Jenis dan Sumber Data

menurunkan tingkat kerentanan terhadap variabilitas cuaca seperti adanya bencana alam banjir yang melanda lahan persawahan. 4. Musim tanam Jika dilihat dari kondisi lapang, musim tanam padi diharapkan bernilai positif. Hal ini menandakan bahwa setiap peningkatan tingkat skala musim maka akan meningkatkan nilai kerugian bagi petani. Skala satu yaitu normal, artinya bahwa saat kondisi normal tidak menutup kemungkinan adanya kerugian yang ditimbulkan meskipun dengan nilai yang tidak terlalu besar. Begitu pula dengan skala 2 sampai dengan skala 5. Semakin mendekati skala 5, nilai kerugian petani akan semakin besar. 5. Ketinggian lahan Jika dilihat dari kondisi lapang, ketinggian lahan diharapkan bernilai negatif. Hal ini menandakan bahwa setiap peningkatan ketinggian lahan maka akan meningkatkan nilai kerugian bagi petani. Peningkatan ketinggian lahan tentunya menurunkan tingkat kerentanan terhadap ancaman variabilitas cuaca seperti terhindarnya dari bencana alam banjir. Model yang baik hendaknya memenuhi asumsi klasik yaitu tidak ada multikolinearitas, tidak ada heteroskedastisitas, tidak ada autokolerasi, dan error term galat menyebar normal. Model analisis regresi linear berganda merupakan metode analisis yang didasarkan pada metode Ordinary Least Square OLS. Menurut Gujarati 2002, OLS dapat menduga koefisien regresi dengan baik, karena : 1 memiliki sifat tidak bias dengan varian yang minimum, 2 variabelnya konsisten dimana dengan meingkatnya ukuran sample maka koefisien regresi mengarah pada nilai populasi yang sebenarnya,dan 3 koefisien regresinya terdistribusi secara normal. Untuk mengetahui seberapa jauh pengaruh faktor-faktor yang telah ditentukan dalam persamaan akan mempengaruhi nilai kerugian petani terhadap variabilitas cuaca, dilakukan pengujian ketelitian dan pengujian kemampuan model regresi. Pengujian model regresi ini terdiri dari uji koefisien determinasi, uji koefisien regresi menyeluruh, dan uji koefisien regresi parsial. 1. Uji Koefisien Determinasi R 2 Nilai R 2 mencerminkan seberapa besar keragaan dari variabel terikat yang dapat diterangkan oleh variabel bebasnya. Nilai R 2 memiliki besaran yang positif dan kurang dari satu 0 R 2 1. Jika nilai R 2 bernilai nol maka keragaman dari variabel terikat tidak dapat dijelaskan olehvariabel bebasnya. Sebaliknya, jika nilai R 2 bernilai satu maka keragaman dari variabel terikat secara keseluruhan dapat dijelaskan oleh variabel bebas secara sempurna. R 2 dapat dirumuskan sebagai berikut : ……………………………………………4 Dimana: ESS = Explained of Sum Square TSS = Total of Sum Square 2. Uji Koefisien Determinasi yang Disesuaikan Adj- R 2 Penambahan variabel bebas akan menyebabkan bertambahnya nilai R 2 . Permasalahan tersebut dapat diselesaikan dengan menghitung Adj- R 2 . Adj- R 2 adalah koefisien determinasi yang telah disesuaikan, sehigga penambahan nilainya terbebas dari pengaruh penambahan jumlah variabel bebas. Arti dari nilai Adj- R 2 secara harfiah sama dengan nilai R 2 , hanya saja Adj- R 2 lebih tepat karena telah menghilangkan pengaruh dari jumlah variabel. Adj- R 2 dapat dirumuskan sebagai berikut : ……………………………………...……5 Dimana : RSS = Residual of Sum Square TSS = Total of Sum Square n = jumlah observasi k = jumlah koefisien 3. Uji Koefisien Regresi Menyeluruh F Uji F dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Adapun prosedur yang digunakan :