antara X1 dan X2 Dari Tabel Paired Samples Test dan perhitungan secara manual didapat bahwa :
- t hitung adalah sebesar 15,717 - t tabel adalah sebesar 1,66388, dengan df = n-1 = 82 – 1 = 81 dan
dengan tingkat kepercayaan sebesar 0,05 Maka didapat kesimpulan bahwa t-stat t-tabel = 15,717 1,66388 yang berarti
terdapat perbedaan pendapatan petani padi sebelum menerima Kredit Usaha Rakyat KUR dan pendapatan petani padi setelah menerima Kredit Usaha
Rakyat KUR
4.4 Uji Asumsi Klasik
1. Uji Normalitas Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi
distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji
statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan
Kolmogorv-Smirnov. a. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua
observasi dengan distribusi yang mendekati distribusi normal. Hasil Output SPSS terlihat seperti Gambar
Universitas Sumatera Utara
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Gambar 4.1 Pengujian Normalitas Histogram
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model
regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik
histogram tidak menunjukkan pola distribusi data normal yang tidak melennceng kanan maupun melennceng kiri. Jadi, berarti data residual
berdistibusi normal. Terbukti bahwa data maupun model yang digunakan memenuhi asumsi normalitas.
Universitas Sumatera Utara
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Gambar 4.2 Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini
menunjukkan bahwa data yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model
regresi.
b. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability
Universitas Sumatera Utara
lebih besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig
probability lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis tidak berdistribusi normal. Berikut ini
pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorov-Smirnov K-S.
Tabel 4.8 Kolmogorov-Smirnov Test
Berdasarkan Tabel 4, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,667, ini berarti nilainya diatas nilai signifikan 5 0.05, dengan
kata lain variabel tersebut berdistribusi normal. 2. Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 82
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 4.71991748E2
Most Extreme Differences Absolute
.080 Positive
.079 Negative
-.080 Kolmogorov-Smirnov Z
.727 Asymp. Sig. 2-tailed
. 667
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Universitas Sumatera Utara
disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara
untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu : a. Analisis Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi
heteroskedastisitas.
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Gambar 4.3 Heterokedastisitas Scaterrplot
Berdasarkan Gambar 4 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y,
Universitas Sumatera Utara
maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
b. Analisis Statistik Dasar analisis metode statistik adalah jika variabel bebas signifikan secara
statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas.
Tabel 4.9 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1Constant 168.987
163.871 1.031
.306 Modal_Sendiri
.036 .028
.146 1.284
.203
KUR .010
.036 .031
.271 .787
a. Dependent Variable: RES2
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Berdasarkan Tabel 4 dapat diketahui bahwa tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat RES2.
Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 atau 0,05, jadi disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas.
3. Uji Multikolinieritas Tujuan uji multikolinieritas adalah untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
Universitas Sumatera Utara
seharusnya tidak terjadi korelasi diantara variabel bebas tidak terjadi multikonieritas. Jika variabel bebas saling berkorelasi, maka variabel-variabel
ini tidak ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol
Tabel 4.10 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 208.545
271.663 .768
.445 Modal_Sendiri
.549 .047
.717 11.756 .000
.950 1.052
KUR .311
.059 .322
5.279 .000
.950 1.052
a. Dependent Variable: Pendapatan_Petani_Padi
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Berdasarkan Tabel 4 diatas dapat dilihat bahwa nilai VIF dari masing- masing variabel bebas adalah lebih kecil dari 5,00. Artinya tidak terjadi
korelasi diantara variabel bebas tidak terjadi multikolinieritas pada model regresi.
4.5 Analisi Regresi Linier Berganda