METODE PENELITIAN
3.8 Teknik Analisis Data
Dalam upaya pembuktian atas hipotesis yang dibuat maka harus dilakukan pengujian atas hipotesis itu dengan menggunakan metode penelitian yang sesuai. Di dalam penelitian ini terdapat 3 buah variabel bebas dan satu variabel terikat,
yang berarti penelitian ini akan menggunakan regresi berganda (multiple regression).
Teknik analisis data ini dapat digunakan untuk menguji hipotesis pertama, kedua dan ketiga yang ada di dalam penelitian ini. Uji penyimpangan asumsi klasik yang digunakan adalah uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. Sementara untuk hipotesis yang keempat, teknik analisis data yang digunakan adalah analisis dengan metode forecasting
atau peramalan.
Metode analisis-analisis data ini akan menggunakan bantuan software SPSS Statistics 17 dalam pengerjaannya.
3.8.1 Analisis Regresi Linier Berganda
Analisis regresi linier berganda adalah hubungan antara dua atau lebih
variabel independen ( ) dengan variabel dependen (Y) secara
linier. Analisis ini digunakan untuk mengetahui apakah arah hubungan antara variabel-variabel independen dengan variabel dependen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.
Persamaan regresi linier berganda untuk hipotesis pertama, kedua dan ketiga adalah:
Y : Permintaan kol : Konstanta
: Koefisien regresi (nilai peningkatan atau penurunan) : Harga kol
: Total pendapatan konsumen
: Jumlah tanggungan keluarga konsumen : Error term
Berdasarkan model analisis di atas, maka hipotesis yang dapat diambil adalah sebagai berikut:
1. < 0, artinya jika (harga kol) meningkat sebesar 1% maka Y (permintaan kol) akan mengalami penurunan 1%, ceteris paribus.
2. > 0, artinya jika (total pendapatan konsumen) meningkat sebesar 1% maka Y (permintaan kol) akan mengalami kenaikan 1%, ceteris paribus.
3. > 0, artinya jika (jumlah tanggungan keluarga) konsumen meningkat sebesar 1%, maka Y (permintaan kol) akan mengalami kenaikan 1%, ceteris paribus.
Kemudian di dalam analisis regresi linier berganda ini ada analisis-analisis dan uji-uji yang dilakukan untuk menguji hipotesis pertama ini, yaitu:
1. Analisis Korelasi Ganda (R)
Analisis ini digunakan untuk mengetahui hubungan harga kol, total pendapatan konsumen serta jumlah tanggungan keluarga terhadap jumlah
permintaan kol secara serentak. Koefisien nilai R berkisar antara 0 sampai dengan 1. Apabila nilai koefisien semakin mendekati 1 berarti hubungan yang terjadi semakin kuat sedangkan apabila nilai koefisien semakin mendekati 0 maka hubungan yang terjadi semakin lemah. Berikut merupakan interpretasi koefisien korelasi menurut Sugiyono (2012):
- 0,00 – 0,199 = sangat rendah - 0,20 – 0,399 = rendah - 0,40 – 0,599 = sedang - 0,60 – 0,799 = kuat - 0,80 – 1,000 = sangat kuat 2. Analisis Determinasi ( )
Analisis ini digunakan untuk menunjukkan seberapa besar presentase variasi harga kol, total pendapatan konsumen dan jumlah tanggungan keluarga mampu menjelaskan variasi jumlah permintaan kol. Nilai koefisien determinasi adalah antara nol dan satu. Apabila sama dengan 0, maka variasi harga kol, total pendapatan konsumen dan jumlah tanggungan keluarga tidak menjelaskan sedikitpun variasi jumlah permintaan kol. Sebaliknya apabila sama dengan 1, maka variasi harga kol, total pendapatan konsumen dan jumlah tanggungan keluarga menjelaskan 100% variasi jumlah permintaan kol.
3. Uji Koefisien Regresi Secara Bersama-sama (Uji F)
Uji ini dilakukan untuk mengetahui apakah harga kol, total pendapatan konsumen dan jumlah tanggungan keluarga secara bersama-sama berpengaruh secara signifikan terhadap jumlah permintaan kol. Atau untuk mengetahui apakah model regresi dapat digunakan untuk memprediksi jumlah permintaan kol atau tidak. Apabila signifikan maka hubungan yang terjadi dapat berlaku bagi populasi. Hipotesis yang digunakan adalah sebagai berikut:
1. = 0, artinya harga kol, total pendapatan konsumen dan
jumlah tanggungan keluarga konsumen, tidak mempunyai pengaruh yang signifikan terhadap permintaan kol.
2. ≠ 0, artinya harga kol, total pendapatan konsumen dan
jumlah tanggungan keluarga konsumen, mempunyai pengaruh yang signifikan terhadap permintaan kol.
Kriteria pengambilan keputusan untuk menguji hipotesis di atas dengan menggunakan statistik F adalah:
- ditolak dan diterima apabila apabila nilai F hitung > nilai F tabel.
4. Uji Koefisien Regresi Secara Parsial (Uji t)
Uji ini digunakan untuk mengetahui apakah harga kol, total pendapatan konsumen dan jumlah tanggungan keluarga secara parsial berpengaruh signifikan terhadap jumlah permintaan kol. Dalam uji ini digunakan hipotesis sebagai berikut:
1. , artinya harga kol, total pendapatan konsumen dan jumlah tanggungan keluarga secara parsial tidak mempunyai pengaruh yang signifikan terhadap permintaan kol.
2. , artinya harga kol, total pendapatan konsumen dan jumlah tanggungan keluarga secara parsial mempunyai pengaruh yang signifikan terhadap permintaan kol.
Kriteria pengambilan keputusan untuk menguji hipotesis di atas dengan menggunakan statistik t adalah:
- ditolak dan diterima apabila nilai statistik t hitung > nilai statistik t tabel.
- ditolak dan diterima apabila nilai statistik -t hitung < nilai statistik -t tabel.
3.8.2 Uji Penyimpangan Asumsi Klasik
1. Multikolinearitas
Sebuah model regresi dikatakan multikolinearitas apabila terjadi korelasi di antara beberapa atau semua variabel bebasnya. Sebuah model regresi dapat dikatakan baik apabila tidak terjadi korelasi di antara variabel independennya. Untuk mengetahui apakah di dalam suatu model regresi terjadi multikolinearitas adalah dengan melihat korelasi variabel-variabel independen. Apabila terdapat korelasi yang tinggi antar variabel independen (di atas 0,90) maka dapat diindikasikan terjadi multikolinearitas. Selain itu juga dapat
melihat variance inflation factornya (VIF). Apabila VIF > 10 maka terjadi multikiolinearitas.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas berguna untuk melihat apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lain. Disebut heteroskedastisitas apabila varian tidak konstan atau berubah-ubah. Ada beberapa cara yang dapat dilakukan untuk melihat apakah dalam model regresi ada heteroskedastisitas atau tidak.
Salah satu uji statistik yang dapat digunakan untuk menguji ada tidaknya heteroskedastisitas dalam suatu model regresi adalah Uji Spearman. Uji ini dilakukan dengan cara mengkorelasikan nilai absolut residual dengan variabel-variabel independen yang ada. Hipotesisnya adalah sebagai berikut: - : Tidak ada gejala heteroskedastisitas
- : Ada gejala heteroskedastisitas
Kriteria pengambilan keputusan untuk hipotesis di atas adalah, apabila signifikansi berada 5% atau > 0.05 maka diterima dan ditolak.
3. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah ada korelasi antara kesalah pengganggu pada periode t dengan periode t-1. Persamaan regresi dapat dikatakan baik apabila tidak memiliki masalah autokorelasi. Apabila terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak untuk diprediksi. Uji Durbin-Watson (DW) merupakan uji yang digunakan
untuk menentukan tidak adanya masalah autokorelasi dengan ketentuan du < DW* < 4-du dengan tingkat signifikansi 5%.
3.8.3 Metode Forecasting (Peramalan)
Metode peramalan atau forecasting adalah suatu teknik yang dapat digunakan untuk memprediksi nilai yang ada di masa/waktu yang akan datang berdasarkan nilai yang ada di masa lalu. Menurut teknik peramalannya, metode peramalan dibagi kepada dua kategori yaitu, metode peramalan kualitatif dan kuantitatif. Dalam penelitian ini, peneliti menggunakan metode peramalan kuantitatif karena data yang ada merupakan data kuantitafif dari masa lalu. Peramalan kuantitatif ini dapat digunakan dalam suatu penelitian dengan syarat:
1. Ada nilai di masa lalu
2. Nilai tersebut dianggap dapat terus berlanjut di masa yang akan datang 3. Nilai tersebut dapat dikuantitatifkan dalam bentuk kata
Analisis deret berkala (Time Series) merupakan salah satu analisis yang ada dalam metode kuantitatif. Analisis deret berkala biasanya berdasarkan analisa pola hubungan antar variabel waktu dengan variabel yang diramalkan. Metode
Smoothing merupakan salah satu metode yang dapat digunakan untuk meramalkan nilai jangka pendek dalam analisis time series. Teknik dalam metode Smoothing
yang digunakan di dalam penelitian ini adalah teknik Simple Moving Average.
Teknik simple moving average berfungsi untuk menghilangkan efek ketidakteraturan yang ada pada data time series. Teknik ini mengambil nilai-nilai
yang sedang diamati, memberikan rataan dan menggunakan nilai tersebut untuk memprediksi nilai di masa yang akan datang.
Nilai yang akan diramalkan dalam penelitian ini adalah jumlah produksi kol di Kabupaten Karo dimasa yang akan datang. Berikut adalah data produksi kol di Kabupaten Karo pada tahun 2003-2012:
Tabel 3.1 Produksi Kol di Kabupaten Karo Tahun 2003-2012
Tahun Produksi Kol (Ton)
2003 147853 2004 136685 2005 123638 2006 82888 2007 110335 2008 114378 2009 95384 2010 133946 2011 69365 2012 80187
BAB IV