3.6 Pengolahan Data
Dalam pengolahan data, penulis menggunakan program komputer E-views 5.1. Disamping itu juga digunakan juga digunakan aplikasi Microsoft World 2007
dalam melakukan melakukan penulisan dan Microsoft Excel 2007 sebagai program pembantu untuk dapat meminimalkan kesalahan dalam pencatatan data
jika dibandingkan dengan pencatatan ulang secara manual.
3.7 Model Analisis Data
Dalam menganalisis besarnya pengaruh variabel-variabel independen variabel bebas terhadap variabel dependen variabel terikat digunakan model
ekonometrika. Teknik analisis yang digunakan dalam analisis ini adalah model kuadrat terkecil biasa Ordinary Least Square atau OLS. Data yang digunakan
dianalisis secara kuantitatif dengan menggunakan analisis statistik yaitu persamaan linier berganda. Penerapan metode ini akan menghasilkan tingkat
hubungan antara variabel-variabel yang akan diteliti sehingga dapat dilihat seberapa besar kontribusi variabel-variabel bebas terhadap variabel terikatnya
serta arah hubungan yang terjadi hubungan positif atau negatif. Fungsi persamaan yang digunakan dalam penelitian ini adalah :
Y = f X
1
,X
2
……………………………………………. 1
Kemudian dibentuk dalam model ekonometrika dengan persamaan regresi linier berganda, yaitu sebagai berikut :
Y =
α
+ β
1
X
1 +
β
2
X
2 +
µ
…………………………………. 2
Dimana : Y
= Permintaan Beras Lokal
Universitas Sumatera Utara
α
= Intercept X
1
= Harga Beras Lokal X
2
= Jumlah Penduduk β
1
β
2
= Koefisien Regresi
µ
= Term of Error
Selanjutnya untuk mendapatkan model penelitian, logaritma digunakan terhadap variabel-variabel yang digunakan dalam penelitian ini. Untuk menguji
pengaruh antar variabel penjelas explanatory variable terhadap permintaan beras digunakan metode Ordinary Least Square OLS dalam bentuk regresi berganda.
Adapun spesifikasi model penelitan ini sebagai berikut :
log Y = α + β
1
log X
1
+ β
2
log X
2
+µ......................................4
Secara matematis bentuk hipotesis dari model diatas adalah sebagai berikut : 0, artinya jika terjadi kenaikan pada harga beras lokal X
1,
maka terjadi penurunan terhadap permintaan beras lokal Y, ceteris paribus.
0, artinya jika terjadi kenaikan pada jumlah penduduk X
2,
maka terjadi peningkatan terhadap permintaan beras lokal Y, ceteris paribus.
3.7.1 Uji Kesesuaian Test of Goodness Fit
3.7.1.1 Uji koefisien Determinasi R-square
Universitas Sumatera Utara
Koefisien determinasi digunakan untuk melihat seberapa besar variabel- variabel independen secara bersama secara simultan mampu memberikan
penjelasan mengenai variabel dependen dimana nilai berkisar antara 0
sampai 1 0 ≤
≤ 1. Semakin besar nilai , maka semakin besar variasi
variabel dependen yang dapat dijelaskan oleh variasi variabel-variabel independen. Sebaliknya jika
kecil, maka akan semakin kecil variasi variabel dependen yang dapat dijelaskan oleh variabel independen.
3.7.1.2 Uji t-statistik
Uji t-statistik merupakan suatu pengujian yang bertujuan untuk mengetahui apakah masing-masing koefisien regresi signifikan atau tidak
terhadap variabel dependen dengan menganggap variabel independen lainnya konstan.
Dalam uji t ini digunakan perumusan bentuk hipotesis sebagai berikut : Ho : bi = b
Ha : bi ≠ b
Dimana bi adalah koefisien variabel independen ke I nilai parameter hipotesis dan biasanya b dianggap = 0. Artinya tidak ada pengaruh variabel Xi
terhadap Y. Pengujian dilakukan melalui uji-t dengan membandingkan t -statistik dengan t-tabel.
Nilai t-hitung diperoleh dengan rumus :
t- hitung : Dimana :
Universitas Sumatera Utara
bi = koefisien variabel ke-i
b = nilai hipotesis nol
Sebi = simpangan baku dari variabel ke –i Ho diterima
Ho ditolak Ho ditolak
t-hitung t-tabel 0 t-tabel t-hitung
Gambar 6. Kurva Uji t-statistik
Dalam hal ini kriteria pengambilan keputusan adalah sebagai berikut : • Ho :
β
1 =
0 , artinya Ho diterima dimana t-hitung t-tabel yang menunjukkan bahwa variabel independen secara bersama-sama tidak memiliki pengaruh
yang nyata terhadap variabel dependen pada tingkat kepercayaan sebesar α.
• Ha : β
1 ≠
0 , artinya Ha diterima dimana t-hitung t-tabel yang menunjukkan bahwa variabel independen secara bersama-sama memiliki
pengaruh yang nyata terhadap variabel dependen pada tingkat kepercayaan sebesar
α.
3.7.1.3 Uji F –statisitik
Uji F-statistik ini dilakukan untuk melihat seberapa besar pengaruh variabel independen secara bersama-sama terhadap variabel dependen. Untuk
pengujian ini dilakukan hipotesa sebagai berikut:
Universitas Sumatera Utara
Ho : bi = bk …………………bk=0 tidak ada pengaruh Ha : bi
≠ b ………………….. i=1 ada pengaruh Pengujian ini dilakukan untuk membandingkan nilai F-hitung dengan F-
tabel. Jika F-hitung F-tabel, maka Ho ditolak artinya variabel dependen secara bersama-sama mempengaruhi variabel dependen. Dan jika F-hitung F-tabel
maka Ho diterima artinya variabel independen secara bersama-sama tidak mempengaruhi variabel dependen.
Nilai F-hitung dapat diperoleh dengan rumus :
F hitung =
Dimana : = koefisien determinasi
k = jumlah variabel independen intercept dari suatu model persamaan
n = jumlah sampel
Ho diterima
Ha diterima
Gambar 7. Kurva Uji F-statistik
kriteria pengambilan keputusan :
Universitas Sumatera Utara
• Ho: β
1 =
β
2 =
0 , artinya Ho diterima dimana F-hitung F-tabel yang menunjukkan bahwa variabel independen secara parsial tidak berpengaruh
nyata terhadap variabel dependen. • Ha :
β
1 ≠
β
2 ≠
0 , artinya Ha diterima dimana F-hitung F-tabel yang menunjukkan bahwa variabel independen secara parsial berpengaruh nyata
terhadap variabel dependen.
3.7.2 Uji Penyimpangan Asumsi Klasik
3.7.2.1 Multikolinerity
Multikolinerity adalah alat untuk mengetahui suatu kondisi apakah dalam di dalam model regresi tersebut terdapat korelasi variabel independen diantara
satu sama lainnya. Suatu model regresi dikatakan terkena multikolonieritas bila terjadi hubungan linier yang sempurna atau pasti di antara beberapa atau semua
variabel bebas dari suatu model regresi. Akibatnya akan kesulitan untuk dapat melihat pengaruh variabel independen terdapat variabel dependennya.
Adanya multikolinerity ditandai dengan : • Standard error yang tidak terhingga
• sangat tinggi
• Terjadinya perubahan tanda atau tidak sesuai dengan teori • Tidak ada satupun t-statistik yang signifikan pada
α = 1, α = 5 dan α = 10
3.7.2.2 Autokorelasi Serial Correlation
Universitas Sumatera Utara
Autokorelasi dapat didefinisikan sebagai korelasi hubungan yang terjadi antara anggota-anggota dari serangkaian pengamatan yang diurutkan menurut
waktu dan ruang time series. Autokorelasi ini menunjukkan hubungan antara nilai-nilai yang berurutan dari variabel-variabel yang sama. Autokorelasi dapat
terjadi apabila kesalahan pengganggu suatu periode korelasi dengan kesalahan pengganggu periode sebelumnya. Ada beberapa cara untuk menguji autokorelasi,
yaitu sebagai berikut : • Dengan memplot grafik
• Dengan D-W Test Uji Durbin Watson
D- hitung = Dengan hipotesis sebagai berikut :
Ho : ρ = 0, artinya tidak ada autokorelasi
Ha : ρ = 0, artinya ada autokorelasi
Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin-Watson untuk nilai
α. Hipotesis yang digunakan adalah sebagai berikut :
inconclusive inconclusive auto
+
auto
-
Ho diterima
dl du 2 4-du 4-dl 4
Universitas Sumatera Utara
Gambar 8. Kurva Durbin-Watson
Dimana : Ho
= tidak
ada autokorelasi
Dwdu = tolak Ho ada korelasi positif
Dw4du = tolak Ho ada korelasi negatif
DuDw4-du = tolak Ho tidak ada korelasi
dl ≤ Dw ≥du
= tidak bisa disimpulkan inconclusive 4-du
≤ Dw ≤4-dl = tidak bisa disimpulkan inconclusive
3.7.2.3 Uji Normalitas
Uji ini dilakukan untuk memastikan µ error term tersebar normal. Jika µ tersebut normal maka koefisien OLS
β OLS juga tersebar normal, dengan demikian Y juga normal. Hal ini disebabkan oleh adanya hubungan linier antara
µ, β dan Y. Untuk menguji sebaran µ dapat digunakan uji JB Jarque Bera. µ
disebut normal jika nilai JB lebih rendah atau sama dengan nilai tabel chi-square derajat bebas alpha.
Hipotesis yang dipakai adalah Ho diterima dan Ha ditolak jika nilai JB lebih besar dari tabel chi-square, berarti sebaran error µ dan Y tidak normal
sedangkan jika Ho ditolak dan Ha diterima jika nilai JB lebih kecil dari nilai tabel chi-square yang berarti sebaran error µ dan Y normal.
3.7.2.4 Uji Linieritas
Uji linieritas sangat penting karena uji ini sekaligus dapat melihat apakah spesifikasi model yang kita gunakan sudah benar atau tidak. Dengan
Universitas Sumatera Utara
menggunakan uji ini kita dapat mengetahui bentuk model empiris dan menguji variabel yang relevan untuk dimasukkan ke dalam model empiris. Dengan kata
lain, dengan menggunakan uji linieritas atau specification error atau mis- specification error. Salah satu uji yang dipakai untuk menguji linieritas adalah uji
Ramsey atau Ramsey RESET Test Pratomo,2007:93.
3.8 Defenisi Operasional