40 mengakibatkan beberapa pengamatan mengandung informasi yang lebih
dibandingkan yang lain. Dengan demikian, pengamatan ini seharusnya mendapatkan bobot yang lebih besar dibandingkan pengamatan yang lain.
Pengaruh dari tidak dipenuhinya asumsi ini adalah presisi atau kecermatan dari penduga OLS menjadi lebih kecil jika dibandingkan dengan penduga yang
mengakomodir ketidakhomogenan ragam tersebut. Heteroskedastisitas tidak merusak sifat ketidakbiasan dan konsistensi dari penaksir OLS, tetapi penaksiran
tadi tidak lagi efisien, bahkan tidak lagi asimtotik terutama untuk sampel yang besar. Ketidakefisienan ini membuat prosedur pengujian hipotesis yang biasa,
nilainya diragukan. Asumsi bahwa sisaan menyebar normal tidak terlalu penting dalam
pendugaan parameter regresi dan pemisahan total keragaman. Penduga dengan metode kuadrat terkecil OLS tetap merupakan penduga tak bias terbaik apabila
asumsi lain terpenuhi. Kenormalan data hanya diperlukan pada waktu pengujian hipotesis dan penyusunan selang kepercayaan bagi parameter. Secara umum,
pengaruh ketidaknormalan sisaan terhadap pengujian dan penyusunan selang kepercayaan adalah bahwa taraf nyata yang berkaitan dengan dua hal tersebut
tidak lagi sesuai dengan yang ditentukan. Nilai residual berdistribusi normal merupakan suatu kurva berbentuk lonceng bell-shaped curve yang kedua sisinya
melebar sampai titik tak terhingga. Distribusi data tidak normal, karena terdapat nilai ekstrem dalam data yang diambil.
4.5.5 Analisis Faktor-Faktor yang Mempengaruhi Land Rent
Untuk melihat faktor mana saja yang berpengaruh nyata terhadap model regresi linear berganda pada kedua tipologi lahan tersebut adalah dengan melihat
41 nilai signifikansi p-value atau nilai t
hit
dari masing-masing variabel bebas dalam model. P-value ini dapat diinterpretasikan sebagai peluang resiko kesalahan
dalam menyimpulkan H
1
. Semakin kecil p-value pada suatu variabel bebas atau
faktor maka dapat dikatakan bahwa variabel bebas atau faktor tersebut secara signifikan berpengaruh nyata pada taraf nyata
α. Sedangkan untuk melihat seberapa besar pengaruh variabel bebas terhadap perubahan variabel tak bebasnya
dengan melihat koefesien regresinya β
i
. Setelah itu baru dapat diinterpretasikan bahwa suatu variabel atau faktor berpengaruh nyata atau tidak dan seberapa besar
pengaruhnya. Dalam melakukan suatu interpretasi pada model persamaan regresi
berganda, sebaiknya tidak hanya dilihat dari nilai koefesien regresinya β
i
saja untuk menggambarkan berapa perubahan Y jika vairabel bebas ke - i berubah 1
satuan. Karena nilai koefesien regresi β
i
yang paling besar bukan berarti pengaruh variabel bebas ke - i paling besar juga, karena satuan koefesien regresi tergantung
pada satuan variabel tak bebas Y dan satuan variabel bebas ke - i. Untuk mengkaji relatif pentingnya masing-masing variabel bebas tersebut, maka dilakukan dengan
menggunakan koefisien baku standardized coefficient dan juga elastisitas. Menurut Juanda 2009, koefesien baku
β
i
menggambarkan relatif pentingnya variabel bebas X dalam model regresi berganda. Koefesien baku ini
sering digunakan untuk melihat perbedaan pengaruh berbagai variabel bebas X terhadap variabel tak bebas Y karena bebas satuan. Nilai koefesien baku dapat
dilihat pada hasil pengolahan data model regresi berganda dengan menggunakan paket program komputer SPSS, Minitab, maupun paket program komputer
lainnya.
42 Elastisitas E
i
= η
i
mengukur pengaruh satu persen perubahan dalam variabel bebas X terhadap persentase perubahan variabel tak bebas Y. Secara
umum untuk model regresi linear berganda, nilai elastisitas tidak konstan tetapi berubah jika diukur pada titik yang berbeda sepanjang garis regresi. Elastisitas
kadangkala dapat juga dikeluarkan oleh paket program komputer yang dihitung pada titik rata-rata masing-masing variabel Juanda, 2009. Untuk koefesien ke-j,
elastisitas dapat dihitung dengan menggunakan rumus sebagai berikut
6
:
Y X
Y X
X Y
X X
Y Y
E
j j
j j
β η
≅ Δ
Δ =
Δ Δ
= =
.................................4.9 Keterangan :
E
j
= elastisitas variabel bebas ke-j β
j
= koefesien regresi variabel bebas ke-j
j
X = nilai rata-rata variabel bebas ke-j
Y = nilai rata-rata variabel tak bebas land rent
4.5.6 Analisis Deskriptif