d. Variabel bebas yang paling berpengaruh
Perhitungan nilai standar koefisien regresi atau
beta coefficients
digunakan untuk mengetahui variabel bebas yang paling berpengaruh. Perhitungan
standar koefisien
regresi dilakukan
untuk variabel-variabel bebas yang secara individual berpengaruh nyata
terhadap variabel tak bebas. Hasil perhitungannya sebagai berikut :
Tabel 25. Hasil Analisis Standar Koefisien Regresi Variabel-variabel
Bebas Variabel
Standar koefisien regresi
Tingkat Harga jagung X
1
0,063 2
Harga beras X
2
0,028 3
Harga ketela pohon X
3
Harga kedelai X
4
0,017 0,001
4 6
Pendapatan perkapita X
5
0,002 5
Jumlah penduduk X
6
2,019 1
Sumber : Diadopsi dari lampiran 4 Berdasarkan Tabel 25 dapat diketahui bahwa variabel jumlah
penduduk X
6
memiliki nilai standar koefisien regresi yang terbesar. Hal ini menunjukkan jumlah penduduk mempunyai pengaruh yang
terbesar terhadap permintaan jagung di Kabupaten Klaten. Sedangkan variabel yang mempunyai pengaruh paling kecil adalah harga kedelai.
2. Uji penyimpangan terhadap asumsi klasik
Agar koefisien-koefisien regresi yang dihasilkan dengan metode OLS
Ordinary Least
Square bersifat BLUE
Best Linier Unbiassed Estimated
, maka asumsi-asumsi persamaan regresi linier klasik harus dipenuhi oleh model. Uji penyimpangan terhadap asumsi klasik yang
dilakukan meliputi uji deteksi multikolinearitas, autokorelasi dan heteroskedastisitas. Berikut ini adalah hasil pengujian model fungsi
permintaan jagung di Kabupaten Klaten terhadap asumsi klasik :
a. Multikolinearitas
Uji deteksi multikolinearitas dilakukan dengan melihat nilai koefisien pada matriks
Pearson Correlations
PC. Dari hasil uji lampiran 3 menunjukkan bahwa tidak terdapat nilai koefisien yang
lebih besar atau sama dengan 0,8 pada matriks
Pearson Correlations
nilai PC 0,8 karena nilai PC yang terbesar adalah 0,730 yaitu nilai antara harga jagung dengan harga beras. Dengan demikian dapat
disimpulkan bahwa antara variabel-variabel bebas tidak terjadi multikolinearitas.
b. Heteroskedastisitas
Uji heteroskedastisitas dilakukan dengan diagram scatterplot. Berdasarkan hasil analisis dapat diketahui pada diagram scatterplot,
titik-titik tidak menyebar secara acak dan tidak membentuk suatu pola tertentu. Oleh karena itu, dapat disimpulkan bahwa pada model regresi
tidak terjadi heteroskedastisitas. c.
Autokorelasi Kriteria asumsi klasik yang ketiga adalah tidak ada autokorelasi
antara kesalahan penganggu. Autokorelasi adalah suatu keadaan dimana kesalahan penggangu dalam periode tertentu berkorelasi
dengan kesalahan penganggu dari periode lainnya. Untuk melihat ada atau tidaknya autokorelasi dapat dilihat dari
nilai Durbin Watson test d, yaitu dengan melihat syarat-syarat sebagai berikut:
1. 1,65 DW 2,35 yang artinya tidak terjadi autokorelasi
2. 1,21 DW 1, 65 atau 2,35 DW 2,79 yang artinya tidak dapat
disimpulkan 3.
DW 1,21 atau DW 2,79 yang artinya terjadi autokorekasi Berdasarkan Uji Durbin watson diperoleh angka sebesar 1,867,
hal ini menunjukkan bahwa tidak terjadinya autokorelasi karena nilai 1,867 terdapat pada syarat pertama yaitu 1,65 1,867 2,35.
Berdasarkan hasil analisis data maka persamaan regresi yang didapatkan adalah sebagai berikut :
Ln Q
d
= – 1,145 – 0,193 Ln X
1
+ 0,078 Ln X
2
+ 0,071 Ln X
3
– 0,007 Ln X
4
+ 0,028 Ln X
5
+ 1,336 Ln X
6
Fungsi permintaan tersebut kemudian dikembalikan ke bentuk asal sehingga bentuknya menjadi :
Q
d
= – 1,145 X
1 – 0,193
. X
2 0,078
. X
3 0,071
. X
4 – 0,007
. X
5 0,028
. X
6 1,336
3. Elastisitas Permintaan Jagung di Kabupaten Klaten