BAB 6 HASIL DAN PEMBAHASAN
6.1 Pengujian Model
Ada beberapa asumsi utama yang harus dipenuhi secara ekonometrika dalam menggunakan metode Ordinary Least Square OLS, karena bila ada
pelanggaran terhadap asumsi OLS, maka diperlukan tindakan perbaikan pada model. Asumsi OLS yaitu normalitas, multikolinearitas dan otokorelasi.
1. Normalitas
Uji kenormalan pada model dapat dilihat dari gambar pada Normal Probabaility Plot of Residuals
atau gambar plot kenormalan Gambar 7.
0.4 0.3
0.2 0.1
0.0 -0.1
-0.2 -0.3
-0.4 -0.5
99 95
90 80
70 60
50 40
30 20
10 5
1
Residual P
e rc
e n
t
Gambar 7. Plot Kenormalan pada Usaha Pembenihan Ikan Nila GIFT Residual dapat dikatakan berasal dari sebaran normal apabila titik dalam
grafik terletak di sekitar garis diagonal. Berdasarkan gambar plot kenormalan di atas dapat diketahui bahwa titik-titik dalam grafik terletak di sekitar garis
diagonal, hal ini berarti residual berasal dari distribusi normal. 2.
Multikolinearitas Penilaian terhadap masalah multikolinearitas dapat dilakukan dengan
melihat nilai VIF Variance Inflation Factor. VIF merupakan suatu cara
mendeteksi multikolinearitas dengan melihat sejauh mana sebuah variabel dapat diterangkan oleh semua variabel lainnya dalam persamaan model. Nilai VIF yang
lebih besar dari 10 maka dapat disimpulkan bahwa dalam model dugaan terdapat masalah multikolinearitas. Berdasarkan Tabel 13 dapat diketahui bahwa model
dugaan usaha pembenihan ikan nila tidak terdapat masalah multikolinearitas karena nilai VIF masing-masing variabel bernilai lebih kecil dari 10.
Tabel 13. Nilai VIF dari Faktor Produksi Usaha Pembenihan Ikan Nila GIFT di Kecamatan Cisaat, Tahun 2007
Variabel VIF
Luas Kolam X
1
9,140 Induk X
2
3,184 Dedak X
3
2,386 Pitik X
4
1,215 Kapur X
5
2,379 Tenaga Kerja X
6
2,955
Sumber: Data Primer Diolah, Tahun 2007
3. Otokorelasi
Asumsi lain yang harus dipenuhi dalam metode OLS adalah tidak adanya otokorelasi. Otokorelasi adalah korelasi antara anggota serangkaian observasi
yang diurutkan menurut waktu seperti dalam data deretan waktu atau ruang seperti dalam data cross section. Otokorelasi terjadi kebanyakan pada data
deretan waktu time series. Namun pada model fungsi produksi pembenihan ikan nila, data yang digunakan berupa data deretan ruang cross section.
Untuk melihat ada tidaknya gejala otokorelasi dalam model fungsi produksi pembenihan ikan nila GIFT yaitu berdasarkan nilai Durbin Watson DW. Pada
model diperoleh nilai DW sebesar 2,31. Berdasarkan tabel statistik DW, dimana nilai k adalah 6, dan n = 40 diperoleh nilai d
u
sebesar 1,64. Nilai d
u
tersebut diperoleh pada taraf kepercayaan 90. Nilai DW hasil perhitungan regresi dengan
metode OLS berada antara d
u
dan 4-d
u
, yaitu 1,64 ≤2,31≤2,36, dengan demikian
dapat disimpulkan bahwa masalah otokorelasi tidak terjadi.
6.2 Analisis Fungsi Produksi
Kategori