PEMBAHASAN DAN HASIL
3.5 Pengujian Asumsi Klasik
3.5.1 Uji Normalitas
Uji ini merupakan pengujian terhadap normalitas kesalahan pengganggu/error yang digunakan untuk melihat apakah variabel bebas dan variabel terikat mempunyai distribusi normal. Asumsi kenormalan dapat diperiksa dengan menggunakan plot normal P-P Plot sebagai berikut :
Gambar 3.1
3.5.2 Heteroskedastisitas
Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas.Kriterianya adalah sebagai berikut :
a. Jika ada pola tertentu, seperti titik – titik yang ada membentuk suatu pola tetentu yang teratur, maka terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, seperti titik – titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Dapat dilihat bahwa dari plot gambar 4.2 sebaran datar sekitar nilai nol secara acak dan tidak membentu pola tertentu sehingga mengindikasikan bahwa tidak terjadi heteroskedastisitas dalam model regresi.
Gambar 3.2
3.5.3 Uji Multikolinearitas
Multikolinearitas adalah antara variabel independen dalam model memiliki hubungan/korelasi sempurna atau mendekati sempurna (koefisien korelasinya tinggi), pengujian ini dapat dilihat dari nilai VIP pada table hasil SPSS
Tabel 3.7
Coefficientsa
Model Correlations Collinearity Statistics Zero-order Partial Part Tolerance VIF (Constant)
Pupuk 0,960 0,168 0,034 0,041 24,520
Luas Lahan 0,910 0,503 0,118 0,227 4,398 Curah Hujan 0,969 0,485 0,112 0,044 22,912 Hari Hujan 0,772 0,200 0,041 0,360 2,775 a. Dependent Variable: Produksi Padi
Dari tabel diatas terlihat bahwa VIF < 10, maka tidak terjadi multikolinearitas dan Tolerance>0,1, maka tidak terjadi multikolinearitas.
3.5.4 Uji Autokorelasi
Adanya penyimpangan autokorelasi dalam model regresi berarti ada korelasi antara sampel yang diurutkan berdasarkan waktu. Penyimpangan ansumsi ini karena menggunakan data time series.
Konsekuensiadanya autokorelasi dalam suatu model regresi adalah varians sampel tidak dapat menggambarkan varians populasinya.Selain itu model regresi yang dihasilkan tidak dapat digunakan untuk menaksirkan nilai variabel dependen (Y) pada nilai variabel independen tertentu (X).Untuk mendianogsis adanya autokorelasi dalam suatu model regresi dilakukan pengujian terhadap nilai uji Durbin Waston (DW).
Tabel 3.8
Model Summaryb Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin- Watson 1 ,979a ,959 ,943 30850,763 2,784
a. Predictors: (Constant), Hari Hujan, Luas Lahan, Curah Hujan, Pupuk b. Dependent Variable: Produksi Padi
Pada table 3.8 di atas menunjukkan nilai koefisien korelasi ganda (R), koefisien determinasi (R Square), standar error penduga, nilai Durbin Waston, Prosedur pengujianya adalah :
1. Menentukan hipotesa H0 : tidak ada autokorelasi
H1 : ada autokorelasi positif/negatif
2. Menentukan nilai α dan nilai d tabel
Signifikan 5 % pada n = 15 dan k = 4 diperoleh dL= 0,69dan du = 1,98
3. Menentukan criteria pengujian a. Untuk autokorelasi positif
H0diterima jika d >dL dan H1 ditolak jika d <dL serta tidak ada
kesimpulan jika dL <� < du.
b. Untuk autokorelasi negatif
H0diterima jika (4-d) <du dan H1 ditolak jika (4-d) <dL serta tidak ada kesimpulan jika dL <� < du.
4. Menentukan nilai uji statistik
Pada table 3.4 di atas nilai uji statistik diperoleh d = 2,78(nilai Durbin Watson).
5. Membuat kesimpulan
Nilai d = 2,78>dL = 0,69, bararti H1 diterima dapat di ambil kesimpulan
bahwaada terdapat autokorelasi.
3.6 Uji F (uji serentak)
Tabel 3.9 ANOVAa
Pada tabel 3.9 dapat dilihat bahwa nilai Fhitung adalah 43,428 dengan
tingkat signifikansi 0,000. Sedangkan Ftabel pada alpha 5 % adalah3,59. Oleh
karena Fhitung> daripada Ftabel dengan tingkat signifikansi 0,00< 0,05
menunjukkan bahwa pengaruh variabel pupuk, luas lahan, curah hujan , hari hujan secara serentak adalah positif dan signifikan terhadap produksi padi. Hipotesis :
H0 :Tidak ada pengaruh yang signifikan antara pupuk, luas lahan, curah hujan ,hari hujan terhadap produksi padi.
H1 :Adanya pengaruh yang signifikan antara pupuk, luas lahan, curah hujan
,hari hujan terhadap produksi padi.
1. Membandingkan Fhitung dengan Ftabel
Langkah – langkah sebagai berikut :
Model Sum of Squares df Mean Square F Sig.
1
Regression 221.067.682.933,941 4 55.266.920.733,485
43,428 0,000b Residual 12.726.081.084,459 10 1.272.608.108,446
Total 233.793.764.018,400 14 a. Dependent Variable: Produksi Padi
a. Menghitung Fhitung
Fhitung dari SPSS yang diperoleh sebesar 43,428
b. Menghitung Ftabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0.05 dan derajat kebebasan dengan ketentuan numerato: 4 – 1 = 3; dan dumentor : 15 – 4 = 11. Dari ketentuan tersebut diperoleh Ftabel
sebesar 3,59.
c. Menentukan kriteria uji hipotesis Kriteria pengujian :
Jika Fhitung< Ftabel, maka Ho diterima dan H1ditolak
Jika Fhitung> Ftabel, maka Ho ditolak dan H1 diterima
d. Pengambilan keputusan
Dari hasil perhitungan diperoleh angka Fhitungsebesar 43,428> Ftabel
sebesar 3,59sehingga H0 ditolak dan H1 diterima artinya adanya
hubungan yang signifikan antara antara pupuk, luas lahan, curah hujan, hari hujanterhadap produksi padi. Hal ini berarti apabila pupuk(X1),
luas lahan(X2), curah hujan(X3) dan hari hujan(X4)secara bersama-sama mengalami kenaikan maka akan berdampak terhadap produksi padi(Y). Dengan demikian model regresi diatas sudah layak dan benar.
2. Membandingkan angka taraf signifikansi (sig)
Hasil perhitungan dengan taraf signifikansi 0,05 (5%), kriterianya sebagai berikut :
Jika sig penelitian ≤ 0,05 maka H0 ditolak dan H1 diterima.
Jika sig penelitian > 0,05 maka H0 diterima dan H1 ditolak.
Berdasarkan perhitunganangka signifikansi sebesar 0,00< 0,05, maka H0 ditolak dan H1 diterima artinya adanya pengaruh signifikan antarapupuk,
luas lahan, curah hujan, hari hujanterhadap produksi padi.
3.7 Uji F (uji serentak)
Dilakukan untuk menguji setiap variabel bebas (X1, X2, X3dan X4) apakah
Tabel 3.10 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) - 68619,650 90389,802 -0,759 0,465 Pupuk 7,490 14,233 0,202 0,526 0,610 Luas Lahan 0,036 0,287 0,012 0,126 0,902 Curah Hujan 2204,602 1047,968 0,709 2,104 0,062 Hari Hujan 4218,334 8379,061 0,080 0,503 0,626
a. Dependent Variable: Produksi Padi
Jika thitung< ttabel, maka H0 diterima dan H1 ditolak
Jika thitung> ttabel, maka H0 ditolak dan H1 diterima
Berdasarkan tabel 3.11, maka hasil uji t pada penelitian ini dapat dijelaskansebagai berikut:
a. Variabel pupuk
H0 :Tidak ada hubungan yang signifikan antara pupuk dengan prodiksi padi.
H1 : Ada hubungan yang signifikan antara pupuk dengan prodiksi padi.
Pada variabel pupuk berpengaruh secara positifdan tidaksignifikan terhadap produksi padi. Hal ini terlihat dari nilai signifikan (0,610) lebih besar dari 0,05, dan nilai thitung (0,526) < ttabel (2,23), artinya jika ditingkatkan variabel pupuk1 kg
maka produksi padi tidak akan berkurang7,490 Kg. b. Variabel kelembaban luas panen
H0 : Tidak ada hubungan yang signifikan antara luas panendengan produksi
padi.
H1 : Ada hubungan yang signifikan antara luas panen dengan produksi padi.
Pada variabel luas panen berpengaruh secara positif dan tidak signifikan terhadap produksi padi. Hal ini terlihat dari nilai signifikan (0,902) lebih besar dari 0,05, dan nilai thitung (0,012) <ttabel (2,23), artinya jika ditingkatkan variabel
luas panen udara sebesar 1 mmakaproduksi paditidak akan bekurang sebesar 0,036kg.
c. Variabel curah hujan
H0 : Tidak ada hubungan yang signifikan curah hujan dengan produksi padi.
H1 : Ada hubungan yang signifikan antara curah hujan dengan produksi padi.
Pada variabel curah hujan berpengaruh secara positif dan signifikan terhadap produksi padi. Hal ini terlihat dari nilai signifikan (0,062) lebih kecil dari 0,05, dan nilai thitung (2,104) < ttabel (2,23), artinya jika ditingkatkan variabel curah
hujan sebesar 1 mm maka produksi padi akan meningkat sebesar 2204,602kg. d. Variabel hari hujan
H0 : Tidak ada hubungan yang signifikan antara hari hujan dengan produksi
padi.
H1 : Ada hubungan yang signifikan antara hari hujan dengan produksi padi.
Pada variabel hari hujan berpengaruh secara positif dan tidak signifikan terhadap produksi padi. Hal ini terlihat dari nilai signifikan (0,626) lebih besar dari 0,05, dan nilai thitung(0,503) > ttabel
(-2,03), artinya jika ditingkatkan variabel hari hujan sebesar 1ohari maka produksi padi tidak akan berkurang 4218,334kg.
e. Konstanta sebesar -68.619,650, artinya walaupun variabel bebas bernilai nol maka produksi padi berkurang-68.619,650.
BAB 4