penangkaran swadaya di Desa Naga Kisar yang mana jumlah tersebut cukup untuk mewakili penduduk desa Naga Kisar.Sedangkan data sekunder bersumber
dari studi pustaka dan informasi dari beberapa instansi terkait dan referensi- referensi lainnya berupa makalah, hasil penelitian terdahulu, jurnal dan internet.
3.4. Metode Analisis Data
Untuk mengetahui jumlah petani yang menggunakan banih Sang Hyang Sri dan penangkaran swadaya digunakan pengumpulan data primer dengan menanyai
petani secara langsung. Untuk menghitung hipotesis 1 dan 2
dianalisisdenganmenggunakanrumusregresi linier berganda Gujarati dan Porter, 2011 :
Dimana : Y
= Pendapatan Petani Pengguna Benih Sang Hyang Sri RpKgHa X
11
= Luas Panen Petani Pengguna Benih Sang Hyang Sri Ha X
12
= Biaya Produksi Petani Pengguna Benih Sang Hyang Sri Rp X
13
= Curahan Tenaga Kerja Petani Pengguna Benih Sang Hyang Sri HKP X
14
= Harga Gabah Petani Pengguna Benih Sang Hyang Sri Rp b
1
,b
2
,b
3
= Koefisien Regresi Untuk Masing – Masing Variabel µ
= Kesalahan Pengganggu
Dimana: Y
= Pendapatan Petani Pengguna Benih Penangkaran Swadaya RpKgHa Y = a + b
1
X
11
+ b
2
X
12
+ b
3
X
13
+ b
4
X
14
+ µ
Y = a + b
1
X
21
+ b
2
X
22
+ b
3
X
23
+ b
4
X
24
+ µ
Universitas Sumatera Utara
X
11
= Luas Panen Petani Pengguna Benih Penangkaran Swadaya Ha X
12
= Biaya Produksi Petani Pengguna Benih Penangkaran Swadaya Rp
X
13
= Curahan Tenaga Kerja Petani Pengguna Benih Penangkaran Swadaya HKP
X
14
= Harga Gabah Petani Pengguna Benih Penangkaran Swadaya Rp b
1
,b
2
,b
3
= Koefisien Regresi Untuk Masing – Masing Variabel µ
= Kesalahan Pengganggu
Uji Kesesuaian
Agar dapat memperoleh hasil regresi BLUE Best Linier Unbiased Estimator menurut buku yang dikarang Gujarati dan Porter 2011 terdapat kretirea yang
harus dipenuhi yaitu: 1. Analisis Koefisien Determinasi R
2
Dalam uji linier berganda, koefisisen determinasi digunakan untuk mengetahui presentase sumbangan pengaruh serentak variabel – variable bebas terhadap
variabel terikat.Semakin banyak variabel bebas yang digunakan maka semakin tinggi pula koefisiean determinasinya.
2. Secara Serempak Uji F Uji statistik F pada dasarnya menunjukan apakah semua variabel bebas yang
dimaksud dalam model secara bersama – sama mempengaruhi variabel terikat dengan menggunakan rumus :
F-hitung =
��� ���
=
�
2
�−1 �
1 − �
2
�−� �
Dimana :
Universitas Sumatera Utara
MRS = Mean Square Regression Rata-rata Kuadrat Regresi MSE = Mean Square Error Rata-rata Kuadrat Sisa
R
2
= Koefisisen Determinasi n
= Jumlah Sampel R
2
=
��� ���
Dimana : SSR = Sum Square Regression Jumlah Kuadrat Regresi
SST = Sum Square Total Jumlah Kuadrat Total R
2
= Koefisien Detreminasi Kesimpulan statistik:
Bila nilai signifikansi 0,05 maka H0 ditolak, artinya variabel bebas dalam model secara bersama – sama berpengaruh terhadap variable terikat. Sedangkan
bila nilai signifikansi ≥ 0,05 maka H0 terima yang artinya bahwa variabel bebas
dalam model tidak berpengaruh terhadap variabel terikat. 3. Secara Parsial Uji t
Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh suatu variable indevenden variable bebas secara individual menerangkan variable
dependenvariable terikat. Rumus uji t adalah sebagai berikut:
t-hitung =
�� �� ��
Dimana: bi = Koefisien Regresi
se = Simpanan Baku
Universitas Sumatera Utara
Kesimpulan: Bila nilai signifikansi 0,05 maka H0 ditolak, artinya variable bebas secara nyata
berpengaruh terhadap variable terikat pendapatan. Sekanjutnya untuk mengetahui sejumlah mana variable bebas Xi dapat menjelaskan variable tak
bebas Y digunakan nilai koefisien determinasi R
2
.Salain itu untuk mengetahui keeratan hubungan anter regresor Xi dan regresi Y digunakan koefiseian
korelasi R.
Uji Asumsi Klasik
Pendugaan dengan Metode Kuadrat Terkecil memiliki beberapa persyaratan untuk memperoleh The Best Linear Unbiased Estimated BLUE sehingga dilakukan uji
asumsi klasik. Dalam penelitian ini hanya autokorelasi yang tidak diuji kerena asumsi ini sering terjadi peda penelitian dengan data time series. Sehingga uji
asumsi klasik yang digukan pada penelitian ini adalah: 1. Uji Asumsi Normalitas
Asumsi kenormalan sangat diperlukan dalam mengahadapi sampel kecil untuk keperluan hipotesis.Tujuan uji normalitas adalah untuk mengetahui apakah
distibusi data mengikuti atau mendekati distribusi normal. Untuk menguji normalitas dengan pendekatan grafik digunakan Normal
Probability Plot, yaitu dengan membandingkan distribusi kumulatif data sesungguhnya dengan distribusi kumutatif dari distribusi normal. Jika data
normal, maka garis yang digambarkan data akan mengikuti atau merapat ke garis diagonalnya Gujarati dan Porter, 2011.
2. Uji Asumsi Multikolinieritas
Universitas Sumatera Utara
Istilah kolinieritas sendiri sebenarnya hubungan linier tunggal, sedangkan kolinearitas ganda menunjukan adanya lebih dari satu hubungan linier yagn
sempurna. Untuk mendeteksi adanya multikolinieritas dapat ditinjau dari beberapa hal berikut :
1. nilai toleransi lebih kecil dari 0,1 2. nilai VIF lebih besar dari 10
3. R
2
= 1 Jika terjadi masalah multikmolinearias maka dapat dilakukan beberapa metode
untuk mengatasinya yaitu: 1. Memperbesar ukuran sampel
2. Menggunakan data cross-section 3. Dengan menghilangkan salah satu atau lebih variable bebas Gujarati dan
Porter, 2011. Hipotesis 3 dan 4 dianalisis dengan menggunakan metode uji beda rata-rata
dengan rumus sebagai berikut Kusmantoroadji, 1994: H
:
µ
1
µ
2,
terdapat perbedaan produksi dan pendapatan antara benih Sang Hyang Sri dengan benih penangkaran swadaya
H
1
:
µ
1
=
µ
2,
tidak terdapat perbedaan produksi dan pendapatan antara benih Sang Hyang Sri dengan benih penangkaran swadaya
Dimana :
µ
1
= Variabel 1 benih Sang Hyang Sri
µ
2
= Variable 2 benih penangkaran swadaya
Universitas Sumatera Utara
t
1
=
X
1
−
X
2
�
� 1−1�12+�2−1�22 � 1+�2−2
1 �1
+
1 �2
Dimana : t
1
: Produksi
X
1
: rata-rata produktifitas pengguna bibit Sang Hyang Sri
X
2
: rata-rata produktifitas pengguna bibit penangkaran S
1
: Standart devisiasi pengguna bibit Sang Hyang Sri S
2
: Standart devisiasi pengguna bibit penangkaran n
1
: Jumlah sampel pengguna bibit Sang Hyang Sri n
2
: Jumlah sampel pengguna bibit penangkaran Kriteria uji:
t-hitung ≤ t-tabel atau nilai signifikansi ≥ 0,05 maka Hipotesis H
diterima t-hitung t-tabel atau nilai signifikansi 0,05 Hipotesis H
1
diterima Hipotesi :
H : Tidak ada perbedaan produksi antara petani pengguna benih Sang Hyang Sri
dengan petani pengguna benih penangkaran H
1
: Adanya perbedaan produksi antara petani pengguna benihSang Hyang Sri dengan petani pengguna benih penangkaran
t
2
=
X
1
−
X
2
�
�1−1�12+�2−1�22 �1+�2−2
1 �1
+
1 �2
Dimana :
Universitas Sumatera Utara
t
2
: pendapatan
X
1
: rata-rata pendapatan usahatani pengguna bibit Sang Hyang Sri
X
2
: rata-rata pendapatan usahatani pengguna bibit penangkaran S
1
: Standart devisiasi pengguna bibit Sang Hyang Sri S
2
: Standart devisiasi pengguna bibit penangkaran n
1
: Jumlah sampel pengguna bibit Sang Hyang Sri n
2
: Jumlah sampel pengguna bibit penangkaran Kriteria uji:
t-hitung ≤ t-tabel atau nilai signifikansi ≥ 0,05 Hipotesis H
diterima t-hitung t-tabel atau nilai signifikansi 0,05 Hipotesis H
1
ditolak Hipotesi :
H : Tidak ada perbedaan pendapatan antara petani pengguna benih Sang Hyang
Sri dengan petani pengguna benih penangkaran H
1
: Adanya perbedaan pendapatan antara petani pengguna benihSang Hyang Sri dengan petani pengguna benih penangkaran
3.5. Defenisi dan Batasan operasional
