Berikut ini sampel kelurahan yang diteliti oleh penulis :
Tabel 3.1 Distribusi Responden
Kelurahan Jumlah Responden
Persentase Helvetia Tengah
32 32
Tanjung Gusta 20
20 Dwi Kora
19 19
Cinta Damai 16
16 Sei Sikambing
13 13
Total 100
100
Sumber : Olahan Data primer
3.3 Metode Pengumpulan Data
Untuk pengumpulan data peneliti mempergunakan metode pengumpulan data primer yaitu dengan melakukan observasi dan wawancara dengan
menggunakan alat kuesioner sebagai alat. Jenis data yang dikumpulkan adalah cross section data.
3.4 Metode Pengolahan Data
Untuk menghitung hasil masing-masing koefisien pada model estimasi, maka peneliti menggunakan bantuan komputer dengan program Eviews 5.1.
3.5 Metode Analisis Data
Adapun model analisa yang digunakan adalah metode Regresi Linier Berganda dimana terdapat hubungan antara dua variabel bebas independent
variabel yaitu X
1
dan X
2.
Adapun modelnya adalah sebagi berikut : Y = a
+ β
1
X
1
+ β
2
X
2
+ µ
Dimana: Y
= Permintaan Surat kabar Eksemplar a
= Intercept β
1,
β
2
= Koefisien Regresi X
1
= Pendapatan keluarga Rupiah X
2
= Harga Surat Kabar Rupiah µ
= Standar Eror Term of Error Bentuk hipotesa diatas secara matematis dapat dinyatakan sebagai berikut :
∂Y 0, semakin tinggi tingkat pendapatan individu maka semakin besar permintaan terhadap surat kabar harian.
∂Y 0, semakin rendah harga surat kabar harian maka semakin besar permintaan terhadap surat kabar harian.
∂ X
1
∂ X
2
3.6 Uji Kesesuaian Test of Goodness Fit
3.6.1 Uji Koefisien Daterminasi R-Square
Koefisien determinasi dilakukan untuk melihat seberapa besar variabel- variabel independenn secara bersama-sama mampu memberikan penjelasan
mengenai variabel dependen. Jika R
2
semakin besar mendekati satu, maka dapat dikatakan variabel bebas mempunyai pengaruh besar terhadap variabel terikat.
Sebaliknya jika R
2
semakin kecil mendekati nol, maka dapat dikatakan bahwa pengaruh variabel bebas kecil terhadap variabel terikat.
3.6.2 Uji T-statistik
Uji t merupakan suatu pengujian yang bertujuan untuk mengetahui apakah masing-masing koefisien regresi signifikan atau tidak terhadap variabel terikat.
Nilai t-hitung diperoleh dengan rumus : t‘ =
bi Sebi
Dimana : bi
= koefisien variabel independen yang diuji b
= nilai hipotesis 0 Se bi = standar error dari variabel bi
Kriteria pengambilan keputusan : Ho diterima jika t-hitung t tabel Ha diterima jika t-hitung t tabel
Gambar 3.1 Uji T-statistik
3.6.3 Uji F-statistik
Uji f-statistik digunakan untuk mengetahui seberapa besar nilai-nilai variabel independent secara bersama-sama mempengaruhi variabel dependen.
Untuk uji f digunakan hipotesis : Ho : b
1
= b
2
= ... = b
k
= 0 Artinya secara bersama-sama tidak terdapat pengaruh yang positif dan
signifikan dari variabel bebas lx
1
, lx
2
terhadap variabel terikat Y. Ha : b
1
≠ b
2
≠ ... ≠ b
k
≠ 0
Nilai f-hitung diperoleh dengan rumus : F’ = R
2
k-1 Ha diterima
Ho diterima
1- R
2
n- k
Dimana: R
2
= koefisien determinasi k
= jumlah variabel independen ditambah dari suatu model persamaan n
= jumlah sampel Kriteria pengambilan keputusan :
Ho diterima jika t hitung f tabel Ha diterima jika t hitung f tabel
Gambar 3.6.3 Uji F-statistik
Ho diterima
Ha diterima
3.7 Uji Penyimpangan Asumsi Klasik
Beberapa asumsi klasik yang harus dipenuhi untuk suatu hasil estimasi regresi linier agar hasil tersebut dapat dikatakan baik dan efisien. Adapun asumsi klasik
yang harus dipenuhi antara lain: 1.
Model regresi adalah linier, yaitu linier di dalam parameter. 2.
Residual variabel pengganggu µ mempunyai nilai rata-rata nol zero mean value of disturbance µ
3. Homokedastisitas atau varian dari µ adalah konstan.
4. Tidak ada autokorelasi antara variabel pengganggu µ.
5. Kovarian antara µ dan variabel independen x1 adalah nol.
6. Jumlah data observasi harus lebih banyak dibandingkan dengan jumlah
parameter yang akan diestimasi. 7.
Tidak ada multikolinieritas. 8.
Variabel pengganggu harus berdistribusi normal atau skokastik. Berdasarkan kondisi diatas tersebut didalam ilmu ekonometrika, agar suatu
model dikatakan baik atau sihih, maka perlu dikatakan beberapa pengujian seperti dibawah ini Pratomo, Wahyu Ario dan Paidi Hidayat, 2007:88
3.7.1 Uji Normalitas
Uji ini dilakukan memasatikan µ error term tersebar normal. Jika µ tersebut normal maka koefisien OLS β OLS juga tersebar normal dengan
demikian Y juga tersebar normal, hal ini disebabkan adanya hubungan linier antara µ, β, dan Y. Untuk menguji sebaran µ dapat digunakan uji JB Jarque
Berra. Error term µ disebut normal jika nilai JB lebih rendah atau sama dengan nilai kritis tabel Chi-square derajat bebas, alpha.
Hipotesis yang dipakai adalah Ho diterima dan Ha ditolak jika nilai JB lebih besar dari tabel Chi-square, berarti sebaran error µ dan Y tidak
normal dan Ho ditolak sedangkan Ha diterima jika nilai JB lebih kecil dari nilai tabel Chi-square berarti sebaran error term µ dan Y normal.
3.7.2 Uji Linieritas
Uji linieritas sangat penting karena uji ini sekaligus dapat melihat apakah spesifikasi model yang kita gunakan sudah benar atau tidak. Dengan
menggunakan uji ini kita dapat mengetahui bentuk model empiris dan menguji variabel yang relevan untuk dimasukkan ke dalam model empiris.
Dengan kata lain, dengan menggunakan uji linieritas, spesification error atau miss-specification error. Salah satu uji yang digunakan untuk menguji
linieritas adalah uji Ramsey atau Ramsey RESET Test Pratomo, Wahyu Ario dan Paidi Hidayat, 2007.
3.7.3 Multikolinieritas
Multikolinieritas adalah suatu keadaan dimana satu atau lebih variabel independen dapat dinyatakan sebagai kombinasi linier dari variabel
independen lainnya. Adanya multikolinieritas ditandai dengan:
• Standard error tidak terhingga
• Tidak ada t-
statistik yang signifikan pada α=5, α=10, α=1 •
Terjadi perubahan tanda atau tidak seusai dengan teori •
R
2
sangat tinggi. Pengujian yang lain, yang dapat digunakan untuk melihat multikolinierity
antar variabel adalah dengan menggunakan uji parsial Pratomo, Wahyu Ario dan Paidi Hidayat, 2007:90.
3.7.4 Heterokedastisitas
Heterokedastisitas merupakan salah satu asumsi OLS jika varian residualnya tidak sama. Untuk mendeteksi ada tidaknya heterokedastisitas
dilakukan dengan white test yaitu dengan cara meregres logaritma residual kuadrat terhadap semua variabel penjelas.
Pada white test terhadap beberapa tahap, antara lain : -
Membuat regresi persamaan dan mendapatkan residualnya. -
Uji dengan chi-square tabel χ
2
χ
2
= n R
2
Dimana : n = jumlah observasi R
2
= koefisien determinasi Keputusan ada tidaknya heterokedastisitas ditemukan jika :
• χ
2
hitung χ
2
tabel, maka ada heterokedastisitas. •
χ
2
hitung χ
2
tabel, tidak ada heterokedastisitas. Ini merupakan pelanggaran salah satu asumsi klasik tentang model regresi
linier berdasarkan metode kuadrat terkesil biasa. Heterokedastisitas pada umumnya lebih banyak ditemui pada data cross section data yaitu data yang
menggambarkan keadaan pada suatu waktu tertentu misalnya data hasil suatu survei. Keberadaan heterokedastisitas akan dapat menyebabkan kesalahan dalam
penaksiran sehingga koefisien regresi menjadi tidak efisien dan dapat menyesatkan Nachrowi, Nachrowi Djalal dan Hardius Usman, 2006:109.
Menguji Heterokedastisitas
Untuk menguji keberadaan heterokedastisitas dilakukan dengan cara uji formal yaitu Uji White white’s general Heterokedastisitas Test.
Uji White memulai pengujiannya dengan membentuk model : Yi = β
+ β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ µ
i
Kemudian persamaan diatas. Dimodifikasi dengan membentuk regresi bantuan auxiliary regression sehingga model menjadi :
µi2 = α + α
1
X
1
+ α
2
X
2
+ α
3
X
3
+ α
4
X
1 2
+ α
5
X
2 2
+ α
6
X
3 2
+ α
7
X
1
X
2
X
3
+ υi
Pedoman dari penggunaan uji white ini adalah tidak terdapat masalah heterokedastisitas dalam hasil estimasi, jika nilai R
2
hasil regresi dilakukan dengan jumlah data atau n.R
2
= χ
2
hitung lebih kecil dibandingkan χ
2
tabel. Sementara, akan terdapat masalah heterokedastisitas apabila hasil estimasi
menunjukkan bahwa χ
2
hitung lebih besar dibandingkan χ
2
tabel Pratomo dan Hidayat, 2007:98.
Cara mengobati masalah heteroskedastisitas jika varians diketahui : Pada hakekatnya untuk mengatasi heteroskedastisiti kita melakukan
transformasi data. Gujarati 1995: 383 menunjukkan 4 cara untuk mengatasi heteroskedastisitas, yaitu :
1. Lakukan transformasi logaritma normal, semua data dilogaritma normalkan
model menjadi sebagai berikut,
LN Y = Ln a+ b
1
Ln X
1
+ b
2
Ln X
2
+ e Dengan mentransformasi data kebentuk logaritma normal, maka error akan
mengecil dan akibatnya heteroskedastisitas akan berkurang
2. Bagilah semua data dengan nilai prediksi Y
Yˆ
Y Y
ˆ
= a
Yˆ 1
+ b1 Y
ˆ e
ˆ 2
ˆ
2 1
+ +
Y X
b Y
X
Model ini disebut WLS Weighted Least Squares. Dalam model ini terdapat variabel baru yaitu 1 Yˆ . Buatlah data baru dengan membagi angka 1 dengan
Yˆ
. 3.
Membagi semua variabel dengan variabel lain.
Z e
Z X
b Z
X b
Z a
Z Y
+ +
+ =
2 2
1 1
1
Jika variabel Z tidak tersedia terpaksa kita membagi dengan salah satu variabel penjelas X
1
atau X
2
model menjadi,
1 1
2 2
1 1
1 1
1
1 X
e X
X b
X X
b X
a X
Y +
+ +
=
akhirnya model menjadi:
v X
X b
X A
X Y
+ +
=
1 2
2 1
2 1
Model ini juga dilakukan tanpa intersep, dan R
2
yang diperoleh juga merupakan Raw R
2
.
4. Transformasi dengan membagi semua variabel dengan akar X
1
.
1 1
2 2
1 1
1 1
1
1 X
e X
X b
X X
b X
a X
Y +
+ +
=
Dalam model ini juga dilakukan tanpa intersep, dan R
2
yang diperoleh juga merupakan Raw R
2
. Transformasi-transformasi di atas diharapkan e menjadi konstan sepanjang observasi.
3.8 Defenisi Operasioanal
Defenisi operasional batasan defenisi bertujuan mengarahkan dan membatasi penelitian, batasan-batasan defenisi dalam penelitian ini adalah
sebagai berikut : 1.
Permintaan adalah jumlah surat kabar harian yang diminta pada tingkat harga tertentu oleh masyarakat yang berada di Kecamatan Medan Helvetia.
Dihitung per eksemplar dalam satu bulan. 2.
Pendapatan per kapita adalah pendapatan atau hasil usaha yang diperoleh oleh kepala keluarga dalam waktu satu bulan yang diukur dengan rupiah Jutaan.
3. Harga adalah harga surat kabar harian yang diminta oleh masyarakat.
Dihitung harga per bulan dalam masa penelitian.
BAB IV HASIL DAN PEMBAHASAN
4.1 Deskripsi Daerah Penelitian
Kecamatan Medan Helvetia merupakan daerah yang mempunyai penduduk terbanyak kedua setelah Kecamatan Medan Deli. Jumlah
penduduknya sekitar 145.376 orang penduduk. Daerah penelitian ini berberbatasan dengan Kabupaten Deli Serdang di
sebelah utara, di sebelah selatan dan barat berbatasan dengan Kecamatan Medan Sunggal, dan disebelah timur berbatasan dengan Kecamatan Medan
Barat dan Kecamatan Medan Petisah. Secara administratif kecamatan Medan Helvetia terdiri dari 7 kelurahan. Potensi lahan yang dimiliki oleh daerah
penelitian ini sebagian besar dimanfaatkan untuk berwiraswasta. Kecamatan Medan helvetia terletak pada ketinggian 27 m dari
permukaan laut, dengan 03 – 02
LU, 62 – 41
LS, serta 98 – 39
BT. Kecamatan ini memiliki luas wilayah 11,5 Km
2
.