BAB III METODE PENELITIAN
3.5 Analisis Data
3.5.1 Analisis Regresi Linier Berganda
Teknik analisis yang digunakan dalam penelitian ini adalah model kuadrat terkecil (Ordinary Least Square). Data yang telah dikumpulkan kemudian dianalisis menggunakan analisis statistik persamaan linier berganda. Penerapan metode ini akan menghasilkan tingkat hubungan antara variabel-variabel yang akan diteliti sehingga dapat dilihat seberapa besar kontribusi variabel-variabel bebas terhadap variabel terikatnya serta arah hubungan yang terjadi (hubungan positif atau negatif). Pengolahan data akan dilakukan dengan menggunakan alat bantu aplikasi Software SPSS Statistics 20 for Windows.
Bentuk model ekonometrika dengan persamaan linier berganda, dapat diformulasikan yaitu sebagai berikut :
Dimana : Y = Pendapatan Petani α = Intercept β1, β2 = Koefisien Regresi X1 = Realisasi Kredit X2 = Produksi ε = Term of Error
Bentuk hipotesisnya secara matematis adalah sebagai berikut : 0 1 > ∂ ∂ LogX LogY
artinya apabila terjadi kenaikan pada X1, maka Y akan mengalami kenaikan, ceteris paribus.
0 2 > ∂ ∂ LogX LogY
artinya apabila terjadi kenaikan pada X2, maka Y akan mengalami kenaikan, ceteris paribus.
3.5.2 Test of Goodness of Fit (Uji Kesesuaian) 3.5.2.1 Koefisien Determinasi (R-Square)
Koefisien determinasi (R-Square) yaitu angka yang menunjukkan besarnya kemampuan varians atau penyebaran dari variabel-variabel independen yang menerangkan variabel dependen atau angka yang menunjukkan seberapa besar variabel dependen dipengaruhi oleh variabel-variabel independennya.
Besarnya nilai koefisien determinasi adalah antara 0 hingga 1 (0<R²<1), dimana nilai koefisien mendekati 1, maka model tersebut dikatakan baik karena semakin dekat hubungan antara variabel independen dengan variabel dependennya.
3.5.2.2 Uji F-statistik (Uji keseluruhan)
Uji F atau uji keseluruhan ini dilakukan untuk menguji signifikansi pengaruh dari semua variabel bebas secara keseluruhan terhadap variabel tak bebasnya. Disamping menguji berarti atau tidaknya variabel-variabel bebas secara bersamaan, uji F juga sekaligus menguji koefisien determinasinya (R²). Dengan
demikian, hasil uji F yang signifikan akan menyebabkan nilai R² yang diperoleh secara statistik tidak sama dengan nol.
Untuk pengujian ini digunakan hipotesis sebagai berikut :
Ho : βi = β2 = 0
Ha : βi = β2 0
Hasil pengujian akan menunjukkan :
• Apabila Nilai Sig < α toleransi, maka Ha diterima, yang artinya setiap variabel bebas secara bersama-sama berpengaruh terhadap variabel tak bebasnya.
• Apabila Nilai Sig > α toleransi, maka Ho diterima, yang artinya setidaknya satu dari variabel bebas berpengaruh terhadap variabel tak bebasnya. Nilai F-hitung diperoleh dengan rumus :
F-hitung = ) /( ) 1 ( ) 1 /( 2 2 k n R k R − − − Dimana : R2= Koefisien determinasi k = Jumlah variabel independen n = Jumlah sampel
3.5.2.3 Uji t-statistik (Uji Parsial)
Uji t-statistik merupakan suatu pengujian yang bertujuan untuk mengetahui tingkat signifikansi variabel-variabel independen terhadap variabel dependen secara parsial. Dalam hal ini, digunakan hipotesis sebagai berikut :
Ho : β1; β2 = 0
Ha : β1; β2 ≠ 0
Ho akan diterima (Ha ditolak) pada tingkat kepercayaan tertentu jika Nilai Sig. > α toleransi, dengan demikian variabel bebas yang diuji tidak mempengaruhi variabel terikat (tidak signifikan). Sebaliknya Ho akan ditolak (Ha diterima) pada tingkat kepercayaan tertentu jika Nilai sig < α toleransi sehingga variabel bebas yang diuji mempengaruhi variabel dependen (signifikan).
Nilai t-hitung diperoleh dengan rumus sebagai berikut : t-hitung = ) (bi S bi Dimana :
bi = Parameter yang diestimasi S(bi) = Standart error yang diuji
Sbi = Simpangan baku dari variabel independen ke-i 3.5.3 Uji Penyimpangan Asumsi Klasik
3.5.3.1 Multikolinearitas
Multikolinearitas adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat atau (kombinasi) antara independen variabel. Suatu model regresi linier akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinearitas. Multikolinearitas terjadi karena adanya hubungan yang kuat antara sesama independen variable dalam suatu model estimasi. Ciri-ciri multikolinearitas ditandai dengan :
• Standard error yang tidak terhingga • sangat tinggi
• Terjadinya perubahan tanda atau tidak sesuai dengan teori
• Tidak ada satupun t-statistik yang signifikan pada α = 1%, α = 5%
dan α = 10%
3.5.3.2 Heteroskedastisitas
Asumsi penting dalam regresi linier klasik adalah bahwa gangguan yang muncul dalam model regresi korelasi adalah homoskedastisitas yaitu semua gangguan mempunyai varians yang sama. Namun, bila asumsi ini tidak dapat dipenuhi maka dalam penelitian tersebut terdapat heteroskedastisitas yang berakibat bahwa estimasi tidak efisien. Untuk mendeteksi adanya heterokedastisitas dapat digunakan uji korelasi Rank Spearman dimana korelasinya dirumuskan sebagai berikut :
rs = ) 1 ( ) ( 6 1 2 − −
∑
n n Di Dimana :Di = Selisih dalam rank dua karakteristik yang berbeda n = banyaknya sampel yang diteliti
Selanjutnya untuk memastikan apakah model memiliki gejala heteroskedastisitas digunakan rumus : t = Rs 2 1 2 rs n − −
Ho : Rs = 0 ( tidak terdapat gejala heterokedastisitas) Ha : Rs ≠ 0 ( terdapat gejala heterokedastisitas)
Dengan keriteria pengujian pada tingkat kepercayaan (1-α) sbb : Ho diterima jika t-hitung < tα
Ha diterima jika t-hitung> tα 3.5.3.3 Autokorelasi (Serial Correlation)
Autokorelasi dapat didefinisikan sebagai korelasi (hubungan) yang terjadi antara anggota-anggota dari serangkaian pengamatan yang diurutkan menurut waktu dan ruang (time series). Autokorelasi ini menunjukkan hubungan antara nilai-nilai yang berurutan dari variabel-variabel yang sama. Autokorelasi dapat terjadi apabila kesalahan pengganggu suatu periode korelasi dengan kesalahan pengganggu periode sebelumnya. Ada beberapa cara untuk menguji autokorelasi, yaitu sebagai berikut :
• Dengan memplot grafik
• Dengan D-W Test (Uji Durbin Watson)
D- hitung = Dengan hipotesis sebagai berikut :
Ho : ρ = 0, artinya tidak ada autokorelasi Ha : ρ = 0, artinya ada autokorelasi
Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin-Watson untuk nilai α. Hipotesis yang digunakan adalah sebagai berikut :
Inconclusive inconclusive Auto (+) auto (-) Ho diterima 0 dL dU 2 4-dU 4-dL 4 Gambar 3.1 Kurva Durbin-Watson Dimana :
Ho = tidak ada autokorelasi
Dw<du = tolak Ho (ada korelasi positif) Dw>4du = tolak Ho (ada korelasi negatif) Du<Dw<4-du = tolak Ho (tidak ada korelasi)
dl≤ Dw ≥du = tidak bisa disimpulkan (inconclusive)
(4-du) ≤ Dw ≤(4-dl) = tidak bisa disimpulkan (inconclusive) 3.5.4 Metode Sign Test (Uji Tanda)
Sign Test (Uji Tanda) merupakan metode analisis untuk menguji hipotesis komparatif dua sampel yang berkorelasi, dimana datanya mempunyai skala pengukuran paling tidak ordinal. Metode analisis ini menggunakan data yang dinyatakan dalam bentuk tanda-tanda positif dan negatif dari perbedaan antara pengamatan yang berpasangan. Dengan demikian, statistik uji yang digunakan adalah jumlah tanda plus (+) atau jumlah tanda minus (-). Sign Test menerapkan ketentuan sebagai berikut :
Tanda (+) → diberikan apabila data pada sampel pertama > dari data sampel kedua
Tanda (-) → diberikan apabila data pada sampel pertama < dari data sampel kedua Tanda Nol (0) → diberikan apabila data pada sampel pertama = dari data sampel
kedua
Berdasarkan ketentuan dalam Uji Tanda diatas, maka dapat di simpulkan bahwa hanya sampel yang bertanda positif (+) dan negatif (-) saja yang digunakan dalam perhitungan, sedangkan tanda nol (0) tidak dipergunakan dalam perhitungan.
Pada perhitungan uji tanda dengan sampel besar (data sampel ≥ 30), maka distribusi mendekati normal. Oleh sebab itu, pendekatan normal dapat dipakai terhadap distribusi binomial dan aturan pengambilan keputusan yang berlaku sesuai dengan aturan distribusi Z. Nilai Z untuk sampel besar dihitung dengan cara :
Dimana :
Z = Nilai Zhitung R = Jumlah tanda (+)
Teori hipotesis ditetapkan sebagai berikut :
H0 : Tidak ada beda variabel yang diuji antara sebelum dan sesudah Kupedes terhadap pendapatan petani.
H1 : Ada beda variabel yang diuji antara sebelum dan sesudah Kupedes terhadap pendapatan petani.
Berdasarkan teori Hipotesis diatas, peneliti menentukan taraf nyata sebesar 5% dengan kriteria pengambilan kesimpulan yaitu :
H0 diterima apabila : Zhitung > Zkritis H1 diterima apabila : Zhitung≤ Zkritis