65 lengkap dan tajam. Jenis observasi pengamatan yang dilakukan adalah observasi
nonpartisipan nonparticipant observation, dimana peneliti tidak terlibat dan hanya bertindak sebagai pengamat independen, dalam mengobservasi aktivitas
usaha petani lada. Wawancara dan diskusi juga dilakukan dengan pihak dari instansi-instansi
dan lembaga-lembaga terkait, seperti Dinas Pertanian, Perkebunan, dan Peternakan Provinsi Kepulauan Bangka Belitung; Dinas Perindustrian dan
Perdagangan Provinsi Kepulauan Bangka Belitung; Asosiasi Eksportir Lada Indonesia AELI Provinsi Kepulauan Bangka Belitung; Dinas Perkebunan dan
Kehutanan Kabupaten Bangka; dan International Pepper Community IPC. Pengumpulan data dilakukan pada akhir bulan Mei 2010 hingga akhir Juli 2010.
4.6. Metode Pengolahan Data
Analisis yang digunakan dalam penelitian ini menggunakan statistika deskriptif dan inferensia. Analisis statistika deskriptif yang dipakai adalah analisis
deskriptif. Sedangkan analisis statistika inferensia yang dipergunakan adalah analisis korelasi dan regresi linear berganda. Untuk memudahkan proses analisis,
digunakan bantuan software perangkat lunak komputer, yaitu Microsoft Excel 2007, SPSS 11,5, dan Eviews 4,1.
4.6.1. Analisis Deskriptif
Analisis deskriptif dilakukan dengan mendeskripsikan semua data yang telah terkumpul, berdasarkan sampel, sebagaimana adanya, tanpa bermaksud
untuk membuat kesimpulan yang berlaku untuk populasi dimana sampel diambil generalisasi Sugiyono 2001. Statistik deskriptif tersebut dapat berupa
penyajian data melalui tabel, grafik, diagram lingkaran, piktogram, perhitungan modus, median, mean, simpangan baku standar deviasi, serta perhitungan
persentase.
4.6.2. Analisis Korelasi dan Regresi Linear Berganda
Analisis ini dilakukan untuk mengetahui hubungan dan pengaruh dari variabel independen penelitian, yaitu harga jual lada di tingkat petani X
1
,
66 peluang usaha lain X
2
, dan teknologi budidaya lada petani X
3
, secara bersamaan, terhadap variabel dependen, yaitu produksi lada Y.
a. Asumsi-asumsi Asumsi-asumsi yang harus dipenuhi untuk menggunakan analisis
korelasi dan regresi berganda ini antara lain Mason dan Lind 1999: i. Terdapat hubungan linear antara variabel independen dan variabel
dependen. ii. Variabel dependen harus bersifat kontinu, dan paling tidak berskala selang
interval. iii. Keragaman residu selisih nilai pengamatan dan pendugaan harus sama
untuk semua nilai pendugaan Y Y ′, dan nilai-nilai residu ini menyebar
normal, dengan rata-rata 0. Jika terjadi perbedaan, maka hal tersebut mengindikasikan terjadinya homoskedastisitas. Uji statistik tersendiri
dapat dilakukan untuk mendeteksi homoskedastisitas. iv. Pengamatan berurutan terhadap variabel dependen tidak berkorelasi. Jika
terdapat korelasi, maka disebut autokorelasi. Autokorelasi sering terjadi sewaktu data dikumpulkan menurut periode-periode waktu. Uji statistik
tersendiri dapat dilakukan untuk mendeteksi autokorelasi. v. Kaidah kuadrat terkecil OLS atau Ordinary Least Square
Kaidah kuadrat terkecil berfungsi untuk menghasilkan garis lurus linear dengan kesesuaian terbaik.
Menurut Mason dan Lind 1999, dalam prakteknya ketepatan asumsi- asumsi ini tidak selalu mungkin diterapkan dalam masalah korelasi dan regresi
linear berganda, yang melibatkan iklim bisnis yang selalu berubah. Teknik statistika ini, nampaknya bekerja baik, sekalipun satu atau lebih asumsi-
asumsinya dilanggar. Sekalipun jika nilai-nilai pada persamaan regresi linear berganda sedikit “salah”, pendugaan yang berdasarkan persamaan tersebut,
akan lebih dekat daripada dengan cara lain manapun yang bisa digunakan. b. Bentuk umum persamaan regresi linear berganda
Bentuk umum dari persamaan regresi linear berganda adalah sebagai berikut:
67 Dimana:
Y ′ = Disebut Y aksen, yaitu nilai prediksi dari variabel dependen
berdasarkan nilai variabel X yang dipilih. A
= Titik potong Y, yang merupakan nilai perkiraan bagi Y ketika X= 0 garis Y memotong sumbu X.
B
1
= Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik
ataupun turun pada variabel X
1
, dengan menganggap variabel independen lainnya konstan. Ini disebut sebagai koefisien regresi
parsial atau cukup disebut koefisien regresi. B
2
= Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik
ataupun turun pada variabel X
2
, dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien regresi
parsial atau cukup disebut koefisien regresi. B
k
= Perubahan rata-rata pada Y ′ untuk setiap satu unit perubahan naik
ataupun turun pada variabel X
k
, dengan menganggap variabel independen lainnya konstan. Ini juga disebut sebagai koefisien regresi
parsial atau cukup disebut koefisien regresi. X
1
= Sembarang nilai variabel independen X
1
. X
2
= Sembarang nilai variabel independen X
2
. X
k
= Sembarang nilai variabel independen ke-k.
Sumber: Mason dan Lind 1999
c. Kesalahan baku berganda pendugaan Kesalahan baku berganda pendugaan berfungsi untuk mengukur
kesalahan dalam pendugaan. Kesalahan baku berganda pendugaan akan mengukur kesalahan yang terjadi pada nilai Y, di sekitar bidang regresi.
Adapun rumus kesalahan baku berganda pendugaan, yaitu Mason dan Lind 1999:
S
y ∙12. . . k
= Σ Y-Y
2
n- k+1
………. 2 Dimana:
S
y ∙x. . . k
= Kesalahan baku berganda pendugaan. n
= Jumlah sampel pengamatan. k
= Jumlah variabel independen. Y
= Nilai variabel dependen. Y
′ = Disebut Y aksen, yaitu nilai prediksi dari variabel Y
dependen berdasarkan nilai variabel X yang dipilih. ΣXY
= Jumlah hasil kali variabel X dan Y. [ΣY–Y′
2
] = Jumlah residu yang telah dikuadratkan. Y
′ = a + b
1
X
1
+ b
2
X
2
+....+ b
k
X
k
………. 1
68 d. Selang kepercayaan dan selang pendugaan
Selang kepercayaan bagi nilai tengah Y untuk suatu nilai X tertentu diperoleh dengan rumus:
Y ± t
S
y ∙x
1 n
+ X-X
2
ΣX
2
- ΣX
2
n
………. 3
Sedangkan untuk menentukan selang pendugaan bagi suatu nilai Y untuk nilai X yang diberikan, diperoleh dengan rumus:
Y ± t
S
y ∙x
1+ 1
n +
X-X
2
ΣX
2
- ΣX
2
n
………. 4
Dimana: Y
′ = Disebut Y aksen, yaitu nilai prediksi dari variabel Y dependen
berdasarkan nilai variabel X yang dipilih. t
= Nilai statistik t berdasarkan lampiran F untuk derajat bebas n –2.
S
y ∙x
= Kesalahan baku pendugaan. n
= Jumlah sampel pengamatan. X
= Nilai variabel X independen yang terpilih. X
= Nilai tengah variabel X, diperoleh dari ΣXn.
Sumber: Mason dan Lind 1999
e. Koefisien korelasi berganda R Koefisien korelasi berganda rumit dilakukan jika variabel
independennya sudah lebih dari dua variabel. Oleh karena itu lebih mudah menggunakan bantuan software komputer. Dari perhitungan komputer, dapat
diperoleh koefisien determinasi berganda R
2
, yang merupakan persentase keragaman yang dapat dijelaskan oleh model regresi Mason dan Lind 1999.
Koefisien determinasi berganda didapat dari jumlah kuadrat regresi dibagi dengan jumlah kuadrat total. Secara matematis dituliskan:
R
2
= SSR
SS
total
………. 5
69 Dimana:
SSR = Jumlah kuadrat regresi sum square regression
SS
total
= Jumlah kuadrat total sum square total
Sumber: Mason dan Lind 1999
Setelah mengetahui nilai R
2
, maka dapat diketahui pula nilai R koefisien korelasi berganda, yaitu dengan cara mengakarkan nilai R
2
. Secara matematis dapat dinyatakan:
R= R
2
= SSR
SS
total
………. 6 f. Multikolinearitas
Multikolinearitas terjadi jika diantara variabel-variabel independen saling berkorelasi. Untuk memeriksa adanya multikolinearitas dapat
digunakan matriks korelasi, yang dapat diperoleh dengan bantuan software komputer. Multikolinearitas dapat mengubah kesalahan baku pendugaan dan
menyebabkan kesimpulan yang salah, sehubungan dengan manakah variabel independen yang mempunyai pengaruh signifikan nyata dan tidak signifikan.
Korelasi antar variabel-variabel independen yang berada pada selang -0,70 sampai dengan 0,70 tidak menyebabkan masalah Mason dan Lind 1999. Jika
terdapat korelasi yang erat antara dua variabel independen, maka salah satu dari dua variabel independen tersebut diabaikan.
g. Uji global Uji global dilakukan untuk melihat kemampuan menyeluruh dari
variabel-variabel independen X
1
, X
2
,. . ., X
k
, dalam menjelaskan tingkah laku variabel dependen Y. Pada dasarnya uji global menyelidiki apakah
semua variabel independen memiliki koefisien bersih regresi nol. Dengan kata lain, dapatkah besar varians yang bisa dijelaskan R
2
, terjadi secara tidak sengaja. Uji statistik yang digunakan adalah uji F, dengan derajat bebas
pembilang k dan derajat bebas penyebut n-k+1, dimana k adalah banyaknya variabel independen dan n adalah jumlah pengamatan atau sampel.
70 h. Evaluasi koefisien regresi secara individu
Langkah selanjutnya setelah uji F adalah menguji variabel-variabel tersebut secara individu untuk menentukan koefisien regresi yang bernilai nol
dan yang bukan. Jika koefisien regresi bernilai nol, menandakan bahwa variabel independen tertentu tidak berpengaruh dalam menerangkan
keragaman dari variabel dependen. Uji statistik yang digunakan adalah uji t- student
, dengan derajat bebas n-k+1, dimana k adalah banyaknya variabel independen dan n adalah jumlah pengamatan atau sampel.
4.6.3. Uji Asumsi Model Regresi Linear Klasik
