Metode Regresi Linear - Metode dan Prosedur Analisis Data

IV METODE PENELITIAN

4.4 Metode dan Prosedur Analisis Data

4.4.2 Metode Regresi Linear

Model regresi linear berganda menurut Juanda (2009) adalah fungsi linear dari beberapa peubah bebas X1, X2,..., Xk dan komponen sisaan error. Analisis data menurut Kurniawan (2008) mempunyai tiga fungsi, yaitu untuk tujuan deskripsi dari fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, dan untuk tujuan prediksi.

Analisis regresi digunakan untuk menganalisis faktor-faktor yang mempengaruhi harga permintaan urea dan produksi padi.Analisis ini digunakan untuk membuat model pendugaan terhadap nilai-nilai parameter yang

menjelaskan hubungan antar variabel penjelas dan variabel respon. Model regresi yang digunakan adalah regresi berganda dengan model double log. Parameter regresi diduga dengan metode pendugaan OLS (Ordinary Least Square). Adapun sifat-sifat OLS menurut Gujarati (2003), penaksiran OLS tidak bias, penaksiran OLS mempunyai varian yang minimum, konsisten, efisien dan linier. Metode double log dengan metode pendugaan OLS, dimaksudkan untuk melihat model pendugaan secara statistik. Salah satu ciri dari model double log yaitu koefisien kemiringan nilai koefisien dugaan mengukur elastisitas variabel tak bebas dengan variabel bebas.

Persamaan double log untuk persamaan permintaan Urea dapat ditulis dalam bentuk sebagai berikut:

LnPPUi = β0 + β1LnPUi + β2LnPNi + β3LnPHDi + β4LnLLHi + ei, ... (4.3)

Hipotesis: β1, β2,β3, dan β4 > 0 Dimana:

PPUi : total permintaan pupuk urea pada harga ke-i PUi : harga urea-i

PNi : harga NPK-i PHD_i : harga gabah padi-i

LLH_i : penggunaan lahan dengan jumlah-i

Persamaan untuk produksi padi dapat ditulis sebagai berikut:

LnPPi = β0 + β1LnPPKUi + β2LnPPKNi + β3LnTTKi + β4LnLLH + β5LnBBTi

+β6LnD1ei ... (4.4)

Hipotesis: β1, β2,β3, β4, β5 dan β6> 0 Dimana:

PPi : total produksi padi pada penggunaan pupuk dengan jumlah-i PPKUi : harga pupuk urea-i

PPKN_i: harga pupuk NPK-i

TTKi : penggunaan tenaga kerja dengan jumlah-i LLHi : penggunaan lahan dengan jumlah-i

BBT_i : penggunaan bibit atau benih dengan jumlah-i

D1_i : penggunaan dummy bibit dengan jumlah-i (1=ciherang, 0=non ciherang)

Dalam penelitian ini terdapat dua regresi yaitu regresi yang melihat respon penggunaan pupuk terhadap perubahan harga, dan respon produksi padi terhadap perubahan faktor-faktornya meliputi luas lahan, pupuk, tenaga kerja, benih atau bibit, dandummy benih. Pada uji statistika ini dilihat nilai koefisien determinasi

29 (R-squared), nilai probabilitas F-statisik, serta uji t yang berdasarkan nilai probabilitas masing- masing variabel indenpendennya yang dibandingkan dengan taraf nyata yang digunakan yaitu 10 persen. Pengujian terhadap kriteria ekonometrika adalah berdasarkan pada pelanggaran asumsi dalam metode OLS. Penyimpangan yang terjadi terhadap asumsi BLUE (Best Linier Unbiased Estimator) akan menyebabkan estimasi terhadap nilai yang diukur menjadi tidak valid. Pada kriteria ekonometrika yang digunakan ialah dengan melihat adanya multikolinieritas dan heteroskedastisitas. Gujarati (2006) menjelaskan serangkaian evaluasi model dapat dilakukan sebagai berikut:

4.4.2.1 Goodness of Fit

Besranya nilai koefisien determinasi (R₂) dihitung untuk mengetahui seberapa jauh keragaman permintaan urea dan produksi padi yang dapat diterangkan oleh variabel penjelas yang telah dipilih. Jika nilai R₂ semakin tinggi, maka akan semakin baik model karena semakin besar keragaman permintaan urea dan produksi padi yang dapat dijelaskan oleh variabel penjelas. Rumus koefisien determinasi dapat dituliskan sebagai berikut:

4.4.2.2 Uji F

Uji F dilakukan untuk mengetahui apakah variabel-variabel bebas secara serempak berpengaruh nyata pada variabel tidak bebasnya.F_hit dalam uji F dihitung dengan menggunakan Minitab 14. Sedangkan F_tabel dihitung dengan menggunakan rumus Ft_abel = Fk, n-k-i, α.

Kriteria uji F adalah sebagai berikut:

Tolak H0 jika Fhit> Ftabel atau p-value< α (taraf nyata). Hal ini berarti terdapat minimal satu parameter tidak nol dan berpengaruh nyata terhadap keragaman variabel tak bebas.

Terima H0 jika Fhit< Ftabel atau p-value> α (taraf nyata). Hal ini berarti bahwa secara bersamaan variabel yang digunakan tidak dapat menjelaskan keragaman dari variabel tak bebas secara nyata.

4.2.2.3 Uji-t

Uji-t dilakukan untuk mengetahui apakah variabel bebas secara parsial berpengaruh terhadap variabel terikat. Uji ini juga dilakukan untuk mengetahui keabsahan dari hipotesis dan membuktikan apakah koefisien regresi signifikan atau tidak secara statistik.

Hipotesis : H0 : β = 0 H1 : β ≠ 0

Statistik uji:

^β

Hasil t_hit dihitung berdasarkan t_tabel (t_tabel= tα/2 (n-2)) Dimana:

b = koefisien regresi parsial sampel

β = koefisien regresi parsial populasi

Sb = simpangan baku koefisien dugaan Teknik pengambilan kesimpulan:

Tolak H0 jika thit > ttabel atau p-value< α (taraf nyata). Hal ini berarti variabel bebas yang digunakan berpengaruh nyata terhadap variabel tak bebasnya.

Terima H0 jika thit < ttabel atau p-value> α (taraf nyata). Hal ini berarti variabel bebas yang digunakan tidak berpengaruh nyata terhadap variabel tidak bebasnya.

4.2.2.4 Uji Kenormalan

Uji normalitas diperlukan untuk mengetahui apakah error term dari data atau observasi yang jumlahnya kurang dari 30 mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Data atau observasi dalam penelitian ini jumlahnya lebih dari 30, oleh karena itu data mendekati sebaran normal sehingga diketahui bahwa statistik t dapat dikatakan sah. Namun, untuk meyakinkan data mendekati sebaran normal perlu dilakukan sebuah uji. Salah satu uji yang dapat dilakukan adalah dengan metode grafik yaitu dengan melihat penyebaran data pada sumber diagonal pada grafik probabiliy plot of residual.

4.2.2.5 Uji Multikolinearitas

Salah satu asumsi dari model regresi berganda adalah bahwa tidak ada hubungan linier sempurna antar peubah bebas dalam model. Jika hubungan tersebut ada, berarti terdapat multikolonieritas. Dengan demikian dapat dikatakan

31 bahwa peubah-peubah bebas tersebut berkolinieritas ganda sempurna sehingga tidak mungkin diperoleh dugaan parameter koefisiennya. Pengujian terhadap ada tidaknya hubungan multikolinieritas dalam sebuah model dapat diketahui melalui uji Marquardt dan dapat dilihat dari nilai VIF (Varian Inflation Factor) pada masing-masing variabel bebas. Jika nilai VIF kurang dari 10 menunjukkan bahwa persamaan tersebut tidak mengalami multikolinieritas.

4.2.2.6 Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk melihat apakah terjadi pelanggaran terhadap asumsi homoskedastisitas atau varians yang sama. Jika varians tidak sama, maka dapat disimpulkan terdapat masalah heteroskedastisitas. Jika terjadi heteroskedastisitas akibatnya pendugaan OLS tidak efisien lagi.Uji yg digunakan yaitu dengan uji Glejser. Jika nilai p-value> alpha maka terima H₀ yang artinya ragam homogen (homoskedastisitas).

4.2.2.7 Uji Autokorelasi

Autokorelasi merupakan gangguan pada fungsi regresi yang berupa korelasi di antara faktor gangguan. Ada beberapa prosedur atau cara untuk mengetahui adanya maslah autokorelasi pada suatu model regresi. Tetapi uji ada tidaknya autokorelasi yang paling banyak digunakan adalah Uji Durbin-Watson (Uji D-W). Uji ini dapat digunakan bagi sampel, baik besar ataupun kecil, tetapi D-W hanya berhasil baik apabila autokorelasinya berbentuk autokorelasi linear order pertama, artinya faktor pengganggu et berpengaruh kepada faktor pengganggu et-1. Untuk itu melihat ada tidaknya autokorelasi, dapat digunakan ketentuan sebagai berikut (Firdaus, 2004).

Tabel 4.3. Uji Autokorelasi

D-W Kesimpulan

Kurang dari 1,10 Ada autokorelasi

1,10 dan 1,54 Tanpa kesimpulan

1,55 dan 2,46 Tidak ada autokorelasi

2,46 dan 2,90 Tanpa kesimpulan

Lebih daro 2,91 Ada autokorelasi

Dalam dokumen Analisis Efektivitas Subsidi Pupuk dan Faktor-Faktor yang Mempengaruhi Produksi Padi (Studi Kasus Desa Hambaro, Kecamatan Nanggung, Kabupaten Bogor) (Halaman 44-49)