penurunan produktivitas dari usahatani padi sawah sebesar -3.89 tonha. Hal ini dikarenakan bibit yang ditanam bervariasi dan petani di desa itu tidak
dinamis dalam berinovasi. 4. Koefisien lama berusahatani bernilai 0,16 angka ini menunjukkan bahwa jika
terjadi peningkatan lamanya petani berusahatani selama 1 tahun, maka akan terjadi peningkatan produktivitas dari usahatani padi sawah sebesar 0,16
tonha. Hal ini menunjukkan bahwa pengalaman bertani dalam usahatani mempengaruhi peningkatan produksi dari usahatani padi sawah di daerah
penelitian. 5. Koefisien pupuk bernilai 013, angka ini menunjukkan bahwa jika terjadi
peningkatan pupuk sebesar 1 kg, maka akan terjadi peningkatan produktivitas dari usahatani padi sawah sebesar 0,13 tonHa. Hal ini menunjukkan bahwa
pupuk dalam usahatani mempengaruhi peningkatan produksi dari usahatani padi sawah di daerah penelitian.
4.6. Uji Asumsi Klasik
1. Multikolinearitas
Untuk uji multikolinearitas pada penelitian ini dilakukan dengan melihat
nilai VIF pada tiap independent variable yang dapat dilihat pada Tabel 4.9. Tabel 4.9. Hasil Uji Multikolinearitas
Independent Variable Collinierity Statistics
Tollerance VIF
Umur 0,211
4,743 Bibit
0,280 3,572
Lama berusahatani 0,194
5,165 Pupuk
0,311 3,218
Sumber :Data Primer diolah dari Lampiran 6
Universitas Sumatera Utara
Menurut Ragner Frish dalam Supranto 2005 untuk mendeteksi adanya multikolinearitas dapat ditinjau dari beberapa hal berikut :
1. nilai toleransi lebih besar dari 0,1 2. nilai VIF lebih kecil dari 10
3. R² = 1
Berdasarkan Tabel 4.9 dapat dilihat bahwa nilai VIF masing-masing variabel berada dibawah 10. Nilai VIF umur sebesar 4,741 10, nilai VIF bibit
3572 10, nilai VIF lama berusahatani sebesar 5,165 10, nilai VIF pupuk sebesar 3,218 10, dan tolerance semua input produksi di atas 0,1. Hal ini
menunjukkan bahwa model tidak mengandung multikolinearitas.
2. Normalitas
Untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal, dilakukan uji normalitas. Pada penelitian ini normalitas
dilakukan dengan pendekatan grafik. Uji normalitas dengan pendekatan grafik dapat dilihat pada Gambar 4.1 dan Gambar 4.2.
Universitas Sumatera Utara
Gambar 4.1 Histogram Uji Normalitas
Distribusi data mengikuti atau mendekati distribusi normal, apabila distribusi data berbentuk lonceng bell shaped Santoso, 2010. Berdasarkan
tampilan histogram pada Gambar 4.1 dapat dilihat bahwa distribusi data berbentuk lonceng bell shaped, sehingga data tersebut dikatakan berdistribusi
normal. Kemudian tampilan Normal P-P Plot of Regression Standarized Residual pada Gambar 4.2 terlihat bahwa titik-titik menyebar di sekitar dan mengikuti garis
diagonal. Suatu data dikatakan berdistribusi normal apabila garis yang digambarkan data menyebar atau merapat ke garis diagonalnya Sulianto, 2011.
Universitas Sumatera Utara
Gambar 4.2. Normal P-P Plot of Regression Standarized Residual
Dari kedua gambar diatas maka dengan demikian data tersebut dikatakan berdistribusi normal, sehingga asumsi normalitas terpenuhi.
3. Heteroskedastisitas
