Uji penyimpangan terhadap asumsi klasik

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