Lokasi dan Waktu The Ecology of Rinjani Morel Mushroom (Morchella aff. deliciosa) in Gunung Rinjani National Park-West Nusa Tenggara

22 Model regresi berganda dapat dikatakan bagus jika memenuhi syarat asumsi klasik yaitu normalitas data dan multikolinearitas antar variabel Santoso 2012. Normalitas data dapat diketahui dari nilai Skewness-Kurtosis, histogram distribusi data atau pun Normal Probability Plot. Data berdistribusi normal jika rasio Skewness dan rasio Kurtosis berada di antara nilai –2 hingga +2. Data berdistribusi normal jika berdasarkan histogram distribusi data berbentuk lonceng. Data berdistribusi normal jika berdasarkan Normal Probability Plot, sebaran data terletak mendekati garis uji. Uji multikolinearitas digunakan untuk mendeteksi gangguan multikolinearitas atau deteksi korelasi antar variabel-variabel independen. Adanya multikolinearitas antar variabel dapat diketahui dari nilai VIF Variance Inflation Factor. Menurut Setyadharma 2010 variabel tidak mengalami gejala multikolinearitas jika memiliki nilai hitung VIF 1 atau 10. Multikolinearitas juga dapat diketahui dari nilai Coefficient Correlations. Nilai 0,5 sampai mendekati 1 menandakan terjadi masalah kolinearitas. Jika menggunakan metode Enter variabel yang mengalami masalah kolinearitas harus dikeluarkan secara manual dari analisis dan dipilih salah satu variabel dengan nilai t berdasarkan Tabel Coefficients yang lebih besar yang menandakan variabel tersebut memiliki pengaruh yang lebih kuat terhadap variabel jumlah tubuh buah morel dibandingkan variabel dengan nilai t lebih kecil. Akan tetapi jika menggunakan metode Stepwise hal tersebut tidak perlu dikerjakan karena sistem secara otomatis akan mengeluarkan variabel yang mengalami masalah multikolinearitas. Dalam penelitian ini akan dikerjakan kedua metode tersebut untuk melihat perbedaan output manual dan otomatis di atas. Uji-uji tersebut di atas dilakukan dengan bantuan perangkat lunak IBM SPSS 19. Model persamaan regresi linear berganda dirumuskan sebagai berikut : Dengan y merupakan jumlah tubuh buah morel, x n merupakan variabel prediktor, n merupakan titik observasi ke-n, β merupakan intersep, β n merupakan koefisien regresi linear dari variabel penduga ke-n. Variabel-variabel penduga : x 1 = suhu udara, x 2 = kelembaban udara, x 3 = kelembaban tanah, x 4 = ketinggian tempat,