Analisis Persepsi Petani terhadap Variabilitas Cuaca.

H : = = 0 H 1 : minimal ada satu ……………………………..………..6 Dimana: JKR = Jumlah Kuadrat Regresi JKG = Jumlah Kuadrat GalatResidual k = Jumlah variabel terhadap intersep n = Jumlah pengamatan sample Apabila F hit F tab maka H diterima yang berarti bahwa variabel bebas secara keseluruhan tidak berpengaruh nyata terhadap variabel terikat. Sedangkan apabila F hit F tab maka H ditolak yang berarti bahwa variabel bebas berpengaruh nyata terhadap variabel terikat. 4. Uji Koefisien Regresi Parsial t Uji t dilakukan untuk menghitung koefisien regresi masing-masing variabel bebas sehingga dapat diketahui pengaruh masing-masing variabel bebas terhadap variabel terikat. Adapun prosedur pengujiannya menurut Gujarati 2002 sebagai berikut : H : = 0 H 1 : ………………………………………….7 Dimana: b = parameter pendugaan βt = parameter hipotesis Seβ = standar error parameter β Jika t hit ttabel α2 , maka H diterima, artinya variabel bebas yang diuji tidak berpengaruh nyata terhadap variabel terikat. Namun, jika t hit t tabel α2 , maka H ditolak, artinya variabel bebas yang diuji berpengaruh nyata terhadap variabel terikat. Model yang dihasilkan dari regresi linear haruslah baik. Jika tidak maka akan mempengaruhi interpretasinya. Interpretasi ini benar jika model regresi linear memenuhi kriteria BLUE Best Linear Unbiased Estimator. BLUE dapat dicapai bila memenuhi asumsi klasik. Uji asumsi klasik merupakan pengujian pada model yang telah berbentuk linear untuk mendapatkan model yang baik. Setelah model diregresikan dilakukan uji penyimpangan asumsi, yaitu: 1. Uji Normalitas Uji normalitas bertujuan untuk melihat apakah pada model tersebut residual terdistribusi normal atau tidak. Model yang baik harus mempunyai residual yang terdistribusi normal atau hampir normal. Uji yang dapat digunakan adalah dengan membuat histrogram normalitas. Nilai probality yang lebih besar dari taraf nyata α menandakan residual terdistribusi secara normal. 2. Uji Heterokedastisitas Suatu model dapat dikatakan mempunyai sifat heterokedastisitas jika ragam residual dalam model tidak sama untuk tiap pengamatan ke-i dari variabel- variabel bebas dalam model regresi. Akibat dari sifat ini adalah penduga OLS-nya tidak efisien lagi karena standar residualnya bias ke bawah. Salah satu cara memprediksi adanya heterokedasitisitas adalah dengan melihat Grafik Scatterplot. Model dapat dikatakan tidak mengalami heteroskedastisitas apabila titik-titik menyebar secara acak. 3. Uji Autokolerasi Autokorelasi terjadi jika ada korelasi serial antara residual. Korelasi tersebut terjadi karena residual saling mempengaruhi satu sama lain sehingga residual tersebut tidak bebas. Korelasi tersebut menyebabkan penduga OLS menjadi tidak efisien lagi. Cara mendeteksi autokorelasi dapat dilakukan dengan menggunakan uji Durbin-Watson DW. Menurut Firdaus 2011 nilai DW yang berada diantara selang 1,55-2,46 menunjukkan tidak adanya autokorelasi. 4. Uji Multikolinearitas Multikolinearitas adalah adanya hubungan linear sempurna antar variabel bebas dalam suatu model. Hal ini terjadi jika nilai R 2 tinggi namun banyak variabel yang tidak signifikan dari uji t. Suatu model yang mempunyai sifat ini maka interpretasi dari model tersebut akan menjadi sulit. Salah satu cara untuk mendeteksi adanya multikolinearitas yaitu dengan melihat nilai VIF Variance