Uji Normalitas Uji Heterokedastisitas

4.3.1. Uji Asumsi Klasik

Sebelum dilakukan analisis yang lebih jauh terhadap hasil pengolahan model fungsi produksi Cobb-Douglash untuk hasil produksi kopi, maka persamaan yang diperoleh dari sebuah estimasi harus memenuhi asumsi klasik, yaitu memenuhi asumsi normalitas dan bebas multikolinearitas. Pengujian asumsi klasik dilakukan dengan bantuan software analisis data kualitatif, SPSS 18.

4.3.1.1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Berdasarkan hasil pengolahan data dengan program SPSS 18, dapat diinformasikan tentang keberadaan normalitas yang diperoleh. Untuk melihat normalitas residual penulis menganalisis grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. UNIVERSITAS SUMATERA UTARA Sumber: Lampiran 3 Gambar 4.6 Histogram Uji Normalitas Interpretasi dari Gambar 4.6 menunjukkan bahwa variabel menunjukkan pola distribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau ke kanan.

4.3.1.2. Uji Heterokedastisitas

Uji heterokedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang berbeda di antara anggota grup tersebut. Pada penelitian ini, cara yang digunakan untuk mendeteksi heterokedastisitas ini dilakukan dengan memakai pendekatan statistik melalui Uji Glejser. Hasil pengolahan data dengan program SPSS 18.0 menunjukkan bahwa: UNIVERSITAS SUMATERA UTARA 1. Koefisien nilai sig luas lahan lebih kecil dari alpha toleransi 0,000 0,05 dengan demikian diterima hipotesis alternatif Ha, artinya variabel luas lahan mempunyai gejala heterokedastisitas. 2. Koefisien nilai sig tenaga kerja, umur pohon dan pupuk lebih besar dari alpha toleransi 0,05 dengan demikian diterima hipotesis nol Ho, artinya variabel tenaga kerja, umur pohon dan pupuk tidak mempunyai gejala heterokedastisitas. Tabel 4.10. Uji Glesjer Variabel Luas Lahan, Tenaga kerja, Umur Pohon, dan Pupuk Variabel Sig Keputusan Dasar Keputusan Luas Lahan 0,000 Bergejala Nilai sig 0,05 Tenaga Kerja 0,848 Tidak Bergejala Nilai sig 0,05 Umur Pohon 0,621 Tidak Bergejala Nilai sig 0,05 Pupuk 0,674 Tidak Bergejala Nilai sig 0,05 Sumber : Lampiran 3 Untuk mengatasi gejala heterokedastisitas yang terdapat pada variabel luas lahan, maka dilakukan transformasi ke dalam bentuk logaritma natural sehingga hasil uji terhadap semua variabel dinyatakan bebas dari gejala heterokedastisitas. Tabel 4.11. Uji Glesjer dalam Bentuk Transformasi Logaritma Natural Variabel Luas lahan, Tenaga kerja, Umur pohon dan Pupuk Variabel Sig Keputusan Dasar Keputusan Luas Lahan 0,383 Tidak bergejala Nilai sig 0,05 Tenaga Kerja 0,268 Tidak bergejala Nilai sig 0,05 Umur Pohon 0,930 Tidak bergejala Nilai sig 0,05 Pupuk 0,919 Tidak bergejala Nilai sig 0,05 Sumber : Lampiran 3 4.3.1.3. Uji Multikolinearitas Multikolinearitas adalah gejala variabel independen yang berkorelasi kuat satu sama lainnya. Untuk mengetahui keberadaan variaabel independen UNIVERSITAS SUMATERA UTARA berkorelasi kuat dapat dilihat dengan cara uji Tolerance dan uji Variance Inflations Factor VIF. Pengambilan Keputusan: 1. VIF 5 maka diduga mempunyai persoalan multikolinearitas 2. VIF 5 maka tidak terdapat multikolinearitas 3. Tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas 4. Tolerance 0,1 maka tidak terdapat multikolinearitas. Hasil pengolahan data dengan program SPSS 18.0 menunjukkan bahwa nilai koefisien semua variabel dari uji tolerance lebh besar dari 0,5 dan nilai koefisien semua variabel dari uji VIF lebih kecil dari 5. Dengan demikian, dapat disimpulkan bahwa semua variabel tidak bergejala multikolinearitas. Untuk lebih jelasnya kondisi ini dapat dilihat pada tabel berikut ini. Tabel 4.12. Koefisien Tolerance dan VIF Variabel Luas Lahan, Tenaga kerja, Umur pohon dan Pupuk. Variabel Tolerance VIF Keterangan LnX1 0,520 1,925 Tidak bergejala LnX2 0,578 1,730 Tidak bergejala LnX3 0,872 1,147 Tidak bergejala LnX4 0,560 1,784 Tidak bergejala Sumber : Lampiran 3 4.3.2. Uji Hipotesis 4.3.2.1. Uji t Parsial