menurut luas lahan menjadi dua bagian yaitu stratifikasi data dengan luas lahan ≤ 0,09 ha
dan stratifikasi data dengan luas luas 0,09 ha tanpa out layer.
a. Pengolahan data seluruhnya
Setelah penelitian dilakukan dan diperoleh data, ternyata diperoleh data yang diduga out layer sehingga dalam pengolahan data dan analisis data pada bagian ini akan diolah
dengan dua tahap yaitu data diolah seluruhnya bersama data yang diduga outlayer dan data diolah tanpa memasukan data yang diduga outlayer. Metode pengolahan data ini adalah
metode forward LR. Dari hasil pengolahan data dengan menggunakan metode logit maka diperolehlah hasil sebagai berikut:
1. Data diolah seluruhnya dengan memasukan data yang out layer
Table 12 Koefisien, odds ratio dan signifikansi Variabel
Logit Koefisien
Odds Ratio Sign
Konstanta X2
X4 10,308
-0,073 -0,001
0,929 0,999
0,000 0,009
0,007
Negelkerke R Square 0,714
Sumber: Data diolah dari lampiran 2 Dari hasil pengolahan data dengan menggunakan metode logit binnary logistic diperoleh
nilai konstanta dan parameter untuk tiap-tiap variabel bebas, sehingga menghasilkan persamaan sebagai berikut:
Universitas Sumatera Utara
Ŷ= 10,308 - 0,073 X2 -0,001 X4 + ε
Berdasarkan hasil pengolahan data diperoleh bahwa dari lima variabel yang diamati, terdapat dua variabel yang signifikan dan tiga variabel yang tidak signifikan pada derajat
kepercayaan 5 . Variabel yang signifikan adalah X2 proporsi pendapatan dan X4 produktivitas dengan derajat kepercayaan 5, Sedangkan untuk variabel yang tidak
signifikan adalah X1 harga jual lahan, X3 luas lahan dan X5 status lahan. Adapun untuk penjelasannya adalah sebagai berikut:
Uji keseluruhan model analisis secara serempak
Uji keseluruhan model digunakan untuk melihat apakah secara keseluruhan model dapat digunakan sebagai alat prediksi. Uji keseluruhan model dengan menggunakan Chi square
pada Omnibus Test menunjukkan angka siginifikansi model sebesar 0.000. Dari hasil pengamatan angka signifikansi tersebut menunjukan nilai yang lebih kecil dari 0,05,
berarti dapat disimpulkan bahwa semua variabel bebas X secara bersama-sama dapat menerangkan variabel terikat Y.
Uji Nagelkerke R Square
Uji ini digunakan untuk melihat seberapa besar model mampu menjelaskankan variabel terikat. Dari hasil pengujian diperoleh nilai Nagelkerke R Square model ini sebesar 71,4
, maka dapat di artikan bahwa model dengan variabel bebas mampu menjelaskan 71,4 variabel terikat dan 28,6 merupakan variable lain yang tidak dimasukan ke dalam
model.
Universitas Sumatera Utara
Uji model secara parsial
Dari uji secara parsial dari lima variable bebas yang digunakan terdapat tiga variabel yang signifikan yaitu variabel proporsi pendapatan X2, variabel produktivitas X4, dengan
penjelasan sebagai berikut: •
Variabel proporsi pendapatan X2 secara signifikan mempengaruhi probabilitas pemilik lahan untuk menjual lahan atau tidak lahan pertaniannya. Koefisien variabel
proporsi pendapatan sebesar -0,073, ini berarti jika variabel lain konstan dan proporsi pendapatan dari pertanian meningkat 1 dari total pendapatan maka secara rata-rata
estimasi logit turun sebesar 0,073. Untuk nilai odds ratio diperoleh sebesar 0,929 artinya jika proporsi pendapatan pertanian turun 1 dari total pendapatan dan proporsi
pendapatan dari luar pertaniaan naik 1 dari total pendapatan maka probabilitas pemilik lahan untuk menjual lahan pertaniannya 0,929 kali dibanding
mempertahankan lahan pertaniannya yaitu sebesar 0,071 kali. •
Variabel produktivitas X4 secara signifikan mempengaruhi probabilitas pemilik lahan untuk menjual lahan atau tidak lahan pertaniannya. Koefisien variabel produktivitas
sebesar -0,001, ini berarti jika variabel lain konstan dan produktivitas meningkat 1 kgHa maka secara rata-rata estimasi logit turun sebesar 0,001. Untuk nilai odds ratio
diperoleh sebesar 0,999 artinya jika produktivitas turun 1 kgHa maka kecendrungan pemilik lahan untuk menjual lahan pertaniannya 0,999 kali dibanding
mempertahankan lahan pertaniannya yaitu sebesar 0,001 kali.
Universitas Sumatera Utara
2. Data diolah seluruhnya tanpa data yang out layer
