22 Gambar 5. Pengaruh Jarak Terhadap Biaya Transportasi dan Land Rent
Keterangan gambar : O
: pusat pasar km P
: harga produk Rp C
: biaya produksi Rp M,K,L : jarak km
3.1.3 Analisis Regresi Linear Berganda
Menurut Juanda 2009, pada model regresi berganda multiple regression model dengan asumsi bahwa variabel tak bebas dependent variable Y
merupakan fungsi linier dari beberapa variabel bebas independent variable X
1
, X
2
, ... , X
k
dan komponen sisaan ε error. Model ini sebenarnya merupakan
pengembangan model regresi sederhana dengan satu variabel bebas sehingga asumsi mengenai sisaan
ε, variabel bebas X dan variabel tak bebas Y juga sama. Persamaan model regresi linear berganda secara umum model populasi adalah
sebagai berikut : Y
i
= β
X
0i
+ β
1
X
1i
+ β
2
X
2i
+ ... + β
k
X
ki
+ ε
i
........................................3.1 Subskrip i menunjukkan nomor pengamatan dari 1 sampai N untuk data
populasi atau sampai n untuk data contoh sample. X
ki
merupakan pengamatan ke-i untuk peubah bebas X
k
. Koefesien β
merupakan intersep model regresi linear berganda, jika semua pengamatan X
0i
bernilai 1 sehingga model 3.1 menjadi :
23 Y
i
= β
+ β
1
X
1i
+ β
2
X
2i
+ ... + β
k
X
ki
+ ε
i
.............................................3.2 Untuk mendapatkan koefesien regresi parsial digunakan metode kuadrat
terkecil atau Ordinary Least Square OLS. Metode OLS dilakukan dengan pemilihan parameter yang tidak diketahui sehingga jumlah kuadrat kesalahan
pengganggu atau Residual Sum of Square RSS yaitu ∑e
i 2
= minimum terkecil. Pemilihan metode OLS didasarkan dengan pertimbangan metode ini mempunyai
sifat-sifat karakteristik yang optimal, sederhana dalam perhitungan dan umum digunakan. Menurut Firdaus 2004, asumsi utama yang mendasari model regresi
linear berganda dengan metode OLS adalah sebagai berikut : 1.
Nilai yang diharapkan bersyarat Conditional Expected Value dari ε
i
tergantung pada X
i
tertentu adalah nol. 2.
Tidak ada korelasi berurutan atau tidak ada korelasi non autokorelasi artinya dengan X
i
tertentu simpangan setiap Y yang manapun dari nilai rata-ratanya tidak menunjukkan adanya korelasi, baik korelasi positif
maupun negatif. 3.
Varians bersyarat dari € adalah konstan, asumsi ini dikenal dengan asumsi homoskedastisitas atau ragam sisaan homogen.
4. Variabel bebas adalah non stokastik yaitu tetap dalam penyampelan
berulang jika stokastik maka didistribusikan secara independen dari gangguan €.
5. Tidak ada multikolinearitas antara variabel bebas satu dengan yang
lainnya. 6.
€ didistribusikan secara normal dengan rata-rata dan varians yang diberikan oleh asumsi 1 dan 2.
24 Apabila semua asumsi yang mendasari model tersebut terpenuhi maka
suatu fungsi regresi yang diperoleh dari hasil perhitungan pendugaan dengan metode OLS dari koefesien regresi adalah penduga tak bias linier terbaik best
linier unbiased estimator atau BLUE. Sebaliknya jika ada asumsi dalam model regresi yang tidak terpenuhi oleh fungsi regresi yang diperoleh maka kebenaran
pendugaan model tersebut atau pengujian hipotesis untuk pengambilan keputusan dapat diragukan. Penyimpangan asumsi 2, 3, dan 5 memiliki pengaruh yang serius
sedangkan penyimpangan asumsi 1, 4, dan 6 tidak terlalu serius.
3.2 Kerangka Pemikiran Operasional
