Metode Pengumpulan Data Model Regresi Linear Berganda

64

4.4. Data dan Instrumentasi

Data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer adalah data relevan yang diperoleh langsung dari petani lada atau dapat pula dari hasil-hasil wawancara dengan pihak lain yang terkait. Data yang bersumber dari petani lada merupakan kajian utama dalam penelitian ini. Data sekunder relevan yang digunakan bersumber dari instansi-instansi dan kelembagaan-kelembagaan terkait, seperti Dinas Pertanian, Perkebunan, dan Peternakan Provinsi Kepulauan Bangka Belitung; Dinas Perindustrian dan Perdagangan Provinsi Kepulauan Bangka Belitung; Balai Pengkajian Teknologi Pertanian BPTP Provinsi Kepulauan Bangka Belitung; Badan Perencanaan Pembangunan Daerah dan Statistik Provinsi Kepulauan Bangka Belitung; Dinas Perkebunan dan Kehutanan Kabupaten Bangka; Direktorat Jendral Perkebunan Departemen Pertanian Republik Indonesia Ditjenbun Deptan RI; International Pepper Community IPC; Asosiasi Eksportir Lada Indonesia AELI; serta instansi lainnya yang terkait. Data primer yang dicari, khususnya dari petani, adalah data di tahun 2009, karena data tersebut merupakan data satu tahun yang telah mencakup data pada bulan Januari hingga Desember, sehingga yang diperoleh adalah data dan kondisi per tahun. Data primer dan sekunder yang lain, selain dari petani, tidak dilakukan pengkhususan. Data primer dan sekunder tersebut, terdiri atas jenis data cross section dan time series, serta data kuantitatif dan kualitatif. Instrumen yang digunakan untuk pengambilan data di dalam penelitian ini adalah kuesioner, alat pencatat, dan alat perekam.

4.5. Metode Pengumpulan Data

Pengumpulan data dilakukan melalui wawancara langsung kepada petani lada dan pengisian kuesioner oleh petani lada, dari setiap desa yang telah ditentukan sebagai sampel. Pengisian kuesioner oleh petani dibimbing oleh peneliti, tanpa dilakukan intervensi. Kuesioner disusun dan ditetapkan berdasarkan definisi operasional yang telah disusun. Selain itu, dilakukan pula observasi terhadap aktivitas usaha yang dilakukan oleh petani lada, baik pada, maupun di luar usaha produksi ladanya, sehingga data yang diperoleh akan lebih 65 lengkap dan tajam. Jenis observasi pengamatan yang dilakukan adalah observasi nonpartisipan nonparticipant observation, dimana peneliti tidak terlibat dan hanya bertindak sebagai pengamat independen, dalam mengobservasi aktivitas usaha petani lada. Wawancara dan diskusi juga dilakukan dengan pihak dari instansi-instansi dan lembaga-lembaga terkait, seperti Dinas Pertanian, Perkebunan, dan Peternakan Provinsi Kepulauan Bangka Belitung; Dinas Perindustrian dan Perdagangan Provinsi Kepulauan Bangka Belitung; Asosiasi Eksportir Lada Indonesia AELI Provinsi Kepulauan Bangka Belitung; Dinas Perkebunan dan Kehutanan Kabupaten Bangka; dan International Pepper Community IPC. Pengumpulan data dilakukan pada akhir bulan Mei 2010 hingga akhir Juli 2010.

4.6. Metode Pengolahan Data

Analisis yang digunakan dalam penelitian ini menggunakan statistika deskriptif dan inferensia. Analisis statistika deskriptif yang dipakai adalah analisis deskriptif. Sedangkan analisis statistika inferensia yang dipergunakan adalah analisis korelasi dan regresi linear berganda. Untuk memudahkan proses analisis, digunakan bantuan software perangkat lunak komputer, yaitu Microsoft Excel 2007, SPSS 11,5, dan Eviews 4,1.

4.6.1. Analisis Deskriptif

Analisis deskriptif dilakukan dengan mendeskripsikan semua data yang telah terkumpul, berdasarkan sampel, sebagaimana adanya, tanpa bermaksud untuk membuat kesimpulan yang berlaku untuk populasi dimana sampel diambil generalisasi Sugiyono 2001. Statistik deskriptif tersebut dapat berupa penyajian data melalui tabel, grafik, diagram lingkaran, piktogram, perhitungan modus, median, mean, simpangan baku standar deviasi, serta perhitungan persentase.

4.6.2. Analisis Korelasi dan Regresi Linear Berganda

Analisis ini dilakukan untuk mengetahui hubungan dan pengaruh dari variabel independen penelitian, yaitu harga jual lada di tingkat petani X 1 , 66 peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , secara bersamaan, terhadap variabel dependen, yaitu produksi lada Y. a. Asumsi-asumsi Asumsi-asumsi yang harus dipenuhi untuk menggunakan analisis korelasi dan regresi berganda ini antara lain Mason dan Lind 1999: i. Terdapat hubungan linear antara variabel independen dan variabel dependen. ii. Variabel dependen harus bersifat kontinu, dan paling tidak berskala selang interval. iii. Keragaman residu selisih nilai pengamatan dan pendugaan harus sama untuk semua nilai pendugaan Y Y ′, dan nilai-nilai residu ini menyebar normal, dengan rata-rata 0. Jika terjadi perbedaan, maka hal tersebut mengindikasikan terjadinya homoskedastisitas. Uji statistik tersendiri dapat dilakukan untuk mendeteksi homoskedastisitas. iv. Pengamatan berurutan terhadap variabel dependen tidak berkorelasi. Jika terdapat korelasi, maka disebut autokorelasi. Autokorelasi sering terjadi sewaktu data dikumpulkan menurut periode-periode waktu. Uji statistik tersendiri dapat dilakukan untuk mendeteksi autokorelasi. v. Kaidah kuadrat terkecil OLS atau Ordinary Least Square Kaidah kuadrat terkecil berfungsi untuk menghasilkan garis lurus linear dengan kesesuaian terbaik. Menurut Mason dan Lind 1999, dalam prakteknya ketepatan asumsi- asumsi ini tidak selalu mungkin diterapkan dalam masalah korelasi dan regresi linear berganda, yang melibatkan iklim bisnis yang selalu berubah. Teknik statistika ini, nampaknya bekerja baik, sekalipun satu atau lebih asumsi- asumsinya dilanggar. Sekalipun jika nilai-nilai pada persamaan regresi linear berganda sedikit “salah”, pendugaan yang berdasarkan persamaan tersebut, akan lebih dekat daripada dengan cara lain manapun yang bisa digunakan. b. Bentuk umum persamaan regresi linear berganda Bentuk umum dari persamaan regresi linear berganda adalah sebagai berikut: 67 Dimana: Y ′ = Disebut Y aksen, yaitu nilai prediksi dari variabel dependen berdasarkan nilai variabel X yang dipilih. A = Titik potong Y, yang merupakan nilai perkiraan bagi Y ketika X= 0 garis Y memotong sumbu X. B 1 = Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik ataupun turun pada variabel X 1 , dengan menganggap variabel independen lainnya konstan. Ini disebut sebagai koefisien regresi parsial atau cukup disebut koefisien regresi. B 2 = Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik ataupun turun pada variabel X 2 , dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien regresi parsial atau cukup disebut koefisien regresi. B k = Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik ataupun turun pada variabel X k , dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien regresi parsial atau cukup disebut koefisien regresi. X 1 = Sembarang nilai variabel independen X 1 . X 2 = Sembarang nilai variabel independen X 2 . X k = Sembarang nilai variabel independen ke-k. Sumber: Mason dan Lind 1999 c. Kesalahan baku berganda pendugaan Kesalahan baku berganda pendugaan berfungsi untuk mengukur kesalahan dalam pendugaan. Kesalahan baku berganda pendugaan akan mengukur kesalahan yang terjadi pada nilai Y, di sekitar bidang regresi. Adapun rumus kesalahan baku berganda pendugaan, yaitu Mason dan Lind 1999: S y ∙12. . . k = Σ Y-Y 2 n- k+1 ………. 2 Dimana: S y ∙x. . . k = Kesalahan baku berganda pendugaan. n = Jumlah sampel pengamatan. k = Jumlah variabel independen. Y = Nilai variabel dependen. Y ′ = Disebut Y aksen, yaitu nilai prediksi dari variabel Y dependen berdasarkan nilai variabel X yang dipilih. ΣXY = Jumlah hasil kali variabel X dan Y. [ΣY–Y′ 2 ] = Jumlah residu yang telah dikuadratkan. Y ′ = a + b 1 X 1 + b 2 X 2 +....+ b k X k ………. 1 68 d. Selang kepercayaan dan selang pendugaan Selang kepercayaan bagi nilai tengah Y untuk suatu nilai X tertentu diperoleh dengan rumus: Y ± t S y ∙x 1 n + X-X 2 ΣX 2 - ΣX 2 n ………. 3 Sedangkan untuk menentukan selang pendugaan bagi suatu nilai Y untuk nilai X yang diberikan, diperoleh dengan rumus: Y ± t S y ∙x 1+ 1 n + X-X 2 ΣX 2 - ΣX 2 n ………. 4 Dimana: Y ′ = Disebut Y aksen, yaitu nilai prediksi dari variabel Y dependen berdasarkan nilai variabel X yang dipilih. t = Nilai statistik t berdasarkan lampiran F untuk derajat bebas n –2. S y ∙x = Kesalahan baku pendugaan. n = Jumlah sampel pengamatan. X = Nilai variabel X independen yang terpilih. X = Nilai tengah variabel X, diperoleh dari ΣXn. Sumber: Mason dan Lind 1999 e. Koefisien korelasi berganda R Koefisien korelasi berganda rumit dilakukan jika variabel independennya sudah lebih dari dua variabel. Oleh karena itu lebih mudah menggunakan bantuan software komputer. Dari perhitungan komputer, dapat diperoleh koefisien determinasi berganda R 2 , yang merupakan persentase keragaman yang dapat dijelaskan oleh model regresi Mason dan Lind 1999. Koefisien determinasi berganda didapat dari jumlah kuadrat regresi dibagi dengan jumlah kuadrat total. Secara matematis dituliskan: R 2 = SSR SS total ………. 5 69 Dimana: SSR = Jumlah kuadrat regresi sum square regression SS total = Jumlah kuadrat total sum square total Sumber: Mason dan Lind 1999 Setelah mengetahui nilai R 2 , maka dapat diketahui pula nilai R koefisien korelasi berganda, yaitu dengan cara mengakarkan nilai R 2 . Secara matematis dapat dinyatakan: R= R 2 = SSR SS total ………. 6 f. Multikolinearitas Multikolinearitas terjadi jika diantara variabel-variabel independen saling berkorelasi. Untuk memeriksa adanya multikolinearitas dapat digunakan matriks korelasi, yang dapat diperoleh dengan bantuan software komputer. Multikolinearitas dapat mengubah kesalahan baku pendugaan dan menyebabkan kesimpulan yang salah, sehubungan dengan manakah variabel independen yang mempunyai pengaruh signifikan nyata dan tidak signifikan. Korelasi antar variabel-variabel independen yang berada pada selang -0,70 sampai dengan 0,70 tidak menyebabkan masalah Mason dan Lind 1999. Jika terdapat korelasi yang erat antara dua variabel independen, maka salah satu dari dua variabel independen tersebut diabaikan. g. Uji global Uji global dilakukan untuk melihat kemampuan menyeluruh dari variabel-variabel independen X 1 , X 2 ,. . ., X k , dalam menjelaskan tingkah laku variabel dependen Y. Pada dasarnya uji global menyelidiki apakah semua variabel independen memiliki koefisien bersih regresi nol. Dengan kata lain, dapatkah besar varians yang bisa dijelaskan R 2 , terjadi secara tidak sengaja. Uji statistik yang digunakan adalah uji F, dengan derajat bebas pembilang k dan derajat bebas penyebut n-k+1, dimana k adalah banyaknya variabel independen dan n adalah jumlah pengamatan atau sampel. 70 h. Evaluasi koefisien regresi secara individu Langkah selanjutnya setelah uji F adalah menguji variabel-variabel tersebut secara individu untuk menentukan koefisien regresi yang bernilai nol dan yang bukan. Jika koefisien regresi bernilai nol, menandakan bahwa variabel independen tertentu tidak berpengaruh dalam menerangkan keragaman dari variabel dependen. Uji statistik yang digunakan adalah uji t- student , dengan derajat bebas n-k+1, dimana k adalah banyaknya variabel independen dan n adalah jumlah pengamatan atau sampel.

4.6.3. Uji Asumsi Model Regresi Linear Klasik

Pada model ekonometrik, terutama model regresi linear, diketahuinya nilai variabel independen tertentu, belum tentu menjamin diketahuinya nilai variabel dependen dengan tepat, sebab variasi variabel dependen disebabkan oleh banyak variabel, yang tidak semuanya dimasukkan sebagai variabel independen. Selain itu, terdapat faktor-faktor, seperti kesalahan tertentu, yang selalu akan dilakukan oleh seorang peneliti. Untuk menampung kesalahan tersebut, di dalam model regresi linear dimasukkan variabel gangguan, yaitu yang mengganggu hubungan jika tidak terdapat kesalahan tersebut. Sehingga model regresi linear secara umum dapat ditulis: Berdasarkan model di atas dapat dilihat bahwa variasi variabel dependen Y tidak saja dijelaskan oleh variabel dependen X 1 −X k , tetapi juga oleh variabel ∈, dimana variabel ∈ adalah variabel random yang tidak diketahui dan tidak dapat diamati. Oleh sebab itu, agar variabel dependen dapat dijelaskan dengan baik oleh variabel independen, maka pola perilaku ∈ harus diperkirakan terlebih dahulu. Untuk itu, dibuatlah asumsi tertentu tentang pola perilaku variabel ∈ yang dikenal dengan nama asumsi model regresi linear klasik, yaitu: 1. Nilai yang diharapkan bersyarat conditional expected value dari ∈ i tergantung pada X i tertentu adalah nol. Y i = a + b 1 X 1 + b 2 X 2 +....+ b k X k + ∈ i ………. 7 71 2. Tidak adanya korelasi berurutan atau tidak ada autokorelasi nonautocorrelation. Artinya, dengan X i tertentu, simpangan setiap Y yang manapun dari nilai rata-ratanya tidak menunjukkan adanya korelasi, baik secara positif, maupun negatif. 3. Varians bersyarat dari ∈ adalah konstan. Asumsi ini dikenal dengan asumsi homoskedastisitas. 4. Variabel bebas adalah nonstokastik yaitu tetap dalam penyampelan berulang, atau jika stokastik, didistribusikan secara independen dari gangguan ∈. 5. Tidak adanya multikolinearitas di antara variabel independen yang satu dengan yang lainnya. 6. ∈ didistribusikan secara normal dengan rata-rata varians yang diberikan oleh asumsi 1 dan 2. Penyimpangan asumsi 2, 3, dan 5 memiliki pengaruh yang serius, sedangkan asumsi 1, 4, dan 6 tidak. Jika asumsi 1 tidak dipenuhi, maka konstanta intersep pada model tidak dapat diduga dengan benar. Akan tetapi, dalam praktik, unsur intersep tidak begitu penting, karena untuk sebagian besar tujuan, ukuran besaran yang berarti adalah koefisien regresi variabel independen, yang tetap tidak terpengaruh jika asumsi 1 tidak terpenuhi. Untuk asumsi 4, strategi praktis untuk diikuti adalah dengan mengasumsikan bahwa untuk masalah yang ada nilai variabel independen adalah tertentu, meskipun variabel itu sendiri mungkin sebenarnya stokastik. Jadi hasil analisis regresi adalah tergantung pada nilai tertentu. Asumsi 6, asumsi kenormalan tidak penting secara mutlak, jika tujuannya hanya pendugaan. Penduga OLS Ordinary Least Square adalah BLUE Best Linear Unbiased Estimation dengan memandang apakah ∈ didistribusikan secara normal atau tidak. Terlebih lagi jika ∈ didistribusikan secara normal, dapat ditunjukkan bahwa penduga OLS cenderung didistribusikan secara normal apabila sampel meningkat secara tak terbatas. Ahli ekonomi seringkali tidak memiliki sampel yang besar, sehingga asumsi kenormalan menjadi sangat penting untuk maksud pengujian hipotesis dan peramalan. Berdasarkan landasan teori yang telah diuraikan, maka dalam penelitian ini, model persamaan regresi linear yang dihasilkan akan diuji menurut asumsi model regresi linear klasik. Uji asumsi yang dilakukan untuk model regresi linear 72 berganda meliputi, uji multikolinearitas, uji normalitas, uji heteroskedastisitas, dan uji autokorelasi. Uji normalitas, uji heteroskedastisitas, dan uji autokorelasi dilakukan dengan bantuan software Eviews 4,1. Sementara itu, uji multikolinearitas dilakukan dengan bantuan software SPSS 11,5. 1. Uji normalitas Untuk mengetahui normalitas residual error atau gangguan, maka digunakan Uji Jarque-Bera. Hipotesis yang disusun, yaitu: H : Residual error atau gangguan berdistribusi normal. H a : Residual error atau gangguan tidak berdistribusi normal. Jika nilai probabilitas Jarque-Bera lebih besar dari taraf nyata α yang digunakan, maka disimpulkan terima H . Sehingga dapat dikatakan residual error atau gangguan pada model terdistribusi dengan normal atau dengan kata lain asumsi normalitas terpenuhi. 2. Uji heteroskedastisitas Uji yang digunakan untuk melihat ada atau tidaknya sifat heteroskedastisitas pada model adalah Uji Heteroskedastisitas Umum White. Hipotesis yang disusun yaitu: H : Tidak ada heteroskedastisitas. H a : Ada heteroskedastisitas. Jika nilai probabilitas ObsR-squared Uji White lebih besar dari taraf nyata α yang digunakan, maka disimpulkan terima H . Atau dengan kata lain, disimpulkan tidak terdapat heteroskedastisitas pada model. 3. Uji autokorelasi Uji yang digunakan untuk melihat ada atau tidaknya autokorelasi pada model adalah Uji Breusch-Godfrey Serial Correlation Lagrange Multiplier. Hipotesis yang disusun yaitu: H : Tidak ada autokorelasi. H a : Ada autokorelasi. Jika nilai probabilitas ObsR-squared Uji Breusch-Godfrey Lagrange Multiplier lebih besar dari taraf nyata α yang digunakan, maka disimpulkan terima H . Atau dengan kata lain, disimpulkan tidak terdapat autokorelasi pada model. 73 4. Uji multikolinearitas Telah disebutkan sebelumnya bahwa menurut Mason dan Lind 1999, korelasi antara variabel-variabel independen yang berada pada selang -0,70 sampai dengan 0,70 tidak menyebabkan masalah. Selain itu, adanya multikolinearitas juga dapat diuji berdasarkan nilai VIF Variance Inflation Factors nya. Menurut Lind, Marchal, dan Wathen 2007, sebuah VIF yang lebih besar dari sepuluh 10 dianggap tidak memuaskan, yang mengindikasikan sebaiknya variabel bebas tersebut dibuang. Pramesti 2009 menyebutkan, jika nilai VIF lebih kecil dari sepuluh, maka dapat dikatakan model terbebas dari masalah multikolinearitas. Oleh sebab itu, jika nilai korelasi antar variabel independen berada pada selang -0,7 sampai 0,7 dan nilai VIF setiap variabel tersebut lebih kecil dari sepuluh, maka disimpulkan tidak terdapat multikolinearitas pada model regresi linear.

4.6.4. Bentuk Pengujian Hipotesis Penelitian

Bentuk pengujian hipotesis yang dilakukan adalah dua arah two tail test dengan menggunakan uji t-student dan uji F. Pada uji dua arah dengan uji t- student , mengharuskan taraf nyatanya dibagi dua α2 Sugiyono 1999. Pengolahan data dengan software SPSS untuk uji t-student juga menyajikan nilai probabilitas Sig., selain nilai t-student hitung t hitung . Saat nilai probabilitas diperbandingkan dengan α, maka nilai α tersebut tidak perlu dibagi dua. Ringkasan kriteria uji t-student untuk t hitung dan nilai probabilitas pada hipotesis satu arah dan dua arah dapat dilihat pada Tabel 11. Tabel 11. Kriteria Uji Hipotesis Dua Arah dengan Uji t-student No Nilai Kriteria Uji Kesimpulan 1. Statistik t-student t hitung t α 2 n-k-1 Tolak H pada taraf nyata α 2. Probabilitas Sig. Sig.α Tolak H pada taraf nyata α Keterangan: DF error Derajat bebas penyebut = n-k-1 H = Hipotesis nol penolakan k = banyaknya variabel independen α = Taraf nyata signifikansi n = jumlah pengamatan atau sampel 74 Pengolahan data dengan software SPSS untuk uji F menyajikan nilai F hitung dan probabilitas Sig.. Kriteria uji F hitung dan nilai probabilitas pada hipotesis dua arah dapat dilihat pada Tabel 12. Tabel 12. Kriteria Uji Hipotesis Dua Arah dengan Uji F No Nilai Kriteria Uji Kesimpulan 1. Statistik F F hitung t αv1,v2 Tolak H pada taraf nyata α 2. Probabilitas Sig. Sig.α Tolak H pada taraf nyata α Keterangan: H = Hipotesis nol penolakan α= Taraf nyata taraf signifikansi v1= Derajat bebas pembilang DF regression = k n= Jumlah sampel pengamatan v2= Derajat bebas penyebut DF error = n-k-1 k= Jumlah variabel independen

4.7. Model Regresi Linear Berganda

Model regresi linear berganda yang menggambarkan pengaruh harga jual lada di tingkat petani X 1 , peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , terhadap produksi lada Y, adalah sebagai berikut: Dimana: Y ′ = Disebut Y aksen, yaitu nilai prediksi dari produksi lada berdasarkan nilai variabel independen yang dipilih. A = Titik potong Y, yang merupakan nilai perkiraan bagi Y ketika X= 0 garis Y memotong sumbu X. b 1 = Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik ataupun turun pada harga jual lada di tingkat petani, dengan menganggap variabel independen lainnya konstan. Ini disebut sebagai koefisien regresi parsial atau cukup disebut koefisien regresi. b 2 = Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik ataupun turun pada peluang usaha lain, dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien regresi parsial atau cukup disebut koefisien regresi. b 3 = Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik ataupun turun pada teknologi budidaya lada petani, dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien regresi parsial atau cukup disebut koefisien regresi. X 1 = Sembarang nilai variabel harga jual lada di tingkat petani. X 2 = Sembarang nilai variabel peluang usaha lain. X 3 = Sembarang nilai variabel teknologi budidaya lada petani. Y ′ = a + b 1 X 1 + b 2 X 2 + b 3 X 3 ………. 8 75 Untuk menguji hubungan dan pengaruh hubungan kausal harga jual lada di tingkat petani X 1 , peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , secara bersama-sama, terhadap produksi lada Y, akan dilakukan uji global uji F dan uji individu uji t-student, dengan taraf nyata taraf kesalahan sepuluh 10 persen 0,1. Penggunaan taraf nyata signifikansi α sepuluh 10 persen disebabkan karena penelitian ini menganalisis gejala-gejala sosial-ekonomi di masyarakat, khususnya petani lada. Adapun hipotesis-hipotesis, yang disusun menjadi hipotesis penolakan H dan hipotesis alternatif H a , yaitu: 1. Uji global uji F Hipotesis yang dirumuskan adalah hipotesis dua arah, sehingga uji global yang dilakukan adalah uji dua arah two tail test, yaitu: H : Tidak terdapat pengaruh hubungan kausal atau fungsional yang signifikan antara harga jual lada di tingkat petani X 1 , peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , secara bersama-sama, terhadap produksi lada Y. Atau Tidak terdapat satu pun diantara variabel independen, yaitu harga jual lada di tingkat petani X 1 , peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , yang berpengaruh signifikan terhadap produksi lada Y. H a : Terdapat pengaruh hubungan kausal atau fungsional yang signifikan antara harga jual lada di tingkat petani X 1 , peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , secara bersama-sama, terhadap produksi lada Y. Atau Paling tidak terdapat satu diantara variabel independen, yaitu harga jual lada di tingkat petani X 1 , peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , yang berpengaruh signifikan terhadap produksi lada Y. Secara ststistik, hipotesis tersebut dinyatakan: H : β 1 = β 2 = β 3 =0 H a : Tidak semua β s =0 76 Berdasarkan hipotesis penelitian dan taraf nyata yang ditetapkan atas pengaruh harga jual lada di tingkat petani X 1 , peluang usaha lain X 2 , dan teknologi budidaya lada petani X 3 , secara bersamaan terhadap produksi lada Y, maka disusun kriteria uji hipotesis. Kriteria tersebut selengkapnya dapat dilihat pada Tabel 13. Tabel 13. Kriteria Uji Hipotesis Penelitian Dua Arah dengan Uji F pada Model Regresi Linear berganda No Kriteria Uji Kesimpulan 1. F hitung F 0,1v1=3,v2=26 Tolak H pada taraf nyata 0,1 10 2. P value 0,1 Tolak H pada taraf nyata 0,1 10 Keterangan: v1DF regression Derajat bebas pembilang = k k = Banyaknya variabel independen v2 DF error Derajat bebas penyebut = n-k-1 n = Jumlah pengamatan atau sampel H = Hipotesis nol penolakan α = Taraf nyata signifikansi 2. Uji individu uji t-student Hipotesis yang dirumuskan adalah hipotesis dua arah, sehingga uji individu yang dilakukan adalah uji dua arah two tail test, yaitu: a. Harga jual lada di tingkat petani dan produksi H : Harga jual lada di tingkat petani tidak berpengaruh berhubungan kausal atau berhubungan fungsional secara signifikan terhadap produksi lada. H a : Harga jual lada di tingkat petani berpengaruh berhubungan kausal atau berhubungan fungsional secara signifikan terhadap produksi lada. Secara statistik dapat ditulis: H : β 1 = 0 H a : β 1 ≠ 0 b. Peluang usaha lain dan produksi H : Peluang usaha lain tidak berpengaruh berhubungan kausal atau berhubungan fungsional secara signifikan terhadap produksi lada. H a : Peluang usaha lain berpengaruh berhubungan kausal atau berhubungan fungsional secara signifikan terhadap produksi lada. 77 Secara statistik dapat ditulis: H : β 2 = 0 H a : β 2 ≠ 0 c. Teknologi budidaya lada petani dan produksi H : Teknologi budidaya lada petani tidak berpengaruh berhubungan kausal atau berhubungan fungsional secara signifikan terhadap produksi lada. H a : Teknologi budidaya lada petani berpengaruh berhubungan kausal atau berhubungan fungsional secara signifikan terhadap produksi lada. Secara statistik dapat ditulis: H : β 3 = 0 H a : β 3 ≠ 0 Berdasarkan hipotesis penelitian dan taraf nyata yang telah ditetapkan, maka dapat ditentukan kriteria-kriteria uji hipotesis penelitian dengan uji t- student yang selengkapnya dapat dilihat pada Tabel 14. Tabel 14. Kriteria Uji Hipotesis Penelitian Dua Arah dengan Uji t-student pada Model Regresi Linear Berganda No Pengaruh Kriteria Uji Kesimpulan 1. X 1 terhadap Y t hitung t 0,1 2 DF=26 Tolak H pada taraf nyata 0,1 10 Sig.0,1 2. X 2 terhadap Y t hitung t 0,1 2 DF=26 Tolak H pada taraf nyata 0,1 10 Sig.0,1 3. X 3 terhadap Y t hitung t 0,1 2 DF=26 Tolak H pada taraf nyata 0,1 10 Sig.0,1 Keterangan: DF error Derajat bebas penyebut = n-k-1 H = Hipotesis nol penolakan k = banyaknya variabel independen α = Taraf nyata signifikansi n = jumlah pengamatan atau sampel

4.8. Definisi Operasional