4.5.2. Konsumsi Beras a.
Normalitas
Gambar 4.2. Hasil Analisis Jarque-Bera Konsumsi Beras
Berdasarkan hasil analisis diperoleh nilai Jarque-Bera sebesar 0.7718 dengan probabilitas 0.6798, yang berarti bahwa residual data berdistribusi normal.
b. Autokorelasi
Tabel 4.9. Correlation Test
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 4.672240 Prob. F2,9
0.0406 ObsR-squared
7.131449 Prob. Chi-Square2 0.0283
Berdasarkan hasil analisis diperoleh nilai LM Test sebesar 7.1314 dengan
probabilitas 0.0283, yang berarti bahwa di dalam model ditemukan adanya masalah autokorelasi.
1 2
3 4
-0.020 -0.015
-0.010 -0.005
0.000 0.005
0.010 0.015
0.020
Series: Residuals Sample 2004S1 2010S2
Observations 14
Mean 8.24e-16
Median 0.000337
Maximum 0.015385
Minimum -0.016179
Std. Dev. 0.010296
Skewness -0.081082
Kurtosis 1.861252
Jarque-Bera 0.771776
Probability 0.679847
Universitas Sumatera Utara
c. Heteroskedastisitas
Tabel 4.10. Uji Glejser
Heteroskedasticity Test: Glejser
F-statistic 0.269290 Prob. F2,11
0.7688 ObsR-squared
0.653470 Prob. Chi-Square2 0.7213
Scaled explained SS 0.371452 Prob. Chi-Square2
0.8305
Berdasarkan hasil analisis diperoleh nilai ObsR-squared X
2
Berdasarkan uji asumsi klasik tersebut, diketahui bahwa model estimasi melanggar uji autokorelasi, artinya bahwa data pada periode t dipengaruhi oleh
data periode sebelumnya t-1. Dengan demikian model estimasi yang diperoleh dalam penelitian ini tidak dapat dipergunakan untuk menduga konsumsi beras di
Kabupaten Deli Serdang. sebesar 0.6535
dengan probabilitas 0.7213, yang berarti bahwa di dalam model tidak ditemukan adanya masalah heteroskedastisitas.
4.5.3. Harga Eceran Beras a.
Normalitas
Universitas Sumatera Utara
Gambar 4.3. Hasil Analisis Jarque-Bera Harga Eceran Beras
Berdasarkan hasil analisis diperoleh nilai Jarque-Bera sebesar 47.076 dengan probabilitas 0.00, yang berarti bahwa residual data berdistribusi tidak normal.
b. Autokorelasi
Tabel 4.11. Correlation Test
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.320649 Prob. F2,7 0.7358
ObsR-squared 1.091028 Prob. Chi-Square2
0.5795
Berdasarkan hasil analisis diperoleh nilai LM Test sebesar 1.091 dengan probabilitas 0.5795, yang berarti bahwa di dalam model tidak ditemukan
adanya masalah autokorelasi.
2 4
6 8
10 12
-0.20 -0.15
-0.10 -0.05
0.00 0.05
Series: Residuals Sample 2004S2 2010S2
Observations 13 Mean
5.46e-16 Median
0.016037 Maximum
0.031856 Minimum
-0.184126 Std. Dev.
0.056489 Skewness
-2.950889 Kurtosis
10.21655 Jarque-Bera
47.07603 Probability
0.000000
Universitas Sumatera Utara
c. Heteroskedastisitas
Tabel 4.12. Uji Glejser
Heteroskedasticity Test: Glejser F-statistic
0.080061 Prob. F3,9 0.9692
ObsR-squared 0.337915 Prob. Chi-Square3
0.9527 Scaled explained SS
0.457484 Prob. Chi-Square3 0.9281
Berdasarkan hasil analisis diperoleh nilai ObsR-squared X
2
Berdasarkan uji asumsi klasik tersebut, diketahui bahwa model estimasi melanggar uji normalitas, artinya bahwa residual data berdistribusi tidak normal.
Dengan demikian model estimasi yang diperoleh dalam penelitian ini tidak dapat dipergunakan untuk menduga harga eceran beras di Kabupaten Deli Serdang.
sebesar 0.3379 dengan probabilitas 0.9527, yang berarti bahwa di dalam model tidak
ditemukan adanya masalah heteroskedastisitas.
4.6. Keterkaitan Ketersediaan Beras dengan Pengembangan Wilayah
Kategori