148 Hasil uji multikolinearitas pada model regresi berganda selengkapnya
dapat dilihat pada Lampiran 7. 2. Uji normalitas
Hasil perhitungan Uji Jarque-Bera menghasilkan nilai statistik Jarque- Bera sebesar 0,655635 dengan nilai probabilitas 0,720494. Saat dibandingkan,
nilai probabilitas tersebut lebih besar dibandingkan taraf nyata α yang digunakan, dimana 0,720494 0,1. Hal tersebut menghasilkan kesimpulan
residual pada model berdistribusi dengan normal atau asumsi normalitas pada model regresi linear terpenuhi. Hasil Uji Jarque-Bera selengkapnya dapat
dilihat pada Lampiran 8. 3. Uji heteroskedastisitas
Hasil perhitungan Uji White menghasilkan nilai ObsR-squared sebesar 8,959030 dengan nilai probabilitas 0,441065. Nilai probabilitas
tersebut lebih besar dibandingkan taraf nyata α yang digunakan, dimana 0,441065 0,1, sehingga disimpulkan tidak terdapat heteroskedastisitas di
dalam model. Hasil Uji White selengkapnya dapat dilihat pada Lampiran 9. 4. Uji autokorelasi
Hasil perhitungan Uji Breusch-Godfrey menghasilkan nilai ObsR- squared sebesar 2,584652 dengan nilai probabilitas 0,274631. Nilai
probabilitas tersebut lebih besar dibandingkan taraf nyata α yang digunakan, dimana 0,274631 0,1. Hal tersebut menghasilkan kesimpulan tidak terdapat
autokorelasi di dalam model. Hasil Uji Breusch-Godfrey selengkapnya dapat dilihat pada Lampiran 10.
6.3.3. Uji Hipotesis
Hasil analisis regresi linear berganda yang dijadikan acuan untuk melakukan uji hipotesis dapat dilihat pada Tabel 45.
149
Tabel 45.
Hasil Analisis Korelasi dan Regresi Linear Berganda
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the Estimate
1 ,962a
,925 ,917
45,37719 a Predictors: Constant, X3, X2, X1
b Dependent Variable: Y
ANOVAb
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 662280,551
3 220760,184
107,213 ,000a
Residual 53536,324
26 2059,089
Total 715816,875
29 a Predictors: Constant, X3, X2, X1
b Dependent Variable: Y
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-345,022 222,425
-1,551 ,133
X1 ,005
,007 ,056
,741 ,465
X2 -10,959
9,062 -,083
-1,209 ,237
X3 1105,508
92,254 ,906
11,983 ,000
a Dependent Variable: Y
Residuals Statisticsa
Minimum Maximum
Mean Std. Deviation
N Predicted Value
581,5730 1047,0969
824,7500 151,12002
30 Residual
-98,8135 96,7370
,0000 42,96603
30 Std. Predicted Value
-1,609 1,471
,000 1,000
30 Std. Residual
-2,178 2,132
,000 ,947
30 a Dependent Variable: Y
Berdasarkan uji t dua arah yang dilakukan, dinyatakan bahwa konstanta,
variabel harga jual lada di tingkat petani X
1
, dan variabel peluang usaha lain X
2
tidak berpengaruh signifikan masuk ke persamaan regresi linear, pada taraf nyata α 10 persen, karena:
1. Untuk konstanta, nilai
t
hitung
t
0,1 2
DF=26
-1,551 1,706 dan
Sig. α 0,133 0,1.
2. Variabel harga jual X
1
, nilai
t
hitung
t
0,1 2
DF=26
0,741 1,706
dan Sig. α 0,465 0,1.
3. Variabel peluang usaha lain X
2
, nilai
t
hitung
t
0,1 2
DF=26
-1,209 1,706 dan
Sig. α 0,237 0,1.
150 Oleh sebab itu, untuk variabel harga jual dan peluang usaha lain, hipotesis
nol H diterima pada taraf nyata α 10 persen. Variabel yang berpengaruh
signifikan masuk ke persamaan regresi linear hanya teknologi budidaya lada petani X
3
, dengan nilai
t
hitung
t
0,1 2
DF=26
11,983 1,706
dan Sig. α 0,000 0,1, sehingga disimpulkan hipotesis nol H
ditolak pada taraf nyata α 10 persen. Koefisien regresi variabel teknologi budidaya lada petani, saat dikaji
bersama-sama dengan harga jual lada di tingkat petani dan peluang usaha lain, adalah sebesar positif + 1.105,508. Dengan melihat bahwa skor indeks
maksimum variabel teknologi budidaya lada adalah 2 dua, maka koefisien regresi variabel tersebut menunjukkan untuk setiap kenaikan teknologi budidaya
lada petani 0,1 satuan, maka rata-rata produksi lada akan meningkat sebesar 110,5508 kgha. Sebaliknya, saat teknologi budidaya lada petani menurun 0,1
satuan, maka rata-rata produksi lada akan menurun sebesar 110,5508 kgha. Uji F dua arah menghasilkan kesimpulan bahwa penggunaan model Y =
-345,022 + 0,005 X
1
− 10,959 X
2
+ 1.105,508 X
3
pada taraf nyata 10 persen relatif memuaskan dalam menerangkan data, karena nilai
F
hitung
F
0,1v1=3;v2=26
326,383 2,31
dan Sig. α 0,000 0,1. Dengan demikian, disimpulkan bahwa hipotesis nol H
ditolak pada taraf nyata α 10 persen. Nilai R
2
yang didapat adalah sebesar 92,5 persen, yang menunjukkan bahwa sebesar 92,5 persen dari
seluruh variasi produksi lada Y dapat dijelaskan oleh harga jual X
1
, peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, sedangkan sisanya sebesar 7,5 persen dijelaskan oleh faktor-faktor lain yang tidak dimasukkan ke
dalam model persamaan. Atau dapat dikatakan bahwa model persamaan regresi cukup baik menerangkan data.
Apabila hasil analisis uji F dikaitkan dengan hasil uji t, maka dapat dikatakan bahwa meskipun model persamaan regresi Y = -345,022 + 0,005 X
1
− 10,959 X
2
+ 1.105,508 X
3
cenderung memuaskan, namun hanya koefisien variabel teknologi budidaya lada petani X
3
yang signifikan masuk ke dalam persamaan regresi linear berganda. Berdasarkan hasil uji hipotesis yang telah dilakukan, baik
uji t-student, maupun uji F, disimpulkan bahwa, diantara variabel harga jual, peluang usaha lain, dan teknologi budidaya lada petani, yang paling berpengaruh
terhadap produksi lada adalah teknologi budidaya lada petani.
151
6.3.4. Pembahasan Hasil Analisis Korelasi dan Regresi Linear Berganda
