Uji Asumsi Klasik ANALISIS DATA DAN PEMBAHASAN

Tabel V.7. Uji Linieritas No. variabel Linearity α Kesimpulan 1 Luas lahanhasil produksi 0,010 0,05 Tidak Linier 2 Biaya produksihasil produksi 0,000 0,05 Linier 3 Jumlah pupukhasil produksi 0,000 0,05 Linier Sumber: Hasil Olah Data Primer, 2012

D. Uji Asumsi Klasik

1. Uji Multikolinearitas

Cara untuk mendeteksi adanya multikolinearitas salah satunya dengan Variance Inflation Factor dan Tolerance, Jika nilai VIF semakin membesar maka diduga ada multikolinearitas, sedangkan jika nilai VIF melebihi angka 10 maka dikatakan ada multikolinearitas. Uji Multikolinearitas dilakukan dengan bantuan SPSS, sebagai berikut : Tabel V.8. Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant Luas Lahan X1 .463 2.162 Biaya Produksi X2 .527 1.899 Jumlah Pupuk X3 .639 1.565 Sumber : Hasil Olah Data Primer, 2012 Berdasarkan output di atas dapat diketahui bahwa nilai toleransi dari ketiga variabel luas lahan 0,463, biaya produksi 0,527, jumlah pupuk 0,639 lebih besar dari 0,1 sedangkan nialai VIF variabel luas lahan 2,162, biaya produksi 1,899, penggunaan pupuk 1,565 ketiga nilai VIF 10 maka dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah Multikolinearitas.

2. Uji Heteroskedastisitas

Uji heterokedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Untuk mengetahui adanya adanya gejala ini maka dapat dilakukan dengan menggunakan teknik uji Glejser. Uji heterokedastisitas dijelaskan dalam tabel berikut: Tabel V.9. Hasil Uji Heterokedesitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 2.045 .128 15.952 .000 Luas Lahan .000 .000 .273 1.946 .062 Biaya Produksi .021 .031 .119 .675 .506 Jumlah Pupuk .007 .003 .550 2.747 .011 a. Dependent Variable: AbSut Sumber : Hasil Olah Data Primer,2012 Dari hasil output di atas diketahui bahwa nilai signifikan variabel Luas Lahan X 1 sebesar 0,062 , Biaya Produksi X 2 sebesar 0,506 dan Jumlah Pupuk X 3 sebesar 0,011 nilai ketiganya 0,05 maka dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah heteroskedastisitas.

3. Uji Autokorelasi

Cara untuk mendeteksi masalah autokorelasi, salah satunya menggunakan uji Durbin-Watson d 2 . Untuk mengetahui ada tidaknya autokorelasi, maka Durbin-Watson mengembangkan distribusi probabilitas yang berbeda. dijelaskan dalam tabel berikut: Tabel V.10. Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .870 a .757 .729 83.213 1.074 a. Predictors: Constant, Jumlah Pupuk, Biaya Produksi, Luas Lahan b. Dependent Variable: Hasil Produksi Sumber: hasil olah data primer, 2012 Dari hasil output di atas diketahui bahwa nilai Durbin-Watson sebesar 1.074 dengan melihat tabel DW pada signifikan 0,05 dengan n=30 jumlah data dan K = 3 untuk d L =1,1624 dan nilai d u = 1,6510, sedangkan nilai 4-d u dan 4-d L masing-masing 1.2138 dan 1,6498. Karena nilai statistik hitung d terletak antara d u dan 4-d u maka dapat dikatakan bahwa 0 d d L mengandung arti Menolak hipotesis nol; ada autokorelasi positif. Jadi dapat disimpulkan tidak memiliki masalah autokorelasi.

E. Analisis Regresi Berganda