X
2
B X
3
B 0,0580 0,9241 Tidak terjadi multikolinearitas
X
2
B X
4
B 0,5944 0,9241 Tidak terjadi multikolinearitas
X
3
B X
4
B 0,0169 0,9241 Tidak terjadi multikolinearitas
2 Musim Sedang
YS X
1
S 0,5097 0,8567 Tidak terjadi multikolinearitas
YS X
2
S 0,4998 0,8567 Tidak terjadi multikolinearitas
YS X
3
S 0,0992 0,8567 Tidak terjadi multikolinearitas
YS X
4
S 0,6691 0,8567 Tidak terjadi multikolinearitas
X
1
S X
2
S 0,1310 0,8567 Tidak terjadi multikolinearitas
X
1
S X
3
S 0,0718 0,8567 Tidak terjadi multikolinearitas
X
1
S X
4
S 0,3469 0,8567 Tidak terjadi multikolinearitas
X
2
S X
3
S 0,0185 0,8567 Tidak terjadi multikolinearitas
X
2
S X
4
S 0,5944 0,8567 Tidak terjadi multikolinearitas
X
3
S X
4
S 0,0003 0,8567 Tidak terjadi multikolinearitas
3 Musim Sedikit
YT X
1
T 0,3782 0,9028 Tidak terjadi multikolinearitas
YT X
2
T 0,4290 0,9028 Tidak terjadi multikolinearitas
YT X
3
T 0,0590 0,9028 Tidak terjadi multikolinearitas
YT X
4
T 0,7534 0,9028 Tidak terjadi multikolinearitas
X
1
T X
2
T 0,1303 0,9028 Tidak terjadi multikolinearitas
X
1
T X
3
T 0,0112 0,9028 Tidak terjadi multikolinearitas
X
1
T X
4
T 0,3469 0,9028 Tidak terjadi multikolinearitas
X
2
T X
3
T 0,1089 0,9028 Tidak terjadi multikolinearitas
X
2
T X
4
T 0,5944 0,9028 Tidak terjadi multikolinearitas
X
3
T X
4
T 0,0072 0,9028 Tidak terjadi multikolinearitas
Sumber : Analisis Data Primer Penelitian 2002 Berdasarkan hasil analisis regresi yang terlihat pada tabel 4.27,
semua nilai r
2
masing-masing pasangan variabel independent lebih kecil dari nilai R
2
atau nilai R
2
lebih besar dari nilai r
2
sehingga tidak ditemukan adanya multikolinearitas pada musim banyak musim
sedang maupun musim sedikit.
b. Uji Heteroskeastisitas
Uji heteroskedastisitas dilakukan untuk melihat apakah kesalahan pengganggu mempunyai varian yang sama atau tidak. Untuk
menguji ada atau tidaknya heteroskedastisitas dalam model digunakan
pengujian Glejser Glejser Test yaitu melakukan regresi dengan OLS tanpa memperhatikan adanya gejala heteroskeastisitas sehingga
diperoleh residual kemudian dilakukan regresi dengan residual yang sudah dimutlakkan sebagai variabel dependent. Setelah itu bandingkan
nilai t hitung yang diperoleh dengan t tabelnya. Apabila t hitung lebih besar dari t tabel maka terjadi masalah heteroskedastisitas dan apabila t
hitung lebih kecil dari t tabel maka tidak terjadi masalah heteroskedastisitas Gujarati, 1999 : 187.
Tabel 4.28. Uji Heteroskedastisitas Dengan Metode Glejser
N o
Variabel t
Hitung t
Tabel Kesimpulan
1 Musim Banyak
X
1
B -0,681
1,729 Tidak terjadi masalah heteroskedastisitas
X
2
B 1,717
1,729 Tidak terjadi masalah heteroskedastisitas
X
3
B 0,204
1,729 Tidak terjadi masalah heteroskedastisitas
X
4
B 1,304
1,729 Tidak terjadi masalah heteroskedastisitas
2 Musim Sedang
X
1
S -0,316
1,729 Tidak terjadi masalah heteroskedastisitas
X
2
S 2,017
2,093 Tidak terjadi masalah heteroskedastisitas
X
3
S -1,295
1,729 Tidak terjadi masalah heteroskedastisitas
X
4
S 1,627
1,729 Tidak terjadi masalah heteroskedastisitas
3 Musim Sedikit
X
1
T 1,138
1,729 Tidak terjadi masalah heteroskedastisitas
X
2
T 1,136
1,729 Tidak terjadi masalah heteroskedastisitas
X
3
T -0,684
1,729 Tidak terjadi masalah heteroskedastisitas
X
4
T 1,329
1,729 Tidak terjadi masalah heteroskedastisitas
Sumber : Analisis Data Primer Penelitian 2002 Berdasarkan tabel 4.28, t tabel pada tingkat kepercayaan 95
atau a = 5 sebesar 2,093 dan t tabel pada tingkat kepecayaan 99 atau a = 1 sebesar 1,729. Terlihat bahwa pada semua musim t
hitung dari variabel jarak pasar, pungutan pajak, hasil tangkapan nelayan dan jumlah pedagang perantara lebih kecil dari nilai t tabel.
Artinya pada musim banyak, musim sedang dan musim sedikit variabel independent tidak signifikan terhadap variabel dependent pada
tingkat kepercayaan 99 a = 1 dan tingkat kepecayaan 95 a = 5 sehingga bisa dikatakan tidak terjadi masalah
heteroskedastisitas.
c. Uji Autokorelasi
