Batasan Operasional

BAB III. METODE PENELITIAN

3.4. Definisi dan Batasan Operasional

3.4.2. Batasan Operasional

1. Penelitian dilaksanakan di Provinsi Sumatera Utara.

2. Penelitian mulai dilaksanakan pada tahun 2013.

3. Data yang diambil adalah data sekunder dalam kurun waktu 14 tahun, yaitu dari tahun 1998 sampai 2011.

BAB IV

DESKRIPSI DAERAH PENELITIAN DAN KARAKTERISTIK DATA

4.1. Gambaran Umum Provinsi Sumatera Utara

Provinsi Sumatera Utara terletak pada 1°-4° Lintang Utara dan 98°-100° Bujur Timur. Secara geografis batas-batas wilayah Provinsi Sumatera Utara adalah meliputi Provinsi Nangroe Aceh Darussalam di sebelah Utara, Provinsi Riau dan Sumatera Barat di sebelah Selatan, Samudera Hindia di sebelah Barat, serta Selat Malaka di sebelah Timur. Secara regional pada letak geografisnya, Provinsi Sumatera Utara berada pada jalur strategis pelayaran internasional Selat Malaka yang berdekatan dengan Singapura, Malaysia, dan Thailand.

Provinsi Sumatera Utara memiliki luas total sebesar 181.860,65 km² yang terdiri dari luas daratan seluas 71.680,68 km² atau 14,95% dari luas Pulau Sumatera, dan 3,73% dari seluruh luas wilayah Republik Indonesia. Serta luas lautan seluas 110.000,65 km² yang sebagian besar berada di daratan Pulau Sumatera dan sebagian kecil berada di Pulau Nias, pulau-pulau batu serta beberapa pulau kecil, baik di perairan bagian barat maupun di bagian timur Pulau Sumatera dan memiliki perairan laut seluas 110.000 km².

Di Provinsi Sumatera Utara terdapat kurang lebih 213 pulau yang telah memiliki nama dengan 6 pulau di wilayah Pantai Timur termasuk Pulau Berhala sebagai pulau terluar yang berbatasan dengan Selat Malaka dan sisanya 207 pulau di wilayah Pantai Barat dengan Pulau Wunga dan Pulau Simuksebagai pulau terluar di wilayah Pantai Barat.

Berdasarkan luas daerah menurut kabupaten/kota di Sumatera Utara, luas daerah terbesar adalah Kabupaten Mandailing Natal dengan luas 6.620,70 km² atau sekitar 9,24% dari total luas Sumatera Utara, diikuti Kabupaten Langkat dengan luas 6.263,29 km² atau 8,74% dari total luas Sumatera Utara. Kemudian Kabupaten Simalungun dengan luas 4.386,60 km² atau sekitar 6,09% dari total luas Sumatera Utara. Sedangkan luas daerah terkecil adalah Kota Sibolga dengan luas 10,77 km² atau sekitar 0,02% dari total luas Sumatera Utara.

Berdasarkan kondisi letak dan kondisi alam, Sumatera Utara dibagi ke dalam tiga kelompok wilayah/kawasan yaitu pantai barat, dataran tinggi, dan pantai timur.

Kawasan pantai barat meliputi Kabupaten Nias, Kabupaten Nias Utara, Kabupaten Nias Barat, Kabupaten Mandailing Natal, Kabupaten Tapanuli Selatan, Kabupaten Padang Lawas, Kabupaten Padang Lawas Utara, Kabupaten Tapanuli Tengah, Kabupaten Nias Selatan, Kota Padang Sidimpuan, Kota Sibolga, dan Kota Gunung Sitoli.

Provinsi Sumatera Utara tergolong ke dalam daerah beriklim tropis dikarenakan letaknya yang dekat dengan garis Khatulistiwa. Ketinggian permukaan daratan Provinsi Sumatera Utara sangat bervariasi, sebagian daerahnya datar, hanya beberapa meter di atas permukaan laut, beriklim cukup panas bias mencapai 34,2°C. Sebagian daerah berbukit dengan kemiringan yang landai, beriklim sedang dans ebagian lagi berada pada daerah ketinggian yang suhu minimalnya bias mencapai 20°C.

4.2. Keadaan Penduduk Provinsi Sumatera Utara

Sumatera Utara merupakan provinsi dengan jumlah penduduk terbesar keempat di Indonesia setelah Jawa Barat, Jawa Timur, dan Jawa Tengah (tabel 4).

Tabel 4. Penduduk Indonesia Menurut Provinsi Tahun 1995, 2000, dan 2010

No. Provinsi 1990 2000 2010

INDONESIA 179.378.946 206.264.595 237.641.326 Sumber : Badan Pusat Statistik Republik Indonesia (http://bps.go.id)

Menurut hasil pencacahan lengkap Sensus Penduduk 1990, penduduk Sumatera Utara keadaan tanggal 31 Oktober 1990 (hari sensus) berjumlah 10,26 juta jiwa.

Dan dari hasil Sensus Penduduk 2000 jumlah penduduk Sumatera Utara sebesar

11,65 juta jiwa. Serta pada tahun 2011 tercatat jumlah penduduk Sumatera Utara sebesar 13.103.596 jiwa (dapat dilihat pada tabel 5).

Tabel 5. Luas Wilayah, Jumlah Penduduk, dan Kepadatan Penduduk Provinsi Sumatera Utara Menurut Kabupaten/Kota Tahun 2011

No. Kabupaten/Kota Luas Wilayah (km²)

15. HumbangHasundutan 2.297,20 173.255 75

16. Pakpak Bharat 1.218,30 40.884 34

17. Samosir 2.433,50 120.772 50

18. SerdangBedagai 1.913,33 599.941 314

19. Batu Bara 904,96 379.400 419

20. Padang Lawas Utara 3.918,05 225.621 58

21. Padang Lawas 3.892,74 227.365 58

22. Labuhanbatu Selatan 3.116,00 280.269 90

23. Labuhanbatu Utara 3.545,80 333.793 94

24. Nias Utara 1.501,63 128.434 86

25. Nias Barat 544,09 82.572 152

26. Sibolga 10,77 85.271 7.917

27. Tanjungbalai 61,52 155.889 2.534

28. Pematangsiantar 79,97 236.893 2.962

29. TebingTinggi 38,44 146.606 3.814

30. Medan 265,10 2.117.224 7.987

31. Binjai 90,24 248.456 2.753

32. Padangsidimpuan 114,65 193.322 1.686

33. GunungSitoli 469,36 127.382 271

Sumatera Utara 71.680,68 13.103.596 183

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara (Sumatera Utara Dalam Angka 2012)

Dari hasil Pendaftaran Pemilihan dan Pendapatan Penduduk Berkelanjutan (P4B) tahun 2003 diperoleh jumlah penduduk sebesar 11.890.399 jiwa. Selanjutnya dari hasil Sensus Penduduk pada bulan Mei 2010 jumlah penduduk Sumatera Utara 12.982.204 jiwa. Kepadatan penduduk Sumatera Utara tahun 1990 adalah 143 jiwa per km² dan tahun 2000 meningkat menjadi 161 jiwa per km², dan selanjutnya pada tahun 2011 menjadi 183 jiwa per km².

Tabel 6. Pertumbuhan Penduduk Sumatera Utara Menurut Kabupaten/Kota 2011 No. Kabupaten/Kota 1980-1990 1990-2000 2000-2010

1. Nias 2,32 1,55 1,03

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara (Sumatera Utara Dalam Angka 2012)

Laju pertumbuhan penduduk Sumatera Utara selama kurun waktu 1980-1990 adalah 2,06% dan pada kurun waktu 1990-2000 adalah 1,2% per tahun, dan selanjutnya pada kurun waktu 2000-2010 mencapai 1,22% per tahun.

4.3. Pertumbuhan Ekonomi Provinsi Sumatera Utara

Pertumbuhan ekonomi Sumatera Utara tahun 2012 yang ditunjukkan oleh PDRB atas dasar harga konstan 2000 sebesar 6,22%, menunjukkan adanya pertumbuhan yang sedikit melambat bila dibandingkan dengan tahun sebelumnya yang tercatat sebesar 6,63%.

Tabel 7. Laju Pertumbuhan PDRB Sumatera Utara Menurut Lapangan Usaha tahun 2008-2012 (%)

6. Perdagangan, Hotel danRestoran

6,14 5,43 6,53 8,09 7,23 7. Pengangkutan dan Komunikasi 8,89 7,56 9,44 10,02 8,26 8. Keuangan, Real Estate dan

Jasa perusahaan

11,30 6,14 10,78 13,61 11,20

9. Jasa-Jasa 9,48 6,62 6,77 8,30 7,54

ProdukDomestik Regional Bruto 6,39 5,07 6,42 6,63 6,22

*) :Angka Sementara

**) :Angka Sangat Sementara

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara (Sumatera Utara Dalam Angka 2012)

Menurut Badan Pusat Statistik Provinsi Sumatera Utara (2013) dalam Berita Resmi Statistik No. 54/08/12/Th.XVI, Pertumbuhan ekonomi Sumatera Utara yang diukur berdasarkan kenaikan Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan 2000 pada Semester I tahun 2013 meningkat 6,17%.

Pertumbuhan tersebut terjadi pada semua sektor ekonomi, dengan pertumbuhan tertinggi pada sektor pengangkutan dan komunikasi 8,66%, disusul oleh sektor keuangan, persewaan, dan jasa perusahaan 8,49%, sektor perdagangan, hotel dan restoran 7,93%, sektor bangunan 7,10% dan sektor pertambangan dan penggalian 6,65%. Pertumbuhan terendah terjadi pada sektor industri, yaitu sebesar 3,34%.

Sektor pertanian sampai dengan semester I tahun 2013 memberi kontribusi terbesar terhadap PDRB Sumatera Utara yaitu sekitar 21,70%, diikuti oleh sektor industri pengolahan sebesar 21,3 %, serta sektor perdagangan, hotel, dan restoran 19,48%. Sektor listrik, gas dan air bersih member kontribusi terendah terhadap perekonomian yaitu sebesar 0,88%.

4.4. Karakteristik Data

Data yang digunakan dalam penelitian ini adalah data tahunan mengenai faktor-faktor yang mempengaruhi permintaan daging ayam broiler di Sumatera Utara dari tahun 1998-2011, yaitu meliputi jumlah permintaan daging ayam broiler (1998-2011), harga rata-rata daging ayam broiler (1998-2011), harga rata-rata telur ayam ras (1998-2011), pendapatan perkapita (1998-2011), dan jumlah penduduk Sumatera Utara (1998-2011).

Tabel 8. Karakteristik Data untuk Analisis Permintaan Daging Ayam Broiler di Sumatera Utara Tahun 1998-2011

Uraian Satuan 1998 2011 Pertumbuh

-an (%) Permintaan Daging Ayam

Broiler

Harga Daging Ayam Broiler Harga Telur Ayam Ras Sumer: Data diolah dari Lampiran 1

BAB V

HASIL DAN PEMBAHASAN

5.1. Analisis Faktor-Faktor Pemintaan Daging Ayam Broiler

Model atau bentuk persamaan regresi yang digunakan untuk menganalisis faktor-faktor yang mempengaruhi permintaan daging ayam broiler di Sumatera Utara terbagi menjadi dua model. Pertama adalah model regresi linier berganda tanpa log, kedua model regresi Cobb-Douglas yang ditransformasi ke dalam bentuk logaritma natural dua sisi (double log). Kedua model tersebut akan dibandingkan dengan melihat nilai Adjusted R. Square (R²)tertinggi untuk mendapat model terbaik.

Faktor-faktor yang berpengaruh terhadap permintaan daging ayam broiler adalah harga daging ayam broiler (X1), harga telur ayam ras (X2), pendapatan perkapita (X₃), dan jumlah penduduk (X₄). Dari keempat faktor-faktor tersebut akan dilihat manakah yang berpengaruh nyata terhadap permintaan daging ayam broiler serta seberapa besar pengaruhnya.

Data yang digunakan dalam analisis ini adalah data tahunan sebelas periode yaitu dari tahun 1998-2011. Data diolah dan dianalisis dengan menggunakan alat analisis regresi linier berganda dengan bantuan program SPSS 18 for Windows (SPSS: Statistical Product and Service Solution). Selanjutnya dilakukan beberapa pengujian agar mendapatkan model terbaik yang dapat merepresentasikan permintaan daging ayam secara baik, diantaranya Anailsis Koefisien Determinasi (R²), uji-F (uji simultan), uji-T (uji parsial), uji autokorelasi, multikolinearitas, normalitas, dan heterokedastisitas.

5.2. Pemilihan Model

Menurut Nachrowi dan Usman (2006), untuk membandingkan regresi dengan variabel terikat yang sama, maka digunakan R² yang disesuaikan atau dikenal dengan sebutan Adjusted R. Square yang dinotasikan dengan R². Nilai Adjusted R.

Square tersebut dapat dilihat dari output SPSS pada tabel Model Summary^b.

5.2.1. Regresi Linier Berganda Tanpa Log

Tabel 9. Hasil Analisis Model Regresi Linier Berganda Tanpa Log

Variabel Koefisien X₃ = Pendapatan Perkapita X₄ = Jumlah Penduduk

Sumber : Lampiran 3

Model yang diperoleh dari hasil regresi di atas adalah:

Y = – 8,115E7 – 1187,808 X1 + 16652,103 X2 + 2,716 X3 + 8,974 X4 + e

Di mana nilai Adjusted R. Square (R²) yang diperoleh adalah sebesar 0,831.

5.2.2. Regresi Linier Berganda Double Log

Tabel 10. Hasil Analisis Model Regresi Linier Berganda Double Log

Variabel Koefisien X₃ = Pendapatan Perkapita X₄ = Jumlah Penduduk

Sumber : Lampiran 4

Model yang diperoleh dari hasil regresi di atas adalah:

ln Y = - 6,236 - 0,395 ln X₁+ 0,529 ln X₂ + 0,278 ln X₃ + 1,216 ln X₄ + e

Di mana nilai Adjusted R. Square (R²) yang diperoleh adalah sebesar 0,860.

Di antara dua model regresi di atas, dapat diketahui bahwa model regresi linier berganda double log lebih baik dari pada model regresi berganda tanpa log. Hal ini terbukti dari nilai Adjusted R. Square (R²) model regresi double log yang lebih tinggi dari nilai Adjusted R. Square (R²) model regresi tanpa log (0,860 > 0,831).

Oleh karena itu, selanjutnya model yang dipakai adalah model regresi linier berganda double log :

ln Y = - 6,236 - 0,395 ln X1+ 0,529 ln X2 + 0,278 ln X3 + 1,216 ln X4 + e

Keteangan :

ln Y = Jumlah permintaan daging ayam broiler (kg/thn) ln β0 = Nilai konstanta (intercept)

β1s/d β4 = Koefisien regresi variabel bebas ln X₁ = Harga daging ayam broiler (Rp/kg) ln X₂ = Harga telur ayam ras (Rp/butir) ln X₃ = Pendapatan perkapita (Rp) ln X₄ = Jumlah penduduk (jiwa) e = Kesalahan pengganggu (error)

5.3. Uji Asumsi Klasik Autokorelasi

Model regresi yang baik adalah model yang tidak terdapat masalah autokorelasi.

Salah satu cara untuk mendeteksi ada tidaknya autokolerasi adalah dengan Uji d Durbin Watson (Durbin-Watson d test) dengan α sebesar 0,05.

Uji autokorelasi dilakukan dengan melihat perbandingan nilai Durbin-Watson hasil perhitungan (dw) dengan nilai Durbin-Watson tabel (dL dan dU). Di mana nilai Durbin-Watson (dw) yang diperoleh dari hasil regresi yaitu sebesar 2,195 (Lampiran 4). Sedangkan nilai dL dan dU dapat dilihat pada tabel Durbin-Watson pada signifikansi 0,05. Dengan n = 14, k = 4, maka digunakan Degree of Freedom (df) yaitu df1 = k = 4 dan df2 = n-k-1 = 9. Sehingga diperoleh nilai dL = 0,2957 dan d_U = 2,5881 (Lampiran 7).

Gambar 2. Posisi Koefisien dw pada Uji Autokorelasi

Dapat disimpulkan bahwa nilai dw (Durbin-Watson) sebesar 2,195 terletak pada daerah 4 – d_U≤ dw ≤ dU (1,4189 ≤ 2,195 ≤ 2,5811). Hal ini membuktikan bahwa tidak terjadi autokorelasi pada model regresi double log.

Multikolinearitas

Ada tidaknya multikolinearitas dapat diketahui dengan melihat nilai Tolerance dan VIF dari masing-masing variabel seperti terlihat pada tabel berikut:

Tabel 11. Output Collinearity Statistics

Variabel Tolerance VIF

Harga Daging Ayam Broiler 0,291 3,433

Harga Telur Ayam Ras 0,101 9,908

Pendapatan Perkapita 0,230 4,357

Jumlah Penduduk 0,296 3,384

Sumber : Lampiran 4

Dari tabel di atas terlihat bahwa nilai Tolerance masing-masing variabel lebih besar dari 0,1 dan nilai VIF kurang dari 10. Sehingga dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas di dalam model regresi double log.

Daerah

Normalitas

Pengujian normalitas dilakukan dengan menggunakan uji one-sample Kolmogorov-Smirnov. Hasil analisis yang diperoleh sebagai berikut:

Tabel 12. Output Uji Normalitas Menggunakan one-sample Kolmogorov-Smirnov Test

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 14

Normal Parameters^a,b Mean ,0000000

Std. Deviation ,10889970

Most Extreme Differences Absolute ,150

Positive ,150

Negative -,091

Kolmogorov-Smirnov Z ,561

Asymp. Sig. (2-tailed) ,911

a. Test distribution is Normal.

b. Calculated from data.

Dari output Uji Normalitas Menggunakan one-sample Kolmogorov-Smirnov Test diperoleh nilai Asymp. Sig. (2-tailed) (0,911) lebih besar dari signifikansi 0,05.

Hal ini menunjukkan bahwa residual dalam model regresi double log sudah terdistribusi atau menyebar secara normal. Untuk lebih meyakinkan bahwa residual terdistribusi secara normal, dapat dilihat dari scatter plot berikut:

Gambar 3. Scatter Plot Uji Normalitas

Menurut Priyatno (2009), uji normalitas dengan plot memiliki kriteria:

 Jika data menyebar di sekitar garis diagonal dan mengikuti arah diagonal, maka model regresi memenuhi asumsi normalitas.

 Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah diagonal, maka model regresi tidak memenuhi asumsi normalitas.

Dari gambar scatter plot di atas terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka data terdistribusi dengan normal dan model regresi telah memenuhi asumsi normalitas.

Heteroskedastisitas

Untuk mengetahui ada tidaknya heterokedastisitas dalam model regresi, dapat dilihat pola titik-titik pada scatter plot dari output regresi dan disajikan sebagai berikut:

Gambar 4. Scatter Plot Uji Heterokedastisitas

Dari scatter plot di atas dapat dilihat bahwa titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y. Maka pada model regresi double log tidak terjadi masalah heterokedastisitas.

5.4. Uji Kesesuaian Model (Goodness of Fit) Analisis Koefisien Determinasi (R²)

Dari hasil analisis yang dilakukan diperoleh nilai koefisien determinasi (R²) sebesar 0,903 (Lampiran 4). Hal ini menunjukkan bahwa 90,3% variasi variabel

harga daging ayam broiler, harga telur ayam ras, pendapatan perkapita, dan jumlah penduduk dapat menjelaskan permintaan daging ayam broiler di Sumatera Utara. Kemudian sisanya 9,7% dijelaskan oleh variasi variabel di luar model (variabel yang tidak diteliti).

Uji – F (Uji Simultan)

Berdasarkan hasil analisis permintaan daging ayam broiler di Sumatera Utara dapat diketahui bahwa semua variabel bebas yang dihipotesiskan sebelumnya secara bersama-sama berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara. Hal ini dibuktikan dengan nilai F hitung (20,943) yang lebih besar jika dibandingkan dengan nilai F tabel(3,63) pada taraf kepercayaan (α)=0,05 maka H0 ditolak dan H1 diterima (output tabel ANOVA^b Lampiran 4).

Uji – T (Uji Parsial)

1. Harga Daging Ayam Broiler (X₁)

Variabel harga daging ayam broiler secara parsial terbukti memiliki pengaruh yang nyata terhadap permintaan daging ayam broiler di Sumatera Utara. Hal ini dibuktikan dengan nilai T _hitung (2,528) lebih besar dibandingkan dengan nilai T tabel (2,262) pada taraf kepercayaan (α) = 0,05 maka H0 ditolak dan H1

diterima. Nilai T _hitung yang negatif menunjukkan bahwa variabel harga daging ayam broiler mempunyai hubungan yang berbanding terbalik dengan permintaan daging ayam broiler di Sumatera Utara, di mana jika harga daging ayam broiler naik, maka permintaan akan turun, begitu pula sebaliknya.

Hasil ini tidak sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa harga daging ayam tidak berpengaruh nyata terhadap permintaannya.

2. Harga Telur Ayam Ras (X2)

Untuk variabel harga telur ayam ras, nilai T hitung (2,268) lebih besar dibandingkan dengan nilai T _tabel (2,262) pada taraf kepercayaan (α) = 0,05 maka H0 ditolak dan H1 diterima. Hal ini menunjukkan bahwa variabel harga telur ayam ras tersebut secara parsial berpengaruh nyata terhadap permintaan daging ayam broiler. Atau dengan kata lain kenaikan harga telur ayam ras sebagai barang substitusi akan meningkatkan jumlah permintaan daging ayam broiler di Sumatera Utara. Hasil ini sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa harga telur ayam berpengaruh nyata terhadap permintaan daging ayam broiler.

3. Pendapatan Perkapita (X3)

Variabel pendapatan perkapita secara parsial tidak memiliki pengaruh yang nyata terhadap permintaan daging ayam broiler di Sumatera Utara. Atau dengan kata lain perubahan pendapatan perkapita tidak terlalu berpengaruh terhadap jumlah permintaan daging ayam broiler di Sumatera Utara. Hal ini dibuktikan dengan nilai T hitung (2,105) yang lebih kecil dibandingkan dengan nilai T tabel (2,262) pada taraf kepercayaan (α) = 0,05 maka H0 diterima dan H1

ditolak. Hasil ini tidak sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa pendapatan perkapita berpengaruh nyata terhadap permintaan daging ayam broiler.

4. Jumlah Penduduk (X4)

Secara parsial, ternyata variabel jumlah penduduk tidak berpengaruh secara nyata terhadap permintaan daging ayam broiler di Sumatera Utara dikarenakan nilai T hitung (0,883) lebih kecil dibandingkan dengan nilai T tabel

(2,262) pada taraf kepercayaan (α) = 0,05 maka H0 diterima dan H₁ ditolak.

Atau dengan kata lain perubahan jumlah penduduk tidak terlalu berpengaruh terhadap jumlah permintaan daging ayam broiler di Sumatera Utara. Hasil ini juga tidak sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa jumlah penduduk berpengaruh nyata terhadap permintaan daging ayam broiler.

Sehingga ringkasan hasil pengujian hipotesis dapat dilihat sebagai berikut:

Tabel 13. Hasil Pengujian Hipotesis Uji-T dengan nilai T tabel (2,262)

Pernyataan Nilai T hitung Keterangan Variabel harga daging ayam broiler secara

parsial berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara

2,528 H₀ ditolak H1 diterima Variabel harga telur ayam ras secara parsial

berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara

2,268 H0 ditolak H1 diterima Variabel pendapatan perkapita secara parsial

tidak berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara

2,105 H0 diterima H1 ditolak Variabel jumlah penduduk secara parsial tidak

berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara

0,883 H0 diterima H₁ ditolak

5.5. Interpretasi Model Secara Ekonomi

Dari model regresi linier berganda double log di atas dapat diketahui bahwa nilai Y (permintaan daging ayam broiler di Sumatera Utara) dapat dijelaskan dari nilai X₁ (harga daging ayam broiler), X₂ (harga telur ayam ras), X₃ (pendapatan perkapita), dan X4 (jumlah penduduk).

1. Harga Daging Ayam Broiler (X1)

Koefisien harga daging ayam broiler bernilai negatif yaitu sebesar -0,395.

Angka ini menunjukkan bahwa jika terjadi peningkatan harga daging ayam broiler sebesar 10%, maka akan terjadi penurunan permintaan daging ayam broiler sebesar 3,95 %. Pernyataan ini sesuai dengan hukum permintaan yang menyatakan bahwa harga suatu barang mempunyai hubungan yang negatif atau berbanding terbalik dengan permintaannya. Hal ini dikarenakan jika harga suatu produk meningkat, maka konsumen cenderung mengurangi permintaannya terhadap barang tersebut (ceteris paribus). Dalam hal ini, jika harga rata-rata daging ayam broiler di Sumatera Utara meningkat, maka masyarakat akan cenderung mengurangi konsumsi daging ayam broiler tersebut.

2. Harga Telur Ayam Ras (X₂)

Nilai koefisien harga telur ayam ras mempunyai nilai positif sebesar 0,529.

Angka ini menunjukkan bahwa setiap peningkatan harga telur ayam ras sebesar 10%, akan menyebabkan permintaan daging ayam broiler meningkat sebesar 5,29%. Pernyataan ini juga sesuai dengan teori permintaan yang menyatakan bahwa kenaikan barang subtitusi berakibat meningkatnya jumlah yang diminta untuk barang ini (ceteris paribus). Dalam hal ini, jika harga rata-rata telur ayam ras di Sumatera Utara meningkat, maka masyarakat cenderung akan beralih konsumsi daging ayam broiler (ceteris paribus).

3. Pendapatan Perkapita (X3)

Nilai koefisien pendapatan perkapita sebesar 0,278. Angka ini menunjukkan

permintaan daging ayam broiler akan meningkat sebesar 2,78%. Pernyataan ini sesuai dengan teori permintaan yang menyatakan bahwa peningkatan pendapatan perkapita akan menyebabkan meningkatnya permintaan akan suatu barang dengan asumsi ceteris paribus. Dalam hal ini, jika pendapatan perkapita meningkat, maka masyarakat akan menambah jumlah konsumsi daging ayam broiler.

4. Jumlah Penduduk (X4)

Nilai koefisien jumlah penduduk mempunyai nilai positif yaitu sebesar 1,216.

Angka ini berarti bahwa jika terjadi peningkatan jumlah penduduk sebesar 10%, maka permintaan daging ayam broiler akan meningkat sebesar 12,16%.

Hal ini sesuai dengan teori permintaan yang menyatakan bahwa semakin banyak jumlah penduduk maka semakin besar pula jumlah barang yang dikonsumsi.

5.6. Analisis Elastisitas

Menurut Nachrowi dan Usman (2006) nilai elastisitas pada model dalam bentuk logaritma natural dua sisi (double log) dapat langsung dilihat melalui nilai koefisien variabelnya.

Kriteria yang digunakan adalah sebagai berikut:

- Jika E (Xi) > 1, maka permintaan elastis.

- Jika E (Xi) = 1, maka permintaan uniter (elastisitas tunggal).

- Jika E (X_i) < 1, maka permintaan tidak elastis.

Model yang diperoleh dari hasil analisis regresi linier berganda double log adalah:

ln Y = - 6,236 - 0,395 ln X₁+ 0,529 ln X₂ + 0,278 ln X₃ + 1,216 ln X₄ + e

Keteangan :

ln Y = Jumlah permintaan daging ayam broiler (kg/thn) ln β0 = Nilai konstanta (intercept)

β1s/d β4 = Koefisien regresi variabel bebas ln X1 = Harga daging ayam broiler (Rp/kg) ln X2 = Harga telur ayam ras (Rp/butir) ln X3 = Pendapatan perkapita (Rp) ln X4 = Jumlah penduduk (jiwa) e = Kesalahan pengganggu (error)

Dari model di atas dapat dilihat bahwa nilai koefisien variabel harga daging ayam broiler adalah sebesar 0,395 dan bertanda negatif. Sehingga variabel harga daging ayam broiler bersifat tidak elastis karena nilai elastisitasnya yang lebih kecil dari satu (0,395 < 1). Artinya, permintaan daging ayam broiler di Sumatera Utara tidak terlalu responsif terhadap perubahan harga daging ayam broiler. Dalam hal ini, ketika harga daging ayam broiler naik sebesar 10% maka permintaan daging ayam broiler turun sebesar 3,95%.

Selain itu diketahui bahwa variabel harga telur ayam ras bersifat tidak elastis. Hal ini dapat dilihat dari nilai koefisien variabelnya yang lebih kecil dari satu yaitu 0,529 > 1. Artinya, permintaan daging ayam broiler di Sumatera Utara tidak terlalu responsif terhadap perubahan harga telur ayam ras, di mana ketika harga telur ayam ras naik sebesar 10% maka permintaan daging ayam broiler naik sebesar 5,29%.

Untuk variabel pendapatan perkapita, nilai koefisiennya sebesar 0,278. Sehingga variabel pendapatan perkapita bersifat tidak elastis terhadap permintaan daging ayam broiler di Sumatera Utara karena nilai elastisitasnya yang lebih kecil dari satu (0,278 < 1). Hal ini menunjukkan bahwa permintaan daging ayam broiler di Sumatera Utara tidak terlalu responsif terhadap perubahan pendapatan perkapita.

Sedangkan nilai koefisien variabel jumlah penduduk adalah sebesar 1,216. Hal ini menunjukkan bahwa nilai elastisitasnya lebih besar dari satu. Sehingga dapat dikatakan bahwa variabel jumlah penduduk bersifat elastis. Dalam hal ini, permintaan daging ayam broiler di Sumatera Utara sangat responsif terhadap perubahan jumlah penduduk.

Dari keempat variabel tersebut, hanya variabel jumlah penduduk yang bersifat elastis. Ini berarti bahwa perubahan jumlah penduduk di Sumatera Utara besar pengaruhnya terhadap permintaan daging ayam broiler di Sumatera Utara.

Ringkasan hasil analisis elastisitas dapat dilihat sebagai berikut:

Tabel 14. Hasil Analisis Elastisitas Model Regresi Linier Berganda Double Log Variabel Nilai Elastisitas Keterangan

Harga daging ayam broiler 0,395 Tidak Elastis

Harga telur ayam ras ^0,529 Tidak Elastis

Pendapatan perkapita 0,278 Tidak Elastis

Jumlah penduduk 1,216 Elastis

BAB VI

KESIMPULAN DAN SARAN

6.1. Kesimpulan

1. Harga daging ayam broiler (X₁), harga telur ayam ras (X₂), pendapatan perkapita (X3), dan jumlah penduduk (X4) secara bersama-sama berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara (Y) pada taraf kepercayaan 95%. Variabel harga daging ayam broiler dan harga telur ayam ras secara parsial berpengaruh nyata terhadap permintaan daging ayam

1. Harga daging ayam broiler (X₁), harga telur ayam ras (X₂), pendapatan perkapita (X3), dan jumlah penduduk (X4) secara bersama-sama berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara (Y) pada taraf kepercayaan 95%. Variabel harga daging ayam broiler dan harga telur ayam ras secara parsial berpengaruh nyata terhadap permintaan daging ayam