63
Gambar 4.5 Hasil Produksi Kedelai di Kecamatan Ngaringan.
Dari hasil tersebut dapat dijelaskan bahwa sebagian besar petani tanaman kedelai di Kecamatan Ngaringan hasil produksinya antara 300-500 kg dengan frekuensi
39 orang yang mempunyai luas lahan 0,25. dapat dibuktikan pada hasil penelitian yang telah dilakukan oleh peneliti. Hal ini dapat dikatakan bahwa pada faktor
produksi sangat berperan penting dalam menghasilkan produksi tanaman kedelai di Kecamatan Ngaringan.
4.2 Uji asumsi klasik
4.2.1 Uji Normalitas
Uji normalitas bertujuan untuk melihat bahwa suatu variabel pengganggu atau residual distribusi dengan normal atau tidak.uji normalitas ini didapat dari uji
grafik probability plot yang membandingkan distribusi komulatif dari residual sesungguhnya dengan distribusi komulatif dari distribusi normal. Jika distribusi
dari variabel pengganggu atau residual adalah normal, maka garis yang menggambarkan residual akan mengikuti garis diagonalnya .
64
Gambar 4.6 Sebaran plot pada uji normalitas data
Berdasarkan gambar 4.6 menunjukkan bahwa penyebaran plot berada di sekitar dan panjang garis
. Dengan demikian menunjukkan bahwa data-data pada variabel penelitian distribusi normal.
4.2.2 Uji Autokorelasi
Dari uji statistik dengan menggunakan SPSS relies 16.0 diperoleh angka uji Durbin Watson sebesar 1,323. Angka ini berada kurang dari 1,66 hingga 2,26
yang berarti ada autokorelasi positif dari model tersebut. Kriteria uji autokorelasi adalah sebagai berikut:
Nilai statistic Durbin Watson Hasil Tau keputusan
0 d atau DW 1, 631 Terjadi autokorelasi negative
d 4- atau 1,631 DW 1,733
Daerah ragu-ragu,
tidak ada
keputusan d 4-
atau 1,733 DW 2,267 Tidak ada autokorelasi 4-
d 4- atau 2,267 DW
2,387 Daerah ragu-ragu, tidak ada
kesimpulan 4-
d 4 atau 2,387 DW Ada autokorelasi positif
65
Keterangan : dl batas bawah = 1,631
du batas atas = 1,167 Untuk lebih jelas dapat di gambarkan dari tabel 4.12 hasil penghitungan
durbin Watson.
Tabel 4.12 Hasil Penghitungan Durbin Watson
Model Summary
b
Model R
R Squar
e Adjusted R
Square Std. Error of
the Estimate Change Statistics
Durbin- Watson
R Square Change
F Change
df1 df2
Sig. F Change
1 .936
a
.875 .871
.22600 .875 224.355
3 96
.000 1.323
a. Predictors: Constant, VAR00003, VAR00001, VAR00002
b. Dependent Variable: VAR00004
4.2.3 Uji Multikolinieritas
Untuk menegetahui ada tidaknya multikolinieritas dapat dilihat pada nilai tolerance dan VIF Variance Inflation Factor, yaitu: jika nilai tolerance 0,10 dan
VIF10, maka dapat diartikan bahwa tidak terdapat multikolinieritas pada penelitian tersebut. Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan
terjadi gangguan multikolinieritas pada penlitian tersebut. Dari langkah pengujian multikolinieritas diperoleh sebagai berikut:
Tabel 4.13 Uji multikolinieritas
Variabel Tolerance VIF Ln. X1
0,249 4,014
Ln. X2 0,199
5,014 Ln. X3
0,510 1,959
66
Hasil pengujian terhadap keseluruhan predikator diuji dengan menggunakan nilai VIF dari semua variabel bebas menunjukkan nilai VIF yang lebih kecil dari
10. Hal ini tidak adanya masalah multikoliniaritas dalam regresi.
4.2.4 Uji Heteroskedastisitas
