“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
