60
3.7 Uji Asumsi Klasik 3.7.1 Uji Normalitas
Tabel 3.6 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
29 Normal Parameters
a,b
Mean .0000000
Std. Deviation 8.84389549E3
Most Extreme Differences Absolute
.120 Positive
.120 Negative
-.060 Kolmogorov-Smirnov Z
.645 Asymp. Sig. 2-tailed
.800 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan output di atas, diketahui bahwa nilai signifikansi sebesar 0,800 lebih besar dari 0,05 sehingga dapat disimpulkan bahwa data yang diuji
berdistribusi normal.
3.7.2 Uji Heterokedastisitas Tabel 3.7 Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1
Constant 4360.984
5928.096 .736
.469 Curah Hujan
1.430 10.818
.025 .130
.898 Hari Hujan
-53.969 338.139
-.032 -.160
.875 Penggunaan Pupuk
-.001 .002
-.131 -.590
.561 Sisa Tanam Akhir
Tahun Lalu 2.271
1.484 .428
1.834 .079
a. Dependent Variable: RES2
Berdasarkan output di atas diketahui bahwa nilai signifikasi variabel curah hujan X
1
sebesar 0,898 lebih besar dari 0,05, artinya tidak terjadi
Universitas Sumatera Utara
61 heteroskedastisitas. Sementara itu, diketahui nilai signifikasi variabel hari hujan
X
2
yakni 0,875 lebih besar dari 0,05, artinya tidak terjadi heteroskedastisitas. Nilai signifikasi pada variabel penggunaan pupuk X
3
yaitu sebesar 0,561 lebih besar dari 0,05 artinya tidak terjadi heteroskedastisitas dan pada variabel sisa
tanam akhir tahun lalu X
4
nilai signifiksasi sebesar 0,079 lebih besar dari 0,05 artinya tidak terjadi juga heteroskedastisitas.
3.7.3 Uji Multikolineritas Tabel 3.8 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -8734.062
9792.136 -.892
.381 X
1
23.668 17.878
.133 1.324
.198 .972
1.029 X
2
-73.149 558.827
-.014 -.131
.897 .873
1.146 X
3
.014 .004
.441 3.798
.001 .727
1.376 X
4
10.988 2.453
.545 4.480
.000 .662
1.511 a. Dependent Variable: Hasil Produksi
Berdasarkan tabel di atas dapat dilihat bahwa model regresi tidak mengalami gangguan multikolinieritas. Hal ini tampak pada nilai tolerance
masing-masing variabel lebih besar dari 10 persen 0,1. Hasil perhitungan VIF juga menunjukkan bahwa nilai VIF masing-masing variabel kurang dari 10. Jadi
dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi tersebut.
Universitas Sumatera Utara
62
BAB 4 KESIMPULAN DAN SARAN
4.1 Kesimpulan
Dari hasil analisis dan perhitungan yang telah dilakukan, maka dapat disimpulkan sebagai berikut :
1. Persamaan regresi linear berganda yang diperolehyaitu:
ˆ Y
=
-8734,062+ 23,668X
1
−73,149X
2
+ 0,014X
3
+ 10,988X
4
2. Dari persamaan di atas dapat diuraikan sebagai berikut:
a.
ˆ Y
=
-8734,062 + 23,668X
1
artinyaapabilacurah hujan meningkat 1 mm maka diperkirakan hasil produksipadi akan meningkat sebesar 23,668
ton. b.
ˆ Y
=
-8734,062 − 73,149X
2
artinyaapabilahari hujan meningkat 1 hari maka diperkirakan hasil produksipadi akan menurun sebesar 73,149
ton. c.
ˆ Y
=
-8734,062 + 0,014X
3
artinyaapabilapenggunaan pupuk meningkat 1 ton maka diperkirakan hasil produksipadi akan meningkat sebesar 0,014
ton. d.
ˆ Y
=
-8734,062 + 10,988X
4
artinyaapabilasisa tanam akhir tahun lalu meningkat 1ton maka diperkirakan hasil produksipadi akan meningkat
sebesar 10,988 ton. 3.
Koefisien determinasi R
2
sebesar 77,47 , menunjukan bahwa 77,74 jumlah hasil produksi padi dipengaruhi oleh keempat faktor X
1
, X
2
, X
3,
X
4
dan sisanya 22,53 dipengaruhi oleh faktor–faktor lain selain curah hujan, hari hujan, penggunaan pupuk dan sisa tanam akhir tahun lalu.
4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas,
korelasi yang tinggi terjadi pada sisa tanam akhir tahun lalu X
4
yaitu sebesar 0,765 76,50 yang artinya faktor sisa tanam akhir tahun
laluadalah faktor yang paling mempengaruhi hasil produksi diantara keempatvariabel bebasnya.
Universitas Sumatera Utara
