HASIL DAN PEMBAHASAN
4.4 Analisis Data
4.4.1 Hasil Model Estimasi
Berdasarkan data-data yang telah diperoleh maka dibuatlah suatu analisis yang diperoleh dari hasil analisis regresi linier berganda. Di dalam penelitian ini, model regresi menggambarkan pengaruh harga kol, pendapatan konsumen dan jumlah tanggungan keluarga konsumen (variabel independen) terhadap jumlah permintaan kol (variabel dependen) di kawasan wisata Berastagi.
Model estimasi persamaannya adalah sebagai berikut:
Dimana:
Y : Permintaan kol
: Konstanta
: Koefisien regresi (nilai peningkatan atau penurunan) : Harga kol
: Total pendapatan konsumen
: Jumlah tanggungan keluarga konsumen : Error term
Berdasarkan data yang diperoleh dan telah diolah kedalam model perhitungan komputer dengan menggunakan SPSS 17, maka dapat dilihat hasil tabel sebagai berikut:
Tabel 4.11 Tabel Hasil Regresi Linier Berganda Coefficientsa Model Unstandardized Coefficients Standardized Coefficients
B Std. Error Beta t Sig.
1 (Constant) 8.914 30.435 .293 .771 HARGA KOL -.010 .009 -.159 -1.178 .245 PENDAPATAN KONSUMEN 4.491E-6 .000 .336 2.501 .016 JUMLAH TANGGUNGA N KELUARGA KONSUMEN 7.021 5.116 .186 1.373 .177
a. Dependent Variable: PERMINTAAN KOL
Berdasarkan tabel diatas, maka persamaan regresinya adalah sebagai berikut:
Y = 8.914 + (-0.010) + 4.491E-6 + 7.0212 Y = 8.914 + -0.010 + 4.491E-6 + 7.0212
Konstanta sebesar 8.914; artinya jika harga kol ( ), pendapatan konsumen ( ) dan jumlah tanggungan keluarga konsumen ( ) nilainya adalah 0, maka jumlah permintaan kol (Y) nilainya adalah 8.914 kg.
4.4.2 Interpretasi Model
Berdasarkan model estimasi diatas maka dapat dijelaskan pengaruh variabel independen yaitu harga kol ( ), pendapatan konsumen ( ) dan jumlah tanggungan keluarga konsumen ( ) terhadap variabel dependen yaitu permintaan kol (Y).
4.4.2.1Harga Kol ( )
Koefisien regresi variabel harga kol ( ) sebesar -0.010 yang artinya apabila variabel independen lain nilainya tetap dan variabel harga kol mengalami kenaikan 1% (ceteris paribus), maka jumlah permintaan kol (Y) akan mengalami penurunan sebesar 0.010 kg. Koefisien bernilai negatif artinya terjadi hubungan negatif antara harga kol dengan jumlah permintaan kol. Semakin menaik harga kol maka jumlah permintaan kol akan semakin menurun.
4.4.2.2Pendapatan Konsumen ( )
Koefisien regresi variabel pendapatan konsumen ( ) sebesar 4.491E-6 atau 0.000004491 (4.491 x = 4.491/1000000) yang artinya jika variabel independen lain nilainya tetap dan variabel pendapatan konsumen mengalami kenaikan 1% (ceteris paribus), maka jumlah permintaan kol akan mengalami kenaikan sebesar 0.000004491 kg. Koefisien bernilai positif artinya terjadi hubungan positif antara pendapatan konsumen dengan jumlah permintaan kol. Semakin tinggi pendapatan konsumen maka jumlah permintaan kol akan semakin menaik.
4.4.2.3Jumlah Tanggungan Keluarga Konsumen ( )
Koefisien regresi variabel jumlah tanggungan keluarga konsumen ( ) sebesar 7.021 yang artinya jika variabel independen lain nilainya tetap dan variabel jumlah tanggungan keluarga konsumen mengalami kenaikan 1% (ceteris paribus), maka jumlah permintaan kol akan mengalami peningkatan sebesar 7.021 kg.
tanggungan keluarga konsumen dengan jumlah permintaan kol. Semakin banyak jumlah tanggungan keluarga konsumen maka jumlah permintaan kol juga akan semakin naik.
4.4.3 Korelasi Ganda (R)
Dari hasil analisis regresi, dapat dilihat pada output model summary dibawah untuk mengetahui hubungan harga kol, pendapatan konsumen dan jumlah tanggungan keluarga secera serentak dalam mempengaruhi permintaan jumlah kol:
Tabel 4.12 Tabel Hasil Korelasi Ganda (R) Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .417a .174 .120 39.47192
a. Predictors: (Constant), JUMLAH TANGGUNGAN KELUARGA KONSUMEN, PENDAPATAN KONSUMEN, HARGA KOL
b. Dependent Variable: PERMINTAAN KOL
Berdasarkan tabel diatas diperoleh nilai R sebesar 0,417. Hal ini menunjukkan bahwa terjadi hubungan yang sedang antara harga kol, pendapatan konsumen dan jumlah tanggungan keluarga konsumen terhadap jumlah permintaan kol.
4.4.4Determinasi (R²)
Berdasarkan tabel 4.12 diatas diperoleh angka R² (R Square) sebesar 0.174 atau (17.4%) dan Adjusted R Square sebesar 0.120 atau (12.0%). Adjusted R
Square. Apabila di dalam suatu penelitian terdapat lebih dari dua variabel bebas, maka yang digunakan sebagai koefisien determinasi adalah Adjusted R Square.
Maka dalam penelitian ini presentase sumbangan pengaruh variabel independen (harga kol, pendapatan konsumen, jumlah tanggungan keluarga konsumen) terhadap variabel dependen (jumlah permintaan kol) sebesar 12.0%. Atau variasi variabel independen (harga kol, pendapatan konsumen, jumlah tanggungan keluarga konsumen) mampu menjelaskan variasi variabel dependen (jumlah permintaan kol ) sebesar 12.0%. Sedangkan sisanya sebesar 88.0% dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.
Standard Error of the Estimate atau banyaknya kesalahan model regresi dalam memprediksikan nilai Y (jumlah permintaan kol) dalam penelitian ini adalah 39.47192 atau 39.47192 kg.
4.4.5 Koefisien Regresi Secara Bersama-sama (Uji F)
Dari hasil output analisis regresi dapat diketahui nilai F dari tabel dibawah ini:
Tabel 4.13 Tabel Hasil Koefisien Regresi Secara Bersama-sama (Uji F) ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 15091.618 3 5030.539 3.229 .031a
Residual 71669.507 46 1558.033 Total 86761.125 49
a. Predictors: (Constant), JUMLAH TANGGUNGAN KELUARGA KONSUMEN, PENDAPATAN KONSUMEN, HARGA KOL
Berdasarkan tabel di atas dapat diketahui F hitung yang didapat adalah 3.229.
Dengan tingkat kepercayaan 95%, α = 5%, df 1 = 3 dan df 2 = 46 maka F tabel
adalah 0,116. Karena F hitung > F tabel (3,229 > 0,116) maka ditolak dan diterima. Dengan demikian harga kol, pendapatan konsumen dan jumlah tanggungan keluarga konsumen mempunyai pengaruh yang signifikan terhadap jumlah permintaan kol.
4.4.6 Koefisien Regresi Secara Parsial (Uji t)
Berdasarkan hasil persamaan model estimasi dapat diketahui pengaruh masing-masing variabel independen (harga kol, pendapatan konsumen, jumlah tanggungan keluarga konsumen) terhadap variabel dependen (jumlah permintaan kol). Untuk mengetahui pengaruh variabel-variabel independen tersebut secara parsial maka dapat dilakukan Uji t, yang akan dijelaskan sebagai berikut:
1. Harga Kol ( )
Dari hasil analisis regresi pada Tabel 4.11 dapat diketahui t hitung variabel harga kol adalah -1,178. Dengan α = 5% dan df = 46 maka t tabel adalah = -1,679. Karena -t hitung > -t tabel (-1,178 > -1,679) maka diterima dan ditolak. Dengan demikian, tidak ada pengaruh signifikan secara parsial antara harga kol terhadap jumlah permintaan kol.
Gambar 4.1 Kurva t-statistik variabel Harga Kol
2. Pendapatan Konsumen ( )
Berdasarkan hasil analisis regresi pada Tabel 4.11 maka didapat t hitung
variabel pendapatan konsumen adalah 2.501. Dengan α = 5% dan df = 46
maka t tabel adalah = -1,679. Karena t hitung > t tabel (2.501 > -1.679) maka ditolak dan diterima. Dengan demikian, pendapatan konsumen secara parsial berpengaruh signifikan terhadap jumlah permintaan kol.
diterima
diterima
-1,178
-1,679 -1,679
Gambar 4.2 Kurva t-statistik variabel Pendapatan Konsumen
3. Jumlah Tanggungan Keluarga Konsumen ( )
Melalui hasil analisis regresi pada Tabel 4.11 maka dapat diketahui t hitung variabel jumlah tanggungan keluarga konsumen adalah 1,373. Dengan
α = 5% dan df = 46 maka t tabel adalah = -1,679. Karena t hitung > t tabel (1.373 > -1.679) maka ditolak dan diterima. Oleh karena itu, jumlah tanggungan keluarga konsumen secara parsial berpengaruh signifikan terhadap jumlah permintaan kol.
diterima
diterima
2,501
-1,679 -1,679
Gambar 4.3 Kurva t-statistik variabel Jumlah Tanggungan Keluarga Konsumen
4.4.7 Penyimpangan Asumsi Klasik 1. Multikolinearitas
Berikut merupakan hasil output analisis multikolinearitas antar variabel independen dalam penilitian ini:
Tabel 4.14 Hasil Multikolinearitas (1) Coefficientsa Model Collinearity Statistics Tolerance VIF 1 HARGA KOL .980 1.020 PENDAPATAN KONSUMEN .996 1.004 JUMLAH TANGGUNGAN KELUARGA KONSUMEN .983 1.017 diterima diterima 1,3734 -1,679 -1,679 diterima
Hasil perhitungan nilai Tolerance pada Tabel 4.14 menunjukkan tidak ada variabel independen bernilai Tolerance < 0.10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflaction Factor (VIF) juga menunjukkan tidak ada satupun variabel independen yang memiliki nilai VIF lebih dari 10. Dengan demikian dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel dalam model regresi penelitian ini.
Tabel 4.15 Hasil Multikolinearitas (2) Coefficient Correlationsa Model JUMLAH TANGGUNGAN KELUARGA KONSUMEN PENDAPATAN KONSUMEN HARGA KOL 1 Correlations JUMLAH TANGGUNGAN KELUARGA KONSUMEN 1.000 -.031 -.129 PENDAPATAN KONSUMEN -.031 1.000 .059 HARGA KOL -.129 .059 1.000 Covariances JUMLAH TANGGUNGAN KELUARGA KONSUMEN 26.168 -2.831E-7 -.006 PENDAPATAN KONSUMEN
-2.831E-7 3.224E-12 9.312E-10
HARGA KOL -.006 9.312E-10 7.798E-5
a. Dependent Variable: PERMINTAAN KOL
Melihat korelasi antar variabel independen pada Tabel 4.15 di atas, terlihat bahwa hanya variabel Harga dengan Jumlah Tanggungan yang mempunyai korelasi cukup tinggi dengan tingkat korelasi sebesar –0.129 atau sekitar
12.9%. Karena korelasi tersebut masih di bawah 95%, maka dikatakan tidak terjadi multikolinearitas yang serius.
2. Heteroskedastisitas
Tabel 4.16 Hasil Spearman’s Rho Correlations HARGA KOL PENDAPATA N KONSUMEN JUMLAH TANGGUNGA N KELUARGA KONSUMEN ABSRES Spearman's rho HARGA KOL Correlat
ion Coeffici ent 1.000 -.079 .100 -.220 Sig. (2-tailed) . .585 .491 .124 N 50 50 50 50
PENDAPATAN KONSUMEN Correlat ion Coeffici ent -.079 1.000 .080 .471** Sig. (2-tailed) .585 . .580 .001 N 50 50 50 50 JUMLAH TANGGUNGAN KELUARGA KONSUMEN Correlat ion Coeffici ent .100 .080 1.000 .086 Sig. (2-tailed) .491 .580 . .554 N 50 50 50 50 ABSRES Correlat ion Coeffici ent -.220 .471** .086 1.000 Sig. (2-tailed) .124 .001 .554 . N 50 50 50 50
**. Correlation is significant at the 0.01 level (2-tailed).
Hasil output Spearman’s Rho menunjukkan bahwa variabel harga kol signifikan di atas 5% (0.124 > 0.05) dan variabel jumlah tanggungan keluarga konsumen juga signifikan di atas 5% (0.554 > 0.05). Artinya adalah bahwa variabel harga kol dan tanggungan keluarga konsumen tidak terjadi heteroskedastisitas. Sedangkan pada variabel pendapatan, tingkat
signifikasinya tidak berada di atas 5% (0.01 < 0.05) yang berarti terjadi heteroskedastisitas pada variabel pendapatan.
3. Autokorelasi
Tabel 4.17 Hasil Output Durbin-Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .417a .174 .120 39.47192 1.922
a. Predictors: (Constant), JUMLAH TANGGUNGAN KELUARGA KONSUMEN, PENDAPATAN KONSUMEN, HARGA KOL
b. Dependent Variable: PERMINTAAN KOL
Dari tabel di atas dapat dilihat bahwa nilai DW adalah 1.992, dengan tingkat signifikansi 5%, jumlah sampel 50 (n) dan jumlah variabel independen 3 (k = 3), maka dari tabel Durbin-Watson akan didapatkan nilai dl = 1.4206 dan du = 1.6739. Oleh karena nilai DW lebih besar dari batas atas (du) dan kurang dari 4 – 1.6739 (4 – du), maka disimpulkan bahwa tidak terdapat autokorelasi.
Gambar 4.4 Kurva Autokorelasi
4.4.8 Forecasting (Peramalan)
Kurva produksi di tahun-tahun yang akan datang yang didapat dari metode smoothing dengan teknik simple moving average adalah sebagai berikut:
Gambar 4.5 Grafik Produksi Kol Tahun 2013-2020
Dan berikut adalah tabel jumlah produksi (ton) pada tahun 2013-2020: Autokorelasi negatif 2,5794 1,4206 2,3261 Tidak ada autokorelasi Autokorelasi positif 1,6739 1,922 Daerah Keragu-raguan Daerah Keragu-raguan
Tabel 4.18 Tabel Produksi Kol Tahun 2013-2020 Tahun Produksi Kol (Ton)
2003 147853 2004 136685 2005 123638 2006 82888 2007 110335 2008 114378 2009 95384 2010 133946 2011 69365 2012 80187 2013 136058.67 2014 114403.67 2015 105620.33 2016 102533.67 2017 106699 2018 114569.33 2019 99565 2020 94499.33
Tabel 4.19 Persen Kenaikan dan Penurunan Jumlah Produksi
Tahun Kenaikan dan Penurunan (+/-)
2012–2013 +69.677% 2013–2014 -15.916% 2014–2015 -7.677% 2015–2016 -2.922% 2016–2017 +4.062% 2017–2018 +7.376% 2018–2019 -13.096% 2019–2020 -5.088%
Berdasarkan tabel di atas dapat dilihat bahwa pada tahun 2012 sampai tahun 2013 produksi kol di Kabupaten Karo akan mengalami kenaikan namun akan menurun pada tahun 2014 sampai dengan tahun 2016. Di tahun 2017 dan tahun
2018 terjadi kenaikan produksi kol lagi kemudian akan menurun kembali pada tahun 2019 dan 2020. Kenaikan dan penurunan produksi kol di Kabupaten Karo ini bisa disebabkan oleh berbagai macam faktor. Bencana alam, semakin sedikitnya lahan pertanian dan gangguan cuaca menjadi beberapa faktor penyebab penurunan dan kenaikan produksi yang terjadi di Kabupaten Karo.
BAB V
KESIMPULAN DAN SARAN