5.2.4. Koefisien DeterminasiR
2
Pengujian koefisien determinasi R
2
digunakan untuk mengukur proporsi atau presentase kemampuan model dalam menerangkan variabel terikat. Semakin besar
mendekati satu maka, dapat dikatakan bahwa pengaruh variabel bebas X adalah besar terhadap variabel terikat Y. Hal ini berarti model yang digunakan
semakin kuat untuk menerangkan pengaruh variabel bebas terhadap variabel terikat dan demikian sebaliknya. Berikut hasil perhitungan R
2
yang diperoleh: R
2
yang diperoleh dari hasil yang di dapat adalah sebesar 0,632. Analisis ini menunjukkan bahwa variasi dari produksi padi sawah Y mampu dijelaskan
secara serentak oleh variabel-variabel bebas seperti temperatur X
1
, kelembaban X
2
, curah hujan X
3
dan penyinaran matahari X
4
secara bersama-sama mampu mempengaruhi variabel terikat produksi padi sebesar 63,2 sedangkan sisanya
sebesar 36,8 dijelaskan oleh faktor-faktor lain yang tidak masuk dalam model.
5.3. Uji Asumsi Klasik
secara teoritis telah diungkapkan bahwa salah satu metode pendugaan parameter dalam model regresi linear adalah ordinary least square OLS. Metode OLS
digunakan berlandaskan pada sejumlah asumsi tertentu. Pada prinsipnya model regresi linear yang dibangun sebaiknya tidak boleh menyimpang dari asumsi
BLUE Best, Linear, Unbiased dan Estimator Rahmanta,2009.
5.3.1. Uji Autokorelasi
Serial korelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu
Universitas Sumatera Utara
observasi ke observasi lain. Masalah ini sering ditemukan apabila kita menggunakan data time seriesruntut waktu Rahmanta,2009.
Gambar 5: Output Uji Autokorelasi
Untuk mendeteksi adanya Autokorelasi dengan membandingkan nilai X
2
hitung dengan X
2
tabel, yaitu: a.
Jika nilai X
2
hitung X
2
tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah serial korelasi ditolak.
b. Jika nilai X
2
hitung X
2
tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah serial korelasi diterima Rahmanta,2009.
Universitas Sumatera Utara
Hasil analisis yang diperoleh dapat dilihat pada nilai ObsR squared X
2
hitung sebesar 5,726 dan X
2
tabel yang desesuaikan jumlah lag = 2 dan α = 5 adalah
sebesar 5,99. Karena 5,726 5,99 maka dapat disimpulkan model diatas bebas dari masalah Autokorelasi.
5.3.2. Uji Normalitas Gambar 6: Output Uji Normalitas
Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dengan membandingkan nilai Jarque-Bera JB dengan X
2
tabel, yaitu: a.
Jika nilai JB X
2
tabel, maka residualnya berdistribusi tidak normal. b.
Jika nilai JB X
2
tabel, maka residualnya berdistribusi normal Rahmanta,2009.
Dari hasil analisis diperoleh, nilai JB sebesar 0,706 dan X
2
tabel yang desesuaikan jumlah lag
= 2 dan α = 5 adalah sebesar 5,99. Karena 0,706 5,99 maka dapat disimpulkan bahwa residual berdistribusi normal.
Universitas Sumatera Utara
5.3.3. Uji Heterokedastisitas Gambar 7: Output Uji Heterokedastisitas
Apabila nilai X
2
hitung nilai ObsR squared nilai X
2
tabel, dengan derajat kepercayaan α = 5, maka dapat disimpulkan model diatas tidak lolos uji
Heterokedastisitas Rahmanta,2009.
Hasil analisis diperoleh berdasarkan tabel output diatas, tampak bahwa nilai ObsR square X
2
hitung untuk hasil estimasi Uji Breusch-Pagan-Godfrey or White Test without Cross-Terms
adalah sebesar 1,507 dan nilai X
2
tabel dengan derajat kepercayaan α = 5 adalah sebesar 9,488.
Universitas Sumatera Utara
Karena nilai X
2
hitung = 1,507 nilai X
2
tabel maka dapat disimpulkan model diatas lolos uji heterokedastisitas.
5.3.4. Uji Multikolinearitas
Kategori