BAB III METODOLOGI PENELITIAN
3.1 Metode Penentuan Daerah Penelitian
Daerah penelitian dipilih secara purposive sengaja yaitu Provinsi Sumatera Utara. Purposive sampling merupakan salah satu teknik pengambilan sampel
yang sering digunakan dalam penelitian. Penelti menentukan sendiri sampel yang diambil karena ada pertimbangan tertentu. Dasar pertimbangan ditunjuk Provinsi
Sumatera Utara sebagai daerah penelitian adalah karena Provinsi Sumatera Utara merupakan salah satu sentra produksi daging sapi dan mudah dijangkau untuk
diteliti. Secara nasional, pada tahun 2011 Indonesia memproduksi sekitar 465.824 ton
daging sapi dengan penyumbang produksi terbesar berada pada Provinsi Jawa Timur. Sumatera Utara berada di peringkat keenam dengan produksi 14.936 ton
daging sapi atau menyumbang sekitar 3,2 produksi daging sapi nasional. Sumatera Utara juga merupakan wilayah kedua terbesar yang memproduksi
daging sapi di Pulau Sumatera.
16
Universitas Sumatera Utara
3.2 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder berupa data time series dari tahun 2002-2012. Adapun jenis dan sumber data yang akan digunakan
dapat dilihat pada tabel berikut:
Tabel 3.2 Spesifikasi Pengumpulan Data No.
Jenis Data Sumber
Metode
1. Jumlah konsumsi
daging sapi Statistik Badan Ketahan
Pangan Provinsi Sumatera Utara
Mencari publikasi Instansi terkait
2. Harga daging sapi,
daging ayam, Dinas Peternakan Provinsi
Sumatera Utara Mencari publikasi
Instansi terkait
3. Jumlah produksi
daging sapi, impor daging sapi
Statistik Dinas Peternakan Provinsi Sumatera Utara dan
Dinas Perdangangan Provinsi Sumatera Utara
Mencari publikasi Instansi terkait
3.3Metode Analisis Data
Untuk menganalisis identifikasi masalah 1 untuk melihat faktor-faktor yang mempengaruhi penawaran daging sapi secara serempak dan parsial diuji dengan
menggunakan Model Analisis Regresi Linier Berganda melalui program SPSS. Data yang dibutuhkan adalah harga daging sapi dan harga daging ayam di
Sumatera Utara , dengan menggunakan rumus :
Y=a+b
1
X
1
+b
2
X
2
+μ
Keterangan : Y = Jumlah daging sapi yang ditawarkan. kgtahun
a = Koefisien intersep b
1
,b
2
,b
n
= Koefisien regresi X
1
= Harga daging sapi Rpkgtahun
Universitas Sumatera Utara
X
2
=Harga daging ayam RpKgtahun μ = Kesalahan pengganggu
• Nilai F Hitung
Kriteria Pengujian : Jika Sig. F 0,1 maka H
diterima dan H
1
ditolak Jika Sig. F
≤ 0,1 maka H ditolak dan H
1
diterima Jika H
o
diterima maka secara serempak faktor-faktor dari X
1
sampai X
3
tidak berpengaruh secara signifikan terhadap Y penawaran
Jika H
1
diterima maka secara serempak faktor-faktor dari X
1
sampai X
3
berpengaruh secara signifikan terhadap Y penawaran
• Nilai t hitung
Seanjutnya dianalisis dengan mengunakan SPSS untuk menguji signifikan nilai koefisien regresi secara parsial yang diperoleh dengan metode OLS adalah
statistik uji t t test . Taraf signifikan α yang digunakan sebesar 0,1
Kriteria Pengujian Jika t hitung
≤ t tabel, maka H diterima, dan dan H
1
ditolak Jika t hitung
≥ t tabel, maka H ditolak, dan dan H
1
diterima Jika H
o
diterima tidak ada pengaruh nyata secara parsial variabel bebas terhadap variabel terikat
Jika H
1
diterima diterima ada pengaruh nyata secara parsial variabel bebas terhadap variabel terikat
Universitas Sumatera Utara
• Koefisien Determinasi
Koefisien determinasi untuk mengukur tingkat ketepatan .Besarnya koefisien determinasi berganda multiple coefficient of correlation simbolnya R
2
. Makin banyak variabel di dalam model, maka semakin naik fungsi tersebut, artinya
makin besar nilai R
2
.Jika R
2
semakin dekat dengan satu, maka semakin cocok regresi untuk meramalkan Y Firdaus, 2004.
• Multikolinearitas
Multikolinearitas mempunyai arti bahwa terdapatnya hubungan linier yang sempurna diantara beberapa atau semua variabel penjelas atau variabel bebas dari
suatu model regresi.Multikolinearitas berkaitan dengan adanya lebih dari satu hubungan linier yang sempurna diantara variabel-variabel penjelas Aroef, 1991.
Ada beberapa cara mendeteksi ada tidaknya multikolinearitas, sebagai berikut: 1. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara individual variabel bebas banyak yang tidak signifikan
mempengaruhi variabel terikat. 2. Menganalisis korelasi di antara variabel bebas. Jika di antara variabel bebas
ada korelasi yang cukup tinggi lebih besar dari 0,90, hal ini merupakan indikasi adanya multikolinearitas.
3. Multikolinearitas dapat juga dilihat dari nilai VIF variance-inflating factor. Jika VIF10, tingkat kolinearitas dapat ditoleransi.
4. Nilai eigenvalue sejumlah satu atau lebih variabel bebas yang mendekati nol menunjukkan adanya multikolinearitas Firdaus, 2004.
Universitas Sumatera Utara
Untuk menganalisis identifikasi masalah 2 dan 3 dianalisis dengan menggunakan analisis trend dengan melihat grafik pertumbuhan yang terbentuk dari data
produksi daging sapi di Provinsi Sumatera Utara dalam kurun waktu 2002-2012. Metode proyeksi untuk memproyeksikan produksi daging sapi pada tahun 2013-
2023 menggunakan metode regresi linear sederhana.Kemudian dianalisa secara deskriptif dengan melihat grafik yang dihasilkan.
Trend dianalisis dengan menggunakan metode regresi linear sederhana dengan menggunakan cara Ordinary Least Square Metode Kuadrat Terkecil yang
menggunakan persamaan garis yang linear tersusun kemudian dapat diramalkan garis trend yang linera untuk masa mendatang. Menurut Pasaribu 1981,
persamaan garis trend linear dapat dibentuk sebagai berikut : Y
= a + bx
Dimana : Y= Produksi daging sapi Kg
a= Koefisien Intercept b= Koefisien Regresi dari x
x= Tahun yang diramalkan dinotasikan dengan angka dimana nilai a dan b dapat dihitung dengan menggunakan rumus-rumus sebagai
berikut : � =
∑�
2
∑�−∑�∑�� �∑�
2
−∑�
2
dan � =
�∑�� −∑�∑� �∑�
2
−∑�
2
Dimana X = -4, -3, -2, -1, 0, 1, 2, 3, 4 ⇒ ∑x = 0
Universitas Sumatera Utara
� =
∑xy ∑�
2
dan � =
∑x
2
∑y n
∑x
2
⇒ a = Ŷ
Menurut Pasaribu 1981, setelah persamaan garis trend yang linear tersusun kemudian dapat diramalkan garis trend linear untuk masa mendatang dengan
persamaan berikut : Y = a + bx
Dimana : Y = Produksi daging sapi kg untuk tahun yang diramalkan
a = Koefisien intercept b = Koefisien regresi dari x
x = Tahun yang drimalkan dinotasikan dengan angka Menurut Ibrahim 2009 melalui proyeksi dengan menggunakan analisis trend
dapat diperkirakan apa yang akan terjadi dimasa yang akan datang apabila tidak ada intervensi terhadap kecendrungan yang ada saat ini.
Universitas Sumatera Utara
3.4 Definisi dan Batasan Operasional
Kategori