Pada tahun 2022 ini harga beras cenderung mengalami kenaikan. Hal ini dipicu oleh beberapa hal seperti adanya isu krisis pangan yang melanda dunia sebagai akibat adanya perang antara Rusia dan Ukraina. Penyebab lain harga beras yang tinggi adalah tingginya harga gabah kering panen (GKP) dan Gabah kering giling (GKG) di tingkat produsen (petani) sehigga membuat harga beras juga tinggi.
Untuk mengetahui hubungan antara harga beras medium dengan harga GKP dan GKG maka dilakukan analisis dengan menggunakan metode regresi linear.
Analisis strategi perkembangan pasar melalui metode regresi linear sederhana menggunakan SPSS dilakukan pada komoditas beras medium Kabupaten Jepara selama periode Januari-Desember 2022 diperoleh hasil sebagai berikut :
Tabel Anova digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.) Cara yang paling mudah dengan uji Sig, dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel anova diatas, diperoleh nilai Sig. = 0,000 yang berarti < kriteria signifikan (0,05), artinya Tolak H0. Maka sebagaimana dasar pengambilan keputusan dalam uji F dapat disimpulkan bahwa harga GKP (X1) dan harga GKG (X2) secara simultan (besama-sama) berpengaruh terhadap harga beras medium (Y) atau berarti signifikan.
Uji t bertujuan untuk mengetahui apakah variabel bebas atau variabel independen (X) secara parsial (sendiri-sendiri) berpengaruh terhadap variabel terikat atau variabel dependen (Y).
Dari tabel Coefficients di atas, kita akan melakukan uji untuk mengetahui apakah harga GKP (X1) dan harga GKG (X2) secara parsial berpengaruh terhadap variabel Harga beras medium (Y). Adapun hipotesis yang kita ajukan dalam penelitian ini adalah:
- H1 atau hipotes pertama : ada pengaruh harga GKP (X1) terhadap Beras Medium (Y).
- H2 atau hipotesis kedua : ada pengaruh harga GKG (X2) terhadap Beras Medium (Y).
Berdasarkan Nilai Signifikansi (Sig.)
- Jika nilai Signifikansi (Sig). < probabilitas 0,05 maka ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis diterima.
- Jika nilai Signifikansi (Sig). > probabilitas 0,05 maka tidak ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis ditolak.
Berdasarkan tabel di atas diketahui nilai Signifikansi (Sig) variabel harga GKP (X1) adalah sebesar 0,418. Karena nilai Sig. 0,418 > probabilitas 0,05 maka dapat disimpulkan bahwa H1 atau hipotesis pertama ditolak. Artinya tidak ada pengaruh harga GKP (X1) terhadap harga beras medium (Y).
Nilai Sig variable harga GKG (X2) adalah sebesar 0,000. Karena nilai Sig 0,000 < probabilitas 0,05 maka dapat disimpulkan bahwa H2 atau hipotesis kedua diterima. Artinya ada pengaruh harga GKHG (X2) terhadap harga beras medium (Y). Berdasarkan tabel ini diperoleh model persamaan regresi :
Y = a + b1X1 + b2X2 atau
Y = 1439 – 0, 154X1 + 1,392 X2).
Langkah berikutnya adalah melihat berapa persen (%) pengaruh yang diberikan variabel harga GKP (X1) dan variabel harga GKG (X2) secara simultan (bersama-sama) terhadap variabel harga beras medium (Y). Dalam hal ini kita mengacu pada nilai R Square yang terdapat dalam hasil analisis regresi linear berganda, yakni pada tabel “Model Summary” berikut ini.
Berdasarkan tabel output Model Summary di atas, diketahui nilai koefisien determinasi atau R Square adalah sebesar 0,917. Besarnya angka koefisien determinasi (R Square) adalah 0,917 atau sama dengan 91,7%. Angka tersebut mengandung arti bahwa variabel harga GKP (X1) dan variabel harga GKG (X2) secara simultan (bersama-sama) berpengaruh terhadap variabel harga beras medium (Y) sebesar 91,7%, sisanya sebesar 8,3% dipengaruhi oleh variable lainnya. Pada analisis diatas nilai korelasi adalah 0,957. Nilai ini dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori sangat kuat.
Besarnya nilai koefisien determinasi atau R Square ini umunya berkisar antara 0-1. Namun demikian, jika dalam sebuah penelitian kita jumpai R Square bernilai minus atau negatif (-), maka dapat dikatakan bahwa tidak terdapat pengaruh variabel X terhadap variabel Y. Selanjutnya, semakin kecil nilai koefisien determinasi (R Square), maka ini artinya pengaruh variabel bebas (X) terhadap variabel terikat (Y) semakin lemah. Sebaliknya, jika nilal R Square semakin mendekati angka 1, maka pengaruh tersebut akan semakin kuat. (Tri Wulandari)
