Jenis dan Metode Pengumpulan Data

untuk menguji model pengaruh dan hubungan variabel independen yang lebih dari dua variabel terhadap variabel dependen. Analisis regresi berganda adalah suatu teknik statistika yang dipergunakan untuk menganalisis pengaruh di antara suatu variabel dependen dan beberapa variabel independen Gujarati, 2003. Fungsi permintaan yang digunakan secara matematis dirumuskan : lnY = lnb + b 1 lnX 1 + b 2 lnX 2 + b 3 lnX 3 + b 4 lnX 4 + b 5 lnX 5 + b 6 lnX 6 + b 7 lnX 7 + b 8 lnX 8 + dD + u Keterangan : Y = jumlah rata-rata ikan lele yang dikonsumsi Kg Bo = intersep b 1 -b 8 = parameter X 1 = harga ikan lele Rpkg X 2 = harga beras Rpkg X 3 = harga minyak goreng Rpkg X 4 = harga lalapan+sambal Rpporsi X 5 = pendapatan usaha Rphari X 6 = harga output Rpporsi X 7 = proporsi penjualan hidangan pecel lele X 8 = jumlah jenis produk yang dijual Dummy = Skala Usaha 1 = Ruko atau bangunan permanen 0 = Tenda U = kesalahan acak 1 Uji Penyimpangan Asumsi Klasik Pengujian penyimpangan asumsi klasik dilakukan terlebih dahulu sebelum dilakukanpengujian terhadap hipotesis penelitian. Pengujian ini dimaksudkan untuk mengetahui apakah model yang diajukan dalam penelitian ini dinyatakan bebas atau lolos dari penyimpangan asumsi klasik. Pengujian penyimpangan asumsi klasik yang dilakukan adalah: uji multikolinearitas dan uji heteroskedastisitas. Masing-masing pengujian penyimpangan asumsi klasik adalah sebagai berikut. a Uji multikolinearitas Multikolinearitas muncul jika terdapat hubungan yang sempurna atau pasti di antara beberapa variabel atau semua variabel independen dalam model. Menurut Ghozali 2006, analisis regresi adalah prediksi atau peramalan, maka multikoliniearitas bukanlah masalah serius oleh karena semakin tinggi nilai R2 semakin tinggi atau baik prediksinya. Akan tetapi jika tujuan analisis regresi tidak hanya sekedar prediksi tetapi juga estimasi terhadap parameter, maka multikolinieritas menjadi masalah serius karena akan menghasilkan standard error yang besar sehingga estimasi parameter menjadi tidak akurat lagi. Pendeteksian terjadinya multikolinearitas dapat diketahui dengan melihat nilai Variance Inflation Factor VIF pada masing-masing variabel bebas. Jika nilai VIF relatif kecil, artinya persamaan regresi tidak mengalami multikolinearitas. Sebaliknya, jika nilai VIF relatif besar lebih dari 10 artinya persamaan regresi mengalami multikolinearitas Juanda, 2009. b Uji Heteroskedastisitas Dalam regresi linear berganda salah satu yang harus dipenuhi agar taksiran parameterdalam model tersebut bersifat BLUE Best, Linear, Unbiased, and Estimator adalah var ui = σ2 mempunyai variasi yang