wilayah. Hal ini terlihat dengan adanya perbedaan perkembangan kondisi wilayah maupun kondisi masyarakatnya. Keberhasilan penyuluhan yang terjadi pada suatu desa
akan mendorong perubahan karakteristik masyarakatnya, dimana akan mempengaruhi produktivitas kerja petani terkait dalam penerimaan materi penyuluhan sehingga petani
dapat menerapkan inovasi dari materi penyuluhan yang diterima.
Prabowo 2008 menyatakan, untuk meningkatkan produksi kedelai hingga swasembada bukan hal yang mustahil. Dengan memberikan jaminan harga yang layak, petani akan
tertarik untuk menanam kedelai. Pemerintah perlu melindungi petani karena di negara lain pun, pemerintah tidak hanya melindungi petani, tetapi juga produk pertaniannya.
Seperti halnya Pakpahan 2004 juga mengemukakan bahwa petani di negara-negara maju masih mendapat perlindungan dan memperoleh subsidi yang sangat besar.
Sebaliknya di negara-negara berkembang seperti Indonesia, subsidi bagi petani justru dihapus.
2.4 Regresi Linier Berganda
Menurut Nazir 2003 bahwa jika parameter suatu hubungan fungsional antara satu variabel dependen dengan lebih dari satu variabel ingin diestimasikan, maka analisis
regresi yang dikerjakan berkenaan dengan regresi berganda multiple regression. Analisis berganda mempunyai kaedah yang sama dengan analisis regresi sederhana.
Supriana 2008 menyatakan bahwa prinsip-prinsip yang mendasari regresi linier berganda, tidak berbeda dengan regresi linier sederhana, namun dalam regresi linier
Universitas Sumatera Utara
berganda akan dijumpai beberapa permasalahan. Permasalahan ini berkaitan dengan digunakannya sejumlah variabel didalam model hal ini tidak dijumpai dalam model
regresi linier sederhana yang hanya mengkaji satu variabel bebas. Fenomena berubahnya suatu variabel tidak hanya dipengaruhi oleh satu faktor, melainkan variabel
tersebut dipengaruhi oleh berbagai macam faktor. Danang 2009 jika pengukuran antarvariabel melibatkan lebih dari satu variabel bebas
X1, X2, X3, ...,Xn dinamakan analisis regresi linier berganda, dikatakan linier karena setiap estimasi atas nilai diharapkan mengalami peningkatan atau penurunan mengikuti
garis lurus. Persamaan estimasi regresi linier berganda sebagai berikut : Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ ... + b
n
X
n
Dimana : a = nilai konstanta
b
1
, b
2
, b
3
, ..., b
n
= nilai koefisien regresi variabel X
1
, X
2
, X
3
, ..., X
n
untuk menentukan nilai a dan b
1
, b
2
, b
3
, ..., bn dipergunakan beberapa persamaan regresi linier berganda :
1. SY = an + SX
1
+ b
2
SX
2
+ ... + b
n
SX
n
2. SX
1
Y = aSX
1
+ b
1
SX
1 2
+ b
2
SX
1
X
2
+ ... + b
n
SX
1
X
n
3. SX
2
Y = aSX
2
+ b
1
SX
1
X
2
+ b
2
SX
2 2
+ ... + b
n
SX
2
X
n
dan seterusnya.
Supriana 2008 menyatakan bahwa model regresi yang digunakan untuk membuat hubungan antara satu variabel terikat dan beberapa variabel bebas disebut model regresi
berganda. Adapun modelnya dituliskan sebagai berikut:
Y
i
= β
o
+ β
1
X
1i
+β
2
X
2i
+β
3
X
3i
+...+ β
k
X
k
+u
i
Dimana:
Universitas Sumatera Utara
Yi = Variabel terikat Xi = Variabel bebas
i = 1,2,3,....k banyaknya observasi Sebagaimana dalam regresi sederhana, nilai-nilai parameter tersebut akan diduga,
sehingga modelnya menjadi:
Ỷ
i
= b
o
+ b
1
X
1i
+b
2
X
2i
+b
3
X
3i
+...+b
k
X
k
Dimana: i = 1,2,3,....k banyaknya observasi
b
o
,b
1
,b
2,
b
3
...b
k
dugaan β
o
, β
1
, β
2
, β
3
...β
k
Senada dengan Umar 2005 yang menyatakan bahwa data hasil pengamatan Y dipengaruhi oleh variabel-variabel bebas X
1
,X
2
,X
3
,...X
k
, sehingga rumus umum dari regresi linier berganda itu adalah :
Y=a + b X
1
+ c X
2
+ ... + k X
k
koefisien-koefisien a,b,c,...k, dapat dicari dengan berbagai cara, misalnya dengan kuadrat terkecil ataupun dengan matrik.
Untuk mengetahui adanya masalah multikolinearitas Multicolinearity, pada model regresi, maka dilakukan pengujian model regresi dengan menggunakan metode
Backward Elimination pada uji SPSS Statistical Program for Social Science.
Multikolinearitas adalah salah satu masalah yang terdapat pada model regresi dimana terdapatnya hubungan linier diantara variabel-variabel bebas dalam model regresi.
Biasanya korelasinya mendekati sempurna atau sempurna korelasi tinggi atu bahkan
Universitas Sumatera Utara
satu. Jika variabel bebas berkorelasi dengan sempurna, maka disebut dengan “Multikolineritas Sempurna Perfect Multicolinearity”
Dampak dari Multikolinearitas adalah : 1. Pengaruh dari masing-masing variabel bebas tidak dapat dideteksi atau sulit
dibedakan karena koefisien regresi masing-masing variabel bebas tidak dapat digunakan lagi untuk menduga nilai variabel terikat.
2. Standard error cenderung meningkat dengan bertambahnya variabel bebas. 3. Probabilitas untuk menerima hipotesis yang salah kesalahan b semakin besar.
Metode Backward Elimination ini berguna untuk mengatasi masalah multikolinearitas yang terjadi pada model regresi berganda. Metode ini dipilih dari menu method yang
terdapat d SPSS, dimana metode ini merupakan metode yang akan mengeluarkan variabel bebas yang berkorelasi dengan variabel bebas lainnya sehingga tidak
menyebabkan masalah multikolinearitas lagi.
Pengujian dengan SPSS, dapat dilihat pada uji Colinearity Diagnostic yaitu: a. Pengujian pada Egeinvalue. Jika Egeinvalue mendekati nilai nol, maka akan
terjadi multikolinearitas. b. Pengujian pada Condition Index. Jika harga Condition Index melebihi angka 15,
maka akan terjadi multikolinearitas.
Universitas Sumatera Utara
2.5 Kerangka Pemikiran
