commit to user
harga  Telur  ayam  ras,  harga  daging  ayam,  pendapatan  perkapita,  dan jumlah penduduk mampu secara bersama-sama mempengaruhi variabel
permintaan Telur ayam ras di Kabupaten Magetan. 3.  Uji Koefisien DeterminasiR
2
Nilai Koefisien determinasi merupakan nilai yang menyatakan besarnya  proporsi  variabe  dependen  yang  terdapat  di  dalam  model.
Dari hasil perhitungan diperoleh nilai R
2
= 0.941332, sehingga dapat diartikan  bahwa  94  variabel  dependen  dalam  hal  ini  permintaan
telur ayam ras dapat dijelaskan secara langsung oleh variabel-variabel independen,  yaitu  harga  telur  ayam  ras,  harga  daging  ayam,
pendapatan  perkapita  dan  jumlah  penduduk.  Kemudian  sisanya sebesar  6    dijelaskan  oleh  faktor–faktor  lain  yang  tidak  tercakup
dalam model. Hasil ini bisa dikatakan mendekati sempurna.
G. Uji Asumsi Klasik
Dalam uji asumsi klasik ini akan dilakukan tiga jenis uji yaitu, uji multikolinearitas,  uji  heteroskedastisitas,  dan  uji  autokorelasi.  Ketiga  uji
ini bertujuan untuk mengetahui ada tidaknya penyimpanagn dalam asumsi klasik, karena penyimpangan terhadap asumsi klasik akan mempengaruhi
hasil analisis. 1. Uji Multikolinearitas
Multikolinearitas  adalah  siituasi  adanya  korelasi  variable-variabel bebas  diantara  satu  dengan  yang  lainnya.  Jika  dalam  model  terdapat
multikolinearitas  maka  model  tersebut  memiliki  kesalahan  standart  yang
commit to user
besar    sehingga  koefisien  tidak  dapat  ditaksir  dengan  ketepatan  yang tinggi.
Salah  satu  cara  untuk  mendeteksi  ada  tidaknya  multikolinearitas adalah dengan metode Klein, caranya yaitu dengan membandingkan nilai r
yang telah dikuadratkan dari hasil matrik korelasi dengan nilai R
2
. Jika r
2
lebih  kecil  dari  R
2
maka  dalam  model  tersebut  tidak  terjadi  masalah Multikolinearitas,  begitu  pula  sebaliknya.  Berikut  ini  tabel  uji
multikolinearitas.: Tabel 4.19 Hasil Uji Multikolinearitas
variabel r
R2 kesimpulan
LHT - LHA 0,61
0,94 Tidak ada multikolinearitas
LHT - LP 0,09
0,94 Tidak ada multikolinearitas
LHT - LY 0,07
0,94 Tidak ada multikolinearitas
LHA - LP 0,50
0,94 Tidak ada multikolinearitas
LHA - LY 0,38
0,94 Tidak ada multikolinearitas
LY - LP 0,86
0,94 Tidak ada multikolinearitas
Sumber : Data sekunder diolah. 2.  Uji Heteroskedastisitas
Heteroskedastisitas terjadi jika gangguan muncul dalam fungsi regresi  yang  mempunyai  varian  yang  tidak  sama  sehingga  penaksir
OLS  tidak  efisien,  baik  dalam  sampel  kecil  maupun  sampel  besar tetapi  masih  tidak  bias  dan  konsisten.  Untuk  menguji  ada  tidaknya
masalah  heteroskedastisitas  dilakukan  dengan  uji  Park.  Uji  ini dilakukan melalui dua tahap regresi sebagai berikut:
commit to user
1  Melakukan  regresi  atas  model  yang  digunakan  dengan menggunakan  OLS  yang  kemudian  diperoleh  nilai
residualnya. 2  Nilai  residual  yang  didapat  dari  hasil  regresi  kemudian
dikuadratkan, lalu
diregresikan dengan
variabel independen.  Kemudian  dilakukan  uji  secara  statistik
apakah α
i
berpengaruh secara statistik atau tidak. Jika hasil regresi  menunjukkan
α
i
tidak  signifikan  pada  derajat signifikansi
5, maka
tidak terjadi
masalah heteroskedastisitas.  Sebaliknya,  jika
α
i
signifikan  pada derajat
signifikansi 5,
maka terjadi
masalah heteroskedastisitas.
Pada model faktor-faktor yang mempengaruhi permintaan telur ayam  ras  di  Kabupaten  Magetan,  hasil  pengujian  menunjukkan
ObsR
2
X
2
dengan nilai 0,3215  3,84  maka tidak signifikan secara statistik. Berarti hipotesa yang menyatakan bahwa model empirik tidak
terdapat masalah heterokesdasitas tidak ditolak. Tabel 4.20 Hasil Uji LM ARCH untuk Mendeteksi Heteroskedastisitas.
ARCH Test: F-statistic
0.292676      Probability 0.595529
ObsR-squared 0.321572      Probability
0.570664 Sumber : Data diolah.
commit to user
3.  Uji Autokorelasi Adanya  korelasi  antar  variabel  gangguan  sehingga  penaksir
tidak lagi efisien baik dalam sampel kecil maupun dalam sampel besar. Ada  beberapa  metode  untuk  menguji  ada  tidaknya  masalah
autokorelasi. Adalah dengan metode grafik, Runs Test, Durbin-Watson - Test dan Breusch-Godfrey B-G Test.
Tabel 4.21Uji autokorelasi menggunakan pengujian B-G test
Probability 0.169286
Probability 0.106248
variabel coeffisien
Std.error t-statistik
Prob C
13.03604 52.97786
0.246066 0.8092
Harga telur ayam LHT
-0.002081 0.152453
-0.013649 0.9893
Harga daging ayam LHA
0.017024 0.154008
0.110537 0.9136
Jumlah Penduduk LP
-1.116828 4.232520
-0.263868 0.7957
Pendapatan perkapita LY
0.120733 0.324225
0.372376 0.7152
RESID -1
0.380294 0.262401
1.449288 0.1693
Sumber : data diolah. Berdasarkan  hasil  uji  B-G  test,  diketahui  bahwa  nilai  probabilitas
yang dihitung sebesar 0.1693 yang artinya nilai probabilitas tersebut lebih
dari  probabilitas  5,  maka  hipotesa  yang  menyatakan  pada  model  tidak terdapat  autokorelasi  diterima.  Berarti,  model  empirik  tersebut  tidak
terdapat  masalah  autokorelasi.  Dari  hasil  pengujian  Durbin  Watson maupun  B-G  test,  keduanya  mendapatkan  kesimpulan  yang  sama  bahwa
tidak terdapat masalah autokorelasi dalam model tersebut diatas.
commit to user
H. Interpretasi Hasil Secara Ekonomi