ANALISIS JUMLAH PENAWARAN SAPI POTONG DI PASAR TERNAK PALANGKI KECAMATAN IV NAGARI KABUPATEN SIJUNJUNG
DENGAN MENGGUNAKAN ANALISIS REGRESI LINEAR BERGANDA
TUGAS AKHIR
Untuk Memenuhi Sebagian Persyaratan Memperoleh Gelar Ahli Madya
OLEH RAHMA WITA
NIM. 58719
PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA
FAKUTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI PADANG
2013
i ABSTRAK
Rahma Wita : Analisis Jumlah Penawaran Sapi Potong di Pasar Ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung dengan Menggunakan Analisis Regresi Linier Berganda.
Pasar Ternak Palangki merupakan salah stu pasar ternak yang berada di Kenagarian Palangki Kecamatan IV Nagari Kabupaten Sijunjung. Pasar ternak ini menjadi salah satu sumber pendapatan masyarakat Nagari Palangki untuk meningkatkan perekonomiannya. Pasar Ternak Palangki merupakan pasar ternak regional yaitu pasar ternak terbesar di Pulau Sumatera. Ternak yang masuk dan para pedagang di pasar ternak Palangki berasal dari berbagai daerah. Namun terkadang pedagang sapi potong di pasar ternak Palangki mengalami kerugian karena ada faktor-faktor yang mempengaruhi jumlah penawaran sapi potong seperti harga jual, harga pakan dan biaya pemeliharaan. Maka perumusan masalah pada penelitian ini adalah Bagaimana model regresi linear berganda yang menggambarkan faktor-faktor apa saja yang mempengaruhi jumlah penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung.
Data yang digunakan dalam penelitian ini adalah data primer yaitu kuesioner yang diisi oleh pedagang sapi potong di Pasar Ternak Palangki sebagai responden.
Data yang diperoleh dideskripsikan setelah dilakukan penerapan dari analisis regresi linier berganda. Berdasarkan hasil penelitian diperoleh model dari faktor- faktor yang mempengaruhi jumlah penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung menggunakan analisis regresi linier berganda adalah : ŷ = 2,29 + 0,0620 X1 – 0,989 X2.
Dengan demikian faktor yang memiliki pengaruh terhadap jumlah penawaran sapi potong di Pasar Ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung adalah harga sapi (X1) dan harga pakan (X2).
ii
KATA PENGANTAR
Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa atas segala rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan judul “Analisis Jumlah Penawaran Sapi Potong di Pasar Ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung dengan Menggunakan Analisis Regresi Linier Berganda”.
Penulisan Tugas Akhir ini disusun untuk memenuhi salah satu persyaratan memperoleh gelar Ahli Madya pada Program Statistika Jurusan Matematika FMIPA UNP. Dalam penulisan Tugas Akhir ini, penulis banyak mendapat bantuan yang bersifat membangun. Dalam kesempatan ini, penulis mengucapkan terimakasih kepada :
1. Bapak Drs. Atus Amadi Putra, M.Si, Dosen Pembimbing sekaligus Penasehat Akademis yang telah memberikan bimbingan dan dorongan dalam menyelesaikan Tugas Akhir ini.
2. Bapak Drs. Lutfian Almash, MS dan Bapak Suherman, S.Pd, M.Si Dosen Penguji Tugas Akhir.
3. Ibu Dra. Nonong Amalita, M.Si, Ketua Program Studi Statistika Jurusan Matematika FMIPA UNP.
4. Ibu Dr. Armiati, M.Pd, Ketua Jurusan Matematika FMIPA UNP.
5. Bapak-bapak dan Ibu-ibu dosen Jurusan Matematika FMIPA UNP.
6. Orangtua yang telah memberikan semangat, nasehat, materi, dan do’a dalam menyelesaikan Tugas Akhir ini.
iii
7. Pedagang Sapi Potong di Pasar Ternak Palangki yang telah bersedia menjadi responden.
8. Rekan-rekan seperjuangan Statistika 2010 dan semua pihak yang telah membantu dalam penyelesaian Tugas Akhir ini.
Semoga segala bimbingan, bantuan, dan motivasi yang telah diberikan menjadi amal kebaikan dan mendapat balasan dari Tuhan Yang Maha Esa.
Penulis menyadari Tugas Akhir ini masih jauh dari kesempurnaan. Untuk itu segala kritikan dan saran yang bersifat membangun sangat diharapkan demi mencapai kesempurnaan Tugas Akhir ini. Akhir kata penulis berharap semoga Tugas Akhir ini dapat memberikan sumbangan pemikiran positif bagi setiap pembaca.
Padang, Agustus 2013
Penulis
iv DAFTAR ISI
Halaman
ABSTRAK ... i
KATA PENGANTAR ... ii
DAFTAR ISI ... iv
DAFTAR TABEL ... vi
DAFTAR GAMBAR ... vii
DAFTAR LAMPIRAN ... viii
BAB I PENDAHULUAN A. Latar Belakang Masalah ... 1
B. Rumusan Masalah ... 5
C. Pertanyaan Penelitian ... 5
D. Tujuan Penelitian ... 5
E. Manfaat Penelitian... 5
BAB II KAJIAN TEORI A. Penawaran ... 7
1. Harga Jual ... 8
2. Harga Pakan ... 9
3. Biaya Pemeliharaan ... 11
B. Sapi Potong ... 11
C. Regresi Linear Berganda... 12
D. Pembentukan Model ... 28
BAB III METODOLOGI PENELITIAN A. Jenis Penelitian ... 32
B. Jenis dan Sumber Data ... 32
C. Populasi dan Sampel ... 32
1. Populasi ... 32
2. Sampel... 32
D. Variabel-variabel dalam Penelitian ... 33
v
E. Instrumen Penelitian dan Teknik Pengumpulan Data ... 33
F. Teknik Analisa Data ... 34
BAB IV Hasil dan Pembahasan A. Hasil Penelitian ... 36
B. Pembahasan... 44
BAB V PENUTUP A. Kesimpulan ... 46
B. Saran ... 46
DAFTAR PUSTAKA ... 47
LAMPIRAN ... 48
vi
DAFTAR TABEL
Tabel Halaman 1. Tabel ANAVA ... 17 2. Nilai S2, dan Cp Mallows dari Masing-masing Model ... 41 3. Calon Persamaan Terbaik ... 42 4. Nilai VIF Masing-masing Variabel Pengaruh pada
Calon Persamaan Terbaik ... 43
vii
DAFTAR GAMBAR
Gambar Halaman 1. Plot Sebaran Data yang Menunjukkan Dua Variabel
Memiliki Hubungan yang Linier dan Tidak Linier ... 16 2. Plot Sebaran Data yang Bersifat Autokorelasi
dan Non Autokorelasi ... 20 3. Plot Sebaran Data yang Bersifat Homoskedastisitas dan
Heteroskedastisitas ... 22 4. Diagram Flowchart dari Proses Pembentukan Model ... 29
viii
DAFTAR LAMPIRAN
Lampiran Halaman
1. Kuesioner Penelitian ... 48
2. Tabulasi Hasil Penelitian dari Responden... 50
3. Regression Analysis : Y versus X1, X2, X3 ... 51
4. Residual Plots for Y ... 52
5. Scatterplots of Y vs X1, X2, X3 dan Probability Plot of RESI1 ... 53
6. Regression dan Stepwise dari Kombinasi yang Mungkin ... 54
7. Tabel F ... 61
8. Tabel t... 62 .
1 BAB I PENDAHULUAN
A. Latar Belakang Masalah
Pertumbuhan penduduk dari tahun ke tahun yang terus meningkat menyebabkan kebutuhan terhadap konsumsi sehari-hari terus mengalami peningkatan setiap tahunnya. Menurut Purwanto (2002: 2) pertumbuhan populasi penduduk, urbanisasi, serta pertumbuhan pendapatan masyarakat di negara berkembang termasuk Indonesia dalam dua dasawarsa ini akan berimplikasi terhadap peningkatan kebutuhan pangan termasuk produk peternakan secara nyata. Peningkatan kebutuhan pangan bukan hanya disebabkan oleh meningkatnya jumlah penduduk dan pendapatan, tetapi juga disebabkan oleh perubahan pola konsumsi masyarakat dari protein nabati ke protein hewani serta kesadaran terhadap gizi masyarakat juga meningkat. Dengan perubahan tersebut menjadi kesempatan bagi masyarakat untuk meningkatkan pendapatan dan taraf hidupnya. Salah satu sumber protein hewani dapat kita peroleh dari daging sapi.
Salah satu pasar ternak yang terdapat di Sumatera Barat adalah Pasar Ternak Palangki di Kenagarian Palangki Kecamatan IV Nagari Kabupaten Sijunjung. Di Kenagarian ini terdapat banyak pedagang sapi potong, yang sebagian besar berasal dari penduduk Nagari Palangki dan sebagian lainnya berasal dari luar Nagari Palangki. Pasar ternak ini menjadi salah satu sumber pendapatan masyarakat Nagari Palangki untuk meningkatkan perekonomiannya.
Hal ini dapat dilihat dari besarnya keinginan masyarakat dalam melakukan usaha penjualan sapi potong untuk memenuhi konsumsi daging sapi. Pasar ternak
2
Palangki sudah ada sejak tahun 1995. Menurut Direktorat Jendral PPHP Departemen Pertanian, pasar ternak Palangki merupakan pasar ternak regional yaitu pasar ternak terbesar di Pulau Sumatera. Pada pasar ternak ini, tidak hanya sapi yang diperjual belikan tetapi juga ada kerbau.
Dari observasi yang penulis lakukan, ternak yang masuk di pasar ternak palangki berasal dari berbagai daerah seperti: Pesisir selatan, Payakumbuh, Batu Sangkar, Padang Panjang, Pariaman, Riau, Aceh, Palembang, Lampung dan Medan. Sedangkan para pedagang di Pasar ternak Palangki berasal dari dalam Propinsi dan juga ada yang dari luar Propinsi seperti: Payakumbuh, Batu Sangkar, Sawahlunto, Padang Panjang, Pariaman, Pesisir Selatan, Solok, Dharmasraya, Agam, Bukittinggi, 50 Kota, Lampung, Palembang, Jambi, Riau, Medan, Bengkulu, Aceh dan Jawa.
Transaksi jual beli ternak di pasar ternak Palangki hampir setiap hari terjadi, namun pada hari sabtu jumlah transaksi sangat meningkat karena pada hari sabtu merupakan pasar besarnya. Dan menjelang perayaan hari besar jumlah transaksi yang terjadi akan meningkat. Dinas Peternakan dan Perikanan Kabupaten Sijunjung (2012) menyatakan bahwa selain hari raya kurban jual beli berkisar 350 hingga 400 ekor setiap minggunya. Namun menjelang memasuki hari raya kurban, tentunya permintaan akan sapi potong meningkat ini berarti penjualan meningkat.
Saat jual beli sering terjadi penawaran. Penawaran tidak hanya dipengaruhi oleh harga barang itu sendiri, tetapi juga dipengaruhi oleh faktor lain
3
selain harga. Faktor-faktor yang mempengaruhi penawaran adalah harga barang itu sendiri, harga faktor produksi, harga barang lain yang terkait, tujuan perusahaan, kebijakan pemerintah, jumlah penjual/pedagang (Rahardja dan Manurung dalam Putri, 2011: 3).
Penawaran yang diberikan oleh pedagang sapi potong kepada pembeli adalah berupa harga yang sesuai dengan harga pasar, harga jual dan harga pakan.
Dari observasi yang dilakukan penulis, pedagang sapi terkadang mengalami kerugian dikarenakan sapi yang dibeli tidak langsung terjual sehingga pedagang harus merawat sapi, menginapkan sapi di kandang inap pasar ternak Palangki dan membeli makanannya sampai sapi itu terjual. Makanan sapi yang diberikan harus diperhatikan kualitasnya. Ini akan berdampak pada perubahan harga pada saat pedagang tersebut menjual sapinya. Selain itu, meningkatnya kesadaran masyarakat akan makanan yang bernilai gizi tinggi akan berdampak pada tingginya permintaan masyarakat akan daging sapi maka harga sapi pun juga akan meningkat. Jadi, dari permasalahan diatas, faktor yang mempengaruhi penawaran sapi potong yaitu harga jual, harga pakan dan biaya pemeliharaan.
Untuk mengetahui pengaruh dari faktor penentu penawaran tersebut, salah satu analisis statistika yang digunakan untuk menentukan faktor mana yang paling berpengaruh terhadap penawaran sapi potong dalam penelitian ini adalah analisis regresi. Analisis regresi adalah analisis yang digunakan untuk menelaah hubungan antara peubah respon Y dengan satu atau lebih peubah bebas Xi. Menurut Nur Iriawan (2006: 199), model regresi dapat digunakan untuk mengukur kekuatan hubungan antar variabel respon dan prediktor, dan model regresi juga digunakan
4
untuk mengetahui pengaruh suatu atau beberapa variabel prediktor terhadap variabel respon.
Analisis regresi terbagi dua macam yaitu linear dan non linear. Dalam analisis regresi linear terdapat analisis regresi linear sederhana dan analisis regresi linear berganda. Analisis regresi linear sederhana adalah analisis yang membahas hubungan antara dua variabel (Y dan satu peubah bebas X) yang biasanya terletak dalam satu garis lurus. Sedangkan analisis regresi linear berganda adalah suatu model regresi yang memuat lebih dari satu variabel regresor dengan syarat bahwa nilai y berskala kontinu dan antar variabel bebas tidak boleh berkorelasi. Karena dalam penelitian ini menggunakan satu variabel terikat (Y) yaitu Jumlah Penawaran Sapi Potong yang berskala kontinu dan tiga variabel bebas (X) yaitu Harga Jual (X1), Harga Pakan (X2), dan Biaya Pemeliharaan (X3), maka analisis yang tepat digunakan adalah analisis regresi linear berganda.
Berdasarkan uraian diatas, peneliti tertarik untuk mengetahui faktor yang mempengaruhi jumlah penawaran sapi potong, sehingga diberi judul “Analisis Jumlah Penawaran Sapi Potong di Pasar Ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung”.
B. Rumusan Masalah
Berdasarkan uraian diatas, maka rumusan masalah dari penelitian ini adalah “Bagaimana model regresi linear berganda yang menggambarkan faktor- faktor apa saja yang mempengaruhi jumlah penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung”.
5 C. Pertanyaan Penelitian
1. Apa model regresi linear berganda dari faktor-faktor yang mempengaruhi jumlah penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung?
2. Faktor-faktor apa yang paling mempengaruhi jumlah penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung?
D. Tujuan Penelitian
Adapun tujuan penelitian ini adalah sebagai berikut:
1. Mengetahui bentuk model regresi linear berganda dari faktor-faktor yang mempengaruhi jumlah penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung.
2. Mengetahui faktor-faktor yang paling mempengaruhi jumlah penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung.
E. Manfaat Penelitian
Manfaat yang diharapkan dari penelitian:
1. Bagi Pedagang Sapi Potong, agar dapat meningkatkan jumlah penawaran sapi potong sehingga menambah penghasilan dan dapat mensejahterakan keluarganya.
2. Bagi pembaca, sebagai referensi dan dapat menambah pengetahuan pembaca tentang faktor-faktor yang mempengaruhi jumlah penawaran sapi potong.
6
3. Bagi penulis, dapat menambah kemampuan dan ilmu penulis dalam menerapkan ilmu statistika yang diperoleh di bangku kuliah.
4. Bagi peneliti selanjutnya, dapat dijadikan sebagai bahan referensi dalam melakukan penelitian lanjutan tentang faktor-faktor yang mempengaruhi jumlah penawaran sapi potong.
7 BAB II KAJIAN TEORI
A. Penawaran
Terdapatnya permintaan belum merupakan syarat yang cukup untuk mewujudkan transaksi dalam pasar, permintaan dapat terwujud apabila para produsen penjual dapat menyediakan penawaran barang-barang yang dibutuhkan.
Dalam ilmu ekonomi jumlah barang yang ditawarkan oleh produsen dengan harga tertentu serta tempat tertentu dinamakan supply (Teken dan Asnawi, 1977 dalam Chris, 1979).
Penawaran tergantung dari jumlah barang yang dipasarkan sedangkan permintaan tergantung dari kegunaan barang tersebut (Stoiner dan Harge, 1957).
Menurut Kadariah (1978), jika permintaan ditentukan oleh kegunaan barang maka penawaran ditentukan oleh kelangkaan (scarcity). Selanjutnya dikatakan bahwa sesuatu benda adalah langka karena jumlah yang ditawarkan adalah kurang dibandingkan dengan jumlah yang diminta. Menurut Rosyidi (203:289) penawaran adalah suatu faktor yang menunjukkan jumlah-jumlah barang yang ditawarkan untuk dijual pada berbagai tingkat harga dalam suatu pasar pada suatu waktu tertentu. Penawaran adalah jumlah barang yang akan dijual atau ditawarkan oleh produsen pada suatu saat dengan tingkat harga tertentu.
Hukum penawaran pada dasarnya mengatakan bahwa jumlah barang yang ditawarkan akan meningkat apabila harga naik, dan akan berkurang jika harga turun, atau perubahan penawaran berbanding lurus dengan perubahan harga, ceteris paribus (Ritonga, 2007:44).
8
Penawaran tidak hanya dipengaruhi oleh harga barang itu sendiri, tetapi juga dipengaruhi oleh faktor lain selain harga. Menurut Rahardja dan Manurung (1999:37 dalam putri, 2011), faktor-faktor yang mempengaruhi penawaran adalah:
1) Harga barang itu sendiri, 2) Harga faktor produksi, 3) Harga barang lain yang terkait, 4) Tujuan perusahaan, 5) Jumlah penjual/pedagang.
Sedangkan menurut Ritonga (2007, 43) Penawaran dipengaruhi oleh beberapa faktor yaitu: 1) Harga barang itu sendiri, 2) Teknologi produksi, 3) Munculnya produsen baru, 4) Harga faktor-faktor produksi, 5) Harapan atau ekspektasi produsen.
Dari beberapa faktor penawaran diatas, faktor yang menjadi penentu penawaran dalam penelitian ini yaitu harga barang itu sendiri yang dimaksudkan adalah harga jual, dan harga barang lain yang terkait yang dimaksudkan adalah harga pakan, serta biaya pemeliharaan. Pengaruh dari faktor penentu penawaran tersebut akan menyebabkan pergeseran dan pergerakan kurva penawaran.
Dalam teori penawaran menyatakan kesediaan dan sekaligus kerelaan penjual sebagai individu maupun pasar untuk menjual barang kepada konsumen.
Penawaran suatu barang akan ditetukan oleh kelangkaan mendapatkan faktor produksi
1. Harga Jual
Didalam perusahaan harga/nilai kegunaan merupakan hal yang sangat berkaitan. Barang mempunyai harga/nilai kegunaan karena barang diperlukan oleh pembeli, ada manfaatnya, langka dan oleh perusahaan tidak dapat disediakan dalam jumlah banyak. Makin besar daya beli konsumen, semakin besar pula
9
kemungkinan bagi perusahaan untuk mendapatkan keuntungan maksimum sesuai dengan konidisi yang ada melalui penetapan harga jual.
Dalam penetapan harga jual perlu dipertimbangkan dan teliti, guna memperoleh harga jual yang benar-benar sesuai dengan kegunaan dan tujuan perusahaan. Keputusan harga jual merupakan keputusan yang sulit, karena faktor intern maupun ekstern. Adapun faktor-faktor tersebut adalah keadaan perekonomian, penawaran, elastisitas permintaan, persaingan dan biaya (Basu swastha dalam putri, 2001:9).
Faktor diatas merupakan pertimbangan yang harus diperhatikan agar perusahaan dalam menetapkan harga jualnya dapat diterima oleh konsumen pemakai produk sehingga tertarik untuk membeli produk tersebut. Harga minimal suatu harga jual harus ditentukan agar tidak menimbulkan kerugian. Kerugian yang timbul akibat penetapan harga jual dibawah produk dalam jangka waktu tertentu akan mengakibatkan perusahaan akan berhenti serta mengganggu pertumbuhan perusahaan. Oleh karena itu dalam penetapan harga jual, tingkat harga minimal hendaknya dapat menutup semua biaya yang telah dipergunakan untuk memproduksi dan memasarkan barang.
2. Harga Pakan
Menurut wawancara dengan pedagang sapi di pasar ternak Palangki pada tanggal 1 juni 2013, Pakan merupakan faktor terpenting untuk menunjang budidaya ternak karena berimbas pada peningkatan bobot badan ternak dan performa ternak yang diinginkan. Peningkatan populasi, dan produksi daging
10
sebagai hasil ternak sangat tergantung dari penyediaan pakan yang baik dan berkualitas.
Menurut Natasasmita dan Koeswardhono (1980, dalam Marudut, 2009) secaran garis besar, kandungan nutrisi pakan yang diperlukan ternak sapi adalah:
air, karbohidrat, protein, lemak, vitamin dan mineral. Zat-zat makanan ini dipergunakan untuk berbagai keperluan tubuh. Bahan pakan ternak sapi dapat dikelompokkan menjadi tiga kelompok yaitu: hijauan, konsentrat dan makanan tambahan. Sumber pakan hijauan berasal dari yaitu: hijauan alami (rumput lapangan dan leguminosa/kacang-kacangan yang tumbuh secara alami dan dipergunakan sebagai bahan pakan ternak), hijauan budidaya (rumput gajah, raja dan jenis rumput atau leguminosa produktif lainnya, jenis hijauan ini dikhususkan untuk bahan pakan ternak) dan limbah hasil pertanian (jerami padi, kacang tanah, jerami tanaman tebu dan lain-lain).
Menurut Prakkasi (1999) pakan konsentrat disusun dari berbagai jenis bahan baku, yaitu bungkil kedelai, jagung, tepung ikan, bekatul dan lain-lain.
Komposisi bahan baku pakan konsentrat ditentukan kandungan nutrisi yang dihasilkan setiap bahan baku tersebut yang disesuaikan dengan kebutuhan ternak.
Kebutuhan jumlah pakan untuk seekor ternak sapi tergantung pada: umur, bobot hidup, bangsa ternak sapi, tujuan produksi dan keadaan fisiologis dan lingkungan.
Jumlah ransum yang diberikan untuk satu ekor ternak sapi potong setiap hari, sebagai berikut: hijauan (35-37 kg), konsentrat (2-5 kg) dan makanan tambahan (30-50 gram). Makanan tambahan yaitu: vitamin, mineral dan urea.
11 3. Biaya Pemeliharaan
Menurut wawancara dengan pedagang sapi di pasar ternak Palangki pada tanggal 1 Juni 2013, semakin baik pemeliharaan yang dilakukan terhadap sapi maka sapi yang dihasilkan akan berkualitas dan akan cepat terjual dipasaran.
Untuk itu para pedagang perlu memperhatikan pemeliharaan sapi, dengan menyuruh orang yang ahli dibidang peternakan sapi untuk memeliharanya sampai sapi tersebut terjual. Untuk memelihara sapi sampai terjual tentunya membutuhkan biaya. Biaya pemeliharaan sangat berpengaruh terhadap penawaran sapi, semakin tinggi biaya pemeliharaan yang dikeluarkan oleh pedagang maka harga sapi pada saat penawaran akan tinggi.
B. Sapi Potong
Sapi adalah hewan ternak terpenting dari jenis-jenis hewan ternak yang dipelihara manusia sebagai sumber penghasil daging, susu, tenaga kerja dan kebutuhan manusia lainnya. Ternak sapi menghasilkan sekitar 50% kebutuhan daging di dunia, 95% kebutuhan susu, dan kulitnya menghasilkan 85% kebutuhan kulit untuk sepatu. Sapi potong adalah salah satu genus dari famili Boviade.
Ternak atau hewan-hewan lainnya yang termasuk famili ini adalah bison, banteng (bibos), kerbau (babalus), kerbau Afrika (Syncherus), dan anoa (Zainal, 2002 dalam Muhammad Samin 2012).
Sapi potong asli Indonesia adalah sapi potong yang sejak dahulu kala terdapat di Indonesia, sedangkan sapi lokal adalah sapi potong yang asalnya darri luar Indonesia, tetapi sudah berkembang biak dan dibudidayakan lama sekali di Indonesia, sehingga telah mempunyai ciri khas tertentu. Bangsa sapi potong asli
12
Indonesia hanya sapi bali (Bos Sondaicus), sedangkan yang termasuk sapi lokal adalah: sapi Madura, sapi Sumba Ongole (Sori Basya Siregar, 2008).
Kualitas sapi yang baik sangat dipengaruhi faktor bibit, faktor pakan yang diberikan dan manajemen pemeliharaannya. Pemberian zat pakan yang seimbang dan mineral yang cukup terhadap sapi akan menghasilkan sapi yang berkualitas dan cepat terjual dipasaran. Selain itu pemeliharaan sapi dengan baik juga akan menghasilkan daging yang baik dan berkualitas. Sehingga pedagang sapi akan dapat memperoleh keuntungan yang besar.
C. Regresi Linear Berganda
Istilah regresi pertama kali diperkenalkan oleh orang Perancis bernama Sir Francis Galton (1822-1911). Menurut Gujarati (1995) analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut variabel tak bebas (dependent variable) terhadap satu atau lebih variabel lain yaitu variabel yang menjelaskan (explanatory variables), dengan maksud menaksir atau meramalkan nilai rata-rata dari variabel bebas apabila nilai variabel yang menerangkan sudah diketahui. Regresi linier berganda adalah regresi yang memuat lebih dari satu variabel bebas (regresor). Salah satu kegunaan analisis regresi linier berganda untuk memperkirakan ataupun meramalkan keadaan masa yang akan datang dengan mengukur beberapa variabel bebas (X) beserta pengaruhnya terhadap variabel terikat (Y).
13
Model persamaan regresi berganda dapat dituliskan sebagai berikut : Ү = β0 + β1X1 + β2X2 + … + βkXk + ε (1) Dimana,
Y : Variabel terikat
β0 : Konstanta
β1, β2, …, βk : Koefisien regresi X : Variabel bebas ε : Kesalahan (galat)
(Sembiring, 1995: 134) Persamaan di atas dapat diestimasi untuk menduga nilai dari parameter.
Model persamaan di atas apabila diestimasi akan menjadi :
ŷ = b0 + b1x1 + b2x2 + … + bkxk (2) Dimana,
b0 : Penduga β0
b1, b2, …, bk : Penduga β1, β2, …, βk
x : Variabel bebas
k : Banyaknya variabel bebas
(Sembiring, 1995: 134) Jika observasi mengenai y, x1, x2, … , xk dinyatakan masing-masing dengan (x1, y1), (x2,y2), …, (xn, yn), maka diperoleh persamaan berikut :
yi = β0 + β1xi1 + β2xi2 + … + βkxik + εi , i = 1,2,3,…,n
yi = β0 + i = 1,2,3,…,n (3)
Dalam lambang matriks, persamaan (3) di atas menjadi :
= + (4)
14 Misalkan:
Y = , X = , β = ,dan ε =
Dengan demikian persamaan (2) dapat ditulis menjadi:
Y = Xβ + ε (5)
ε = Y – Xβ
Untuk mendapatkan nilai penduga dari β0, β1, β2, ...βk dapat diperoleh dengan meminimumkan bentuk kuadrat terhadap galat sebagai berikut :
S = εtε = (6)
εtε = (Y- Xβ)t (Y- Xβ) εtε = (Yt – (Xβ)t) (Y – Xβ) εtε = (Yt – βtXt) (Y- Xβ)
εtε = YtY - Yt Xβ – βtYXt + βtXt Xβ
Menurut Sembiring (1995: 47), meminimumkan bentuk kuadrat persamaan (6) dapat dilakukan dengan mencari turunan pertama S terhadap β0, β1,β2.., βk kemudian samakan dengan nol sehingga menjadi :
b =
( (7)
15
Bila XtX tidak singular, maka persamaan (6) dapat ditulis menjadi :
b = ( (8)
Dimana :
Xt = Transpose X
= Invers matriks (XtX)
(Sembiring, 1999: 139) 1. Asumsi regresi linier berganda
Menurut Makridarkis (1999: 299) terdapat empat asumsi-asumsi yang harus dipenuhi dalam analisis regresi linier berganda, yaitu 1) kelinieran, 2) kebebasan sisaan, 3) kehomogenan ragam sisaan, dan 4) kenormalan sisaan. Model regresi yang akan diuji hipotesisnya harus dilakukan uji asumsi klasiknya terlebih dahulu sehingga model regresi yang digunakan dalam penelitian dapat dijadikan sebagai alat pengambilan keputusan.
a. Kelinieran (linearity)
Langkah awal yang dilakukan dalam analisis regresi berganda adalah melihat kelinieran antar variabel bebas dan variabel terikat.
Jika hubungan yang terjadi antara variabel bebas dan variabel terikat bersifat linier, hal ini menunjukkan bahwa keragaman variabel terikat semata-mata akibat pengaruh dari penambahan variabel bebas.
(Saefudin, 2010: 251).
Pemeriksaan kelinieran dapat dideteksi melalui plot data pada scatterplot. Jika pola sebaran data mengikuti garis lurus memberikan petunjuk awal bahwa model telah linier. Selain itu, hubungan dapat
16
berpola nonlinier atau mungkin juga tidak terdapat hubungan yang jelas antara variabel-variabel tersebut.
Kelinieran dalam penelitian ini akan diuji dengan menggunakan scatterplot dan uji signifikansi regresi. Melalui scatterplot dapat diduga hubungan kelinieran dengan memperhatikan gambar berikut :
Gambar 1. Plot Sebaran Data yang Menunjukan Dua Variabel Memiliki Hubungan yang Linier dan Tidak Linier.
Setelah menduga hubungan kelinieran antara variabel bebas dan terikat maka dilakukan uji signifikansi regresi untuk meyakinkan bahwa asumsi kelinieran telah terpenuhi. Uji signifikansi regresi merupakan uji untuk menentukan apakah terdapat hubungan linier antara variabel terikat y dengan sebarang variabel bebas x1, x2, …, xk
menurut Makridakis (1999: 299). Uji signifikansi regresi dapat diperoleh dari tabel ANAVA (Montgomery, 2006: 81) dibawah ini :
17
Tabel 1. Tabel ANAVA Sumber
variasi
Jumlah Kuadrat (JK)
Derajat Kebebasan
(dk)
Rataan Kuadrat
(RK)
E(RK) F
Regresi btXtY – k =
Sisa YtY - btXty n-k-1 JKS/n-k-1
Total YtY - n-1
Adapun hipotesis yang akan diuji adalah :
H0 : β1 = β2 = β3 = β4 = 0, artinya tidak terdapat hubungan linier antara variabel bebas dan variabel terikat.
H1 : βj ≠ 0 (untuk paling kurang satu j, dengan j = 1,2,3,4), artinya terdapat minimal satu hubungan linier antara variabel bebas dan variabel terikat.
(Montgomery, 2006: 80) Statistik uji yang akan digunakan adalah uji F dengan rumus berikut:
F = (9)
Dalam hal ini : JKS = JKT =
JKR =
n = jumlah data (pengamatan)
k = banyaknya variabel bebas (regresor)
18 Keterangan :
JKS = Jumlah Kuadrat Sisa JKT = Jumlah Kuadrat Total JKR = Jumlah Kuadrat Regresi
(Sembiring, 1995: 234) Kriteria pengujiannya yaitu :
Terima H0 jika Fhit ≤ Fα, k, n-k-1
Tolak H0 jika Fhit > Fα, k, n-k-1.
Setelah melakukan uji signifikansi regresi, maka perlu juga dilakukan tes untuk masing-masing koefisien regresi. Uji yang digunakan adalah uji t. Ini dilakukan untuk menguji keberartian parameter. Adapun hipotesis yang akan diuji adalah :
H0 : βj = 0, artinya tidak terdapat pengaruh antara variabel bebas terhadap variabel terikat.
H1 : βj ≠ 0 (untuk paling kurang satu j, dengan j = 1,2,3,4), artinya terdapat pengaruh antara variabel bebas terhadap variabel terikat.
(Montgomery, 2006: 84) Statistik uji yang akan digunakan adalah uji t dengan rumus berikut :
tobs = (10)
19 Dimana :
= nilai b untuk koefisien regresi ke j (dengan j = 1,2,..,k)
=
= = RKS
= matriks diagonal baris ke-i kolom ke-j dari (XtX)-1 Keterangan :
RKS = Rataan Kuadrat Sisa
(Montgomery, 2006: 84) Kriteria pengujiannya yaitu :
Terima H0 jika ≤ tα/2, n-k-1
Tolak H0 jika > tα/2, n-k-1. b. Kebebasan sisaan (independence of residual)
Model regresi kuadrat terkecil mengasumsikan sisaan saling bebas atau tidak berkorelasi dengan sesamanya. Secara tidak langsung hal ini menyatakan bahwa nilai pengamatan tidak dipengaruhi oleh pengamatan lainnya. Kondisi sebaliknya diistilahkan sebagai autokorelasi (autocorrelation), yaitu kondisi ketika nilai suatu pengamatan dipengaruhi oleh pengamatan lainnya. Data yang dikumpulkan berdasarkan urutan waktu biasanya menjadi penyebab adanya autokorelasi, misalnya ekspor bulanan, curah hujan harian, dan data time series lainnya.
Pemeriksaan bahwa data bebas satu sama lain tidaklah mudah karena begitu banyak cara hal ini dapat dilanggar. Salah satu cara
20
yang baik untuk menentukan apakah data berkorelasi satu sama lain ialah dengan mempelajari proses yang menghasilkan data tesebut.
Adanya korelasi antara sisa terkadang disebabkan oleh tidak diikutsertakannya peubah bebas yang penting dalam model, jadi korelasi tersebut sesungguhnya bersifat semu. Korelasi ini akan dengan sendirinya hilang bila peubah yang penting itu diikutsertakan dalam model.
Kebebasan sisaan (autokorelasi) dapat dilihat pada residual versus the order of the data. Jika sebaran plot sisaan pada residual versus the order of the data tidak membentuk pola tertentu maka menandakan sisaan sudah saling bebas dalam artian waktu tidak mempengaruhi pengambilan data. Grafik dari pendeteksian kebebasan sisaan adalah:
Gambar 2. Plot Pencaran Data yang Bersifat Autokorelasi dan Non Autokorelasi
21
Adapun cara lain yang umumnya digunakan dalam mendeteksi ada atau tidaknya autokorelasi adalah dengan melihat nilai statistik d Durbin-Watson dengan rumus :
d = (11)
Dimana :
ei : sisa pada pengamatan ke-i ei-1 : sisa pada pengamatan sebelum-i
Jika statistic d Durbin-Watson sama atau mendekati 2 berarti sisaan saling bebas atau tidak terdapat autokorelasi.
(Sembiring, 1995: 289) c. Kehomogenan ragam sisaan (homoskedasticity), Var (εi) = σ2,
i=1,2,..,n
Pendugaan parameter regresi dengan metode kuadrat terkecil mengasumsikan ragam sisaan selalu tetap (konstan) atau homogen.
Kondisi ini disebut sebagai homoskedastisitas (homoskedasticity).
Asumsi kehomogenan ragam berimplikasi bahwa setiap pengamatan memiliki informasi yang sama penting pada variabel pengaruh (Saefudin, 2010: 268).
Untuk mendeteksi ada tidaknya heterokedastisitas dapat digunakan metode grafik, yaitu dengan menghubungkan nilai variabel terikat yang diprediksi residualnya (Y prediksi-Y sesungguhnya) dimana sumbu X adalah nilai variabel terikat yang diprediksi dan sumbu Y adalah residualnya. Apabila noktah (titik) dalam grafik
22
membentuk pola menyebar lalu menyempit atau sebaliknya disekitar garis diagonal maka bisa dikatakan terjadi heteroskedastisitas. Jika titik-titik menyebar dengan tidak membentuk pola tertentu dibawah dan diatas angka 0 pada sumbu maka dikatakan terjadi homoskedastisitas. Berikut adalah gambar pola sisaan yang mungkin muncul dari variabel terikat (X) :
Gambar 3. Plot Sebaran Data yang Bersifat Homoskedastisitas dan Heteroskedastisitas.
Pada gambar (a) satisfactory, terlihat bahwa data tidak ada masalah. Artinya, data sudah membentuk pola linier sehingga model tidak melanggar asumsi kelinieran.
Pada gambar (b) funnel, terlihat bahwa anggapan kesamaan variansi mungkin dilanggar dan transformasi pada respons y, atau x, atau keduanya, mungkin diperlukan. Apakah transformasi benar-benar
23
diperlukan atau tidak tentunya bergantung pada sejauh mana anggapan tersebut dilanggar.
Pada gambar (c) double blow, jika sisaan data berbentuk seperti gambar 3, ini mengidentifikasikan bahwa pola akan terjadi apabila proporsi yi antara 0 – 1.
Pada gambar (d) non linier, pola menunjukkan perlunya dimasukkan bentuk kuadrat ataupun mungkin perkalian antara dua peubah (interaksi) dalam model. Secara umum model ini menunjukkan bahwa asumsi relasi antara y dengan xj tidak benar.
d. Kenormalan sisaan (normality of residual)
Kenormalan sisaan memiliki tingkat kepercayaan yang lebih rendah dibandingkan dengan asumsi lainnya. Asumsi kenormalan sisaan hanya diperlukan saat pengujian hipotesis dan penyusunan selang kepercayaan, namun tidak terlalu penting dalam pendugaan parameter (Saefudin, 2010: 262).
Menurut Drapper (1992) dalam Martalena (2010: 25), kenormalan yaitu kesalahan pengganggu atau error mengikuti distribusi normal dengan rata-rata nol dan varians σ2. Apabila variabel tak bebas dan variabel bebas mengikuti distribusi normal, maka errornya juga akan berdistribusi normal. Dalam penelitian ini,
kenormalan sisaan diuji dengan uji Anderson Darling.
24 Adapun rumusnya yaitu :
(12) Dimana :
N : jumlah data i : ranking data
n : ranking data terbesar F : fungsi komulatif A : nilai Anderson-Darling
http://krisnafr.multiply.com/journal/item/49/49?&show_interstitial
=1&u=%2Fjournal%2Fitem
Hipotesis dari Anderson Darling Test adalah : H0 : Data mengikuti sebaran tertentu H1 : Data tidak mengikuti sebaran tertentu Adapun kriteria pengujiannya adalah :
Terima H0 jika P-value > 0,05 Tolak H0 jika P-value ≤ 0,05 Selain itu, kriteria pengujiannya adalah :
Terima H0 jika nilai A ≤ nilai kritis yang telah ditentukan Tolak H0 jika nilai A > nilai kritis yang telah ditentukan 2. Pemilihan Model Terbaik
Pemilihan model terbaik berguna untuk memilih model mana yang sesuai dengan tujuan pemodelan dari beberapa kombinasi peubah yang ada. Dalam melakukan pemilihan model terbaik ada beberapa cara yang dapat dilakukan yaitu :
a. Metode seleksi maju (forward selection method), menurut metode ini peubah bebas dimasukkan satu demi satu menurut urutan besar
25
pengaruhnya terhadap model dan berhenti jika semua yang memenuhi syarat telah masuk
b. Metode penyisihan (backward alimination method), menurut metode ini peubah bebas dimasukkan seluruhnya ke dalam model kemudian disisihkan satu demi satu sampai semua yang tidak memenuhi patokan keluar dari model.
c. Metode bertahap (stepwise regression method), metode ini merupakan gabungan dari metode seleksi maju dan metode penyisihan. Pertama kita melakukan metode seleksi maju terlebih dahulu, kemudian kita akan menggunakan metode penyisihan pada setiap tahap untuk mempertanyakan apakah suatu peubah bebas yang telah masuk ke dalam model masih perlu dipertahankan atau sebaliknya ke luar.
d. Metode semua kombinasi yang mungkin, metode ini mengharuskan kita memeriksa semua kombinasi peubah yang dapat dibuat.
Pada penelitian ini, metode yang digunakan adalah metode semua kombinasi yang mungkin karena metode ini mempunyai keunggulan dibandingkan metode-metode lainnya, yaitu memungkinkan kita melihat seluruh kombinasi. Banyaknya kombinasi yang mungkin dinyatakan dalam rumus : , dengan k = banyaknya variable bebas. Adapun kriteria yang akan dibandingkan adalah dengan melihat adjusted, rataan kuadrat sisa (s2), dan Cp Mallows.
26 i. Koefisien Determinasi (R2)
Ketepatan dari model yang diperoleh dapat dilihat dari kemampuan model menerangkan data, yang disebut dengan koefisien determinasi (R2) yang besarnya:
(13) Dimana :
JKR : Jumlah kuadrat regresi JKT : Jumlah kuadrat total
(Sembiring, 1995: 54)
Jika R2 dekat dengan 1 maka baik kecocokan model dengan data dan makin dekat R2 dengan 0 maka makin jelek kecocokan model dengan data.
Salah satu kelemahan R2 ialah bahwa besarnya dipengaruhi oleh banyaknya variabel pengaruh dalam model, R2 membesar bersama p, sehingga sulit menyatakan barapa R2 yang optimum karena R2 tidak memperhitungkan derajat bebas. Suatu cara mengatasi kelemahan R2 ialah dengan menggunakan R2-disesuaikan ( ) dengan rumus sebagai berikut:
(14)
Sembiring (1995: 235) Beberapa pembuat model regresi lebih senang untuk menggunakan statistik karena hanya akan naik pada penambahan suatu variabel terhadap model jika penambahan variabel tersebut betul-betul bermakna.
27 ii. Rataan Kuadrat Sisa (S2)
Salah satu patokan yang baik digunakan dalam menilai kecocokan suatu model dengan data ialah dengan melihat rataan kuadrat sisa (S2), model yang baik memberikan nilai S2 yang terkecil.
Ukuran ini memperhitungkan banyaknya parameter dalam model melalui pembagian dengan derajat kebebasannya. Rataan kuadrat sisa (S2) mungkin membesar bila penurunan dalam JK sisa akibat pemasukan suatu peubah tambahan kedalam model tidak dapat mengimbangi penurunan dalam derajat kebebasannya :
(15) Dimana:
JKS : jumlah kuadrat sisa n : ukuran sampel
(Sembiring, 1995: 236) iii. Cp Mallows
(16)
Dimana :
JKSp : jumlah kuadrat sisa dengan p parameter n : ukuran sampel
S2 : rataan kuadrat sisa
(Sembiring, 1995: 238) Statistik Cp dapat dipakai untuk menilai model yang saling bersaing. Model yang baik akan menghasilkan nilai Cp yang paling dekat ke p, dimana p adalah banyaknya variabel pengaruh ditambah satu.
28
Adapun penentuan akhir dari model terbaik dapat dilihat nilai VIF.
Nilai VIF digunakan agar masing-masing variabel bebas tidak saling berkorelasi tinggi. Adanya korelasi yang tinggi antar variabel bebas dinamakan multikolinearitas. Jika kasus ini terjadi dalam regresi linier, maka variabilitas b1 akan tidak efisien (overweight). Namun korelasi yang tinggi tidak dapat langsung dikatakan sebagai multikolinearitas, harus ada teori yang mendukung. Menurut Gujarati (1978) salah satu cara mendeteksi gejala multikolinearitas adalah dengan menghitung nilai VIF (Variance Inflation Factor) yang memiliki persamaan :
VIFj = (17)
Jika nilai VIF melebihi 10 maka hal tersebut menunjukkan bahwa multikolinearitas adalah masalah yang pasti terjadi antar variabel bebas.
(http://elmurobbie.files.wordpress.com/2009/06/principal-component- analysis-pca2.pdf). Dalam Minitab dikatakan apabila nilai VIF lebih besar dari 5 atau 10, maka taksiran parameter kurang baik.
D. Pembentukan Model
Menurut Montgomery (2006: 283) proses dalam menyeleksi variabel dan pembentukan model regresi linier berganda adalah :
29
Gambar 4. Diagram Flowchart dari Proses Pembentukan Model 1. Langkah awal yang dilakukan adalah :
a. Bentuk model dengan seluruh variabel
Model dengan seluruh variabel merupakan model regresi linier berganda dengan kombinasi seluruh variabel bebas ikut mempengaruhi variabel terikat. Pembentukan model dengan seluruh variabel dapat dilakukan dengan persamaan (1).
b. Uji Asumsi
Uji asumsi yang akan dilakukan ada empat, yaitu : (i) Uji kelinieran
(ii) Uji kebebasan sisaan (uji autokorelasi)
(iii) Uji kehomogenan ragam sisa (uji homoskedastisitas)
(iv) Uji kenormalan sisaan
30
2. Analisis sisaan akan digunakan untuk mengetahui apakah asumsi ada yang dilanggar. Jika meragukan gunakan statistik untuk mengujinya.
3. Jika ada yang dilanggar, lakukan transformasi dan kembali kelangka 1.
Tujuan dilakukannya transformasi adalah agar sisaan berbentuk setangkup dan kedua ujungnya tidak terlalu tebal.
Transformasi akan dilakukan tergantung persoalan yang dihadapi. Ada dua jenis transformasi yang mungkin akan dilakukan, yaitu transformasi y dan transformasi x.
Transformasi y dilakukan apabila suku galat (sisaan) dianggap belum memenuhi anggapan kenormalan. Adapun rumus yang digunakan dalam mentransformasikan y adalah :
z = (18)
Sembiring (1995 :195)
Jika = ½, transformasi z = , yaitu mengambil akar dari semua data y; bila = -1, transformasi z = 1/y untuk semua data y.
Transformasi x dilakukan apabila suku galat (sisaan) dianggap telah memenuhi anggapan kenormalan, tetapi belum semua peubah bebas x1, x2, …, xk terkait secara linier dengan variabel terikat y.
Adapun rumus yang digunakan dalam mentransformasikan y adalah :
x = (19)
Sembiring (1995 :199)
31
4. Gunakan teknik untuk pemilihan model terbaik.
5. Pilih model untuk analisis lebih lanjut melalui perbandingan adjusted terbesar, rataan kuadrat sisa (s2) terkecil, dan Cp Mallows yang paling mendekati P. Dan penentuan akhir pemilihan model terbaik adalah dengan melihat nilai VIF.
6. Rekomendasi model yang akan digunakan.
Setelah didapatkan model terbaik dari model regresi linier berganda selanjutnya dapat diinterpretasikan variabel apa saja yang berpengaruh maupun tidak berpengaruh terhadap penawaran sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung. Variabel yang berpengaruh yaitu variabel yang ikut tergabung dalam model, sebaliknya variabel yang tidak berpengaruh yaitu variabel yang tidak ikut tergabung dalam model, dalam artian variabel ini telah diwakili oleh variabel lain.
32 BAB III
METODE PENELITIAN
A. Jenis Penelitian
Penelitian ini dapat digolongkan pada penelitian terapan. Penelitian terapan merupakan penelitian yang menerapkan suatu permasalahan ke dalam kehidupan sehari-hari.
B. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data primer. Data primer merupakan data yang dikumpulkan berdasarkan jawaban dari responden dengan menggunakan kuesioner. Sumber data adalah pedagang sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung.
C. Populasi dan Sampel 1. Populasi
Menurut Arikunto (2010: 173) “populasi merupakan keseluruhan subjek penelitian”. Dalam penelitian ini, populasinya adalah seluruh sapi potong yang ada di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung.
2. Sampel
Yusuf (2005: 187) mengemukakan bahwa “sampel adalah suatu jumlah yang terbatas dari unsur-unsur yang terpilih dari suatu populasi.
Unsur-unsur tersebut haruslah mewakili populasi”. Teknik sampel yang digunakan pada penelitian ini adalah accidental sampling. Menurut Usman (1995: 185) “accidental sampling adalah pemilihan sampel yang dilakukan
33
terhadap orang atau benda yang kebetulan ada atau dijumpai”. Jadi sampel yang digunakan adalah pedagang yang memiliki sapi potong di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung yang kebetulan ada atau dijumpai saat penelitian. Kriteria respondennya yaitu bersedia menjadi responden dan pedagang sapi potong. Penelitian dilakukan dari tanggal 19 sampai tanggal 26 Juli 2013, dengan jumlah sampel yang didapat sebanyak 45 responden.
D. Variabel Penelitian
Pada penelitian ini terdapat variabel bebas dan variabel terikat. Variabel bebas yaitu X1 (Harga Jual), X2 (Harga Pakan), dan X3 (Biaya Pemeliharaan).
Sedangkan variabel terikat yaitu Y (Jumlah Penawaran Sapi Potong).
E. Instrumen Penelitian dan Teknik Pengumpulan Data
Penelitian ini menggunakan instrumen penelitian, yaitu kuesioner.
Kuesioner adalah daftar pertanyaan yang berkaitan dengan penelitian yang dijawab oleh responden. Kuesioner dibagikan kepada responden dan diisi langsung oleh responden.
Teknik pengumpulan data dalam penelitian ini menggunakan wawancara.
Wawancara adalah proses memperoleh keterangan untuk tujuan penelitian dengan melakukan tanya jawab secara langsung antara peneliti dengan pedagang sapi di pasar ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung.
34 F. Teknik Analisis Data
Sesuai dengan tujuan penelitian yaitu pembentukan model regresi linier berganda maka teknik analisis data yang dilakukan adalah sebagai berikut:
1. Melakukan plot data
Plot data dapat menunjukkan sebaran data yang akan memperlihatkan kenormalan suatu data. Kenormalan ini perlu dipenuhi agar model dapat dipakai. Jika tebaran data mengikuti garis lurus memberikan petunjuk awal bahwa variabel bebas dan terikat memiliki hubungan yang linier. Selain itu, hubungan juga dapat berpola nonlinier atau mungkin juga tidak terdapat hubungan yang jelas antara variabel tersebut.
2. Bentuk model dengan seluruh variabel dengan menggunakan persamaan (2).
3. Analisis sisaan untuk mengetahui apakah asumsi ada yang dilanggar.
Asumsi kelinieran diuji dengan menggunakan persamaan (9) dan uji keberartian parameter menggunakan persamaan (10). Uji asumsi kebebasan sisaan menggunakan persamaan (11). Uji asumsi kehomogenan menggunakan plot residual versus the fitted values melalui Gambar 3. Uji kenormalan sisaan menggunakan persamaan (12).
4. Jika ada yang dilanggar, lakukan transformasi dan kembali ke langkah-2.
5. Gunakan teknik untuk pemilihan model terbaik. Dalam penelitian ini teknik yang digunakan adalah metode semua kombinasi yang mungkin.
35
6. Rekomendasikan model yang akan digunakan.
7. Interpretasi model terbaik yang telah didapatkan.
Untuk membantu pengolahan data digunakan software Minitab 14.
36 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Hasil Penelitian
Penelitian yang dilakukan untuk melihat faktor-faktor yang mempengaruhi jumlah penawaran sapi potong di Pasar Ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung, dilaksanakan dengan penyebaran kuesioner penelitian yang dibagikan kepada 45 pedagang sapi potong di Pasar Ternak Palangki Kecamatan IV Nagari Kabupaten Sijunjung yang tabulasi datanya dapat dilihat pada lampiran II. Dalam melakukan pengolahan data, digunakan analisis regresi linier berganda dan penghitungannya menggunakan software minitab 14. Berdasarkan teknik analisis data yang telah dijelaskan pada bab sebelumnya, maka diperoleh hasil analisis data sebagai berikut:
1. Plot Data
Langkah awal yang dilakukan dalam tahap analisis regresi linear berganda adalah membuat plot/grafik data. Plot data ini bertujuan untuk melihat kelinearan . Dalam model regresi linear, hubungan yang terjadi antara variabel terikat dan setiap variabel bebas bersifat linear. Asumsi ini berarti bahwa keragaman variabel terikat semata-mata akibat dari pengaruh penambahan variabel bebas. Plot data dalam penelitian ini melalui scatterplot dengan hasilnya dapat dilihat pada Lampiran V.
Dari scatterplot tersebut dapat dilihat bahwa antara variabel bebas X1 , X2 dan X3 dengan variabel terikat Y memperlihatkan model yang baik yang ditandai dengan sebaran titik yang acak dan terdapat hubungan yang linear.
37
2. Bentuk Model dengan Kombinasi Seluruh Variabel
Dalam pembentukan model dengan kombinasi seluruh variabel seperti yang dijelaskan pada teknik analisis data, dengan menggunakan persamaan (2) didapat model regresi dengan kombinasi seluruh variabel adalah sebagai berikut:
ŷ = 1,65 + 0,0582 X1 + 1,03 X2 + 0.00114 X3
Dari model di atas dapat diinterpretasikan kesimpulan sementara bahwa setiap peningkatan harga sapi (X1) akan meningkatkan jumlah penawaran sapi potong di Pasar Ternak palangki Kecamatan IV Nagari Kabupaten Sijunjung selagi harga pakan (X2) dan biaya pemeliharaan (X3) masih ada / memberikan pengaruh pada model.
Untuk setiap peningkatan harga pakan (X2) akan meningkatkan jumlah penawaran sapi potong sebesar 1,03 selagi harga sapi (X1) dan biaya pemeliharaan (X3) masih ada / memberikan pengaruh pada model.
Setiap peningkatan biaya pemeliharaan (X3) akan meningkatkan jumlah penawaran sapi potong sebesar 0.00114 selagi harga sapi (X1) dan harga pakan (X2) masih ada / memberikan pengaruh pada model.
3. Analisis sisaan untuk mengetahui apakah asumsi ada yang dilanggar Uji Asumsi:
a) Uji Kelinieran
Dengan menggunakan persamaan (9) didapat:
Fobs = Fobs = 39,37
38
Nilai Fobs adalah 39,37 dan nilai F0,05(3,41) dalam tabel F adalah2,92 maka Fobs > F0,05(3,41) sehingga terima H1, hal ini berarti bahwa minimal terdapat satu variabel bebas (X) yang memiliki hubungan linier dengan variabel terikat (Y). Ini berarti bahwa asumsi kelinieran telah terpenuhi secara pasti.
Setelah menguji kelinieran, maka perlu dilakukan uji keberartian model guna mendapatkan variabel bebas yang memang mempengaruhi variabel terikat. Melalui output regression seperti pada Lampiran III dengan menggunakan persamaan (10) dapat dilihat bahwa nilai |tobs| untuk masing-masing variabel X1, X2, dan X3 secara berturut-turut adalah4,77 , 2,44 , 0,42 dan t(0,025,41) pada tabel t adalah 1,684. Dapat dilihat bahwa |tobs| untuk masing-masing variabel yaitu:
|tobs| X1 > ttabel
|tobs| X2 > ttabel
|tobs| X3 < ttabel
Maka terima H1 untuk X1 dan X2. Berdasarkan hal tersebut dapat disimpulkan bahwa variabel X1 dan X2 berpengaruh secara signifikan terhadap variabel terikat sehingga tidak dapat dihilangkan dari model.
Sementara untuk X3 tolak H1 yang berarti bahwa variabel X3 tidak begitu berpengaruh sehingga dapat dihilangkan dari model.
b) Uji Kebebasan Sisaan (non autokorelasi)
Kebebasan sisaan (non autokorelasi) dapat dilihat pada residual versus the order of the data. Jika sebaran plot sisaan pada residual versus
39
the order of the data tidak membentuk pola tertentu maka menandakan sisaan sudah saling bebas dalam artian waktu tidak mempengaruhi pengambilan data. Dari residual plot pada lampiran IVdapat dilihat bahwa sebaran titik pada residual versus the order of the data tidak membentuk pola tertentu. Hal ini menyatakan bahwa asumsi kebebasan sisaan terpenuhi.
Cara lain untuk mendeteksi asumsi kebebasan sisaan adalah dengan menggunakan statistic d Durbin Watson, dimana jika nilai d sama atau mendekati 2 berarti sisaan saling bebas. Melalui minitab 14 didapat nilai statistic d Durbin Watson = 1,57205. Nilai statistic d Durbin Watson mendekati 2. Hal ini berarti bahwa tidak terdapat autokorelasi sehingga kebebasan sisaan terpenuhi secara pasti.
c) Uji Kehomogenan Ragam Sisaan
Pemeriksaan asumsi kehomogenan ragam sisaan dapat dilihat pada residual versus the fitted values, dimana jika sebaran titik pada residual versus the fitted values tersebar acak, tidak ada pola yang sistematis serta titik-titik menyebar disekitar angka nol, maka dapat dinyatakan asumsi kehomogenan ragam sisaan dapat terpenuhi. Dari residual plot pada Lampiran IV dapat dilihat bahwa sebaran titik pada residual versus the fitted values telah tersebar secara acak, tidak terdapat pola yang sistematis serta titik-tik menyebar disekitar nol meskipun terdapat empat buah titik yang merupakan pencilan, ini menyatakan bahwa kehomogenan ragam sisaan telah terpenuhi.
40 d) Uji Kenormalan Sisaan
Pemeriksaan asumsi kenormalan sisaan dapat dilihat melalui normal probability plot of the residual. Jika sebaran titik mengikuti pita kenormalan sisaan terpenuhi. Pada Lampiran V terlihat pada normal probability plot of the residual sebaran titik mengikuti pita kenormalan dan dengan menggunakan uji Anderson Darling pada persamaan (12) didapat bahwa P-value adalah 0,302 ( P-value > 0,05) maka dapat dikatakan bahwa kenormalan sisaan telah terpenuhi.
Karena keempat asumsi regresi linier berganda terpenuhi, maka tidak perlu dilakukan transformasi dan dapat dilanjutkan dengan pemilihan model terbaik.
4. Kriteria penilaian model terbaik melalui metode semua kombinasi yang mungkin yaitu melalui perbandingan , S2, Cp Mallows dan nilai VIF.
Dalam pemilihan model terbaik salah satu cara yang dilakukan adalah dengan melihat , rataan kuadrat sisa (S2) dan Cp Mallows dari masing-masing variabel bebas dan kombinasinya terhadap variabel terikat. Penentuan menggunakan persamaan (14), S2 menggunakan persamaan persamaan (15), dan Cp Mallows menggunakan persamaan (16) dapat dilihat dari hasil ouput statistic regression seperti pada lampiran VI. Model yang baik adalah model dengan nilai mendekati 1, nilai S2 terkecil dari masing-masing variabel dan kombinasinya, dan nilai Cp Mallows yang mendekati p (dalam penelitian ini p=4) dari masing-
41
masing variabel dan kombinasinya. Nilai dari , S2, dan Cp Mallows dapat dilihat pada tabel berikut:
Tabel 2. Nilai , S2, dan Cp Mallows dari masing-masing Model Kelompok Kombinasi
Peubah
R2_adj Cp_Mallows S2
A
1 X1 69,8 6,0 1,1033
2 X2 35,4 59,5 2,3584
3 X3 36,9 57,1 2,3027
B
1 X1X2 72,9 2,2 0,9896
2 X1X3 69,1 8,0 1,1286
3 X2X3 58,0 24,8 1,5324
C 1 X1X2X3 72,3 4,0 1,0093
Dari Tabel 2 dapat dilihat variabel bebas dan kombinasinya sebanyak 7 buah yang dikelompokkan dalam 3 kelompok. Dalam setiap kelompok diambil beberapa kombinasi terbaik. Berdasarkan kriteria dalam menentukan penentuan model terbaik seperti dijelaskan di atas maka masing-masing kelompok dapat dipilih calon persamaan terbaik yang menjadi perwakilan dari masing-masing kelompok dan kombinasinya. Model calon persamaan terbaik dari kelompok A yaitu model A1 dengan R2adjusted terbesar, S2 terkecil, dan Cp Mallows yang paling mendekati 2 dibandingkan model dalam kelompok A lainnya.
Model calon persamaan terbaik dari kelompok B yaitu model B1 dengan R2adjusted terbesar, S2 terkecil, dan Cp Mallows yang mendekati 3 dibandingkan dalam kelompok B lainnya. Kemudian dipilih kembali calon persamaan terbaik dari kelompok B yang mengandung variabel X1 yang mengalami peningkatan pada nilai R2 adjusted apabila ditambahkan variabel lainnya (variabel X3), sehingga terpilih model B2 sebagai calon persamaan terbaik selanjutnya.
42
Model C juga masuk sebagai model persamaan terbaik karena mempunyai nilai R2 adjusted terbesar, S2 terkecil, dan Cp Mallows yang mendekati 4. Maka terpilihlah 3 calon persamaan terbaik dari masing-masing kelompok yaitu kelompok A1, B1, B2, dan C1. Model tersebut akan dipilih kembali untuk mendapatkan calon persamaan terbaik yang akan digunakan. Calon persamaan terbaik dari masing-masing kelompok dapat dilihat pada Tabel berikut:
Tabel 3. Calon Persamaan Terbaik
Kelompok Kombinasi Peubah
Persamaan Regresi R2_adj Cp_Mallows S2
A 1 X1 Ŷ = 2,91 + 0,0723 X1 69,8 6,0 1,1033
B 1 X1X2 Ŷ = 2,29 + 0,0620 X1 – 0,989 X2
72,9 2,2 0,9896
2 X1X3 Ŷ = 3,20 + 0,0739 X1 – 0,00054 X3
69,1 8,0 1,1286
C 1 X1X2X3 Ŷ = 1,65 + 0,0582 X1
– 1,03 X2 – 0,00114 X3
72,3 4,0 1,0093
Dari Tabel 3 akan dipilh calon persamaan terbaik berikutnya. Dengan membandingkan nilai R2adjusted, S2 dan Cp Mallowsnya maka dipilih tiga model persamaan terbaik, yaitu model A1, B1 dan C1 karena ketiga model ini memiliki R2adjusted yang besar, S2 yang kecil, dan Cp Mallows yang paling mendekati p masing-masing model.
Setiap pemeriksaan terhadap , S2, dan Cp Mallows selanjutnya kita perlu melihat korelasi antar variabel bebas. Untuk mendeteksi adanya multikolinearitas dapat menhunakan nilai VIF. Jika nilai VIF < 5, maka tidak ada korelasi antar peubah bebas dan asumsi non multikolinearitas terpenuhi. Dengan menggunakan persamaan (17) didapat nilai VIF seperti pada lampiran VI. Tiga calon persamaan terbaik dari masing-masing kelompok dapat dilihat pada Tabel berikut:
