Hasil Uji Statistik Deskriptif

Statistik deskriptif bertujuan untuk memberikan informasi mengenai

karakteristik variabel – variabel penelitian yaitu jumlah amata nilai minimum, nilai

maksimum, nilai mean, dan standar deviasi. Untuk mengukur nilai sentral dari

distribusi data dapat dilakukan dengan pengukuran rata – rata (mean) sedangkan

standar deviasi merpakan perbedaan nilai data yang diteliti dengan nilai rata –

ratanya. Hasil statistik deskriptif dapat dilihat pada Tabel 1 berikut.

Tabel 1
Hasil Statistik Deskriptif Variabel Penelitian
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
X1 Jenis Kelamin 122 .00 1.00 .3525 .47971
X2 Status Perkawinan 122 .00 1.00 .3279 .47137
X3 Pendidikan 122 .00 16.00 6.7541 4.58944
X4 Kesehatan 122 .00 4.00 3.1885 .97347
X5 Status Kepala Rumah 122 .00 1.00 .7131 .45417
Tangga
X6 Pendapatan Non Kerja 122 .00 3000.00 245.0820 719.40086
X7 Pendapatan Keluarga 122 1000.00 10500.00 4453.6066 2107.64491
M Jumlah Tanggungan 122 .00 7.00 2.0902 1.72968
Y Partisipasi Kerja 122 14.00 90.00 60.5328 19.79489
Valid N (listwise) 122
Sumber : Lampiran 2

Berdasarkan hasil uji statistik deskriptif pada Tabel 1 dapat diketahui bahwa total

data observasi dalam penelitian ini adalah sebanyak 122 responden

Hasil Uji Asumsi Klasik

Analisis regresi sangat memerlukan bagian asumsi agar model dapat

digunakan sebagai alat prediksi baik. Selanjutnya, dilakukan uji asumsi classical

linear regression model (uji asumsi klasik). Tujuan dari pengujian ini adalah untuk

memastikan bahwa model atau persamaan yang diuji tidak melanggar asumsi

tersebut. Pengujian ini dilakukan untuk membuktikan bahwa hasil yang diperoleh

bersifat BLUE (Best Linear Unbiased Estimator). Uji asumsi klasik meliputi uji

normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokolerasi. Masing-

masing uji asumsi klasik akan dijabarkan sebagai berikut:

1) Hasil Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal atau tidak.

Model regresi yang baik adalah memiliki distribusi normal atau mendekati

normal (Ghozali, 2012:116). Untuk mendeteksi normalitas data digunakan

Kolmogorov-Smirnov dengan kriteria jika Asymp. Sig (2-tailed) lebih besar

dari level of significant yang dipakai yaitu 5 persen, maka dapat disimpulkan

bahwa residual berdistribusi normal namun sebaliknya jika Asymp. Sig (2-

tailed) lebih kecil dari level of significant 5 persen, maka data mempunyai

distribusi tidak normal. Hasil uji normalitas untuk seluruh sampel dapat

dilihat pada Tabel 2 di bawah ini.

 Tabel 2
Hasil Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 122
a,b
Normal Parameters Mean .0000000
Std. Deviation 13.23755064
Most Extreme Differences Absolute .066
Positive .066
Negative -.047
Test Statistic .066
Asymp. Sig. (2-tailed) .200c,d
Sumber: Data diolah (Lampiran 4), 2025

Hasil pengujian pada persamaan regresi linear berganda dalam Tabel

1 menunjukkan bahwa nilai Asymp. Sig (2-tailed) 0,200 lebih besar dari level

of significant, yaitu 5 persen (0,05). Jadi dapat disimpulkan bahwa nilai

residual pada model regresi yang diuji sudah berdistribusi normal.

2) Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi

di temukan adanya korelasi antar variabel bebas. Untuk mendeteksi ada atau

tidaknya multikolinearitas pada model regresi dapat dilihat pada nilai

tolerance dan nilai variance inflation factor (VIF). Jika nilai tolerance lebih

dari 10 persen atau VIF kurang dari 10, maka dikatakan tidak ada

multikolinearitas. Hasil uji multikolinearitas dapat dilihat pada Tabel 3.

 Tabel 3
Hasil Uji Multikolinearitas
Toleranc Keterangan
Variabel VIF
e
Jenis kelamin 0,749 1,336 Bebas
Multikolinieritas
Status Perkawinan 0,633 1,579 Bebas
Multikolinieritas
Tingkat Pendidikan 0,572 1,749 Bebas
Multikolinieritas
Kesehatan Lansia 0,919 1,089 Bebas
Multikolinieritas
Status Kepala Rumah 0,882 1,133 Bebas
Tangga Multikolinieritas
Pendapatan Non Kerja 0,576 1,737 Bebas
Multikolinieritas
Pendapatan Keluarga 0,352 2,837 Bebas
Multikolinieritas
Jumlah Tanggungan 0,424 2,361 Bebas
Multikolinieritas
Sumber: Data diolah (Lampiran 5), 2025

Berdasarkan Tabel 3 dapat dilihat bahwa nilai VIF dan Tolerance,

dimana diperlihatkan bahwa tidak terdapat nilai Tolerance yang kurang dari

0,1 (10 persen) ataupun nilai VIF yang lebih dari 10. Oleh karena itu

berdasarkan nilai Tolerance dan VIF pada model analisis tersebut tidak

ditemukan adanya gejala multikolinearitas.

3) Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk menguji model regresi

apakah terjadi ketidaksamaan varian dari residual satu pengamatan ke

pengamatan lain. Uji heteroskedastisitas pada penelitian ini menggunakan uji

Glejser. Uji Glejser dilakukan dengan cara meregresi nilai absolute residual

dari model yang diestimasi terhadap variabel bebas. Jika nilai signifikannya

lebih dari 0,05 maka tidak terjadi gejala heterosedastositas. Hasil uji Glejser

dapat di lihat pada tabel 4.

Tabel 4.

Hasil Uji Heteroskedastisitas

Variabel Signifikansi Simpulan

Jenis kelamin 0,842 Bebas
Heteroskedastisitas
Status Perkawinan 0,961 Bebas
Heteroskedastisitas
Tingkat Pendidikan 0,591 Bebas
Heteroskedastisitas
Kesehatan Lansia 0,157 Bebas
Heteroskedastisitas
Status Kepala Rumah 0,660 Bebas
Tangga Heteroskedastisitas
Pendapatan Non Kerja 0,799 Bebas
Heteroskedastisitas
Pendapatan Keluarga 0,633 Bebas
 Heteroskedastisitas
Jumlah Tanggungan 0,689 Bebas
Heteroskedastisitas
Sumber: Data diolah (Lampiran 6), 2025

Tabel 4. menunjukkan bahwa nilai signifikansi seluruh variabel

memiliki nilai yang lebih besar dari α = 0.05. Oleh karena itu, dapat

disimpulkan bahwa tidak terjadi heteroskedastisitas.

Hasil Analisis Regresi Moderasi

Analisis regresi moderasi ini digunakan untuk menganalisis pengaruh jenis

kelamin, status perkawinan, tingkat pendidikan, kesehatan lansia audit, status kepala

rumah tangga, pendapatan non kerja, pendapatan keluarga dan jumlah tanggungan

sebagai variabel moderasi terhadap Partisipasi Kerja. Analisis regresi linear berganda

diolah dengan bantuan software SPSS for Windows 26.0 dengan hasil yang dapat

dilihat pada Tabel 5 berikut.

Tabel 5
Rangkuman Hasil Analisis Regresi Moderasi
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -86.303 65.363 -1.320 .189
X1 Jenis Kelamin 8.585 3.035 .208 2.829 .006
X2 Status Perkawinan -7.130 3.371 -.170 -2.115 .037
X3 Pendidikan -.997 .361 -.231 -2.766 .007
X4 Kesehatan 2.858 1.360 .141 2.101 .038
X5 Status Kepala Rumah Tangga 13.773 2.969 .316 4.640 .000
X6 Pendapatan Non Kerja -.005 .002 -.184 -2.184 .031
X7 Pendapatan Keluarga -.010 .002 -1.061 -4.239 .000
M Jumlah Tanggungan 25.875 9.217 2.261 2.807 .006
 X7.M 20.272 9.047 1.461 2.241 .027
a. Dependent Variable: Y Partisipasi Kerja
Sumber: Data diolah (Lampiran 3), 2025

Dari hasil analisis regresi moderasi pada Tabel 5 tersebut, maka dapat dibuat

persamaan sebagai berikut:

Y = α + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + 𝛽6𝑋6 + 𝛽7𝑋7 + 𝛽8𝑋7𝑀 +

Y = -86,303 + 8,585 𝑋1 – 7,130𝑋2 – 0,997 𝑋3 + 2,858 𝑋4 + 13,773 𝑋5 –

0.005 𝑋6 – 0,010 𝑋7 + 25,875 M + 20,272𝑋7𝑀 + e
Tabel 5 menunjukkan nilai signifikansi seluruh variabel kurang dari 0,05, yang berarti

bahwa seluruh variabel yang diteliti yaitu jenis kelamin, status perkawinan, tingkat

pendidikan, kesehatan lansia audit, status kepala rumah tangga, pendapatan non kerja,

pendapatan keluarga dan jumlah tanggungan berpengaruh signifikan terhadap

partisipasi kerja.

Hasil Uji Koefisien Determinasi (R2)

Koefisien determinasi (R2) digunakan untuk mengetahui dan mengukur

kemampuan model dalam menerangkan variasi variabel independen. Peneliti

menggunakan nilai adjusted R2 pada saat mengevaluasi yang mana model regresi

terbaik, karena tidak seperti R2, nilai adjusted R2 dapat naik atau turun apabila satu

variabel independen ditambahkan ke dalam model. Adapun hasil uji koefisien

determinasi dalam penelitian ini dapat dilihat pada Tabel 6 berikut:

Tabel 6
 Hasil Uji Koefisien Determinasi
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
a
1 .744 .553 .517 13.75914
a. Predictors: (Constant), X7.M, X1 Jenis Kelamin, X6 Pendapatan Non Kerja, X4 Kesehatan, X5
Status Kepala Rumah Tangga, X2 Status Perkawinan, X3 Pendidikan, X7 Pendapatan Keluarga, M
Jumlah Tanggungan

Sumber: Data diolah (Lampiran 3), 2025

Hasil uji pada Tabel 6 memberikan hasil dimana diperoleh besarnya adjusted

R2 (koefisien determinasi yang telah disesuaikan) adalah sebesar 0,517. Ini berarti

sebesar 51,7 persen variasi Partisipasi Kerja dapat dipengaruhi secara signifikan oleh

variabel jenis kelamin, status perkawinan, tingkat pendidikan, kesehatan lansia audit,

status kepala rumah tangga, pendapatan non kerja, pendapatan keluarga dan jumlah

tanggungan, sedangkan sisanya sebesar 48,3 persen dijelaskan oleh faktor-faktor lain.

Hasil Uji Kelayakan Model (Uji F)

Uji F digunakan untuk menguji apakah terdapat pengaruh signifikan antara

variabel independen secara bersama-sama terhadap variabel dependen dengan

kelayakan model yang dihasilkan dengan menggunakan uji kelayakan model pada

tingkat α sebesar 5%. Jika nilai signifikansi uji F < 0,05 maka model yang digunakan

dalam penelitian layak dan dapat dipergunakan untuk analisis berikutnya, begitupun

sebaliknya Adapun hasil uji F tersebut dapat dilihat pada Tabel 7 berikut:

Tabel 7
Hasil Uji F (ANNOVA)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 26209.206 9 2912.134 15.383 .000b
Residual 21203.162 112 189.314
Total 47412.369 121
a. Dependent Variable: Y Partisipasi Kerja
b. Predictors: (Constant), X7.M, X1 Jenis Kelamin, X6 Pendapatan Non Kerja, X4 Kesehatan, X5
Status Kepala Rumah Tangga, X2 Status Perkawinan, X3 Pendidikan, X7 Pendapatan Keluarga, M
Jumlah Tanggungan
Sumber: Data diolah (Lampiran 7), 2025

Hasil uji F (F test) menunjukkan bahwa nilai F hitung sebesar 15,383 dengan

nilai signifikansi P value 0,000 yang lebih kecil dari α = 0,05, ini berarti model yang

digunakan pada penelitian ini adalah layak. Hasil ini memberikan makna seluruh

variabel independen mampu memprediksi atau menjelaskan fenomena Partisipasi

Kerja. Hal ini berarti jenis kelamin, status perkawinan, tingkat pendidikan, kesehatan

lansia audit, status kepala rumah tangga, pendapatan non kerja, pendapatan keluarga

dan jumlah tanggungan secara simultan berpengaruh signifikan terhadap Partisipasi

Kerja yang diteliti.

Hasil Uji Hipotesis (Uji t-test)

Pengujian pengaruh secara parsial antara variabel independen dan variabel

dependen digunakan uji t. Adapun hasil analisis dari uji t ini dapat dilihat pada Tabel

8 sebagai berikut:

Tabel 8 Hasil Uji t (Uji Hipotesis)

Variabel Koefisie Nilai t Sig. Simpulan
n hitung
Regresi
 (B)
Jenis kelamin 0,106 3,197 0,00
Signifikan
2
Status Perkawinan 0,051 1,546 0,12
Tidak Signifikan
3
Tingkat Pendidikan 0,124 4,029 0,00
Signifikan
0
Kesehatan Lansia 0,110 3,315 0,00
Signifikan
1
Status Kepala Rumah Tangga 0,182 5,282 0,00
Signifikan
0
Pendapatan Non Kerja 0,118 3,270 0,00
Signifikan
1
Pendapatan Keluarga 0,113 3,168 0,00
Signifikan
2
Sumber: Data diolah (Lampiran 7), 2020

Berdasarkan hasil uji t pada Tabel 8, maka dapat dijelaskan hubungan antar

variabel sebagai berikut:

1) Pengaruh Jenis kelamin terhadap Partisipasi Kerja

Hasil perhitungan uji t pada Tabel 8 tersebut menunjukkan nilai koefisien

regresi X1 atau Jenis kelamin adalah sebesar 0,051 yaitu bernilai positif

dengan tingkat signifikansi sebesar 0,002 kurang dari 0,05. Hal ini

menunjukkan bahwa Jenis kelamin berpengaruh positif signifikan terhadap

Partisipasi Kerja pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia pada tahun 2017-2019, maka hipotesis pertama diterima.

2) Pengaruh Status Perkawinan terhadap Partisipasi Kerja

 Hasil perhitungan uji t pada Tabel 8 tersebut menunjukkan nilai koefisien

regresi X2 atau Status Perkawinan adalah sebesar 0,051 yaitu bernilai positif

dengan tingkat signifikansi sebesar 0,123 lebih dari 0,05. Hal ini

menunjukkan bahwa Status Perkawinan tidak berpengaruh signifikan terhadap

Partisipasi Kerja pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia pada tahun 2017-2019, maka hipotesis kedua ditolak.

3) Pengaruh Tingkat Pendidikan terhadap Partisipasi Kerja

Hasil perhitungan uji t pada Tabel 8 tersebut menunjukkan nilai koefisien

regresi X3 atau Tingkat Pendidikan adalah sebesar 0,124 yaitu bernilai positif

dengan tingkat signifikansi sebesar 0,000 kurang dari 0,05. Hal ini

menunjukkan bahwa Tingkat Pendidikan berpengaruh positif signifikan

terhadap Partisipasi Kerja pada perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia pada tahun 2017-2019, maka hipotesis ketiga diterima.

4) Pengaruh Kesehatan Lansia Audit independen terhadap Partisipasi Kerja

Hasil perhitungan uji t pada Tabel 8 tersebut menunjukkan nilai koefisien

regresi X4 atau Kesehatan Lansia Audit independen adalah sebesar 0,110 yaitu

bernilai positif dengan tingkat signifikansi sebesar 0,001 kurang dari 0,05. Hal

ini menunjukkan bahwa Kesehatan Lansia Audit independen berpengaruh

positif signifikan terhadap Partisipasi Kerja pada perusahaan manufaktur yang

terdaftar di Bursa Efek Indonesia pada tahun 2017-2019, maka hipotesis

keempat diterima.

5) Pengaruh Status Kepala Rumah Tangga terhadap Partisipasi Kerja

 Hasil perhitungan uji t pada Tabel 8 tersebut menunjukkan nilai koefisien

regresi X5 atau Status Kepala Rumah Tangga adalah sebesar -0,182 yaitu

bernilai negatif dengan tingkat signifikansi sebesar 0,000 kurang dari 0,05.

Hal ini menunjukkan bahwa Status Kepala Rumah Tangga berpengaruh

negatif signifikan terhadap Partisipasi Kerja pada perusahaan manufaktur

yang terdaftar di Bursa Efek Indonesia pada tahun 2017-2019, maka hipotesis

kelima diterima.

6) Pengaruh Pendapatan Non Kerja terhadap Partisipasi Kerja

Hasil perhitungan uji t pada Tabel 8 tersebut menunjukkan nilai koefisien

regresi X6 atau Pendapatan Non Kerja adalah sebesar 0,118 yaitu bernilai

positif dengan tingkat signifikansi sebesar 0,001 kurang dari 0,05. Hal ini

menunjukkan bahwa Pendapatan Non Kerja berpengaruh positif signifikan

terhadap Partisipasi Kerja pada perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia pada tahun 2017-2019, maka hipotesis keenam diterima.

7) Pengaruh Pendapatan Keluarga terhadap Partisipasi Kerja

Hasil perhitungan uji t pada Tabel 8 tersebut menunjukkan nilai koefisien

regresi X7 atau Pendapatan Keluarga adalah sebesar -0,113 yaitu bernilai

negatif dengan tingkat signifikansi sebesar 0,002 kurang dari 0,05. Hal ini

menunjukkan bahwa Pendapatan Keluarga berpengaruh negatif signifikan

terhadap Partisipasi Kerja pada perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia pada tahun 2017-2019, maka hipotesis ketujuh diterima.