Metode analisis data yang digunakan dalam penelitian ini adalah analisis deskriptif kuantitatif. Metode deskriptif digunakan untuk mengetahui tingkat partisipasi anggota kelompok tani dalam program desa berdaya sejahtera mandiri. Analisis Regresi Linier Berganda untuk mengetahui faktor-faktor yang mempengaruhi partisipasi anggota kelompok tani dalam program desa berdaya sejahtera mandiri, serta untuk mengetahui pengaruh partisipasi anggota kelompok tani terhadap keberlanjutan usahatani padi sehat.
Menurut Sugiyono (2001), sebelum dilakukan analisis regresi linier
berganda, data ordinal diubah terlebih dahulu menjadi data interval dengan menggunakan Method of Successive Interval (MSI). Analisis dengan regresi
linier berganda menggunakan software EViews 8 dengan model persamaan sebagai berikut :
Y = a + b1X1 + b2X2+ e Keterangan :
Y = Variabel terikat a = Konstanta
b1, b2, = Koefisien regresi X = Variabel bebas
e = Error
Pengujian ketelitian dan kemampuan model regresi pada penelitian ini dilakukan dengan uji :
1) Uji Asumsi Klasik
Menggunakan persamaan regresi linier berganda terdapat salah satu syarat yang harus terpenuhi salah satunya yaitu asumsi klasik. Agar mendapat nilai yang tidak bias dan efisien (Best Linier Unbias
Estimator/BLUE) dari satu persamaan linier berganda dengan metode kuadrat terkecil, perlu dilakukan pengujian untuk mengetahui model regresi yang dihasilkan memenuhi persyaratan asumsi klasik.
Persyaratan yang harus dipenuhi adalah : a) Uji asumsi normalitas
Distribusi normal merupakan distribusi teoritis dari variabel random yang kontinyu. Untuk menguji apakah sampel penelitian merupakan jenis distribusi normal, digunakan pengujian Normal Probability Plot of Regression Standardized Residual terhadap masing-masing
variabel. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Gambar 2. Hasil uji normalitas variabel X terhadap Y
Gambar 3. Hasil uji normalitas variabel Y terhadap Z
Berdasarkan kedua Normal P-P plot di atas terlihat plot-plot data mengikuti garis linier, sehingga dapat disimpulkan bahwa data residual berdistribusi normal.
b) Uji asumsi multikolinearitas
Multikolinearitas berarti antara variabel independen yang satu dengan variabel yang lain dalam model regresi memiliki hubungan yang kuat.
Adanya multikolinearitas yang kuat akan mengakibatkan
ketidakpastian estimasi. Pengujian gejala multikolinearitas bertujuan untuk mengetahui apakah tiap-tiap variabel independen berhubungan secara linier. Multikolinearitas menyebabkan standar error akan semakin besar dan meningkatkan tingkat korelasi antar variabel di mana standar error menjadi sensitif terhadap perubahan data. Metode yang digunakan untuk mendeteksi adanya multikolinearitas pada penelitian ini adalah dengan menggunakan nilai value inflation factor (VIF). Jika VIF dari satu variabel melebihi 10 maka suatu variabel dikatakan berkorelasi sangat tinggi.
Tabel 9. Hasil uji multikolinearitas
Model Collinearity Statistics
Tolerance VIF
(Constant)
X1.1 0,855 1,169
X1.2 0,712 1,404
X1.3 0,874 1,144
X1.4 0,201 4,979
X2.1 0,225 4,446
X2.2 0,878 1,139
X2.3 0,295 3,388
X2.4 0,17 1,223
X2.5 0,776 1,288
Hasil pengujian menunjukkan bahwa nilai VIF tidak ada yang
melebihi angka 10. Hal ini berarti bahwa variabel-variabel penelitian menunjukkan tidak terjadi multikolinearitas dalam model regresi.
c) Uji asumsi heteroskedastisitas
Heteroskedastisitas berarti terjadi varian yang tidak sama untuk variabel independen yang berbeda. Hal ini dapat dideteksi dengan melihat plot antara nilai taksiran y dengan nilai residual (selisih antara variabel dependen actual dengan nilai prediksinya) versus nilai
prediksinya menyebar atau tidak membentuk pola. Jika pada grafik yang mempunyai sumbu residual yang distandarkan dari sumbu x dan
y yang telah diprediksi tidak membentuk suatu pola tertentu yang jelas (bergelombang, melebar kemudian menyempit), serta tersebar baik diatas maupun di bawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
Gambar 4. Hasil uji heteroskedastisitas variabel X terhadap Y
Gambar 5. Hasil uji heteroskedastisitas variabel Y terhadap Z
Berdasarkan grafik scatter plot di atas menunjukkan bahwa kedua grafik memiliki plot-plot menyebar secara acak dan tidak membentuk pola tertentu, sehingga dapat disimpulkan bahwa tidak terjadi
heterokedastisitas (data tersebut tidak mempunyai varian yang heterogen atau bersifat homoskedastisitas).
2) Uji koefisien determinasi (R-Square)
Nilai R-square bertujuan untuk mengetahui seberapa besar keragaman dari variabel (Y) yang dapat diterangkan oleh variabel (X). Nilai R- square memiliki besaran yang positif dan besarannya adalah 0 < R- square < 1. Hasil uji koefisiensi determinasi (R-Square) penelitian ini dapat dilihat pada tabel berikut:
Tabel 10. Hasil uji R-square variabel X terhadap Y Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
0,948a 0,899 0,877 2,279
Keterangan:
a) Predictors: (constant), X2.5, X1.2, X2.2,X1.1, X2.4, X1.3, X2.3, X2.1, X1.4
b) Dependent Variable: Y
Nilai koefisien determinansi adalah R-square = 0,899, artinya tingkat partisipasi anggota kelompok tani dipengaruhi oleh umur, pendidikan formal, pendidikan nonformal, motivasi, peran penyuluh,
kepemimpinan ketua kelompok tani, akses terhadap informasi, akses pasar, dan pengaruh iklim sebesar 89,9 persen. Sisanya 10,1 persen dipengaruhi faktor lain di luar model. Hasil uji uji R-square variabel Y terhadap Z dapat dilihat pada tabel berikut:
Tabel 11. Hasil uji R-square variabel Y terhadap Z Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
0,774 0,553 0,544 1,841
Nilai koefisien determinasi adalah R-square = 0,553 artinya
keberlanjutan usahatani pada sehat dipengaruhi oleh tingkat partisipasi
anggota kelompok tani sebesar 55,3 persen, sisanya 44,7 persen dipengaruhi faktor lain di luar model.
3) Uji secara simultan (F)
Uji F bertujuan untuk pengujian keseluruhan parameter pendugaan dalam persamaan regresi. Uji F untuk mengetahui apakah peubah bebas (X) secara bersama-sama berpengaruh terhadap peubah terikat (Y).
Tabel 12. Hasil uji F variabel X terhadap Y ANOVAa
Model Sum of Squares Df Mean Square F Sig.
Regression 1856.226 9 206,247 39,702 0,000b
Residual 207.794 40 5,195
Total 2064.020 49
Tabel 13. Hasil uji F variabel Y terhadap Z ANOVAa
Model Sum of Squares Df Mean Square F Sig.
Regression 201.148 1 201.148 59.368 0,000b Residual 162.632 48 3.388
Total 363.780 49
Output ANOVA di atas menunjukkan bahwa semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen (model cocok) karena sig = 0,000 < α
=0,05
4) Uji parsial (t)
Uji t bertujuan untuk mengetahui besarnya pengaruh dari masing- masing indikator variabel (X) terhadap indikator variabel (Y). Hasil analisis uji t dapat dilihat pada tabel berikut.
Tabel 14. Hasil uji t variabel X terhadap variabel Y
Model
Unstandardized Coefficients
Standardized Coefficients t
Sig.
B Std. Error Beta
(Constant) 93.297 7,793 11,972 0,000
Umur `-0,22 0,033 -0,036 -0,666 0,509
Pendidikan formal -0,214 0,159 -0,080 -1,343 0,187 Pendidikan nonformal -0,478 0,450 -0,057 -1,062 0,295 Motivasi petani 2,014 0,429 0,525 4,690 0,000 Peran penyuluh 1,233 0,236 0,552 5,216 0,000 Kepemimpinan ketua 0,87 0,222 0,021 0,390 0,699 Akses terhadap
informasi -0,419 0,477 -0,081 -0,879 0,384 Akses pasar -0,290 0,270 -0,059 -1,072 0,290 Pengaruh iklim 0,277 0,249 0,063 1.115 0,272
Berdasarkan hasil uji tersebut diketahui bahwa pada taraf signifikansi α = 5 persen variabel motivasi (X1.4) dan peran penyuluh (X2.1) berpengaruh signifikan, sedangkan variabel lainnya tidak berpengaruh signifikan terhadap tingkat partisipasi anggota kelompok tani (Y).
Hasil uji t variabel Y terhadap variabel Z dapat dilihat pada tabel berikut:
Tabel 15. Hasil uji t variabel Y terhadap variabel Z
Model
Unstandardized Coefficients
Standardized Coefficients t
Sig.
B Std. Error Beta
(Constant) 2,451 6,615 0,371 0,713
Y 0,312 0,041 0,744 7,705 0,000
Berdasarkan hasil uji tersebut diketahui bahwa H0 ditolak karena sig 00,00 < 0,05 sehingga dapat disimpulkan bahwa variabel Y (tingkat partisipasi anggota kelompok tani) berpengaruh signifikan terhadap variabel Z (keberlanjutan usahatani padi sehat).