BAB V ANALISA DATA - eprints.undip.ac.ideprints.undip.ac.id/60006/8/11_BAB_V.pdf · Butir yang...
-
Upload
hoangduong -
Category
Documents
-
view
227 -
download
1
Transcript of BAB V ANALISA DATA - eprints.undip.ac.ideprints.undip.ac.id/60006/8/11_BAB_V.pdf · Butir yang...
88
108
18%
72%
10% DEKAT (0-3KM)
JAUH (>3KM)
ABSTAIN
BAB V ANALISA DATA
5.1 Gambaran Umum Responden
Responden penelitian ini sebanyak 60 orang yang terbagi menjadi 2
kategori yaitu:
Responden A : PENGHUNI yaitu masyarakat penguni, penyewa
stand dan yang seharian beraktivitas di lokasi penelitian
Responden B : PENGUNJUNG yaitu masyarakat yang berkunjung
dan yang melintas di lokasi penelitian.
Responden dipilih secara acak dengan ditentukan klasifikasinya, sehingga
responden dapat memberikan jawaban dan pemikiran yang mudah
diterima. Pada karakteristik, responden di tinjau dari 3 kategori : (1)
Tempat tinggal, (2) kelompok usia, (3) pekerjaan.
Kelompok Tempat Tinggal:
Dalam gambar 5.1 terlihat
bahwa berdasarkan lokasi tempat
tinggalnya, responden didominasi
oleh yang tinggal jauh dari lokasi
sebanyak 43 orang (72%).
Dominasi tempat tinggal responden yang jauh dapat memberikan jawaban
yang memiliki cakupan luas, bukan hanya untuk warga sekitar melainkan
warga kota Semarang bahkan kota lain.
Gambar 5.1. Diagram Jumlah Responden Menurut tempat Tinggal
Sumber : Analisa Peneliti, 2014
89
108
7%
52% 20%
13%
8% DIBAWAH 18 TH
18-25 TH
26-35 TH
36-55 TH
DIATAS 55 TH
2%
0% 8%
10%
8%
24%
48%
PNS
TNI/POLRI
PEGAWAI BANK
WIRASWASTA
PEGAWAI SWASTA
PEDAGANG
PELAJAR
Kelompok Usia:
Dapat dilihat pada gambar 5.2 bahwa
responden didominasi oleh masyarakat
yang berumur 18-25 tahun (52%),
selanjutnya yang berumur 26-35 tahun
(20%), lalu umur 36-55 tahun sebanyak
13%, dan yang paling sedikit berturut-turut
yaitu yang berumur dibawah 18 tahun,
dan yang berumur diatas 55 tahun.
Pada responden dipilih usia produktif antara 18-35 tahun yang dirasakan
cukup kuat memberikan jawaban mengenai penilaian karakter sesuai
dengan lingkup wilayah penelitian ini.
Kelompok Pekerjaan :
Berdasarkan pekerjaan responden
didominasi oleh pelajar dan pedagang
yaitu 49% dan 23% (lihat gambar 5.4).
Selanjutnya didominasi oleh
wiraswasta (10%), pegawai bank
dan pegawai swasta (8%) dan yang
paling sedikit PNS (2%) dan
TNI/POLRI (0%) . Responden
penelitian didominasi oleh pelajar
Gambar 5.3. Diagram Jumlah Responden Menurut Kelompok Pekerjaan Sumber : Analisa Peneliti, 2014
Gambar 5.2. Diagram Jumlah Responden Menurut Kelompok Usia
Sumber : Analisa Peneliti, 2014
90
108
dan pedagang karena dalam hal ini pelajar masih memiliki rasa ingin tahu
dan memiliki kemampuan analisa yang dirasakan cukup seangkan
pedagang merupakan responden yang langsung berhubungan dan
memiliki simbiosis pada wilayah penelitian.
5.2 Uji Validitas dan Uji Reliabilitas Data
Uji validitas dan reliabilitas dilakukan pada kuisioner yang berisi
kumpulan dari beberapa instrument pertanyaan. Uji validitas dan
reliabilitas pada penelitian ini menggunakan software SPSS 16. Berikut
merupakan hasil uji validitas dan reliabilitas instrumen activity support dan
karakter visual pecinan:
5.2.1 Uji Validitas Activity Support dan Karakter Visual Pecinan
Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu
kuisioner (Ghozali, 2011). Uji validitas dilakukan terhadap 18 butir
instrumen activity support dan 22 butir instrumen karakter visual pecinan,
dapat dilihat pada kuisioner penelitian.
Menurut Sugiyono (2010) yang mrenjadi dasar dari pengambilan
keputusan pada uji validitas berdasarkan teknik korelasi product moment
(pearson) adalah jika rhitung > rkritis (0.3) maka butir instrumen dianggap
valid dan jika rhitung > rkritis (0.3) maka butir instrumen dianggap tidak valid
(invalid), sehingga instrument tidak dapat diterapkan pada penelitian.
5.2.2.1 Uji Validitas Instrumen activity support
Perhitungan Uji validitas menggunakan program SPSS 16
(lampiran) dengan hasil sebagai berikut:
91
108
Tabel 5.1 Hasil Uji Validasi Instrumen Activity Support
(Variabel X)
Sumber : Analisa Penulis dengan SPSS, 2014
Dari Tabel 5.1, dapat dilihat bahwa koefisien korelasi hitung memiliki
nilai diatas 0.3 maka semua butir instrument dinyatakan valid. Sehingga
semua butir instrument activity support dinyatakan valid. Butir yang
memiliki validitas tertinggi adalah butir instrumen dengan kode X522
Scale Mean
if Item
Deleted
Scale
Variance if
Item Deleted
Corrected
Item-Total
Correlation
Cronbach's
Alpha if Item
Deleted
X111 52.3333 127.126 .332 .878
X112 52.7000 122.976 .451 .874
X121 52.6000 122.662 .444 .874
X122 52.8000 124.510 .429 .874
X211 52.1000 125.403 .535 .871
X221 52.5000 123.776 .450 .874
X311 52.7000 123.114 .399 .876
X321 52.7000 121.459 .511 .871
X331 52.8000 122.993 .424 .875
X341 52.6667 123.816 .400 .876
X411 52.3333 122.575 .567 .870
X421 52.3000 120.631 .609 .868
X511 52.5333 124.120 .511 .872
X512 52.4333 125.013 .450 .874
X521 52.3667 127.206 .374 .876
X522 52.6667 111.264 .802 .858
X531 52.6000 117.007 .794 .861
X532 52.6333 120.792 .589 .869
92
108
dengan koefisien korelasi 0.802, dan butir terendah adalah butir instrumen
dengan kode X111 dengan koefisien korelasi 0.332.
5.2.2.2 Uji Validitas Instrumen Karakter Visual Pecinan
Tabel 5.2 Hasil Uji Validasi Instrumen Karakter Visual Pecinan
(Variabel Y)
Scale Mean if
Item Deleted
Scale Variance
if Item Deleted
Corrected
Item-Total
Correlation
Cronbach's
Alpha if Item
Deleted
Y112 75.0667 109.928 .394 .868
Y121 75.0000 107.220 .378 .871
Y211 75.1500 106.469 .573 .862
Y212 74.8667 109.575 .492 .865
Y213 74.6667 110.328 .461 .866
Y311 75.0333 109.897 .442 .867
Y312 75.0500 110.794 .426 .867
Y411 74.8500 112.197 .365 .869
Y412 75.1667 106.412 .545 .863
Y421 74.8667 111.134 .305 .872
Y511 75.2333 103.843 .636 .860
Y512 75.2833 107.969 .440 .867
Y611 74.7000 110.654 .422 .867
Y711 75.2333 106.860 .575 .862
Y712 74.9500 111.540 .337 .870
Y811 75.0333 105.287 .583 .862
Y812 75.2500 108.970 .412 .868
Y911 74.5667 113.301 .323 .870
Y912 74.8167 109.745 .489 .865
Y913 74.9667 106.304 .600 .861
Y1011 74.5500 112.896 .434 .868
Y1111 74.5500 112.082 .406 .868
Sumber : Analisa Penulis dengan SPSS, 2014
93
108
Dari Tabel 5.2, dapat dilihat bahwa koefisien korelasi hitung
memiliki nilai diatas 0.3 maka semua butir instrument dinyatakan valid.
Sehingga semua butir instrument Karakter Visual Pecinan dinyatakan
valid. Butir yang memiliki validitas tertinggi adalah butir instrumen dengan
kode Y511 dengan koefisien korelasi 0.636 dan butir terendah adalah butir
instrumen dengan kode Y421 dengan koefisien korelasi 0.305.
5.2.2 Uji Reliabilitas activity support dan Karakter Visual Pecinan
Hasil uji reliabilitas menceminkan dapat dipercaya atau tidaknya
suatu instrumen penelitian berdasarkan tingkat kemantapan dan
ketepatan suatu alat ukur. Tingkat reliabilitas dengan metode Alpha
Cronbach diukur berdasarkan skala alpha 0-1. Skala tersebut
dikelompokkan kedalam 5 kelas, maka kemantapan alpha dapat
diinterpretasikan sebagai berikut: (Budi, 2006)
Tabel 5.3 Tingkat Reliabilitas berdasarkan Nila Alpha
Alpha Tingkat Reliabilitas
0.00 s/d 0.20 Kurang Reliabel
> 0.20 s/d 0.40 Agak Reliabel
> 0.40 s/d 0.60 Cukup Reliabel
> 0.60 s/d 0.80 Reliabel
> 0.80 s/d 1.00 Sangat Reliabel
Sumber: Budi, 2006
Perhitungan uji validitas instrumen activity support dan Karakter
Visual Pecinan menggunakan program SPSS 16 dapat dilihat pada
lampiran, dengan hasil sebagai berikut:
94
108
Tabel 5.4 Hasil Uji Reliabilitas Activity Support
Sumber : Analisa Penulis dengan SPSS, 2014
Tabel 5.5 Hasil Uji Reliabilitas Karakter Visual Pecinan
Sumber : Analisa Penulis dengan SPSS, 2014
Berdasarkan tabel 5.4., nilai cronbach alpha untuk activity support
sebesar 0.886 dan mnurut tabel 5.5., nilai cronbanch alpha untuk Karakter
Visual Pecinan sebesar 0.872. Jika dihubungkan dengan tabel tingkat
reliabilitas pada tabel 5.3., maka angka tersebut berada pada interval 0.8
– 1.00. Angka tersebut menunjukkan bahwa instrumen penelitian activity
support dan Karakter Visual Pecinan pada tingkat yang sangat realiabel.
Hasil uji validitas dan reliabilitas instrumen activity support dan
Karakter Visual Pecinan menunjukkan hasil yang valid dan realibel, maka
dapat melanjutkan analisa stastistik selanjutnya dengan menggunakan
SPSS. Pada penelitian ini menggunakan teknik analisis regresi untuk
menguji pengaruh antara activity support dengan Karakter Visual Pecinan.
Reliability Statistics
Cronbach's
Alpha N of Items
.886 18
Reliability Statistics
Cronbach's
Alpha N of Items
.872 22
95
108
5.3 Deskripsi Penilaian Responden
Subbab ini akan menjelaskan komposisi jawaban responden
terhadap pilihan skala jawaban. Penelitian ini menggunakan 5 skala yaitu
sangat setuju, setuju, ragu-ragu,tidak setuju, dan sangat tidak setuju pada
masing-masing indikator pengukuran yang berupa butir-butir pertanyaan.
Activity support adalah variabel yang mempengaruhi atau variabel bebas.
Variabel activity support ini terdiri dari 5 faktor yaitu :
1. Arah dan Jarak Pandang,
2. Kondisi Lingkungan Sekitar,
3. Material dan Kulit Bangunan,
4. Detail Arsitektural, dan
5. Pencahayaan
Variabel yang terpengaruh atau variabel terikat adalah Karakter Visual.
Karakter Visual Pecinan terdiri dari 8 faktor, yaitu:
1. Dominasi,
2. Keragaman,
3. Kontinuitas,
4. Kesatuan,
5. Sequens,
6. Keunikan,
7. Keindahan,
8. Karakter Bangunan,
9. Karakter Lingkungan, dan
96
108
10. Integrasi Karakter Bangunan dan Lingkungan
Hasil pengolahan data dengan menggunakan Program SPSS 16,
didapatkan mean pada masing-masing butir pertanyaan yang merupakan
gambaran jawaban dari responden. Nilai responden terhadap activity
support pun dapat digambarkan melalui data tersebut.
Tabel 5.6 Nilai Mean per Faktor Variabel Activity Support Pada Penghuni dan Pengunjung
No Variabel Faktor Mean Per
Faktor
1
Activity Support
Arah dan Jarak Pandang 3,14
2 Kondisi Lingkungan sekitar 3,19
3 Material dan Kulit Bangunan (tenda/ kios)
3,03
4 Detail Arsitektural 3,31
5 Pencahayaan 3,13
Sumber : Analisa penulis, 2014
Tabel 5.6 menunjukkan bahwa menurut penghuni dan pengunjung
Kegiatan Waroeng Semawis Semarang yang dijadikan sebagai
responden, faktor yang paling menonjol pada variabel bebas adalah faktor
Detail Arsitektural nya dengan nilai mean per faktor nya adalah 3.31
Artinya faktor bentuk dalam keunikan dan keragamannya merupakan
faktor activity support yang mudah ditangkap oleh penghuni dan
pengunjung. Dengan faktor pendukung berupa pencahayaan sehingga
detail arsitektural nampak pada malam hari.
97
108
Gambar 5.4 Diagram Nilai Mean Per Faktor Variabel Activity Support Pada Penghuni dan Pengunjung
Sumber : Analisa Penulis
Angka 3.31 ini dapat dikonversikan pada skala baik jika
menggunakan penilaian skala likert 1 2 3 4 5 pada setiap butir pertanyaan.
Setiap butir pertanyaan dapat menyatakan sangat tidak setuju sampai
dengan sangat setuju sehingga dapat dikonversikan ke dalam unsur
semantic diferencial atau kata yang saling berlawanan maka skalanya
menjadi sangat buruk sampai dengan sangat baik.
Tabel 5.7 Nilai Mean Per Faktor Faktor Variabel Karakter Visual Pecinan Pada Penghuni dan Pengunjung
No Variabel Faktor Mean Per
Faktor
1
Karakter Visual Pecinan
Dominasi 3,48
2 Keragaman 3,62
3 Kontinuitas 3,48
4 Kepaduan 3,56
5 Kesatuan 3,26
6 Sequens 3,81
2,85
2,9
2,95
3
3,05
3,1
3,15
3,2
3,25
3,3
3,35
ACTIVITY SUPPORT
Arah dan Jarak Pandang
Kondisi Lingkungan Sekitar
Material & Kulit Bangunan
Detail Arsitektural
Pencahayaan
98
108
7 Keunikan 3,42
8 Keindahan 3,38
9 Karakter Bangunan 3,73
10 Karakter Lingkungan 3,96
11 Integrasi karakter Bangunan dan Lingkungan
3,97
Sumber : Analisa penulis, 2014
Gambar 5.5 Diagram Nilai Mean Per Faktor Faktor Variabel Karakter Visual Pecinan Pada Penghuni dan Pengunjung
Sumber : Analisa Penulis
Data pada tabel 5.6 menunjukkan bahwa menurut responden, faktor
yang paling menonjol pada variabel Karakter Visual Pecinan adalah
Integrasi Karakter Bangunan dan Lingkungan dengan nilai mean 3,97.
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
Karakter Visual Pecinan
Dominasi
Keragaman
Kontinuitas
Kepaduan
Kesatuan
Sequens
Keunikan
Keindahan
Karakter Bangunan
Karakter Lingkungan
Integrasi Karakter Bangunan dan Lingkungan
99
108
Angka ini menunjukkan pada skala baik (dikonversikan ke dalam unsur
semantic diferencial). Artinya activity support yang ada telah selaras dan
terintegrasi dengan baik di Gang Warung kawasan Pecinan Semarang.
Hasil pengamatan responden menunjukkan bahwa nilai rata-rata
variabel activity support sebesar 3.16 dan nilai rata-rata Karakter Visual
Pecinan sebesar 3.6 (lihat tabel 5.7).
Tabel 5.8 Perbandingan Nilai Mean Variabel Activity Support terhadap Karakter Visual Pecinan
ACTIVITY SUPPORT Kesenjangan
KARAKTER VISUAL PECINAN
Faktor Mean Per Faktor
Faktor Mean Per Faktor
Arah dan Jarak Pandang
3,14
Dominasi 3,48
Kondisi Lingkungan sekitar
3,19 Keragaman 3,62
Material dan Kulit Bangunan
3,03 Kontinuitas 3,48
Kepaduan 3,56
Detail Arsitektural 3,31 Kesatuan 3,26
Pencahayaan 3,13 Sequens 3,81
Keunikan 3,42
Keindahan 3,38
Karakter Bangunan 3,73
Karakter Lingkungan 3,96
Integrasi karakter Bangunan dan Lingkungan
3,97
rata-rata 3,16 0,44 rata-rata 3,6
Sumber : Analisa penulis
Nilai rata-rata yang diperoleh ini menunjukkan bahwa activity support
dan Karakter Visual Pecinan dinilai berada pada skala baik (dikonversikan
ke dalam unsur semantic diferencial). Kedua nilai yang diperoleh berada
di atas median skala pengukuran. Hal tersebut mengartikan bahwa
100
108
variabel activity support dan Karakter Visual Pecinan berada pada kisaran
baik. Faktor detail arsitektural mendapatkan nilai mean tertinggi dengan
besar nilai 3.31. Hasil pengolahan data ini menunjukkan bahwa diantara
faktor-faktor activity support, faktor Detail Arsitektural menempati posisi
baik yang dapat ditangkap oleh publik. Pada variabel Karakter Visual
Pecinan, faktor Integrasi Karakter Bangunan dan Lingkungan
mendapatkan nilai mean tertinggi dengan besar nilai 3.97. Data ini
menunjukkan bahwa diantara faktor-faktor Karakter Visual Pecinan,
Integrasi Karakter Bangunan dan Lingkungan merupakan faktor yang
menempati posisi baik yang dapat ditangkap untuk diamati oleh publik.
Berdasarkan dengan uraian diatas, faktor yang dirasakan paling
dominan menurut responden penghuni adalah faktor Detail Arsitektural
dan Integrasi Karakter Bangunan dan Lingkungan. Pada tabel 5.7 juga
menunjukkan adanya kesenjangan sebesar 0.44. Kondisi seperti ini
menggambarkan bahwa penilaian responden penghuni tentang activity
support pada Waroeng lebih baik 0.44 poin dibanding Karakter Visual
Pecinan.
5.4 Hubungan Activity Support terhadap Karakter Visual Pecinan
5.4.1 Hubungan activity support terhadap Karakter Visual Pecinan
menurut Keseluruhan Responden
5.4.1.1. Uji Normalitas
Uji normalitas data berguna untuk mengetahui bahwa data sampel
mengikuti atau mendekati distribusi normal, yakni distribusi data
101
108
yang dapat diolah dengan baik dan memiliki pola seperti distribusi
normal. Normalitas suatu variabel umumnya dideteksi dengan
metode grafik. Pada penelitian ini untuk mendeteksi normalitas data
dengan menggunakan uji Kolmogorov-Smirnov serta melalui grafik
histogram dan normal plot. Hasil SPSS menunjukkan tabel seperti
berikut:
Tabel 5.9 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
X Y
N 60 60
Normal Parametersa Mean 56.4667 78.5167
Std. Deviation 1.17740E
1
1.09165E
1
Most Extreme Differences Absolute .104 .109
Positive .104 .097
Negative -.091 -.109
Kolmogorov-Smirnov Z .803 .841
Asymp. Sig. (2-tailed) .539 .479
a. Test distribution is Normal.
Sumber : Analisa Penulis dengan SPSS, 2014
Hasil dari SPSS dilihat jika signifikansi yang diperoleh > α (taraf
siginifikasi), maka sampel berasal dari populasi yang berdistribusi normal.
Sebaliknya jika signifikansi yang diperoleh < α, maka sampel bukan
berasal dari populasi yang berdistribusi normal. Taraf siginifikasi pada
penelitian ini adalah 5% (0.05). berdasarkan tabel V.16 assymp. Sig. Yang
diperoleh activity support sebesar 0.539 sedangkan Karakter Visual
102
108
Pecinan sebesar 0.479. Kedua nilai ini menunjukkan bahwa kedua
variabel penelitian tersebut beristribusi normal.
Grafik histogram dan normal yang didapat melalui uji Kolmogorov-Smirnov
juga terlihat normal distribusinya (lihat gambar 5.7). Grafik berada
ditengah tidak melenceng ke kanan ataupun ke kiri. Grafik tersebut
menunjukkan bahwa variabel activity support dan Karakter Visual Pecinan
terdistribusi secara normal.
Gambar 5.6 Grafik Histogram
Sumber : analisa penulis dengan SPSS, 2014
103
108
Sedangkan berikut hasil grafik normal plot yang ditampilkan SPSS :
Gambar 5.7 Grafik Normal Plot Sumber : analisa penulis dengan SPSS, 2014
Pada gambar 5.8 grafik normal plot, terlihat titik-titik menyebar di
sekitar garis diagonal dan mengikuti arah garis tersebut. Kondisi seperti ini
menunjukkan bahwa regresi tersebut menunjukkan pola distribusi normal
yang artinya memenuhi asumsi normalitas. Berdasarkan kedua grafik
tersebut (gambar 5.7 dan 5.8) dapat ditarik kesimpulan bahwa model
regresi pada penelitian ini terdistribusi dengan normal.
5.4.1.2. Uji Regresi
Analisis regresi digunakan untuk mengetahui pengaruh satu variabel
bebas atau lebih terhadap satu variabel tidak bebas. Pada penelitian ini
teknik analisis regresi linear sederhana dipilih untuk menguji hubungan
antar variabel yang digunakan. Penggunaan teknik analisis regresi
104
108
sederhana pada penelitian ini karena penelitian ini hanya menguji satu
variabel bebas terhadap variabel terikat. Analisis regresi ini menggunakan
SPSS 16. Output atau hasil SPSS yang perlu diperhatikan yaitu pada
tabel model summary dan tabel coefficient.
A. Koefisien Determinasi
Nilai koefisien pearson product moment (R) dan nilai adjusted R2
perlu diperhatikan pada tabel model summary. Nilai tersebut kemudian
akan diiterpretasikan tingkat hubungan korelasinya dengan tabel berikut:
Tabel 5.10 Tingkat Hubungan Koefisiensi Korelasi
Interval Koefisien Tingkat Hubungan
0.00 – 0.199 Sangat Rendah
0.20 – 0.399 Rendah
0.40 – 0.599 Sedang
0.60 – 0.799 Kuat
0.80 – 1.000 Sangat Kuat Sumber: Sugiyono,2010
Hasil analisa regresi antara variabel activity support dengan
variabel Karakter Visual Pecinan adalah sebagai berikut:
Tabel 5.11 Model Summary Recgresi Activity Support Dan Karakter Visual Pecinan
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .715a .511 .503 7.69823
a. Predictors: (Constant), X
b. Dependent Variable: Y
Sumber : Analisa Penulis dengan SPSS, 2014
105
108
Pada tabel 5.11 dapat dilihat nilai koefisien korelasi (ry) adalah
0.715. Menurut tabel tingkat koefisien korelasi (lihat tabel 5.9), nilai yang
didapat tersebut menunjukkan bahwa hubungan yang KUAT positif antara
variabel activity support dan variabel Karakter Visual Pecinan. Sedangkan
nilai Adjusted R square menunjukkan angka sebesar 0.503 yang
menunjukkan bahwa activity support berpengaruh sebesar 50.3%
terhadap Karakter Visual Pecinan. Sisanya sebesar 49.7% dipengaruhi
oleh faktor lain di luar model.
B. Uji ANNOVA / Uji Statistik F
Uji F atau ANNOVA digunakan untuk melihat bagaimana pengaruh
semua variabel bebasnya secara bersama-sama (simultan) terhadap
variabel terikatnya. Yang perlu diperhatikan pada uji F yaitu nilai signifikan
yang didapat dari hasil uji F menggunakan SPSS. Signifikan berarti
hubungan yang terjadi dapat berlaku untuk populasi. Penggunaan tingkat
signifikansi yang digunakan pada penelitian ini adalah 5% atau 0.05.
Hasil uji F dilihat dalam tabel ANOVA dalam kolom sig. Jika nilai
probabilitas < 0.05, maka dapat dikatakan terdapat pengaruh yang
signifikan antara variabel bebas terhadap variabel terikat. Sebaliknya jika
nilai signifikansi > 0.05 maka tidak terdapat pengaruh yang signifikan
secara bersama-sama antara variabel bebas terhadap variabel terikat.
106
108
Tabel 5.12 Hasil Uji F
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 3593.748 1 3593.748 60.641 .000a
Residual 3437.236 58 59.263
Total 7030.983 59
a. Predictors: (Constant), X
b. Dependent Variable: Y
Sumber : Analisa Peneliti dengan SPSS, 2014
Berdasarkan tabel 5.11 nilai F hitung (F test) sebesar 60.641 dengan
probabilitas 0.000. Nilai tersebut menunjukkan bahwa semua variabel
activity support yang dimasukkan ke dalam model secara bersama-sama
berpengaruh terhadap Karakter Visual Pecinan karena nilai sig yang
didapatkan < 0.05.
C. Uji Signifikasi T
Uji T digunakan untuk menguji secara parsial masing-masing
variabel. Hasil uji t dapat dilihat pada tabel coefficients pada kolom sig
(significance). Jika probabilitas nilai t atau signifikansi < 0.05, maka dapat
disimpulkan bahwa terdapat pengaruh antara variabel bebas terhadap
variabel terikat secara parsial. Namun, jika probabilitas nilai t atau
signifikansi > 0.05, maka dapat dikatakan bahwa tidak terdapat pengaruh
yang signifikan masing-masing variabel bebas terhadap variabel terikat.
Menurut Hartono (2008), tabel coefficient yang perlu diperhatikan
adalah bagian kolom B pada konstan (a) dan koefisien arah regresi (b)
107
108
dan menyatakan perubahan variabel X sebesar 1 unit. Bila b bertanda
positif berarti penambahan dan bila negatif berarti penurunan.
Dari hasil SPSS, didapatkan tabel Coefficient sebagai berikut ini:
Tabel 5.13 Coefficient
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 41.087 4.908
8.371 .000
X .663 .085 .715 7.787 .000
a. Dependent Variable: Y
Sumber : Analisa Peneliti dengan SPSS, 2014
Berdasarkan tabel 5.12 diatas, didapatkan nilai derajat
kepercayaan / sig sebesar 0.000. Kondisi tersebut menunjukkan bahwa
variabel activity support (x) berpengaruh terhadap variabel Karakter Visual
Pecinan (y). Dilihat dari tabel tersebut, diperoleh nilai a = 25.809 dan b =
0.663 Selanjutnya akan diperoleh nilai persamaan regresi linear
sederhana sebagai berikut:
Y = a + b (X)
Y = 25.809 + 0.663 (12)
= 25.809 + 8.364
= 34.173
Berdasarkan perhitungan tersebut, menunjukkan bahwa setiap
meningkatkan 1 nilai activity support akan meningkatkan nilai Karakter
Visual Pecinan sebesar 0.663. Jika nilai activity support ditingkatkan
108
108
menjadi 12 (skor masimal) maka nilai Karakter Visual Pecinan akan
meningkat menjadi 34.173.
Berdasarkan hasil uji regresi yang dilakukan melaui uji koefisien
determinasi, uji F, dan Uji T, menunjukkan bahwa semua variabel activity
support yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap karakter visual kawasan pecinan. Hasil koefisien
determinasi menujukkan bahwa activity support berpengaruh sebesar
50.3% terhadap Karakter Visual Pecinan. Sisanya sebesar 49.7%
dipengaruhi oleh faktor lain diluar activity support.
5.4.2 Perbandingan Hasil Pengolahan Data Statitistik hubungan activity
Support dan Karakter Visual Pecinan
Data dapat berdistribusi secara normal nampak pada Tabel 5.13.
Nilai R yang didapat dari tabel Summary yang diperoleh dari responden
menyatakan bahwa hubungan pengaruh diantara activity support dan
Karakter Visual Pecinan yaitu kuat positif.
106
109
Tabel 5.14 Perbandingan Hasil Pengolahan Data Statistik
Jenis Responden
Uji Normalitas Koefisien Determinasi Uji Annova Uji Signifikasi T Test
Assymp Sig
Artinya R Artinya Adjusted R Square
Artinya Nilai sig
Artinya Nilai sig
Artinya
Semua Responden
X= 0.539
Y=
0.479
Data berdistri
busi secara normal
0.715 Hubungan kuat positif
0.503
Activity support
berpengaruh 50.3%
terhadap Karakter Visual
Pecinan
0.000
Semua faktor activity support yang
dimasukkan ke dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel karakter visual
pecinan
0.000
Variabel X (activity support)
berpengaruh terhadap variabel Y (Karakter Visual
Pecinan gang Warung)
Sumber : Analisa Peneliti dengan SPSS, 2014
Terdapat 50.3% pengaruh activity support terhadap Karakter Visual Pecinan yang dinilai oleh keseluruhan
responden. Sisanya sebesar 49.7% dipengaruhi oleh faktor lain diluar locus penelitian yang diambil. Hasil dari
pengolahan data statistik yang telah dilakukan ini tidak dapat digeneralisasikan karena teknik sampling yang digunakan
adalah teknik accidental sampling. Hasil ini hanya dapat diterapkan pada sampel penelitian yang sudah dilakukan.
106
109
Berdasarkan pengolahan data yang telah dilakukan, ditemukan
bahwa, secara umum activity support berpengaruh terhadap Karakter
Visual Pecinan. Faktor yang paling dominan dalam memberikan pengaruh
dalam activity support adalah Detail Arsitektural. Dilihat dari variabel
Karakter Visual Pecinan, faktor Integrasi Karakter Bangunan dan
Lingkungan yang paling dominan.
110