TINJAUAN PUSTAKA 2.1Bawang Merah
METODOLOGI PENELITIAN
3.5 Metode Pengolahan Data
Metode yang digunakan dalam mengolah dan menganalisis data produksi bawang merah yaitu analisis kuantitatif melalui model persamaan regresi linear berganda. Metode ini digunakan karena diharapkan dapat menjelaskan faktor-faktor yang berhubungan nyata dan tidak berhubungan nyata terhadap produksi bawang merah di gabungan kelompok tani Maju Bersama, desa Kupu kecamatan Wanasari, kabupaten Brebes. Alat atau instrument perhitungan yang digunakan
dalam penelitiaan ini yaitu cara komputerisasi dengan menggunakan software Excell danStatistical Product for Service Solution(SPSS).
Suyanto (2004) menjelaskan bahwa analisis regresi linear berganda digunakan untuk menganalisis pengaruh lebih dari satu variable independen terhadap variable dependen. Persamaan umum regresi linear berganda adalah sebgai berikut:
Y= a0+ b1X1+ b2X2+ b3X3+ b4X4+ b5X5+ b6X6+ e Tabel 2. Keterangan
Variabel Kode Variabel Skala
Pengukuran Dependen Y Output Kg Independen X1 X2 X3 X4 X5 X6 a b e Luas Lahan Bibit Tenaga Kerja Pupuk PestisidaCair PestisidaPadat Konstanta Koefisien Pengaruh galat atau residu Ha Kg HOK Kg ml Kg
1.0 0.8 0.6 0.4 0.2 0.0
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0 E xp ect ed C u m P ro b
Normal P-P Plot of Regression Standardized Residual
b. Multikolinearitas
Suatu variabel menunjukan gejala multikolinearitas bisa dilihat dari nilai VIF (Variance Inflation Factor) yang tinggi pada variabel-variabel bebas suatu model regresi dan nilai toleransi yang rendah. Uji VIF ini untuk melihat apakah nilai VIF (Variance Inflation Factor) untuk masing-masing variabel lebih >10 atau tidak. Bila nilai VIF lebih besar dari 10 maka diindikasikan model tersebut memiliki gejala multikolinearitas. Berikut merupakan hasil pengolahan SPSS 14 pada pengujian multikolonearitas.
Tabel 3. Uji Multikolinearitas
Model Tolerance VIF
(Costant) Luas lahan (X1) Bibit (X2) Tenaga kerja (X3) Pupuk (X4) pestisida Cair (X5) Pestisida Padat (X6) .041 .044 .129 .171 .562 .563 24.577 22.904 7.761 5.835 1.779 1.776
Dependent Variabel: LnY
Hasil pengujian pada tabel 3, menunjukan bahwa tenaga kerja (X3), pupuk (X4), pestisida cair (X5), pestisida padat (X6) menunjukan nilai
tolerance lebih > 0,1 yang berarti variabel-variabel tersebut tidak terjadi multikolinearitas. Namun, luas (X1) dan bibit (X2) memiliki nilai tolerance
<0.10 yang berarti variable-variabel tersebut terjadi multikolinearitas. jika dilihat dari nilai VIF, hasilnya pun sama seperti yang dilihat dari nilai
tolerance, yaitu tenaga kerja (X3), pupuk (X4), pestisida cair (X5), pestisida
padat (X6) memiliki nilai VIF < 10 yang berarti variable-variabel tersebut tidak terjadi multikolinearitas. sedangkan luas (X1) dan bibit (X2) memiliki nilai VIF > 10 yang berarti variable-variabel tersebut terjadi multikolinearitas.
c. Heteroskedastisitas
Dalam persamaan regresi berganda perlu juga diuji mengenai sama atau tidak varians dari residual dari observasi yang satu dengan observasi yang lain. Jika residualnya mempunyai varians yang smaa disebut terjadi Homoskedastisitas dan jika variansnya tidak sama/ berbeda disebut Heteroskedastisitas (Sunyoto, 2012).
Analisis uji asumsi heteroskedastisitas hasil output SPSS melalui grafik scatterplot antara Z prediction (ZPRED) yang merupakan variabel bebas (sumbu X = Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat (sumbu Y = Y prediksi ─ Y riil). Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah maupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang teratur. Heteroskedastisitas terjadi jika pada scatterplot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang (Sunyoto, 2012).
2.5 0.0
-2.5
Regression Standardized Predicted Value
5 4 3 2 1 0 -1 -2 R eg ressi o n S tu d en ti z ed D el et ed (P ress) R esi d u al Scatterplot
3.5.2 Analisis Regresi Linear Berganda
Analisis regresi linear berganda dilakukan untuk menguji pengaruh dari variabel independen dengan variabel dependen dalam penelitian yang dilakukan, yaitu dengan cara:
a. Uji Serentak Seluruh Parameter Dugaan (Uji FHitung)
Uji FHitungmerupakan pengujian untuk mengetahui angka pengaruh variabel independen terhadap variabel dependen secara bersama-sama.
Uji F dapat dihitung dengan rumus sebagai berikut:
R2: k Fn =
(1 - R2) : (n - k- 1)
Apabila : H0 : b1 = 0, berarti seluruh variabel independen dalam model
tidak berpengaruh nyata terhadap variabel dependen.
Apabila : H1 : b1≠0, berarti seluruh variabel independen dalam model berpengaruh nyata terhadap variabel dependen.
Kriteria uji :
H0ditolak apabila : Fhitung> Ftabel, derajat bebas tertentu
H1diterima apabila : Fhitung> Ftabel, derajat bebas tertentu
Uji F Hitung digunakan untuk mengetahui apakah semua variabel bebas (luas lahan, bibit, tenaga kerja, pupuk, pestisida cair, dan pestisida padat) pada penelitian ini secara bersama-sama mempunyai pengaruh yang nyata terhadap variabel terikat (produksi bawang merah) di Gapoktan
Maju Bersama. Uji ini membandingkan antara nilai F Hitungdengan F Tabel,
yaitu:
H0ditolak jika FHitung> FTabel
H0diterima jika FHitung< FTabel b. Pengujian Individu (Uji t)
Pengujian individu (Uji t) digunakan untuk menguji apakah nilai koefisien regresi mempunyai pengaruh yang signifikan.
Hipotesis dari pengujian secara individu, yaitu: H0= βi= 0
H1= βi≠ 0, i = 1,2,3,4,5
Statistik pengujian yang digunakan, yaitu:
tHitung=
( )
Denganstdev(βi) = ( ) σ2
Selanjutnya, nilai tHitung dibandingkan dengan nilai t(α/2,n-k), dengan
keputusan (Setiawan dan Kusrini, 2010):
a). Apabila nilai tHitung > t(α/2,n-k), maka H0 akan ditolak. Artinya,
variabel independen ke-i memberikan pengaruh yang signifikan terhadap variabel respons.
b). Apabila nilai tHitung < t(α/2,n-k), maka H0 akan diterima. Artinya,
variabel independen ke-i tidak memberikan pengaruh yang signifikan terhadap variabel respons.
c. Uji Koefisien Determinsi (R2)
Koefisien determinasi (R2) merupakan angka yang menunjukan besarnya variabel terikat dapat dijelaskan oleh variabel bebs secara bersama-sama. Rumus dari uji R2adalah sebagai berikut:
R2= ( )
( )
Irianto (2004) menjelaskan bahwa R2 mempunyai interval dari 0 sampai 1. Semakin besar nilai R2(mendekati 1), maka semakin baik hasil model regresi tersebut. Semakin mendekati 0, maka variabel independen secara keseluruhan tidak dapat menjelaskan variabel dependen.
3.5.3 Elastisitas Produksi Cobb Douglas
Soekartawi (2003) menyatakan bahwa fungsi Cobb Douglas adalah suatu fungsi atau persamaan yang melibatkan dua atau lebih variabel, dimana variabel yang satu disebut dengan variabel dependen, yang dijelaskan (Y), dan yang lain disebut variabel indepeden, yang menjelaskan (X). Hubungan antara Y dan X adalah biasanya dengan cara regresi dimana variasi dari Y akan dipengaruhi oleh variasi dari X. Kaidah-kaidah pada garis regresi juga berlaku dalam penyelesaian fungsi Cobb Douglas. Secara sistematik, fungsi Cobb Douglas dapat dituliskan seperti persamaan (1).
Y = aX1b1X2b2. . . Xibi. . .Xnbneu…………. (1)
Bila fungsi Cobb Douglas tersebut dinyatakan oleh hubungan Y dan X, maka:
Y = f(X1,X2, . . ., Xi, . . ., Xn) ……… (2) Dimana: Y = variabel yang dijelaskan
X = variabel yang menjelaskan a,b = besaran yang akan diduga u = kesalahan (disturbance term) e = logaritma natural
Memudahkan pendugaan terhadap persamaan 1, maka persamaan tersebut diubah menjadi bentuk linear berganda dengan cara melogaritmakan persaman tersebut. Persamaan 1 dituliskan kembali untuk menjelaskan hal ini, yaitu:
Y = f(X1.X2) Dan
Y = aX1b1X2b2eu ……… (3a)
Logaritma dari persamaan tersebut adalah Log Y = log a + b1log X1+ b2log X2+ v
Y = a + b1X1+b2X2+ v ………. (3b)
Dimana: Y = log Y X = log X v = log v
a = log a
Persamaan (3b) dapat dengan mudah diselesaikan dengan cara regresi berganda. Pada persamaan tersebut terlihat bahwa nilai b1 dan b2 adalah tetap walaupun variabelyang terlibat telah dilogaritmakan. Hal ini dimengerti karena b1 dn b2 pada fungsi Cobb Douglas adalah sekaligus menunjukan elastisitas X terhadap Y.