Analisis Deskriptif Analisis Regresi Linear Berganda

berganda beserta ujinya dengan menggunakan program minitab 13. Sedangkan data yang tidak dianalisis menggunakan alat tersebut diolah dengan menggunakan analisis deskriptif dengan cara memproses data yang diperoleh.

4.4.1 Analisis Deskriptif

Analisis deskriptif pemaparan digunakan untuk mengetahui gambaran umum konsumen tempe yang terjadi di wilayah yang diamati. Data yang diperoleh merupakan hasil perhitungan rata-rata dari karakteristik usia dan jumlah anggota keluarga. Data mengenai jenis kelamin, tingkat pendidikan, pekerjaan dan lain sebagainya diperoleh dari perhitungan persentase terbesar. Metode analisis deskriptif dengan tabulasi sederhana ditujukan untuk mendapatkan karakteristik responden menurut tingkat pendapatan per bulan.

4.4.2 Analisis Regresi Linear Berganda

Regresi linear berganda digunakan untuk menjawab suatu permasalahan sosial ekonomi yang secara teoritis menyangkut satu variabel dependen yang dipengaruhi oleh dua atau lebih variabel independen. Regresi linear berganda diharapakan dapat menghasilkan model yang akurat untuk memprediksi nilai variabel independen asumsi analisis terpenuhi. Model yang baik dan akurat dapat dimanfaatkan, 1 untuk memprediksi besar dan arah perubahan variabel dependen sebagai respons karena perubahan variabel independen, sehingga dapat diuji variabel independen apa saja yang berpengaruh nyata terhadap variabel dependen. 2 Untuk memprediksi nilai variabel dependen berdasarkan variabel independen yang diketahui nilainya. Pada penelitian ini, regresi linear berganda digunakan untuk melihat faktor-faktor yang mempengaruhi konsumsi tempe, berikut adalah model persamaannya: Model persamaan faktor-faktor yang mempengaruhi konsumsi tempe C = b + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 5 X 5 + +D 1 X 1 + D 2 X 2 + D 3 X 3 + e Dimana: C : Konsumsi Tempe Rupiah per bulan b : Konstanta X 1 : Harga Tempe Rupiah per pcs X 2 : Harga Tahu Rupiah per pcs X 3 : Harga Telur Rupiah per Kg X 4 : Jumlah Anggota Keluarga orang X 5 : Pendidikan Terakhir Responden tahun D 1 : Kelas Ekonomi Bawah 1 = 50 Kelas Ekonomi Bawah 0 = Bukan Kelas Ekonomi Bawah D2 : Kelas Ekonomi Menengah 1 = 50 Kelas ekonomi Menengah 0 = Bukan Kelas Ekonomi Menengah D3 : Kelas Ekonomi Atas 1 = 50 Kelas Ekonomi Atas 0 = Bukan Kelas ekonomi Atas e : Error Hipotesis: X1 Harga tempe : Semakin tinggi harga tempe maka konsumsi tempe akan turun, begitu juga sebaliknya. Jadi hubungan antara konsumsi tempe dengan harga tempe adalah negatif. X2 Harga tahu : Semakin tinggi harga tahu maka konsumsi tempe akan naik, begitu juga sebaliknya. Jadi hubungan antara harga tahu dengan konsumsi tempe adalah positif. X3 Harga telur : semakin tinggi harga telur maka konsumsi tempe akan naik, begitu juga sebaliknya. Jadi hubungan antara harga telur dengan konsumsi tempe adalah positif. X4 Jumlah anggota keluarga : Semakin banyak jumlah anggota keluarga maka konsumsi tempe akan naik, begitu juga sebaliknya. Jadi hubungan antara jumlah anggota keluarga dengan konsumsi tempe adalah positif. X5 Pendidikan terakhir responden : semakin tinggi tingkat pendidikan maka pengetahuan tentang konsumsi pangan yang bergizi semakin tinggi, begitu juga sebaliknya. Jadi, hubungan pendidikan terakhir responden dengan konsumsi tempe adalah positif. D1 Kelas ekonomi bawah : semakin banyak kelas ekonomi bawah, maka konsumsi tempe akan meningkat, maka hubungan kelas ekonomi bawah dengan konsumsi tempe positif. D2 Kelas ekonomi menengah : semakin banyak kelas ekonomi menengah, maka konsumsi tempe akan meningkat, maka hubungan kelas ekonomi menengah dengan konsumsi tempe positif. D3 Kelas ekonomi atas : semakin banyak kelas ekonomi atas, maka konsumsi tempe akan meningkat, maka hubungan kelas ekonomi atas dengan konsumsi tempe positif. Pengujian Model Regresi Setelah model dianalisis maka model harus di uji agar mendapatkan model terbaik yang dapat merepresentasikan faktor-faktor apa saja yang mempengaruhi konsumsi tempe di Kota Bogor. Beberapa uji yang akan dilakukan adalah : Uji Normalitas Uji ini digunakan untuk mengetahui apakah residual dalam model menyebar normal. Untuk mengetahuinya dilakukan uji Komogorov-Smirnov dengan menggunakan α sebesar 0,05. Hipotesis H = residual tidak berdistribusi normal H 1 = residual berdistribusi normal Jika nilai KS KS 1- α maka tolak H , atau jika nilai statistik Komogorov- Smirnov dikonversi ke dalam p-value maka daerah penolakannya adalah p-value hitung p-value 1- α Uji Signifikansi Uji t digunakan untuk melihat nyata atau tidaknya pengaruh variabel independen terhadap variabel dependen dengan langkah-langkah sebagai berikut: Ho : bi = 0, Variabel independen tidak berpengaruh nyata terhadap variabel dependen H1 : bi ≠ 0, Variabel independen berpengaruh nyata terhadap variabel dependen t-hitung = bi : n-k, t tabel Sbi Dimana : bi : Koefisien Peubah ke-i Sbi : Standar Error Peubah ke-i n : Jumlah Pengamatan k : Jumlah Variabel dalam Model Kriteria uji: 1. Jika –t tabel t hitung t tabel maka terima Ho, artinya variabel-variabel independen yang diuji tidak berpengaruh nyata terhadap variabel dependen. 2. Jika t hitung -t tabel atau t hitung t tabel maka tolak Ho, artinya variabel-variabel independen yang diuji berpengaruh nyata terhadap variabel dependen. Koefisien Determinasi R 2 Koefisien determinasi R 2 digunakan untuk mengukur sampai sejauh mana besar keragaman yang dapat diterangkan oleh variabel bebas X i terhadap variabel tidak bebas Y. Dimana : JKR : Jumlah Kuadrat Regresi JKT : Jumlah Kuadrat Total Uji F Uji F digunakan untuk menunjukan kemampuan variabel-variabel independen secara bersama-sama menjelaskan variasi dari variabel dependen. Langkah-langkah dalam pengujian hipotesis sebagai berikut: JKR JKT R 2 = Ho : b1 = b2 . . .= bi = 0, Variabel independen secara bersama-sama tidak berpengaruh nyata terhadap variabel dependen H1 : b1 ≠ b2 . . . bi ≠ 0, Variabel independen secara bersama-sama berpengaruh nyata terhadap variabel dependen Fhitung = Dimana: JKR : Jumlah kuadrat regresi JKS : Jumlah kuadrat sisa n : Jumlah sampel k : Jumlah Peubah Variabel Kriteria uji: 1. Jika F hitung F tabel maka tolak H , artinya semua variabel independen mampu secara bersama-sama menjelaskan variasi dari variabel independen. 2. Jika F hitung F tabel maka terima H , artinya semua variabel independen tidak mampu secara bersama-sama menjelaskan variasi dari variabel independen. Uji Multikolinearitas Multikolinear adalah hubungan linear antara dua atau beberapa variabel independen. Untuk melihat apakah terdapat multikolinear atau tidak dapat dilihat dari nilai Variance Inflation Factor VIF. Jika nilai VIF lebih besar dari lima maka model dugaan ada masalah multikolinearitas, dengan nilai α sebesar 0,05. JKR k – 1 JKS n – k VIF = j = 1,2,3….k Ket : R j 2 = koefisien determinasi untuk variabel atau peubah bebas ke – j Uji autokorelasi Autokorelasi adalah hubungan linear yang terjadi pada variabel itu sendiri yang terlambat beberapa periode. Untuk mengetahui autokorelasi dari model ini digunakan variabel residual atau error e. Uji autokorelasi dapat dihitung menggunakan statistik uji Durbin-Watson dengan α sebesar 0,05. d = dimana d tabel α n,k  Jika d d low maka tolak H  Jika d 4- d low maka tolak H  Jika d low d d up atau 4-d up d 4-d low maka tidak dapat disimpulkan  Jika d up d 4-d up maka terima H

4.5 Definisi Operasional