1−r 2
2
α2
Vαr ( β j ) =( )VIFj
∑ x2 j
Dimana Rj2 merupakan R2 yang diperoleh dari regresi Auxilary antara
adalah Variance Inflation Factor. Ketika Rj2mendekati satu atau dengan kata
lain ada kolinieritas antara variabel independen maka VIF akan naik
mendekati tak terhingga jika nilai Rj2= 1. Dengan demikian kita bisa
regresi linier berganda.Jika nilai VIF semakin membesar maka diduga ada
multikolinieritas.
1. Metode Informal
Cara yang paling tepat dan dapat digunakan untuk menguji masalah
grafik. Jika residual mempunyai varian yang sama maka kita tidak
mempunyai pola yang pasti dari residual. Sebaliknya jika residual mempunyai
2. Metode Park
dimulai dari metode yang dikembangkan oleh Park. Menurut Park, variabel-
muncul karena residual ini tergantung dari variabel independen yang ada
¿ σ 2 x βi e ui
bisa menggunakan untuk model yang mempunyai lebih dari satu variabel
independen.
Dalam transformasi logaritma dapat ditulis sebagai berikut :
ln σ 2+ βln X i +vi
Dimana ln+ Logaritma Natural dan vi= variabel gabungan.
ln e 2i =ln σ 2+ βln X i + vi
estimator. Jika tidak signifikan melalui uji t maka dapat disimpulkan tidak ada
ditentukan oleh variabel independen. Maka prosedur dari uji Park adalah:
Melakukan regresi terhadap model yang ada dengan metode OLS dan
hitung lebih kecil dari nilai kritis tabel maka tidak ada masalah
heteroskedastisitas.
variabel independen yang ada di dalam model. Berbeda dengan Park, agar kita
bisa mengetahui apakah pola variabel gangguan mengandung
|e i|= βo + β 1 X i +vi
|e i|= βo + β 1 √ Xi+ vi
1
|e i|= βo + β 1 X + vi
i
1
|e i|= βo + β 1 +vi
√ Xi
|e i|= √ β o + β 1 Xi+ vi
|e i|= √ β o + β 1 Xi i 2+ vi
Sebagaimana Park jika b1, tidak signifikan melalui uji t maka dapat
residual. Metode Park dan Glejser merupakan metode sederhana dan mudah
∈d i 2
r s=1−6 2
n( n −1)
¿ β 0 + β 1 Xi +ei
Spearmen.
5. Metode Golfeld-Quandt
Y i=β 0 + β 1 X +ei
1
σi i 2=σ 2 X i 2
Hal ini berarti bahwa semakin besar X kuadrat semakin besar juga σ 2. Dengan
heteroskedastisitas.
6. Metode Breusch-Pagan
Metode ini bisa dijelaskan dengan model regresi sederhana sebagai berikut:
Y i=β 0 + β 1 X i+ ei
berikut:
σ i 2=f ¿
7. Metode White
merupakan residual kuadrat yang kita peroleh dari persamaan. Jika kita
mempunyai lebih dari dua variabel independen dalam persamaan akan lebih.
korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu.
Dengan kaitannya dengan asumsi OLS autokorelasi merupakan korelasi antara satu
Autokorelasi:
1. Metode Durbin Waston (DW). Salah satu uji yang populer yang biasa
Durbin Wiston. Prodesur uji yang dikembangkan oleh Durbin Wiston dapat
y e =β o + β 1 X 1+ et .
kelemahan. Pertama, uji ini hanya berlaku jika variabel independen bersifat
random atau stokastik. Jika uji ini memasukkan variabel independen yang
disebut dengan model autoregresif maka uji Durbon Wiston tidak bisa
tinggi seperti AR(2) AR(3) dan seterusnya. Ketiga, model ini juga tidak bisa
digunakan dalam kasus rata rata bergerak dari residual yang lebih tinggi.
y t =β σ + β 1 X 1+ et
maka Breus dan Godfrey mengembangkan uji autokorelasi yang lebih umum
dan dikenal dengan Uji langrange Multiplier. Sebagai catatan kita bisa
kita menggunakan regresi sederhana.
Uji Autokorelasi juga dapat dilakukan melalui Run Test. Uji ini merupakan
dilakukan dengan melihat nilai Asymp. Sig (2-tailed) uji Run Test. Apabila
nilai Asymp. Sig (2-tailed) lebih besar dari tingkat signifikansi 0,05 maka
dapat disimpulkan tidak terdapat autokorelasi. Uji run test akan memberikan
kesimpulan yang lebih pasti jika terjadi masalah pada Durbin Watson Test
yaitu nilai d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL) yang
variabel dependen (variabel terikat) dengan satu atau lebih variabel independen
populasi atau nilai rata-rata variabel dependen ber dasarkan nilai variabel independen
yang diketahui. Hasil regresi adalah berupa koefisien untuk masing-masing variabel
keputusan apakah naik dan menurunnya variabel dependen dapat dilakukan melalui
perilaku variabel ekonomi yang sebenarnya.Model regresi linier yang terdiri dari
lebih dari satu variabel independen dikenal dengan model regresi berganda.Bentuk
adalah variabel ganggun. Subkrip menunujukkan observasi ke-i untuk data cross
section dan jika kita gunakan dalam data time series biasanya kita beri subskrip t
sepertidalam regresi sederhana.Karena ada lebih dari satu variabel independen maka
pada asumsi ditambah tidak ada hubungn linier antara variabel independen atau tidak
ada multikolinieritas. Dalam kasus regresi berganda berarti tidak ada multikolinieritas
E ( Y i l X 1i X 2 i )=βo + β 1 X 1 + β 2 X 2+ ei
Arti persamaan tersebut adalah nilai harapan (Expected Value) atau rata-rata dari Y
Dalam hal ini mengartikan β1 dan β2 agak sedikit berbeda dari regresi
E(Y|X1,X2) terhadap perubahan per unit X1 dengan asumsi variabel X2 tetap. Begitu
pula β2 adalah mengukur perubahan rata-rata atau nilai harapan E(Y|X 1,X2) terhadap
Y i=β 0 + β 1 X 1 i+ β 2 X 2 i +e i
mempunyai df sebesar k-1 sedangkan SSR mempunyai df=n-k. Analisis varian ini
bisa ditampilkan dalam tabel. Dengan hipotesis bahwa semua variabel independen
ESS(k −1)
F=
SSR(n−k)
intersep atau konstanta. Formula uji statistik ini bisa dinyatakan dalam bentuk
ESS/(k−1)
F=
(TSS−ESS)/(n−k )
Dari persaaman diatas hipotesis nol terbukti, maka kita harapkan nilai dari
ESS dan R2 akan sama dengan nol sehingga F akan sama dengan nol. Dengan
demikian, kita akan gagal menolak hipotesis nol karena variabel independen hanya
variabel namun hal ini bukan berarti secara individual variabel independen
menyebabkan standar error sangat tinggi dan rendahnya nilai t hitung meskipun
Y i=β 0 + β 1 X 1 i+ β 2 X 2 i +e i
berikut:
Mencari nilai F hitung dengan formula seperti pada persamaan diatas dan nilai
denominator(n-k).
Jika F hitung > F kritis, maka kita menolak Ho dan sebaliknya jika F hitung<
berganda sama dengan prosedur uji koefisien regresi sederhana. Langkah-langkah uji
T sebagai berikut:
H 0 : β1 =0
H a : β 1> 0
H 0 : β1 =0
H a : β 1< 0
H 0 : β1 =0
Ha : β1≠ 0
3. Menghitung nilai t hitung untuk β 1dan β 2dan mencari nilai t kritis dari tabel
β 1−βi
t¿
se ( βi)
kita juga akan menggunakan koefisien determinasi untuk mengukur seberapa baik
garis regresi yang kita punyai. Dalam hal ini kita mengukur seberapa besar proporsi
variasi variabel dependen dijelaskan oleh semua variabel independen. Formula untuk
2 E ei 2
R =1−
E yi 2
2
2 E ei
R =1−
E (Y i−Y )
independen. Artinya koefisien determinasi akan semakin besar jika terus menambah
tidak pernah menurun maka kita harus berhati-hati membandingkan dua regresi yang
independen X. Kehatian-hatian ini perlu karena tujuan regresi metode OLS adalah
mendapatkan nilai koefisiensi determinasi yang tinggi. Salah satu persoalan besar
variabel independen X belum tentu mempunyai Jastifikasi atau pembenaran dari teori
lain agar nilai R2 tidak merupakan fungsi dari variabel independen. Sebagai
E ei 2 (n−k )
R2=1−
E ( Y i−Y ) (n−1)