36
IV.
METODE PENELITIAN
4.1.Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan untuk menganalisis ketersediaan pasokan (penawaran) dan perilaku permintaan rumah tangga (permintaan) terhadap cabai merah keriting di wilayah DKI Jakarta. Untuk memenuhi kebutuhan kelengkapan data, penelitian ini dilaksanakan di DKI Jakarta mulai dari pasar induk, pasar moderen, pasar tradisional, dan rumah-rumah warga. Pasar induk yang menjadi tempat dilaksanakannya penelitian ini yaitu Pasar Induk Kramat Jati (PKIJ). Pasar tradisional dipilih lima pasar yang tersebar di masing-masing wilayah di DKI Jakarta mulai dari Jakarta Pusat, Jakarta Barat, Jakarta Timur, Jakarta Utara, dan Jakarta Selatan. Sedangkan lima pasar moderen yang menjadi lokasi penelitian yaitu Giant, Carefour, Ramayana, Hero, dan Hypermart. Pasar moderen ini juga dipilih lima tempat yang tersebar di masing-masing wilayah di DKI Jakarta.
Pemilihan masing-masing pasar sebagai lokasi penelitian dilakukan berdasarkan metode purposive yang mana setiap pasar dipilih secara sengaja sesuai dengan kebutuhan penelitian. Khususnya untuk pasar induk, dipilih berdasarkan pertimbangan bahwa PKIJ merupakan pasar yang menjadi acuan masyarakat dan pemerintah dalam pengambilan keputusan tentang pasar khususnya bagi komoditi pertanian yang diperjualbelikan di pasar induk tersebut. Sedangkan pemilihan pasar tradisional dan pasar moderen yang tersebar di DKI Jakarta dilakukan dengan pertimbangan bahwa pasar-pasar tersebut dapat mewakili tempat-tempat pembelian cabai yang dilakukan oleh seluruh masyarakat di DKI Jakarta. Selain itu, untuk mendapatkan pasar yang benar-benar mewakili seluruh tempat pembelian cabai masyarakat, pemilihan pasar dilakukan dengan meminta pendapat dari Badan Pusat Statistik (BPS) dan Badan Perencanaan Daerah (BPD) DKI Jakarta yang lebih paham akan kriteria yang dibutuhkan sesuai kebutuhan penelitian. Penelitian ini dilakukan akhir bulan Maret sampai bulan Juni 2012. Kegiatan penelitian bulan ini merupakan rangkaian kegiatan-kegiatan mulai dari penyusunan proposal, pengumpulan data di lapangan, dan pengolahan data hingga penulisan hasil penelitian dalam skripsi.
37
4.2.Metode Penentuan Sampel
Pengambilan sampel dilakukan dengan metode convenience sampling. Dengan metode ini, diharapkan pengambilan data pada responden dapat dilakukan dengan lebih akurat, karena dilakukan berdasarkan kesediaan responden untuk dimintai keterangan. Dengan demikian responden memperoleh kenyamanan dan responden dapat memberikan informasi lebih banyak, akurat, valid dan detail sesuai dengan kebutuhan penelitian. Kriteria responden yang dipilih dalam penelitian ini yaitu ibu-ibu rumah tangga yang membeli cabai merah untuk kebutuhan rumah tangganya.
Jumlah responden yang dijadikan sampel dalam penelitian ini yaitu 50 orang responden. Jumlah tersebut dinilai cukup untuk menganalisis permintaan rumah tangga di DKI Jakarta, mengingat bahwa sampel minimal khususnya dalam suatu analisis metode kuantitatif dan untuk memenuhi syarat sebaran normal statistika minimal sampel yaitu 30 orang responden. Jadi dengan 50 orang responden sudah memenuhi syarat analisis regresi berganda yang digunakan dalam penelitian ini. Selain itu, hal ini juga dilakukan dengan mempertimbangkan keterbatasan yang dimiliki oleh penulis seperti data, waktu dan kemampuan. Reponden ada yang dipilih yang sedang berbelanja baik di pasar tradisional maupun di pasar moderen, dan ada pula yang sedang tidak berbelanja (di rumah) dengan tetap memastikan bahwa responden melakukan pembelian cabai merah.
4.3.Data dan Instrumentasi
Data yang digunakan dalam penelitian ini berupa data primer dan sekunder baik yang bersifat kualitatif maupun kuantitatif. Data primer khusunya digunakan untuk menganalisis perilaku permintaan rumah tangga terhadap cabai merah keriting diperoleh dari hasil wawancara dan pengisian kuesioner yang dilakukan pada 50 responden. Sedangkan data sekunder yang digunakan dalam menganalisis jumlah pasokan cabai merah keriting diperoleh dari pasar induk. Data sekunder yang digunakan yaitu mengenai jumlah pasokan dan harga cabai bulanan tiga tahun terakhir (2009-2011). Selain itu, digunakan juga data sekunder yang berasal beberapa instansi terkait seperti dari Dinas Pertanian, Dinas perdagangan, Badan Pusat Statistik, dan departemen serta lembaga terkait lainnya. Data sekunder juga
38 diperoleh dari situs internet dan bahan pustaka lain yang relevan. Instrumentasi atau alat yang digunakan untuk pengumpulan data yaitu dengan menggunakan kuesioner dan daftar pertanyaan khususnya untuk pengumpulan data primer.
4.4.Metode Pengumpulan Data
Pengumpulan data dilakukan selama dua bulan lebih sejak penyusunan proposal, pengumpulan data di lapangan, pengolahan data hingga penulisan hasil dalam bentuk skripsi. Pengumpulan data sekunder dilakukan pada saat data-data dibutuhkan selama proses penelitian. Pengumpulan data primer dilakukan langsung di pasar induk, pasar tradisional, pasar moderen dengan pemilihan waktu yang disesuaikan dengan kondisi pasar. Pengumpulan data primer dilakukan khususnya ketika aktivitas perdagangan sedang berlangsung.
Kunjungan pada pasar tradisional dilakukan pada subuh/pagi hari dengan pertimbangan pasar tradisional umunya lebih aktif dan ramai di pagi hari. Sedangkan pasar moderen dapat dilakukan kapan saja atau lebih tepatnya pada siang, sore, hingga malam hari. Hal ini dilakukan dengan pertimbangan bahwa pada pada pasar moderen kebanyakan konsumen adalah masyarakat golongan kelas menengah ke atas dan untuk kebutuhan rumah tangga seperti cabai ibu rumah tangga yang berbelanja kebanyakan wanita karir yang berbelanja pada sore atau malam hari setelah pulang bekerja.
Selain melakukan wawancara langsung di pasar tradisional dan pasar moderen, pengumpulan data primer juga dilakukan dengan wawancara konsumen yang dilakukan dengan mengunjungi rumah-rumah masyarakat di DKI Jakarta. Wawancara yang dilakukan di pasar moderen dan di rumah-rumah responden sama dengan wawancara yang dilakukan di pasar tradisional. Jadi dapat dikatakan teknik pengumpulan data yang dilakukan dalam penelitian ini yaitu dengan wawancara langsung, pengumpulan data dari instansi-instansi terkait dan juga dengan melakukan browsing internet.
4.5.Metode Pengolahan Data
Data dan informasi yang diperoleh di lapangan yang terkait dengan kebutuhan untuk menganalisis perilaku rumah tangga, faktor-faktor yang
39 mempengaruhi permintaan dan jumlah pasokan cabai merah akan dianalisis dengan metode regresi linear berganda dan analisis deskriptif. Sebelum dilakukan analisis, yang pertama kali harus dilakukan yaitu mengolah data yaitu dengan pengeditan dan pentabulasian data mentah yang diperoleh dari lapang. Setelah itu dikelompokkan berdasarkan indikator yang dibutuhkan, data yang diperoleh kemudian dianalisis dengan analisis deskriptif dan analisis regresi berganda. Data-data ini diolah dengan alat bantu seperti kalkulator dan komputer dengan program Microsoft excel dan Minitab. Setelah data diolah kemudian hasilnya dianalisis lebih lanjut secara deskriptif dan diinterpretasikan.
4.5.1. Analisis Deskriptif
Nazir (2009) menjelaskan bahwa metode deskriptif adalah metode dalam meneliti suatu kelompok manusia, suatu objek, suatu set kondisi, suatu system pemikiran, ataupun suatu kelas peristiwa pada masa sekarang. Hal ini dilakukan untuk membuat deskripsi, gambaran atau lukisan secara sistematis, faktual dan akurat mengenai fakta-fakta, sifat-sifat atau hubungan antar fenomena yang diselidiki. Dijelaskan oleh Mattjik dan Sumertajaya (2002) bahwa statistika deskriptif adalah bidang statistika yang membicarakan cara atau metode mengumpulkan, menyederhanakan, dan menyajikan data sehingga bisa memberikan informasi. Dalam statsitika deskriptif belum sampai pada upaya menarik kesimpulan, tetapi baru sampai pada tingkat memberikan suatu bentuk ringkasan data sehingga khalayak/masyarakat awam dapat memahami apa yang terkandung dalam data.
Analisis deskriptif yang ada dalam penelitian ini untuk kajian yang terkait dengan permintaan rumah tangga, khususnya untuk menganalisis karakteristik konsumen cabai merah dan perilaku konsumsinya. Analisis deskriptif dilakukan berdasarkan data primer dan informasi yang diperoleh dari hasil wawancara dan pengisisan kuesioner oleh masing-masing responden. Dengan analisis deskriptif akan dapat diketahui mengenai karakteristik konsumen cabai merah dan bagaimana perilakunya dalam mengkonsumsi cabai merah khususnya yang sedang melakukan pembelian cabai merah di pasar yang berlokasi di DKI Jakarta. Analsis deskriptif ini dilakukan dengan mentabulasi data yang diperoleh dari hasil
40 wawancara responden dan menginterpretasikan hasil yang diperoleh terkait dengan konsumen cabai merah. Analisis deskriptif ini untuk menganalisis variabel-variabel yang tidak diuji secara statistik.
4.5.2. Analisis Regresi Berganda
Untuk mengidentifikasi apa saja faktor-faktor yang mempengaruhi permintaan dan pasokan cabai merah keriting, penelitian ini menggunakan metode analisis regresi linear berganda. Analisis regresi sendiri menurut Firdaus (2004) berkenaan dengan studi ketergantungan suatu variabel yaitu variabel tak bebas (dipendent variable) pada satu atau lebih variabel lain yaitu variabel bebas (independent variable), dengan maksud menduga dan/atau meramalkan nilai rata-rata hitung (mean) atau rata-rata-rata-rata (populasi) dari variabel tak bebas, dipandang dari segi nilai yang diketahui atau tetap (dalam pengambilan sampel berulang) dari variabel bebas. Lebih lanjut dijelaskan bahwa analisis regresi pada hakikatnya dibedakan menjadi dua yaitu analisis regresi sederhana (simple regression analysis) dan analisis regresi berganda (multiple regression analysis).
Pusat Data dan Informasi Pertanian (PUSDATIN) memberikan penjelasan tentang beberapa konsep analisis termasuk tentang analisis regresi. Analisis regresi dijelaskan sebagai teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Penerapannya dapat dijumpai secara luas di banyak bidang seperti teknik, ekonomi, manajemen, ilmu-ilmu biologi, ilmu-ilmu sosial, dan ilmu-ilmu pertanian. Pada saat ini, analisis regresi berguna dalam menelaah hubungan dua variabel atau lebih, dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna, sehingga dalam penerapannya lebih bersifat eksploratif.
Analisis regresi berganda sendiri seperti yang dijelaskan oleh Firdaus (2004) dan Hanke et al. (1999) merupakan analisis yang mempelajari ketergantungan antar variabel yang melibatkan suatu variabel tak bebas dengan lebih dari satu variabel bebas. Jika ditulis dalam bentuk persamaan biasanya huruf Y menggambarkan variabel tak bebas dan huruf X (X1, X2, X3,…,Xk) menggambarkan variabel bebas, dimana Xk menggambarkan variabel yang menjelaskan ke-k. Dijelaskan dalam PUSDATIN regresi berganda seringkali
41 digunakan untuk mengatasi permasalahan yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Business Week, Wal Street Journal, dll), yang didasarkan pada model-model ekonometrika dengan analisis berganda sebagai alatnya. Salah satu contoh penggunaan regresi berganda pada bidang pertanian diantaranya ilmuwan pertanian menggunakan analisis regresi untuk menjajaki antara hasil pertanian (misal: produksi padi per hektar) dengan jenis pupuk yang digunakan, kuantitas pupuk yang diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi serangga.
Menurut Sulaiman (2004), analisis regresi berganda (multiple regression) digunakan untuk melihat hubungan variabel terikat dengan lebih dari satu variabel bebas. Penggunaan regresi linear berganda ini memungkinkan untuk menganalisis faktor-faktor apa saja yang berpengaruh secara signifikan terhadap penawaran dan permintaan. Seperti yang akan dilakukan pada penelitian ini yaitu menganalisis permintaan rumah tangga dan pasokan cabai merah di DKI Jakarta dengan faktor-faktor yang mempengaruhinya seperti yang telah diidentifikasi sebelumnya. Bentuk matematis persamaan regresi linear berganda dari fungsi penawaran/pasokan dan permintaan cabai merah akan diuraikan berikut ini.
a. Fungsi Penawaran
Keterangan :
Ysxi = Jumlah pasokan cabai merah keriting (Kg)
X1i = jumlah pasokan cabai merah keriting periode sebelumnya (Kg) X2i = harga cabai merah keriting (Rp/Kg)
X3i = harga cabai merah keriting musim sebelumnya (Rp/Kg)
X4i = rata-rataharga komoditi substitusi (cabai rawit hijau dan merah) (Rp/Kg) X5i = laju inflasi di DKI Jakarta
X6i = Dummy (bulan puasa/hari raya)
β0 = Konstanta
β1 – β5 = Koefisien
β6 = Koefisien variabel Dummy (0 = hari biasa; 1 = hari saya/puasa)
ε = Error
I = 1, 2, 3, . . . ,n
42 b. Fungsi Permintaan
Keterangan:
Ydx = Jumlah permintaan cabai merah rumah tangga (Kg/bulan) X1 = Jumlah anggota keluarga (Orang)
X2 = Harga beli cabai (Rp/Kg) X3 = Pendapatan Rumah Tangga X4 = Frekuensi pembelian (kali/bulan) X5 = Tempat pembelian
X6 = Suku
α1,2,4, =koefisien
α3 = koefisien variabel Dummy pendapatan (0 = < 3 juta; 1 = > 3 juta)
α5 = koefisien variabel Dummy (0 = pasar tradisional; 1 = pasar moderen)
α6 = koefisien variabel Dummy (0 = bukan jawa; 1 = jawa)
ν = Error
Persamaan (3) dan (4) akan membentuk model penawaran atau pasokan dan permintaan cabai merah yang terbilang cukup mudah untuk dianalisis. Tetapi model yang dihasilkan memiliki kelemahan. Menurut Nachrowi dan Usman (2006) salah satu kelemahan dari model seperti persamaan (3) dan (4) yaitu sulit dalam menginterpretasikan koefisien interceptnya, bahkan pada kondisi tertentu tidak dapat diinterpretasikan. Untuk mengatasi kelemahan ini salah satau teknik yang dapat dilakukan yaitu dengan mentransformasi model ke bentuk lain. Kedua fungsi baik penawaran maupun permintaan ditransformasi ke dalam bentuk logaritma natural, sehingga akan terbentuk fungsi sebagai berikut.
a. Fungsi Penawaran/Jumlah Pasokan
b. Fungsi Permintaan Rumah Tangga
Transformasi ke dalam bentuk lograitma natural dipilih kerena data yang dihasilkan harus membentuk garis lurus atau merupakan model yang linear. Selain itu, nilai koefisien dalam persamaan merupakan elastisitas, atau dengan kata lain koefisien slope merupakan tingkat perubahan pada variabel Y (dalam persen) bila terjadi perubahan variabel X (dalam persen). Hal ini sesuai dengan kebutuhan Ydx= α0+ α1X1+ α2X2+ α3X3+ α4X4+ α5 X5+ α6X6 +ν………...……. (4)
Ln Ysxi = Ln β0 + β1 Ln X1i + β2 Ln X2i +β3 Ln X3i + β4 Ln X4i + β5 Ln X5i + β6 X6i + ε ……….………..….…..………… (5)
Ln Ydx = Ln α0 + α1 Ln X1 + α2 Ln X2 + α3 X3 + α4 Ln X4 + α5 X5+ α6 X6 +
43 penelitian yang mengkaji elastisitas jumlah pasokan dan permintaan rumah tangga terhadap cabai merah terhadap variabel-variabel yang mempengaruhinya. Tetapi tidak semua variabel ditransformasi ke dalam bentuk logaritma natural, khususnya variabel independen yang merupakan variabel dummy tidak dilakukan transformasi. Hal ini dikarenakan variabel dummy mengandung nilai nol (0) yang tidak bisa ditransformasikan.
Fungsi regresi model pasokan dan permintaan seperti yang telah dirumuskan di atas, merupakan fungsi regresi yang dibuat dengan sejumlah sampel tertentu untuk mewakili fungsi regresi populasi yang sulit untuk dirumuskan. Harus dapat dipastikan bahwa fungsi regresi populasi dapat ditafsirkan atas dasar fungsi regresi sampel di atas. Untuk itu, maka model regresi yang dihasilkan harus merupakan penduga tak bias linear terbaik atau Best Linear Unbiased Estimator (BLUE). Agar model dapat memenuhi penduga tak bias terbaik, dilakukan beberapa uji atau pemerikasaan asumsi dengan sisaannya sehingga dipastikan asumsi-asumsi terpenuhi.
Menurut Gauss-Markov dalam Juanda (2009) agar dapat menghasilkan penduga tak bias linear terbaik digunakan metode kuadrat terkecil/method of ordinary least squares (OLS). Penduga terbaik dalam hal ini yaitu memiliki ragam penduga paling kecil (paling efisien) diantara penduga tak bias lainnya harus dapat memenuhi asumsi-asumsi OLS. Memenuhi asumsi OLS harus dilakukan pengujian-pengujian yang terdiri dari terdiri dari Uji Linearitas, Uji Homoskedastisitas, Uji Autokorelasi, Uji Multikolinearitas, dan Uji normalitas. Khusus untuk uji autokorelasi hanya akan dilakukan pada model untuk menduga pasokan cabai saja, tidak akan dilakukan pada model permintaan. Hal ini dilakukan karena uji ini umunya terjadi pada kasus data sampel time series.
Data yang digunakan untuk menganalisa model pasokan cabai adalah data time series, sedangkan untuk model permintaan data yang digunakan yaitu data cross section. Menurut Firdaus (2011) data time series atau data deret merupakan data yang berasal dari observasi terhadap suatu objek pada sepanjang kurun waktu tertentu. Data cross section atau kerat lintang yaitu hasil pengamatan terhadap banyak objek pada satu periode waktu.
44 Setelah dilakukan pengujian terhadap asumsi-asumsi OLS , dilakukan pengujian model secara keseluruhan. Dilakukan evaluasi apakah model yang diperoleh sudah baik atau belum dan seberapa siginfikan variabel-variabel yang dimasukkan ke dalam model saling berpengaruh. Pengujian ini akan dilakukan dengan beberapa kriteria pengujian statistik. Pengujian kriteria statistik menyangkut uji koefisien determinasi (R2), pengujian kelinearan model (F), dan pengujian koefisien regresi parsial (t).
4.5.2.1. Kriteria Ekonometrika
4.5.2.1.1. Uji Linearitas
Pengujian linearitas hubungan dua variabel dilakukan dengan cara membuat diagram pencar (scatter plot) antara dua variabel tersebut. Selain metode tersebut, pengujian kelinearan model yang terbentuk yaitu dengan cara membuat plot residual terhadap harga-harga prediksi. Jika grafik antara harga prediksi dan harga-harga residual tidak membentuk suatu pola tertentu (parabola, kubik, dan sebagianya), maka asumsi linearitas terpenuhi. Jika asumsi linearitas terpenuhi, maka residual-residual akan didistribusikan secara random dan akan terkumpul di sekitar garis lurus yang melalui titik nol (0). Uji Linearitas dapat pula dilihat dari nilai rata-rata untuk kesalahan penganggu adalah sama dengan nol, yaitu :
E(εi)=0, untuk i=1,2,3,4…..,k
4.5.2.1.2. Uji Homoskedastisitas
Salah satu uji yang penting dilakukan dalam model regresi linier yaitu bahwa gangguan (disturbances) ui yang muncul dalam fungsi regresi populasi adalah homoskedastik, yaitu semua gangguan tersebut mempunyai varians yang sama. Pelanggaran dari asumsi ini adalah heterokedastisitas. Pembuktian kesamaan varian (homoskedastisitas) dapat dilihat dari penyebaran nilai-nilai residual terhadap nilai-nilai prediksi. Jika penyebarannya tidak membentuk suatu pola tertentu seperti meningkat atau menurun, maka homoskedastisitas terpenuhi.
Uji homoskedastisitas dapat dilihat pada nilai εi = σ2 yang sama untuk semua kesalahan pengganggu.
45
4.5.2.1.3. Uji Autokorelasi
Uji autokorelasi penting untuk memastikan bahwa tidak ada autokorelasi atau bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh disturbansi atau gangguan yang berhubungan dengan pengamatan lain manapun. Tidak ada autokorelasi antara kesalahan pengganggu
berarti kovarian (εi,εj)=0, untuk i ≠ j. Dengan demikian antara εi dan εj tidak saling bergantung. Autokorelasi dapat pula dideteksi dengan menggunakan pengujian Durbin-Watson (DW) dengan ketentuan sebagai berikut :
1. 1,65 < DW < 2,5 = tidak ada autokorelasi
2. 1,21 < DW < 1,65 atau 2,5 < DW < 2,8 = tidak dapat disimpulkan 3. DW < 1,21 atau 2,8 = terjadi autokorelasi
4.5.2.1.4. Uji Multikolinearitas
Multikolinearitas berarti ada hubungan linear yang sempurna (pasti) diantara beberapa atau semua variabel independen dari model regresi. Adapun cara pendeteksiannya adalah jika multikolinearitas tinggi, maka akan diperoleh R2 yang tinggi tetapi tidak satu pun atau sangat sedikit koefisien yang ditaksir signifikan secara statistik. Untuk menghasilkan model regresi yang baik, seharusnya tidak ada hubungan linier yang sempurna diantara beberapa atau semua variabel bebas. Ini merupakan alasan mengapa harus dilakukan uji multikolinearitas. Untuk melakukan uji multikolinearitas dapat dideteksi dengan beberapa cara berikut:
Besaran VIF (Variance Inflation Factor) dan Tolerance. Pedoman suatu model regresi yang bebas multikolinearitas adalah mempunyai nilai VIF kurang dari sepuluh.
Besaran korelasi antar variabel independen. Pedoman suatu model regresi yang bebas multikolinearitas adalah koefisien korelasi antar variabel bebas haruslah lemah (di bawah 0,5). Jika korelasi kuat, maka terjadi multikolinearitas.
46
4.5.2.1.5. Uji Normalitas
Asumsi normalitas mengharuskan nilai residual dalam model menyebar atau terdistribusi secara normal. Untuk mengetahuinya dilakukan uji Kolmogrov- Smirnov dengan memplotkan nilai standar residual dengan probabilitasnya pada tes normalitas. Jika pada grafik Kolmogorov-Smirnov titik-titik residual yang ada tergambar segaris dan nilai P-value lebih besar dari sama dengan 0,05, maka dapat disimpulkan bahwa model terdistribusi secara normal. Selain itu mendeteksi normalitas dapat dilakukan dengan plot probabilitas normal. Melalui plot ini masing-masing nilai pengamatan dipasangkan dengan nilai harapan dari distribusi normal. Jika residual berasal dari distribusi normal, maka nilai-nilai data (titik-titik dalam grafik) akan terletak di sekitar garis diagonal. Peubah bebas atau variabel bebas X1, X2, X3,…,Xk konstan dalam pengambilan sampel terulang dan bebas terhadap kesalahan pengganggu.
4.5.2.2. Kriteria Statistik
4.5.2.2.1. Uji R2 (Koefisien Determinasi)
Menurut Firdaus (2004) uji koefisiern determinasi (R2) merupakan pengujian kecocokan/ketepatan (goodness of fit) yang pada analisis regresi berganda disebut koefisien determinasi berganda (multiple coefficient of correlation). Uji ini dilakukan untuk mengetahui berapa besar persentase sumbangan masing-masing variabel independen terhadap variasi (naik-turunnya) variabel dipenden. Nilai R2 mempunyai interval nilai antara 0 sampai 1 (0 ≤ R2 ≤
1). Interpretasi dari nilai interval tersebut yaitu semakin besar R2 (mendekati 1), maka semakin baik hasil untuk model regresi tersebut. Semakin mendekati 0, maka variabel independen secara keseluruhan tidak dapat menjelaskan variabel dipenden. Nilai R2 diperoleh dengan menggunakan rumus berikut :
= ∑( ∗ ^) /
∑( ) / = ………(7)
Keterangan :
Y = Nilai pengamatan
Y* = Nilai Y yang ditaksir dengan model regresi Y^ = Nilai rata-rata pengamatan
47
4.5.2.2.2. Pengujian Kelinearan Model (Uji F)
Pengujian kelinearan model atau yang disebut juga evaluasi model dugaan ini digunakan untuk mengetahui apakah ada hubungan linear antara variabel dipenden dengan beberapa variabel independen. Pada uji ini diperiksa signifikansi regresi yang semuanya disediakan pada standar output paket software statsitika (ketika dilakukan pengolahan dengan SPSS). Hipotesis yang digunakan adalah: H0 : β1= β2= ... = βk = 0 Hipotesis ini berarti model regresi liniear berganda
tidak signifikan atau dengan kata lain tidak ada hubungan linear antara variabel independen terhadap variabel dipenden.
H1 : βi ≠ 0 Model regresi linear berganda signifikan atau dengan kata lain ada hubungan linear antara variabel independen terhadap variabel dipenden.
Hipotesis di atas dikaitkan dengan uji nyata regresi yang diperoleh, maka perhitungan statistik uji yang digunakan adalah:
= ………...(8)
Setelah dilakukan uji nyata regresi, pengambilan kesimpulannya sebagai berikut: Bila : Fhit > Ftabel = tolak H0/Terima H1
Fhit < Ftabel = terima H0
Nilai F merupakan sebuah nilai statistik F dengan derajat bebas k-2 dan nk, bila
μα,β jatuh pada sebuah garis lurus. Ini berarti statistik itu dapat digunakan untuk menguji hipotesis H0 bahwa regresinya linear.
4.5.2.2.3. Pengujian Koefisien Regresi Parsial (Uji t)
Menguji ada tidaknya hubungan linear antara variabel independen terhadap variabel dipenden, Berbeda dengan uji F yang menguji apakah variabel-variabel independen secara bersama-sama berpengaruh nyata atau tidak berpengaruh nyata terhadap variabel dipenden. Uji t akan menguji apakah variabel independen berpengaruh nyata terhadap variabel dipenden secara parsial atau secara terpisah antara setiap variabel. Adapun hipotesis yang digunakan dalam uji t sebagai berikut :
48 H0 : bi = 0 Hipotesis in berarti tidak ada hubungan linear antara variabel
independen dan variabel dipenden.
H1 : bi≠ 0 Hipotesis ini berarti ada hubungan linear antara variabel independen dan variabel dipenden.
H1 : bi > 0 Hipotesis ini berarti ada hubungan linear antara variabel independen dan variabel dipenden secara positif.
H1 : bi < 0 Hipotesis ini berarti ada hubungan linear antara variabel independen dan variabel dipenden secara negatif.
Uji ini dikaitkan dengan uji nyata dari garis regresi yang diperoleh dari prediksi nilai pengamatan variabel dipenden. Selain uji di atas, nilai koefisien dari
nilai b hasil prediksi nilai β yang diperoleh juga harus diuji. Adapun hipotesisnya
sebagai berikut:
H0 : b = β (koefisien regresi tidak signifikan)
H1 : b ≠ β (koefisien regresi signifikan)
Pengambilan kesimpulan pada pengujian hipotesis dilakukan sebagai berikut: a. Jika thit < -tα/2 atau thit > tα/2 kesimpulannya tolak H0. Jika -tα/2 ≤ thit ≤ tα/2
kesimpulannya terima terima H0
b. Jika thit > tα kesimpulannya tolak H0. Jika thit≤ tα kesimpulannya terima H0 c. Jika thit < -tα kesimpulannya tolak H0. Jika thit≥ -tα kesimpulannya terima H0
4.6.Hipotesis Penawaran dan Permintaan Cabai Merah
4.6.1. Hipotesis Penawaran Cabai Merah
Sebelum dilakuakan analisa terkait dengan variabel yang mempengaruhi pasokan cabai merah keriting, dilakukan hipotesis terhadap masing-masing variabel untuk menduga masing-masing pengaruh variabel. Hipotesis mengenai faktor-faktor apa saja yang mempengaruhi penawaran cabai merah dan bagaimana pengaruhnya terhadap penawaran cabai merah adalah sebagai berikut :
a. Jumlah pasokan cabai merah keriting pada periode sebelumnya diduga berpengaruh positif pada jumlah pasokan cabai merah keriting pada periode saat ini (terhitung). Semakin tinggi jumlah pasokan cabai merah keriting pada
49 periode sebelumnya, maka jumlah pasokan cabai merah keriting periode terhitung akan tinggi dan sebaliknya jika jumlah pasokan cabai merah keriting pada periode sebelumnya sedikit maka pada periode terhitung jumlah pasokan cabai merah juga akan sedikit. Hal ini dikarenakan pada periode terhitung dengan periode sebelumnya dapat dikatakan masih berada pada musim yang sama (tiga bulan yang sama), pada musim yang sama sehingga hasil panen cabai tidak jauh berbeda.
b. Harga komoditi itu sendiri (cabai merah keriting) berpengaruh negatif pada jumlah pasokan. Dalam hal ini harga pada periode sekarang (terhitung) dipengaruhi oleh jumlah pasokan cabai itu sendiri. Harga akan menjadi tinggi jika jumlah pasokan cabai merah keriting tersebut sedikit, dan sebaliknya jika jumlah pasokan tinggi harga cabai merah keriting tersbut akan turun. Jadi dalam hipotesis ini jumlah pasokan dan harga cabai dipengaruhi oleh faktor lain yang menyebabkan jumlah pasokan naik atau turun sehingga berpengaruh pada harga. Dengan kata lain harga rendah mengindikasikan bahwa jumlah pasokan cabai merah keriting cukup tinggi, dan sebaliknya harga yang tinggi mengindikasikan bahwa jumlah pasokan cabai sedikit. c. Harga cabai merah musim sebelumnya diduga berpengaruh positif pada
jumlah pasokan cabai merah keriting pada periode terhitung. Musim sebelumnya yang dimaksudkan disini adalah harga cabai pada tiga bulan sebelumnya, karena umur panen cabai sendiri adalah tiga bulan. Oleh karena itu harga cabai tiga bulan sebelumnya atau musim sebelumnya bertepatan dengan pada saat mulai penanaman cabai yang akan dijual pada saat periode terhitung. Jika harga cabai musim sebelumnya (tiga bulan sebelumnya) tinggi, diduga mempengaruhi pada produsen atau petani cabai untuk menanam lebih banyak agar dapat menghasilkan produksi cabai lebih banyak. Sebaliknya, jika harga cabai musim sebelumnya rendah, petani atau produsen cabai akan mengurangi jumlah produksinya.
d. Harga komoditi substitusi yang dalam hal ini merupakan harga rata-rata cabai rawit merah dan hijau diduga berpengaruh negatif pada jumlah pasokan cabai merah keriting. Semakin tinggi harga komoditi substitusi maka jumlah
50 pasokan cabai merah keriting semakin sedikit. Hal ini terjadi karena ketika harga substitusi yang dalam hal ini merupakan cabai rawit merah dan cabai rawit hijau mengalami kenaikan mengindikasikan jumlahnya yang berkurang yang mungkin disebabkan oleh faktor-faktor dalam kegiatan produksi. karena karakterisitiknya pengusahaannya yang sama dengan cabai merah keriting kemungkinan hal yang sama juga terjadi pada cabai merah keriting. Dimana berkurangnya jumlah pasokan cabai rawit baik hijau dan merah menyebabkan harga jualnya tinggi, dan hal ini juga menunjukkan bahwa jumlah pasokan cabai merah kerting juga rendah.
e. Tingkat inflasi diduga berpengaruh negatif pada pasokan cabai merah keriting. Jika inflasi meningkat maka jumlah pasokan cabai merah keriting lebih sedikit. Inflasi menunjukkan kenaikan harga-harga komoditi secara keseluruhan termasuk harga komoditi cabai merah keriting itu sendiri. Sesuai dengan hipotesis sebelumnya mengenai harga cabai merah keriting itu sendiri yang meningkat menunjukkan jumlah pasokan cabai merah keriting rendah. f. Dummy, yaitu terdiri dari bulan puasa/hari raya dan hari biasa. Diduga pada
hari raya dan bulan puasa kuantitas pasokan cabai merah keriting mengalami penurunan atau jumlah pasokannya lebih sedikit dari hari-hari biasa. Sebaliknya pada hari-hari biasa jumlah pasokan cabai merah keriting lebih banyak. Hal ini terjadi karena pada momen-momen tersebut banyak pengusaha cabai yang tidak melaksanakan aktivitas usahanya.
4.6.2. Hipotesis Permintaan Cabai Merah
Hipotesis mengenai faktor-faktor apa saja yang mempengaruhi permintaan cabai merah dan keriting bagaimana pengaruhnya terhadap permintaan cabai merah keriting adalah sebagai berikut :
a. Jumlah anggota keluarga diduga berpengaruh positif terhadap jumlah permintaan cabai merah kerting disuatu rumah tangga. Rumah tangga dengan jumlah anggota keluarga yang lebih banyak memiliki jumlah permintaan cabai merah keriting yang tinggi, dan sebaliknya jumlah anggota keluarga yang lebih sedikit maka akan lebih sedikit pula jumlah permintaan cabai merah keriting di rumah tangga tersebut.
51 b. Harga beli komoditi cabai merah keriting diduga berpengaruh negatif atau berbanding terbalik dengan jumlah permintaan masing-masing rumah tangga. Jumlah permintaan cabai merah kerting lebih sedikit pada harga yang tinggi, dan permintaan cabai merah keriting lebih banyak ketika harga rendah.
c. Pendapatan rumah tangga diduga berpengaruh positif terhadap jumlah permintaan cabai merah keriting. Semakin besar jumlah pendapatan suatu keluarga, jumlah cabai merah keriting yang diminta semakin besar. Sebaliknya, jumlah permintaan cabai merah keriting lebih sedikit pada rumah tangga yang pendapatannya lebih kecil. Pendapatan merupakan variabel dummy yang dikategorikan ke dalam dua kelompok yaitu pendapatan rumah tangga kurang dari dan lebih dari tiga juta. Nilai nol menunjukkan rumah tangga dengan jumlah pendapatan kurang dari tiga juta rupiah, dan nilai satu untuk rumah tangga yang pendapatannya lebih dari tiga juta rupiah.
d. Frekuensi pembelian cabai merah keriting dalam satu bulan diduga berpengaruh positif pada jumlah permintaan rumah tangga terhadap cabai merah. Semakin sering suatu rumah tangga melakukan pembelian cabai merah keriting, berarti semakin besar jumlah permintaan cabai merah keriting rumah tangga tersebut. Sebaliknya semakin jarang melakukan pembelian, permintaan cabai merah keriting rumah tangga tersebut semakin sedikit. e. Tempat pembelian cabai merah keriting terdiri dari pasar moderen dan pasar
tradisional. Diduga responden yang membeli cabai di pasar tradisional jumlah cabai yang diminta akan lebih banyak daripada responden yang membeli cabai di pasar moderen. Sama halnya dengan pendapatan, dalam analisis tempat pembelian cabai merah keriting merupakan variabel dummy. Pembelian yang dilakukan di pasar tradisional diberi nilai nol, dan pembelian yang dilakukan di pasar moderen diberikan nilai satu.
f. Suku dikelompokkan menjadi Jawa dan bukan Jawa, diduga responden yang suku Jawa permintaan cabainya lebih sedikit dibandingkan dengan reponden yang bukan suku Jawa. Sebagai variabel dummy, dalam analisis yang dilakukan, responden yang merupakan suku Jawa diberi nilai nol, dan responden yang bukan Jawa diberikan nilai satu.
