72 berganda meliputi, uji multikolinearitas, uji normalitas, uji heteroskedastisitas,
dan uji autokorelasi. Uji normalitas, uji heteroskedastisitas, dan uji autokorelasi dilakukan dengan bantuan software Eviews 4,1. Sementara itu, uji
multikolinearitas dilakukan dengan bantuan software SPSS 11,5. 1. Uji normalitas
Untuk mengetahui normalitas residual error atau gangguan, maka digunakan Uji Jarque-Bera. Hipotesis yang disusun, yaitu:
H : Residual error atau gangguan berdistribusi normal.
H
a
: Residual error atau gangguan tidak berdistribusi normal. Jika nilai probabilitas Jarque-Bera lebih besar dari taraf nyata
α yang digunakan, maka disimpulkan terima H
. Sehingga dapat dikatakan residual error atau gangguan pada model terdistribusi dengan normal atau
dengan kata lain asumsi normalitas terpenuhi. 2. Uji heteroskedastisitas
Uji yang digunakan untuk melihat ada atau tidaknya sifat heteroskedastisitas pada model adalah Uji Heteroskedastisitas Umum White.
Hipotesis yang disusun yaitu: H
: Tidak ada heteroskedastisitas. H
a
: Ada heteroskedastisitas. Jika nilai probabilitas ObsR-squared Uji White lebih besar dari taraf
nyata α yang digunakan, maka disimpulkan terima H
. Atau dengan kata lain, disimpulkan tidak terdapat heteroskedastisitas pada model.
3. Uji autokorelasi Uji yang digunakan untuk melihat ada atau tidaknya autokorelasi pada
model adalah Uji Breusch-Godfrey Serial Correlation Lagrange Multiplier. Hipotesis yang disusun yaitu:
H : Tidak ada autokorelasi.
H
a
: Ada autokorelasi. Jika nilai probabilitas ObsR-squared Uji Breusch-Godfrey Lagrange
Multiplier lebih besar dari taraf nyata α yang digunakan, maka disimpulkan
terima H . Atau dengan kata lain, disimpulkan tidak terdapat autokorelasi pada
model.
73 4. Uji multikolinearitas
Telah disebutkan sebelumnya bahwa menurut Mason dan Lind 1999, korelasi antara variabel-variabel independen yang berada pada selang -0,70
sampai dengan 0,70 tidak menyebabkan masalah. Selain itu, adanya multikolinearitas juga dapat diuji berdasarkan nilai VIF Variance Inflation
Factors nya. Menurut Lind, Marchal, dan Wathen 2007, sebuah VIF yang
lebih besar dari sepuluh 10 dianggap tidak memuaskan, yang mengindikasikan sebaiknya variabel bebas tersebut dibuang. Pramesti 2009
menyebutkan, jika nilai VIF lebih kecil dari sepuluh, maka dapat dikatakan model terbebas dari masalah multikolinearitas. Oleh sebab itu, jika nilai
korelasi antar variabel independen berada pada selang -0,7 sampai 0,7 dan nilai VIF setiap variabel tersebut lebih kecil dari sepuluh, maka disimpulkan
tidak terdapat multikolinearitas pada model regresi linear.
4.6.4. Bentuk Pengujian Hipotesis Penelitian
Bentuk pengujian hipotesis yang dilakukan adalah dua arah two tail test dengan menggunakan uji t-student dan uji F. Pada uji dua arah dengan uji t-
student , mengharuskan taraf nyatanya dibagi dua α2 Sugiyono 1999.
Pengolahan data dengan software SPSS untuk uji t-student juga menyajikan nilai probabilitas Sig., selain nilai t-student hitung t
hitung
. Saat nilai probabilitas diperbandingkan dengan
α, maka nilai α tersebut tidak perlu dibagi dua. Ringkasan kriteria uji t-student untuk t
hitung
dan nilai probabilitas pada hipotesis satu arah dan dua arah dapat dilihat pada Tabel 11.
Tabel 11.
Kriteria Uji Hipotesis Dua Arah dengan Uji t-student
No Nilai
Kriteria Uji Kesimpulan
1. Statistik t-student
t
hitung
t
α 2
n-k-1
Tolak H pada taraf nyata
α 2.
Probabilitas Sig. Sig.α Tolak H
pada taraf nyata α
Keterangan: DF
error
Derajat bebas penyebut = n-k-1 H
= Hipotesis nol penolakan k = banyaknya variabel independen
α = Taraf nyata signifikansi n = jumlah pengamatan atau sampel
74 Pengolahan data dengan software SPSS untuk uji F menyajikan nilai F
hitung
dan probabilitas Sig.. Kriteria uji F
hitung
dan nilai probabilitas pada hipotesis dua arah dapat dilihat pada Tabel 12.
Tabel 12. Kriteria Uji Hipotesis Dua Arah dengan Uji F
No Nilai
Kriteria Uji Kesimpulan
1. Statistik F
F
hitung
t
αv1,v2
Tolak H pada taraf nyata
α 2.
Probabilitas Sig. Sig.α Tolak H
pada taraf nyata α
Keterangan:
H = Hipotesis nol penolakan
α= Taraf nyata taraf signifikansi v1= Derajat bebas pembilang DF regression = k
n= Jumlah sampel pengamatan v2= Derajat bebas penyebut DF error = n-k-1
k= Jumlah variabel independen
4.7. Model Regresi Linear Berganda
Model regresi linear berganda yang menggambarkan pengaruh harga jual lada di tingkat petani X
1
, peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, terhadap produksi lada Y, adalah sebagai berikut:
Dimana: Y
′ = Disebut Y aksen, yaitu nilai prediksi dari produksi lada berdasarkan nilai variabel independen yang dipilih.
A = Titik potong Y, yang merupakan nilai perkiraan bagi Y ketika X= 0 garis
Y memotong sumbu X. b
1
= Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik
ataupun turun pada harga jual lada di tingkat petani, dengan menganggap variabel independen lainnya konstan. Ini disebut sebagai
koefisien regresi parsial atau cukup disebut koefisien regresi.
b
2
= Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik
ataupun turun pada peluang usaha lain, dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien regresi
parsial atau cukup disebut koefisien regresi.
b
3
= Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik
ataupun turun pada teknologi budidaya lada petani, dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien
regresi parsial atau cukup disebut koefisien regresi.
X
1
= Sembarang nilai variabel harga jual lada di tingkat petani. X
2
= Sembarang nilai variabel peluang usaha lain. X
3
= Sembarang nilai variabel teknologi budidaya lada petani. Y
′ = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
………. 8
75 Untuk menguji hubungan dan pengaruh hubungan kausal harga jual lada
di tingkat petani X
1
, peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, secara bersama-sama, terhadap produksi lada Y, akan dilakukan uji global uji F dan uji individu uji t-student, dengan taraf nyata taraf kesalahan sepuluh
10 persen 0,1. Penggunaan taraf nyata signifikansi α sepuluh 10 persen
disebabkan karena penelitian ini menganalisis gejala-gejala sosial-ekonomi di masyarakat, khususnya petani lada. Adapun hipotesis-hipotesis, yang disusun
menjadi hipotesis penolakan H dan hipotesis alternatif H
a
, yaitu: 1. Uji global uji F
Hipotesis yang dirumuskan adalah hipotesis dua arah, sehingga uji global yang dilakukan adalah uji dua arah two tail test, yaitu:
H : Tidak terdapat pengaruh hubungan kausal atau fungsional yang
signifikan antara harga jual lada di tingkat petani X
1
, peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, secara bersama-sama, terhadap produksi lada Y.
Atau Tidak terdapat satu pun diantara variabel independen, yaitu harga jual
lada di tingkat petani X
1
, peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, yang berpengaruh signifikan terhadap produksi lada Y.
H
a
: Terdapat pengaruh hubungan kausal atau fungsional yang signifikan antara harga jual lada di tingkat petani X
1
, peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, secara bersama-sama, terhadap produksi lada Y.
Atau Paling tidak terdapat satu diantara variabel independen, yaitu harga jual
lada di tingkat petani X
1
, peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, yang berpengaruh signifikan terhadap produksi lada Y.
Secara ststistik, hipotesis tersebut dinyatakan: H
: β
1
= β
2
= β
3
=0 H
a
: Tidak semua β
s
=0
