Analisis Faktor-Faktor Yang Mempengaruhi Efisiensi Teknis
Pengambilan keputusan : a Jika F-hitung F-Tabel, maka tolak Ho yang berarti faktor-faktor yang
mempengaruhi tingkat efisiensi teknis peubah bebas yang ada dalam model, secara bersama-sama berpengaruh nyata terhadap tingkat efisiensi
teknis usahatani jahe gajah. b Jika F-hitung ≤ F-Tabel, maka terima Ho yang berarti faktor-faktor yang
mempengaruhi tingkat efisiensi teknis peubah bebas yang ada dalam model, secara bersama-sama tidak berpengaruh nyata terhadap tingkat
efisiensi teknis usahatani jahe gajah. Kriteria pengambilan keputusan tingkat signifikan F hitung yang
menunjukkan bahwa variabel berpengaruh nyata yaitu α 0,1 dengan tingkat kepercayaan sebesar 90.
Sedangkan untuk mengetahui apakah masing-masing variabel berpengaruh secara tunggal terhadap variabel terikat, maka diuji dengan menggunakan
uji-t dengan hipotesis sebagai berikut : H0 : bi = 0
H1 : bi ≠ 0
Perhitungan t-hitung menggunakan derajat signifikasi sebesar 0,1 90 dengan menggunakan rumus :
t-hitung = …………….……………..43
Keterangan : bi = Koefisien regresi ke-i
Sbi = Kesalahan baku parameter regresi ke-i
Sebagai kaidah pengujian hipotesis yaitu : a Jika t-hitung t-tabel, maka tolak Ho yang berarti faktor yang
mempengaruhi tingkat efisiensi teknis secara tunggal berpengaruh terhadap tingkat efisiensi teknis usahatani jahe gajah.
b Jika t-hitung ≤ t-tabel, maka terima Ho yang berarti faktor yang mempengaruhi tingkat efisiensi teknis secara tunggal tidak berpengaruh
terhadap tingkat efisiensi teknis usahatani jahe gajah.
Tabel 7. Tanda yang diharapkan dari variabel yang mempengaruhi efisiensi teknis usahatani jahe gajah
Variabel Parameter
Tanda Harapan Skala Usaha
Z1 -
Umur Z2
+ Biaya Usahatani
Z3 -
Penerimaan Z4
+ Pendidikan
Z5 +
Pengalaman Berusahatani Z6
+ Risiko
D1 -
Jarak Tanam D2
+ Kondisi Lahan
D3 +
Persamaan dengan model regresi linear berganda perlu memenuhi beberapa asumsi agar kondisi model tersebut BLUE Best Linear
Unbiased Estimate. Pengujian ini dimaksudkan untuk menganalisis beberapa asumsi dari persamaan regresi yang dihasilkan supaya valid jika
digunakan untuk memprediksi. Pengujian ini dikenal dengan uji asumsi klasik berupa uji multikolinearitas, uji heteroskedastis, dan uji
autokorelasi. Masalah multikolinearitas muncul jika terdapat hubungan antara satu atau lebih variabel independen dalam model. Cara mendeteksi
apakah terjadi masalah multikolinearitas maka dapat melihat nilai VIF
variance inflation factor. Jika nilai VIF di atas 10, maka terjadi masalah multikolinieritas, sebaliknya jika nilai VIF di bawah 10 berarti variabel
tidak mengalami masalah multikolinieritas. Masalah heteroskedasitas terjadi apabila variasi ut tidak konstan atau berubah-ubah secara sistematik
seiring dengan berubahnya nilai variabel independen. Uji statistik yang digunakan yaitu uji white heteroskedasticity dengan aplikasi eviews.
Apabila menghasilkan Chi Square 0,05 maka variabel pada model regresi yang digunakan tidak terjadi gejala heteroskedasitas sedangkan
apabila Chi Square 0,05 maka terjadi heteroskedastis Tim Dosen Ekonometrika, 2015. Uji autokorelasi tidak dilakukan karena data
penelitian yang digunakan yaitu cross section bukan time series.