7.2. Analisis Model Perilaku Penawaran Bawang Merah 7.2.1. Pengujian terhadap Model Penduga
Pengujian terhadap model penduga ini digunakan untuk mengetahui apakah model penduga tersebut sudah tepat dalam menduga parameter dan fungsi.
Adapaun hipotesis yang digunakan adalah: H
0 :
a
1
= a
2
= .... = a
5
= 0 H
1
: minimal ada satu a
n
≠ 0 dan uji statistik yang digunakan adalah uji F. Berdasarkan hasil output SPSS 13.0
diperoleh nilai F-hitung sebesar 29,64 dengan nilai siginifikansinya sebesar 0,000. Jadi berdasarkan nilai tersebut, maka H
ditolak. Hal ini berarti paling sedikit terdapat satu variabel independen X yang digunakan berpengaruh secara
signifikan terhadap variabel dependent, sehingga model yang digunakan tersebut dapat digunakan untuk memperkirakan variabel dependen Y.
Sementara itu, nilai R-sq dari model yang diperoleh adalah sebesar 0,91. Artinya bahwa sumbangan variabel independent X secara bersama-sama
terhadap variasi variabel dependent Y adalah sebesar 91 persen. Dengan kata lain, sebesar 91 persen dari variabel dependent dapat dijelaskan oleh model.
Selebihnya dijelaskan oleh variabel lain diluar model.
7.2.2 Pengujian terhadap Koefisien Regresi
Tujuan pengujian terhadap koefisien regresi adalah untuk mengetahui apakah setiap variabel independent berpengaruh nyata terhadap variabel
dependent. Secara statistik, pengujian terhadap koefisien regresi ini dilakukan dengan melihat nilai t-hitung. Apabila t-hitung lebih besar dari t-tabel atau P-
value lebih kecil dari α P-valueα, berarti variabel independen yang diuji
berpengaruh nyata terhadap variabel dependent. Begitu pula sebaliknya. Adapun hasil pengujian terhadap koefisien regresi dalam penelitian ini dapat dilihat pada
Tabel 27. Sebagaimana yang tercantum pada Tabel 27 tersebut, diketahui bahwa hanya terdapat dua variabel yang berpengaruh nyata pada taraf alfa sebesar
sepuluh persen. Hal ini dikarenakan jenis data yang digunakan merupakan data cross section sehingga terdapat kemungkinan data yang diperoleh tidak jauh
berbeda hampir sama antara satu responden dengan responden lainnya.
Tabel 27. Koefisien Regresi pada Variabel Independen
Variabel B
Std. Error Beta
t hitung Sig.
Constant -19,3748
56,51598 -0,34282
0,733908 Harga
outputX
1
0,000259 0,007237
0,002733 0,035757
0,971691 Variasi harga
ouput X
2
-8,5E-07 8,79E-07
-0,07699 -0,97147
0,338381 Harga bibit
X
3
3,03E-05 3,38E-05
0,073466 0,896857
0,376292 Variasi harga
bibit X
4
-4,2E-11 4,62E-11
-0,08641 -0,91745
0,365564 Harga Urea
X
5
-0,01564 0,014337
-0,08543 -1,09059
0,283352 Harga NPK
X
6
-0,00064 0,00158
-0,02496 -0,40681
0,686777 Harga
TSPX
7
-0,00389 0,005051
-0,04714 -0,76921
0,447237 Harga KCl
X
8
-0,0005 0,001067
-0,02827 -0,46945
0,641839 Biaya obat-
obatan X
9
1,86E-05 1,12E-06
0,912723 16,59424
1,41E-17 Nilai
ekspektasi produksi X
10
0,568418 0,197783
0,245668 2,873938
0,007041 Variasi
produksi X
11
-0,00698 0,006133
-0,10633 -1,13855
0,263088
Dari hasil analisis regresi linier, diketahui bahwa tidak seluruh pengaruh variabel independen terhadap variabel dependen sesuai dengan hasil hipotesis
penelitian ini. Hal ini dapat dilihat pada Tabel 28.
Tabel 28. Perbandingan Hasil Analisis Regresi dengan Hipotesis
Variabel Hipotesis
Hasil analisis regresi Harga X
1
+ +
Variasi harga X
2
- -
Harga bibit X
3
- +
Variasi harga bibit X
4
- -
Harga Urea X
5
- -
Harga NPK X
6
- -
Harga TSP X
7
- -
Harga KCl X
8
- -
Biaya obat-obatan X
9
- +
Nilai ekspektasi produksi X
10
+ +
Variasi produksi X
11
- -
7.2.3. Pengujian terhadap Asumsi
Terdapat beberapa asumsi yang harus dipenuhi dalam menduga sebuah model regresi linier berganda dengan metode OLS, yaitu meliputi asumsi non-
multicollinerity, homoscedasticity, dan non-autocorrelation. Multicollinearity artinya adalah adanya suatu hubungan linear antar variabel independent. Salah
satu aturan praktis yang biasa digunakan untuk mengetahui adanya indikasi multicollinearity adalah dengan melihat nilai VIF pada output SPSS yaitu apabila
nilainya lebih dari tiga puluh. Maka berdasarkan hal tersebut, sesuai dengan nilai ouput dari data yang telah diolah maka model yang diperoleh pada penelitian ini
telah terbebas dari adanya multicollinearity. Model regresi yang diperoleh juga telah memenuhi asumsi non-autocorrelation yaitu dengan melihat nilai statistik
dari uji Durbin Watson yang mendekati dua DW= 2,5. Adapun asumsi homoscedasticity dapat dipenuhi dengan melihat plot residual pada output SPSS.
7.3. Analisis Faktor-faktor yang Mempengaruhi Perilaku Penawaran Bawang Merah
