BAB V. HASIL DAN PEMBAHASAN
5.2. Pemilihan Model
5.2.2. Regresi Linier Berganda Double Log
Tabel 10. Hasil Analisis Model Regresi Linier Berganda Double Log
Variabel Koefisien X3 = Pendapatan Perkapita X4 = Jumlah Penduduk
Sumber : Lampiran 4
Model yang diperoleh dari hasil regresi di atas adalah:
ln Y = - 6,236 - 0,395 ln X1+ 0,529 ln X2 + 0,278 ln X3 + 1,216 ln X4 + e
Di mana nilai Adjusted R. Square (R2) yang diperoleh adalah sebesar 0,860.
Di antara dua model regresi di atas, dapat diketahui bahwa model regresi linier berganda double log lebih baik dari pada model regresi berganda tanpa log. Hal ini terbukti dari nilai Adjusted R. Square (R2) model regresi double log yang lebih tinggi dari nilai Adjusted R. Square (R2) model regresi tanpa log (0,860 > 0,831).
Oleh karena itu, selanjutnya model yang dipakai adalah model regresi linier berganda double log :
ln Y = - 6,236 - 0,395 ln X1+ 0,529 ln X2 + 0,278 ln X3 + 1,216 ln X4 + e
Keteangan :
ln Y = Jumlah permintaan daging ayam broiler (kg/thn) ln β0 = Nilai konstanta (intercept)
β1s/d β4 = Koefisien regresi variabel bebas ln X1 = Harga daging ayam broiler (Rp/kg) ln X2 = Harga telur ayam ras (Rp/butir) ln X3 = Pendapatan perkapita (Rp) ln X4 = Jumlah penduduk (jiwa) e = Kesalahan pengganggu (error)
5.3. Uji Asumsi Klasik Autokorelasi
Model regresi yang baik adalah model yang tidak terdapat masalah autokorelasi.
Salah satu cara untuk mendeteksi ada tidaknya autokolerasi adalah dengan Uji d Durbin Watson (Durbin-Watson d test) dengan α sebesar 0,05.
Uji autokorelasi dilakukan dengan melihat perbandingan nilai Durbin-Watson hasil perhitungan (dw) dengan nilai Durbin-Watson tabel (dL dan dU). Di mana nilai Durbin-Watson (dw) yang diperoleh dari hasil regresi yaitu sebesar 2,195 (Lampiran 4). Sedangkan nilai dL dan dU dapat dilihat pada tabel Durbin-Watson pada signifikansi 0,05. Dengan n = 14, k = 4, maka digunakan Degree of Freedom (df) yaitu df1 = k = 4 dan df2 = n-k-1 = 9. Sehingga diperoleh nilai dL = 0,2957 dan dU = 2,5881 (Lampiran 7).
Gambar 2. Posisi Koefisien dw pada Uji Autokorelasi
Dapat disimpulkan bahwa nilai dw (Durbin-Watson) sebesar 2,195 terletak pada daerah 4 – dU≤ dw ≤ dU (1,4189 ≤ 2,195 ≤ 2,5811). Hal ini membuktikan bahwa tidak terjadi autokorelasi pada model regresi double log.
Multikolinearitas
Ada tidaknya multikolinearitas dapat diketahui dengan melihat nilai Tolerance dan VIF dari masing-masing variabel seperti terlihat pada tabel berikut:
Tabel 11. Output Collinearity Statistics
Variabel Tolerance VIF
Harga Daging Ayam Broiler 0,291 3,433
Harga Telur Ayam Ras 0,101 9,908
Pendapatan Perkapita 0,230 4,357
Jumlah Penduduk 0,296 3,384
Sumber : Lampiran 4
Dari tabel di atas terlihat bahwa nilai Tolerance masing-masing variabel lebih besar dari 0,1 dan nilai VIF kurang dari 10. Sehingga dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas di dalam model regresi double log.
Daerah
Normalitas
Pengujian normalitas dilakukan dengan menggunakan uji one-sample Kolmogorov-Smirnov. Hasil analisis yang diperoleh sebagai berikut:
Tabel 12. Output Uji Normalitas Menggunakan one-sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 14
Normal Parametersa,b Mean ,0000000
Std. Deviation ,10889970
Most Extreme Differences Absolute ,150
Positive ,150
Negative -,091
Kolmogorov-Smirnov Z ,561
Asymp. Sig. (2-tailed) ,911
a. Test distribution is Normal.
b. Calculated from data.
Dari output Uji Normalitas Menggunakan one-sample Kolmogorov-Smirnov Test diperoleh nilai Asymp. Sig. (2-tailed) (0,911) lebih besar dari signifikansi 0,05.
Hal ini menunjukkan bahwa residual dalam model regresi double log sudah terdistribusi atau menyebar secara normal. Untuk lebih meyakinkan bahwa residual terdistribusi secara normal, dapat dilihat dari scatter plot berikut:
Gambar 3. Scatter Plot Uji Normalitas
Menurut Priyatno (2009), uji normalitas dengan plot memiliki kriteria:
Jika data menyebar di sekitar garis diagonal dan mengikuti arah diagonal, maka model regresi memenuhi asumsi normalitas.
Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Dari gambar scatter plot di atas terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka data terdistribusi dengan normal dan model regresi telah memenuhi asumsi normalitas.
Heteroskedastisitas
Untuk mengetahui ada tidaknya heterokedastisitas dalam model regresi, dapat dilihat pola titik-titik pada scatter plot dari output regresi dan disajikan sebagai berikut:
Gambar 4. Scatter Plot Uji Heterokedastisitas
Dari scatter plot di atas dapat dilihat bahwa titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y. Maka pada model regresi double log tidak terjadi masalah heterokedastisitas.
5.4. Uji Kesesuaian Model (Goodness of Fit) Analisis Koefisien Determinasi (R2)
Dari hasil analisis yang dilakukan diperoleh nilai koefisien determinasi (R2) sebesar 0,903 (Lampiran 4). Hal ini menunjukkan bahwa 90,3% variasi variabel
harga daging ayam broiler, harga telur ayam ras, pendapatan perkapita, dan jumlah penduduk dapat menjelaskan permintaan daging ayam broiler di Sumatera Utara. Kemudian sisanya 9,7% dijelaskan oleh variasi variabel di luar model (variabel yang tidak diteliti).
Uji – F (Uji Simultan)
Berdasarkan hasil analisis permintaan daging ayam broiler di Sumatera Utara dapat diketahui bahwa semua variabel bebas yang dihipotesiskan sebelumnya secara bersama-sama berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara. Hal ini dibuktikan dengan nilai F hitung (20,943) yang lebih besar jika dibandingkan dengan nilai F tabel(3,63) pada taraf kepercayaan (α)=0,05 maka H0 ditolak dan H1 diterima (output tabel ANOVAb Lampiran 4).
Uji – T (Uji Parsial)
1. Harga Daging Ayam Broiler (X1)
Variabel harga daging ayam broiler secara parsial terbukti memiliki pengaruh yang nyata terhadap permintaan daging ayam broiler di Sumatera Utara. Hal ini dibuktikan dengan nilai T hitung (2,528) lebih besar dibandingkan dengan nilai T tabel (2,262) pada taraf kepercayaan (α) = 0,05 maka H0 ditolak dan H1
diterima. Nilai T hitung yang negatif menunjukkan bahwa variabel harga daging ayam broiler mempunyai hubungan yang berbanding terbalik dengan permintaan daging ayam broiler di Sumatera Utara, di mana jika harga daging ayam broiler naik, maka permintaan akan turun, begitu pula sebaliknya.
Hasil ini tidak sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa harga daging ayam tidak berpengaruh nyata terhadap permintaannya.
2. Harga Telur Ayam Ras (X2)
Untuk variabel harga telur ayam ras, nilai T hitung (2,268) lebih besar dibandingkan dengan nilai T tabel (2,262) pada taraf kepercayaan (α) = 0,05 maka H0 ditolak dan H1 diterima. Hal ini menunjukkan bahwa variabel harga telur ayam ras tersebut secara parsial berpengaruh nyata terhadap permintaan daging ayam broiler. Atau dengan kata lain kenaikan harga telur ayam ras sebagai barang substitusi akan meningkatkan jumlah permintaan daging ayam broiler di Sumatera Utara. Hasil ini sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa harga telur ayam berpengaruh nyata terhadap permintaan daging ayam broiler.
3. Pendapatan Perkapita (X3)
Variabel pendapatan perkapita secara parsial tidak memiliki pengaruh yang nyata terhadap permintaan daging ayam broiler di Sumatera Utara. Atau dengan kata lain perubahan pendapatan perkapita tidak terlalu berpengaruh terhadap jumlah permintaan daging ayam broiler di Sumatera Utara. Hal ini dibuktikan dengan nilai T hitung (2,105) yang lebih kecil dibandingkan dengan nilai T tabel (2,262) pada taraf kepercayaan (α) = 0,05 maka H0 diterima dan H1
ditolak. Hasil ini tidak sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa pendapatan perkapita berpengaruh nyata terhadap permintaan daging ayam broiler.
4. Jumlah Penduduk (X4)
Secara parsial, ternyata variabel jumlah penduduk tidak berpengaruh secara nyata terhadap permintaan daging ayam broiler di Sumatera Utara dikarenakan nilai T hitung (0,883) lebih kecil dibandingkan dengan nilai T tabel
(2,262) pada taraf kepercayaan (α) = 0,05 maka H0 diterima dan H1 ditolak.
Atau dengan kata lain perubahan jumlah penduduk tidak terlalu berpengaruh terhadap jumlah permintaan daging ayam broiler di Sumatera Utara. Hasil ini juga tidak sesuai dengan penelitian terdahulu yaitu penelitian Rahmawati (2009) yang menyebutkan bahwa jumlah penduduk berpengaruh nyata terhadap permintaan daging ayam broiler.
Sehingga ringkasan hasil pengujian hipotesis dapat dilihat sebagai berikut:
Tabel 13. Hasil Pengujian Hipotesis Uji-T dengan nilai T tabel (2,262)
Pernyataan Nilai T hitung Keterangan Variabel harga daging ayam broiler secara
parsial berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara
2,528 H0 ditolak H1 diterima Variabel harga telur ayam ras secara parsial
berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara
2,268 H0 ditolak H1 diterima Variabel pendapatan perkapita secara parsial
tidak berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara
2,105 H0 diterima H1 ditolak Variabel jumlah penduduk secara parsial tidak
berpengaruh nyata terhadap permintaan daging ayam broiler di Sumatera Utara
0,883 H0 diterima H1 ditolak