HASIL DAN PEMBAHASAN
3.2 Analisis Data
Data yang diperoleh dari perusahaan akan dianalisa dengan menggunakan metode regresi data panel yaitu model Fixed Effect. Pertama, menganalisis variabel bebas untuk mengetahui pengaruh variabel bebas terhadap variabel terikat secara individu maupun secara keseluruhan dengan menggunakan uji statistik yaitu uji t , koefisien determinasi dan uji F. Kemudian dilakukan uji asumsi klasik yaitu uji multikolinearitas, autokorelasi dan heteroskedastisitas untuk menganalisis tingkat presisi dari model regresi yang diperoleh.
3.2.1 Pengujian Signifikansi Parameter Individual (Uji Statistik t)
Seperti yang telah disebutkan pada bab sebelumnya, uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh masing-masing variabel bebas secara individual dalam menerangkan variasi variabel terikat. Hipotesis pada uji t adalah:
H0 : βi = 0 H1 : βi ≠ 0
Keputusan dalam pengujian ini dilakukan dengan membandingkan nilai thitung dengan ttabel. Jika | thitung | > ttabel, maka tolak H0, sehingga kesimpulannya adalah variabel bebas secara parsial signifikan mempengaruhi variabel terikat. Dengan
menggunakan α = 5 % dan degree of freedom (df) = 94 (n – k = 125 – 31), maka diperoleh nilai ttabel (t α/2, n-k ) sebesar 2,278.
Tabel 3.7 Uji Statistik t
Variabel thitung ttabel Keterangan
(1) (2) (3) (4)
Stok beras 0,515832 2,278 Tidak signifikan
Luas areal panen padi 23,70462 2,278 Signifikan
Produktivitas lahan 5,253792 2,278 Signifikan
Jumlah konsumsi beras -4,174058 2,278 Signifikan
Harga beras -0,694299 2,278 Tidak signifikan
Dari tabel 3.7 hasil thitung dapat disimpulkan bahwa pada taraf keyakinan 95 %, variabel luas areal panen padi, produktivitas lahan, jumlah konsumsi beras mempunyai pengaruh yang signifikan terhadap ketahanan pangan di Sumatera Utara. Sementara variabel harga beras dan stok beras mempunyai pengaruh yang tidak signifikan terhadap ketahanan pangan di Sumatera Utara.
3.2.2 Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya bertujuan untuk mengukur seberapa besar variasi regressand (Y) dapat diterangkan oleh regressor (X). Tabel 3.8 berikut akan menampilkan ringkasan hasil regresi dalam penelitian ini.
Tabel 3.8 Koefisien Variabel Bebas dan Dummy Wilayah
Variabel Koefisien (1) (2) Konstanta (C) -1,500906 Stok Beras (SB) 0,013159 Luas Panen (LP) 1,019066 Produktivitas Lahan(PR) 0,985123
Jumlah Konsumsi Beras (JKB) -1,114910 Harga Beras (HB)
-0,042243 Dummy Kabupaten Nias (D1) 0,014896 Dummy Kabupaetn Mandailing Natal (D2) -0,011427 Dummy Kabupaten Tapanuli Selatan (D3) 0,017444 Dummy Kabupaten Tapanuli Tengah (D4) -0,033431 Dummy Kabupaten Tapanuli Utara (D5) -0,049680 Dummy Kabupaten Toba Samosir (D6) -0,087625 Dummy Kabupaten Labuhan Batu (D7) 0,202441 Dummy Kabupaten Asahan (D8) 0,052871 Dummy Kabupaten Simalungun (D9) 0,041432 Dummy Kabupaten Dairi (D10) -0,044100 Dummy Kabupaten Karo (D11)
-0,016914 Dummy Kabupaten Deli Serdang (D12)
0,125769 Dummy Kabupaten Langkat (D13)
0,068158 Dummy Kabupaten Nias Selatan (D14)
-0,023120 Dummy Kabupaten Humbang Hasundutan (D15)
-0,094514
(1) (2)
Dummy Kabupaten Pakpak Bharat (D16) -0,207902 Dummy Kabupaten Samosir (D17) -0,099606 Dummy Kabupaten Serdang Bedagai (D18) 0,019412 Dummy Kabupaten Batu Bara (D19) -0,012982 Dummy Kota Tanjung Balai (D20) -0,102909 Dummy Kota Pematang Siantar (D21) -0,020015 Dummy Kota Tebing Tinggi (D22) -0,059965
Dummy Kota Medan (D23) 0,391132
Dummy Kota Binjai (D24) -0,010476
R2 0,996452
Dari tabel 3.8 diperoleh R2 sebesar 0,996452. Hal ini berarti sebesar 99,65 % variasi ketahanan pangan dapat dijelaskan oleh 5 variabel bebas yaitu variabel stok beras, luas areal panen padi, produktivitas lahan, jumlah konsumsi beras, harga beras dan dummy wilayah (25 kabupaten/ kota di Sumatera Utara). Sedangkan sisanya 0,35 % di jelaskan oleh variabel lain diluar model.
3.2.3 Pengujian Signifikansi Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara keseluruhan terhadap variabel terikat. Hipotesis dalam uji ini adalah :
H0: β1 = β2= ... = βk = 0 H1 : β1≠ β2 ≠ ... ≠ βk≠ 0
Jika Fhitung lebih besar dari Ftabel, maka H0 ditolak. Artinya variabel bebas tidak mempunyai pengaruh secara keseluruhan terhadap varibel terikat. Tabel 3.9 berikut menampikan hasil uji F.
Tabel 3.9 Hasil Uji F
Ftabel 1,580561
Fhitung
920,1276 Prob
0,000000
Dengan menggunakan taraf keyakinan 95 % (α = 5 %), degree of freedom for numerator (dfn) = 30 (k – 1 = 31 – 1) dan degree of freedom for denominator (dfd) = 94 (n – k = 125 – 39), diperoleh Ftabel sebesar 1,580561. Dari hasil regresi diperoleh Fhitung 920,1276 dan nilai probabilitas Fhitung 0,000000. Maka dapat disimpulkan bahwa variabel bebas secara keseluruhan berpengaruh terhadap variabel terikat (Fhitung > Ftabel).
3.2.4 Uji Multikolinearitas
Multikolinearitas adalah kondisi adanya hubungan linear antara variabel bebas. Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Cara yang digunakan untuk menguji gejala multikolinearitas dalam penelitan ini adalah dengan melihat Correlation Matrix. Data dikatakan teridentifikasi multikolinearitas apabila koefisien korelasi antar variabel bebas lebih dari atau sama dengan 0,8 (Gujarati, 2003). Tabel 3.10 berikut menunjukkan hasil koefisien korelasi antar variabel bebas.
Tabel 3.10 Correlation Matrix Antar Variabel Bebas
Variabel SB LP PR JKB HB (1) (2) (3) (4) (5) (6) SB 1,000000 0,671376 0,441759 0,560566 -0,070700 LP 0,671376 1,000000 0,357551 0,479505 -0,205480 PR 0,441759 0,357551 1,000000 0,292000 0,029024 JKB 0,560566 0,479505 0,292000 1,000000 0,632035 HB -0,070700 -0,205480 0,029024 0,632035 1,000000 Keterangan: SB = stok beras
LP = luas areal panen padi PR = rata-rata produksi padi JKB = jumlah konsumsi beras HB = harga beras
Dari tabel 3.10 dapat disimpulkan bahwa antara variabel bebas tidak terdapat multikolinearitas, karena koefisien korelasi antara variabel bebas lebih kecil dari 0,8. Sehingga model regresi yang diperoleh terbebas dari multikolinearitas.
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi antara observasi satu dengan observarsi yang lain, yang berlainan waktu (Widarjono, 2007). Dalam penelitian ini digunakan uji Durbin Watson (Uji DW), yaitu dengan melihat nilai Durbin Watson pada regresi utama dengan ketentuan sebagai berikut (Algifari, 1997):
Tabel 2.1 Kriteria uji Durbin-Watson
Tabel 3.11 Hasil Regresi Utama Dependent Variable: LOG(RKB?) Method: Pooled Least Squares Date: 10/12/13 Time: 08:54 Sample: 2007 2011
Included observations: 5 Cross-sections included: 25
Total pool (balanced) observations: 125
Variable Coefficient Std. Error t-Statistic Prob.
C -1.500906 3.014859 -0.497836 0.6197 LOG(SB?) 0.013159 0.025510 0.515832 0.6072 LOG(LP?) 1.019066 0.042990 23.70462 0.0000 LOG(PR?) 0.985123 0.187507 5.253792 0.0000 LOG(JKB?) -1.114910 0.267105 -4.174058 0.0001 LOG(HB?) -0.042243 0.060842 -0.694299 0.4892
Fixed Effects (Cross)
_D1--C 0.014896 _D2--C -0.011427 _D3--C 0.017444 _D4--C -0.033431 _D5--C -0.049680 _D6--C -0.087625
Nilai Durbin Watson Keterangan
(1) (2)
< 1,10 Ada autokorelasi 1,10 – 1,54 Tanpa kesimpulan 1,55 – 2,46 Tidak ada autokorelasi 2,47 – 2,90 Tanpa kesimpulan
_D8--C 0.052871 _D9--C 0.041432 _D10--C -0.044100 _D11--C -0.016914 _D12--C 0.125769 _D13--C 0.068158 _D14--C -0.023120 _D15--C -0.094514 _D16--C -0.207902 _D17--C -0.099606 _D18--C 0.019412 _D19--C -0.012982 _D20--C -0.102909 _D21--C -0.020015 _D22--C -0.059965 _D23--C 0.391132 _D24--C -0.010476 _D25--C -0.058889 Effects Specification Cross-section fixed (dummy variables)
R-squared 0.996452 Mean dependent var -0.175017
Adjusted R-squared 0.995369 S.D. dependent var 1.125740
S.E. of regression 0.076604 Akaike info criterion -2.094760
Sum squared resid 0.557483 Schwarz criterion -1.415965
Log likelihood 160.9225 F-statistic 920.1276
Durbin-Watson stat 1.628535 Prob(F-statistic) 0.000000
Dari tabel 3.11 diatas dapat dilihat nilai Durbin-Watson sebesar 1,628535 berada pada interval 1,55 – 2,46 sehingga dapat disimpulkan, berdasarkan tabel 2.1 (Kriteria Uji Durbin-Watson) tidak terdapat korelasi antara observasi yang satu dengan yang lain atau dengan kata lain tidak terdapat gejala autokorelasi di dalam model regresi.
3.2.6 Uji Heteroskedastisitas
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Dalam penelitian ini digunakan Uji Park untuk mendeteksi gejala
heteroskedastisitas yang terjadi dalam model persamaan regresi. Metode uji Park yaitu dengan meregresikan nilai residual (Log(ui2)) dengan masing-masing variabel bebas. Kriteria pengujian adalah sebagai berikut:
H0 : ada gejala heteroskedastisitas H1 : tidak ada gejala heteroskedastisitas
H0 diterima bila thitung > ttabel atau –thitung < –ttabel. Artinya, terdapat heteroskedastisitas di dalam model. H0 ditolak bila –ttabel < thitung < ttabel yang berarti tidak terdapat heteroskedastisitas di dalam model.
Tabel 3.12 Uji Heteroskedastisitas dengan Uji Park Dependent Variable: LOG(RES2)
Method: Panel Least Squares Date: 10/12/13 Time: 09:14 Sample: 2007 2011
Cross-sections included: 25
Total panel (balanced) observations: 125
Variable Coefficient Std. Error t-Statistic Prob.
C 78.16510 103.7361 0.753499 0.4530 LOG(SB) 0.414181 0.877739 0.471872 0.6381 LOG(LP) -1.219766 1.479219 -0.824602 0.4117 LOG(PR) 3.663572 6.451798 0.567837 0.5715 LOG(JKB) -9.527705 9.190610 -1.036678 0.3025 LOG(HB) 0.999633 2.093476 0.477499 0.6341 Effects Specification Cross-section fixed (dummy variables)
R-squared 0.531958 Mean dependent var -10.36982
Adjusted R-squared 0.389082 S.D. dependent var 3.372294
S.E. of regression 2.635828 Akaike info criterion 4.981835
Sum squared resid 660.0210 Schwarz criterion 5.660630
Log likelihood -281.3647 F-statistic 3.723209
Durbin-Watson stat 2.455476 Prob(F-statistic) 0.000001
Dengan membandingkan nilai thitung variabel bebas dengan nilai ttabel pada df = n – k = 125 – 31 = 94 dan α = 5 %, diperoleh nilai ttabel (t α/2, n-k ) 2,278 sehingga H0 ditolak karena –ttabel < thitung < ttabel. Dengan kata lain model terbebas dari gejala heteroskedastisitas.