4.5.1. Pengujian asumsi klasik 4.5.1.1. Uji normalitas
Uji normalitas data bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat diketahui melalui 2 cara yaitu analisis grafik dan analisis statistik
Cara mudah untuk melihat normalitas residual adalah dengan melihat probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Selain itu untuk melihat normalitas residual juga dapat dilakukan dengan melihat grafik histogram yang membandingkan antara observasi dengan distribusi normal yang mendekati distribusi normal.
Gambar 4.5. Normal P-Plot of Regression Standardized Residual
Hasil tampilan grafik normal plot pada Gambar 4.5. dapat disimpulkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonalnya. Hal ini menunjukan data residual berdistribusi normal yang hampir sempurna (simetris).
4.5.1.2. Uji multikolinieritas
Uji multikolinieritas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem Multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF (Variance Inflation Faktor) dan Tolerance-nya. Nilai dari VIF yang kurang dari 10 dan tolerance yang lebih dari 0,10 maka menandakan bahwa tidak terjadi adanya gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi tersebut tidak terdapat problem multikolinieritas.
Tabel 4.16. Hasil pengujian multikolinieritas pengaruh peran kepemudaan terhadap pembangunan pertanian berkelanjutan dalam aspek SDA.
Coefficientsa a. Dependent Variable: SDA
Sumber : Di olah dari data primer, 2015.
Hasil analisis dapat diketahui bahwa nilai VIF dan tolerance sebagai berikut, variabel agent of change mempunyai nilai VIF sebesar 2,111 dan tolerance sebesar 0,474. Variabel agent of depelopment mempunyai nilai VIF sebesar 2,731 dan tolerance
sebesar 0,366. Variabel agent of modernization mempunyai nilai VIF sebesar 1,484 dan tolerance sebesar 0,674.
Hasil analisis di atas dapat diketahui nilai toleransi semua variabel independen (agent of change, agent of depelovment dan agent of modernization) lebih dari 0,10 dan nilai VIF kurang dari 10 maka dapat disimpulkan bahwa variabel independennya tidak terjadi multikolinieritas sehingga model tersebut telah memenuhi syarat asumsi klasik dalam analisis regresi, hal ini disebabkan dari ketentuan yang ada bahwa jika nilai VIF
< 10 dan tolerance> 0,10 maka tidak terjadi gejala multikolinearitas dan nilai-nilai yang didapat dari perhitungan adalah sesuai dengan ketetapan nilai VIF dan tolerance.
4.5.1.3. Uji heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat grafik scatterplots.
Gambar 4.6. Grafik scatterplotsSDA
Hasil grafik scatterplots pada Gambar 4.6. menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu yang teratur, hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi. Jadi dapat disimpulkan secara keseluruhan bahwa model regresi memenuhi syarat uji asumsi klasik.
4.5.2. Pengujian hipotesis
4.5.2.1. Hasil uji koefisien determinasi ( R2 )
Koefisien determinasi digunakan untuk menguji goodness-fit dari model regresi yang dapat lihat dari nilai R Square. Untuk mengetahui hubungan peran pemuda sebagai agent of change, agent of depelovment dan agent of modernization dengan pembangunan pertanian lahan pangan berkelanjutan dalam aspek sumber daya alam dapat dilihat melalui besarnya koefisien determinasi.
Tabel 4.17. Hasil pengujian koefisien determinasi (R2)pengaruh peran kepemudaan terhadap pembangunan pertanian berkelanjutan dalam aspek SDA.
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,838a ,703 ,693 1,270
a. Predictors: (Constant), Agent_Of_Modernization, Agent_Of_Change, Agent_Of_Depelopment
b. Dependent Variable: SDA
Sumber : Di olah dari data primer, 2015.
Hasil perhitungan nilai R Square adalah 0,707, hal ini berarti 70,7 persen pembangunan pertanian lahan pangan berkelanjutan dalam aspek sumber daya alam dapat dijelaskan oleh variabel (agent of change, agent of depelovment dan agent of modernization) di atas, sedangkan sisanya yaitu 29,3 persen dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini.
4.5.2.2 Hasil uji simultan (Uji F)
Uji pengaruh simultan digunakan untuk mengetahui apakah variabel independen secara bersama-sama atau simultan mempengaruhi variabel dependen. Untuk lebih jelasnya dapat dilihat pada Tabel 4.18
Tabel 4.18. Hasil pengujian simultan (Uji F)pengaruh peran kepemudaan terhadap pembangunan pertanian lahan pangan berkelanjutan dalam aspek SDA.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 350,802 3 116,934 72,474 ,000b
Residual 148,438 92 1,613
Total 499,240 95
a. Dependent Variable: SDA
b. Predictors: (Constant), Agent_Of_Modernization, Agent_Of_Change, Agent_Of_Depelopment
Sumber : Di olah dari data primer, 2015.
Uji statistik secara simultan ditunjukkan oleh perbandingan nilai F hitung dengan F tabel. Nilai F tabel dengan derajat kepercayaan sebesar 95 persen, adalah sebesar 2,47. Pada Tabel 4.18 di atas terlihat bahwa pada persamaan, F hitung 72,474 adalah lebih besar dari pada F tabel. Tingkat probabilitas 0,000. Maka dapat disimpulkan P = 0,000 < α = 0,05, yang berarti Ha diterima. Ini berarti bahwa variabel independen variabel (agent of change, agent of depelovment dan agent of modernization)secara simultan signifikan dalam menjelaskan pembangunan pertanian lahan pangan berkelanjutan dalam aspek sumber daya alam.
4.5.2.3. Hasil uji parsial (Uji-t)
Pada uji statistik secara parsial dengan nilai t kritis (critical value) pada df = (n-k), dimana n adalah jumlah sampel dan k adalah jumlah variabel independen termasuk
konstanta. Untuk menguji koefisian regresi parsial secara individu dari masing-masing variabel bebas dapat dilihat pada Tabel 4.19.
Tabel 4.19. Hasil pengujian parsial (Uji - t)Pengaruh peran kepemudaan terhadap pembangunan pertanian lahan pangan berkelanjutan dalam aspek SDA.
Coefficientsa a. Dependent Variable: SDA
Sumber : Di olah dari data primer, 2015.
Pada Tabel 4.19 hasil uji statistik t diperoleh, sebagai berikut :
1. Variabel agent of change menunjukan t-hitung = 5,543 dan t-tabel 1,660 dengan tingkat probabilitas 0,000. Dengan demikian dapat disimpulkan P = 0,000 < α = 0,05, maka hipotesis Ho di tolak dan terima hipotesis Ha yang menyatakan variabel agent of change berpengaruh positif signifikan terhadap pembangunan pertanian lahan pangan berkelanjutan dalam aspek sumber daya alam.
2. Variabel agent of depeloment menunjukan t-hitung = 4,053 dan t-tabel 1,660 dengan tingkat probabilitas 0,000. Dengan demikian dapat disimpulkan P = 0,000 < α = 0,05, maka hipotesis Ho di tolak dan terima hipotesis Ha yang menyatakan variabel agent of depeloment berpengaruh positif signifikan terhadap pembangunan pertanian lahan pangan berkelanjutan dalam aspek sumber daya alam.
3. Variabel agent of modernization menunjukan t-hitung = 1,629 dan t-tabel 1,660 dengan tingkat probabilitas 0,107. Dengan demikian dapat disimpulkan P =
0,106 > α = 0,05, maka hipotesis Ho di terima dan hipotesis Ha ditolak yang menyatakan variabel agent of modernization tidak berpengaruh signifikan terhadap pembangunan pertanian lahan pangan berkelanjutan dalam aspek sumber daya alam.
4.6. Pengaruh peran kepemudaan terhadap pembangunan pertanian