koefisien determinasi yang sudah memperhitungkan trade off antara penambahan peubah bebas dan penurunan derajat bebas dalam model. Selain itu output model
tersebut juga cukup lengkap untuk memenuhi asumsi dalam pendugaan model dengan OLS. Sedangkan kekurangan dari metode ini adalah dalam pendugaan
modelnya, terdapat beberapa asumsi yang harus dipenuhi. Data yang diperoleh dikelompokkan, kemudian dilakukan berbagai
penyesuaian untuk dimasukkan dalam tabel sesuai keperluan. Data yang telah ditabelkan dipersiapkan sebagai input komputer sesuai dengan model yang di
duga dan asumsi yang digunakan. Proses perhitungan model dan pengolahan data dilakukan dengan program komputer Minitab for Windows untuk kemudian
diinterpretasikan secara manual.
4.3. Model Persamaan Regresi
Model merupakan suatu penjelasan dan penyederhanaan dari fenomena aktual. Suatu model dikatakan baik apabila memenuhi kriteria ekonomi, statistika
dan ekonometrika Gujarati, 1993. Secara umum model persamaan regresi adalah Y
t
= β
o
+ Σβ
i
X
it
+ ε
t
Dimana : Y
t
= Peubah tak bebas tahun ke-t β
o
= Intersep X
it
= Peubah bebas ke-i yang menjelaskan peubah tak bebas Y
t
β
i
= Parameter penduga X
i
ε
t
= Error term tahun ke-t i = 1,2,3,…,k yaitu banyaknya peubah bebas dalam fungsi tersebut.
Pendugaan model tersebut dilakukan dengan menggunakan Metode Kuadrat Terkecil Biasa Ordinary Least SquareOLS yang didasarkan asumsi-
asumsi sebagai berikut Gujarati, 1993 : 1.
Nilai rata-rata untuk kesalahan pengganggu sama dengan nol, yaitu E ε
i
= 0, untuk I = 1,2,3,…,k
2. Ragam ε
i
= σ², sama untuk semua kesalahan pengganggu asumsi homoscesidasticity
3. Tidak ada autokorelasi antara kesalahan pengganggu berarti kovarian ε
i
,ε
j
= 0, untuk i ≠ j. dengan demikian antara ε
i
dan ε
j
tidak saling tergantung 4.
Peubah bebas X
1
, X
2
, X
3
,…, X
k
konstan dalam pengambilan sampel terulang dan bebas terhadap kesalahan pengganggu, E X
i
, ε
i
= 0 5.
Peubah bebas X saling bebas atau tidak ada kolinearitas ganda diantara peubah bebas X
6. ε
i
~ N 0, σ², artinya kesalahan pengganggu mengikuti distribusi normal dengan rata-rata nol dan varian σ².
Apabila asumsi di atas dapat terpenuhi, maka koefisien regresi parameter yang diperoleh merupakan penduga linier terbaik yang tidak bias BLUE = Best Linear
Unbiased Estimator .
4.4. Evaluasi Model
Evaluasi model pendugaan bertujuan untuk mengetahui apakah model yang di duga terpenuhi secara teori. Untuk itu model pendugaan harus sesuai
dengan kriteria ekonomi, statistik dan ekonometrika.
4.4.1. Kriteria Ekonomi
Penentuan parameter model regresi berdasarkan teori ekonomi yang ada, kemudian di uji berdasarkan berdasarkan teori ekonomi pula. Teori ekonomi yang
digunakan untuk menerangkan hasil analisis ini adalah teori permintaan dan elastisitas.
4.4.2. Kriteria Statistik
Pengujian suatu model meliputi uji pengaruh parameter secara individual, pengujian parameter secara keseluruhan dan koefisien determinasi R² sebagai
suatu ukuran kebaikan goodness of fit. Statistik uji yang digunakan untuk mengukur signifikasi parameter secara individual adalah uji-t, sedangkan untuk
signifikasi parameter secara keseluruhan adalah uji-F. Dalam penelitian ini, uji-t bertujuan untuk mengetahui apakah dari
masing-masing variabel bebas memiliki pengaruh nyata terhadap permintaan cengkeh, sedangkan uji-F bertujuan untuk mengetahui apakah seluruh variabel
bebas secara bersama-sama memiliki pengaruh nyata terhadap permintaan cengkeh. Koefisien determinasi R² digunakan untuk mengukur keragaman dari
variabel tidak bebas yang dapat diterangkan oleh variabel bebas. Nilai R² berkisar 0 sampai 1, semakin besar nilai R² berarti model semakin baik.
Pengujian hipotesis baik uji-t maupun uji-F yaitu dengan melihat tingkat signifikansi α yaitu probalitas kesalahan menolak hipotesis yang ternyata benar.
Semakin kecil nilai α berarti semakin mengurangi resiko kesalahan Santoso dalam
Nurlianti, 2002. Uji-t dalam penelitian ini memiliki hipotesis sebagai berikut:
Hipotesis: H : β
i
= 0
H
1
: β
i
≠ 0 β
i
Statistik Uji: t hitung = Sβ
i
Dimana: i = 1,2,3,…,k β
i
= Koefisien parameter ke-i yang diduga Sβ
i
= Standar deviasi dari parameter β
i
dengan derajat bebas df = n-k n = Jumlah pengamatan
k = Jumlah parameter regresi Kriteria uji:
t hitung t tabel: maka tolak H
artinya koefisien regresi secara statistik berbeda nyata dengan nol sehingga parameter dugaan
tersebut berpengaruh nyata dalam model. t hitung t tabel: maka terima H
artinya koefisien regresi secara statistik tidak berbeda nyata dengan nol sehingga parameter dugaan
tersebut tidak berpengaruh nyata dalam model. Uji-F dalam penelitian ini memiliki hipotesis sebagai berikut:
Hipotesis: H : β
1
= β
2
=…= β
k
= 0 H: minimal ada satu nilai parameter dugaan β
i
≠ 0 SSRk – 1
Statistik Uji: F hitung = dengan derajat bebas df = k-1, n-k SSEn – k
Dimana: i = 1,2,3,…,k β = Parameter
SSR = Jumlah kuadrat regresi SSE = Jumlah kuadrat sisa
n = Jumlah pengamatan k = Jumlah parameter regresi
Kriteria uji: F hitung F tabel: maka tolak H
artinya secara besama-sama peubah bebas berpengaruh nyata terhadap peubah tak bebas.
F hitung F tabel: maka terima H artinya secara besama-sama peubah
bebas tidak berpengaruh nyata terhadap peubah tak bebas.
4.4.3. Kriteria Ekonometrika
Asumsi-asumsi utama yang harus dipenuhi dalam model regresi linier adalah sebagai berikut:
a. Asumsi Kenormalan
Uji kenormalan diperlukan pada pengujian hipotesis dan penyusunan selang kepercayaan bagi parameter. Pengaruh ketidaknormalan sisaan terhadap
pengujian dan penyusunan selang kepercayaan adalah bahwa taraf nyata yang berkaitan dengan pengujian dan selang kepercayaan tidak lagi sesuai dengan yang
ditentukan. Secara eksplorasi, pemeriksaan terhadap asumsi kenormalan dapat dilakukan dengan histogram sisaan maupun plot normal. Apabila bentuk sebaran
uji kenormalan berbentuk garis lurus atau tidak setangkup, maka sisaan dapat dikatakan menyebar normal.
b. Heteroskedastisitas
