Kriteria Statistik

4.5. Metode Pengolahan Data

4.5.2. Analisis Regresi Berganda

4.5.2.2. Kriteria Statistik

4.5.2.1.5. Uji Normalitas

Asumsi normalitas mengharuskan nilai residual dalam model menyebar atau terdistribusi secara normal. Untuk mengetahuinya dilakukan uji Kolmogrov- Smirnov dengan memplotkan nilai standar residual dengan probabilitasnya pada tes normalitas. Jika pada grafik Kolmogorov-Smirnov titik-titik residual yang ada tergambar segaris dan nilai P-value lebih besar dari sama dengan 0,05, maka dapat disimpulkan bahwa model terdistribusi secara normal. Selain itu mendeteksi normalitas dapat dilakukan dengan plot probabilitas normal. Melalui plot ini masing-masing nilai pengamatan dipasangkan dengan nilai harapan dari distribusi normal. Jika residual berasal dari distribusi normal, maka nilai-nilai data (titik-titik dalam grafik) akan terletak di sekitar garis diagonal. Peubah bebas atau variabel bebas X1, X2, X3,…,Xk konstan dalam pengambilan sampel terulang dan bebas terhadap kesalahan pengganggu.

4.5.2.2. Kriteria Statistik

4.5.2.2.1. Uji R² (Koefisien Determinasi)

Menurut Firdaus (2004) uji koefisiern determinasi (R²) merupakan pengujian kecocokan/ketepatan (goodness of fit) yang pada analisis regresi berganda disebut koefisien determinasi berganda (multiple coefficient of correlation). Uji ini dilakukan untuk mengetahui berapa besar persentase sumbangan masing-masing variabel independen terhadap variasi (naik-turunnya) variabel dipenden. Nilai R² mempunyai interval nilai antara 0 sampai 1 (0 ≤ R² ≤ 1). Interpretasi dari nilai interval tersebut yaitu semakin besar R² (mendekati 1), maka semakin baik hasil untuk model regresi tersebut. Semakin mendekati 0, maka variabel independen secara keseluruhan tidak dapat menjelaskan variabel dipenden. Nilai R² diperoleh dengan menggunakan rumus berikut :

= ^{∑( ∗ ^) /}

∑( ) / = ………(7)

Keterangan :

Y = Nilai pengamatan

Y* = Nilai Y yang ditaksir dengan model regresi Y^ = Nilai rata-rata pengamatan

47 4.5.2.2.2. Pengujian Kelinearan Model (Uji F)

Pengujian kelinearan model atau yang disebut juga evaluasi model dugaan ini digunakan untuk mengetahui apakah ada hubungan linear antara variabel dipenden dengan beberapa variabel independen. Pada uji ini diperiksa signifikansi regresi yang semuanya disediakan pada standar output paket software statsitika (ketika dilakukan pengolahan dengan SPSS). Hipotesis yang digunakan adalah: H0 : β1 = β2 = ... = βk = 0  Hipotesis ini berarti model regresi liniear berganda

tidak signifikan atau dengan kata lain tidak ada hubungan linear antara variabel independen terhadap variabel dipenden.

H₁ : β_i ≠ 0  Model regresi linear berganda signifikan atau dengan kata lain ada hubungan linear antara variabel independen terhadap variabel dipenden.

Hipotesis di atas dikaitkan dengan uji nyata regresi yang diperoleh, maka perhitungan statistik uji yang digunakan adalah:

= ………...(8)

Setelah dilakukan uji nyata regresi, pengambilan kesimpulannya sebagai berikut: Bila : F_hit > F_tabel = tolak H_0/Terima H₁

Fhit < Ftabel = terima H0

Nilai F merupakan sebuah nilai statistik F dengan derajat bebas k-2 dan nk, bila μ_α,β jatuh pada sebuah garis lurus. Ini berarti statistik itu dapat digunakan untuk menguji hipotesis H₀ bahwa regresinya linear.

4.5.2.2.3. Pengujian Koefisien Regresi Parsial (Uji t)

Menguji ada tidaknya hubungan linear antara variabel independen terhadap variabel dipenden, Berbeda dengan uji F yang menguji apakah variabel-variabel independen secara bersama-sama berpengaruh nyata atau tidak berpengaruh nyata terhadap variabel dipenden. Uji t akan menguji apakah variabel independen berpengaruh nyata terhadap variabel dipenden secara parsial atau secara terpisah antara setiap variabel. Adapun hipotesis yang digunakan dalam uji t sebagai berikut :

48 H_{0 :} b_i = 0  Hipotesis in berarti tidak ada hubungan linear antara variabel

independen dan variabel dipenden.

H1 : bi ≠ 0  Hipotesis ini berarti ada hubungan linear antara variabel independen dan variabel dipenden.

H1 : bi > 0  Hipotesis ini berarti ada hubungan linear antara variabel independen dan variabel dipenden secara positif.

H1 : bi < 0  Hipotesis ini berarti ada hubungan linear antara variabel independen dan variabel dipenden secara negatif.

Uji ini dikaitkan dengan uji nyata dari garis regresi yang diperoleh dari prediksi nilai pengamatan variabel dipenden. Selain uji di atas, nilai koefisien dari nilai b hasil prediksi nilai β yang diperoleh juga harus diuji. Adapun hipotesisnya sebagai berikut:

H0 : b = β (koefisien regresi tidak signifikan) H1 : b ≠ β (koefisien regresi signifikan)

Pengambilan kesimpulan pada pengujian hipotesis dilakukan sebagai berikut: a. Jika t_hit < -t_α/2 atau t_hit > t_α/2 kesimpulannya tolak H₀. Jika -t_α/2 ≤ t_hit ≤ t_α/2

kesimpulannya terima terima H₀

b. Jika thit > tα kesimpulannya tolak H0. Jika thit ≤ tα kesimpulannya terima H0 c. Jika thit < -tα kesimpulannya tolak H0. Jika thit ≥ -tα kesimpulannya terima H0

4.6. Hipotesis Penawaran dan Permintaan Cabai Merah 4.6.1. Hipotesis Penawaran Cabai Merah

Sebelum dilakuakan analisa terkait dengan variabel yang mempengaruhi pasokan cabai merah keriting, dilakukan hipotesis terhadap masing-masing variabel untuk menduga masing-masing pengaruh variabel. Hipotesis mengenai faktor-faktor apa saja yang mempengaruhi penawaran cabai merah dan bagaimana pengaruhnya terhadap penawaran cabai merah adalah sebagai berikut :

a. Jumlah pasokan cabai merah keriting pada periode sebelumnya diduga berpengaruh positif pada jumlah pasokan cabai merah keriting pada periode saat ini (terhitung). Semakin tinggi jumlah pasokan cabai merah keriting pada

49 periode sebelumnya, maka jumlah pasokan cabai merah keriting periode terhitung akan tinggi dan sebaliknya jika jumlah pasokan cabai merah keriting pada periode sebelumnya sedikit maka pada periode terhitung jumlah pasokan cabai merah juga akan sedikit. Hal ini dikarenakan pada periode terhitung dengan periode sebelumnya dapat dikatakan masih berada pada musim yang sama (tiga bulan yang sama), pada musim yang sama sehingga hasil panen cabai tidak jauh berbeda.

b. Harga komoditi itu sendiri (cabai merah keriting) berpengaruh negatif pada jumlah pasokan. Dalam hal ini harga pada periode sekarang (terhitung) dipengaruhi oleh jumlah pasokan cabai itu sendiri. Harga akan menjadi tinggi jika jumlah pasokan cabai merah keriting tersebut sedikit, dan sebaliknya jika jumlah pasokan tinggi harga cabai merah keriting tersbut akan turun. Jadi dalam hipotesis ini jumlah pasokan dan harga cabai dipengaruhi oleh faktor lain yang menyebabkan jumlah pasokan naik atau turun sehingga berpengaruh pada harga. Dengan kata lain harga rendah mengindikasikan bahwa jumlah pasokan cabai merah keriting cukup tinggi, dan sebaliknya harga yang tinggi mengindikasikan bahwa jumlah pasokan cabai sedikit. c. Harga cabai merah musim sebelumnya diduga berpengaruh positif pada

jumlah pasokan cabai merah keriting pada periode terhitung. Musim sebelumnya yang dimaksudkan disini adalah harga cabai pada tiga bulan sebelumnya, karena umur panen cabai sendiri adalah tiga bulan. Oleh karena itu harga cabai tiga bulan sebelumnya atau musim sebelumnya bertepatan dengan pada saat mulai penanaman cabai yang akan dijual pada saat periode terhitung. Jika harga cabai musim sebelumnya (tiga bulan sebelumnya) tinggi, diduga mempengaruhi pada produsen atau petani cabai untuk menanam lebih banyak agar dapat menghasilkan produksi cabai lebih banyak. Sebaliknya, jika harga cabai musim sebelumnya rendah, petani atau produsen cabai akan mengurangi jumlah produksinya.

d. Harga komoditi substitusi yang dalam hal ini merupakan harga rata-rata cabai rawit merah dan hijau diduga berpengaruh negatif pada jumlah pasokan cabai merah keriting. Semakin tinggi harga komoditi substitusi maka jumlah

50 pasokan cabai merah keriting semakin sedikit. Hal ini terjadi karena ketika harga substitusi yang dalam hal ini merupakan cabai rawit merah dan cabai rawit hijau mengalami kenaikan mengindikasikan jumlahnya yang berkurang yang mungkin disebabkan oleh faktor-faktor dalam kegiatan produksi. karena karakterisitiknya pengusahaannya yang sama dengan cabai merah keriting kemungkinan hal yang sama juga terjadi pada cabai merah keriting. Dimana berkurangnya jumlah pasokan cabai rawit baik hijau dan merah menyebabkan harga jualnya tinggi, dan hal ini juga menunjukkan bahwa jumlah pasokan cabai merah kerting juga rendah.

e. Tingkat inflasi diduga berpengaruh negatif pada pasokan cabai merah keriting. Jika inflasi meningkat maka jumlah pasokan cabai merah keriting lebih sedikit. Inflasi menunjukkan kenaikan harga-harga komoditi secara keseluruhan termasuk harga komoditi cabai merah keriting itu sendiri. Sesuai dengan hipotesis sebelumnya mengenai harga cabai merah keriting itu sendiri yang meningkat menunjukkan jumlah pasokan cabai merah keriting rendah. f. Dummy, yaitu terdiri dari bulan puasa/hari raya dan hari biasa. Diduga pada

hari raya dan bulan puasa kuantitas pasokan cabai merah keriting mengalami penurunan atau jumlah pasokannya lebih sedikit dari hari-hari biasa. Sebaliknya pada hari-hari biasa jumlah pasokan cabai merah keriting lebih banyak. Hal ini terjadi karena pada momen-momen tersebut banyak pengusaha cabai yang tidak melaksanakan aktivitas usahanya.