Analisis komponen utama pada peubah penggunaan lahan hutan lebat, pemukiman, sawah, kebun campuran, dan tegalan menghasilkan sebuah
komponen utama yang mewakili seluruh peubah penggunaan lahan. Komponen utama tersebut mampu mewakili keberagaman peubah bebas penggunaan lahan
sebesar 98,1 . Setelah didapat komponen utama yang mewakili seluruh peubah penggunaan lahan, kemudian dilakukan analisis regresi berganda antara debit
aliran sungai sebagai Y dengan komponen utama yang mewakili peubah penggunaan lahan sebagai W1 dan peubah curah hujan tahunan sebagai X1
untuk mengetahui besarnya pengaruh masing – masing peubah bebas terhadap
perubahan debit aliran sungai DAS Ciliwung hulu selama periode 1985 hingga 2010 Tabel Lampiran 7.
Komponen utama pada hasil analisis regresi berganda kemudian ditransformasikan dipecah kembali menjadi peubah penggunaan lahan hutan
lebat, kebun campuran, pemukiman, sawah, dan tegalan atau ladang sehingga dihasilkan model persamaan antara debit aliran sungai sebagai Y dan curah
hujan tahunan X1, hutan lebat X2, kebun campuran X3, pemukiman X4, sawah X5, dan tegalan atau ladang X6.
3.3.6. Uji Statitistik 1.
Uji R-squared R
2
Uji koefisien determinasi R
2
digunakan untuk mengukur keragaman pada variabel terikat dependent yang dapat diterangkan oleh variasi pada model
regresi. Nilai R
2
akan bertambah besar sesuai dengan bertambahnya jumlah variabel bebas independent yang dimasukkan ke dalam model. Nilai ini berkisar
antara 0R
2
1, dengan nilai yang mendekati satu menunjukkan model yang terbentuk mampu menjelaskan keragaman dari variabel terikat dependent.
2. Uji Statistik t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Tujuan dari
uji t adalah untuk menguji koefisien regresi secara individual. Uji t juga dapat dilakukan dengan cara melihat output perhitungan
komputer dengan melihat nilai P pada masing – masing variabel independent.
Apabila nilai P pada masing – masing variabel α maka disimpulkan bahwa
variabel bebas berpengaruh nyata terhadap variabel tidak bebasnya.
3. Uji terhadap Multikolinear Multicolinearity
Model yang melibatkan banyak variabel bebas sering terjadi masalah multikolinearitas, yaitu terjadinya korelasi yang kuat antar variabel
– variabel bebas. Menurut Sarwoko 2005, pendeteksian multikolinearitas dapat dilakukan
dengan menghitung nilai variance inflation factor VIF melalui ouput keluaran komputer, dimana apabila nilai VIF 10, maka tidak ada masalah
multikolinearitas.
4. Uji terhadap Autokorelasi
Apabila nilai yang diharapkan dari koefisien korelasi sederhana antara setiap dua pengamatan error term adalah tidak sama dengan nol, maka error term
tersebut dikatakan memiliki autokorelasi yang disebabkan oleh kesalahan spesifikasi menghilangkan variabel yang penting atau bentuk fungsi yang salah.
Sementara autokorelasi murni disebabkan oleh alasan pokok distribusi error term pada persamaan yang spesifikasinya sudah benar. Autokorelasi tidak murni
disebabkan oleh kesalahan spesifikasi yang masih dapat diperbaiki oleh peneliti.
5. Uji Heteroskedastisitas
Salah satu asumsi metode pendugaan metode kuadrat terkecil adalah homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran
atas asumsi
homoskedastisitas adalah
heteroskedastisitas. Gejala
heteroskedastisitas juga dapat dideteksi dengan melihat dari grafik hubungan antara residual dengan fits-nya. Jika pada gambar residual menyebar dan tidak
membentuk pola tertentu, maka dapat dikatakan bahwa dalam model tersebut
tidak terdapat gejala heteroskedastisitas atau ragam error sama.
IV. HASIL DAN PEMBAHASAN