Analisis Perilaku dan Faktor-Faktor yang

BAB IV. METODE PENELITIAN

4.6. Analisis Perilaku dan Faktor-Faktor yang

Pada penelitian ini digunakan model peramalan kausal (regresi) dengan variabel dummy (boneka), untuk menganalisis perilaku dan faktor- faktor yang mempengaruhi harga ayam pada enam kota besar di Jawa-Bali. Variabel dummy

ini juga berfungsi sebagai variabel bebas (independent variabel) yang akan mempengaruhi variabel terikat (dependent variabel). Variabel dummy digunakan untuk menjelaskan data kualitatif yang menunjukkan keberadaan klasifikasi (kategori) tertent u, sering juga dikategorikan variabel bebas dengan klasifikasi pengukuran nominal dalam persamaan regresi.

Variabel-variabel yang digunakan dalam penelitian ini adalah harga ayam di tingkat konsumen pada enam kota besar Jawa-Bali sebagai dependent variabel, sedangkan yang berfungsi sebagai independent variabel adalah jumlah pasokan ayam, harga ayam pada periode sebelumnya, dan tingkat konsumsi ayam. Harga ayam di tingkat konsumen sebagai dependent variabel akan dikaitkan dengan isu-isu terbaru pada sub sektor peternakan khususnya peternakan ayam ras, yaitu isu-isu flu burung. Isu flu burung digunakan sebagai variabel dummy untuk menjelaskan pengaruhnya terhadap harga ayam pada enam kota besar di Jawa-Bali. Variabel

dummy nantinya berisi angka 1 atau 0, yang berarti 1 berarti ”ada” isu dan 0

berarti ”tidak ada” isu. Angka ”0” pada penelitian ini akan digunakan pada Bulan Januari 2002-Januari 2004. Angka ”1” digunakan mulai Bulan Februari 2004,

karena pada bulan tersebut wabah flu burung mulai menyerang peternakan unggas di Indonesia khususnya peternakan ayam pedaging.

Persamaan yang digunakan pada metode peramalan kausal adalah sebagai berikut: t t t t t

P S C D

Y =α+β

₁ ₋₁

+β

₂

+β

₃

+β

₄

+ε

Dimana : Yt = harga ayam periode t di kota X (Rp/kg) a = intersep model

ß1,…,ß4 = slope variabel bebas

Pt-1 = harga ayam periode sebelumnya di kota X (Rp/kg) S_t = tingkat produksi pada periode t di kota X (kg) Ct = tingkat konsumsi pada periode t di kota X (kg) D = variabel dummy untuk isu flu burung

Untuk mengukur layak atau tidaknya suatu model, maka model tersebut harus memenuhi syarat ekonomi, dan syarat statistik. Syarat ekonomi yang harus dipenuhi adalah bahwa model tersebut harus logis secara ekonomi. Syarat statistik yang harus dipenuhi oleh suatu model dengan model OLS (Ordinary Least

Square) adalah bahwa model tersebut harus memenuhi beberapa asumsi sebagai

berikut:

1. Tidak ada autokorelasi

Asumsi ini menunjukkan bahwa tidak ada hubungan atau korelasi antara variabel dependen dalan deret waktu.

2. Homoskedastisitas yang menyatakan bahwa variasi dari setiap unsur residual adalah sama (konstan) atau menyebar.

3. Tidak terjadi multikolinearitas yang sempurna

Asumsi ini menunjukkan bahwa tidak ada hubungan yang sempurna di antara variabel bebas.

4. Uji Normalitas

Asumsi normalitas mengharuskan data dalam model berasal dari populasi yang menyebar atau terdistribusi secara normal.

1. Uji Keseluruhan Model

Berdasarkan Gujarati (2003), tujuan dari pengujian model secara keseluruhan adalah untuk mengidentifikasi apakah model dapat menjelaskan keragaman Y. Uji statistik yang digunakan adalah uji F dengan menggunakan perhitungan berikut: dfS RSS dfR ESS Fhitung / / = Dimana: ESS = Jumlah Kuadrat Regresi

TSS = Jumlah Kuadrat Error

dfR = Derajat Bebas Regresi

dfS = Derajat Bebas Error Hipotesis yang digunakan adalah:

H0 : b1 = b2 =…= bi = 0 (tidak dapat menjelaskan)

H₁ : Minimal ada bi ? 0 (minimal ada peubah bebas yang mempengaruhi Y) (i = 1,2,3,4,5)

Kriteria uji yang digunakan adalah: Fhitung < Ftabel , terima H0

Fhitung > Ftabel , tolak H0

Apabila F_hitung lebih besar dari F_tabel, maka variabel bebas berpengaruh nyata terhadap variabel terikat yaitu harga ayam di kota tertentu.

2. Pengukuran Akurasi Model

Tingkat akurasi model diukur berdasarkan nilai koefisien determinasi (R²). Tujuan dari pengukuran tingkat akurasi model adalah untuk mengidentifikasi

seberapa akurat keragaman variabel harga ayam dapat diterangkan oleh model regresi (Gujarati, 2003). Secara matematis rumus yang digunakan sebagai berikut:

TSS ESS R2 =

Dimana: ESS = Jumlah Kuadrat Regresi TSS = Jumlah Kuadrat Total

Nilai koefisien determinasi (R²) harus memenuhi syarat 0 = R² = 1. Apabila nilai R² semakin mendekati 1, maka semakin besar keragaman variabel harga ayam yang dapat diterangkan oleh model.

3. Uji Masing-masing Variabel

Pengujian ini dilakukan untuk mengetahui variabel bebas mana saja yang berpengaruh nyata terhadap variabel terikat(Gujarati, 2003). Uji satistik yang umum digunakan adalah uji t. Formulasi yang digunakan adalah:

( )

i i i hitung b se b b t ˆ ˆ − =

Dimana: bˆ_i = parameter dugaan variabel bebas ke- i bi = parameter variabel bebas ke- i

se(bˆ_i) = standar deviasi dari parameter dugaan ke- i Hipotesis yang digunakan adalah:

H0 : bi= 0 H1 : bi ? 0 (i = 1,2,3,4,5)

Kriteria uji yang digunakan adalah: t_hitung < t_tabel , terima H₀

Apabila thitung lebih besar dari ttabel, maka variabel bebas (harga ayam periode sebelumnya, produk si ayam, tingkat konsumsi ayam,vdan variabel

dummy) berpengaruh nyata terhadap variabel terikat yaitu harga ayam di kota

tertentu.

4. Identifikasi Multikolinearitas

Menurut Gujarati (2003), multikolinearitas adalah kondisi saat antar variabel bebas saling mempengaruhi. Identifikasi multikolinearitas dilakukan dengan rumus berikut:

(

)

1 1 R VIF − =

apabila nilai VIF yang dihasilkan kurang dari 10, maka model tidak mengandung masalah multikolinearitas. Menurut Ramantahan (1998) dalam Sukmawati (2006), cara mengatasi multikolinearitas adalah sebagai berikut: a. Diabaikan, ketika interprertasai koefisien secara parsial tidak dihiraukan,

misalnya analisis regresi digunakan untuk peramalan. b. Membuang variabel.

c. Formulasi ulang model d. Menggunakan informasi lain. e. Menambah jumlah sampel.

5. Uji Autokore lasi

Uji autokorelasi dilakukan untuk mengidentifikasi apakah ada hubungan linear diantara error pada rangkaian data time series (Gujarati, 2003). Uji ini dilakukan dengan menggunakan statistik-d Durbin-Watson, dengan rumus:

( )

∑

= = = = ⁻ − = _t _n t t n t t t t u u u d 1 2 2 2 1 ˆ ˆ ˆ

Dimana: d = nilai statistik Durbin-Watson

uˆ = Error dugaan pada period ke-t Hipotesis yang digunakan adalah:

H0 : ?= 0 (tidak ada autokorelasi) H1 : ? ? 0 (ada autokorelasi) Kriteria uji yang digunakan adalah:

d < d_L atau d > 4-d_L , tolak H₀ dU < d < 4-dU , terima H0

Selain kedua kriteria uji tersebut statistik-d Durbin-Watson memiliki dua kriteria uji dimana pada saat nilai d berada pada daerah tersebut, maka tidak dapat dipastikan ada atau tidaknya autokorelasi. Daerah tersebut adalah dL < d < dU dan 4-d_U < d < 4-d_L.

6. Uji Homoskedastisitas

Uji ini dimaksudkan untuk mengidentifikasikan apakah residual dalam data memiliki variasi yang sama (Gujarati,2003). Pada penelitian ini digunakan uji Breusch-Pagan untuk mengidentifikasi tingkat kekonstanan nilai residual. Dalam uji ini dlakukan regresi antara nilai kuadrat residual harga ayam di kota tertentu dengan variabel independennya. Kriteria uji yang digunakan adalah apabila nilai Pvalue yang diperoleh dari regresi tersebut lebih besar dari tingkat kepercayaan, maka dapat disimpulkan bahwa model sudah memenuhi syarat homoskedastisitas.

Dalam dokumen Analisis Perilaku dan Peramalan Harga Ayam pada Enam Kota Besar di Jawa-Bali Kasus Pengendalian Harga Ayam pada Badan Ketahanan Pangan (BKP) Departemen Pertanian Republik Indonesia. (Halaman 56-62)