Koefisien Determinasi Uji Signifikansi Parameter Regresi Individual

Total 5.083E8 22 a. Predictors: Constant, lag_ketersediaan, Produksi, Kebutuhan b. Dependent Variable: Ketersediaan Dengan tabel distribusi F dengan dk pembilang= 2 dan dk penyebut= 21 dan α= 0.05 Maka diperoleh: F tabel = F α k, n-k-1 = F 0.05 2, 24-3-1 = F 0.05 2, 21 = 3,47 Dengan demikian deperoleh ℎ �� = F tabel = 3,47 Karena F hitung F tabel maka H ditolak dan H 1 diterima. Hal ini berarti bahwa persamaan regresi linier ganda Y atas X 1 , X 2 , dan X 3 bersifat nyata atau produksi dan kebutuhan secara bersama-sama mempengaruhi tingkat ketersediaan Beras di Kota Medan.

3.5 Koefisien Determinasi

Koefisien determinasi ganda: Tabel 3.7 Tampilan hasil SPSS untuk persamaan garis regresi linier ganda: Model Summary. Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .901 a .811 .781 2248.871 Universitas Sumatera Utara a. Predictors: Constant, lag_ketersediaan, Produksi, Kebutuhan b. Dependent Variable: Ketersediaan Diperoleh nilai koefisien determinasi sebesar 0,901, hal ini berarti sekitar 90,1 ketersediaan beras di Kota Medan dapat dijelaskan oleh variabel produksi dan kebutuhan beras dengan persamaan regresi Ŷ = -3174,678 + 0,059X 1 - 0,130X 2 + 0,903 X 3 ; sedangkan sisanya 9,9 dijelaskan oleh faktor lain. Dan untuk koefisien korelasi ganda adalah: R = 2 R = 0,901 R = 0,949 Dari perhitungan diatas diperoleh korelasi antara variabel produksi dan kebutuhan tehadap ketersediaan beras di kota Medan sebesar 0,949, angka korelasi tersebut membuktikan bahwa hubungan antara variabel independent dan kedua variabel dependent sangat kuat dengan arah positif.

3.6 Koefisien Korelasi

3.6.1 Perhitungan Korelasi Antar Variabel Y dengan Xi r

y.12

Tabel 3.8 Tampilan SPSS untuk persamaan garis regresi linier ganda: Correlations. Universitas Sumatera Utara Correlations Ketersediaan Produksi Kebutuhan lag_ketersedia an Ketersediaan Pearson Correlation 1 .250 -.269 .896 Sig. 2-tailed .239 .204 .000 N 24 24 24 23 Produksi Pearson Correlation .250 1 -.055 .215 Sig. 2-tailed .239 .799 .324 N 24 24 24 23 Kebutuhan Pearson Correlation -.269 -.055 1 -.341 Sig. 2-tailed .204 .799 .112 N 24 24 24 23 lag_ketersediaan Pearson Correlation .896 .215 -.341 1 Sig. 2-tailed .000 .324 .112 N 23 23 23 23 . Correlation is significant at the 0.01 level 2-tailed. Dari Tabel 3.8 dapat dilihat bahwa nilai korelasi antara ketersediaan beras dengan produksi beras sebesar 0,25 menunjukkan bahwa terdapat korelasi yang sangat rendah dengan nilai yang searah positif, atau dengan kata lain variabel Produksi hanya mempengaruhi Ketersediaan Beras sebesar 25. Nilai korelasi antara Ketersediaan beras dengan Kebutuhan beras sebesar -0,269 menunjukkan bahwa juga terdapat korelasi yang sangat rendah tidak ada korelasi dengan nilai yang berlawanan negatif. Dengan kata lain variabel Kebutuhan Beras tidak mempengaruhi ketersediaan beras -26,9. Universitas Sumatera Utara Nilai korelasi antara Ketersediaan beras dengan Lag_Ketersediaan Beras sebesar 0,896 menunjukkan bahwa terdapat korelasi yang kuat kearah positif. Dengan kata lain variabel Lag_Ketersediaan beras mempengaruhi ketersediaan beras 89,6. Berdasarkan perhitungn diatas dapat diperoleh kesimpulan: 1. Variabel X 1 berkorelasi sangat rendah dengan arah positif terhadap variabel Y. 2. Variabel X 2 berkorelasi sangat rendah dengan arah negative terhadap variabel Y. 3. Variabel X 3 berkorelasi sangat kuat dengan arah positif terhadap variabel Y.

3.6.2 Perhitungan Korelasi Antar Variabel Bebas

Tabel 3.9 Tampilan SPSS untuk Korelasi Antar Variabel Bebas Correlations Produksi Kebutuhan lag_ketersedia an Produksi Pearson Correlation 1 -.055 .215 Sig. 2-tailed .799 .324 N 24 24 23 Kebutuhan Pearson Correlation -.055 1 -.341 Sig. 2-tailed .799 .112 N 24 24 23 lag_ketersediaan Pearson Correlation .215 -.341 1 Sig. 2-tailed .324 .112 N 23 23 23 Universitas Sumatera Utara Dari Tabel 3.9 dapat dilihat bahwa nilai korelasi antara produksi beras dengan kebutuhan beras sebesar -0,055 menunjukkan bahwa tidak terdapat korelasi. Sedangkan nilai korelasi antara produksi dengan lag_ketersediaan sebesar 0,215 menunjukkan bahwa terdapat korelasi rendah kearah positif.

3.7 Uji Signifikansi Parameter Regresi Individual

Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam regresi perlu diadakan pengujian mengenai b 1 , b 2 , b 3. Pengujian dapat dirumuskan dengan hipotesa sebagai berikut: H : variabel X tidak mempengaruhi Y H 1 : variabel X mempengaruhi Y Untuk menguji hipotesis ini digunakan uji t, dimana t student dengan derajat kebebasan dk= n-k-1. Kriterianya adalah tolak H jika t i lebih besar dari t tabel t hit t tab Tabel 3.10 Tampilan SPSS untuk Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -3174.678 7371.072 -.431 .672 Produksi .059 .079 .075 .738 .469 Universitas Sumatera Utara Kebutuhan .130 .293 .047 .445 .661 lag_ketersediaan .903 .109 .896 8.262 .000 a. Dependent Variable: Ketersediaan Dari tabel distribusi t dengan dk= 20 dan α= 0,05 didapat t tabel sebesar 1,725 dan dari perhitungan diatas diperoleh: t 1 = 0,738 t tabel = 1,725 t 2 = 0,445 t tabel = 1,725 t 3 =8,262 t tabel = 1,725 Dari ketiga koefisien regresi tersebut variabel X 1 produksi beras tidak memiliki pengaruh terhadap persamaan regresi tidak signifikan, begitu juga dengan variabel X 2 tidak berpengaruh tidak signifikan terhadap Y ketersediaan beras, sedangkan variabel X 3 berpengaruh signifikan terhadap Y ketersediaan beras. Universitas Sumatera Utara BAB IV KESIMPULAN DAN SARAN

4.1 Kesimpulan