BAB IV HASIL PENELITIAN DAN PEMBAHASAN
D. Hasil Pengolahan Data
1. Uji Asumsi Klasik
Pengujian suatu penelitian linear berganda terhadap hipotesis penelitian, maka terlebih dahulu perlu dilakukan suatu pengujian untuk mengetahui ada tidaknya pelanggaran terhadap asumsi-asumsi klasik. Hasil pengujian hipotesis yang terbaik adalah pengujian yang tidak melanggar asumsi-asumsi klasik yang mendasari model regresi linear berganda. Asumsi-asumsi klasik dalam penelitian ini meliputi uji normalitas, uji multikolinieritas, dan uji heteroskedastisitas.
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah variable terikat dan variable bebas keduanya mempunyai distribusi yang normal atau tidak, dalam pengujian model regresi yang baik yaitu memiliki distribusi data normal atau mendekati normal. Salah satu metode untuk mengetahui normalitas data dengan menggunakan metode dengan menggunakan Normal Probability Plot. Normalitas data dapat dilihat dari penyebaran data (titik) pada sumbu diagonal dengan secara normal P-Plot dengan melihat dari residualnya.
59
Gambar 4.1 : Grafik Normal P-Plot
Sumber : Output SPSS 23 data diolah, tahun 2019
Gambar 2.3 Normal Probability Plot, Mengambarkan bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal serta menujukkan pola distribusi yang normal sehingga dapat diartikan bahwa asumsi normalitas telah terpenuhi dan layak digunakan untuk memprediksi pendapatan petani kopi berdasarkan variabel-variabel bebasnya.
b. Uji multikorelitas
Uji multikorelasi bertujuan untuk menguji apakah dalam model regresi terjadi korelasi antara variabel independen. Berdasarkan aturan dalam variance inflation factor (VIF) dan tolerance, jika apabila VIF melebihi angka 10 atau tolerance kurang dari 0,10 maka dinyatakan terjadi gejala multikolinieritas. Sebaliknya jika nilai VIF kurang dari 10 atau tolerance lebih dari 0,10 maka
60
dinyatakan tidak terjadi gejala multikolinieritas. Adapun hasil uji multikolinieritas dapat dilihat pada Tabel 4.8 berikut:
Tabel 4,8 Uji multikorelitas
Sumber : Output SPSS 23 data diolah, tahun 2019
Berdasarkan Tabel 4.8, maka dapat diketahui nilai VIF untuk masing-masing variable luas lahan, tenaga kerja, biaya pupuk, biaya pupuk VIF nya< 10 dan nilai toleransinya> 0,10 sehingga model dinyatakan tidak terjadi multikorelasi
c. Uji Heteroskedastisitas
Grafik scartterplot dengan nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID, dengan sumbu y yaitu y yang telah diprediksi dan sumbu x adalah residual (y prediksi – y sesungguhnya) yang telah di-studentized. Deteksi yang dilakukan untuk mengetahui heteroskedastisitas dapat dilakukan sebagai berikut:
a. Jika dalam percobaan tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu y, maka tidak terjadi heterokedastisitas. Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) LuasLahan ,371 2,699 Tenaga ,348 2,877 Pestisida ,383 2,613 Pupuk ,748 1,337
61
b. Jika dalam percobaan ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengidentifikasikan telah terjadi heteroksedastisitas. Adapun hasil gambar uji heteroksedastisitas menggunakan SPSS versi 23
Gambar 4.2 : Uji Heteroskedastisitas
Sumber : Output SPSS 23 data diolah, tahun 2019
Gambar 4.2 Scatterplot menunjukkan bahwat titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas, serta tersebar baik di atas atapun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heretoskedastisitas pada model regresi, sehingga pada model regresi layak digunakani untuk memprediksi bagaimana pengaruh variabel berdasarkan masukan variabel independennya.
62
d. Hasil Uji Regresi Berganda
Penelitian ini menggunakan analisis data regresi linier berganda seperti menggunakan uji asumsi klasik. Uji regresi linier berganda karena dalam penelitian ini diliputi dari lima variabel dengan satu variabel Y dan empat variabel X, dimana dalam regresi linier berganda variabel Y merupakan variabel terikat yang tergantung pada dua atau lebih variabel bebas (X).
Analisis regresi dalam penelitian ini bertujuan untuk mengetahui pengaruh luas lahan (X1), tenaga kerja (X2), pestisida (X3), pupuk (X4) terhadap pendapatan petani kopi di Kecamatan Rumbia, Kabupaten Jeneponto (Y), dengan menggunakan Software Statistik Program For Social Science (SPSS).
Tabel 4.9
Rekapitulasi hasil Uji Regresi
Variabel Indevenden B T hitung Sig.
Luas Lahan 0,398 7,644 0,000 Tenaga Kerja 0,198 2,938 0,004 Biaya Petisida 0,286 3,915 0,000 Biaya Pupuk 0,035 1,310 0,193 Konstanta 10,985 Fhitung 127,685 R 0,922 R Square 0,850 Adjusted R2 0,844 Std. Eror (µe) 0 ,816 Sanpel (n) 95
Sumber : Output SPSS 23 data diolah, tahun 2019
Berdasarkan pada Tabel 4.9 diperoleh persamaan regresi yaitu: Ln Y = β0 + β1lnX1 + β2lnX2 + β3lnX3 + β4lnX4 µ
63
c. Uji t
Uji t dalam pengujian analisis ini bertujuan untuk mengetahui tingkat signifikansi pengaruh secara parsial antara variabel bebas luas lahan (X1), tenaga kerja (X2) biaya pestisida (X3), biaya pupuk (X4), terhadap pendapatan petani kopi di Kecamatan Rumbia, Kabupaten Jeneponto (Y). Berdasarkan dari Tabel 4.9 hasil uji t sebagai berikut:
1. Variabel luas lahan (X1) memiliki nilai signifikan sebesar 0.000, nilai ini menunjukkan bahwa nilai signifikan lebih kecil dari level of significance (α = 0,05), dan mempunyai koefisien regresi (b1) sebesar 0.398 menunjukkan pengaruh luas lahan responden yang bernilai positif (+).
Artinya apabila luas lahan responden bertambah 1 hektar maka akan menyebabkan pertambahan pendapatan sebesar 0.398 dengan asumsi jumlah tenaga kerja (X2), biaya pestisida (X3), biaya pupuk (X4) dianggap konstan dan hipotesis yang menyatakan bahwa luas lahan berpengaruh signifikan dan positif terhadap Pendapatan petani kopi di Kecamatan Rumbia, Kabupaten Jeneponto.
2. Variabel jumlah tenaga kerja (X2) memiliki nilai signifikan sebesar 0.004, nilai ini menunjukkan bahwa nilai signifikan lebih kecil dari level of significance (α = 0,05), dan tenaga kerja mempunyai koefisien regresi (b2) sebesar 0.198 menunjukkan pengaruh tenaga kerja yang bernilai positif (+).
Artinya setiap tambahan 1 tenaga kerja maka akan menyebabkan pertambahan pendapatan petani kopi sebesar 0.198 dengan asumsi luas lahan (X1), biaya pestisida (X3), biaya pupuk (X4) dianggap konstan. Jadi,
64
hipotesis yang menyatakan bahwa tenaga kerja berpengaruh signifikan dan positif terhadap Pendapatan petani kopi di Kecamatan Rumbia, Kabupaten Jeneponto.
3. Variabel biaya pestisida (X3) memiliki nilai probabilitas t sebesar 0,000, nilai ini menunjukkan bahwa nilai signifikan lebih kecil dari level of significance (α = 0,05), dan biaya pestisida mempunyai koefisien regresi (b3) sebesar 0.286 menunjukkan pengaruh biaya pestisida yang bernilai fositif (+).
Artinya setiap penambahan biaya yang dikeluarkan untuk membeli pestisida sesuai dosis yang sesuai yang diperlukan tanaman maka akan menyebabkan pertambah pendapatan petani kopi sebesar 0.040 dengan asumsi responden luas lahan (X1), tenaga kerja (X2), biaya pupuk (X4), dianggap konstan. dan hipotesis yang menyatakan bahwa biaya pestisida petani kopi berpengaruh signifikan dan positif terhadap Pendapatan petani kopi di Kecamatan Rumbia, Kabupaten Jeneponto.
4. Variabel biaya pupuk (X4) memiliki nilai signifikan sebesar 0.193 nilai ini menunjukkan bahwa nilai tidak signifikan lebih besar dari level of significance (α = 0,05). Jadi, hipotesis yang menyatakan bahwa biaya pupuk tidak berpengaruh signifikan terhadap Pendapatan petani kopi di Kecamtan Rumbia Kabupaten Jeneponto.
d. Uji f
Uji f suatu pengujian digunakan untuk mengetahui pengaruh variabel independen secara signifikan terhadap variabel dependen. Dimana jika fhitung< ftabel, maka H0 diterima atau variabel independen secara bersama-sama tidak
65
memiliki pengaruh terhadap variabel dependen atau tidak signifikan, perubahan yang terjadi pada variabel terikat tidak dapat dijelaskan oleh perubahan variabel independen, dengan tingkat signifikansi sebesar 0,5%.
Tabel 4.9 menunjukkan bahwa pengaruh variabel luas lahan (X1), tenaga kerja (X2), biaya pestisida (X3), biaya pupuk (X4), terhadap pendapatan petani kopi (Y), maka di peroleh nilai signifikan 0.000 < 0.05. Hal ini menunjukkan bahwa keempat variabel bebas secara simultan berpengaruh signifikan terhadap variabel terikat.
e. Koefisien Korelasi (R)
Koefisien korelasi (R) digunakan untuk menerangkan keeratan hubungan antara variabel-variabel luas lahan, tenaga kerja, biaya pestisida, biaya pupuk, terhadap variabel terikat (pendapatan petani kopi). Sebagai berikut:
Tabel 4.9, menunjukkan bahwa hasil dari perhitungan diperoleh nilai koefisien korelasi yang disimbolkan dengan R sebesar 0,922 atau 92,2% hubungan korelasi yang kuat serta eratnya hubungan antara luas lahan (X1), tenaga kerja (X2), biaya pestisida (X3), biaya pupuk (X4), terhadap pendapatan petani kopi (Y). Sedangkan sisanya yaitu sebesar 7,8% dijelaskan oleh variabel-variabel lain diluar penelitian.
f. Koefisien Determinasi (R2)
koefisien determinasi (R2) digunakan untuk menerangkan seberapa besar pengaruh dari seluruh variabel bebas (luas lahan, tenaga kerja, biaya pestisida, biaya pupuk, terhadap variabel terikat (pendapatan petani kopi).
66
Tabel 4.9, menunjukkan bahwa hasil dari perhitungan diperoleh nilai koefisien determinasi yang disimbolkan dengan R2 sebesar 0.850, dengan kata lain hal ini menunjukkan bahwa besar persentase variasi pendapatan petani kopi yang bisa dijelaskan oleh variasi dari keempat variabel bebas yaitu luas lahan (X1), tenga kerja (X2), biaya pestisida (X3), biaya pupuk (X4), sebesar 85.0% sedangkan sisanya sebesar 15.0% dijelaskan oleh variabel-variabel lain diluar penelitian.