Tabel 4.12 Kriteria pendapatan petani contoh dalam usahatani kelapa
sawit di Kecamatan P. Rakyat Asahan, Tahun 2012
No Kriteria Pendapatan
Jumlah orang
Persentase
1 2
3 Rendah Rp 9.560.463,34
– Rp 11.416.653,33 Sedang Rp 11.416.653,33
– Rp 13.272.843,33 Tinggi Rp 13.272.843,33 - Rp 15.129.033,34
1 11
18 3,33
36,37 60,00
Jumlah 30
100,00
Sumber : Data primer yang diolah
Dari Tabel 4.12 diketahui bahwa jumlah petani yang memiliki tingkat pendapatan pada kriteria tinggi berjumlah 18 orang atau sebesar 60,00 persen.
Pada kriteria sedang berjumlah 11 orang dan pada kriteria rendah ada satu orang dengan persentase sebesar 36,37 dan 3,33 persen.
4.5 Hasil Uji Asumsi Klasik
Model regresi yang baik harus bebas dari masalah asumsi klasik. Uraian berikut akan membahas mengenai uji asumsi kasik pada regresi berganda
diantaranya:
4.5.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen dan variabel independen keduanya berdistribusi normal atau
tidak. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi melaui 2 cara yaitu analisis grafik dan uji Kolmogorov-Smirnov.
Universitas Sumatera Utara
a. Analisis Grafik
Gambar 4.1 Uji Normalitas
Hasil pengujian sebagaimana pada Gambar 4.2 tersebut menunjukkan bahwa data residual sudah berdistribusi normal. Hal ini ditunjukkan dengan titik-
titik yang tidak jauh dari garis diagonal. b. Uji Kolmogorov-Smirnov
Tabel 4.13 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
42 Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.33338747
Most Extreme
Differences Absolute
.136 Positive
.136 Negative
-.079 Kolmogorov-Smirnov Z
.880 Asymp. Sig. 2-tailed
.421
Sumber : Data primer yang diolah
Universitas Sumatera Utara
Dari hasil pengujian terlihat pada tabel 4.13 tersebut terlihat besarnya nilai Kolomogorov-Smirnov adalah 0,880 dan signifikansinya pada 0,421 dan nilainya
jauh diatas α = 0,05. Suatu model dikatakan berdistribusi normal jika nilai signifikansi dari Kolomogorov-Smirnov lebih besar dari 0,05. Oleh karena itu
model ini dikatakan berdistribusi normal.
4.5.2 Uji Multikolinearitas
Pengujian multikolinearitas dilakukan dengan menggunakan nilai VIF. Karena model awal regresi memiliki masalah multikolinieritas dimana nilai VIF
sangat tinggi. Suatu model regresi dinyatakan bebas dari multikolinearitas adalah jika nilai VIF dibawah 10. Hasil uji multikoliniearitas dapat dilihat dalam tabel
berikut ini.
Tabel 4.14 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 X1
0,388 2,576
X2 0,327
3,060 X3
0,631 1,584
Dependent Variable: Y
Sumber : Data primer yang diolah
Dari hasil tersebut menunjukkan bahwa semua variabel bebas mempunyai nilai VIF yang berada jauh di bawah angka 10 sehingga dapat dikatakan semua
konsep pengukur variabel-variabel yang digunakan tidak mengandung masalah multikolinieritas.
Universitas Sumatera Utara
4.5.3 Uji Heteroskedastisitas