39 e
Insektisida X
5
a
5
0 artinya semakin banyak insektisida yang digunakan dalam proses produksi, maka akan semakin tinggi produksi paprika hidroponik yang
dihasilkan. f
Fungisida X
6
a
6
0 artinya semakin banyak fungisida yang digunakan dalam proses produksi, maka akan semakin tinggi produksi paprika hidroponik yang
dihasilkan. g
Tenaga kerja X
7
a
7
0 X
7
artinya semakin banyak tenaga kerja yang digunakan dalam proses produksi, maka akan semakin tinggi produksi paprika hidroponik
yang dihasilkan.
4.3.3. Pengujian Hipotesis
Pengujian model fungsi produksi dilakukan dengan metode kuadrat terkecil atau ordinary least square OLS. Menurut Gujarati 2006a terdapat
kriteria dalam pengujian statistik berdasarkan metode OLS, yaitu: 1
Pengujian terhadap model penduga Pengujian ini bertujuan untuk mengetahui variabel bebas atau faktor
produksi yang digunakan secara bersama-sama berpengaruh nyata terhadap produksi paprika. Uji statistik yang digunakan adalah uji F, yaitu:
F-hitung =
–
Dimana: R
2
= Koefisien determinasi k = Jumlah koefisien model
n = Jumlah pengamatan atau sampel Kriteria uji:
a. F-hitung F-tabel k-1, n-k pada taraf nyata α. Artinya, variabel bebas
secara bersamaan tidak berpengaruh nyata terhadap variabel terikat. b.
F-hitung F-tabel k-1, n-k pada taraf nyata α. Artinya, variabel bebas secara bersamaan berpengaruh nyata terhadap variabel terikat.
Untuk mengetahui seberapa jauh keragaman produksi dapat diterangkan oleh model dari variabel bebas yang telah dipilih, maka dihitung pula besarnya
koefisien determinasi R
2
. Dapat ditulikan sebagai berikut:
40 R
2
= =
2 Pengujian pada masing-masing parameter regresi
Pengujian ini bertujuan untuk mengetahui variabel bebas yang berpengaruh terhadap variabel terikat. Uji statistik yang digunakan uji t, yaitu:
t-hitung =
–
Dimana: a
i
= Koefisien regresi se a
i
= Standar error dari koefisien regresi ke-a
i
Kriteria uji: a.
t
hitung
t
tabel
n-k pada taraf nyata α. Artinya, variabel bebas yang
digunakan secara parsial tidak berpengaruh nyata terhadap variabel terikat. b.
t
hitung
t
tabel
n-k pada taraf nyata α. Artinya, variabel bebas yang
digunakan secara parsial berpengaruh nyata terhadap variabel terikat. Apabila tidak menggunakan t-tabel, maka signifikansi variabel dapat
dilihat dari nilai P, dengan kriteria sebagai berikut: a
P-value α, maka variabel yang diuji faktor produksi berpengaruh nyata terhadap variabel terikat produksi.
b P-value α, maka variabel yang diuji faktor produksi tidak berpengaruh
nyata terhadap variabel terikat produksi. 3
Pengujian Autokorelasi, Heteroskedastisitas, dan Multikolinearitas Pengujian ini bertujuan agar model yang dihasilkan sesuai dengan asumsi
OLS. Menurut Gujarati 2006b autokorelasi terjadi karena terdapat korelasi di antara anggota observasi yang diurut menurut waktu seperti data deret
berkala atau ruang seperti lintas-sektoral. Hal ini dapat diketahui dengan pengujian Durbin-Watson DW pada output software, jika nilai DW yang
dihasilkan berada diantara dU dan 4-dU maka dalam model tidak terdapat autokorelasi.
Asumsi OLS lainnya adalah model bersifat homoskedastis, yaitu semua gangguan u
i
memiliki varians yang sama var u
i
= σ
2
. Artinya, distribusi bersyarat dari tiap populasi Y yang sesuai untuk nilai X tertentu memounyai
varians yang sama. Pengujian ini dapat menggunakan uji grafis residu yang melihat ada atau tidaknya pola sistematis antara residu kuadrat e
i 2
dengan
41 variabel pejelas X. Apabila tidak ada pola yang sistematis maka dapat
dikatakan sifat homoskedastisitas terpenuhi Gujarati 2006a; 2006b. Asumsi OLS lainnya adalah tidak terdapat masalah multikolinearitas.
Multikolinearitas merupakan hubungan linear sempurna atau hampir sempurna di antara variabel-variabel penjelas dalam suatu model regresi, sehingga tidak
dapat menarik kesimpulan apapun dari model yang diperoleh. Indikasinya adanya multikolinearitas adalah dengan melihat koefisien determinasi R
2
yang tinggi, namun dari uji-t banyak variabel bebas yang tidak siginifikan Gujarati 2006b. Cara lain untuk mengidentifikasinya dengan melihat nilai
Variance Inflation Factor VIF setiap variabel bebas dari output software. Sebuah model dinyatakan terbebas dari masalah multikolinearitas apabila
memiliki nilai VIF di bawah 10 Lind et al. 2007. Terdapat kelemahan pada fungsi produksi Cobb-Douglas yang melibatkan
metode OLS, yaitu gejala multikolinearitas Soekartawi 2002. Menurut Gujarati 2006b untuk mengatasai masalah multikolinieritas adalah mengeluarkan variabel
dari model, menambah data pengamatan atau contoh baru, ataupun melakukan transformasi variabel yang mempunyai kolinearitas, lalu menggabungkan menjadi
variabel yang lebih berarti. Namun, jika hal tersebut sulit dilakukan, cara lain yang dapat dilakukan adalah menggunakan metode pendugaan lain. Salah satunya
dengan analisis regresi komponen utama principal component regression analysis.
4.3.4. Analisis Regresi Komponen Utama Principal Component Analysis
