BAB 4 PEMBAHASAN HASIL PENELITIAN

Transkripsi

1 BAB 4 PEMBAHASAN HASIL PENELITIAN 41 Hasil Uji Statistik 411 Statistik Deskriptif Pada bagian ini akan dibahas mengenai hasil pengolahan data statistik deskriptif dari variabel-variabel yang diteliti Langkah berikutnya adalah melakukan pengujian terhadap hipotesis penelitian Berikut ini adalah tabel 41 merupakan tabel yang menunjukkan hasil pengolahan statistik deskriptif Tabel 41 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std Deviation REVENUE Valid N (listwise) N = Jumlah Sampel Berdasarkan tabel di atas menunjukkan besarnya mean dan standard deviation untuk variabel yang diukur dalam penelitian ini Nilai mean menunjukkan ratarata variabel yang diukur, sedangkan standard deviation menggambarkan besarnya penyimpangan terhadap rata-rata dari variabel yang diukur dalam penelitian ini Indikator pengukuran mengenai, Availability,,, dan, Revenue dari emiten terlihat pada table 41 34

2 35 Nilai mean pada indikator sebesar dengan nilai minimum sebesar dan nilai maksimum dan penyimpangan terhadap rata-rata (standard deviation) sebesar Nilai mean pada indikator Availability sebesar dengan nilai minimum sebesar 9776 dan nilai maksimum 9804 dan penyimpangan terhadap rata-rata (standard deviation) sebesar Nilai mean pada indikator sebesar dengan nilai minimum sebesar 9062 dan nilai maksimum 9508 dan penyimpangan terhadap rata-rata (standard deviation) sebesar Nilai mean pada indikator sebesar dengan nilai minimum sebesar 5076 dan nilai maksimum 5310 dan penyimpangan terhadap rata-rata (standard deviation) sebesar Nilai mean pada indikator sebesar dengan nilai minimum sebesar dan nilai maksimum 9769 dan penyimpangan terhadap rata-rata (standard deviation) sebesar Nilai mean pada indikator sebesar dengan nilai minimum sebesar -126 dan nilai maksimum 268 dan penyimpangan terhadap rata-rata (standard deviation) sebesar Nilai mean pada indikator Revenue sebesar dengan nilai minimum sebesar dan nilai maksimum dan penyimpangan terhadap rata-rata (standard deviation) sebesar Analisis Hasil dan Interpretasi Analisis data diperoleh dari hasil pengujian terhadap hipotesis Tujuan dari pengujian Hipotesis adalah untuk menolak Hipotesis Nol (Ho) sehingga hipotesis Alternatif (Ha) Bisa diterima Hal ini dapat dilakukan dengan melihat nilai signifikansi dari tiap-tiap hubungan Adapun batas toleransi kesalahan (α) yang digunakan adalah 5% Apabila p < α atau p < 0,05 maka terdapat pengaruh yang signifikan antara variabel x terhadap variabel y Hasil perhitungan regresi dapat dilihat pada tabel di bawah ini:

3 36 Tabel 42 Hasil Perhitungan Regresi Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std Error Beta t Sig 1 (Constant) a Dependent Variable: REVENUE Signifikansi pada p < 0, Hipotesis # 1 Hipotesis pertama menguji apakah ada pengaruh terhadap Revenue yang diterima oleh perusahaan Hipotesis nol (Ho) dan Hipotesis alternatifnya (Ha) disusun sebagai (Ho): Tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan (Ha): Terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan Hasil yang didapat membuktikan bahwa nilai t dari pengaruh terhadap Revenue yang diterima oleh perusahaan adalah 0735, dengan β = 0287 dan tingkat signifikansi 0467 Karena probabilitas 0467 atau nilai signifikansi = 0,467 berarti lebih besar dari 0,05 (p > 0,05) maka Ho dapat diterima dan menolak Ha yang berarti tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan 4122 Hipotesis # 2 Hipotesis kedua menguji apakah ada pengaruh Availability terhadap Revenue yang diterima oleh perusahaan

4 37 Hipotesis nol (Ho) dan Hipotesis alternatifnya (Ha) disusun sebagai (Ho): Tidak terdapat pengaruh Availability terhadap Revenue yang diterima oleh perusahaan (Ha): Terdapat pengaruh Availability terhadap Revenue yang diterima oleh perusahaan Hasil yang didapat membuktikan bahwa nilai t dari pengaruh Availability terhadap Revenue yang diterima oleh perusahaan adalah 00, dengan β = 0070 dan tingkat signifikansi 0,699 Karena probabilitas 0,699 atau nilai signifikansi = 0,699 berarti lebih besar dari 0,05 (p > 0,05) maka Ho dapat diterima dan menolak Ha yang berarti tidak terdapat pengaruh Availability terhadap Revenue yang diterima oleh perusahaan 4123 Hipotesis # 3 Hipotesis ketiga menguji apakah ada pengaruh terhadap Revenue yang diterima oleh perusahaan Hipotesis nol (Ho) dan Hipotesis alternatifnya (Ha) disusun sebagai (Ho): Tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan (Ha): Terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan Hasil yang didapat membuktikan bahwa nilai t dari pengaruh terhadap Revenue yang diterima oleh perusahaan adalah 0195, dengan β = 0041 dan tingkat signifikansi 0847 Karena probabilitas 0847 atau nilai signifikansi = 0847 berarti lebih besar dari 0,05 (p > 0,05) maka Ho dapat diterima dan menolak Ha yang berarti tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan 4124 Hipotesis # 4 Hipotesis keempat menguji apakah ada pengaruh terhadap Revenue yang diterima oleh perusahaan

5 38 Hipotesis nol (Ho) dan Hipotesis alternatifnya (Ha) disusun sebagai (Ho): Tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan (Ha): Terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan Hasil yang didapat membuktikan bahwa nilai t dari pengaruh terhadap Revenue yang diterima oleh perusahaan adalah -1957, dengan β = dan tingkat signifikansi 0059 Karena probabilitas 0059 atau nilai signifikansi = 0059 berarti lebih besar dari 0,05 (p > 0,05) maka Ho dapat diterima dan menolak Ha yang berarti tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan 4125 Hipotesis # 5 Hipotesis kelima menguji apakah ada pengaruh terhadap Revenue yang diterima oleh perusahaan Hipotesis nol (Ho) dan Hipotesis alternatifnya (Ha) disusun sebagai (Ho): Tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan (Ha): Terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan Hasil yang didapat membuktikan bahwa nilai t dari pengaruh terhadap Revenue yang diterima oleh perusahaan adalah 2563, dengan β = 0906 dan tingkat signifikansi 0015 Karena probabilitas 0015 atau nilai signifikansi = 0015 berarti lebih kecil dari 0,05 (p > 0,05) maka Ho dapat ditolak dan menerima Ha yang berarti terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan 4126 Hipotesis # 6 Hipotesis keenam menguji apakah ada pengaruh terhadap Revenue yang diterima oleh perusahaan

6 Hipotesis nol (Ho) dan Hipotesis alternatifnya (Ha) disusun sebagai (Ho): Tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan (Ha): Terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan Hasil yang didapat membuktikan bahwa nilai t dari pengaruh terhadap Revenue yang diterima oleh perusahaan adalah 1227, dengan β = dan tingkat signifikansi 0229 Karena probabilitas 0229 atau nilai signifikansi = 0229 berarti lebih besar dari 0,05 (p > 0,05) maka Ho dapat diterima dan menolak Ha yang berarti tidak terdapat pengaruh terhadap Revenue yang diterima oleh perusahaan 4127 Hipotesis # 7 Hipotesis ketujuh menguji manakah dari antara, Availability,,, dan paling besar pengaruhnya terhadap Revenue yang diterima oleh perusahaan Hipotesis nol (Ho) dan Hipotesis alternatifnya (Ha) disusun sebagai (Ho): tidak paling signifikan pengaruhnya terhadap Revenue yang diterima oleh perusahaan (Ha): tidak paling signifikan pengaruhnya terhadap Revenue yang diterima oleh perusahaan Hasil yang didapat tentang pengaruh, Availability,,, dan terhadap Revenue yang diterima oleh perusahaan membuktikan bahwa merupakan satu-satunya indikator yang berpengaruh terhadap Revenue yang diterima oleh perusahaan sehingga Ho dapat ditolak dan menerima Ha yang berarti tidak paling signifikan pengaruhnya terhadap Revenue yang diterima oleh perusahaan, sebaliknya paling signifikan pengaruhnya terhadap Revenue yang diterima oleh perusahaan

7 Uji Normalitas Uji normalitas dilaksanakan untuk mengetahui apakah model regresi berdistribusi normal atau tidak Tabel 43 Statistik Uji Normalitas One-Sample Kolmogorov-Smirnov Test Availability REVENUE N Normal Parameters a Mean Std Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp Sig (2-tailed) a Test distribution is Normal Uji distribusi data normal dilakukan dengan one sample Kolmogorov-Smirnov Test Keputusan: Jika Asymp sig < 005 maka model regresi tidak berdistribusi normal Jika Asymp Sig > 0,05 maka model regresi berdistribusi normal Dari tabel statistik di atas terlihat bahwa: Model regresi untuk variabel berdistribusi normal dengan Asymp Sig (0,119) > 0,05; dan untuk variabel Availability berdistribusi normal dengan Asymp Sig (0,184) > 0,05; dan untuk variabel berdistribusi normal dengan Asymp Sig (0,502) > 0,05; dan untuk variabel tidak berdistribusi normal dengan Asymp Sig (0,010) < 0,05; dan untuk variabel tidak berdistribusi normal dengan Asymp Sig (0,005) < 0,05; dan untuk variabel tidak berdistribusi normal dengan Asymp Sig (0,003) < 0,05; serta variabel Revenue berdistribusi normal dengan Asymp Sig (0,973) > 0, Uji Asumsi Klasik Uji asumsi klasik terdiri dari tiga unsur yaitu multi kolinieritas, heterokodestisitas dan autokorelasi

8 Uji Multikolinieritas Uji asumsi multikolinieritas dimaksudkan untuk membuktikan atau menguji ada tidaknya hubungan linier antara variabel bebas yang satu dengan variabel bebas lainnya Hipotesis: : Tidak terjadi hubungan linier antara variabel bebas (sig > ) H1: Terjadi hubungan linier antara variabel bebas (sig < ) Tabel 44 Statistik Uji Multikolinieritas Correlations REVENUE Pearson Correlation REVENUE Sig (1- tailed) REVENUE N REVENUE

9 42 Keterangan Signifikansi Alpha Kondisi Keputusan REVENUE REVENUE REVENUE REVENUE REVENUE REVENUE , , , , , , , ,05 0 0,05 0 0,05 0 0, , , , , ,05 0 0,05 0 0,05 0 0,05 0 0,05 0 0,05 Sig < Sig < Sig > Sig > Sig > Sig > Sig > Sig < Sig < Sig < Sig < Sig > Sig > Sig > Sig > Sig < Sig < Sig < Sig < Sig < Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Tidak terjadi hubungan linier antara variabel bebas karena Sig > Tidak terjadi hubungan linier antara variabel bebas karena Sig > Tidak terjadi hubungan linier antara variabel bebas karena Sig > Tidak terjadi hubungan linier antara variabel bebas karena Sig > Tidak terjadi hubungan linier antara variabel bebas karena Sig > Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Tidak terjadi hubungan linier antara variabel bebas karena Sig > Tidak terjadi hubungan linier antara variabel bebas karena Sig > Tidak terjadi hubungan linier antara variabel bebas karena Sig > Tidak terjadi hubungan linier antara variabel bebas karena Sig > Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < Terjadi hubungan linier antara variabel bebas karena Sig < 4142 Uji Autokorelasi Uji asumsi autokorelasi bertujuan untuk mengetahui apakah terjadi korelasi di antara data pengamatan atau tidak Hipotesis: : Tidak terjadi adanya autokorelasi di antara data pengamatan H1: Terjadi adanya autokorelasi di antara data pengamatan

10 43 Apabila nilai statistik Durbin-Watson mendekati angka 2, maka tidak terjadi autokorelasi; sebaliknya apabila nilai statistik Durbin-Watson menjauhi angka 2, maka terjadi autokorelasi Tabel 45 Statistik Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std Error of the Estimate Durbin- Watson a E a Predictors: (Constant),,,,,, b Dependent Variable: REVENUE Berdasarkan hasil analisis menunjukkan bahwa nilai Durbin-Watson sebesar 1,662 Nilai tersebut dapat dinyatakan mendekati angka dua Dengan demikian dapat diterima yang menyimpulkan bahwa tidak terjadi autokorelasi di antara data pengamatan 4143 Uji Heteroskedastisitas Uji asumsi heteroskedastisitas ditujukan untuk mengetahui apakah variabel residual absolut adalah sama atau tidak sama untuk semua pengamatan Cara memprediksi ada tidaknmya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot modelnya Model regresi linier berganda tidak memiliki heteroskedastisitas bila: Titik-titik data menyebar di atas dan di bawah atau di sekitar angka nol Titik-titik data tidak mengumpul hanya di atas atau di bawah saja Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali Penyebaran titik-titik data sebaiknya tidak berpola

11 44 Gambar 41 Grafik Scatterplot Uji Heteroskedastisitas Dari gambar di atas terlihat bahwa titik-titik data menyebar di atas dan di bawah atau di sekitar angka nol; tidak berkumpul hanya di atas atau di bawah saja; tidak membentuk pola bergelombang melebar, menyempit dan melebar kembali; dan tidak membentuk pola khusus Dengan demikian dapat disimpulkan bahwa model regresi linier berganda dalam penelitian ini tidak memiliki heteroskedastisitas 415 Korelasi Tabel 46 menafsirkan ada tidaknya hubungan antara variabel antara variabel Revenue terhadap variabel, Availability,,,, dan Jika ada, berapa besarnya hubungan ketujuh variabel tersebut

12 45 Tabel 46 Statistik Korelasi Correlations REVENUE Pearson Correlation REVENUE AVAILABILI TY Sig (1-tailed) REVENUE AVAILABILI TY N REVENUE AVAILABILI TY Besar hubungan antara variabel dan variabel Revenue ialah 0268 Artinya, hubungan kedua variabel tersebut lemah Korelasi positif menunjukkan bahwa hubungan antara variabel dan variabel Revenue searah Artinya, jika variabel kecil, maka variabel Revenue akan menurun Besar hubungan antara variabel Availability dan variabel Revenue ialah 0322 Artinya hubungan kedua variabel tersebut lemah Korelasi positif menunjukkan bahwa hubungan antara variabel Availability dan variabel Revenue searah Artinya, jika variabel Availability kecil, maka variabel Revenue akan menurun Besar hubungan antara variabel dan variabel Revenue ialah 0053 Artinya hubungan kedua variabel tersebut sangat lemah Korelasi positif

13 46 menunjukkan bahwa hubungan antara variabel dan variabel Revenue searah Artinya, jika variabel kecil, maka variabel Revenue akan menurun Besar hubungan antara variabel dan variabel Revenue ialah 0251 Artinya hubungan kedua variabel tersebut lemah Korelasi negatif menunjukkan bahwa hubungan antara variabel dan variabel Revenue tidak searah Artinya, jika variabel kecil, maka variabel Revenue akan menurun Besar hubungan antara variabel dan variabel Revenue ialah Artinya hubungan kedua variabel tersebut sangat lemah Korelasi positif menunjukkan bahwa hubungan antara variabel dan variabel Revenue tidak searah Artinya, jika variabel kecil, maka variabel Revenue akan menurun Besar hubungan antara variabel dan variabel Revenue ialah 0196 Artinya hubungan kedua variabel tersebut sangat lemah Korelasi positif menunjukkan bahwa hubungan antara variabel dan variabel Revenue searah Artinya, jika variabel kecil, maka variabel Revenue akan menurun Hubungan antara variabel dan variabel Revenue tidak signifikan jika dilihat dari angka probabilitas (sig) sebesar 0050 yang lebih besar dari 0,05 Jika angka probabilitas > dari 005, artinya ada hubungan yang tidak signifikan antara kedua variabel tersebut Hubungan antara variabel Availability dan variabel Revenue signifikan jika dilihat dari angka probabilitas (sig) sebesar 0023 yang lebih kecil dari 005 Jika angka probabilitas < dari 005, artinya ada hubungan yang signifikan antara kedua variabel tersebut Hubungan antara variabel dan variabel Revenue tidak signifikan jika dilihat dari angka probabilitas (sig) sebesar 0375 yang lebih besar dari 005 Jika angka probabilitas > dari 005, artinya ada hubungan yang tidak signifikan antara kedua variabel tersebut Hubungan antara variabel dan variabel Revenue tidak signifikan jika dilihat dari angka probabilitas (sig) sebesar 0062 yang lebih besar dari

14 Jika angka probabilitas > dari 005, artinya ada hubungan yang tidak signifikan antara kedua variabel tersebut Hubungan antara variabel dan variabel Revenue tidak signifikan jika dilihat dari angka probabilitas (sig) sebesar 0410 yang lebih besar dari 005 Jika angka probabilitas > dari 005, artinya ada hubungan yang tidak signifikan antara kedua variabel tersebut Hubungan antara variabel dan variabel Revenue tidak signifikan jika dilihat dari angka probabilitas (sig) sebesar 016 yang lebih besar dari 005 Jika angka probabilitas > dari 005, artinya ada hubungan yang tidak signifikan antara kedua variabel tersebut 416 Variabel yang Dimasukkan Tabel 47 Variabel yang Dimasukkan Variables Entered/Removed b Mod el Variables Entered Variables Removed Method 1,,,, Total Calls, a Enter a All requested variables entered b Dependent Variable: REVENUE Tabel 47 memperlihatkan metode dalam memasukkan variabel Pada bagian ini penulis memasukkan variabel, Availability,,, dan serta tidak ada variabel yang dikeluarkan karena menggunakan metode Enter 417 Ringkasan Model (Koefisien Determinasi) Tabel 48 menunjukkan besarnya koefisien determinasi yang berfungsi untuk mengetahui besarnya persentase variabel terikat Revenue yang dapat diprediksi dengan menggunakan variabel bebas, Availability,,,, dan

15 48 Tabel 48 Statistik Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std Error of the Estimate a a Predictors: (Constant),,,,,, b Dependent Variable: REVENUE Angka R Square (angka korelasi atau r yang dikuadratkan) sebesar 0343 Angka R Square disebut juga sebagai Koefisien Determinasi Besarnya angka Koefisien diterminasi 0343 atau sama dengan 343% Angka tersebut berarti bahwa sebesar 343% variabel Revenue yang terjadi dapat dijelaskan dengan menggunakan variabel, Availability,,,, dan variabel Sedang sisanya, yaitu 657% (100% - 343%) dapat dijelaskan oleh faktor-faktor penyebab lainnya Dalam kasus di atas berarti faktor-faktor lain yang mempengaruhi variabel Revenue yang diprediksi semakin mengecil Hal ini bermakna bahwa variabelvariabel yang dipilih sudah tepat Besarnya R Square berkisar antara 0-1 yang berarti semakin kecil besarnya R Square, maka hubungan kedua variabel semakin lemah Sebaliknya jika R Square semakin mendekati 1, maka hubungan kedua variabel semakin kuat Besarnya Standard Error of the Estimate (SEE) ialah sebesar (untuk variabel Revenue) Jika dibandingkan dengan angka Standard Deviasi (STD), sebesar , maka angka Standard Error of the Estimate (SEE) lebih kecil Ini artinya angka SEE baik untuk dijadikan angka prediktor dalam menentukan variabel Revenue Angka yang baik untuk dijadikan sebagai predictor variabel terikat harus lebih kecil dari angka standard deviasi (SEE<STD)

16 ANOVA Tabel 49 Statistik ANOVA ANOVA b Model Sum of Squares df Mean Square F Sig 1 Regression a Residual Total a Predictors: (Constant),,,,,, b Dependent Variable: REVENUE Tabel 49 menunjukkan besarnya angka probabilitas pada perhitungan Anova yang akan digunakan untuk uji kelayakan model regresi dengan ketentuan angka probabilitas yang baik untuk digunakan sebagai model regresi, ialah harus lebih kecil dari 0,05 Uji ANOVA menghasilkan angka F sebesar 2780 dengan tingkat signifikansi (angka probabilitas) sebesar 0027, karena angka probabilitas 0027 < dari 0,05, maka model regresi ini layak untuk digunakan dalam memprediksi variabel Revenue Dengan kata lain, variabel, Availability,,, dan variabel secara bersama-sama mempengaruhi variabel Revenue Untuk dapat digunakan sebagai model regresi yang dapat digunakan dalam memprediksi variabel terikat, maka angka probabilitas harus < (lebih kecil) dari 0, Koefisien Regresi Bagian ini menggambarkan persamaan regresi untuk mengetahui angka konstan dan uji hipotesis signifikansi koefisien regresi Persamaan regresinya: Y = a + b x1 + b x2 + b x3 + b x4 + b x5 + b x6 (41) Y = ( ) X X X3 + ( ) X X X6

17 50 Dimana : Y = Revenue X1 = X2 = Availability X3 = X4 = X5 = X6 = Tabel 410 Statistik Koefisien Regresi Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std Error Beta t Sig 1 (Constant) a Dependent Variable: REVENUE Konstanta sebesar mempunyai arti jika tidak ada variabel, Availability,,,, maka variabel Revenue sebesar Koefisien regresi sebesar mempunyai arti bahwa setiap penambahan 1 kali, maka Revenue akan meningkat sebesar Koefisien regresi Availability sebesar mempunyai arti bahwa setiap penambahan 1 kali Availability, maka Revenue akan meningkat sebesar Koefisien regresi sebesar mempunyai arti bahwa setiap penambahan 1 kali, maka Revenue akan meningkat sebesar

18 51 Koefisien regresi sebesar mempunyai arti bahwa setiap penambahan 1 kali, maka Revenue akan menurun sebesar Koefisien regresi sebesar mempunyai arti bahwa setiap penambahan 1 kali, maka Revenue akan meningkat sebesar Koefisien regresi sebesar mempunyai arti bahwa setiap penambahan 1 kali, maka Revenue akan meningkat sebesar Uji t pertama akan digunakan untuk menguji signifikansi konstanta dan variabel Hipotesis o = koefisien regresi tidak signifikan o H1= koefisien regresi signifikan Keputusan o Jika t hitung < t table maka diterima o Jika t hitung > t table maka ditolak o t hitung = 0735 o Untuk menghitung t tabel kita menggunakan ketentuan sebagai α = 0,05 DF = (jumlah data 2) atau 2 = 37 t tabel = 1687 (hasil dari tabel) Karena t hitung (0735) < t tabel (1687), maka diterima, artinya koefisien regresi tidak signifikan Dengan menggunakan grafik akan terlihat:

19 52 ditolak ditolak diterima diterima 1687 t tabel 0735 t hitung 0 0,735 t hitung 1,687 t tabel Gambar 42 Grafik Nilai T Kritis Signifikansi Karena t hitung jatuh di daerah penerimaan, maka diterima Artinya koefisien regresi tidak signifikan Kesimpulannya, variabel tidak mempengaruhi variabel Revenue Uji t kedua akan digunakan untuk menguji signifikansi konstanta dan variabel Availability Hipotesis o = koefisien regresi tidak signifikan o H1= koefisien regresi signifikan Keputusan o Jika t hitung < t table maka diterima o Jika t hitung > t table maka ditolak o t hitung = 00 o Untuk menghitung t tabel kita menggunakan ketentuan sebagai α = 0,05 DF = (jumlah data 2) atau -2 = 37 t table = 1,687 Karena t hitung (0,0) < t tabel (1,687), maka diterima, Artinya koefisien regresi tidak signifikan

20 53 Dengan menggunakan grafik akan terlihat: ditolak ditolak diterima diterima -1,687 t tabel -0,0 t hitung 0 0,0 t hitung 1,687 t tabel Gambar 43 Grafik Nilai T Kritis Signifikansi Availability Karena t hitung jatuh di daerah penerimaan, maka diterima Artinya koefisien regresi tidak signifikan Kesimpulannya, variabel Availability tidak mempengaruhi variabel Revenue Uji t ketiga akan digunakan untuk menguji signifikansi konstanta dan variabel Hipotesis o = koefisien regresi tidak signifikan o H1= koefisien regresi signifikan Keputusan o Jika t hitung < t table maka diterima o Jika t hitung > t table maka ditolak o t hitung = 0195 o Untuk menghitung t tabel kita menggunakan ketentuan sebagai α = 0,05 DF = (jumlah data 2) atau 2 = 37 t tabel = 1687 (hasil dari tabel) Karena t hitung (0195) < t tabel (1687), maka diterima, artinya koefisien regresi tidak signifikan

21 54 Dengan menggunakan grafik akan terlihat: ditolak ditolak diterima diterima 1687 t tabel t hitung 0 0,195 t hitung 1,687 t tabel Gambar 44 Grafik Nilai T Kritis Signifikansi Karena t hitung jatuh di daerah penerimaan, maka diterima Artinya koefisien regresi tidak signifikan Kesimpulannya, variabel tidak mempengaruhi variabel Revenue Uji t keempat akan digunakan untuk menguji signifikansi konstanta dan variabel Hipotesis o = koefisien regresi tidak signifikan o H1= koefisien regresi signifikan Keputusan o Jika t hitung < t table maka diterima o Jika t hitung > t table maka ditolak o t hitung = o Untuk menghitung t tabel kita menggunakan ketentuan sebagai α = 0,05 DF = (jumlah data 2) atau 2 = 37 t tabel = 1687 (hasil dari tabel) Karena t hitung (-1957) > t tabel (1687), maka ditolak, Artinya koefisien regresi signifikan

22 55 Dengan menggunakan grafik akan terlihat: ditolak ditolak diterima diterima t hitung t tabel 0 1,687 t tabel 1957 t hitung Gambar 45 Grafik Nilai T Kritis Signifikansi Karena t hitung jatuh di daerah penolakan, maka ditolak Artinya koefisien regresi signifikan Kesimpulannya, variabel mempengaruhi variabel Revenue Uji t kelima akan digunakan untuk menguji signifikansi konstanta dan variabel Hipotesis o = koefisien regresi tidak signifikan o H1= koefisien regresi signifikan Keputusan o Jika t hitung < t table maka diterima o Jika t hitung > t table maka ditolak o t hitung = 2563 o Untuk menghitung t tabel kita menggunakan ketentuan sebagai α = 0,05 DF = (jumlah data 2) atau 2 = 37 t tabel = 1687 (hasil dari tabel) Karena t hitung (2563) > t tabel (1687), maka ditolak, Artinya koefisien regresi signifikan

23 56 Dengan menggunakan grafik akan terlihat: ditolak ditolak diterima diterima 2563 t hitung t tabel 0 1,687 t tabel 2563 t hitung Gambar 46 Grafik Nilai T Kritis Signifikansi Karena t hitung jatuh di daerah penolakan, maka ditolak Artinya koefisien regresi signifikan Kesimpulannya, variabel mempengaruhi variabel Revenue Uji t keenam akan digunakan untuk menguji signifikansi konstanta dan variabel Hipotesis o = koefisien regresi tidak signifikan o H1= koefisien regresi signifikan Keputusan o Jika t hitung < t table maka diterima o Jika t hitung > t table maka ditolak o t hitung = 1227 o Untuk menghitung t tabel kita menggunakan ketentuan sebagai α = 0,05 DF = (jumlah data 2) atau 2 = 37 t tabel = 1687 (hasil dari tabel) Karena t hitung (1227) < t tabel (1687), maka diterima, Artinya koefisien regresi tidak signifikan

24 57 Dengan menggunakan grafik akan terlihat: ditolak ditolak diterima diterima 1687 t tabel t hitung 0 1,227 t hitung 1687 t tabel Gambar 47 Grafik Nilai T Kritis Signifikansi Karena t hitung jatuh di daerah penerimaan, maka diterima Artinya koefisien regresi tidak signifikan Kesimpulannya, variabel tidak mempengaruhi variabel Revenue