58
waktu di laut dengan cukup panjang untuk mendapatkan hasil tangkapan yang optimal.
4. Variabel Produksi Nelayan
Berdasarkan hasil penelitian 50 responden yang menjadi sampel penelitian di Kecamatan Sibolga Sambas, maka diperoleh data tentang hasil
produksi responden yang dapat dilihat pada tabel berikut:
Tabel 4.7 Hasil Analisis Deskripsi Indikator Produksi
Interval Kriteria
Frekuensi Jumlah
Skor
487,5-600 Tinggi
14 377
375-486,5 Cukup Tinggi
12 262,50-374
Rendah 11
150-261,5 Sangat Rendah
13
Jumlah
50 Berdasarkan hasil perhitungan analisis deskripsi untuk indikator
jumlah produksi nelayan diperoleh jumlah skor sebesar 377 yang masuk dalam kriteria cukup tinggi. Berdasarkan tabel 4.8 terlihat bahwa indikator
jumlah produksi nelayan di Kecamatan Sibolga Sambas berkriteria tinggi dengan jumlah 14 responden, 12 responden dalam kriteria cukup tinggi, 11
responden berkriteria rendah dan selebihnya yaitu berjumlah 13 responden termasuk dalam kriteria sangat rendah. Dengan demikian secara umum
jumlah produksi nelayan sebagai indikator dalam variabel hasil produksi di Kecamatan Sibolga Sambas tergolong cukup tinggi. Dari data tersebut
memberikan gambaran bahwa nelayan di Kecamatan Sibolga Sambas mendapatkan hasil produksi ikan dengan cukup tinggi. Hal ini terjadi karena
Universitas Sumatera Utara
59
penghasilan nelayan yang tidak dapat ditentukan kepastiannya, tergantung dari jumlah ikan yang ditangkap dan juga tergantung dari cuaca yang
mendukung untuk mencari ikan.
4.4 Uji t Berpasangan Paired Sample t-test
Pengujian hipotesis dalam penelitian ini menggunakan pengujian Paired Sampel t-test. Hasil dari uji Paired Sampel t-test akan digunakan untuk
menganalisis apakah terdapat perbedaan sebelum adanya Permen-KP no 2
Tahun 2015 dan sesudah adanya Permen-KP no 2 Tahun 2015 . Kriteria pengambilan keputusan pengujian hipotesis adalah Ha diterima jika
signifikansi 5. Berikut merupakan hasil uji t-2 sampel berpasangan paired sample yang telah dilakukan dengan menggunakan software SPSS:
Tabel 4.8 Uji t-2 Sampel Berpasangan
Berdasarkan tabel tersebut, dapat diketahui bahwa selisih rata-rata sebelum dan sesudah adanya Permen-KP no 2 Tahun 2015 adalah sebesar 8,30000.
Dari nilai signifikansi Sig.2-tailed sebesar 0,000 yang lebih kecil dari alpha 0,05, sehingga Ha diterima atau H0 ditolak.
Hasil t hitung dari tabel di atas sebesar 32,428
Dengan melihat t table dengan ketentuan Alfa α
Paired Samples Test
Paired Differences t
df Sig. 2- tailed
Mean Std.
Deviation Std.
Error Mean
95 Confidence Interval of the
Difference Lower
Upper Pair
1 Sebelum -
Sesudah 8.30000
1.80984 .25595
8.81435 7.78565 32.428 49
.000
Universitas Sumatera Utara
60
sebesar 0.05 dan DF = jumlah data – 1 atau sebesar 49, maka didapat besarnya t table adalah 2,009. Dengan membandingkan nilai perhitungan di
atas, tampak bahwa t hitung t tabel sehingga Ha diterima. Dengan demikian, hipotesis dalam penelitian ini yang menyatakan bahwa “Terdapat
perbedaan sebelum dan sesudah adanya Permen-KP no 2 Tahun 2015.
4.5 Hasil Regresi Linier Berganda Tabel 4.9
Hasil Regresi Linier Berganda
Variabel Koefisien
Sig. Constant
-1.416 .028
Modal .194
.000 Tenaga Kerja
.243 .001
L.Melaut .222
.001 Iklim
.218 .005
Berdasarkan tabel 4.10 dapat diperoleh persamaan regresi sebagai
berikut : Y= - 1,416 +0,194X1 + 0,243X2+ 0,222X3 + 0,218X4
Makna dari persamaan Regresi tersebut yaitu : Persamaan regresi linier berganda dapat diuraikan sebagai berikut:
a. Konstanta sebesar -1,416, artinya bahwa variabel modal, tenaga kerja,
lama melaut dan iklim dianggap konstan maka hasil produksi sebesar 1.416.
b. Variabel modal mempunyai pengaruh yang positif terhadap hasil produksi
nelayan dengan koefisien menunjukkan sebesar 0,194.
Universitas Sumatera Utara
61
c. Variabel tenaga kerja mempunyai pengaruh yang positif terhadap hasil
produksi nelayan dengan koefisien menunjukkan sebesar 0,243. d.
Variabel lama melaut pengaruh yang positif terhadap hasil produksi nelayan dengan koefisien menunjukkan sebesar 0,222.
e. Variabel iklim yang positif terhadap hasil produksi nelayan dengan
koefisien menunjukkan sebesar 0,218.
4.6 Uji Asumsi Klasik 1. Uji Multikolonieritas
Menurut Imam Ghozali 2005: 63 multikolinearitas dapat juga dilihat dari nilai Tolerance dan lawannya Variance Inflation Factor VIF. Kedua
ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Dalam pengertian sederhana setiap variabel bebas
menjadi variabel terikat dan diregres terhadap variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat
dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance dan menunjukkan adanya
kolinearitas yang tinggi. Nilai cutoff yang umum dipakai adalah nilai tolerance 0,10 atau sama
dengan nilai VIF di atas 10. Setiap analisis harus menentukan tingkat kolinearitas yang masih dapat ditolerir.
Dari hasil penelitian terlihat hasil pengujian multikolinieritas sebagaimana tampak pada tabel 4.11 di bawah:
Universitas Sumatera Utara
62
Tabel 4.10 Hasil Uji Multikolonieritas
Nilai VIF untuk variabel modal sebesar 2,437. Oleh karena nilai VIF sebesar 2,437 10, maka inferensi yang diambil adalah variabel modal tidak
mengalami masalah multikolinearitas. Nilai VIF untuk variabel tenaga kerja sebesar 1,973. Oleh karena nilai VIF sebesar 1,973 10, maka inferensi yang
diambil adalah variabel tenaga kerja tidak mengalami masalah multikolinearitas. Nilai VIF untuk variabel lama melaut sebesar 1,229. Oleh
karena nilai VIF sebesar 1,229 10, maka inferensi yang diambil adalah variabel lama melaut tidak mengalami masalah multikolinearitas. Nilai VIF
untuk variabel iklim sebesar 1,108. Oleh karena nilai VIF sebesar 1,108 10, maka inferensi yang diambil adalah variabel iklim tidak mengalami masalah
multikolinearitas
.
2. Uji Heterokedastisitas Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi
Tolerance VIF
.410 2.437
.507 1.973
.814 1.229
.902 1.108
Universitas Sumatera Utara
63
heteroskedastisitas. Kebanyakan data cross-section mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili
berbagai ukuran Imam Ghozali, 2005:77. Untuk mengetahui ada tidaknya heteroskedastisitas dapat juga dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED pada program SPSS.
Grafik scatterplot menunjukkan titik menyebar secara acak dan tidak membentuk suatu pola tertentu. Grafik titik – titik juga menyebar diatas dan
bawah angka 0 pada sumbu Y. hal ini menunjukkan bahwa model regresi linear berganda dalam penelitian ini tidak terjadi heteroskedastisitas. Dari hasil
pengujian diperoleh scatterplot sebagaimana gambar di bawah :
Gambar 4.1 Hasil Uji Heterokedastisitas
Dari gambar 4.1 terlihat titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka nol, titik-titik data tidak mengumpul hanya
diatas atau dibawah saja, penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, dan
penyebaran titik-titik data tidak terpola. Maka dapat disimpulkan bahwa
Universitas Sumatera Utara
64
model regresi linier berganda terbebas dari asumsi klasik heterokedastisitas dan layak digunakan dalam penelitian.
4.7 Uji Hipotesis 1. Uji F
Uji hipotesis secara simultan dilakukan untuk melihat pengaruh variabel bebas, dalam hal ini variabel modal, tenaga kerja, lama melaut dan
iklim, secara simultan dengan variabel terikat yaitu produksi nelayan dengan menggunakan uji F. Jika nilai f hitung lebih besar dari pada f tabel,
dengan arti bahwa hipotesis yang mengatakan variabel bebas secara simultan signifikan dalam mempengaruhi variabel terikat. Hasil analisis
secara simultan berdasarkan hasil analisis dengan bantuan program SPSS diperoleh hasil sebagai berikut:
Tabel 4.11 Uji F
Dari tabel diatas, nilai f hitung yang diperoleh adalah sebesar 58,782 dan signifikansi sebesar 0,000. Karena f hitung f tabel 58,7822,57 dan
signifikansi α 0,0000,05. Sehingga dapat disimpulkan bahwa modal, tenaga kerja, lama melaut dan iklim secara simultan berpengaruh positif
terhadap hasil produksi nelayan.
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
329.381 4
82.345 58.782
.000
b
Residual 63.039
45 1.401
Total 392.420
49 a. Dependent Variable: Y
b. Predictors: Constant, x4, x3, x2, x1
Universitas Sumatera Utara
65
2. Uji T Uji hipotesis secara parsial dilakukan untuk mengetahui ada tidaknya
