Tabel 9. Hasil Regresi Model
Method: Least Squares Sample: 1984 2008
Included observations: 25 Variabel
Coefficient Std. Error
t-Statistic Prob.
C -4.756341
3.084642 -1.541943
0.1405 CR
4
0.097113 0.058916
1.648338 0.1166
MES -0.163838
0.069576 -2.354815
0.0301 GROWTH
-0.030865 0.017224
-1.791922 0.0900
PROD 0.000549
0.000414 1.325393
0.2016 XEFF
0.593103 0.019102
31.04990 0.0000
Tm 0.086761
0.069477 1.248781
0.2277 R-squared
0.989468 Adjusted R-squared
0.985957 F-statistic
281.8444 ProbF-statistic
0.000000
Model tersebut terdiri dari Price Cost Margin PCM sebagai variabel dependen yang mewakili kinerja sedangkan yang menjadi variabel independen
yang diduga mempengaruhi variabel dependen ialah konsentrasi empat perusahaan terbesar CR
4
, Skala minimum efisiensi MES, pertumbuhan output Growth, produktifitas PROD, efisiensi internal X-eff, dan total impor bahan
baku Tm. Berdasarkan tabel 10, keterkaitan antara PCM dengan variabel independennya dapat dirumuskan ke dalam persamaan regresi berikut:
PCM = -4,756341 + 0,097113CR4 – 0,163838MES – 0,030865Growth +
0,000549Prod + 0,593103Xeff + 0,086761Tm
5.4.1 Uji R-Squared R
2
Nilai koefisien determinasi atau nilai R-Squared yang diperoleh adalah sebesar 0.989468 yang berarti 98,95 persen keragaman PCM sebagai variabel
dependen pada industri pengolahan susu dapat dijelaskan oleh variabel independen pada model yang terdiri dari CR
4
, MES, Growth, Produktivitas, X-eff
dan total impor. sisa nilai koefisien determinan sebesar 1,05 persen dijelaskan oleh variabel lain di luar model.
5.4.2 Uji F
Taraf nyata yang digunakan adalah 10 persen. Nilai probability F-statistic sebesar 0,000000 yang lebih kecil daripada taraf nyata 10 persen atau 0,1.
Kesimpulannya adalah minimal ada satu variabel independen yang berpengaruh nyata terhadap variabel dependen sehingga model penduga tersebut layak untuk
menduga parameter yang ada dalam fungsi.
5.4.3 Uji t
Hasil uji t dapat dilihat dari nilai probabilitas masing-masing variabel independennya. Variabel CR
4,
produktivitas dan total impor memiliki nilai probabilitas masing-masing 0,1166; 0,2016 dan 0,2277 yang nilainya lebih besar
dari taraf nyata 10 persen sehingga dapat disimpulkan bahwa variabel tersebut tidak berpengaruh nyata terhadap PCM. Sementara variabel MES, Growth, Xeff
memiliki nilai probabilitas masing-masing 0,0301 ; 0,09 dan 0,0000 yang nilainya lebih kecil dari taraf nyata 10 persen sehingga dapat disimpulkan bahwa
MES, Growth dan Xeff berpengaruh nyata terhadap PCM.
5.4.4 Uji Normalitas
Hasil uji normalitas dianalisis melalui nilai probabilitas yang diperoleh untuk menentukan bahwa error term pada model dapat terdistribusi normal. Nilai
probabilitas pada uji normalitas sebesar 0,238589 lebih besar dari taraf nyata sebesar 10 persen, artinya error term pada model tersebut terdistribusi normal.
1 2
3 4
5 6
7 8
-2 -1
1 2
3 4
Series: Residuals Sample 1984 2008
Observations 25 Mean
-6.55e-15 Median
-0.027502 Maximum
3.707245 Minimum
-2.166829 Std. Dev.
1.310630 Skewness
0.757342 Kurtosis
3.676103 Jarque-Bera
2.866026 Probability
0.238589
Gambar 6. Grafik Hasil Uji Normalitas 5.4.5 Uji Multikolinearitas
Gejala multikolinearitas terjadi apabila terdapat hubungan kausalitas pada variabel-variabel
independennya. Gejala
multikolinearitas dianalisis
menggunakan matriks korelasi dengan memperhatikan nilai antara variabel independennya. Jika nilai antar variabel independennya lebih besar dari
│0,8│maka model yang dianalisis mengalami masalah multikolinearitas. Tabel 10. Matriks Korelasi antar Variabel Independen
CR4 MES
Growth Prod
Xeff Tm
CR4
1.000000 0.708286 -0.107481 -0.003074 0.102553
0.399277
MES
0.708286 1.000000
0.221379 0.176830
0.119040 0.262181
Growth -0.107481
0.221379 1.000000
0.318534 0.486875 -0.034299
Prod
-0.003074 0.176830 0.318534
1.000000 0.448217
0.564951
Xeff
0.102553 0.119040
0.486875 0.448217
1.000000 0.348885
Tm
0.399277 0.262181 -0.034299 0.564951
0.348885 1.000000
Pengujian pada model untuk penelitian ini menunjukkan bahwa tidak terdapat nilai variabel independen yang lebih besar dari
│0,8│sehingga dapat diartikan bahwa diantara variabel independen dalam model tidak terdapat gejala
multikolinearitas.
5.4.6 Uji Autokorelasi