commit to user 71
4. Uji Kelayakan Model
a.  Uji Kebaikan Suai Goodness of Fit Berdasarkan  pengujian  model  persamaan  simultan  akan
didapatkan  pula  koefisien  determinasi  R
2
,  semakin  tinggi  koefisien determinasi  maka  akan  semakin  baik  model  tersebut,  dalam  arti
semakin  besar  kemampuan  variabel  bebas  menerangkan  variabel terikat. Nilai R
2
akan meningkat dengan bertambahnya jumlah variabel bebas dalam persamaan, namun dengan menambahkan jumlah variabel
bebas,  derajat  bebas  akan  semakin  kecil,  karena  itu  dipergunakan  R
2
adjusted  yang  sudah  mempertimbangkan  derajat  bebas.  Selain  itu dapat  pula  diketahui  koefisien  determinasi  parsial  r
2
yang menunjukkan  seberapa  besar  kemampuan  masing-masing  variabel
bebas mempengaruhi variabel terikat. b.  Uji F
Untuk  melihat  apakah  variabel-variabel  bebas  secara  bersama- sama  mempunyai  pengaruh  yang  bermakna  terhadap  variabel  terikat,
dapat  diketahui  dengan  melakukan  uji  F.  Adapun  hipotesis  yang digunakan dalam uji F adalah :
1.  Ho :  bi = 0, dimana bi adalah koefisien regresi ke-i. Artinya bahwa variabel-bariabel  bebas  secara  bersama-sama  tidak  mempunyai
pengaruh yang bermakna terhadap variabel terikatnya.
commit to user 72
2.  Ha : bi ≠ 0, dimana bi adalah koefisien regresi ke-i. Artinya  bahwa
variabel-bariabel bebas secara bersama-sama mempunyai pengaruh yang bermakna terhadap variabel terikatnya.
Sedangkan  prosedur  untuk  diterima  atau  ditolaknya  Ho  adalah sebagai berikut :
1.  Jika  nilai  F  hitung  lebih  besar  daripada  nilai  F  tabel  pada  taraf signifikan  yang  ditentukan  sehingga  Ho  ditolak  dan  Ha  diterima
berarti ada pengaruh yang bermakna. 2.  Jika  nilai  F  hitung  lebih  kecil  daripada  nilai  F  tabel  pada  taraf
signifikan  yang  ditentukan  sehingga  Ho  tidaK  ditolak  dan  Ha ditolak berarti tidak ada pengaruh yang bermakna.
c.  Uji t Untuk  menguji  ada  tidaknya  pengaruh  masing-masing  variabel
bebas  terhadap  variabel  terikat  dilakukan  perbandingan  antara  nilai  t statistik  masing-masing  variabel  bebasnya dengan nilai  t  tabel  model.
Dengan menggunakan α = 5 dan menggunakan uji t dua arah serta DF = 5, maka akan diperoleh nilai t tabel.
Pengujian  secara  parsial  pengaruh  variabel  bebas  terhadap variabel  terikat  tersebut  dilakukan  dengan  terlebih  dahulu  menyusun
hipotesis sebagai berikut : 1.  Ho :  bi = 0, i = 1, 2, 3, 4, 5; dimana bi adalah koefisien regresi ke-
i.  Artinya  bahwa  variabel-bariabel  bebas  secara  parsial  tidak mempunyai pengaruh yang bermakna terhadap variabel terikatnya.
commit to user 73
2.  Ha : bi ≠ 0, i = 1, 2, 3, 4, 5; dimana bi adalah koefisien regresi ke-i.
Artinya  bahwa  variabel-bariabel  bebas  secara  parsial  mempunyai pengaruh yang bermakna terhadap variabel terikatnya.
Sedangkan prosedur untuk ditolak atau diterimanya hipotesis nol adalah sebagai berikut :
1.  Jika  nilai  t  hitung  lebih  besar  daripada  nilai  t  tabel  pada  taraf signifikan  yang  ditentukan  sehingga  Ho  ditolak  dan  Ha  diterima
bearti ada pengaruh yang bermakna. 2.  Jika  nilai  t  hitung  lebih  kecil  daripada  nilai  t  tabel  pada  taraf
signifikan  yang  ditentukan  sehingga  Ho  tidal  ditolak  dan  Ha ditolak berarti tidak ada pengaruh yang bermakna.
d.  Uji RMSE Root of Mean Squared Error Model-model  dimana  variabel  penjelasnya  dianggap  baik  dan
layak digunakan untuk memprediksi ketidakpastian di masa yang akan datang,  apabila  memiliki  RMSE  root  of  mean  squared  error  yang
lebih kecil Kuncoro, 2002. RMSE merupakan akar dari nilai rata-rata kuadrat  kesalahan  MSE.  MSE  didapatkan  dengan  membagi  jumlah
kuadrat  kesalahan,  Sum  of  Squared  Error  SSE  dengan  jumlah observasi dikurangi variabel termasuk intersepnya.
Pendugaan  koefisien  regresi  pada  model  permintaan  dan penawaran  beras  juga  dilakukan  dengan  metode  persamaan  simultan.
Adapun seluruh data dalam penelitian ini diolah dengan menggunakan piranti lunak Eviews versi 5.1.
commit to user 74
Untuk mengukur ketepatan peramalan digunakan nilai root mean square  error  RMSE,  nilainya  menunjukkan  seberapa  besar
penyimpangan  hasil  peramalan  dengan  kenyataan.  Rumus  RMSE adalah:
√ ∑
Keterangan: A
t
= nilai aktual dari deret waktu dalam periode t F
t
= nilai yang diramalkan n  = jumlah observasi
k  = jumlah variabel
commit to user 75
IV. KONDISI UMUM DAERAH PENELITIAN
A. Keadaan Alam