IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian
9. Jumlah Tanggungan Keluarga
Jumlah tanggungan keluarga diduga berpengaruh signifikan dan negatif terhadap penerapan teknologi. Semakin banyak jumlah tanggungan keluarga, maka diduga semakin rendah penerapan teknologi padi sehat yang dilakukan. Hal ini diduga karena petani yang mempunyai jumlah tanggungan keluarga yang banyak maka biaya yang dibutuhkan untuk kehidupan sehari-hari akan semakin
banyak juga, sehingga petani lebih berhati-hati dalam menerapkan teknologi padi sehat karena takut terjadinya penurunan produksi.
Namun, jumlah tanggungan keluarga diduga berpengaruh signifikan dan positif terhadap pendapatan petani. Semakin banyak jumlah tanggungan keluarga diduga pendapatan petani padi sehat akan semakin meningkat. Hal ini diduga karena semakin banyak jumlah tanggungan keluarga, petani dapat memberdayakan anggota keluarganya tersebut untuk menjadi tenaga kerja dalam usahatani padi sehat sehingga biaya tunai yang dikeluarkan dapat berkurang dan pendapatan petani dapat meningkat. Dengan jumlah tanggungan keluarga yang banyak juga, petani akan berupaya untuk lebih efesien dalam mengusahakan padi sehat agar menghasilkan pendapatan yang lebih tinggi pula untuk digunakan membiayai anggota keluarga yang masih dalam tanggungannya.
Perhitungan regresi linier berganda ini menggunakan SPSS 20. Setelah didapat model dugaan lalu diuji signifikansinya untuk mengetahui apakah model penduga yang diajukan sudah layak untuk menjadi parameter dengan melihat F hitung atau probabilitasnya. Pengujian ini dilakukan dengan cara membandingkan antara F-hitung dengan F-tabel.
Hipotesis statistik dinyatakan sebagai: H0 : bi = 0
H1 : Minimal ada satu slope(bi) ≠ 0
Hasil perhitungan statistik uji F-hitung dapat dilihat pada output SPSS pada tabel uji ANOVA.
Bila F-hitung > F tabel atau probabilitas sig. ≤ α maka tolak H0 artinya
model signifikan untuk menduga derajat penerapan teknologi padi sehat atau pendapatan petani padi sehat, pada taraf nyata α (0,05). Sebaliknya, bila F-hitung < F tabel atau probabilitas sig. ≥ α maka terima H0 artinya model tidak signifikan
untuk menduga derajat penerapan teknologi padi sehat atau pendapatan petani padi sehat.
Model dugaan juga perlu diukur ketepatannya dengan menggunakan nilai koefisien determinan (R2) yang bertujuan untuk mengukur proporsi keragaman yang diterangkan oleh faktor-faktor yang diduga berpengaruh terhadap derajat
penerapan teknologi atau pendapatan petani padi sehat. Koefisien dari determinasi dirumuskan sebagai berikut :
R2 = Jumlah Kuadrat Regresi Jumlah Kuadrat Total
Semakin besar nilai R2 maka model dugaan tersebut semakin bagus. Interpretasi dari koefisien determinasi ini adalah keragaman penerapan teknologi atau pendapatan petani padi sehat (Y) sebesar R2 dapat dijelaskan oleh model dugaan yang diperoleh, sisanya (1-R2) dijelaskan oleh komponen eror. Semakin besar nilai R2 maka semakin kecil nilai erornya. Nilai R2 atau R square pada hasil SPSS dapat dilihat pada tabel Model Summary.
Setelah uji signifikansi pada model dugaan, selanjutnya dilakukan uji signifikansi variabel independen (variabel bebas)dengan menggunakan uji-t. Uji- t ini digunakan untuk menguji secara statistik apakah berpengaruh nyata setiap variabel independenterhadap variabel dependen (variabel terikat)pada taraf nyata αyang dapat dilihat pada tabel hasil uji Coefficients.
Hipotesis statistik untuk variabel Xi : H0 : bi = 0
H1 : bi < 0
Bila t-hitung > t-tabel atau probabilitas sig. ≤ α maka variabel independen yang diuji berpengaruh nyata terhadap variabel dependen. Sebaliknya, bila nilai t- hitung < t-tabel atau probabilitas sig. ≥ α maka variabel independen yang diuji tidak berpengaruh nyata terhadap variabel dependen.
4.4.6. Uji Asumsi Analisis Regresi Berganda
Sebuah model regresi akan digunakan untuk melakukan peramalan, maka model tersebut harus baik dengan kesalahan peramalan yang seminimal mungkin. Karena itu, sebuah model sebelum digunakan seharusnya memenuhi beberapa asumsi, yang disebut asumsi klasik. Berikut dijelaskan secara singkat asumsi- asumsi tersebut dan cara pengujiannya dengan SPSS.
Beberapa asumsi klasik yang harus dipenuhi (Santoso 2010): 1. Normalitas
Penggunaan model regresi untuk prediksi akan menghasilkan kesalahan (disebut residu), yakni selisih antara data aktual dengan hasil peramalan. Residu yang ada seharusnya berdistribusi normal. Pada SPSS akan digunakan fasilitas Histogram dan Normal Probability Plot untuk mengetahui kenormalan residu dari model regresi. Model regresi yang memenuhi asumsi normalitas, pada Histogram data residu (eror) menunjukkan distribusi normal dengan garis yang berbentuk bel yang menjangkau semua grafik batang dan pada Normal Probability Plot terlihat sebaran eror (berupa titik atau dot) berada disekitar garis lurus.
2. Homoskedastisitas
Residu yang ada seharusnya mempunyai varians yang konstan (Homoskedastisitas). Jika varians dari residu tersebut semakin meningkat atau menurun dengan pola tertentu, hal ini disebut dengan heteroskedastisitas. Pada SPSS adanya heteroskedastisitas dapat dideteksi dengan melihat garifk output
scatter plot. Bila residu yang berbetuk titik atau dot menyebar dan tidak membentuk pola tertentu maka model regresi tidak terdapat heteroskedastisitas. 3. Multikolinieritas
Multikolinieritas adalah variabel-variabel independen berkorelasi satu dengan yang lain. Pada SPSS, hal ini dapat dideteksi dengan melihat korelasi antar variabel, atau dilihat dari angka VIF (Variance Inflation Factor). Jika model regresi mempunyai VIF disekitar angka 1 dan angka TOLERANCE mendekati angka 1 pada output coefficient, maka tidak ada multikolinieritas. Ada juga yang menyatakan apabila nilai VIF > 10 maka disimpulkan terdapat masalah multikolinier diantara variabel independen (Kleinbaum et al. 1988, diacu dalam Harmini 2009).
4. Autokorelasi
Autokorelasi adalah adanya korelasi data waktu ke t dengan waktu sebelumnya. Pada SPSS, hal ini dapat dideteksi dengan angka Durbin Watson (h). Jika h hitung ≥ h tabel maka tidak ada autokorelasi.
4.4.7. Uji statistik Uji MannWhitney
Dalam penelitian ini juga digunakan uji Mann Whitney untuk melihat apakah derajat penerapan teknologi, penerimaan usahatani padi sehat, biaya usahatani padi sehat, pendapatan usahatani padi sehat, dan rasio R/C petani mitra berbeda secara nyata dengan petani non mitra. Uji Mann Whitney ini dilakukan terhadap dua sampel bebas. Pengujian ini merupakan uji hipotesis dengan selang kepercayaan 95 persen, dengan hipotesis sebagai berikut (Harimini 2009) :
Dalam bentuk statistik: H0 : µ1 = µ2
H1 : µ1≠ µ2
Dalam bentuk kalimat :
H0 : Median kedua populasi adalah identik
H1 : Median kedua populasi tidak identik (populasi 1 > populasi 2)
Dengan kriteria uji :
Tolak H0 jika Asymp.sig untuk uji satu arah atau Asymp.sig/2 untuk dua arah lebih
IX KESIMPULAN DAN SARAN