Hasil Analisis Penelitian

B. Hasil Analisis Penelitian

1. Pengujian Model

Untuk mengestimasi fungsi permintaan beras di Kabupaten pati sekaligus merumuskan hubungan antara permintaan dengan faktor-faktor yang diduga mempengaruhinya digunakan metode regresi linier berganda dalam bentuk logaritma natural. Agar dapat memperoleh hasil regresi yang terbaik maka harus memenuhi kriteria statistik sebagai berikut :

a. Uji R 2 Adjusted

Ketepatan model ditunjukkan oleh koefisien determinasi yang telah disesuaikan atau adjusted R square (R 2 ). Dari hasil analisis

commit to user

0,944. Ini berarti sebesar 94,4% permintaan beras di Kabupaten Pati dapat dijelaskan oleh variabel harga beras, harga tepung gandum, harga telur ayam ras, pendapatan perkapita dan jumlah penduduk, sedangkan sisanya sebesar 5,6% dijelaskan oleh variabel lain diluar

penelitian seperti selera konsumen. Nilai R 2 mendekati 1 berarti pengaruh variabel bebas terhadap permintaan beras di Kabupaten Pati kuat.

b. Uji F

Uji F digunakan untuk mengetahui apakah variabel bebas yang diteliti secara bersama-sama berpengaruh terhadap variasi permintaan beras di Kabupaten Pati. Hasil analisis uji F adalah sebagai berikut : Tabel 23. Hasil Analisis Varians Permintaan Beras di Kabupaten Pati

Model

Jumlah Kuadrat

df

Kuadrat Rata-Rata

F Signifikansi

14 Sumber : Diadopsi dari lampiran 2

Berdasarkan Tabel 23 dapat diketahui bahwa nilai signifikansi sebesar 0,000 dan lebih kecil dari α = 0,01. Dengan demikian maka Ha diterima dan Ho ditolak, yang berarti bahwa variabel bebas yang diteliti secara bersama-sama berpengaruh nyata terhadap permintaan beras di Kabupaten Pati pada tingkat kepercayaan 99%. Ini berarti bahwa variabel harga beras, harga tepung gandum, harga telur ayam ras, pendapatan perkapita dan jumlah penduduk secara bersama-sama berpengaruh nyata terhadap permintaan beras di Kabupaten Pati.

c. Uji - t

Uji - t dilakukan untuk mengetahui pengaruh variabel bebas yang diteliti secara individual terhadap permintaan beras di Kabupaten Pati. Hasil analisis uji - t sebagai berikut.

commit to user

t hitung

Signifikansi (α)

Harga beras (X 1 )

Harga tepung gandum (X 2 )

Harga telur ayam ras (X 3 )

Pendapatan perkapita(X 4 )

Jumlah penduduk (X 5 )

0,909

7,096

0,000 *** Sumber : Diadopsi dari lampiran 2

Keterangan: *** : signifikan pada tingkat kepercayaan 99 %

**

: signifikan pada tingkat kepercayaan 95 %

ns

: tidak signifikan

Berdasarkan Tabel 24 diketahui bahwa variabel harga beras dan pendapatan perkapita berpengaruh nyata terhadap permintaan beras di Kabupaten Pati pada tingkat kepercayaan 95%. Hal ini ditunjukkan oleh probabilitas atau nilai signifikansi dari masing-masing variabel tersebut yang lebi h kecil dari nilai α = 0,05 (P < 0,05). Sedangkan variabel harga tepung gandum dan jumlah penduduk berpengaruh nyata terhadap permintaan beras di Kabupaten Pati pada tingkat kepercayaan 99%. Hal ini ditunjukkan oleh probabilitas atau nilai signifikansinya yang lebih kecil dari nilai α = 0,01 (P < 0,01). Variabel telur ayam ras tidak berpengaruh nyata pada permintaan beras di Kabupaten Pati, yang ditunjukkan oleh nilai signifikansinya yang lebih besar dari nilai α = 1%, 5%, dan 10%.

d. Variabel bebas yang paling berpengaruh

Perhitungan nilai koefisien regresi parsial menunjukkan variabel yang paling berpengaruh terhadap permintaan beras di Kabupaten Pati. Semakin besar nilai standard koefisen regresi maka semakin besar pengaruh variabel bebas tersebut terhadap permintaan beras. Hasil perhitungannya sebagai berikut.

commit to user

Bebas

Variabel

Standar koefisien regresi

Tingkat

Harga beras (X 1 )

0,00349

Harga tepung gandum (X 2 )

0,00550

Pendapatan perkapita(X 4 )

0,00087

Jumlah penduduk (X 5 )

0,86710

1 Sumber : Diadopsi dari lampiran 4

Berdasarkan Tabel 25 dapat diketahui bahwa variabel jumlah penduduk (X 5 ) memiliki nilai standar koefisien regresi yang terbesar. Hal ini menunjukkan jumlah penduduk mempunyai pengaruh yang terbesar terhadap permintaan beras di Kabupaten Pati. Sedangkan variabel yang mempunyai pengaruh paling kecil adalah pendapatan perkapita.

2. Uji Penyimpangan Terhadap Asumsi Klasik

Agar koefisien-koefisien regresi yang dihasilkan dengan metode OLS (Ordinary Least Square) bersifat BLUE (Best Linier Unbiassed Estimated ), maka asumsi-asumsi persamaan regresi linier klasik harus dipenuhi oleh model. Uji penyimpangan terhadap asumsi klasik yang dilakukan meliputi uji deteksi multikolinearitas, autokorelasi dan heteroskedastisitas. Berikut ini adalah hasil pengujian model fungsi permintaan beras di Kabupaten Pati terhadap asumsi klasik :

a. Multikolinearitas Uji deteksi multikolinearitas dilakukan dengan melihat nilai koefisien pada matriks Pearson Correlations (PC). Berdasarkan hasil uji (lampiran 2) menunjukkan bahwa tidak terdapat nilai koefisien yang lebih besar atau sama dengan 0,8 pada matriks Pearson Correlations (nilai PC < 0,8). Nilai PC yang terbesar adalah 0,791 yaitu nilai antara jumlah penduduk dengan harga beras. Dengan demikian dapat disimpulkan bahwa antara variabel-variabel bebas tidak terjadi multikolinearitas. Dalam penelitian ini terdapat variabel pendapatan perkapita dan jumlah penduduk, akan tetapi tidak terjadi

commit to user

merupakan pendapatan riil perkapita yang diperoleh dari pendeflasian PDRB perkapita.

b. Heteroskedastisitas Uji heteroskedastisitas dilakukan dengan Metode Park dan diagram scatterplot. Berdasarkan hasil uji park (lampiran 3) menunjukkan bahwa hasil uji-t tidak signifikan ( β tidak signifikan). Ini berarti bahwa kesalahan pengganggu mempunyai varians yang sama atau terjadi homoskedastisitas. Oleh karena itu dapat disimpulkan tidak terjadi heteroskedastisitas dalam model yang digunakan. Dari diagram scatterplot dapat diketahui bahwa titik-titik yang ada dalam diagram menyebar dan tidak membentuk suatu pola tertentu, ini berarti bahwa tidak terjadi heterokedastisitas.

c. Autokorelasi Autokorelasi adalah suatu keadaan dimana dalam suatu persamaan regeresi terdapat hubungan atau korelasi antara kesalahan penggangu. Untuk melihat ada atau tidaknya autokorelasi dapat dilihat dari nilai Durbin Watson. Berdasarkan analisis (lampiran 2) menunjukkan nilai Durbin Watson sebesar 2,194, hal ini menunjukkan bahwa tidak terjadinya autokorelasi karena nilai 2,194 terdapat antara 1,65 < 2,194 < 2,35.

3. Elastisitas Permintaan Beras di Kabupaten Pati

Derajat kepekaan dari fungsi permintaan terhadap perubahan variabel bebasnya dapat diketahui dengan melihat nilai koefisien regresi dari masing-masing variabel bebasnya. Karena salah satu ciri menarik dari model logaritma berganda adalah nilai koefisien regresi bi merupakan nilai elastisitasnya. Jadi dengan model ini, nilai elastisitasnya merupakan nilai koefisien regresi dari masing-masing variabel bebasnya.

Hasil analisis elastisitas permintaan beras di Kabupaten Pati dapat dilihat pada tabel berikut.

commit to user

Variabel

Nilai elastisitas

Harga beras (X 1 )

-0,039

Harga tepung gandum (X 2 )

0,044

Pendapatan penduduk (X 4 )

0,015 Sumber: Diadopsi dari lampiran 3

a. Elastisitas harga (E p )

Berdasarkan analisis diketahui besarnya elastisitas harga beras sebesar -0,039. Nilai elastisitas bertanda negatif menunjukkan bahwa variabel harga beras memiliki hubungan yang terbalik dengan permintaan beras, artinya jika harga beras naik 1% maka permintaan beras akan turun sebesar 0,039%, begitu juga sebaliknya. Permintaan beras bersifat inelastis karena nilai koefisien elastisitasnya 0<Ep<1, yang artinya jumlah beras yang diminta berubah dengan persentase yang lebih kecil daripada perubahan harga beras.

b. Elastisitas silang (E c )

Berdasarkan analisis diketahui bahwa besarnya elastisitas silang dari harga tepung gandum adalah 0,044, artinya jika harga tepung gandum naik 1% maka permintaan beras akan naik sebesar 0,044% begitu juga sebaliknya. Tanda positif pada nilai elastisitasnya menunjukkan bahwa tepung gandum merupakan barang substitusi dari beras.

c. Elastisitas pendapatan (E I )

Berdasarkan analisis diketahui besarnya elastisitas pendapatan adalah 0,015 yang berarti jika terjadi kenaikan pendapatan sebesar 1% maka akan mengakibatkan bertambahnya jumlah permintaan beras

sebesar 0,015%, begitu juga sebaliknya. Elastisitas pendapatan (E I > 0) menunjukkan bahwa beras termasuk barang normal, artinya jumlah beras yang diminta meningkat apabila pendapatan naik. Akan tetapi karena permintaan beras bersifat inelastis maka apabila terjadi peningkatan pendapatan maka jumlah beras yang diminta berubah

commit to user

Nilai E I berada antara 0 sampai 1 menunjukkan bahwa beras

merupakan barang kebutuhan pokok (essential goods).