Regresi Linear dan Non Linear

April 25, 2018 | Author: Fika Andita Riani | Category: N/A
Share Embed Donate


Short Description

Regresi Linear dan Non Linear...

Description

“REGRESI LINEAR DAN NON LINEAR”

Disusun untuk Melengkapi Tugas Individu Mata Kuliah Metode Kuantitatif

Disusun oleh:

Fika Andita Riani

115040100111186

UNIVERSITAS BRAWIJAYA FAKULTAS PERTANIAN PROGRAM STUDI AGRIBISNIS MALANG 2014

1

I.

PENDAHULUAN

1.1. Latar Belakang

Beras merupakan salah satu padi-padian paling penting di dunia untuk konsumsi manusia. Beras merupakan makanan pokok di Indonesia. Sebanyak 75% masukan kalori harian masyarakat di negara-negara Asia tersebut berasal dari beras. Mengingat perannya sebagai komoditas pangan utama masyarakat Indonesia, tercapainya kecukupan produksi  beras nasional sangat penting sebagai salah sala h satu faktor yang meproduk marjinalengaruhi terwujudnya ketahanan pangan nasional. Beras sebagai bahan makanan pokok tampaknya tetap mendominasi pola makan orang Indonesia. Hal ini terlihat dari tingkat  partisipasi konsumsi di Indonesia yang masih diatas 95% (Fajar Andi Marjuki, 2008). 2008). Untuk produksi padi, di Indonesia memiliki beberapa provinsi yang menjadi kantong-kantong penyedia padi, salah satunya adalah propinsi Jawa Tengah. Sebagai kantong produksi padi nasional, produktivitas lahan di Jawa Tengah untuk komoditas  beras sangat tinggi. Selain itu Jawa Tengah maproduk marjinalu surplus produksi, dimana kebutuhan beras di Jawa Tengah tercukupi dan bahkan maproduk marjinalu memasok kekurangan beras nasional. Produksi padi Jawa Tengah memberikan kontribusi antara 15-17% terhadap produksi beras nasional, sehingga perubahan yang terjadi dalam kuantitas produksinya akan meproduk marjinalengaruhi secara signifikan ketersediaan  beras di tingkat nasional (Rizal Zulmi, 2011). Lahan adalah bagian dari bentang alam (landscape) yang mencakup pengertian lingkungan fisik (iklim, topografi, hidrologi, bahkan keadaan fegetasi alami) yang semuanya secara potensial akan berpengaruh terhadap penggunaan lahan. Penggunaan lahan dapat dikelompokkan ke dalam dua golongan besar yaitu penggunaan lahan  pertanian dan penggunaan lahan bukan pertanian. Pengunaan lahan yang paling luas adalah untuk sektor pertanian yang meliputi penggunaan untuk pertanian tanaman  pangan pertanian tanaman keras untuk kehutanan maupun untuk padang penggembalaan dan perikanan. Oleh karna itu lahan memiliki nilai ekonomis dan nilai pasar yang tinggi karena menghasilkan barang-barang pemuas kebutuhan manusia akibat semakin meningkatnya jumlah penduduk dan perkembangan dibidang ekonomi (Arsyad, 1989). Menurut Swastika et al (2007), salah satu penyebab berfluktuasinya produksi  padi nasional antara lain yaitu konversi lahan (sawah irigasi dan tadah hujan) menjadi areal pemukiman terus berlangsung di Pulau Jawa mengakibatkan pertumbuhan produksi  padi cenderung menurun. Ironisnya, laju konversi lahan pertanian tidak bisa dikurangi,

2

 bahkan terus meningkat dari tahun ke tahun. Hal ini sejalan dengan pesatnya pes atnya urbanisasi yang didorong oleh peningkatan pendapatan per kapita dan imigrasi dari pedesaan ke  perkotaan serta industrialisasi. Luas lahan sangat mempengaruhi produksi beras. Apabila luas lahan semakin luas maka produksi beras akan semakin meningkat. Sebaliknya apabila luas lahan semakin seproduk marjinalit maka produksi beras akan semakin sedikit. Keberadaan lahan sangat penting penting dalam menunjang kegiatan produksi hasil pertanian. Oleh karena itu, dalam praktikum metode kuantitatif ini akan membahas sebaran data luas lahan dan  produksi total beras serta seberapa besar pengaruh luas lahan terhadap produksi total  beras.

1.2. Tujuan

1. Untuk mengetahui tingkat distribusi normalitas data produksi total beras 2. Untuk mengetahui hubungan dan seberapa besar pengaruh hubungan antara luas lahan dengan produksi total beras

3

II.

METODE

2.1. Uji Normalitas

Uji normalitas adalah uji untuk mengukur apakah data yang didapatkan memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data eproduk marjinalirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik (Ilham Guntara, 2013). Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasn ya) dengan distribusi normal  baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat  perbedaan yang signifikan atau terdistribiusi tidak normal. Sedangkan j ika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan signifikan antara data yang akan diuji dengan data normal baku, artinya data yang diuji bernilai normal (Ilham Guntara, 2013).

2.2. Analisis Korelasi

Menurut Walpole (1995), analisis korelasi adalah metode statistika yang digunakan untuk mengukur besarnya hubungan linear antara dua variabel atau lebih. Korelasi dilambangkan dengan r dengan ketentuan nilai r berkisar antara - 1≤ r ≤ 1. 1. Artinya, jika nilai korelasi mendekati 1 atau -1 berarti hubungan antara 2 variabel semakin kuat, sebaliknya jika nilai korelasi mendekati nol berarti hubungan antara 2 variabel semakin lemah. Nilai positif menunjukkan hubungan yang searah yang menunjukkan jika variabel x naik maka variabel y juga akan naik dan nilai negatif menunjukkan hubungan terbalik yang menunjukkan jika variabel x naik maka variabel y akan turun.

4

Tabel 1. Tingkat Hubungan Koefisien Korelasi Interval Koefisien 0,800 –  0,800 – 1,000 1,000

Tingkat Hubungan Sangat Kuat

0,600 –  0,600 – 0,799 0,799 0,400 –  0,400 – 0,599 0,599 0,200 –  0,200 – 0,399 0,399

Kuat Cukup Kuat Lemah

0,000 –  0,000 – 0,199 0,199

Sangat Lemah Sumber: Sugiyono, 2007

Dasar pengambilan keputusan dalam analisis korelasi adalah sebagai berikut: a. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai  probabilitas Sig (0,05 ≤ Sig) maka H0 diterima dan H1 ditolak, artinya tidak signifikan.  b. Jika nilai probabilitas 0,05 lebih besar dengan nilai probabilitas Sig (0,05 > Sig) maka H0 ditolak dan H1 diterima, artinya signifikan.

2.3. Analisis Regresi

Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai  bidang. Analisis tersebut bertujuan untuk mengetahui mengetahui hubungan antara variabel dependen dan variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang pertama adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara dua variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah regresi linier berganda yang merupakan model regresi linier dengan satu variabel dependen dan lebih dari satu variabel independen. Tipe ketiga adalah regresi non linier yang berasumsi bahwa hubungan antara variabel dependen dan variabel independen tidak linier pada parameter regresinya (Jurnal Universitas Diponogoro, 2011). 2.3.1. Regresi Linear

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui  pengaruh antara antar a satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen (Gujarati, 1995). Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer 5

yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions). 2.3.2. Regresi Non Linear

Regresi non linier ialah bentuk hubungan atau fungsi di mana variabel  bebas X dan atau variabel tak bebas Y dapat berfungsi ber fungsi sebagai faktor atau variabel dengan pangkat tertentu. Selain itu, variabel bebas X dan atau variabel tak bebas Y dapat berfungsi sebagai penyebut (fungsi pecahan), maupun variabel X dan atau variabel Y dapat berfungsi sebagai pangkat fungsi eksponen atau fungsi  perpangkatan (Vihyuga, 2011). 2011).

2.4. Metode dalam SPSS 2.4.1. Uji Normalitas

Masukkan data yang akan dianalisis dalam SPSS

Klik Variabel View lalu ubah nama menjadi nama variabel yang digunakan

Klik Analyze

Klik Descriptive statistic

Klik Explore

Masukkan variabel  produksi dan luas lahan ke dalam kotak Dependent List

Klik plots

Klik normality  plots with test

Klik continue

Klik OK

Tabel 2. Metode Uji Normalitas pada SPSS

6

2.4.2. Analisis Korelasi

Klik Analyze

Klik Correlate

Pada kolom Correlation Coefficients, klik Pearson

Klik Bivariate

Pada kolom Test of Significance, pilih option Two-tailed

Masukkan variabel  produksi dan luas lahan ke dalam kolom Variables

Klik Ok

Tabel 3. Metode Analisis Korelasi pada SPSS 2.4.3. Analisis Regresi 2.4.3.1. Regresi Linear

Klik Analyze

Klik Regression

Klik Linear

Masukkan variabel produksi ke kolom dependent

Masukkan variabel luas lahan ke kolom independend

Klik OK

Tabel 4. Metode Analisis Regresi Linear pada SPSS 2.4.3.2. Regresi Non Linear

Masukkan data variabel ln  produksi dan ln luas lahan yang akan dianalisis dalam SPSS

Masukkan kolom  baru pada Ms. Excel untuk mencari ln (double logaritma)  pada tiap variabel

Klik Analyze

Klik Regression

Masukkan variabel ln  produksi ke kolom dependent

Masukkan ln luas lahan ke kolom independent

Klik Variabel View lalu ubah nama menjadi nama variable yang digunakan

Klik Linear

Tabel 5. Metode Analisis Regresi Non Linear pada SPSS

7

III.

HASIL DAN PEMBAHASAN

3.1. Uji Normalitas

Pada tabel uji normalitas terdapat dua metode yaitu Kolmogorov-Smimov dan Shapiro-Wilk. Pada metode Kolmogorov dapat diketahui tingkat signifikansi produksi total beras sebesar 0,032 dan tingkat signifikansi luas lahan sebesar 0,014. Ketentuan  pada uji normalitas adalah apabila tingkat signifikansinya lebih besar dari ∂ =  0,01 (1%), maka sebaran data terdistribusi secara normal. Karena tingkat signifikansi untuk variabel  produksi dan variabel luas lahan lebih kecil dari 0,01 berarti data yang akan diuji atau dianalisis terdistribusi secara normal. Hal ini juga dapat dibuktikan pada grafik dalam uji normalitas, bila data yang dianalisis terdistribusi secara normal. Pada grafik didapatkan  bahwa titik sebaran mendekati garis lurus.

3.2. Analisis Korelasi

Berdasarkan hasil analisis korelasi dapat diketahui bahwa jumlah data yang digunakan pada total produksi beras dengan luas lahan masing-masing sebanyak 13 data. Dari hasil analisis korelasi juga dapat dilihat bahwa total produksi beras memiliki koefisien korelasi sebesar 0,989 dengan tingkat kesalahan 0,000 yang signifikan terhadap tingkat kesalahan ∂ =0,05. =0,05 . Hal ini berarti angka 0,989 menunjukkan bahwa 98,9% variable-variabel pada tabel memiliki hubungan positif yang kuat antara total produksi  beras dengan luas lahan. Jadi, dapat disimpulkan bahwa antar total produksi beras dengan luas lahan terdapat hubungan yang signifikan, maka berarti menolak H 0  dan terima Ha. Dengan kata lain, jika nilai variabel total produksi beras tinggi maka nilai luas lahan juga tinggi, dan demikian juga sebaliknya.

3.3. Analisis Regresi 3.3.1. Regresi Linear

Pada regresi linear didapatkan hasil pada tabel Model Summary merupakan hasil uji R square untuk mengetahui besar variabel x meproduk marjinalengaruhi variabel y. Luas lahan merupakan variabel independent yang mempengaruhi variabel produksi total beras. Pada tabel hasil dari uji R square sebesar 0,978 (97,8%). (97,8%). Ini menunjukkan bahwa 97,8% variabel luas lahan dapat dapat dijelaskan oleh variabel produksi total, sedangkan sisanya 2,2% dijelaskan oleh variabel lain di luar model. 8

Pada tabel Anova b  merupakan hasil uji F untuk menguji signifikansi koefisien regresi. Dari hasil perhitungan Anova b didapatkan nilai F hitung sebesar 498,245 dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data tersebut sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas maupun terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras dan variabel luas lahan. df1 = k –  k –  1  1 = 2 (jumlah variabel) –  variabel)  –  1  1 = 1 df2 = n –  n –  k  k = 13 (jumlah saproduk marjinalel) –  marjinalel)  –  2  2 = 11 Jika pengujian dilakukan pada α = 5%, maka m aka nilai F tabel adalah 4,84. Dari hasil uji F didapatkan F hitung = 498,245 sedangkan F tabel = 4,84. Dari hasil tersebut menunjukkan jika F hitung > Ftabel. Jadi, kesimpulan yang didapat adalah Ha diterima dan H0 ditolak yang ditolak  yang artinya produksi total beras berpengaruh secara signifikan terhadap luas lahan. Dengan demikian model tersebut dapat diterima sebagai penduga yang baik dan layak untuk digunakan. Pada tabel Coefficientsa  merupakan uji t untuk menguji signifikansi terhadap variabel. Dari hasil tabel Coefficientsa  didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 9,053 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 9,053%. Misal:

Hipotesis 1 : luas lahan berpengaruh positif terhadap produksi total  beras Hipotesis 2: luas lahan berpengaruh terhadap produksi total beras beras

Jumlah observasi (responden) yang digunakan untuk membentuk persamaan ini sebanyak 13.

Pengujian hipotesis hipo tesis dengan α = 5%. Sedangkan derajat bebas b ebas

 pengujian adalah n –  n –  k  k = 13 –  13 –  2  2 = 11. Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total  beras.  beras. Pengujian dengan α = 5 %. Hipotesis kedua:   luas lahan berpengaruh terhadap produksi total beras. Pengujian juga dengan α = 5 %. Untuk hipotesis  pertama, karena uji satu arah, maka lihat pada df satu sisi, sis i, sedangkan df nya = 11.  Nilai tabel t = 1,796. Untuk hipotesis kedua, karena kare na uji dua arah, maka lihat pada df dua sisi diatas, dengan df = 11 maka nilai tabel t = 2,201. Dari hasil uji t untuk hipotesis pertama diatas didapatkan t

hitung

= 22,321

sedangkan t tabel = 1,796. Dari hasil tersebut menunjukkan bahwa thitung > ttabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas 9

lahan mempunyai pengaruh yang signifikan terhadap produksi total beras atau semakin tinggi luas lahan semakin tinggi produksi total beras. Dari hasil uji t untuk hipotesis kedua diatas didapatkan t

hitung

= 22,321

sedangkan t tabel = 2,201. Dari hasil tersebut menunjukkan bahwa thitung > ttabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi total beras. Pada uji t, juga didapatkan fungsi model sebagai berikut: Y = α + β1X β1X Y = -5,293E7 + 9,053X Jadi, konstanta sebesar -5,293E7 menyatakan bahwa ketika luas lahan sama dengan nol maka produksi total beras akan menurun sebesar 5,293E7 unit. Sedangkan koefisien regresi X sebesar 9,053 menyatakan bahwa setiap kenaikan luas lahan sebesar 1 unit maka akan meningkatkan produksi total beras sebesar 9,053 unit. 3.3.2. Regresi Non Linear

Pada regresi non linear didapatkan hasil pada tabel Model Summary merupakan hasil uji R square untuk mengetahui besar variabel x meproduk marjinalengaruhi variabel y. Pada tabel hasil dari uji R square sebesar 0,974 (97,4%). Ini menunjukkan bahwa 97,4% variabel luas lahan dapat dijelaskan oleh variabel produksi total, sedangkan sisanya 2,6% dijelaskan oleh variabel lain di luar model. Pada tabel Anova b atau uji F didapatkan nilai F hitung sebesar 416,103 dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data tersebut sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas maupun terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras dan variabel luas lahan. df1 = k –  k –  1  1 = 2 (jumlah variabel) –  variabel)  –  1  1 = 1 df2 = n –  n –  k  k = 13 (jumlah saproduk marjinalel) –  marjinalel)  –  2  2 = 11 Jika pengujian dilakukan pada α = 5%, maka m aka nilai F tabel adalah 4,84. Dari hasil uji F didapatkan F hitung = 416,103 sedangkan F tabel = 4,84. Dari hasil tersebut menunjukkan jika F hitung > Ftabel. Jadi, kesimpulan yang didapat adalah Ha diterima dan H0 ditolak yang ditolak  yang artinya produksi total beras berpengaruh secara signifikan terhadap luas lahan. Dengan demikian model tersebut dapat diterima sebagai penduga yang baik dan layak untuk digunakan.

10

Pada tabel Coefficientsa atau uji t, didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 1,850%. Misal:

Hipotesis 1 : luas lahan berpengaruh positif terhadap produksi total  beras Hipotesis 2: luas lahan berpengaruh terhadap produksi total beras beras Jumlah observasi (responden) yang digunakan untuk membentuk

 persamaan ini sebanyak 13.

Pengujian hipotesis dengan α = 5%. Sedangkan

derajat bebas pengujian adalah n –  n  –  k  k = 13 –  13 –  2  2 = 11. Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total  beras. Pengujian dengan α = 5 %. Hipotesis kedua: luas lahan berpengaruh terhadap produksi produksi total beras. Pengujian juga dengan α = 5 %. Untuk hipotesis  pertama, karena uji satu arah, maka ma ka lihat pada df satu sisi, sedangkan df nya = 11 makan nilai tabel t = 1,796. Untuk hipotesis kedua, karena uji dua arah, maka lihat  pada df dua sisi diatas, dengan df = 11 maka nilai nilai tabel t = 2,201. Dari hasil uji t untuk hipotesis hipotesis pertama diatas didapatkan t hitung

=

20,399 sedangkan t tabel = 1,796. Dari hasil tersebut menunjukkan bahwa t hitung > t tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi total beras atau semakin tinggi ti nggi luas lahan semakin tinggi produksi total beras. Dari hasil uji t untuk hipotesis hipotesis kedua diatas didapatkan t hitung = 20,399 sedangkan t tabel = 2,201. Dari hasil tersebut menunjukkan bahwa t hitung > t tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi total beras. Pada uji t, juga didapatkan fungsi model sebagai berikut: Y = α + β1X β1X Y = -12,331 + 1,850X Jadi, konstanta sebesar -12,331 menyatakan bahwa ketika luas lahan sama dengan nol maka produksi total beras akan menurun sebesar 12,331 unit. Sedangkan koefisien regresi X sebesar 1,850 menyatakan bahwa setiap kenaikan luas lahan sebesar 1 unit maka akan meningkatkan produksi total beras sebesar 1,850 unit. 11

IV.

KESIMPULAN

Pada analisis yang telah dilakukan didapatkan kesimpulan sebagai berikut: 1. Dari uji normalitas menunjukkan bahwa tingkat signifikansi produksi total beras sebesar 0,032 signifikan pada tingkat kesalahan 0,05 (5%) maka data yang diuji terdistribusi secara normal. 2. Dari analisis analisis korelasi, dapat dapat diketahui diketahui bahawa bahawa total produksi produksi beras beras memiliki koefisien korelasi sebesar 0,989 dengan tingkat kesalahan 0,000 yang berarti angka 0,989 menunjukkan bahwa 98,9% variable-variabel pada tabel memiliki hubungan erat dan  positif yang kuat antara total produksi beras dengan luas lahan. 3. Dari analisis regresi linier didapatkan hasil dari uji R square sebesar 0,978 (97,8%). Ini menunjukkan bahwa 97,8% variabel luas lahan dapat dijelaskan oleh variabel produksi total, sedangkan sisanya 2,2% dijelaskan oleh variabel lain di luar model. Dari hasil uji F didapatkan Fhitung = 498,245 sedangkan F tabel = 4,84 yang menunjukkan jika F hitung > Ftabel. Artinya model tersebut dapat diterima sebagai penduga yang baik dan layak untuk digunakan. Dari hasil uji t didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 9,053 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 9,053%. 4. Dari analisis regresi non-linear didapatkan hasil dari uji R square sebesar 0,974 (97,4%). Ini

menunjukkan bahwa 97,4% 97,4% variabel luas lahan dapat dijelaskan oleh variabel

 produksi total, sedangkan sisanya 2,6% dijelaskan oleh variabel lain di luar model. Dari hasil uji F didapatkan F hitung = 416,103 sedangkan F tabel = 4,84. Dari hasil tersebut menunjukkan jika F hitung > F tabel. Artinya model tersebut dapat diterima sebagai penduga yang baik dan layak untuk digunakan. Dari hasil uji t didapatkan didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 1,850%.

12

DAFTAR PUSTAKA

Arsyad S., 1989. Konservasi 1989.  Konservasi Tanah dan Air . IPB Press, Bogor. Gujarati, Damodar. 1995. Ekonometrika 1995.  Ekonometrika Dasar. Jakarta: Erlangga. Guntara,

Ilham.

2013.

Uji

Normalitas. Normalitas.

htproduk

total://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.html. Diakses pada 21 Maret 2014. Hertanto,

Hendrik

Bobbi.

2011.  Penentuan

Fungsi

Kawasan

Lahan. Lahan .

htproduk

total://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahandan.html. Diakses dan.html. Diakses pada 21 Maret 2014 Jurnal

Universitas

Diponogoro.

2011.

 Analisis

Regresi. Regresi.

htproduk

total://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf.   Diakses pada 21 total://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf. Mare 2014. Marjuki, Fajar Andi. 2008.  Analisis Faktor-Faktor yang Mempengaruhi Harga Beras di  Indonesia.  Indonesia. Skripsi Fakultas Ekonomi Universitas Muhammadiyah Surakarta. Sugiyono. 2007. Metode 2007.  Metode Penelitian Kuantitatif Kualitatif dan R&D R&D. Bandung: Alfabeta Swastika et al. 2007.  Analisis Kebijakan Peningkatan Produksi Padi Melalui Efisiensi  Pemanfaatan Lahan Lahan Sawah di Indonesia. Indonesia . Analisis Kebijakan Pertanian 5(1): 36-52. Vihyuga.

2011.  Analisis

Regresi. Regresi.

http://perkuliahan-vi.blogspot.com/2011/01/analisis-

regresi.html. Diakses regresi.html. Diakses pada 21 Maret 2014 Walpole, R.E. 1995. Pengantar 1995.  Pengantar Statistika. Statistika. Edisi ke-3. Jakarta: Gramedia. Zulmi, Rizal. 2011.  Pengaruh Luas Lahan, Tenaga Kerja, Penggunaan Benih Dan Pupuk Terhadap Produksi Padi Di Jawa Tengah Tahun 1994-2008 . Semarang: Fakultas Ekonomi, Universitas Diponegoro.

13

LAMPIRAN

Tabel 6. Tabulasi Data

Tahun

Produksi Beras Total (Ton)

Luas lahan (ha)

ln produksi

ln luas lahan

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

51898852 50460782 51489694 52137604 54088468 54151097 54068495 56162062 60325925 64398890 66469394 65756904 68956292

11793475 11499997 11521166 11488034 11922974 11839060 11786430 11949034 12327425 12883576 13203643 13203643 13471653

17,76 17,74 17,76 17,77 17,81 17,81 17,81 17,84 17,92 17,98 18,01 18,00 18,05

16,28 16,26 16,26 16,26 16,29 16,29 16,28 16,30 16,33 16,37 16,40 16,40 16,42

Uji Normalitas Tabel 7. Case Processing Summary Cases Valid N

Missing

Percent

N

Total

Percent

N

Percent

produksi

13

100.0%

0

.0%

13

100.0%

luaslahan

13

100.0%

0

.0%

13

100.0%

Tabel 8. Tests of Normality a

Kolmogorov-Smirnov   Statistic

Df

Shapiro-Wilk

Sig.

Statistic

df

Sig.

produksi

.245

13

.032

.863

13

.043

luaslahan

.264

13

.014

.847

13

.026

a. Lilliefors Significance Correction

14

Tabel 9. Descriptives

produksi

Mean 95% Confidence Interval for Mean

Std. Error

5.7720E7

1.82055E6

Lower Bound

5.3754E7

Upper Bound

6.1687E7

5% Trimmed Mean

5.7499E7

Median

5.4151E7

Variance

4.309E13

Std. Deviation

6.56407E6

Minimum

5.05E7

Maximum

6.90E7

Range

1.85E7

Interquartile Range

1.31E7

Skewness Kurtosis luaslahan

Statistic

Mean

.620

.616

-1.333

1.191

1.2222E7

1.98920E5

95% Confidence Interval for

Lower Bound

1.1789E7

Mean

Upper Bound

1.2656E7

5% Trimmed Mean

1.2194E7

Median

1.1923E7

Variance

5.144E11

Std. Deviation

7.17215E5

Minimum

1.15E7

Maximum

1.35E7

Range

1.98E6

Interquartile Range

1.39E6

Skewness Kurtosis

15

.733

.616

-1.118

1.191

Analisis Korelasi Tabel 10. Correlations produksi produksi

Pearson Correlation

luaslahan 1

.989

Sig. (2-tailed)

.000

N luaslahan

**

Pearson Correlation

13

13

**

1

.989

Sig. (2-tailed)

.000

N

13

13

**. Correlation is significant at the 0.01 level (2-tailed).

Analisis Regresi Linear Tabel 11. Variables Entered/Removed

Model 1

Variables

Variables

Entered

Removed

luaslahan

a

Method . Enter

a. All requested variables entered. b. Dependent Variable: produksi

Tabel 12. Model Summary

Model

R

1

.989

R Square a

 Adjusted R

Std. Error of the

Square

Estimate

.978

.976

1.00763E6

a. Predictors: (Constant), luaslahan

b

Tabel 13. ANOVA Model 1

Sum of Squares

df

Mean Square

Regression

5.059E14

1

5.059E14

Residual

1.117E13

11

1.015E12

Total

5.170E14

12

a. Predictors: (Constant), luaslahan b. Dependent Variable: produksi

16

F 498.245

Sig. .000

a

Tabel 14. Coefficients

a

Standardized Unstandardized Coefficients Model 1

B (Constant)

Coefficients

Std. Error

Beta

-5.293E7

4.965E6

9.053

.406

luaslahan

t

.989

Sig.

-10.660

.000

22.321

.000

a. Dependent Variable: produksi

Analisis Regresi Non Linear Tabel 15. Variables Entered/Removed

Model 1

Variables

Variables

Entered

Removed

lnluaslahan

a

b

Method . Enter

a. All requested variables entered. b. Dependent Variable: lnproduksi Tabel 16. Model Summary

Model

R

1

.987

 Adjusted R

Std. Error of the

Square

Estimate

R Square a

.974

.972

.018

a. Predictors: (Constant), lnluaslahan b

Tabel 17. ANOVA Model 1

Sum of Squares

df

Mean Square

Regression

.142

1

.142

Residual

.004

11

.000

Total

.146

12

F

Sig.

416.103

.000

t

Sig.

a

a. Predictors: (Constant), lnluaslahan b. Dependent Variable: lnproduksi

Tabel 18. Coefficients

a

Standardized Unstandardized Coefficients Model 1

B (Constant)

Std. Error

Beta

-12.331

1.480

1.850

.091

lnluaslahan

Coefficients

a. Dependent Variable: lnproduksi

17

.987

-8.330

.000

20.399

.000

Gambar 1.

Gambar 2.

Gambar 3.

Gambar 4.

Gambar 5.

Gambar 6.

18

Gambar 7. T Tabel

Gambar 8. F Tabel

19

View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF