Berdasarkan hasil analisis data dengan menggunakan program
komputer Eviews 7, diperoleh hasil seperti pada Tabel 12 dengan persamaan
regresi linier berganda sebagai berikut: Tabel 12. Hasil Analisis Regresi Berganda
Variabel Koefisien
Regresi
t hitung Prob. (sig. t)
(a = 0,05) X1 (pakan konsentrat) X2 (pakan hijauan) X3 (obat-obatan) X4 (IB) X5 (tenaga kerja) X6 (induk laktasi) -0,702 0,399 0,147 -0,251 0,303 1,003 -2,525 2,542 2,019 -1,371 1,550 4,627 0,014 0,014 0,048 0,175 0,127 0,000 Konstata F hitung Adjust R2 R Square (R2) 1,270 12,431 0,537 0,584 Variabel terikat = Y (Pendapatan) Sumber: Data primer terolah, 2010
Berdasarkan Tabel 12. diatas di peroleh persamaan sebagai berikut:
ln Y = 1,270 - 0,702 X1 + 0,399 X2 + 0,147 X3 - 0,251 X4 + 0,303 X5 +
1,003X6
Arti nilai persamaan regresi diatas yaitu:
a. Nilai konstanta (intersept) sebesar 1,270 yang berarti bahwa jika variabel bebas tidak sama dengan nol, maka nilai pendapatan (Y) akan terjadi kenaikan sebesar 1,270 pertahun. Sesuai pendapat Algifari (2003), pengujian terhadap variasi perubahan nilai variabel dependen (Y) yang dapat dijelaskan oleh variasi perubahan nilai variabel independen (X1,X2,
X3,X4, X5,X6) dapat dibuktikan bahwa semua variabel independen secara
bersama-sama dapat mempengaruhi variabel dependen.
b. Menurut Soekartawi (2003), menjelaskan bahwa koefisien regresi berguna
untuk menjelaskan hubungan dua atau lebih dari variabel sebab akibat, artinya variabel satu mempengaruhi variabel lainnya. Besarnya pengaruh yaitu ditunjukkan variabel biaya pakan konsentrat (X1) mengalami
commit to user
kenaikan sebesar 1%, maka akan terjadi penurunan pendapatan (Y) sebesar 0,702%.
c. Koefisien regresi berguna untuk menjelaskan hubungan dua atau lebih dari
variabel sebab akibat, artinya variabel satu mempengaruhi variabel lainnya. Besarnya pengaruh yaitu ditunjukkan variabel biaya pakan konsentrat (X2) mengalami kenaikan sebesar 1%, maka akan terjadi kenaikan pendapatan (Y) sebesar 0,399%.
d. Koefisien regresi berguna untuk menjelaskan hubungan dua atau lebih dari
variabel sebab akibat, artinya variabel satu mempengaruhi variabel lainnya. Besarnya pengaruh yaitu ditunjukkan variabel biaya pakan konsentrat (X3) mengalami kenaikan sebesar 1%, maka akan terjadi kenaikan pendapatan (Y) sebesar 0,147%.
e. Koefisien regresi berguna untuk menjelaskan hubungan dua atau lebih dari
variabel sebab akibat, artinya variabel satu mempengaruhi variabel lainnya. Besarnya pengaruh yaitu ditunjukkan variabel biaya pakan konsentrat (X4) mengalami kenaikan sebesar 1%, maka akan terjadi penurunan pendapatan (Y) sebesar 0,251%.
f. Koefisien regresi berguna untuk menjelaskan hubungan dua atau lebih dari
variabel sebab akibat, artinya variabel satu mempengaruhi variabel lainnya. Besarnya pengaruh yaitu ditunjukkan variabel biaya pakan konsentrat (X5) mengalami kenaikan sebesar 1% rupiah, maka akan terjadi kenaikan pendapatan (Y) sebesar 0,303%.
g. Koefisien regresi berguna untuk menjelaskan hubungan dua atau lebih dari
variabel sebab akibat, artinya variabel satu mempengaruhi variabel lainnya. Besarnya pengaruh yaitu ditunjukkan variabel biaya pakan konsentrat (X6) mengalami kenaikan sebesar 1%, maka akan terjadi kenaikan pendapatan (Y) sebesar 1,003%.
commit to user
a. Uji asumsi klasik
1) Uji asumsi klasik multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel bebas.Pengujian ini dapat dilakukan dengan melihat nilai koefisien korelasi (r) antar variabel bebas. Menurut Widarjono (2007), multikolinieritas terjadi jika nilai koefisien korelasi antar variabel bebas lebih besar dari 0,85. Nilai koefisien korelasi antar variabel bebas dapat dilihat pada Tabel 13.
Tabel 13. Nilai koefisien korelasi antar variabel independen
LOG (X1) LOG (X2) LOG (X3) LOG (X4) LOG (X5) LOG (X6)
LOG (X1) 1,000 0,098 0,016 0,059 0,555 0,845 LOG (X2) 0,098 1,000 0,150 -0,019 0,149 0,140 LOG (X3) 0,017 0,150 1,000 -0,136 0,135 0,057 LOG (X4) 0,059 -0,019 -0,136 1,000 -0,072 -0,010 LOG (X5) 0,555 0,149 0,135 -0,072 1,000 0,531 LOG (X6) 0,845 0,140 0,057 - 0,010 0,531 1,000
Sumber : Data primer terolah, 2010.
Hasil analisis menunjukkan bahwa nilai korelasi antar variabel bebas mempunyai nilai r kurang dari 0,85 sehingga dapat dikatakan bahwa data tidak terjadi multikolinier atau tidak terdapat hubungan antar variabel bebas (X1, X2, X3, X4, X5, dan X6) sehingga asumsi klasik
terpenuhi.
2) Uji asumsi klasik heterokedastisitas
Analisis uji asumsi heterokedastisitas dari hasil output Eviews7 melalui gambar scatterplot menunjukkan pola tertentu dari hasil regresi, maka asumsi tidak heterokedastisitas dapat ditolak. Gambar scatterplot
commit to user 9 10 11 12 13 14 15 16 17 18 14.5 15.0 15.5 16.0 16.5 17.0 17.5 LOG(Y) LOG(X1) LOG(X2) LOG(X3) LOG(X4) LOG(X5) LOG(X6)
Gambar 1. Scatterplot test
Heterokedastisitas terjadi jika pada scatterplot titik–titiknya mempunyai pola yang teratur, baik menyempit, melebar maupun bergelombang. Analisis hasil output didapatkan titik-titik menyebar diatas sumbu Y, dan tidak mempunyai pola yang teratur. Kesimpulannya adalah variabel bebas diatas tidak terjadi heterokedastisitas atau bersifat homokedastisitas (Sunyoto, 2009).
b. Uji statistik
1). Uji F (Fisher test)
Uji F merupakan alat yang digunakan untuk menguji apakah variabel independen berpengaruh secara bersamaan terhadap variabel dependen. Hasil analisis dengan taraf signinikansi 0.05 atau taraf kepercayaan 95% dengan nilai Fhitung lebih besar dari Ftabel (12,431>
2,34). Menurut Algifari (2003), analisis dalam pengujian hipotesis terhadap variasi nilai variabel dependen dapat dijelaskan dengan variasi variabel independen sebagai berikut:
H0: variasi perubahan variabel independen tidak dapat menjelaskan
commit to user
Ha: variasi perubahan variabel independen dapat menjelaskan variasi
perubahan nilai variabel dependen
Berdasarkan perhitungan data dapat diambil kesimpulan bahwa menolak H0 dan menerima Ha yaitu variabel independen (biaya pakan
konsentrat, biaya pakan hijauan, biaya obat-obatan, biaya IB, biaya tenaga kerja, dan biaya induk laktasi) berpengaruh secara bersama-sama terhadap variabel dependen (pendapatan).
2). R2 ( Koefisien determinasi)
Menurut Widarjono (2007), koefisien determinasi (R2) berguna untuk mengukur tingkat ketepatan (goodness of fit) yang merupakan porporsi atau persentase sumbangan X terhadap variasi naik turunnya Y. Hasil analisis regresi diperoleh nilai koefisien determinasi (R2) sebesar 0,584. Ini berarti besarnya semua variabel bebas mempengaruhi variabel terikat terhadap pendapatan sebesar 58,4% sedangkan sisanya sebesar 41,6% dipengaruhi oleh variabel lain diluar variabel yang diteliti atau
dimasukkan dalam kesalahan pengganggu (disturbance’s error).
Kesalahan pengganggu ini, yang sumbangannya terhadap variasi Y sebagai penyebab nilai R2 tidak dapat mencapai nilai satu.
3). Uji t
Hasil uji t yang menyatakan bahwa diduga variabel bebas (X1, X2,
X3, X4, X5, X6) mempunyai pengaruh terhadap pendapatan (Y). Tingkat
signifikasi dari masing-masing koefisien diuji dengan menggunakan uji parsial ”t” tampak pada tabel 14.
Tabel 14. Perbandingan thitung dengan taraf signifikan (α = 5%)
Variabel Nilai t-hitung Nilai t-tabel Prob. Sig. t Keterangan X1 X2 X3 X4 X5 X6 -2,525 2,542 2,019 -1,371 1,550 4,627 1,895 1,895 1,895 1,895 1,895 1,895 0,014 0,014 0,048 0,175 0,127 0,000 TidakSignifikan Signifikan Signifikan Tidak Signifikan Tidak Signifikan Signifikan Sumber : Data primer terolah, 2010
commit to user
Hasil uji t pada Tabel 14 dapat diketahui hasil koefisien thitung
menunjukkan bahwa variabel biaya pakan konsentrat (X1) mempunyai
nilai thitung sebesar -2,525 lebih kecil dibandingkan dengan nilai ttabel
pada taraf nyata sebesar 1,895 atau dapat dikatakan biaya pakan konsentrat (X1) tidak berpengaruh terhadap pendapatan (Y). Sesuai
pendapat Widarjono (2007), menjelaskan bahwa di uji F menunjukkan secara bersama-sama variabel independen mempengaruhi variabel dependen, tetapi bukan berarti secara individual variabel independen mempengaruhi variabel dependen melalui uji t. Kondisi ini menyebabkan standart error yang tinggi dan rendahnya nilai thitung
walaupun model secara umum mampu menjelaskan dengan baik.
Menurut Firman (2010), biaya pakan konsentrat (X1) merupakan
input produksi yang penting dalam usaha sapi perah. Pakan konsentrat diberikan sesuai kebutuhan ternak dan berdasarkan jumlah kepemilikan ternak. Setiap peternak memiliki kepemilikan sapi yang berbeda-beda, sehingga biaya yang dikeluarkan peternak berbeda dan terjadi variasi. Variabel biaya pakan hijauan (X1) memiliki nilai thitung -2,525 lebih kecil
dibandingkan dengan nilai ttabel sebesar 1,895 yang berarti biaya pakan
hijauan tidak berpengaruh terhadap pendapatan (Y).
Variabel biaya pakan hijauan (X2) memiliki nilai thitung 2,542 lebih
besar dibandingkan dengan nilai ttabel pada taraf nyata sebesar 1,895.
Berdasarkan perhitungan tersebut biaya pakan hijauan berpengaruh terhadap pendapatan (Y). Biaya pakan hijauan dihitung sesuai besarnya biaya tenaga kerja yang digunakan untuk mencari pakan hijauan. Penggunaan input pakan hijauan telah sesuai dan optimal sehingga berpengaruh terhadap pendapatan.
Hasil koefisien thitung variabel biaya obat-obatan (X3) mempunyai
nilai thitung sebesar 2,019 lebih besar dibandingkan dengan nilai ttabel pada
taraf nyata sebesar 1,895. Hasil pengujian menunjukan variabel biaya obat-obatan (X3) berpengaruh terhadap pendapatan (Y), hal ini berarti
commit to user
parameter tersebut sesuai harapan dalam penggunaan input obat-obatan sudah optimal.
Variabel biaya IB (X4) memiliki nilai thitung sebesar -1,371 lebih
kecil dibandingkan dengan nilai ttabel pada taraf nyata sebesar 1,895.
Sesuai pendapat Widarjono (2007), melalui uji t berarti secara individual variabel independen biaya IB tidak mempengaruhi variabel dependen pendapatan. Kondisi ini menyebabkan standart error yang tinggi yaitu 0,1830 dan rendahnya nilai thitung walaupun model secara
umum mampu menjelaskan dengan baik.
Variabel biaya tenaga kerja (X5) tidak berpengaruh terhadap pendapatan (Y) peternak sapi perah di Kecamatan Musuk Kabupaten Boyolali, jika diukur pada tingkat kepercayaan 95% yang ditunjukkan oleh nilai thitung sebesar 1,550 lebih kecil dibandingkan dengan nilai ttabel
1,895. Perhitungannya tenaga kerja berdasarkan asumsi jam orang kerja (JOK) untuk kegiatan pemeliharaan yaitu memberikan pakan, memandikan, membersihkan kandang, dan memerah ternak sapi perah. Menurut pendapat Soekartawi (2003), lama waktu bekerja menentukan besar kecilnya biaya tenaga kerja, makin lama jam kerja makin tinggi biaya yang dikeluarkan. Berdasarkan pendapat tersebut lamanya jam kerja yang dipakai peternak berbeda-beda atau bervariasi yang membuat biaya terlalu tinggi dan ada yang rendah. Penggunaan input yang tidak optimal jika biaya yang dikeluarkan untuk tenaga kerja tinggi maka pendapatan semakin rendah.
Variabel biaya induk laktasi (X6) memiliki nilai thitung sebesar
4,627 lebih besar dari nilai ttabel 1.895. Berdasarkan perhitungan tersebut
biaya induk laktasi hasilnya signifikan. Biaya induk laktasi yang tinggi akan mempengaruhi nilai pendapatan yang semakin tinggi, maka biaya ini nilainya optimal sesuai dengan hasil pendapatan yang diperoleh. Sesuai pendapat Widarjono (2007), bahwa biaya induk laktasi berpengaruh terhadap pendapatan (Y), pemberian keputusan kesimpulan menolak H0 dilihat dari besarnya probabilitas yang menunjukkan
commit to user
besarnya α. Hasil perhitungan Eviews dapat dilihat probabilitas sangat kecil yaitu 0,000% sehingga kesimpulannya adalah menolak H0 dan
menerima Ha.
Menurut Algifari (2003), pengambilan keputusan dilakukan berdasarkan letak nilai ttabel masing-masing koefisien regresi pada kurva
normal yang digunakan dalam penentuan nilai kritis. Berdasarkan hasil analisis hipotesis menolak H0 dan menerima Ha, artinya koefisien regresi
dari setiap persamaan regresi berbeda dengan nol. Artinya biaya pakan hijauan (X2), biaya obat-obatan (X3) dan biaya induk laktasi (X6)
commit to user
V.KESIMPULAN DAN SARAN