Uji Kelinearan Model Uji F

86 model ini menunjukkan titik-titik residual berada mendekati garis lurus. Sehingga dapat dikatakan bahwa model ini memenuhi kriteria uji normalitas. Secara umum ke-lima asumsi yang harus dipenuhi suatu model sesuai dengan asumsi OLS terpenuhi oleh model pasokan cabai merah di DKI Jakarta. Ini berarti model yang dihasilkan dapat dikatakan sebagai model penduga tak bias yang baik atau termasuk Best Linear Unbiased Estimator BLUE. 7.3. Kriteria Statistik 7.3.1. Uji R 2 Koefisien Determinasi Uji koefisien determinasi R 2 diperlukan agar diketahui seberapa besar variabel-variabel independen dapat menjelaskan variabel dipenden yang dalam kasus ini adalah jumlah pasokan cabai merah. Semakin tinggi nilai R 2 berarti model semakin baik, variabel-variabel independen dapat menjelaskan variabel dipenden. Nilai R 2 model pasokan cabai merah dapat dilihat pada hasil output minitab Lampiran 7. atau Tabel 17. Nilai koefisien determinasi yang dihasilkan untuk model pasokan cabai merah di DKI Jakarta yaitu sebesar 75,1 persen Lampiran7.. Angka ini menunjukkan bahwa keragaman jumlah pasokan cabai merah di DKI Jakarta dapat dijelaskan oleh variabel independen yang telah ditentukan yaitu jumlah pasokan cabai merah keriting periode sebelumnya X 1 , harga cabai merah keriting periode terhitung X 2 , harga cabai merah keriting musim sebelumnya X 3 , rata-rata harga cabai rawit hijau dan rawit merah X 4 , laju inflasi di DKI Jakarta X 5 , dan dummy untuk hari raya X 6 sebesar 75,1 persen. Selain dari variabel yang ada dalam model, yaitu sekitar 24,9 persen dijelaskan oleh variabel- variabel lain yang tidak dimasukkan atau dijelaskan dalam model. Variabel- variabel yang tidak terdapat dalam model adalah variabel yang data-datanya sulit untuk diidentifikasi seperti yang dilakukan pada variabel independen yang telah dimasukkan ke dalam model.

7.3.2. Uji Kelinearan Model Uji F

Uji kelinearan model atau uji evaluasi model dugaan perlu dilakukan untuk mengetahui apakah ada hubungan linear antara variabel dipenden jumlah 87 pasokan cabai dengan variabel independen pasokan cabai merah keriting periode sebelumnya, harga cabai merah keriting, harga cabai rawit merah, harga cabai rawit hijau, laju inflasi di DKI Jakarta, dan dummy untuk hari raya. Uji ini akan menunjukkan bahwa seluruh variabel independen secara bersama-sama mampu menjelaskan atau mempengaruhi variabel dipenden pada tingkat signifikan lima persen. Uji ini dapat dilakukan dengan melihat pada dua nilai F hit dan nilai probabilitas yang bisa dilihat pada hasil output minitab. Nilai F hit harus lebih besar dari F tabel atau probabilitas lebih kecil dari nilai derajat kepercayaa n α. Model pasokan cabai merah di DKI Jakarta yang dihasilkan, menunjukkan nilai F hit sebesar 14,55 sedangkan nilai probabilitas yaitu 0,000. Selanjutnya dilihat nilai F tabel dengan cara melihat nilai v1=df regression dan v2=df error . Berdasarkan nilai pada hasil output df regression bernilai 6 dan df error bernilai 29. Lalu nilai ini disesuaikan pada nilai yang ada pada tabel F v1=6,v2=29 yaitu 2,43. Diperoleh hasil bahwa nilai F hit lebih besar dari nilai F tabel . Ini berarti bahwa keseluruhan model dugaan yang diperoleh secara statistik signifikan untuk memprediksi nilai variabel dipenden pasokan cabai merah. Hal lainnya yang menunjukkan bahwa model dugaan yang diperoleh secara statistik signifikan untuk memprediksi nilai variabel dipenden pasokan cabai merah keriting yaitu dilihat dari nilai probabilitas. Nilai probabilitas pada hasil output minitab menunjukkan nilai sebesar 0,000. Nilai ini jauh lebih kecil dari taraf nyata sepuluh persen. Hal ini juga membuktikan model signifikan untuk memprediksi pasokan cabai merah keriting.

7.3.3. Uji Koefisien Regresi Parsial Uji T