dengan :
.
= koefisien korelasi parsial antara variabel dengan
, apabila variabel
dianggap tetap.
.
= koefisien korelasi parsial antara variabel dengan
, apabila variabel
dianggap tetap.
.
= koefisien korelasi parsial antara variabel dengan
, apabila variabel
dianggap tetap.
.
= koefisien korelasi parsial antara variabel dengan , apabila
variabel dan
dianggap tetap.
2.12.2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas atau kenormalan digunakan untuk mendeteksi apakah distribusi variabel-variabel bebas dan terikat adalah normal. Uji normalitas dapat dideteksi
dengan melihat sebaran data titik pada sumbu diagonal dari grafik Normal P-Plot of Regression Standarized Residual. Suatu model dikatakan memenuhi asumsi
normalitas apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal Santoso, 2001.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji untuk melihat apakah ada ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lain. Apabila
≠ ≠
, hal ini disebut heteroskedastisitas. Satu asumsi penting dalam model regresi linier berganda adalah bahwa kesalahan pengganggu
mempunyai varian yang sama, artinya
= =
untuk semua i, i = 1,2,3,...,n, asumsi ini disebut homoskedastisitas, Santoso, 2001.
Universitas Sumatera Utara
Untuk melihat apakah suatu data terjadi heteroskedastisitas atau tidak, dapat
dilakukan dengan pendekatan grafik scatter plot, Gujarati, 1999, yaitu:
1. Jika tidak ada pola yang jelas serta titik-titik menyebar secara acak di atas dan dibawah angka 0 pada sumbu y maka tidak terjadi heteroskedastisitas.
2. Jika ada pola tertentu serta titik-titik yang membentuk pola tertentu diatas dan dibawah angka 0 pada sumbu y maka terjadi heteroskedastisitas.
Contoh grafik scatter plot yang tidak terjadi heteroskedastisitas dan terjadi heteroskedastisitas, dapat dilihat pada gambar 2.1 dan 2.2.
Gambar 2.1. Tidak Terjadi Heteroskedastisitas
Gambar 2.2. Terjadi Heteroskedastisitas
c. Uji Multikolinieritas
Untuk mengetahui ada tidaknya multikolinearitas antara variabel bebas dengan
melihat nilai Variance Inflation Factor VIF dan Tolerance dari masing-masing
Universitas Sumatera Utara
variabel bebas terhadap variabel terikat. Yang baik adalah tidak terjadi korelasi yang tinggi antara variabel bebas, hal in disebut non multikolinearitas. Rumus mencari
Variance Inflation Factor VIF yaitu :
= 1
1
− 2.4
Dengan adalah korelasi kuadrat dari
dengan variabel bebas lainnya. Menurut Santoso 2001: 203 pedoman untuk mendeteksi multikolinearitas adalah :
1. Besar Variance Inflation Factor VIF dan Tolerance i. VIF 5 dipastikan terjadi multikolinieritas
ii. VIF 5 tidak terjadi multikolinieritas iii. Tolerance 0,1 diduga mempunyai persoalan multikolinieritas
iv. Tolerance 0,1 diduga tidak mempunyai persoalan multikolinieritas v. Atau Tolerance = 1VIF dan VIF = 1Tolerance.
2. Besar korelasi antar variabel independennya bebas multikolinearitas. i. Koefisien korelasi harus lemah 0,5.
ii. Jika ada nilai r 0,5 harus dikeluarkan dari model.
2.12.3. Analisis Regresi Linier Berganda
Analisis Multivariat Multivariat Analysis merupakan salah satu jenis analisis statistik yang digunakan untuk menganalisis data. Data yang digunakan berupa
banyak peubah bebas independent variabels dan juga banyak peubah terikat dependent variabels. Analisis Regresi Linear Ganda Multiple Linear Regression
merupakan perluasan dari Simple Linear Regression Regresi Linear Sederhana. Pada analisis ini bentuk hubungannya adalah beberapa variabel bebas terhadap satu variabel
terikat. Regresi linier berganda ditujukan untuk menentukan hubungan linier antar beberapa variabel bebas X
1
, X
2
, X
3,
..., X
k
terhadap variabel terikat Y. Persamaan umum regresi linier berganda model untuk populasi adalah sebagai berikut :
Universitas Sumatera Utara
= +
+ +
+
⋯
+ +
2.5 dengan
: = variabel terikat
= titik potong dengan sumbu tegak intercept
, ,
, …,
= koefisien regresi slope
, ,
, …,
= variabel bebas
= nilai kesalahan error
Persamaan umum tersebut dapat diestimasi dengan persamaan di bawah ini :
= +
+ +
+
⋯
+ +
2.6 Untuk menghitung koefisien regresi persamaan 2.6 digunakan persamaan 1.3.
2.12.4. Menentukan Regresi Terbaik dengan Metode Backward
Pemodelan pada regresi linear ganda adalah untuk memperoleh kandidat variabel yang fit yang dapat menjelaskanmenggambarkan variabel dependen sesungguhnya dalam
populasi. Salah satu metode pemilihan variabel independen yang dipakai pada aplikasi SPSS 17 adalah metode backward. Metode backward adalah metode dengan
memasukkan semua variabel kedalam model tetapi kemudian satu persatu variabel independen dikeluarkan dari model berdasarkan kriteria kemaknaan statistik tertentu.
Variabel yang pertama dikeluarkan adalah variabel yang memiliki korelasi parsial terkecil dengan variabel dependen. Kriteria pengeluaran P-OutPOT adalah 0,10
artinya variabel yang mempunyai nilai p ≥ 0,10 dikeluarkan dari model Santoso,
2001.
Selain menggunakan korelasi parsial, pengujian dengan metode backward dapat dilakukan dengan membandingkan uji F parsial atau uji t parsial. Pemeriksaan
tabel F dan tabel t akan menunjukkan hasil yang sama. Hal ini dikarenakan bahwa
F 1, , 1
−
= , 1
− untuk sembarang nilai dan . Beberapa program
komputer seperti SPSS menggunakan uji t parsial Drapper dan Smith,1992.
Universitas Sumatera Utara
2.12.5. Koefisien Determinasi Ganda
Koefisien korelasi ganda atau disebut juga koefisien determinasi ganda lebih banyak digunakan untuk menguji seberapa jauh garis regresi penaksir sesuai dengan
pengamatan yang diperoleh. Menurut Drapper dan Smith 1992, hal: 87, adalah
suatu ukuran besarnya keragaman amatan Y di sekitar rataanya yang dapat dijelaskan oleh persamaan regresi. Koefisien determinasi ganda dapat dihitung dengan
menggunakan rumus yaitu :
=
∑ −
∑ −
= 1
− ∑
− ∑
− 2.7
dengan :
∑ −
= jumlah kuadrat regresi JKR ∑
− = jumlah kuadrat total JKT
∑ −
= jumlah kuadrat sisa JKS
Pada analisis regresi estimasi cenderung tinggi overestimate, maka untuk
memperoleh ketepatan digunakan nilai yang disesuaikan Adjusted
dirancang untuk mengurangi bias tersebut, dihitung dengan cara :
=
−
1
− − −
1 = 1
−
1
− −
1
− 2.8
dengan :
= koefisien determinasi ganda yang disesuaikan = koefisien determinasi ganda
= jumlah variabel bebas n
= jumlah sampel
Universitas Sumatera Utara
2.12.6. Uji F Uji simultangabungan
Pengaruh variabel bebas terhadap variabel terikat diuji dengan tingkat kepercayaan 95 atau
α = 0,05. Kriteria pengujian hipotesis untuk uji serempak: H
:
= =
=
⋯
= = 0,
pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga, lamanya berumah
tangga dan jumlah subsidi beras miskin raskin yang diterima secara bersama-sama berpengaruh tidak signifikan terhadap pengeluaran konsumsi
pangan rumah tangga miskin. H
1
: tidak semua dari
= 1,2,3, …,
adalah nol, pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga,
lamanya berumah tangga dan jumlah subsidi beras miskin raskin yang diterima secara bersama-sama berpengaruh signifikan terhadap pengeluaran
konsumsi pangan rumah tangga miskin. Rumus:
F
hitung
= 1
− − −
1 k
=
− −
1
2.9
dengan :
= koefisien determinasi ganda = jumlah variabel bebas
= jumlah sampel = jumlah kuadrat regresi
= jumlah kuadrat sisa
Dalam hal ini, F
hitung
dibandingkan dengan F
tabel
dengan tingkat kepercayaan confidence interval
95 atau α = 5 dengan ketentuan, jika F
hitung
F
tabel
, maka H diterima dan H
1
ditolak. Dalam hal lain, tolak H .
Universitas Sumatera Utara
2.12.7. Standar Eror Estimasi
Standar eror estimasi dapat memberikan gambaran seberapa baiknya persamaan regresi linier berganda yang dihasilkan. Standar eror estimasi dapat dihitung dengan
rumus :
=
− −
1
2.10 dengan
: = standar eror estimasi
= jumlah kuadrat sisa = jumlah sampel
= jumlah variabel bebas
2.12.8. Uji t Uji parsialindividual
Dilakukan untuk menguji secara parsial setiap variabel bebas apakah mempunyai pengaruh yang signifikan terhadap variabel terikatnya. Pengaruh parsial variabel
bebas terhadap variabel terikat diuji dengan tingkat kepercayaan 95 atau α = 0,05
dan derajat kebebasan
=
− −
1
. Kriteria pengujian adalah sebagai berikut : H
: pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga, lama berumah tangga dan jumlah subsidi beras miskin
raskin yang diterima secara parsial berpengaruh tidak signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin
H
1
: pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga, lama berumah tangga dan jumlah subsidi beras miskin
raskin yang diterima secara parsial berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin.
Rumus: =
2.11
Universitas Sumatera Utara
dengan :
= koefisien regresi untuk variabel bebas ke k
S
b
k
= simpangan baku koefisien regresi untuk variabel bebas ke k = nilai t
hitung
untuk variabel bebas ke k
Simpangan baku koefisien regresi dapat dihitung dengan rumus :
=
∑
1
− 2.12
dengan :
= simpangan baku koefisien regresi untuk variabel bebas ke k = standar eror estimasi
= korelasi kuadrat antara dengan variabel bebas lainnya
Dalam hal ini, t
hitung
t
k
dibandingkan dengan t
tabel
dengan tingkat kepercayaan confidence interval
95 atau α = 5 dengan ketentuan, jika -t
tabel
t
hitung
t
tabel
, maka H
diterima dan H
1
ditolak. Dalam hal lain, tolak H Sudjana, 2005.
Universitas Sumatera Utara
BAB 3
PEMBAHASAN
3.1. Gambaran Umum Tempat Penelitian
3.1.1. Profil Kelurahan Sidomulyo
Kelurahan Sidomulyo merupakan salah satu kelurahan yang terdapat di Kecamatan Medan Tuntungan. Luas wilayahnya sebesar 0,87 km
2
atau 4,03 terhadap luas Kecamatan Medan Tuntungan. Jumlah penduduk Kelurahan Sidomulyo pada tahun
2011 sebesar 1.934 jiwa dan pada tahun 2012 sebesar 2.152 jiwa.
Berdasarkan profil kelurahan sidomulyo tahun 2011, batas wilayah Kelurahan Sidomulyo adalah sebagai berikut:
Sebelah Utara : Kelurahan Lau Cih, Kecamatan Medan Tuntungan.
Sebelah Selatan : Desa Namo Bintang, Kecamatan Pancur Batu.
Sebelah Timur : Desa Simalingkar A, Kecamatan Pancur Batu.
Sebelah Barat : Kelurahan Baru Ladang Bambu, Kecamatan Medan
Tuntungan.
3.1.2. Rasio Beban Tanggungan Dependency Ratio
Rasio beban tanggungan dapat dihitung berdasarkan kelompok umur. Kelompok penduduk umur 0-14 tahun dianggap belum produktif secara ekonomis, kelompok
penduduk umur 15-64 tahun dianggap produktif dan kelompok penduduk umur 65 tahun ke atas sebagai kelompok penduduk yang tidak lagi produktif. Jumlah penduduk
Universitas Sumatera Utara
menurut kelompok umur dan jenis kelamin di Kelurahan Sidomulyo tahun 2011 adalah sebagai berikut :
Tabel 3.1. Jumlah penduduk menurut kelompok umur dan jenis kelamin di Kelurahan Sidomulyo tahun 2011
No. Kelompok Umur
Tahun Jenis Kelamin
Jumlah Jiwa Laki-laki
Perempuan 1.
0-4 185
219 404
2. 5-14
174 184
358 3.
15-44 426
384 810
4. 45-64
165 93
258 5.
≥ 65 67
37 104
Total 1.017
917 1.934
Sumber : Data Profil Kelurahan Sidomulyo Tahun 2011.
Rasio beban tanggungan Kelurahan Sidomulyo dapat dihitung dengan rumus 2.1 :
DR =
Penduduk umur 0-14 th
+Penduduk umur 65 th ke atas Penduduk umur
15-64 th ×k
DR =
762+104 1.068
×100 DR
= 762+104
1.068 ×100
DR = 866
1.068
×
100 DR =
81,09
Kelurahan Sidomulyo memiliki DR sebesar 81,09 berarti 100 orang kelompok penduduk produktif harus menanggung 81,09 orang kelompok penduduk yang tidak
produktif.
3.2. Definisi Operasional Variabel
Adapun definisi operasional variabel di dalam penelitian sebagai berikut : 1. Konsumsi pangan adalah jenis dan jumlah pangan yang dimakan oleh semua
anggota rumah tangga dalam 1 bulan.
Universitas Sumatera Utara
2. Rumah tangga adalah seorang atau sekelompok orang yang mendiami sebagian atau seluruh bangunan fisik, dan biasanya makan bersama dari satu
dapur. Makan dari satu dapur adalah mengurus kebutuhan sehari- hari bersama menjadi satu BPS, 2010.
3. Pengeluaran konsumsi pangan rumah tangga Y adalah total biaya yang dikeluarkan untuk kebutuhan pangan yang dibeli oleh rumah tangga,
dinyatakan dalam uang rupiah pada periode waktu satu bulan. 4. Kepala rumah tangga adalah seorang dari sekelompok anggota rumah tangga
yang bertanggung jawab atas kebutuhan sehari- hari rumah tangga tersebut. 5. Pendapatan kepala rumah tangga X
1
adalah jumlah seluruh pendapatan yang dihasilkan oleh kepala rumah tangga dan istri apabila istri bekerja, yang
dinyatakan dalam uang rupiah pada periode waktu satu bulan. 6. Jumlah anggota rumah tangga X
2
adalah semua orang yang biasanya bertempat tinggal di suatu rumah tangga, terdiri dari kepala rumah tangga,
istri, anak dan anggota keluarga lainnya yang masih menjadi tanggungan kepala rumah tangga, yang dinyatakan dalam satuan jiwa.
7. Pendidikan kepala rumah tangga X
3
adalah pendidikan formal terakhir yang ditempuh oleh seorang kepala rumah tangga, yang dinyatakan dalam satuan
tahun. 8. Lamanya berumah tanggausia perkawinan X
4
adalah usia perkawinan dari awal terbentuk hingga pada saat penelitian, dinyatakan dalam satuan tahun.
9. Jumlah subsidi beras miskin raskin X
5
adalah jumlah beras subsidi yang diberikan oleh pemerintah kepada rumah tangga yang berhak perbulannya,
yang dinyatakan dalam satuan Kg.
3.3. Metode Analisis Data
