3.3 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini meliputi data primer dan data skunder. Data primer diperoleh dari melakukan wawancara dan pengisian kuisioner
oleh responden, serta pengamatan langsung dilapangan. Data sekunder yang dikumpulkan yaitu luas lahan produksi serta produktivitas
usaha tani cengkeh di Kabupaten Simeulue tahun 2011-2013. Data tersebut diperoleh dari Badan Pusat Statistik Kabupaten Simeulue Serta data produksi cengkeh di
Kabupaten Simeulue pada tahun 2014 – 2015 dari dinas pertanian Kabupaten
Simeulue.
3.4 Metode Analisis Data
Analisis yang digunakan pada penelitian ini adalah analisis regresi linier berganda yang dapat ditulis sebagai berikut :
Y=f X1,X2,X3,
Dari fungsi tersebut kemudian diubah dalam bentuk logaritma linier, untuk menguji pengaruh antara variable independen terhadap produksi cengkeh dapat ditulis
dalam persamaan berikut :
Y= e
p0
x X
1 p1
x X
2 p2
x X
3 p3
LnY= P + P
1
LnX
1
+ P
2
LnX
2
+ P
3
LnX
3
Universitas Sumatera Utara
Keterangan : Y
= Jumlah Produksi Cengkeh X1
= Tenaga Kerja X2
= Pupuk X3
= Pestisida dan Herbisida P0
= Konstanta P1- P3
= Koefisien Regresi e
= Disturbance Variabel Gangguan Setelah
dianalisis selanjutnya
dilakukan beberapa
pengujian agar
mendapatkan model terbaik yang dapat merepresentasikan faktor-faktor yang mempengaruhi produktivitas usahatani padi sawah petani penyewa lahan secara baik.
Beberapa uji yang akan dilakukan adalah sebagai berikut:
3.4.1. Uji Asumsi Klasik
Agar mendapatkan model yang terbaik dalam regresi linier berganda harus memenuhi beberapa asumsi yang disebut dengan asumsi klasik. Asumsi-asumsi
tersebut yaitu autokorelasi, multikolinearitas, normalitas, dan heterokedastisitas.
Universitas Sumatera Utara
3.4.1.1. Uji Normalitas
Menurut Gujarati 1997, model regresi linier berganda harus mengasumsikan variabel pengganggu residual µi terdistribusi secara normal, yang artinya nilai µ
untuk setiap nilai Xi menyebar simetris. Karena itu, model regresi yang baik adalah yang mengikuti garis normal. Jika asumsi ini dilanggar maka model regresi dianggap
tidak valid dengan jumlah sampel yang ada. Salah satu cara untuk mengetahui apakah variabel µi berdistribusi normal
atau tidak adalah dengan Uji one-sample Kolmogorov-Smirnov dengan kriteria pengambilan keputusan yaitu jika signifikansi 0,05 maka data berdistribusi normal,
dan jika signifikansi 0,05 maka data tidak berdistribusi normal Priyatno, 2009.
3.4.1.2. Multikolinearitas
Multikolinieritas adalah keadaan dimana antara dua variabel bebas atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna.
Model regresi yang baik mensyaratkan tidak adanya masalah mutikolinearitas. Dampak adanya multikolinearitas antara lain: nilai standard error untuk masing-
masing koefisien menjadi tinggi, sehingga t-hitung menjadi rendah; standard error of estimate akan semakin tinggi dengan bertambahnya variable bebas; serta pengaruh
masing-masing variabel bebas sulit di deteksi Priyatno, 2009. Salah satu cara untuk mendeteksi ada tidaknya multikolinearitas yaitu dengan melihat
nilai Tolerance dan VIF. Dalam kebanyakan penelitian menyebutkan bahwa jika Tolerance lebih besar dari 0,1
dan VIF kurang dari 10 maka tidak terjadi multikolinearitas.
Universitas Sumatera Utara
3.4.1.3. Heteroskedastisitas
Priyatno 2009 menyatakan bahwa heteroskedastisitas adalah keadaan dimana terjadinya ketidaksamaan varian dari residual pada model regresi. Model
regresi yang baik mensyaratkan tidak adanya masalah heterokedastisitas. Heterokedastisitas menyebabkan penaksir atau estimator menjadi tidak efisien dan
nilai koefisien determinasi akan menjadi sangat tinggi. Untuk mengetahui ada tidaknya heteroskedastisitas yaitu dengan melihat pola
titik-titik pada scatter plot regresi. Jika titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi masalah
heterokedastisitas pada model regresi Priyatno, 2009. |ui| = a + b
i
X
i
+ µ |ui| = P
+ P
1
LnX
1
+ P
2
LnX
2
+ P
3
LnX
3
3.4.2. Uji Kesesuaian Model Goodness of Fit
Untuk dapat memperoleh hasil regresi yang terbaik secara statistik yang disebut BLUE Best Linear Unbiased Estimator maka ada beberapa uji siatistik yang
harus dipenuhi yaitu Analisis Koefisien Determinasi R
2
, Uji-F uji simultan, dan Uji-T uji parsial.
3.4.2.1. Analisis Koefisien Determinasi R
2
Koefisien Determinasi R
2
digunakan untuk melihat kekuatan variabel bebas dalam mempengaruhi kekuatan variabel terikat. Koefisien determinasi mempunyai
Universitas Sumatera Utara
range antar nol sampai satu 0 ≤ R
2
≤ 1, semakin besar R
2
mendekati satu maka semakin baik, dan semakin mendekati nol maka variabel bebas secara keseluruhan
tidak bisa menjelaskan faktor fakor yang mempengaruhi produktivitas usahatani padi sawah petani penyewa lahan.
3.4.2.2. Uji –F Uji Serempak
Uji-F digunakan untuk menguji apakah sekelompok variabel bebas secara serempak berpengaruh nyata terhadap faktor faktor yang mempengaruhi produktivitas
usahatani padi sawah petani penyewa lahan sebagai variabel terikat. Hipotesis yang diajukan adalah:
H : variabel bebas secara serempak tidak memiliki pengaruh yang nyata terhadap
variabel terikat. H
1
: variabel bebas secara serempak memiliki pengaruh yang nyata terhadap variabel terikat.
Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai F
hitung
dengan F
tabel
, dengan menggunakan α sebesar 0,05 yaitu dengan kriteria: -
Jika F
hitung
≥ F
tabel
, maka H ditolak.
- Jika F
hitung
F
tabel
, maka H diterima.
3.4.2.3. Uji – T Uji Parsial
Uji-T digunakan untuk menguji nyata atau tidaknya pengaruh variabel bebas secara indiviu terhadap faktor faktor yang mempengaruhi produktivitas usahatani
Universitas Sumatera Utara
padi sawah petani penyewa lahan sebagai variabel terikat. Hipotesis yang diajukan adalah:
H : variabel bebas secara parsial tidak berpengaruh nyata terhadap variabel terikat.
H
1
: variabel bebas secara parsial berpengaruh nyata terhadap variabel terikat. Pengujian hipotesis dapat dilakukan dengan cara membandingkan nilai T
hitung
dengan T
tabel
, dengan menggunakan α sebesar 0,05 yaitu dengan kriteria: -
Jika T
hitung
≥ T
tabel
, maka H ditolak.
- JikaT
hitung
T
tabel
, maka H diterima.
3.5 Definisi dan Batasan Operasional