V. ANALISIS TOTAL FAKTOR PRODUKTIVITAS TANAMAN PANGAN
5.1. Hasil Estimasi Analisis Total Faktor Produktivitas Tanaman Pangan
Di Indonesia Periode 1985-2004 5.1.1. Uji Ekonometrika
Terjadinya multikolinearitas dapat dideteksi dengan melihat correlation matrix
, jika korelasi antar variabel bebas dalam persamaan regresi kurang dari |0.8| rule of thumbs maka disimpulkan bahwa dalam persamaan regresi tidak
terjadi gejala multikolinearitas dan sebaliknya jika coefficient matrix dari |0.8| maka disimpulkan pada persamaan regresi terjadi gejala multikolinearitas. Namun
menurut Uji Klein dalam Gujarati 1978 bahwa gejala multikolinearitas dimana coefficient matrix
rule of thumbs dapat diabaikan jika koefisien determinasi dari koefisien matriknya. Dari tabel 5.1 dapat dilihat bahwa ada coefficient matrix
yang lebih besar dari rule of thumbs namun lebih kecil dari koefisien determinasi model sehingga dapat ditarik kesimpulan bahwa model tersebut tidak mengalami
masalah multikolinearitas.
Tabel 5.1. Uji Multikolinieritas
Q K P L
Q 0.515565
0.100271 1.000000
0.576778 K
0.852339 1.000000
0.100271 0.345218
P 1.000000
0.852339 0.515565
0.586557 L
0.586557 0.345218
0.576778 1.000000
Autokorelasi merupakan pelanggaran asumsi klasik yang menyatakan bahwa dalam pengamatan yang berbeda tidak terdapat korelasi antar error term.
Uji Autokorelasi dapat dilihat pada Tabel 5.2. pengujian autokorelasi pada perangkat Eview’s 4 dapat diketahui melalui serial correlation Lagrange
Multiplier Test , dimana nilai probability obsR-squared harus lebih besar dari
derajat bebas α . Nilai probability obsR-squared pada model persamaan adalah
0,138839 yang artinya bernilai lebih besar dari α = 1 persen. Oleh karena itu,
model persamaan yang digunakan dalam penelitian ini tidak mempunyai masalah autokorelasi.
Tabel 5.2. Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.722135 Probability 0.214450
ObsR-squared 3.948885 Probability
0.138839 Pengujian heteroskedastisitas bertujuan untuk melihat apakah variabel
pengganggu memiliki varians yang sama homoskedastisitas atau dapat juga dikatakan apakah dalam sebuah model regresi berganda terjadi ketidaksamaan
varians residual dari suatu pengamatan ke pengamatan yang lain. Hal ini dapat
diketahui melalui uji white heteroskedasticity, dimana nilai probability obsR- squared pada model persamaan adalah 0.023215 yang artinya bernilai lebih besar
dari α = 1 persen. Oleh karena itu, model persamaan yang digunakan dalam
penelitian ini tidak mempunyai masalah heteroskedastisitas. Pengujian heteroskedastisitas dapat dilihat pada Tabel 5.3.
Tabel 5.3. Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistic 5.923794 Probability 0.003594
ObsR-squared 14.64390 Probability
0.023215 Uji normalitas perlu dilakukan jika data time series n 30. pengujian ini
bertujuan untuk menguji apakah error term terdistribusi secara normal. Uji ini disebut uji Jarque-Bera Test, dimana jika nilai probability Jarque-Bera pada
model lebih besar dari taraf nyata 1 persen yang digunakan maka disimpulkan
bahwa model memiliki error term terdistribusi normal. Sebaliknya jika probability Jarque-Bera
lebih kecil dari taraf nyata yang digunakan maka persamaan memiliki error term yang tidak terdistribusi normal.
1 2
3 4
5 6
7
-0.10 -0.05
0.00 0.05
0.10 Series: Residuals
Sample 1985 2004 Observations 20
Mean 2.37E-16
Median 0.005804
Maximum 0.081143
Minimum -0.103012 Std. Dev.
0.040163 Skewness
-0.513170 Kurtosis
3.740693 Jarque-Bera
1.334999 Probability
0.512990
Gambar 5.1. Uji Normalitas
Dari Gambar 5.1. diperoleh bahwa probability Jarque-Bera taraf nyata yang digunakan. Sehingga disimpulkan bahwa error term terdistribusi secara
normal.
5.2. Estimasi Model Analisis Total Faktor Produktivitas Tanaman Pangan
Kategori