Gambar 4.2 Grafik Normal P-P Plot Uji Normalitas Model Regresi
Pada gambar 4.2 grafik Normal P-P Plot di atas terlihat bahwa titik-titik berhimpit atau sangat dekat dengan garis diagonal, yang berarti model regresi ini
dipercaya berdistribusi normal.
b. Uji Multikoliniearitas
Menurut Imam Ghozali 2005: 63 multikolinearitas dapat juga dilihat dari nilai Tolerance dan lawannya Variance Inflation Factor VIF. Kedua
ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Dalam pengertian sederhana setiap variabel bebas
menjadi variabel terikat dan diregres terhadap variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan
oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance dan menunjukkan adanya kolinearitas yang
tinggi. Nilai cutoff yang umum dipakai adalah nilai tolerance 0,10 atau sama
dengan nilai VIF di atas 10. Setiap analisis harus menentukan tingkat kolinearitas yang masih dapat ditolerir.
Dari hasil penelitian terlihat hasil pengujian multikolinieritas sebagaimana tampak pada tabel 4.9 di bawah:
Tabel 4.9 Hasil Uji Multikolinearitas Data
Coefficients
a
Correlations Collinearity
Statistics
Model
Zero-order Partial
Part Tolerance
VIF
Constant Modal
.858 .629
.360 .393
2.541
TenagaKerja
.705 .299
.139 .479
2.090
LamaMelaut
.375 .280
.130 .896
1.116
1
Iklim
.590 .357
.170 .741
1.349 a. Dependent Variable: HasilProduksi
Nilai VIF untuk variabel modal sebesar 2,541. Oleh karena nilai VIF sebesar 2,541 10, maka inferensi yang diambil adalah variabel modal tidak
mengalami masalah multikolinearitas. Nilai VIF untuk variabel tenaga kerja sebesar 2,090. Oleh karena nilai VIF sebesar 2,090 10, maka inferensi yang
diambil adalah variabel tenaga kerja tidak mengalami masalah multikolinearitas. Nilai VIF untuk variabel lama melaut sebesar 1,116. Oleh karena nilai VIF
sebesar 1,116 10, maka inferensi yang diambil adalah variabel lama melaut tidak mengalami masalah multikolinearitas. Nilai VIF untuk variabel iklim
sebesar 1,349. Oleh karena nilai VIF sebesar 1,349 10, maka inferensi yang diambil adalah variabel iklim tidak mengalami masalah multikolinearitas
.
c. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas.
Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data cross-section mengandung situasi
heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran Imam Ghozali, 2005:77. Untuk mengetahui ada tidaknya
heteroskedastisitas dapat juga dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED pada program SPSS.
Grafik scatterplot menunjukkan titik menyebar secara acak dan tidak membenuk suatu pola tertentu. Grafik titik – titik juga menyebar diatas dan
bawah angka 0 pada sumbu Y. hal ini menunjukkan bahwa model regresi linear berganda dalam penelitian ini tidak terjadi heteroskedastisitas. Dari hasil
pengujian diperoleh scatterplot sebagaimana gambar di bawah :
Gambar 4.3 Gambar Scatterplot
Dari gambar 4.3 terlihat titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka nol, titik-titik data tidak mengumpul hanya
diatas atau dibawah saja, penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, dan
penyebaran titik-titik data tidak terpola. Maka dapat disimpulkan bahwa model regresi linier berganda terbebas dari asumsi klasik heterokedastisitas dan layak
digunakan dalam penelitian.
4.4 Kendala-Kendala yang Dihadapi Nelayan Tasik Agung