Metode Penentuan Sampel. Metode Pengumpulan Data Metode Analisis Data

Tabel 4. Nama Pasar, Kecamatan, Luas Lahan Pasar, dan Jumlah Pedagang di Pasar Tradisional Kota Medan.
No Nama Pasar
Kecamatan Luas Lahan Pasar
m
2
Jumlah Pedagang

1. Pusat Pasar


Medan Kota 41.091,00
2.560
2. Halat
Medan Barat 5.851,20
576 3.
Bakti Medan Area
3.863,16 533
4. Sukarame
Medan Area Kebakaran tanggal
17 Okrober 2010 950
5. Titi Kuning
Medan Johor 5.519,30
356 6.
Kemiri Medan Kota
1.030,00 228
7. Kampung Baru
Medan Maimun 360,10
70 8.
Timah Medan Area
2.022,00 336
9. Sambu
Medan Timur 3.456,00
780 10.
Sambas Medan Kota
2.258,03 644

11. Petisah


Medan Petisah 24.256,00
2.409
12. Sei Sikambing
Medan Helvetia 6.166,00
794 13.
Muara Takus Medan Polonia
3.950,10 216
14. Desa Lalang
Medan Sunggal 5.358,00
719 15.
Sunggal Medan Baru
943,65 93
16. Padang Bulan
Medan Tuntungan 2.756,60
595 17.
Simalingkar Medan Johor
7.370,43 940
18. Kwala Bekala
Medan Helvetia 5.975,03
681 19.
Helvetia Medan Tembung
5.630,86 1.142
20. Aksara
Medan Petisah 3.435,20
816 21.
Khandak Medan Perjuangan
1.210,34 100
22. Sentosa Baru
Medan Barat 1.628,20
167 23.
Glugur Medan Timur
3.171,00 384
24. Pendidikan
Medan Barat 2.013,12
579

25. Medan Deli


Medan Barat 8.500,00
1.203
26. Martubung
Medan Labuhan 5.000,00
- 27.
Titi Papan Medan Labuhan
3.986,93 115
28. Labuhan
Medan Labuhan 3.666,00
457 29.
Paus Medan Belawan
2.215,57 269
30. Jawa
Medan Belawan 2.707,40
418 31.
Kapuas Medan Belawan
1.965,45 114
32. Pisang
Medan Belawan 1.251,00
125 Sumber: Direksi PD.Pasar Kota Medan 2010.

3.2 Metode Penentuan Sampel.


Metode penentuan sampel dilakukan dengan metode Accidental penelusuran. Pengambilan responden melalui metode ini adalah konsumen yang sedang
membeli jeruk manis dan penjual yang sedang menjual jeruk manis yang dijumpai
Universitas Sumatera Utara
di daerah penelitian untuk meminta pendapat mereka mengenai hal yang
dibutuhkan untuk kelancaran penelitian ini.
Dari seluruh populasi penduduk Kota Medan diambil 60 sampel yaitu 30 sampel pembeli jeruk manis dan 30 sampel penjual jeruk manis. Berdasarkan teori
penarikan contoh sampel yang diambil dalam penelitian ini adalah ≥ 30 sampel
karena bagaimanapun bentuk populasi teori penarikan sampel menjamin akan diperolehnya hasil yang memuaskan dan untuk penelitian yang menggunakan
analisa statistik, ukuran sampel paling minimum 30 Walpole, 1992.

3.3 Metode Pengumpulan Data


Data yang dikumpulkan dalam penelitian ini terdiri dari data primer dan data sekunder. Data primer diperoleh dari hasil pengamatan di pasar tradisional serta
wawancara kepada konsumen dan pedagang dengan menggunakan daftar pertanyaan yang telah dipersiapkan sebelumnya. Data sekunder diperoleh dari
lembaga atau instansi terkait seperti Dinas Pertanian Provinsi Sumatera Utara, Badan Pusat Statistik BPS, Direksi PD Pasar, dan dari literatur serta sumber
pendukung lainnya.

3.4 Metode Analisis Data


Setelah data dikumpulkan dan ditabulasi, selanjutnya dianalisis sesuai dengan hipotesa yang akan diuji.
1. Hipotesis 1 diuji dengan menggunakan analisis regresi linier berganda dengan alat bantu SPSS. Data yang dibutuhkan adalah harga beli pedagang, biaya
penjualan, dan jumlah pedagang dengan menggunakan rumus :
Y =
a+ b1X1 + b2X2 + b3X3 + µ
Universitas Sumatera Utara
Keterangan : Y
= Jumlah penawaran jeruk manis Kgbln
a =
Koefisien intersep konstanta, yaitu nilai Y jika X
1
, X
2
, dan X
3
= 0 b
1
, b
2
, b
3
= Koefisen Regresi, yaitu nilai yang menunjukkan
peningkatan atau penurunan variabel Y yang didasarkan pada variabel bebas X
1
, X
2
, dan X
3
X
1
= Harga beli pedagang Rpkgbln
X2 =
Biaya penjualan Rpbln X3
= Keuntungan Rpkgbln
µ =
Kesalahan pengganggu Pengambilan keputusan :

Uji Kesesuaian Model Test of Goodness of Fit
Koefisien Determinasi Goodness of Fit, yang dinotasikan dengan R
2
, merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik
atau tidaknya model regresi yang terestimasi. Atau dengan kata lain angka tersebut dapat mengukur seberapa dekatkah garis regresi yang terestimasi dengan
data yang sesungguhnya. Nilai Koefisien Determinasi R
2
ini mencerminkan seberapa besar variasi dari variabel terikat Y dapat diterangkan oleh variabel bebas X. Bila nilai Koefisien
Determinasi sama dengan 0 R
2
= 0, artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara bila R
2
= 1, artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X. Dengan demikian baik atau
Universitas Sumatera Utara
buruknya suatu persamaan regresi ditentukan oleh R2 –nya yang mempunyai nilai antar nol dan satu.

Uji F Uji Simultan
Uji F digunakan untuk menguji apakah sekelompok variabel bebas independent variable
secara bersama-sama berpengaruh nyata terhadap penawaran jeruk manis sebagai variabel terikat dependent variable. Hipotesis yang diajukan
adalah: H
: Variabel bebas secara bersama-sama tidak memiliki pengaruh yang nyata terhadap variabel terikat.
H
1
: Variabel bebas secara bersama-sama memiliki pengaruh yang nyata terhadap variabel terikat.
Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai F
hitung
dengan F
tabel
, yaitu dengan kriteria: -
Jika F
hitung
≥ F
tabel
, maka H ditolak ; H
1
diterima -
Jika F
hitung
F
tabel
, maka H diterima ; H
1
ditolak •
Uji t Uji Parsial
Uji t digunakan untuk menguji nyata atau tidaknya pengaruh variabel bebas independent variable secara individu terhadap penawaram jeruk manis sebagai
variabel terikat dependent variable. Hipotesis yang diajukan adalah: H
: Variabel bebas secara individu tidak berpengaruh nyata terhadap variabel terikat. H
1
: variabel bebas secara individu berpengaruh nyata terhadap variabel terikat. Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai T
hitung
dengan T
tabel
, yaitu dengan kriteria:
Universitas Sumatera Utara
- Jika t
hitung
≥ t
tabel
, maka H ditolak ; H
1
diterima -
Jika, t
hitung
t
tabel
, maka H diterima ; H
1
ditolak •
Uji Asumsi Klasik.
Penggunaan kriteria ini dalam pengujian hipotesis adalah untuk memutuskan sejauh mana model estimasi mempunyai sifat- sifat yang tidak biasa, efisien, dan
konsisten. Sifat- sifat ini akan terpenuhi apabila model estimasi memenuhi asumsi- asumsi yang diisyaratkan dalam model regresi linier klasik, dimana antara
lain tidak ada gejala multikolineritas, heteroskedastisitas, dan normalitas.
- Multikolinearitas
Multikolinearitas adalah keadaan di mana ada hubungan linear secara sempurna atau mendekati sempurna antara variabel independen dalam model regresi. Model
regresi yang baik adalah yang terbebas dari masalah Multikolinearitas. Konsekuensi adanya Multikolinearitas adalah koefisien korelasi tidak tertentu dan
kesalahan menjadi sangat besar atau tidak terhingga. Variabel yang menyebabkan Multikolinearitas dapat dilihat dari nilai tolerance
yang lebih kecil dari 0,1 atau VIF yang lebih besar dari 10 Priyatno, 2011. -
Heteroskedastisitas
Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi
Heteroskedastisitas. Pengambilan keputusannya adalah: 
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebur kemudian menyempit, maka
terjadi Heteroskedastisitas.
Universitas Sumatera Utara
 Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. Dari output regresi pada Chart titik-titik tidak membentuk pola yang jelas, dan
titi-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, jadi dapat disimpulkan bahwa tidak terjadi Heteroskedastisitas dalam model regresi
Priyatno, 2011. -
Normalitas
Uji Normalitas dilakukan untuk mengetahui apakah sampel yang dianalisis telah mewakili populasi atau belum. Dengan diketahuinya kenormalan distribusi akan
dapat dilakukan analisis lebih lanjut. Pada penelitian dimana data yang tersedia memiliki distribusi normal, akan mampu menghasilkan persamaan regresi yang
dapat menjelaskan variabel terikat secara lebih tepat. Model regresi baik jika memiliki distribusi data normal atau mendekati normal.
Untuk menguji apakah distribusi data normal atau tidak, salah satu caranya adalah dengan melihat grafik histogram. Jika variabel berdistribusi normal hal ini
ditunjukkan oleh distribusi data yang tidak menceng ke kiri dan menceng ke kanan Helmi dan Muslich, 2011.

2. Hipotesis 2 diuji dengan menggunakan analisis regresi linier berganda dengan


Dokumen yang terkait

Dokumen baru