3.4. Metode Analisis Data
Setelah data dikumpulkan dan ditabulasi, selanjutnya dianalisis sesuai dengan
hipotesis dan tujuan yang akan diuji.
a. Untuk tujuan 1, Perilaku koomunikasi menggunakan analisis deskriptif dan
skoring dengan beberapa pertanyaan dengan responden untuk mengetahui perilaku komunikasi tentang pemahaman petani tentang pupuk bersubsidi.
b. Untuk tujuan 2 menggunakan metode skoring
Dengan rumus : Range =
–
Range = = 6,6
Selanjutnya untuk mengukur keeratan hubungan antara variabel karakteristik individu dengan tingkat keberhasilan penerimaan pupuk bersubsidi
menggunakan Analisis Korelasi Rank Spearman Untuk menghitung koefisien korelasi Rank Spearman r
s
dilakukan dengan langkah-langkah sebagai berikut:
a. Meranking nilai pengamatan dari dua variabel yang akan diukur
hunbungannya. Bila ada pengamatan yang sama, dihitung ranking rata- ratanya.
b. Menghitung perbedaan setiap pasangan ranking.
c. Menghitung jumlah kuadrat perbedaan setiap pasangan ranking.
d. Menghitung nilai r
s
dihitung dengan menggunakan rumus.
Universitas Sumatera Utara
∑
Dimana : r
s =
nilai koefisien korelasi rank spearman d
i =
perbedaan setiap ranking n = jumlah pengamatan
untuk melihat nyata atau tidaknya hubungan antara variabel digunakan uji t dengan rumus:
t = r
s
√ Hipotesis yang diajukan adalah
:
H :ρ
s
= 0 tidak ada hubungan antara ranking variabel yang satu dengan ranking yang lainnya.
H
1
:ρ
s
≠ 0 ada hubungan antara ranking variabel yang satu dengan yang lainnya.
Kriteria pengambilan keputusan adalah: H
diterima jika nilai signifikansi ≥ α H
1
diterima jika nilai signifikansi α Selanjutnya diadakan pengujian dengan uji asumsi klasik melihat hasil langsung
dengan menggunakann SPSS 16. c.
Untuk tujuan 3 menggunakan metode deskriptif untuk mengetahui apa dan bagaimana jenis media komunikasi yang dimanfaatkan oleh petani untuk
memperoleh pupuk bersubsidi. d.
Untuk tujuan 4, diuji dengan menggunakan analisis regresi linier berganda dengan alat bantu SPSS dengan menggunakan rumus:
Universitas Sumatera Utara
Y = a + X1
+ X2 + X3 +X4 + X5 + c Keterangan :
Y = Pemahaman Petani a = Koefisien
intersep
X1 = Umur Petani X2 = Lama Bertani
X3 = Pendidikan Petani X4 = Perilaku Komunikasi
X5 = Jenis Media C = Konstanta regresi
Pengambilan keputusan : Jika th t tabel, tolak H
1
; terima H pada taraf kepercayaan 90
Jika th t tabel, tolak H ; terima H
1
pada taraf kepercayaan 90 Kemudian langkah selanjutnya yang dilakukan adalah melakukan uji kesesuaian
dan uji asumsi klasik. Uji Kesesuaian
1. Analisis koefesien determinasi R-Square
Penilaian terhadap koefesien detreminasi bertujuan untuk melihat apakah kekuatan variabel bebas dalam mempengaruhi kekuatan variabel terikat. Semakin
banyak variabel bebas yang digunakan maka semakin tinggi pula koefesien dterminasinya. Nachrowi dan Usman, 2006.
Universitas Sumatera Utara
2. Uji statistik F secara serempak
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi sesungguhnya.
Hipotesis yang diajukan adalah sebagai berikut: H0 : Pengaruh variabel bebas secara serempak terhadap pemahaman petani
tentang pupuk bersubsidi. H1 : Pengaruh Variabel bebas secara serempak terhadap pemahaman petani
tentang pupuk bersubsidi Kriteria pengambilan keputusan adalah:
Jika nilai signifikansi ≥ α, H0 diterima, H1 ditolak pada taraf kepercayaan 90 Jika nilai signifikansi α, H1 diterima, H0 ditolak pada taraf kepercayaan 90
3. Uji statistik t secara parsial
Uji t digunakan untuk melihat pengaruh faktor-faktor yang mempengaruhi permintaanpenawaran secara individu.
Hipotesis yang diajukan adalah sebagai berikut: H0 : Pengaruh variabel bebas secara individu terhadap pemahaman petani tentang
pupuk bersubsidi. H1 : Pengaruh Variabel bebas secara individu terhadap pemahaman petani
tentang pupuk bersubsidi. Kriteria pengambilan keputusan adalah:
Jika nilai signifikansi ≥ α, H0 diterima, H1 ditolak pada taraf kepercayaan 90 Jika nilai s
ignifikansi α, H1 diterima, H0 ditolak pada taraf kepercayaan 90 Uji Asumsi Klasik
Universitas Sumatera Utara
Model regresi linear berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi kriteria BLUE Best Linear Unbiased Estimator. BLUE dapat
dicapai apabila memenuhi asumsi klasik. 1.
Multikolinieritas Multikolonieritas adalah situasi adalanya korelasi diantara variabel bebas. Untuk
mendeteksi adanya multikolonieritas yaitu: -
Diantara variabel bebas ada korelasi yang cukup tinggi lebih besar daripada 0,90
- Nilai tolerance 0,10 dan nilai variance inflation factor VIF 10.
Sarjono dan Winda, 2011. 2.
Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk mengetahui apakah dalam sebuah model
regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain. Jika varians dari residual suatu pengamatan ke pengamatan lain
tetap homoskedastisitas, sementara itu untuk varians yang berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedasitas
yang tidak terdapat pola tertentu seperti mengumpul ditengah, menyempit kemudian melebar atau sebaliknya pada grafik Umar, 2008.
3. Uji Normalitas
Uji normalitras untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal atau tidak. Model regresi yang baik hendaknya
berdistribusi normal atau mendekati normal. Mendeteksi apakah data berdistribusi normal atau tidak dapat diketahui dengan melihat penyebaran data, jika data
menyebar disekitar garis diagonal dan mengikuti arah garis diagionalnya, model
Universitas Sumatera Utara
regresi memenuhi asumsi normalitas. Selain itu, dapat juga dilakukan dengan Uji Kolmogorov Smirnov Umar, 2008.
4. Autokorelasi
Menurut Supriana 2012, autokorelasi adalah adanya korelasi antara variabel itu sendiri, pada pengamatan yang berbeda waktu dan individu. Umumnya kasus
autokorelasi banyak terjadi pada data time series. Cara mendeteksi dengan melihat pola hubungan antara residual dan variabel bebas. Untuk mempermudah dalam
melihat pola hubungan yang dimaksud, dapat dengan membuat plot antara kedua variabel tersebut.
3.5 Defenisi dan Batasan Operasional
Kategori