METODE PENELITIAN
3.4 Metode Analisis Data
Setelah data dikumpulkan dan ditabulasi, selanjutnya dianalisis sesuai dengan hipotesa yang akan diuji.
1). Hipotesis 1 diuji dengan menggunakan analisis regresi linier berganda dengan alat bantu SPSS. Data yang dibutuhkan adalah harga beli pedagang, biaya penjualan, dan jumlah pedagang dengan menggunakan rumus :
Y = a+ b1X1 + b2X2 + b3X3 + µ
Keterangan :
Y = Jumlah penawaran jeruk manis (Kg/bln)
a = Koefisien intersep (konstanta), yaitu nilai Y jika X1, X2, dan X3 = 0
b1, b2, b3 = Koefisen Regresi, yaitu nilai yang menunjukkan peningkatan atau penurunan variabel Y yang didasarkan pada variabel bebas X1, X2, dan X3) X1 = Harga beli pedagang (Rp/kg/bln)
X2 = Biaya penjualan (Rp/bln) X3 = Keuntungan (Rp/kg/bln) µ = Kesalahan pengganggu
Pengambilan keputusan :
Uji Kesesuaian Model (Test of Goodness of Fit)
Koefisien Determinasi (Goodness of Fit), yang dinotasikan dengan R2, merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi yang terestimasi. Atau dengan kata lain angka tersebut dapat mengukur seberapa dekatkah garis regresi yang terestimasi dengan data yang sesungguhnya.
Nilai Koefisien Determinasi (R2) ini mencerminkan seberapa besar variasi dari variabel terikat Y dapat diterangkan oleh variabel bebas X. Bila nilai Koefisien Determinasi sama dengan 0 (R2 = 0), artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara bila R2 = 1, artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X. Dengan demikian baik atau
buruknya suatu persamaan regresi ditentukan oleh R2 –nya yang mempunyai nilai antar nol dan satu.
Uji F (Uji Simultan)
Uji F digunakan untuk menguji apakah sekelompok variabel bebas (independent variable) secara bersama-sama berpengaruh nyata terhadap penawaran jeruk
manis sebagai variabel terikat (dependent variable). Hipotesis yang diajukan adalah:
H0 : Variabel bebas secara bersama-sama tidak memiliki pengaruh yang nyata terhadap variabel terikat.
H1 : Variabel bebas secara bersama-sama memiliki pengaruh yang nyata terhadap variabel terikat.
Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai F hitung dengan F tabel, yaitu dengan kriteria:
- Jika F hitung ≥ F tabel, maka H0 ditolak ; H1 diterima - Jika F hitung < F tabel, maka H0 diterima ; H1 ditolak
Uji t (Uji Parsial)
Uji t digunakan untuk menguji nyata atau tidaknya pengaruh variabel bebas (independent variable) secara individu terhadap penawaram jeruk manis sebagai variabel terikat (dependent variable). Hipotesis yang diajukan adalah:
H0 : Variabel bebas secara individu tidak berpengaruh nyata terhadap variabel terikat.
H1 : variabel bebas secara individu berpengaruh nyata terhadap variabel terikat.
Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai T hitung dengan T tabel, yaitu dengan kriteria:
- Jika t hitung ≥ t tabel, maka H0 ditolak ; H1 diterima - Jika, t hitung < t tabel, maka H0 diterima ; H1 ditolak
Uji Asumsi Klasik.
Penggunaan kriteria ini dalam pengujian hipotesis adalah untuk memutuskan sejauh mana model estimasi mempunyai sifat- sifat yang tidak biasa, efisien, dan konsisten. Sifat- sifat ini akan terpenuhi apabila model estimasi memenuhi asumsi- asumsi yang diisyaratkan dalam model regresi linier klasik, dimana antara lain tidak ada gejala multikolineritas, heteroskedastisitas, dan normalitas.
- Multikolinearitas
Multikolinearitas adalah keadaan di mana ada hubungan linear secara sempurna atau mendekati sempurna antara variabel independen dalam model regresi. Model regresi yang baik adalah yang terbebas dari masalah Multikolinearitas.
Konsekuensi adanya Multikolinearitas adalah koefisien korelasi tidak tertentu dan kesalahan menjadi sangat besar atau tidak terhingga.
Variabel yang menyebabkan Multikolinearitas dapat dilihat dari nilai tolerance yang lebih kecil dari 0,1 atau VIF yang lebih besar dari 10 (Priyatno, 2011).
- Heteroskedastisitas
Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi Heteroskedastisitas. Pengambilan keputusannya adalah:
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebur kemudian menyempit), maka terjadi Heteroskedastisitas.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
Dari output regresi (pada Chart) titik-titik tidak membentuk pola yang jelas, dan titi-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, jadi dapat disimpulkan bahwa tidak terjadi Heteroskedastisitas dalam model regresi (Priyatno, 2011).
- Normalitas
Uji Normalitas dilakukan untuk mengetahui apakah sampel yang dianalisis telah mewakili populasi atau belum. Dengan diketahuinya kenormalan distribusi akan dapat dilakukan analisis lebih lanjut. Pada penelitian dimana data yang tersedia memiliki distribusi normal, akan mampu menghasilkan persamaan regresi yang dapat menjelaskan variabel terikat secara lebih tepat.
Model regresi baik jika memiliki distribusi data normal atau mendekati normal.
Untuk menguji apakah distribusi data normal atau tidak, salah satu caranya adalah dengan melihat grafik histogram. Jika variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data yang tidak menceng ke kiri dan menceng ke kanan (Helmi dan Muslich, 2011).
2). Hipotesis 2 diuji dengan menggunakan analisis regresi linier berganda dengan alat bantu SPSS. Data yang dibutuhkan adalah harga beli konsumen, pendapatan rata-rata/bln, dan jumlah tanggungan dengan menggunakan rumus:
Y = a+ b1X1 + b2X2 + b3X3 + µ.
Keterangan:
Y = Jumlah permintaan jeruk manis (Kg/bln)
a = Koefisien intersep (konstanta), yaitu nilai Y jika X1, X2, dan X3 = 0
b1, b2, b3 = Koefisen Regresi, yaitu nilai yang menunjukkan peningkatan atau penurunan variabel Y yang didasarkan pada variabel bebas X1, X2, dan X3) X1 = Harga beli konsumen (Rp/kg/bln)
X2 = Pendapatan rata-rata (Rp/bln) X3 = Jumlah tanggungan (Jiwa)
µ = KesalahaPengambilan keputusan :
Uji F (Uji Simultan)
Uji F digunakan untuk menguji apakah sekelompok variabel bebas (independent variable) secara bersama-sama berpengaruh nyata terhadap permintaan jeruk
manis sebagai variabel terikat (dependent variable).
Hipotesis yang diajukan adalah:
H0 : Variabel bebas secara bersama-sama tidak memiliki pengaruh yang nyata terhadap variabel terikat.
H1 : Variabel bebas secara bersama-sama memiliki pengaruh yang nyata terhadap variabel terikat.
Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai F hitung
dengan F tabel, yaitu dengan kriteria:
- Jika F hitung ≥ F tabel, maka H0 ditolak ; H1 diterima - Jika F hitung < F tabel, maka H0 diterima ; H1 ditolak
Uji t (Uji Parsial)
Uji t digunakan untuk menguji nyata atau tidaknya pengaruh variabel bebas (independent variable) secara individu terhadap permintaan jeruk manis sebagai variabel terikat (dependent variable). Hipotesis yang diajukan adalah:
H0 : Variabel bebas secara individu tidak berpengaruh nyata terhadap variabel terikat.
H1 : Variabel bebas secara individu berpengaruh nyata terhadap variabel terikat.
Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai t hitung dengan t tabel, yaitu dengan kriteria:
- Jika t hitung ≥ t tabel, maka H0 ditolak ; H1 diterima - Jika, t hitung < t tabel, maka H0 diterima ; H1 ditolak
Uji Asumsi Klasik.
Penggunaan kriteria ini dalam pengujian hipotesis adalah untuk memutuskan sejauh mana model estimasi mempunyai sifat- sifat yang tidak biasa, efisien, dan konsisten. Sifat- sifat ini akan terpenuhi apabila model estimasi memenuhi asumsi- asumsi yang diisyaratkan dalam model regresi linier klasik, dimana antara lain tidak ada gejala multikolineritas, heteroskedastisitas, dan normalitas.
- Multikolinearitas
Multikolinearitas adalah keadaan di mana ada hubungan linear secara sempurna atau mendekati sempurna antara variabel independen dalam model regresi. Model regresi yang baik adalah yang terbebas dari masalah Multikolinearitas.
Konsekuensi adanya Multikolinearitas adalah koefisien korelasi tidak tertentu dan kesalahan menjadi sangat besar atau tidak terhingga.
Variabel yang menyebabkan Multikolinearitas dapat dilihat dari nilai tolerance yang lebih kecil dari 0,1 atau VIF yang lebih besar dari 10 (Priyatno, 2011).
- Heteroskedastisitas
Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi Heteroskedastisitas. Pengambilan keputusannya adalah:
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebur kemudian menyempit), maka terjadi Heteroskedastisitas.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
Dari output regresi (pada Chart) titik-titik tidak membentuk pola yang jelas, dan titi-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, jadi dapat disimpulkan bahwa tidak terjadi Heteroskedastisitas dalam model regresi (Priyatno, 2011).
- Normalitas
Uji Normalitas dilakukan untuk mengetahui apakah sampel yang dianalisis telah mewakili populasi atau belum. Dengan diketahuinya kenormalan distribusi akan dapat dilakukan analisis lebih lanjut. Pada penelitian dimana data yang tersedia memiliki distribusi normal, akan mampu menghasilkan persamaan regresi yang dapat menjelaskan variabel terikat secara lebih tepat.
Model regresi baik jika memiliki distribusi data normal atau mendekati normal.
Untuk menguji apakah distribusi data normal atau tidak, salah satu caranya adalah
dengan melihat grafik histogram. Jika variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data yang tidak menceng ke kiri dan menceng ke kanan (Helmi dan Muslich, 2011).