ANALISIS REGRESI GANDA DENGAN VARIABFT ninv™™ DALAM …
Transcript of ANALISIS REGRESI GANDA DENGAN VARIABFT ninv™™ DALAM …
ANALISIS REGRESI GANDA DENGAN VARIABFT ninv™™
DALAM 1a°BZtfZ52S^»=PG/PS MADUKISMO
Skripsi
Diajukan sebagai Salah Satu Syarat untuk Memperoleh
Jurusan Statistika
Nama
No. MhsNIRM
mtta
: LAKSANA PRASETIYA: 98 611 012
••980051013206120012
Gelar Sarjana Pada
UNIVERSITAS ISLAM INDONESIAYOGYAKARTA
2003
SKRIPSI
AnlV aS ^RESI GANDA DENGAN VARIABEL DUMMYDALAM MEMPERKIRAKAN PRODUKSI GULA MURNIDl PT MADU BARU
PG/PS MADDK1SMO
Disusun Oleh :
Nama : LAKSANA PRASETIYANIM : 98611012
Telah dipertahankan di depan Tim Penguji SkripsiFakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Islam Indonesia_ ,. Padatanggal September 2003Dan dmyatakan telah memenuhi syarat guna memperoleh gelar Sarjana
SUSUNAN TIM PENGUJI
Jabatan
Penguji I
Penguji n
Penguji III
Penguji IV
Nama Lengkap
Drs. Supriyono, M.Sc
JakaNugraha, M.Si
Edy Widodo, M.Si
RohmatuI Fajriyah, M*Si
in
Yogyakarta,
^KULTAS MIPA
Nugraha, M.Si
MOTTO
Dia memberikan hikmah (ilmu yang berguna) kepada siapa yang dikehendaki-Nya, barang siapa mendapat
hikmah itu sesungguhnya telah mendapat kebajikan yang banyak dan tiadalah yang menerima peringatan,melainkan orang-orang berakal
[Qur'an Surat Albaqarah:29]
Bila anda tidak bisa menjadi beringin diatas bukit, jadilah belukar dilembah yang terbaik ditepi anak sungai.Kalau tidak bisa menjadi belukar jadilah rumput jalar yang indah ditepi danau
[Douglas Miloch]
Saya akan melewati jalan ini sekali, karenanya setiap perbuatan baik yang dapat saya lakukan ataukebaikan apapun yang bisa saya perlihatkan kepada siapapun, biarlah saya melakukannya sekarang, jugajangan biarkan saya mengabaikannya, karena mungkin saya tidak akan melewati jalan ini lagi
[Pepatah Kuno]
IV
dan pengalaman penulis yang masih terbatas, untuk itu penulis mohon maaf dan
demi perbaikan disana-sini penulis dengan senang hati menerima saran dan kritik
yang bersifat membangun demi kesempurnaan Tugas Akhir ini, semoga dapatbermanfaat bagi kita semua, Amiin
Wassalamu'alaikum Wr. Wb.
Yogyakarta, Maret 2003
Penyusun
VIII
DAFTAR TABEL
1. Tabel Analisis Variansi 23
2. Data Produksi Gula, Luas Lahan, Tanaman Tebu Baru, Tanaman Tebu
Tunas, dan Status Kepemilikan Tebu 31
3. Tabel Korelasi 33
4. Tabel Variabel Entered 34
5. Tabel Model Summary 351
6. Tabel Analisis Variansi 36
7. Tabel koefisien Regresi 37
XI
DAFTAR GAMBAR
1. Gambar 1
Xlll
.20
ANALISIS REGRESI GANDA DENGAN VARIABEL DUMMYDALAM MEMPERKIRAKAN PRODUKSI GULA MURNI
DIPT MADU BARU
PG/PS MADUKISMO
Skripsi
Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pada
Jurusan Statistika
_, ISLAM .,
Nama : LAKSANA PRASETIYANo.Mhs : 98 611012
NIRM : 980051013206120012
JURUSAN STATISTDXAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIAYOGYAKARTA
2003
ANALISIS REGRESI GANDA DENGAN VARIABEL DUMMY
DALAM MEMPERKIRAKAN PRODUKSI GULA MURNI
DIPT MADU BARU
PG/PS MADUKISMO
Skripsi
Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pada
Jurusan Statistika
ISLAM „,
Nama : LAKSANA PRASETIYA
No.Mhs : 98 611 012
NIRM : 980051013206120012
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMUNWERSITAS ISLAM INDONESIA
YOGYAKARTA
2003
LEMBAR PENGESAHAN PEMBIMBING
ANALISIS REGRESI GANDA DENGAN VARIABEL DUMMYDALAM MEMPERKIRAKAN PRODUKSI GULA MURNI
DI PT MADU BARU
PG/PS MADUKISMO
TUGAS AKHIR
Nama : Laksana PrasetiyaNIM : 98611012
Tugas Akhir ini Telah diSyahkan dan DisetujuiPada Tanggal September 2003
Pembimbijng
(RohmatuI Fajriyah, M. Si)
SKRIPSI
ANALISIS REGRESI GANDA DENGAN VARIABEL DUMMYDALAM MEMPERKIRAKAN PRODUKSI GULA MURNI
DI PT MADU BARUPG/PS MADUK1SMO
Disusun Oleh:
Nama : LAKSANA PRASETIYANIM : 98611012
Telah dipertahankan di depan Tim Penguji SkripsiFakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Islam IndonesiaPada tanggal September 2003
Dan dinyatakan telah memenuhi syarat guna memperoleh gelar Sarjana
SUSUNAN TIM PENGUJI
Jabatan Nama Lengkap
Penguji I Drs. Supriyono, M.Sc
Penguji II Jaka Nugraha, M.Si
Penguji m Edy Widodo, M.Si
Penguji IV RohmatuI Fajriyah, MTsY
111
Yogyakarta,
:ULTAS MIPA
ugraha, M.Si
MOTTO
Dia memberikan hikmah (ilmu yang berguna) kepada siapa yang dikehendaki-Nya, barang siapa mendapat
hikmah itu sesungguhnya telah mendapat kebajikan yang banyak dan tiadalah yang menerima peringatan,
melainkan orang-orang berakal
[Qur'an Surat Albaqarah:29]
i
Bila anda tidak bisa menjadi beringin diatas bukit, jadilah belukar dilembah yang terbaik ditepi anak sungai.
Kalau tidak bisa menjadi belukar jadilah rumput jalar yang indah ditepi danau
[Douglas Miloch]
Saya akan melewati jalan ini sekali, karenanya setiap perbuatan baik yang dapat saya lakukan atau
kebaikan apapun yang bisa saya perlihatkan kepada siapapun, biarlah saya melakukannya sekarang, juga
jangan biarkan saya mengabaikannya, karena mungkin saya tidak akan melewati jalan ini lagi
[Pepatah Kuno]
IV
PERSEMBAHAN
1.Jlyafi cfan (Bunda^ji tersayang yang Utah
merawat dan mendidififyi dengan saBar dari
kecit fiingga sekarang ini semoga JlCColi
memBerikan rafimat dan fiidayafi-Nya
2.fldik$y. tersayang yang teCafi memBerik$n
kgBahagiaan dan semangat daCam menjaCani
hidup ini
3. Motor JCOWDJIICOA® 4128 MCyang seialu
menetnani dan mengantar kcmanapun af{upergi
4.<Beng{(eCfiii semoga terns maju dan BertamBafi
k$ren
S.Orang-orang yang sayang f{epadal{u dan defeat
padaku
ABSTRAKSI
• a _• ^ ^ ham PT sebagai saIah satu Perusahaan yang bergerak dalammdustn gula di Indonesia.Perusahaan ini menghasilkan gula untuk pemenuhankebutunan masyarakat Indonesia disamping untuk kelanjutan hidup perusahaandan semakm ketatnya dunia perindustrian sehingga perlu diatasi permasalahanyang ada untuk menambah jumlah produksi gula.n. DPe"f!ja?. diIaksanakan di unit Pabrikasi, salah satu bagian dari strukturpada PT. Madukismo yang menangani proses produksi mulai dari batang tebusampai menjadi gula. Pengambilan datanya diperoleh dari sub dibagian PabrikasiAdapun datanya berupa produksi gula, nira, dan tetes tebu, data tersebut penulisperoleh langsung dari buku laporan periode 1999/2000. Pengambilan datatersebut bertujuan untuk mengetahui model dalam penentuan produksi gula murni(Hablur). Untuk menganalisis data tersebut penulis menggunakan analisis regresiberganda vanabel dummy dengan tiga peubah bebas yaitu tanaman tebu tunastanaman baru, status tanaman dan peubah responnya produksi gula murni (Hablur)t ua af 1Sa, data didaPatkan ba«wa tiga peubah bebas berpengaruhterhadap produksi gula murni (Hablur).Kata kunci :VariabeI dummy, regresi berganda
vi
KATA PENGANTAR
Assalamu'alaikum Wr. Wb.
Puji syukur kehadirat Alloh SWT, yang telah melimpahkan rahmat dan
hidayah-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir ini sebagai
syarat untuk memperoleh gelar kesarjanaan pada Jurusan Statistika
Pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-
besarnya kepada:
1. Bapak Jaka Nugraha, M.Si selaku Dekan fakultas MIPA Universitas Islam
Indonesia
2. Ibu RohmatuI Fajriyah, M.Si selaku Dosen Pembimbing yang telah
meluangkan waktu dan tenaga dan dengan sabar dalam memberikan
bimbingan kepada penulis sehingga dapat selesai dengan baik
3. Bapak Fajriya Hakim, M.si selaku Ketua Jurusan Slalislika yang tcluh
meluangkan waktu dan tenaga clan dengan sabar dalam memberikan
bimbingan kepada penulis sehingga dapat selesai dengan baik
4. Para Dosen Jurusan Statistika Univcrsilas Islam Indonesia
5. PT. Madu Baru PG/PS Madukisino bescrla Stafdan Karyavvan yang telah
membantu dalam penelitian ini.
6. Para rekan Mahasiswa Jurusan Statistika Univcrsilas Islam Indonesia yang
telah membantu dalam penulisan Tugas Akhir ini.
Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna, baik
dalam penyusunan maupun penyajiannya, hal ini disebabkan karena pengetahuan
VII
dan pengalaman penulis yang masih terbatas, untuk itu penulis mohon maaf dan
demi perbaikan disana-sini penulis dengan senang hati menerima saran dan kritik
yang bersifat membangun demi kesempurnaan Tugas Akhir ini, semoga dapat
bermanfaat bagi kita semua, Amiin
Wassalamu'alaikum Wr. Wb.
Yogyakarta, Maret 2003
Penyusun
VIII
DAFTAR ISI
HALAMAN JUDUL i
HALAMAN PENGESAHAN PEMBIMBING ii
HALAMAN PENGESAHAN PENGUJI iii
MOTTO iv
HALAMAN PERSEMBAHAN v
INTISARI vi
KATA PENGANTAR viii
DAFTAR ISI ix
DAFTAR TABEL xi
DAFTAR LAMPIRAN xii
DAFTAR GAMBAR xiii
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah 1
1.2 Rumusan Masalah 2
1.3 Pembatasan Masalah 3
1.4 Tujuan Penelitian 4
1.5 Kegunaan Penelitian 4
1.6 Kandungan Gula Dalam Tebu 4
BAB II TEORIPENUNJANG
2.1 Matriks 6
2.2 Determinan 6
2.3 Tranpose Matriks 8
2.4 Invers Matriks 8
2.5 Koefisien Determinasi 8
2.6 Korelasi Parsial 10
IX
DAFTAR TABEL
1. Tabel Analisis Variansi 23
2. Data Produksi Gula, Luas Lahan, Tanaman Tebu Baru, Tanaman Tebu
Tunas, dan Status Kepemilikan Tebu 31
3. Tabel Korelasi 33
4. Tabel Variabel Entered 34
5. Tabel Model Summary 35
6. Tabel Analisis Variansi 36
7. Tabel koefisien Regresi 37
xi
DAFTAR LAMPIRAN
1. Lampiran 1 Data Produksi Gula Murni
2. Lampiran 2 Stiuktur Organisasi Pabrik Gula PT Madu Baru
3. Lampiran 3 Diagram proses Pembuatan Gula
4. Lampiran 4 Tabel Distribusi F
5. Lampiran 5 Tabel Distribusi t
6. Lampiran 6 Tabel Durbin Watson
xn
DAFTAR GAMBAR
1. Gambar 1..20
Xlll
DAFTAR GAMBAR
1. Gambar 1 20
xui
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Untuk mewujudkan masyarakat adil dan makmur, yang merata baik materiil
maupun spirituil diperlukan pembangunaiL Pembangunan industri merupakan salah
satu program nasional untuk jangka panjang yang pada masa ini sedang digalakkan
oleh pemerintah. Industri-industri yang dibangun dapat memperluas kesempatan
kerja dengan sendirinya akan memanfaatkan sumber energi dan sumber daya
manusia yang tersedia berarti merupakan penghematan devisa negara. Salah satu dari
sekian banyak industri yang terdapat di Indonesia adalah Industri Gula, sedangkan
gula merupakan satu dari sembilan bahanpokok.
Gula merupakan makanan yang dibutuhkan oleh manusia dan sudah dikenal
sejak lama. Gula mengandung karbohidrat, didalam tubuh manusia dapat
menimbulkan panas/kalori yang digunakan sebagai tenaga. Sehingga kebutuhan gula
dari waktu kewaktu mengalami penirigkatan, untuk memenuhi kebutuhan tersebut,
manusia harus mencari sumber gula. Dalam permasalahan diatas, alternatif yang ada
untuk menghasilkan gula adalah tanaman tebu, yang menghasilkan gula persatuan
luas tanah. Indonesia yang beriklim tropis dan sub tropis cocoksekali untuk tanaman
tebu, sehingga akan tumbuh dengan baikdan suburkarena tanaman tebu mempunyai
dua sifat yaitu: Pada masapertumbuhan, tanaman tebu banyak membutuhkan air dan
ketika menghadapi waktu panen menghendaki kering. Dengan demikian dapat
disimpulkan bahwa tanaman tebu akan tumbuh dengan baik pada daerah yang
mempunyai perbedaan iklim yang nyata yaitu musim penghujan dan kemarau.
Didalam memenuhi kebutuhan konsumen, industri-industri gula perlu untuk
meningkatkan jumlahproduksinya. Hal ini tak Iepas dari seberapa besar kemampuan
produksi gula murni (Hablur) dari industri gula tersebut. Pentingya kapasitas
produksi gula murni (Hablur) untuk memenuhi kebutuhan dari konsumen dari waktu
kewaktu perlu diperhatikan oleh perusahaan, faktor apa saja yang mempengaruhi
hasil produktivitas gula murni (Hablur) dalam tebu, apakah dari penambahan lahan
baru ataupun pencarian bibit baru yang akan dapat meningkatkan produksi gula
murni (Hablur) dan terpenting kebutuhan akan gula dapat terpenuhi dengan baik,
sehingga kebutuhan akan gula dapat terpenuhi dengan baik, sehingga konsumen
tidak akan lagi kekurangan. Terlebih Iagi dapat dimanfaatkan perusahaan untuk
meningkatkan daya saing dipasaran yang berarti pula dapat meningkatkan
produktivitas perusahaan.
Dalam kaitannya dengan kapasitas produk tersebut merupakan suatu keharusan
dari perusahaan untuk mengatasi permasalahan dari kekurangan jumlah produksi
gula murni (Hablur), sehingga kebutuhan akan gula akan terpenuhi dengan cukup.
1.2 Rumusan Masalah
Pada masa sekarang ini kebutuhan akan bahan pangan semakin meningkat seiring
dengan pertumbuhan jumlah penduduk di Indonesia dan era persaingan semakin
ketat. Negara kita saat ini sedang mengalami krisis moneter yang dampaknya sangat
dirasakan oleh masyarakat terutama masalah pemenuhan sembilan bahanpokok yang
merupakan kebutuhan primer manusia yang perlu terpenuhi. Diantaranya adalah
kebutuhan akan gula yang harganya cukup tinggi akan tetapi sulit dalam
mendapatkannya. Agar kebutuhan akan gula dimasyarakat dapat terpenuhi dengtan
ba,k dan harganya te-iangkau, maka perlu diketahui berapa besar prtta. produks,gu,a murni (Hablur), sehigga dalam ha. ini ingin diketahui **>«««» •*»*ya„g mempengaruhi produksi gula murni (Hab.ur). Dalam ha. ini penulis ingmmenge.ahui faktor apa sajakah yang mempengaruhi produksi gula murni (Hablur) *PT Madukismo.
1.3 Pembatasan Masalah
Agar masaiah dapat dise.esaikan dengan baik atau mended sasara, dankemungkinan- kemungkinan yang harus dibahas dalam pe-Usan yang diangka, daripermasalahan dilapangan dan penelaahan secara ,eoris,is rnaka pembahasan terhadapmasa,ah perlu dibatasi unruk menghindari luasnya pembahasan da,am penelmar,maka batasan masalahnya sebagai berikut:
,. Pembahasan hanya pada gu,a murni (Hablur) di PT Madu Baru Madukismo2. Memeriksa dan memode.kan hubungan antara variabel produksi guia
mumi(Hablur) dengan tanaman tebu baru. tanaman tebu tunas, dan statuskepemilikan tebu (TRS-Tebu Rakyat Semesta dan TRT-Tebu RakyatTertanggung)
3. Faktor-faktor yang dianggap mempengaruhi produks gula murni (Hablur)vaitu tanaman tebu baru. tanaman tebu tunas, dan status kepemilikan tebu(TRS-Tebu Rakyat Semesta dan TRT-Tebu Rakyat Tertanggung)
4. Hubungan antara variabel besar kandungan gula dengan variabel tanamantebu baru. tanaman tebu tunas, dan status kepemilikan tebu (TRS-TebuRakyat Semesta dan TRT-Tebu Rakyat Tertanggung)
1.4. Tujuan Penelitian
Tujuan yang hendak di capai dari penelitian iniadalah :
1. Untuk menganalisis pengaruh variabel variabel tanaman tebu baru, tanaman
tebu tunas, dan status kepemilikan tebu (TRS dan TRT) terhadap produksi
gula murni (Hablur)
2. Untuk mengetahui hubungan antara variabel produksi gula murni (Hablur)
dengan variabel tanaman tebu baru, tanaman tebu tunas, dan status
kepemilikan tebu (TRS dan TRT)
1.5. Kegunaan Penelitian
Seiain tujuan tersebut, penelitian ini diharapkan dapat memberikan manfaat sebagai
berikut:
l.Bagi perusahaan hasil penelitian ini dapat dijadikan pedoman yang dapat
digunakan untukmeningkatkan jumlah produksi gula murni (Hablur).
2.Bagi peneliti sebagai latihan/praktek awal dari kerja yang sesungguhnya
didalam menerapkan teori-teori yang diperoleh semasa kuliah.
3.Bagi rekan mahasiswa dapat juga dijadikan suatu perbandingan didalam
menyusun penelitian yang mengangkat permasalahan dengan metode analisis
regresi.
4.Bagi pihak lain penelitian ini diharapkan dapat dijadikan bahan bacaan
sehingga menambah wawasan mereka mengenai masalah analisis regresi.
1.6 Produksi Gula Murni
Tanaman tebu adalah bahan baku dari proses pembuatan gula, sehingga
semakin baik tebu yang diolah maka semakin baik pula gula yang dihasilkan. Tebu
5
dapa, hidup baik d, iklim tropis di Indonesia, karena tebu membutuhkan banyak airpada saa, pertumbuhan dan kering saa. dilakukan pemanenan. Dalam batang tebuterdapa. berbagai unsur antara lain air, kandungan gula, tetes, dan alkohol. Unsur-unsur .ersebu, dalam tanaman tebu perbandingannya berbeda- beda menurut Jemstebunya juga bisa oleh lahan yaitu dari tingka, kesuburannya, letak lahan, luas lahan,dan sebagamya yang kesemuanya itu sanga. berpengaruh dalam besamya produksigula murni (Hablur). Tingkat ptesentase kandungan gula perkilogramnya hamptrmendekati 0,8 bahkan 0,9.
Tebu yang ditanam pada lahan jenisnya ada dua yaitu tanaman tebu baru dantanaman tebu tunas yang mempengaruhi jumlah tebu yang akan dipanen. Berapakuintal tebu yang dihasi.kan tebu baru dan tebu tunas yang tentunya berpengaruhterhadap jumlah produksi gula .Semakin banyak tebu yang dihasilkan maka semakinbanyak pula hasil gulanya. Disamping itu faktor status kepemilikan tebu jugamempengaruhi karena faktor ini dipengaruhi oleh tingkat perawatan tanaman,pemupukan dan lainnya. Akan tetapi faktor status tanaman tidak diketahui datanyaakan tempi diasumsikan mempengaruhi jumlah produksi gula. Karena jika perawatanatau perlakuaan terhadap tanaman tebu baik maka baik pula tebu yang dihasilkan,sebaHknya jika tidak baik perlakuan terhadap tanaman tebu maka hasilnya juga kantidak baik.
Faktor yang dianalisis adalah faktor jenis tanaman tebu baru, tanaman tebutunas dan status kepemilikan tebu dan data produksi gula murni apakahmempengaruhi jumlah produksi gula atau tidak
BAB II
TEORIPENUNJANG
2.1 Matriks
Matriks adalah sederet bilangan berbentuk persegi panjang yang diapit olerl
sepasang kurung siku (Ayres F;1994:1). Contoh suatu matriks:
1 0 4 7 12 16
5 10 3 15 9 8
Kedua matriks ini masing-masing memiliki dimensi 2x2 dan 2x4. Dalam
menyebutkan dimensi matriks, pertama disebutkan banyaknya baris dan baru
kemudian banyaknya kolom.
Suatu matriks dengan m baris dan n kolom disebut berordo (berukuran) mxn.
Sebuah matriks dapat dilambangkan sebagai A, X atau Z. Matriks A terdiri dari m
baris dan n kolom disebut matriks bertipe mxn yang ditulis :
.a,In
A= .a2n
am\ am2 anm
{av), /' = 1,2, ,m
7 = 1,2 ,n
Notasi lain bagi matriks A di atas adalah :
A=KJ ' =U, -,w;7 =l,2,....,w
Dimana a,j merupakan notasi unsur matirks baris ke-i kolom ke-j
2.2 Determinan
Jika A matriks bujur sangkar bertipe mxn, maka determinan A ditulis : det
(A) atau UI
u=
alx al2....ala
a2l an....a2n
a , a ,,...an\ nl' mi
disebut determinan orde n
Minor untuk a^ ditulis : MtJ, yaitu determinan orde (n-1) yang diperoleh
dari \A\ dengan menghilangkan atau mencoret baris dan kolom yang memuat unsur
Uu
• Nilai Determinan
1). Determinan orde 2
C.1 «12
a2l a22
contoh
au.a22-a2l.ai2
2 -3
5 48+15=23
2). Determinan orde n>2
> Ekspansi/penjabaran menurut baris ke-i,
Ml - o)'+10;l-l41|+a)'+2l^l^+--+(i)'+"^-l4M|=Ia)'+^rAi-i
dimana 1<j <n dan \A\ adalah matriks kofaktor
> Ekspansi menurut kolom ke-j ;
MHi)H^KI+<1)21^K+-.--+(^«J^hi;o)'+yflrj-i
dimana 1£ i <>n dan \A\ adalah matrikskofaktor
M
Dimanaa^ merupakan notasi unsur matriks baris ke-i kolom ke-j
2.3 Tranpose Matriks
Tranpose matriks Aditulis A1 adalah matriks yang diperoleh dengan menukar
baris menjadi kolomdan sebaliknya.
Contoh: A =
"2 -1"
1 3
_0 1
maka A1:2 1 0
-1 3 1
Sifat Tranpose Matriks:
,1) (Al)' =A 3)(A + B), = A' + Bt
2) k.A'= (k.A)t 4)(A.B)t = At.Bt
2.4 Invers Matriks
Jika A merupakan matriks bujur sangkar dan |A| * 0 maka yang dinamakan
invers matriks A yang dilambangkan dengan A"1 adalah matriks yang memenuhi A.
A'1== A"1. A = I adalah tunggal.
Jika A dan B adalah matriks bujur sangkar non singulardan c adalah suatu skalaryang
tidak sama dengan nol, maka :
IKcAVWA'^l/cA'1
2) (AB)-'= B"1 A"1
2.5 Koefisien Determinasi
Nilai koefisien determinasi merupakan ukuran yang menunjukkan besarnya
sumbangan variabel penjelas terhadap respon. Dengan kata lain, koefisien determinasi
menunjukkan ragam (variasi) naik turunnya Y yang diterangkan oleh pengaruh linier X
(berapa bagian dari total keragaman dalam variabel tak bebas Y yang dapat dijelaskan
oleh beragamnya nilai-nilai yang diberikan setiap variabel penjelas X dalam model
regresi). Bila nilai koefisien determinasi sama dengan sama dengan satu, berarti garis
regresi yang terbentuk cocok secara sempuraa dengan nilai -nilai observasi yang
diperoleh. Dalam hal ini koefisien determinasi sama dengan satu berarti ragam naik
turunnya Y seluruhnya disebabkan oleh X. Dengan demikian nilai Y dapat diramalkan
secara sempurna.
Kegunaan koefisien determinasi adalah mengukur besarnya proporsi (persentase) variasi
nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi.
Sifat Koefisien Determinasi
1. Nilai R2 selalu positif, sebab merupakan rasio dari dua jumlah kuadrat (yang
nilainya juga selalu positif)
2. a) R2 =0 berarti tidak ada hubungan antara X dan Y, atau model regresi yang
terbentuk tidak tepat untuk meramalkan Y.
b).R =1 berarti garis regresi yang terbentuk dapat meramalkan Y secara
sempurna.
Semakin dekat nilai R2 kenilai 1, makin tepat (cocok) garis regresi yang
terbentuk untuk meramalkan Y. Meskipun demikian perlu diperhatikan bahwa dengan
semakin banyaknya variabel penjelas, maka nilai R2 selalu meningkat sehingga dalam
hal ini pemakaian koefisien determinasi perlu hati-hati. Hal ini karena variabel penjelas
yang ditambahkan kadang kala tidak memberikan kontribusi yang signifikan terhadap Y,
sehingga dalam banyak kasus lebih tepat penggunaan R2 yang disesuaikan (R^,^
)•
2.6 Korelasi Parsial
Korelasi sederhana r hanya didefinisikan untuk dua peubah. Bila kita
berhadapan dengan lebih dari dua peubah yang saling berkaitan maka gambaran yang
10
diperoleh dari r mungkin menyesatkan. Korelasi antara dua peubah dengan
mengontrol peubah lainya disebut korelasiparsial
Misalkanlah X, Ydan Z tiga peubah. Korelasi parsial antara X dan Y, bila Z
dikontrol, didefinisikan:
W r»-r«-rv (22)
Lambang Z yang dibelakang titik pada lambang korelasi parsial menyatakan bahwa
peubah Z yang dikontrol (pengaruhnya telah diperhitungkan atau dikeluarkan).
Sehingga penulisannya rxyz pengaruh Z, pada X dan Y, yang telah dikeluarkan
sehingga hubungan antara Xdan Ytidak lagi dicemari oleh Z.
2.7 Variabel Dummy
Variabel yang dianalisis dengan model regresi dapat berupa variabel kuantitatif
dan dapat pula berupa variabel kualitatif. Variabel kualitatif dalam model regresi
sering disebut juga dengan istilah variabel dummy (Algifari;2000:93)
Dalam suatu model regresi linear berganda, Banyaknya variabel dummy
bergantung dari banyaknya kategori bagi variabel kualitatif tersebut, yaitu jika
variabel kualitatif mempunyai j kategori, maka banyaknya variabel kualitatif di
dalam model adalah j-1.
2.8 Variabel dalam Regresi
Dalam suatu persamaan regresi terdapat dua macam variabel, yaitu variabel
dependen {dependent variable) dan variable independen {independent variable).
11
Variabel dependen adalah variabel yang nilainya bergantung dari nilai variabel lain
dan variable independen adalah variabel yang nilainya tidak tergantung dari variabel
lain. Ada dua tipe variabel independen yaitu kuantitatif dan kualitatif(variabel
dummy). Contoh variabel kuantitatifadalah nilai IQ, ukuran tinggi badan, kandungan
nikotin dalam rokok dan sebagainya, sedangkan jenis kelamin, tingkat pendidikan
adalah contoh variabel kualitatif. Nilai variabel kualitatif dalam model pada
umumnya menggunakan bilangan binner, yaitu 0 dan 1.
BAB III
ANALISIS REGRESI BERGANDA VARIABEL DUMMY
3.1 Pendahuluan
Dalam kondisi sehari hari, sering kali dijumpai adanya hubungan antara suatu
variabel dengan variabel lainnya. Sebagai contoh tingkat produksi berhubungan dengan
kondisi bahan baku , tingkat pendidikan seseorang berhubungan dengan besarnya gaji
yang diperolehnya, dosis dan jenis pupuk yang diberikan berhubungan dengan hasil
pertanian yang diperoleh, kondisi sadar hukum berhubungan dengan tingkat kejahatan,
skor aptitude berhubungan dengan potensi kerja karyawan, jumlahpakanyang diberikan
pada temak berhubungan dengan berat badannya, volume penjualan berhubungan
dengan biaya iklan dan sebagainya. Secara umum hubungan antara dua atau lebih
variabel ada dua macam, yaitu bentuk hubungan dan keeratan hubungan. Bila ingin
diketahui bentuk hubungan antara dua variabel atau lebih, digunakan analisis regresi,
sedangkan bila ingin diketahui keeratan hubunganya digunakan analisis korelasi.
Analisis regresi adalah suatu teknik statistika yang berguna untuk memeriksa dan
memodelkan hubungan berbagai variabel. Penerapannya dapat dijumpai secara luas
dibanyak bidang seperti teknik, ekonomi, manajemen, ijmu-ilmu biologi, ilmu-ilmu
sosial, ilmu-ilmu pertariian dan sebagainya. Terapan regresi dalam berbagai bidang
tersebut pada umumnya dikaitkan dengan studi ketergantungan satu variabel (variabel
tak bebas) pada vartabe) lain (variaDtel bebas). Kini regresi berguna dalam menelaah
hubungan dua variabel atau lebih, dart terutama untuk menelusuri pola hubungan yang
modelhya belum dikelakiit feigah1 sefflpurna sehingga daiam teYapaiihya lebih bersjfat
eksploratif. Secara implisft &ia dua p^hgerriati yang terkanthlng didalamnya, yaim:
^2
13
1. Merupakan tempat pencarian kedudukan atau lokasi dari rata-rata suatu
variabel, misalnya Y, untuk berbagai nilai atau selang nilai variabel lain,
misalnya X. Lokasi dapat dibayangkan berupa kumpulan titik yang dapat
dihubungkan suatu garis atau kurva yang disebut garis regresi. Garis tersebut
bias berupa fungsi linier, kuadratik, logaritma dan sebagainya
2. Penyesuaian suatu fungsi atau kurva terhadap kumpulan data; hal ini
terutama dilakukan apabila data yang dimiliki tidak cukup banyak sehingga
muncul kesan tidak cukup kuatnya rata-rata Yuntuk untuk setiap nilai atau
selang nilai X.
Dalam pengertian pertama, bentuk garis regresi menjadi pusat perhatian karena
menipakan ringkasan dari pola pencarian titik yang dapat dijadikan landasan dalam
pemaliaman perillaku data. Dalam pengertian kedua, bentuk persaman regresi tidak
terlalu dipersoalkan karena yang diperhatikan adalah koefisien garisnya yang mungkin
memiliki interprestasi khas menurut kaidah-kaidah tertentu. Meskipun demikian, dalam
praktiknya kedua pengertian tersebut jarang dibedakan, karena metode anaHsisnya yang
sempa, yaitu persamaan garis yang paling tepat untuk mewakili tebaran data.
Secara umum berdasarkan proses pengumpulan data bagi variabel Y(sering
disebut variabel respon, variabel yang diregresi, variabel tak bebas, yaitu variabel yang
dipengaruhi variabel bebas) dan Variabel X(sering disebut variabel penjelas, variabel
peregresi) dibedakan menjadi dua. Yaitu:
1. Nilai -nilai X yang akan diamati dapat ditetapkan lebih dahulu, baru
kemudian dilakukan pengamatan terhadap nilai responnya. Dalam hal ini,
variabel Xbersifat sebagai konstanta yang telah diketahui (bukan merupakan
variabel acak) sedang variabel Y merupakan variabel acak yang nilai-
14
nilainya diperoleh dari setiap nilai X. Bila nilai Xdapat diatur sepenuhnya
dan faktor-faktor yang lainnya juga dapat diawasi sehingga pengaruhnya
konstan maka kesimpulan yang diperoleh bisa menjelaskan hubungan sebab
akibat. Makin banyak nilai Xyang dipilih, makin banyak pula nilai respon
yang diamati dengan demikian semakin jelas pola hubungan antara Xdan Y.
2. Proses pengumpulan data kedua lebih sering dijumpai dalam analisis regresi
yaitu variabel Yatau Xdianggap sebagai variabel acak. Jadi nilai-nilai Xdan
Ymerupakan pasangan-pasangan pengamatan dari unit-unit yang diambil
secara acak dari populasi. Dengan cara ini, pengamatan terhadap variabel Y
maupun X dilakukan bersama-sama.
Dalam hal ini analisis regresi dapat membantu memperkuat hubungan
sebab akibat antara variabel-variabel, tetapi tanpa dasar suatu pernyataan tertentu atau
landasan teori yang yang kuat sebaiknya kita berhati-hati dalam menyatakan hubungansebab akibat antara variabel-variabel yang ditelaah. Dengan kata lain pembentukan
model sebenarnya harus didasarkan pada suatu pengetahuan, teori sementara atau tujuanyang beralasan dan bukan asal ditentukan saja.
Dewasa ini perusahaan kecil yang masih belum terlalu rumit operasionalnyahingga perasahaan besar, telah mengadopsi penggunaan analisis regresi untuk membantu
meramalkan kejadian di masa mendatang. Hal ini mengingat hasil analisis regresi
mampu memberi informasi kepada para manajer sehingga mereka dapat mengevaluasi
dan mengubah strategi yang diterapkannya. Berdasarkan pengalaman sejauh ini, analisisregresi mampu memberikan sumbangan signifikan dan akurat kepada para manajer
dalam meramalkan penjualan dimasa datang, pengeluaran, kebutuhan modal, aliran danaperusaliaan dan sebagainya.
15
3.2 Asumsi dalam Analisis Regresi
Model regresi yang baik harus memenuhi beberapa asumsi berikut ini:
Asumsi tentang galat (e)
Tentang galat terdapat empat asumsi
1. Rata-rata kesalahan pengganggu sama dengan nol
2. Masing masing pengamatan mempunyai variansi yang sama (Heteroskedastisitas)
3. Tidakada autokorelasi diantara galat
4. Galat menyebar normal
Dalam analisis regresi ini akan diuji asumsi-asumsi sebagai berikut:
> Heteroskedastisitas
Untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian
dari residual dari suatu pengamatan ke pengamatan yang lain maka harus
dilakukan uji heteroskedastisitas (Algifari;2000:85).
Jika varian dari residual dari suatu pengamatan kepengamatan yang lain berbeda
di sebut heteroskedastisitas.
Pendeteksian adanya heteroskedastisitas adalah :
Untuk mengetahui adanya kesamaan variansi (heterokedastisitas) dapat
menggunakan Uji Glejser dengan bentuk fungsinya sebagai berikut:
|s| = pX+v, dimana v adalah faktor kesalahan. Jika p pada regresi signifikan,
maka berarti heteroskedastisitas di dalam data.
> Autokorelasi
Untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara anggota
sampel yang diurutkan berdasarkan waktu jika terjadi korelasi maka ada
autokorelasi. (Algifari;2000:88).
16
Pendeteksian adanya Autokorelasi yaitu dengan uji:
Durbin-Watson. Panduan mengenai angka D-W (durbin Watson) untuk
mendeteksi autokorelasi bisa dilihat pada lampiran.
> Multikolinearitas
Multikolinearitas adalali antar variabel independen yang terdapat dalam model
memiliki hubungan yang sempurna atau mendekati sempurna (koefisien korelasinya
tinggi atau balikan 1) (. (Algifari;2000:84).
Pendeteksian adanya Multikolinearitas yaitu :
Dengan melihat menentukan uji koefisien korelasi, melalui t hitung, R2 dan F
Ratio. Jika nilai R2 tinggi ,nilai F Ratio tinggi, sedangakan sebagian besar atau
balikan selunih koefisien regresi tidak signifikan, maka kemungkinan terdapat
multikolinearitas.
> Galat menyebar normal
Untuk menguji apakah data berasal dari distribusi normal atau tidak berdistribusi
normal dengan pendekatan Kolmogorov-smirnov.
Uji Hipotesisnya:
• H0 = Data sampel diambil dari distribusi normal
• H, = Data sampel diambil tidak dari distribusi normal
• a = 0.05
• Daerah kritik
Tolak H0 jika P-value< a
• Statistik Uji
Nilai P-value didapatkan dari output komputer
Kesimpulan
17
Jika P-value < a maka tolak PL, dan sebaliknya.
Asumsi tentang Variabel Penjelas X
Tentang variabel penjelas X terdapat duaAsumsi yaitu :
1. Variabel penjelas konstan dalam pengambilan sampel terulang dan bebas terhadap
kesalahan pengganggu e,
2.Variabel penjelas X saling bebas atau tidak ada kolinieritas ganda diantara variabel
penjelas X
3.3 Model Regresi Linear Berganda Variabel Dummy
Model analisis regresi dapat dinyatakandengan :
Y,=fi0+filXu+ + PPXP +*, (3.1)
i :l,2,3,...,ndanp: 1,2,3,
Notasi Xp menunjukkan variabel independen ke-p untuk case i. Koefisien p merupakan
parameter yang nilainya tidak diketahui sehingga diperkirakan menggunakan statistik
sampel dan e, merupakan komponen sisaan yang tidak diketahui nilainya (acak)
berdistribusi normal dengan mean 0 dan variansi konstan a2.
Adapun model linear sederhananya adalali:
Y, =bo+b1Xu+b2Xj,+....b,Xp (3.2)
dimana:
Yi : nilai estimasi Y
bo : nilai Y pada perpotongan antara garis linear dengan sumbu vertikal Y
Xi, X2, ...Xp : nilai variabel independen Xi, X2, ...Xp
bu b2,...Xp : slope yang berhubungan denganvariabel Xi, X2,... .Xp
18
Pandang lagi persamaan Iinearnya
Yi=p0+P,Xll+P2X12+8i (3.3)
Dan ingin menaksir p0, Pi, P2 dengan penaksir bo,b, ,b2 maka menurut metode kuadrat
terkecil penaksir tersebut dapat diperoleh dengan meminimumkan bentuk kuadrat
J=2X=2>.-/?o-/U -PzXaf (3-4)
Minimum itu diperoleh dengan mencari turunan J terhadap Po, Pi, P2 dan kemudian
menyamakan tiap turunan tersebut dengan nol. Dalam perhitungan berikut Po, Pi, P2
langsung diganti dengan penaksirnya bo,b, ,b2.
d]
dfi3
Atau sudali disederhanakan dan mengganti koefisien regresi dengan penaksirnya,
"A^iIX+^X^^X^
AZ^i+^Z^+^Z^i^^Z-^/i <3-6)
AoZ'V'2 +AlZ-V""V'2 +6aZ4 =Z^/2
Persamaan (3.6) disebut persamaan normal dan jawabnya dengan mudah dicari dengan
matriks maka persaman tersebut berbentuk
X'Xb = X'Y (3.7)
Bila
=-2'YJ{yi-p{)-p[xn-p2xi2) =0
=-2YJ{yi-P0-Pxxn-l32xi2)xn=Q (3.5).
x'x=
X'Y=
y2
y3
yn
n
,X
'1 xn X21
1 xl2 -*22 'by'1 JC]3 *23
,b =
"I
b2
A.
1 xin X2n .
2-ixH 2~ixi2
2aXi\ 2-iXll 2LiXHX'2
2j XI2 2-1XH XI2 2-1XI2
1 1 .1.-
>1 " p' 1'l/l y* = Z-*^2". .•y». XJC2'-V'_^21^22^23-
19
Jika X'X tak singular maka persamaan (3.7) mempunyai jawab
b=(X1X)"1X1Y.
jadi regresi diatas adalah dengan lambang matriks .
Model regresi berganda yang telah diuraikan sebelumnya berasumsi bahwa
semua variabel independen yang digunakan dalam model merupakan variabel
kuantitatif. Namun, dalam kenyataannya perubahan nilai suatu variabel tidak selalu
hanya dipengaruhi oleh variabel kuantitatif, akan tetapi dapat pula dipengaruhi oleh
variabel kualitatif {variabel <7wwwy)(Algifari;2000:93)
Sebagai contoh, suatu model dibangun untuk mengetahui pengaruh jenis
kelamin dan masa kerja terhadap penghasilan setiap bulan yang diterima karyawan .
Penghasilan setiap karyawan dan masa kerja merupakan variabel kuantitatif,
sedangkan jenis kelamin merupakan variabel kualitatif. Jika Y menunjukkan
20
penghasilan, Xmenunjukkan masa kerja, dan Dmenunjukkan jenis kelamin, maka
model regresi stokastiknya adalah
Y=a +b,X +b,D +e (3-3)
Nilai variabel kualitatif dalam model diberi nilai 1 dan 0 untuk masing-masing
kategori. Jika nilai kualitatif untuk kategori jenis kelamin pria adalah 1dan nilai
kualitatifwanita adalah 0, maka taksiran penghasilan untuk karyawan pria adalah
Y=a+biX+b2(l)+e
Sedangkan wanita taksiran penghasilan adalah
Y =a+b,X+b2(0)+e
Garis linear kedua model yang menunjukkan taksiran penghasilan rata-rata
setiap bulan karyawan tersebut mempunyai kemiringan {slope) yang sama besar
yaitu bi dan mempunyai intersep yang berbeda (gambar 1). Taksiran garis linear
untuk pria adalah a+bt dan untuk wanita adalah a. Jika b2 >0, maka taksiran
penghasilan rata-rata pria lebih besar dibandingkan dengan wanita. Kedua taksiran
garis regresinya dapat digambarkan sebagai berikut:
a+b2
a
0
1 gambar 1.
Y=(a+b2 )+b, X+e
Y=a+b, X+e
X
21
Dalam suatu model regresi linear berganda, banyaknya variabel kualitatif
{dummy variable) bergantung dari banyaknya kategori bagi variabel kualitatif
tersebut. Dengan demikian dalam suatu model regresi dapat mengan dung lebih dari
satu variabel kualitatif. Jika variabel kualitatif mempunyai j kategori, maka
banyaknya variabel kualitatif didalam model adalah j-1. Misal regresi estimasi yangmenunjukkan pengaruh tingkat pendidikan ada 2yaitu D, dan D2. Persamaan regresiestimasinya adalah:
Y=a +biX +b2D1+b3D2 (34)
Penentuan nilai 1atau 0pada variabel kualitatif (D) tidak bersifat dikotomi.
3.3.1 Kategori Variabel Kualitatif {dummy variable)
Variabel kualitatif yang digunakan di dalam suatu model regresi dapat terdiridari beberapa kategori yang bersifat tidak saling meniadakan {non mutuallyexclusive) dan saling meniadakan {mutually exclusive). Variabel yang salingmeniadakan contohnya adalah tingkat pendidikan yang dikelompokkan menjadi tigakategor, yaitu SI, S2, dan S3 jadi saling meniadakan. Artinya jika seseorangberpendidikan SI maka tidak bisa masuk kedalam kategori pendidikan S2.Sedangkan variabel kualitatif yang tidak saling meniadakan contohnya hubunganantara penghasilan karyawan (Y) dengan masa kerja (X), jenis kelamin (DO dantingkat pendidikan (D2). Model regresi deterministiknya adalah
Y= a + b, X+ b2 D, + b3 D2
Variabel kualitatif jenis kelamin (D.) dikelompokkan ke dalam duakategori, yaitu pria dan wanita. Sedangkan tingkat pendidikan (D2) dikelompokkan
22
ke dalam dua kategori yaitu SI dan S2. Jika diasumsikan nilai kualitatif Di dan D2
adalah
Di= 1 untuk karyawan pria dan Di = 0 untuk karyawan wanita
D2=l untuk karyawan berpendidikan SI dan D2 = 0 untuk karyawan
berpendidikan S2
Berdasarkan informasi tersebut persamaan regresi estimasi untuk :
Karyawan pria berpendidikan SI, nilai Di=l dan D2=0 adalah
Y=a + biX + b2(l)+b3(l)
= a + b,X + b2+b3
Untuk karyawan pria yang berpendidikan S2, nilai Di=l dan D2=0 adalah
Y=a + b,X + b2(l)+b3(0)
= a + bi X + b2 +0 dan seterusnya.
3.4 Inferensi dalam Analisis RegresiGanda dengan Variabel Dummy
3.4.1 Metode Sidik Ragam
Dengan kuadrat terkecil dapat diperoleh penduga parameter regresi sehingga
dimungkinkan untuk melakukan peramalan ataupun estimasi nilai variabel tak bebas,
bila nilai-nilai variabel bebasnya diketahui. Meskipun demikian dari metode yang telah
dijelaskan belum dapat diperoleh informasi apakah variabel bebas X berpengaruh nyata
(signifikan) atau tidak terhadap variabel tak bebas Y. Untuk keperluan tersebut
diperlukan metodesidik ragam atau pendekatan anava.
Dengan metode sidik ragam dimungkinkan untuk melakukan pemecalian
keragaman total menjadi beberapa komponen keragaman penyebab. Hubungan antara
jumlah kuadrat (JK) total selunih hasil pengamatan, jumlah kuadrat model dan jumlah
kuadrat sisa (residual) dapatdituliskan dalam persamaan berikut:
JK7V)/a/ -JKWotfc/ +JKS;ra
23
.(3.5)
Bila dinyatakan dalam bentuk matriks, persamaan tersebut tampak sebagai berikut:
Y'Y=p' X Y' +e' (3.6)
Untuk mengetahui apakah variasi variabel-variabel penjelas mempunyai
kontribusi terhadap variabel respon, teriebih dahulu perlu dicari nilai jumlah kuadrat
regresi (JKrcgrcii) dan jumlah kuadrat total terkoreksi (JKtotai tCTkorek*i).
(in)2•^Rc^ ^ Model' .(3.7)
•" K- TolalTrekoreksi ^ Total(XYty
n.(3.8)
Berdasarkan hasil yang diperoleh dapat disusun daftar sidik ragam seperti
berikut:
Tabel 1 Analisis variansi
Sumber variasi Derajat bebas
Regresi K
Sisa n-k-1
Total n-1
Keterangan:
JK ro«/w.w=Jumlah Kuadrat Regresi
JKs/.vo =Jumlah Kuadrat Sisa
KTRegresl= Kuadrat Tengah Regresi
Jumlah kuadrat Kuadrat tengali F
J3XY- (2>,)2
Y Y =p' X'Y'
Y Yay,)2
JKregresi
k
JKSisa
n-k-1
KTtRe grest
KT<Sisa
24
KTiV/M =Kuadrat Tengali Sisa
Jika berdasarkan output komputer adalah uji Overall
3.4.1.2 Analisis Korelasi
Adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan
linear antara satu variabel dengan variabel lain. Umumnya analis korelasi digunakan,
dalam hubungannya dengan analisis regresi, untuk mengukur ketepatan garis regresi
dalam menjelaskan variasi nilai variabel independen. Korelasi diberi symbol r dan
koefisien detenninasi R2.
Ukuran statistik yang dapat menggambarkan hubungan antara suatu variabel
dengan variabel lain adalah koefisien determinasi dan koefisien korelasi. Besarnya
koefisien korelasi antara dua macam variabel adalah nol sampai dengan ± 1. Apabila
nilai r =0 maka berarti antara dua variabel tidak ada hubungan.Dan jika nilai r= ± 1,
maka dua buah variabel tersebut mempunyai hubungan sempurna.
3.4.1.3 Koefisien Determinasi
Nilai koefisien detenninasi merupakan ukuran yang menunjukkan besarnya
sumbangan variabel penjelas terhadap respon. Dengan kata lain, koefisien determinasi
menunjukkan ragam (variasi) naik turunnya Yyang diterangkan oleh pengaruh linier X
(berapa bagian dari total keragaman dalam variabel tak bebas Yyang dapat dijelaskan
oleh beragamnya nilai-nilai yang diberikan setiap variabel penjelas X dalam model
regresi). Bila nilai koefisien determinasi sama dengan sama dengan satu, berarti garis
regresi yang terbentuk cocok secara sempurna dengan nilai -nilai observasi yang
diperoleh. Dalam hal ini koefisien determinasi sama dengan satu berarti ragam naik
timmnya Yseluruhnya disebabkan oleh X. Dengan demikian nilai Ydapat diramalkan
secara sempurna.
25
Kegunaan koefisien determinasi adalah mengukur besarnya proporsi (persentase) variasi
nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi.
Sifat Koefisien Determinasi
1. Nilai R2 selalu positif, sebab merupakan rasio dari dua jumlah kuadrat (yangnilainya juga selalu positif
2. a) R2 =0 berarti tidak ada hubungan antara Xdan Y, atau model regresi yang
terbentuk tidak tepatuntuk meramalkan Y.i
b) R2 =1 berarti garis regresi yang terbentuk dapat meramalkan Y secara
sempurna.
Semakin dekat nilai R2 kenilai I, makin tepat (cocok) garis regresi yang
terbentuk untuk meramalkan Y. Meskipun demikian perlu diperhatikan bahwa dengan
semakin banyaknya variabel penjelas, maka nilai R2 selalu meningkat sehingga dalam
hal ini pemakaian koefisien determinasi perlu hati-hati. Hal ini karena variabel penjelas
yang ditambahkan kadang kala tidak memberikan kontribusi yang signifikan terhadap Y,
sehingga dalam banyak kasus lebih tepat penggunaan R2 yang disesuaikan (R , ,J ° V adjusted
)•
3.4.1.4 Standar ErrorPendugaan
Untuk mengetahui penyimpangan data sekitar model, perlu diukur standar error
penduganya. Rumus standar error pendugaan adalah :
.kj-'LM-\L<x,-Y)2
n-{k + \) (3-9)
dimana k adalah banyaknya variabel independen
26
3.4.1.5 Koefisien Regresi parsial
Dalam regresi berganda, koefisien yang berlabel b disebut koefisien regresi
parsial, karena koefisien untuk variabel tertentu disesuaikan untuk variabel-variabel
independent lainnya dalam persamaan. Parameter b, menunjukkan perubahan Y, yang
disebabkan oleh perubahan satu satuan X,.
3.4.1. 5 Menentukan Variabel-variabel Yang Penting
Dalam regresi berganda, biasanya ingin diketahui variabel-variabel independent
mana saja yang relatif lebih penting dibandingkan yang lainnya. Terdapat dua
kemungkinan pendekatan yang bergantung pada pertanyaan berikut:
♦ Seberapa penting variabel-variabel bebas bila mana masing-masing digunakan
secara sendiri-sendiri untuk memprediksi variabel responnya ?
♦ Seberapa penting variabel-variabel bebas bilamana seluruhnya digunakan untuk
memprediksi variabel responnya bersama-sama?
Jawaban dari pertanyaan pertama adalali dengan melihat koefisien korelasinya.
Harga absolute koefisien korelasi yang besar menunjukan kuatnya hubungan linier.
Sedangkan untuk pertanyaan kedua memerlukan pertimbangan yang lebih
kompleks. Apabila variabel-variabel independent tersebut saling berkorelasi, maka
kontribusi yang unik dari masing-masing variabel independent sulit diketahui. Beberapa
statement mengenai variabel independen ini bergantung pada variabel-variabel lainnya
dalam persamaan regresi.
27
3.4.2 Pengujian Koefisien
3.4.2.1 Pendekatan Melalui Analisis Variansi
Penilaian atas baik tidaknya taksiran garis regresi dilakukan melalui pendekatan
analisis variansi. Dalam pengujian model regresi dengan menggunakan pendekatan
Analisis Variansi terdapat duajenis pengujian, antara lain :
1. Pengujian Parsial
Pengujian ini digunakan untuk menguji parameter regresi yang digunakan dalam
model regresi secara sendiri-sendiri atau terpisali. Statistik ujinya menggunakan
Uji-t. Adapun pengujiannya adalah sebagai berikut:
• H0= Koefisien regresi P, ; i=0,1,2,... ,k tidak signifikan
• H, = Koefisien regresi P, i=0,1,2,... ,k signifikan
• a = untuk penentuan nilainya terserah si peneliti
• Pengambilan keputusan:
a) Dengan membandingkan statistik hitting dengan statistik tabel
Jika Statistik t hitung > statistik t tabel atau t hitung < -t tabel, maka Ho
ditolak
• Statistik t hitung
Untuk mengetahui t hitung dapat dilihat pada tabel output computer.
Adapun rumus t hitung :
t=_J_ = * : (3.10)SE{b) ijl
Statistik t tabel
Tingkat signifikasi (a)= misal ditentukan 0.05 atau 5%
28
DF (derajat bebas)=n-k
Untuk mengetahui t tabel dapat dapat dilihat tabel distribusi t dengan
melihat nilai derajat bebas dan tingkat signifikasi yang digunakan
pengguna atau peneliti.
Keputusan :
• Karena statistik t hitung > statistik t tabel atau
t hitung < -t tabel, maka Ho ditolak
b) Berdasarkan probabilitas :
• Jika probabilitas £> 0.05, maka Ho diterima
• Jika probabilitas < 0.05, maka Ho ditolak
2. Pengujian Overall
Pengujian ini digunakan untuk menguji parameter regresi yang digunakan dalam
model regresi secara bersama -sama. Statistik ujinya menggunakan uji-F. Adapun
pengujiannya adalah sebagai berikut:
• Ho= Model regresi tidaksignifikan
• H, = Model regresi signifikan
• a = untuk penentuan nilainya terserah si peneliti
• Pengambilan keputusan:
a) Dengan membandingkan statistik hitung dengan statistik tabel
Jika statistik F hitung < statistik tabel, maka Ho diterima
Jika statistik F hitung > statistik tabel, maka Ho ditolak
• Statistik F hitung
Untuk mengetahui Fhitung dapat dilihat ditabel output komputer
Adapun ramus F hitung :
F=
29
^^ regresi \p'H)
KTslsa
• Statistik F tabel
Tingkat signifikasi (a)= misal ditentukan 0.05 atau 5%
DF (derajat bebas)=JKR adalah p-1 dan JKS adalah n-p
Untuk mengetahui Ftabel dapat dilihat tabel distribusi Fdengan melihat
nilai derajat bebas untuk JKR dan JKS serta tingkat signifikasi yang
digunakan pengguna atau peneliti.
OKeputusan:
. Karena statistik Fhitung > statistik tabel F, maka Ho ditolak
b)Berdasarkan output komputer :
• Jika probabilitas > 0.05, maka Ho diterima
Jika probabilitas < 0.05, maka Ho ditolak
3.5. Metode Menghindari Perangkap Variabel Dummy
Variabel dummy dalam model regresi mewakili nilai variabel kualitatif
.Nilai variabel kualitatif dalam model pada umumnya menggunakan bilangan biner,
yaitu 0dan 1. Biasanya dalam praktik penggunaan variabel dummy dalam modelmenggunakan ketentuan bahwa apabila suatu variabel memiliki mkategori, makabanyaknya variabel di dalam model adalah m-1. Misalnya Variabel jenis kelaminterdapat dua kategori, yaitu pria dan wanita. Untuk variabel jenis kelamin inidiwakili oleh satu variabel dummy dalam model regresi. Jika semua kategori variabel
tersebut dimasukkan kedalam model regresi, maka dalam model akan terjadi
30
kolinearitas. Keterbatasan penggunaan variabel dummy dalam model regresi ini
disebut perangkapvariabel dummy {dummy variable trap){Algifari;2000:101).
Untuk menghindari perangkap variabel dummy dalam model, model
regresi yang digunakan adalah model regresi tanpa intersip. Dengan model ini semua
kategori yang diperlakukan sebagai variabel dummy dapat dimasukkan ke dalam
model. Misalnya penelitian untuk membangun model yang menggambarkan
hubungan pengaruh jenis kelamin terhadap gaji. Variabel jenis kelamin merupakan
variabel kualitatif yang dalam modeldiperlakukan sebagai variabel dummy. Kategori
yang menyatakan jenis kelamin ada dua yaitu pria dan wanita. Keduanya saling
independen. Artinya pria tidak mungkin juga seorang wanita. Jadi antara kategori
pria dan kategori wanita saling meniadakan {mutually exclusive). Model regresi yang
digunakan adalah
Y = bi Di + b2 D2 + e
Yang menyatakan bahwa
Y = gaji
Di= pria
D2 = wanita
BAB IV
ANALISIS DATA DAN PEMBAHASAN
4.1. Data
Data yang dianalisis diambil dari data produksi, data luas lahan, tanaman tebu
baru, tanaman tebu tunas untuk tahun 1999/2000. Untuk menganahsa data tersebut
menggunakan analisis regresi berganda variabel dummy dengan tiga peubah bebas..
Untuk peubah respon adalah gula murni (Hablur), tanaman tebu baru, tanaman
tebu tunas dan status kepemilikan tebu (TRS dan TRT). Perhitungan gula mengggunakan
satuan ku, luas lahan satuannya Ha dan tanaman tebu satuannya kuintal. Berikut ini
adalah hasil pengambilan datasampel dari data:
Tabel 2. Data Produksi gula murni (Hablur), tanaman tebu baru, tunas dan status
kepemilikan tebu tahun 1999/2000
NO Baru Tunas Gula StKpm1 316,618 277,128 18216.88 0
2 206,721 138,323 10209.81 0
3 76,933 137,794 4917.83 1
4 137,156 346,892 12792.98 1
5 333,659 353,580 75572.37 0
6 125,437 100,305 8320.77 0
7 246,857 80,480 51754.58 1
8 176,900 227,978 51372.85 0
9 136,124 121,451 13290.32 1
10 100,211 256,238 14904.97 0
11 274,269 70,647 7184.93 0
12 135,354 156,610 40043.09 1
13 184,518 334,765 22450.28 0
14 282,149 152,602 9726.26 1
15 203,182 197,273 10250.98 1
16 150,658 180,061 39940.63 1
17 215,840 339,252 6670.19 0
18 285,253 93,222 I 382750.9 0
31
NO Baru Tunas Gula StKpm
19 277,877 198,754 13243.39 1
20 140,513 244,961 41820.12 1
21 296,026 342,539 26821.04 0
22 279,029 168,693 26743.82 1
23 278,976 327,679 27774.89 1
24 263,383 315,659 18939.09 0
25 295,841 294,662 22562.54 1
26 171,078 157,388 34034.85 0
27 119,073 298,114 23975.24 0
28 264,711 270,853 17437.92 1
29 258,470 154,820 32143.19 1
30 103,761 134,122 24546.17 o
32
Sumber : Data produksi tiap propinsi, kabupalen, kecamatan dan status tanaman dibagian Pabrikasidi PG Madukismo
Tabel berikut merupakan hasil output dengan menggunakan Program Spss 10.0
untuk pengolahan data diatas:
4.2 Pembahasan
Dalam pembahasan ini ada beberapa hal yang perlu dijelaskan, antara lain:
1. Pembahasan bagian descriptif statisticsdan correlations
Berikut ini adalah output bagian pertama dan kedua dari analisis regresi berganda
Regression
Descriptive Statistics
T. Tebu Baru
T. Tebu Tunas
Prod. Gula Murni
Analisis:
N
30
30
Mean Std. Deviation
211219.2
215761.5
75330.57023
91103.91355
30 36347.10 67378.33023
> Rata- rata Gula Murni (Hablur) (dengan jumlah data 30) adalah 36347.10 Kudengan standar deviasi 67378.33023
> Rata- rata Tanaman Tebu Baru (dengan jumlah data 30) adalah 211219.2 Kudengan standar deviasi 75330.5702
> Rata-rata Tanaman Tebu Tunas (dengan jumlah data 30) adalah 215761.5 Kudengan standar deviasi 91103.9136
> Rata-rata Status Kepemilikan Tebu (dengan jumlah data 30) adalah 0.50 denganstandar deviasi 0.51
Tabel 3. Hasil Oupu. Korelasi produksi Gula mumi, Tanaman Tebu Baru dan Tunas danstatus Kepemilikan Tebu
Pearson Correlation
Sig. (1-tailed)
Analisis:
Prod. Gula Murni
T. Tebu Baru
T. Tebu Tunas
Stat. Kepemilikan
Prod. Gula Murni
T. Tebu Baru
T. Tebu Tunas
Stat. Kepemilikan
Prod. Gula Murni
T. Tebu Baru
T. Tebu Tunas
Stat. Kepemilikan
1.000
.5W
.828
-.041
.020
.000
.415
30
30
30
30
.516
1.000
.204
-.004
.020
.140
.492
30
30
30
30
.828
.204
1.000
-.151
.000
.140
.213
30
30
30
30
-.041
-.004
-.151
1.000
.415
.492
.213
30
30
30
30
> Besarnya hubungan antara variabel Hablur dengan tanaman tebu baru sebesar0.516 ,vanabel Hablur dengan tanaman tebu tunas sebesar 0.828 dan variabelHablur dengan status kepemilikan tebu sebesar -0.4. Secara teoristis, dilihatdari nilai korelasinya maka urutan yang berpengaruh terhadap kandungangula adalah:
Banyaknya tanaman tebu tunas
34
2. Banyaknya tanaman tebu baru
3. Status kepemilikan tebu
Hipotesisnya :
• Ho = Tidak ada korelasi antara keduanya
• H, = Ada korelasi diantara keduanya
• a= 0,05
• Daerah kritik tolak Ho jika < a
• Pengaqibilan keputusan:
> Tingkat signifikasi koefisien korelasi satu sisi dari output:.
1. Variabel Hablur dengan tanaman tebu baru sebesar 0.002 lebih kecil dari
0.05,maka korelasi diantara keduanya adalah nyata artinya dengan
menggunakan tingkat signifikasi 5% ternyata ada korelasi diantarakeduanya
2. Variabel Hablur dengan tanaman tebu tunas sebesar 0.000 lebih kecil dari
0.05,maka korelasi diantara keduanya adalah nyata artinya dengan
menggunakan tingkat signifikasi 5% ternyata ada korelasi diantarakeduanya
3. Variabel Hablur dengan status kepemilikan tebu sebesar 0.415 lebih besar
dari 0.05,maka korelasi diantara keduanya adalah tidak nyata artinya dengan
menggunakan tingkat signifikasi 5%ternyata ada korelasi diantara keduanya
Tabel 4. Metode Entered
Variables Entered/Removed b
Variables Variables
Model Entered Removed Method
1 Stat.
KepemilikanT. Tebu Baru, a EnterT. Tebu Tunas
a- All requested variables entered.
b- Dependent Variable: Prod. Gula Mumi
35
Keterangan:
> Tabel Variabel entered menunjukkan bahwa tidak ada variabel yang
dikeluarkan (removed) atau dengan kata lain ketiga variabel bebas
dimasukkan dalam perhitungan regresi
Tabel 5. Hasil OutputModel Summary
Model Summaryf3
Adjusted Std. Error of Durbin-WModel R R Square R Square the Estimate atson1 .904a .817 .795 97.28770 2.263
a- Predictors: (Constant), Stat. Kepemilikan, T. Tebu Baru, T. TebuTunas
b. Dependent Variable: Prod. Gula Murni
Keterangan :
> AngkaR Square adalah 0.817 hal ini berarti 81.7% Hablur bisa dijelaskan
oleh variabel tanaman tebu baru dan tunas serta status kepemilikan tebu,
sedangkan sisanya (100%-81.7% =18.3%) dijelaskan oleh sebab-sebab lain.
> Standart enor ofestimate adalah 97.2877 yang berarti adanya penyimpangan
data sekitarmodel sebesar angka tersebut.
Perhatikan pada analisis sebelumnya, bahwa standar deviasi produksi gula
murni (Hablur) adalah 215.09498 yang jauh lebih besar dari standart enor of
estimate yang hanya 97.2877 Karena lebih kecil dari standart deviasi gula murni
(Hablur), maka model regresi lebih bagus dalam bertindak sebagai prediktor gula
murni (Hablur) dari pada rata-rata gula murni (Hablur) sendiri.
Tabel 6. Hasil Output Analisis Variansi
ANOWP
SUm0f rs c dinModel Squares df Mean Square F SighT Regression 1096622 3 365207.468 ^S5 OT
Residual 246087.2 26 9464.893Total 1341710 29
36
a. Predictors: (Constant). Stat. Kepemilikan, T. lebu Baru. T. Tebu Tunasb. Dependent Variable: Prod. Gula Murni
Keterangan:
Hipotesis:
• Ho= Koefisien regresi tidak signifikan
• H, =Koefisien regresi signifikan
• a= 0,05
• Pengambilankeputusan:
c) Dengan membandingkan statistik hitung dengan statistik tabel
Jika statistik Fhitung < statistik f tabel, maka Ho diterima
Jika statistik Fhitung > statistik f tabel, maka Ho ditolak
• Statistik F hitung
Untuk mengetahui Fhitung dapat dilihat ditabel output komputer
Keputusan:
> Dari uji Anova atau Ftest, didapat f hitung adalah 38.585 dengan tingkat
signifikasi 0.000. Karena probabilitas (0.000) jauh lebih kecil dari 0.05, makamodel regresi bisa dipakai untuk memprediksi gula murni (Hablur). Atau
bisa dikatakan tanaman tebu baru, tunas dan status kepemilikan tebu secara
bersama-sama berpengaruh terhadap (Hablur) (Uji Overall)
37
Tabel 7. Hasil Output Koefisien Regresi
Coefficients"
Unstandardized
Coefficients
Standardized
Coefficients
tModel B Std. Error Beta Sig.
1 (Constant) .301 .021 14.065 .000
T. Tebu Baru .053 .003 .283 15.947 .000
T. Tebu Tunas .005 .001 .306 7.348 .000
Stat. Kepemilikan 1.096 .298 .227 3.673 .001
a. Dependent Variable: Prod. Gula Mumi
Tabel selanjutnya menggambarkan persamaan regresi
Y = 0.301+0,053X, +0,005X 2+ 1.096D
Dimana :
• Y = Hablur (gula Murni)
• X, = tanaman tebu baru
X 2 = tanaman tebu tunas
D = Status Kepemilikan Tebu (TRS dan TRT)Variabel Dummy
Variabel Dummy yang dipakai adalah sebagai berikut:
Variabel Kode
Status Kpmk Tebu 0=TRS
1=TRT
Maka dari persamaan regresi diatas dapat diperoleh persamaan lagiyaitu:
Untuk D=0 (Status tebu TRS) adalah :
Y = 0.301+0,053X,+0,005X2+ 1.096D
= 0.301+0,053X,+0,005X2+ 1.096(0)
= 0.301+0,053X.+0,005X2
38
Maka persamaan regresi estimasinya untuk Status Kpmk. Tebu TRS adalah :
Y = 0.301+0,053X,+0,005X2
Untuk D=l (Status tebu TRT) adalah :
Y = 0.301+0,053X,+0,005X2+ 1.096D
= 0.301+0,053X,+0,005X2+ 1.096(1)
=1.397+0,053X,+0,005X2
Maka persamaan regresi estimasinya untuk Status Kpmk.Tebu TRT adalali:
Y= 1.397+0,053X,+0,005X2
Keterangan:
Dari persamaan regresi Y= 0.301+0.053X, +0,005X 2+ 1.096D
♦ Koefisien regresi Xi sebesar 0,053 menyatakan bahwa setiap kenaikan
tanamantebu baru akanmeningkatkan Hablur (gula Mumi) sebesar 0,053
♦ Koefisien regresi X2 sebesar 0,005 menyatakan bahwa setiap kenaikan
tanaman tebutunas akan meningkatkan Hablur (gula Murni) sebesar 0,005
♦ Koefisien regresi D sebesar 1.096 menyatakan bahwa setiap kenaikan
status kepemilikan tebu akan meningkatkan Hablur (gula Mumi) sebesar
1.096
4.2 Uji Asumsi Dalam Regresi
Setelah didapatkan model persamaan regresi maka diuji asumsi regresi untuk
menghasilkan estimator linear yang tidak bias yang terbaik. Dalam ini akan diuji
asumsi-asumsi sebagai berikut:
Multikolinearitas
Pearson Correlation Produksi Gula MurniTanaman Tebu BaruTanaman Tebu TunasStatus KepemilikanHroduksi Gula Murni
Tanaman Tebu BaruTanaman Tebu TunasStatus Kepemilikan
Sig. (Mailed)
N ProduksiGula MurniTanaman Tebu BaruTanamanTebuTunasStatus Kepemilikan
39
Correlations
Dilihat dari koefisien korelasi pada nilai korelasi
tidak mendekati sempurna atau bahkan 1sehingga didalammasalah multikolinearitas.
Uji Kenormalan
antara variabel independen
model tidak terdapat
Uji Normalitas Residual Kolmogorov-Smimov
3
&8a.
.999
.99
.95
.80
.50
.20
.05
.01
.001
Average: 27.833StDev: 93.5246N:30
-100100
C6200
KdmogorovSmimov Normality TestD+: 0.032 D-: 0.049 D:0.082Approximate P-Value >0.15
40
Dengan menggunakan pendekatan Kolmogorov-smirnov dapat dilihat bahwa data
menyebar normal, karena Pvalue>0,15
• Uji Hipotesis
• H0=Data sampel diambil dari distribusi normal• H. =Data sampel diambil tidak dari distribusi normal
• a = 0.05
• Daerahkritik TolakH0jika P-value< a
• Statistik Uji
Dari hasil output didapat nilai P-value>0.15
• Kesimpulan
. Karena P-value lebih besar daripada a , maka terima H0 yang artiya bahwa
data berdistribusi normal.
Uji Heteroksedastis
Coefficients
Unstandardized StandardizedCoefficients Coefficients
Model B Std. Error Beta t Si9"1 (Constant) tT046 39~9071*31 .064
T. Tebu Baru .002 .000 .040 .206 .838T Tebu Tunas .000 .000 -054 -.274 786
.227 3.673 .060Stat. Kepemilikan 1.096 -298a. Dependent Variable: Prod. Gula Murni
Uji Hipotesis
• H„: tidakterjadi heterokedastis
• Hi: terjadi heterokedastis
- oc=0.05
41
• kesimpulan
Karena nilai Sig. untuk koefisien tanaman tebu baru , tunas > a, maka dapat
disimpulkan bahwa variansi dari residual homogen, dengan tingkat
signifikasi sebesar 5%
Uji Autokorelasi (Keacakan)
Model Summary
Adjusted Std. Error of Durbin-WModel R RSquare RSquare the Estimate atson1 .904a .817 .795 97.28770 2.263
a. Predictors: (Constant), Stat. Kepemilikan, T. Tebu Baru, T. TebuTunas
b. Dependent Variable: Prod. Gula Mumi
Keterangan:Terlihat pada tabel bagian model summary, angka D-W sebesar 2.263 hal ini
berarti model regresi diatas tidak terdapat masalah autokorelasi dan model regresi
layak dipakai (nilai D-W dibandingkan dengan nilai Tabel Durbin-Watson dengan
n=30, df=\. 143 dan du=\ .739 maka nilainya diatas du).
Pengujian Koefisien Regresi:
> Uji T untuk menguji signifikan konstanta dan variabel independen luas lahan,
tanaman tebu baru, tunas dan status kepemilikan tebu. (Uji Parsial)
1). Hipotesis untuk konstantanya adalah :
• Ho = Koefisien regresi tidak signifikan
• Hi = Koefisien regresi signifikan
• a =0.05
• Pengambilan keputusan:
Berdasarkan probabilitas:
42
Jika probabilitas £ 0.05, maka H0 diterima
Jika probabilitas < 0.05, maka H0 ditolak
Keputusan:
Terlihat bahwa pada kolom sig/significance adalah 0.000 atau probabilitas jauh
diatas 0.05, maka H0 ditolak atau koefisien regresi signifikan, atau konstanta
berpengaruh terhadap model persamaanregresi
2). Hipotesis untuk VariabelTanaman Tebu Tunas
• Ho = Koefisien regresi tidak signifikan
• Hi = Koefisien regresi signifikan
• a =0.05
• Pengambilan keputusan :
Berdasarkan probabilitas:
Jika probabilitas > 0.05, maka Ho diterima
Jika probabilitas < 0.05, maka H() ditolak
Keputusan:
Terlihat bahwa pada kolom sig/significance adalah 0.000 atau probabilitas jauh
dibawah 0.05, maka Ho ditolak artinya luas lahan berpengaruh terhadap model
persamaan regresi
3). Hipotesis untuk Variabel Tanaman Tebu Baru
• Ho = Koefisien regresi tidak signifikan
• Hi = Koefisien regresi signifikan
• a =0.05
• Pengambilan keputusan:
43
Berdasarkan probabilitas:
Jika probabilitas > 0.05, maka H0 diterima
Jika probabilitas < 0.05, maka H0 ditolak
Keputusan:
Terlihat bahwa pada kolom sig/significance adalah 0.000 atau probabilitas jauh
dibawah 0.05, maka H0 ditolak artinya tanaman tebu baru berpengaruh terhadapmodel persamaan regresi
Demikian juga untuk status kepemilikan tebu hipotesisnya adalah :
• . Ho = Koefisien regresi tidak signifikan
• Hi = Koefisien regresi signifikan
• a =0.05
• Pengambilan keputusan :
Berdasarkan probabilitas:
Jika probabilitas > 0.05, maka H0 diterima
Jika probabilitas < 0.05, makaH0 ditolak
Keputusan:
Terlihat bahwa pada kolom sig/significance adalah 0.001 atau probabilitas jauhdiatas 0.05, maka H0 diterima artinya status kepemilikan tebu berpengaruhterhadap model persamaan regresi
BABV
KESIMPULAN DAN SARAN
KESIMPULAN
• Dari proses pengujian dengan menggunakan pendekatan analisis variansi atau ujiF(Uji Overall) dan uji koefisien regresi didapatkan bahwa tanaman tebu tunasdan tanaman tebu baru, dan status kepemilikan tebu ternyata berpengaruhterhadap produksi gula
. Dengan memperhatikan nilai R-Square sebesar 0.817, dapat disimpulkan bahwasekitar 81,7 %gula murni (Hablur) bisa dijelaskan oleh variabel tanaman tebubaru dan tunas serta status kepemilikan tebu, sedangkan sisanya yang 19,3% olehsebab lain. Atau kecocokan model yang digunakan sebesar 81,7 %
SARAN-SARAN
• Untuk meningkatkan produksi gula mumi (Hablur), maka banyaknya lahanmaupun tanaman tebu bam dan tanaman tebu tunas hams diperhatikan, jika perludicari jalan keluar untuk dapat meningkatkannya sehingga produksi gula murni(Hablur) dapat maksimal dan bertambah.
. Perusahan dapat menggunakan persamaan regresi untuk mengetahui keadaanproduksi gula murni (Hablur) dengan melihat faktor-faktor yangmempengaruhinya sehingga dapat diambil kebijaksanaan jika terdapat masalahyang serius.
• Perusahan harus mencari faktor yang lain yang mempengaruhi produksi gulamurni (Hablur) misal dengan penelitian tanaman, pemupukan yang baik, mesinataupun yang lain
44
Daftar Pustaka
1. Algifari, 1997, Analisis Regresi Edisi 1, BPFE UGM, Yogyakarta
2. Ayres F, Jr.., 1994, Mj/r/fo.penerbitErlangga, Jakarta
3. Sugiharto dan Harjono, 2000 Peramalan Bisnis, Gramedia Pustaka Utama
Jakarta
4. Walpole, R.E, dan Meyers, R.H, 1995, Ilmu peluang dan Statistika untuk
Insinyurdan Ilmuwan edisi ke-4, ITB, Bandung
5. Sembiring, R.K, 1995, Analisis Regresi, ITB, Bandung
45
W^
"1
i'*
-£8gjjS^.TraNyaNiivdnaw.i^naoadviva
-«.«
rm,u
UK
S.KA
BUPA
TEN
BANT
ULMT
T.19
99/20
00
V7
X7
T.
T'—
''
•--•
-"-"
""
!«
3.'
!f*W
|163
.001
137.1
5JS>
-|-?7
^
DA
TA
PR
OD
UK
SI
KA
BU
PA
TE
NS
LE
MA
NM
TT
.1
99
9/2
00
0
-«
fc"_*
>^.«
Ta
na
ma
nB
aru
Ta
na
ma
nT
un
as
'-•Ju
mla
h(T
ebu
Bar
u&
Tu
na
s-U
raia
nH
a
Oig
ilin
gT
eb
u(K
u)
Ha
blu
r(K
u)
Ha
Dig
ilin
gT
ebu
(Ku)
Hab
lur
(Ku)
Ha
Oig
ilin
gT
eb
u(K
u)
Ha
blu
r(K
u)
Ju
mla
hP
er
Ha
Ju
mla
hP
erH
a*
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
Ju
mla
h-
Per
Ha
ms
KM
1
30
DE
AN
73
.95
91
,05
8.0
01
.23
1.3
51
5.8
58
.76
21
4.4
58
5.2
31
09
.18
4.0
01
,28
1.0
58
,34
3.8
69
7.9
01
59
.18
20
0,2
42
.00
2,5
12
.40
24
,20
2.6
23
12
.35
WN
GG
1R
80
.44
13
5.8
73
.00
1,6
89
.12
18
,08
0.3
02
24
.77
11
0.1
31
43
.42
5.0
01
,30
2.3
29
,42
1.8
08
5.5
51
90
.57
27
9,2
98
.00
2.9
91
.45
27
.50
2.1
03
10
.32
3R
AM
BA
NA
N7
6.3
91
06
,72
8.0
01
,39
7.1
51
5.9
64
.93
20
8.9
98
0.5
31
00
.97
1.0
01
.25
3.8
37
.90
2.7
29
8.1
31
56
.92
20
7,6
99
.00
2,6
50
.98
23
,86
7.6
53
07
.13
JUM
LA
H2
50
.78
33
3,6
59
,00
4.3
17
.61
49
.90
3.9
96
48
.21
27
5.8
93
53
.58
0.0
03
,83
7.2
12
5.6
68
.38
*2
81
.58
-5
26
.67
68
7,2
39
.00
8,1
54
.82
-75
,67
2:3
79
29
.80
TR
SK
MM
•-
—-,.
,'..
t.
•---
.;.'.
UL
AT
13
2.4
01
8.1
22
.00
."...
-5
59
.32
70
4.1
82
1.7
34
5.4
61
4.1
44
.00
31
1.1
35
30
.82
11
.68
77
56
-^,3
2.2
66
.00
.8
70
.45
«-"-
1.2
35
.00
33
.41
ru
ra
14
.22
5.2
24
.00
36
7.3
72
02
.99
14
.28
27
.28
7.4
52
.00
27
3.1
72
52
.18
9.2
44
i.5
01
25
76
.00
-64
0.5
4-;
^4
55
/l7
v2
3.5
2
3O
0E
AN
16
.12
6.6
29
.00
41
1.2
32
57
.59
.1
5.9
83
1.1
89
.38
3.0
C3
00
.93
31
7.5
31
0.1
84
7.3
0s-
16
,01
2.0
0'7
12
.16
..
57
5.1
22
6.1
6
UIO
YU
DA
N2
2.0
71
0,2
21
.00
46
3.1
23
97
.16
18
.00
31
.13
9.1
39
.00
29
3.5
83
09
.27
9.9
35
3.2
01
9.3
60
.00
.75
6.6
97
06
.44
27
.93
dIN
GG
IR1
1.3
14
.68
1.0
04
13
.88
18
1.8
91
6.0
83
8.3
71
1,8
59
.00
30
9.0
74
01
.32
10
.46
49
.68
.:.:
16
,54
0.0
07
22
.95
V5
83
21
26
.54
3E
YE
GA
N1
9.2
71
3,2
87
.00
65
9.5
25
16
.30
26
.79
25
.33
7.9
61
.00
31
4.2
92
69
.41
10
.64
44
.60
21
.24
8.0
01
.00
3.8
17
85
.71
37
.43
rE
MP
EL
34
.00
19
.50
4.0
05
73
.65
75
7R
R2
2.2
93
5.1
81
1.1
34
.00
31
7.9
13
78
.48
10
.76
69
.18
•-,'."3
0.68
5.00
---.
;3
91
55
1.1
36
.36
-3
3.0
5
3A
KE
M3
1.3
51
9.4
10
.00
61
9.1
47
54
.23
24
.06
26
.4i
C.2
53
.00
23
6.7
72
11
.61
8.0
15
7.7
S2
55
63
.00
.co
o.a
i.
30
3.0
03
2.0
71
<A
LA
SA
N1
5.7
26
.4S
S.0
04
13
.36
25
2.5
01
6.0
63
3.4
09
,10
60
02
72
.63
30
8.1
69
.23
49
.12
15
,60
4.0
06
85
.99
v>:5
60
.65
~i2
5.2
9
*E
P.a
AK
23
.16
15
.i6
2.C
05
19
.96
58
3.1
62
0.2
02
5.2
27
,60
u.O
O2
69
.31
25
7.1
S8
.11
&7
38
\2
2.7
62
.00
76
9.2
7S
4S
.35
29
.32
W.M
3A
NA
N1
6.3
98
,69
9.0
04
GS
.72
£6
03
11
5.6
82
7.4
56
,22
4.0
02
26
.74
21
C5
37
.67
43
.84
12
92
3.0
06
35
.46
,47
0.9
3=•
23
.56
JU
ML
AH
L22
5.82
12
5,4
57
.00
5,4
39
26
4.3
74
.18
21
13
63
43
.41
^_
100,
305.
003
,12
5.5
33
,44
6.5
51
C6
.92
57
5.C
32
25
,74
2.9
08
56
4.7
9•
-8
,32
0.7
7•3
13
28
nsrrK
M-
--
„,
•-•
;-"•
•-v
'*
-\
•"•.
::-.
"---
••'
4L
AT
13
1.4
62
5,7
71
.00
81
9.1
75
.16
5.6
91
64
.83
27
.58
10
,86
4.0
03
93
.91
41
3.1
31
4.9
65
S.0
43
6.6
35
.C0
12
13
.06
5.5
98
.82
17
9.8
1
Tu
RI
10
.23
16
,07
3.0
01
,64
1.3
43
.77
6.3
13
67
.35
11
.30
3.9
63
.00
35
C.9
71
92
.16
17
.01
21
.58
20
.83
9.0
01
,99
2.3
23
,95
3.4
7-3
84
.35
"X
SA
SL
iK1
2.4
51
8.3
48
GO
1.4
73
.73
3.8
44
.17
30
8.7
71
2.9
73
,44
1.0
02
65
.30
1G
0.4
07.
741
25
.42
21
,78
9.0
01
,73
9.0
43
,94
4.5
73
1S
51
JIO
YU
OA
N1
2.1
62
3,1
63
.00
1,9
01
.72
4.9
65
.70
40
7.C
91
2.7
63
.25
6.0
02
55
.17
10
3.9
86
.08
24
.94
26
,41
9.0
02
.15
6.9
0£
.06
8.7
84
15
.77
.KN
GG
R1
8.1
31
4.1
35
.00
77
9.6
53
.35
0.3
32
01
.34
17
.33
6.2
23
.00
35
9.3
32
58
.44
20
.83
35
.46
.2
03
63
.00
1,1
39
.02
4,0
08
.77
22
2.0
3
JE
YE
Ga
H7
.37
11
,33
0.0
01
,53
7.3
13
,52
1.2
84
77
.79
1G
.6?
2,4
X3
.00
22
2.9
19
7.2
58
.95
10
.24
13
.75
3.0
01
.76
0.2
23
,61
8.5
3«
S6
.73
fEM
PE
L1
5.3
32
2,9
36
.00
1.4
9S
.15
4.0
55
.26
26
4.5
31
5.1
84
,02
90
02
65
.42
28
8.0
51
8.9
83
05
12
8,9
65
.00
1.7
61
57
4.3
43
.31
26
35
1
'AK
EM
30
.06
2S
.15
3.0
0S
36
.76
5.1
57
.26
17
1.5
72
6.5
11
5,2
45
.00
57
5.1
06
40
.24
24
.15
5*
57
40
.3S
9.0
01
.41
1.8
SU
.79
75
01
95
.72
vA
LA
SA
N4
3.4
14
5.0
56
.00
1,0
37
.92
6.0
72
.97
13
9.9
03
1.7
72
3,7
49
.00
74
7.5
37
78
.39
24
.50
75
.18
68
,80
5.0
01
.78
5.4
56
.35
1.3
61
64
.40
5E
PO
K1
1.7
32
0,1
47
.00
1,7
17
.56
3,0
26
.94
33
4.7
81
2.4
53
.24
0.0
02
60
.24
20
1.5
31
6.1
92
4.1
82
3,3
87
.00
1.9
77
.80
4.1
28
.52
35
0.9
7
3E
R3
AH
9.3
72
3.S
45
.00
2,5
55
.50
4,1
01
68
43
7.7
51
4.6
04
,03
3.0
02
76
.58
32
4.2
82
2.2
12
3.9
72
7,9
33
.00
25
32
.07
4.4
25
.9S
45
9.9
3
JUM
LA
H|
20
1.7
72
46
,85
7.0
01
5,7
96
.82
48
,25
75
91
23
9.1
7.
19
3.3
28
0,4
30
.30
3,8
72
31
3,4
96
.99
18
3.4
83
95
.09
32
7,3
37
.00
19
,76
93
25
1,7
54
.58
42
2.6
31
•33
3/2
00
0
DA
TA
PR
OD
UK
SI
KA
BU
PA
TE
NK
UL
ON
PR
OG
OM
TT
.1
99
9/2
00
0~
iJ^
&i&
&-
Ura
ian
Ta
na
ma
nB
aru
•T
an
am
an
Tu
na
sJu
mla
h(T
ebu
Ba
ru&
Tu
na
sH
a
Dig
ilin
gT
ebu
(Ku)
Ha
blu
r(K
u)
Ha
Dig
ilin
gT
eb
u'K
u)
Ha
blu
r(K
u)
Ha
Dig
ilin
gT
eb
u[K
u)H
ab
lur
(Ku
)
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
Jum
lah
Per
Ha
Ju
mla
hP
erK
aJu
mla
hP
er
Ha
Ju
mla
hP
erH
a
TR
S
PE
NG
AS
IH3
8.0
01
62
69
.30
42
8.1
11
.55
9.4
64
1.0
43
5.1
73
2,3
59
.70
92
0.0
97
20
.82
20
.50
73
.17
48
,62
9.0
01
.34
82
02
28
02
86
1.5
3
SE
NT
OL
O.
19
.82
3.3
71
.30
17
0.0
73
77
.31
19
.03
16
.83
23.6
67.7
01
.40
62
83
11
26
18
.49
36
.65
27
.03
9.0
01
.57
6.3
56
88
.57
37
.53
GIR
IMU
LY
O2
1.7
24
.77
6.3
02
19
.87
53
4.5
62
4.6
12
0.7
92
5.5
98
.70
1.2
31
30
45
6.2
82
1.9
5-•
42
51
30
.37
5.0
01
,45
1.1
79
90
.84
46
.56
LE
ND
AH
27
.67
8.3
68
.30
30
2.4
09
36
.58
33
.84
'2
0.7
42
5,3
54
.70
12
22
.50
42
8.0
32
0.6
44
8.4
13
3.7
23
.00
1.5
24
.90
1.3
64
51
54
.48
NA
NG
GU
LA
N1
6.9
12
,82
8.3
fr1
67
23
31
65
41
8.7
22
7.9
82
8.0
74
.70
1.0
03
.38
53
0.0
71
8.9
44
4.8
93
0.9
03
.00
1.1
70
51
84
65
13
75
6
KA
UB
AW
AN
G2
4.8
71
f.4
34
.30
45
9.7
11
27
9.7
25
1.4
51
4.9
42
0.1
70
.70
1.3
50
52
27
12
91
8.1
63
95
13
1.6
11
.00
1.8
10
22
15
51
.01
69
.61
WA
TE
S3
9.6
01
7.6
51
.30
44
5.7
11
.83
9.3
34
6.4
42
4.7
92
7.3
99
.70
1.1
05
27
46
22
31
8.6
56
43
9-4
5,0
51
.00
1.5
50
.98
2.3
01
56
€5
.09
KO
KA
P3
6.9
51
75
57
.30
47
5.1
31
,83
7.9
24
9.7
41
6.0
22
2,4
88
.70
1.4
02
.54
26
8.1
11
6.7
45
2.9
74
0.0
26
.00
1.8
77
.67
2.1
06
.03
66
.47
PA
NJA
TA
N2
1.3
24
54
5.3
02
17
.85
51
9.9
02
4.3
82
3.0
12
7,3
21
.70
1.1
87
.38
39
1.7
51
7.0
34
4.3
33
1,9
67
.00
1.4
05
24
91
1.6
54
1.4
1
TE
MO
N3
4.7
61
3.3
09
.30
38
2.8
61
,48
9.5
74
2.8
51
7.8
32
3,8
15
.70
1.3
35
.71
37
42
42
0.9
95
25
93
7,1
25
.00
1.7
18
.57
1.8
63
.81
63
.84
JU
ML
AH
28
1.6
51
00
21
1-0
03
55
.80
10
,69
0.8
93
52
.10
21
8.1
02
56
,23
85
012
,164
-98
4.2
14
.08
13
2.0
74
99
.75
35
6,4
49
.00
15
,43
3.9
11
4.9
04
.97
54
4.1
7
TR
SK
M!
TE
MO
N3
7.1
09
9,7
15
.89
2,6
87
.76
1,0
79
.55
29
.ie
.1
9.5
41
0,8
64
.00
55
5.9
92
19
.64
11
.24
56
.64
11
0.5
79
.8&
32
43
.75
12
99
.19
40
.34
KA
LIB
AW
AN
G1
0.9
2"
12
.81
7.8
91
.17
3.6
0."
.35
5.4
73
2.5
55
26
3,9
36
.00
75
3.9
91
98
.64
37
.73
15
.18
16
,78
3.8
91
.92
7.7
95
5*
11
70
.32
,
WA
TE
S1
1.0
91
2.2
92
.33
1,1
03
.^7
3C
S.0
42
75
06
.S3
4.0
41
.00
56
3.1
21
26
.88
12
.31
16
.02
16
.33
3.6
91
.69
1.5
84
32
.32
45
.90
i
KO
!>A
Pl
10
.82
12
.10
7.8
91
.11
90
33
51
24
22
.46
6.7
25
.12
5.0
0,
75
25
51
19
.56
17
.7S
17
54
17
,23
2.8
91
,88
1.6
34
70
.80
50
.25
SE
NT
OL
O1
4.7
71
8.0
79
.83
12
24
10
50
5.4
93
42
31
2.2
S6
,33
2.0
05
15
.22
26
4.9
22
1.5
62
7.0
6r
24
.41
1.8
91
.73
93
17
71
.41
55
.85
GA
LU
R7
.01
42
74
.89
60
9.6
31
42
49
20
.31
4.8
33
.11
1.0
06
44
.10
10
3.7
32
1.4
81
1.8
47
.38
5.8
91
.25
3.9
32
46
.13
41
.79
LE
ND
AH
11
.97
12
.88
0.8
91
.07
6.1
04
83
.77
40
42
10
.14
6.0
34
.00
59
5.0
71
94
.53
19
.1S
22
.11
•1
8,9
14
.89
1.6
71
.17
67
8.3
05
9.5
0
NA
NG
GU
LA
N2
8.7
05
7.0
97
.89
2.1
38
.50
88
8.3
03
3.2
72
0.4
31
1,2
24
.00
54
7.7
84
46
.72
21
.80
47
.15
6e,
32
1.8
92
.63
32
81
,33
5.0
25
5.0
7
KA
U3
AW
AN
G2
0.9
64
5.0
00
.89
2.2
43
.31
71
7.1
93
5.7
52
5.7
31
9.7
50
.00
7S
7.5
96
70
.86
26
.42
45
.79
64
.75
0.3
93
.01
0.9
01
,39
7.0
56
2.1
8
JU
ML
AH
15
0.4
42
74
26
9.0
01
32
6C
.S9
4,8
33
.45
28
5.7
51
11
.93
70
.64
7.0
05
.72
55
02
.35
4.4
31
9V
.55
•26
2.3
73
44
.71
6.0
11
9,1
06
38
7.1
84
.93
47
7.3
0
TR
TM
;1 l
WA
TE
SS
5.4
73&
r.33
S.O
03
96
.34
e,92
5.o4
I£
42
27
3.0
?4
3.5
27
.00
59
6.1
03
,36
5.7
94
5.0
91
68
.49
81
.35
6.0
09
92
.44
12
,36
05
31
40
.31
KO
;<A
P1
02
.51
58
.78
5.0
05
72
.90
1958
C30
I10
4.0
91
01
.76
77
,76
8.0
0L
7642
35
.12
3.8
0,
50
.35
20
43
71
36
.55
3.0
01
,33
7.1
31
5,5
04
10
15
4.4
4
SE
NT
OL
O9
7.2
53
8.7
30
.00
39
8.2
59
,33
2.9
39
5.9
76
8.6
83
5,3
15
.00
51
42
02
.54
52
33
7.0
61
65
.93
74
.04
5.0
09
12
.45
11
,87
8.1
61
33
.03
JU
ML
AH
20
5.3
31
35
.35
4.0
01
,36
7.4
92
9,0
08
.27
29
4.2
72
43
.46
15
6,6
10
.00
1.8
74
.52
11
53
4.8
21
33
51
53
8.7
92
91
.96
4.0
03
,24
2.0
24
0,0
43
.09
42
7.7
8
DATA
PROD
UKSI
kAB
UP
ATE
NX
uS
Ura
ian
Ta
na
ma
nB
aru
Ta
na
ma
nT
un
as
Jum
lah
(Teb
uB
aru
&T
un
as
Ha
Dig
ilin
gT
eb
u(K
u)H
ablu
r(K
u)H
a
Dig
ilin
gT
eb
ufK
u)
Ha
blu
r(K
u)
Ha
Dig
ilin
gT
eb
u(K
u)
Ha
blu
r(K
u)
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
Ju
mla
hP
er
Ha
TR
SK
MII
KA
LIB
AW
AN
G3
.15
99
9.7
08
.00
3.1
56
32
7.9
82
51
18
22
23
2.7
11
00
,00
5.0
03
.05
7.3
23
,93
9.8
81
20
.45
64
.30
19
9,7
13
.00
6,2
13
.64
9.6
96
21
30
2.6
7W
AT
ES
21
.96
84
.81
0.0
03
.86
2.0
25
.75
6.3
33
63
.50
19
.21
23
4,7
60
.00
12
.22
0.7
24
,77
1.5
62
48
.39
41
.17
31
9,5
70
.00
16
,08
2.7
41
2,7
54
.07
61
1.8
9JU
ML
AH
53
55
18
45
18
.00
75
18
.34
13
.73
8.8
45
45
.72
51
.92
33
4,7
65
.00
15
27
8.0
48
,71
1.4
4-
36
8.8
41
05
.47
51
92
83
.00
22
,29
6.3
82
2,4
50
.28
91
4.5
7
TR
TK
M-
.--.-
•-
-••'
TE
MO
N2
0.5
95
5.7
36
.00
2,7
09
.3/
1.5
75
.03
76
.49
16
23
30
,55
4.0
01
,88
2.5
68
09
.93
49
.90
36
.82
86
,34
0.0
04
,59
1.9
42
.38
4.9
61
26
.40
KA
LIB
AW
AN
G0
.83
50
24
6.0
05
.11
1.5
01
,40
6.6
31
43
.10
23
.47
33
,27
4.0
01
,41
7:7
29
13
.07
38
.90
33
.30
83
.52
0.0
06
,52
92
22
.31
9.7
0-1
82
.00
LE
ND
AH
17
.79
58
.85
4.0
03
.30
82
61
,68
3.7
49
45
51
0.4
32
5,3
77
.00
2,4
33
.08
64
1.9
96
15
52
8.2
28
42
31
.00
5.7
41
.34
2.3
25
.73
15
6.2
0G
AL
UR
32
.52
65
,06
9.0
02
.00
05
91
.86
35
45
7.3
12
0.2
73
2.5
99
.00
1,6
08
24
83
22
34
1.0
65
2.7
99
7.6
68
.00
.3
.60
9.1
32
.69
5.8
79
8.3
6JU
ML
AH
95
.37
282.
149.
00I2
.958.4
7.
4.6
65
.40
47
1.8
88
6.6
81
52
,60
2.0
07
.34
1.6
03
,19
72
22
42
88
18
2.0
53
51
.75
9.0
02
0.4
71
.63
9,7
26
.26
71
4.7
6
DATA
PROD
UKSI
KABU
PATE
NMAG
ELAN
GMT
T.19
99/20
00
Ura
ian
TRT
KMM
ER
TO
YU
DA
N•»•
»n
~
SA^A
Mj
683"
CA
NO
IMU
LY
OM
UN
GK
ID
_JU
ML
AH
TR
TK
MI
_S
AL
AM
UW
DiM
UL
YO
^""
~N
GL
UW
AR
JU
ML
AH
TR
SK
MI
TE
GA
LR
EJO
"S
AL
AM
MU
NT
ILA
N"
GR
AB
AG
_M
ER
TO
YL
'DA
NJU
ML
AH
Ta
na
ma
nIT
un
as
Teb
u(K
u) Per
Ha
Hab
lur
(Ku)
Ju
mla
hP
er
Ha
62
0.8
4
21
9.7
9
43
6.3
4
36
8.3
1
1.6
45
.28
5.3
58
.56
7.7
37
.45
4.8
36
.35
34
55
32
.9a
52
.19
51
51
17
1.1
6
69
26
72
.91
66
22
20
83
9
/Ju
mla
h(T
ebu
Bar
u&
Tun
asH
a
Dig
ilin
gT
eb
u(K
u)
50
.98
13
.51
15
.36
13
.88
93
:73
15
82
8
19
4.1
7
Ju
mla
h
22
6.4
61
.00
52
,66
5.0
06
12
15
.00
60
.11
45
04
00
.45
5.0
0
94
28
4.3
31
49
.47
1.3
3-7
Per
Ha
9,6
54
.01
7,7
87
39
7.9
92
.95
8.6
57
.79
34
.09
2.1
4
1.1
94
.33
1.5
32
06
17
.93
2.3
61
55
.73
50
8.1
93
33
0.7
18
.99
.8
6.9
63
33
1.1
20
59
3,8
46
.99
_4
07
.74
41
4.4
*2
9.1
5
20
.76
45
1.7
34
92
1
53
6-1
31
9.S
150
9.94
j16
.QC
21
.31
27
21
23
.69
"1
85
3
43
.13
99
.59
7.0
0.
11
0.8
42
50
.1
00
23
9.0
0j
31.03
5.00
5.3
75
.34
9.4
34
54
9.6
06
50
23
23
72
3
8.3
S3
24
Ju
mla
hH
ablu
r(K
u) PerH
a
6.5
78
.40
1.0
41
.50
1.4
21
.48
12
09
.60
10
,25
0.9
8
39
.94
0.6
3
12
.35
3.6
0
15
.41
7.7
51
21
69
28
1.1
38
00
12
03
.14
1.9
61
.84
J&22
341.
444.
86"
21
5.0
3
15
32
1
19
2.9
3
17
65
2
73
7.6
88
15
5.7
1
16
0.1
4
15
4.8
94
70
.75
1
12
8.9
1
4=j.1
19.9
6J1
34.75
,134
.03*
Sstg
aSTi
n1
53
.36
9.0
0
65,74
7.31
j"£.*S
7o!l9
"9
23
.09
6
Z0
Zt/6
ZV
ILI
SKE
gt_
•^'^
"^"^-^W
DA
TA
PR
OD
UK
SI
KA
BU
PA
TE
NT
EM
AN
GG
UM
GM
TT
.1
99
9/2
00
0
Ura
ian
TR
TK
M
PR
ING
SU
RA
T
KR
AN
GG
AN
KA
ND
AN
GA
N
KA
LO
RA
N
JU
ML
AH
TR
TK
M
PR
ING
SU
RA
T
KA
ND
AN
GA
N
KA
LO
RA
N
KR
AN
GG
AN JU
ML
AH
Ha
Dig
ilin
g
85
.29
34
.86
42
.82
57
.55
22
05
2
52
69
54
.86
54
.58
10
9.4
22
71
55
Ta
na
ma
nB
aru
Teb
u(K
u)
Ju
mla
hP
er
Ha
Hab
lur
(Ku)
Ju
mla
hP
er
Ha
10
4.2
65
.00
2,4
40
.95
5,9
91
.16
.14
0.4
1
40
.44
51
,16
02
12
.43
95
56
9.9
8
50
.05
11
,16
85
72
.93
15
16
8.4
6
84
.26
81
.46
42
64
,16
35
97
2.3
5
27
9,0
29
6,2
34
.29
15
,52
6.3
13
51
.21
55
21
0-0
01
.04
7.8
34
,48
7.5
08
5.1
7
55
.68
5.0
01
.01
5.0
45
.22
7.4
39
52
9
55
,50
0.0
01
.01
6.8
64
.04
7.1
77
4.1
5
11
2,5
81
.00
2.0
47
.89
9.6
90
.93
17
6.7
3
27
89
76
.00
51
27
.61
23
45
3.0
34
31
.33
Ha
Dig
ilin
g
70
.79
42
51
29
.59
39
.42
18
2.4
1
45
.54
45
.95
46
.74
11
15
7
24
9.9
0
Ta
na
ma
nT
un
as
Teb
u(K
u)
Ju
mla
hP
er
Ha
63,2
28.0
01
.78
6.3
9
48
.32
0.0
01
.13
4.0
1
19,5
00.0
03
7.6
45
.00
16
8,6
93
65
9.0
1
95
4.9
7
4,5
34
.37
61
.75
0.0
06
2.2
29
.00
1.3
55
95
1.3
54
28
62.0
40.0
01
41
,66
0.0
0
1.3
27
.34
2,5
41
.70
32
76
79
.00
65
79
27
Ha
blu
r(K
u)
Ju
mla
h
4,1
75
.16
2.9
76
59
1.3
16
.22
2,7
49
.44
11
,21
75
1
79
8.4
3
80
1.7
6
78
6.8
0
1,9
34
57
43
21
56
Per
Ha
11
7.9
5
69
.86
44
.48
69
.75
30
2.0
4
17
.53
17
.45
16
.83
34
.69
40
33
6
^*«^
4vf»
se«*
!*SS
<S*
ft^~
«
-?••<
Jum
lah
{Teb
uB
aru
&T
un
as H
ab
lur
(Ku
)H
a
Dig
ilin
g
15
6.0
8
77
.47
72
.41
.
96
.97
'
40
2.9
27
'.9
82
3
10
05
1
10
1.3
2
22
1.0
9
52
1.4
5
Teb
u(K
u)
Ju
mla
h~
Per
Ha
16
7.4
93
.00
42
27
.33
88
,76
5.0
02
29
42
2
69
.55
1.0
01
52
7.8
8
12
15
13
.00
,
44
7,7
22
.00
2.4
19
.23
10
,76
8.6
5
11
6.9
60
.00
-
11
75
14
.00
11
75
40
.00
25
42
41
.00
.60
66
55
50
.*,
2,4
03
.78
2.3
69
.31
23
44
20
4.5
89
.59
11
70
6.8
8
Ju
mla
hP
er
Ha
10
.16
6.3
25
.41
6.3
44
24
7.8
36
.91
3.3
3
25
8.3
6
13
9.8
4
11
2.9
5
14
2.1
0,
26
.74
3.8
26
53
25
52
85
.93
6.0
29
.19
4.8
33
.97
11
,62
5.8
02
77
74
59
10
2.7
0
11
2.7
4
90
.98
21
1.4
2
83
4.6
9
DAT
APR
OD
UKS
IKA
BUPA
TEN
KEBU
MEN
MTT
.199
9/20
00
DATA
PROD
UKSI
KABU
PATE
NGU
NUNG
KIDUL
MTT.
1999
«0ob
;
DIAGRAM PROSES PEMBUATAN GULA
Tebu
Air imbibisi
Airkapur ,_
GasS02 -
Stasiun Giliiigau
Stasiun Pemumian
J
Nira encer J Stasiun Penguapau
Nira JkentaJStasiun Masakau
Stasiun Puteran
GulaProduk(SHSr)
-> Niramentah
-> Blofong
Uap air
Uap air
-> Teles
TABELVI.
Distribusi
F
a=3
%(angka
atas)dan
1%(angka
bawah0
MemberihargaPF>
F'(kj;!^;
a)1=a
0t°(\!k2
db
pen
ye-
bu
td
era
jat
beb
as(db)
pembilang
(=4q)(=
k2)1
2i
45
(7
t9
»11
12
14
1*
20
24
30
40
50
75
no
20
05
00
*•>
iM
l4
05
2
20
0m
m2
MS
4W
22
55
*2
32
50
57
«4
25
45
15
9
25
75
92
12
59
59
11
24
1
C0
22
24
2«
oj6
24
3«
0*
2
24
4
•1
0*
24
5«
I42
.2
46
«l«
9
24
1
62
01
24
9
62
34
.2
50
62
51
25
1
62
*6
25
2
63
02
23
3
63
23
23
3(3
34
25
4«
35
2
25
4
*3
*l
25
46
36
*
21
*4
19
14
9t»
JM
99
*1
l».M
nsi
19
45
59
.25
19
JO
99
JO
19
.55
99
43
19
4*
99
44
19
47
994
*
19
Jt
99
4*
19
49
99
40
19
40
99
41
19
41
99
42
19
42
99
43
19
43
99
.44
19
.44
99
.45
.1
94
59
9.4
*1
94
*
99
47
19
47
99
.41
19
.47
99
.41
19
.41
99
.49
19
49
•99
49
19
49
99
49
19
40
99
40
19
40
99
40
31
0.1
15
4.1
29
43
JM
I2
94
*9
J2
2*
72
94
12
14
41
44
17
J1
14
12
74
7
IJ4
27
49
tJI
27
44
1.7
1
27
43
1.7
*
27
.15
1.7
4
27
45
17
1
2*
42
14
9
2*
43
14
*
26
49
14
4
26
40
14
2
2*
40
14
0
26
.41
t4
I2
64
0
14
7
2(4
7
14
*2
*4
3
14
42
6.1
11
44
26
.14
15
32
6.1
2
4?
JI
2U
»
1*
41
14
0«
J9
MJ»
_«
J9
-
H4
!1
54
21
34
.1
6.0
91
44
1
6.0
4
14
.(0
6.0
0
14
46
54
61
45
45
45
14
45
54
1I4
J7
54
71
4.7
43
44
14
.13
54
0
14
.02
5.7
7
13
43
3.7
41
34
3
5.7
11
3.7
4J.7
01
3.6
93
.S1
13
41
54
*1
14
75
45
13
42
54
41
3.4
15
43
13
4*
fM
lM
Jft
17
91
12
71
41
I2jM
5J9
1IJ
»5
.05
W5
7
45
5
n>.<
74
41
10
.45
44
2
10
47
4.7
1
10
.15
4.7
4
10
45
4.7
0
94
*
4.6
1
94
9
44
4
9-7
74
.60
9.6
1
44
*
94
54
43
94
7
44
0
94
1
44
6
94
9
4.4
4
94
4
4.4
2
9.1
7
44
0
94
34
J1
94
74
47
94
4
44
*
9.0
2
<3
49
11
74
MM
44
*»
.7I
44
3
9.1
5
4J9
0.7
5
44
*
1X
7
44
11
.76
4.1
51
.10
4.1
0
74
*4
44
-
7J7
44
3
7.7
9
4.0
0
7.7
2
34
*
7.6
03
42
7J2
34
7
74
9
34
4
74
13
41
74
5
3.7
77
.14
3.7
3
7.0
93
.72
7.0
23
41
(5
9
34
9«
44
34
16
40
34
7*
4t
.71
59
12
25
4.7
49
45
44
3M
S4
J2
74
51
57
74
*3
47
7.1
93
.79
7.0
0J.7
3«
44
34
t
6.7
13
43
(4
2
3.6
0
«4
4
5.5
7
6.4
7
15
2
US
14
9
64
7
3.4
4
(.13
34
1
6.0
7
13
1
54
1
13
4
34
0
34
2
54
5
34
9
3.7
1
34
15
45
12
55
.70
12
4
5.(7
12
3
34
5
t1
52
I14
»
44
*1
45
SJ4
7J9
I5
49
♦43
34
1
«4
7
34
0
(.19
54
4«
43
15
95
31
5.5
4
54
21
31
3.7
43
47
34
35
4*
34
0
5.4
*3
.15
54
*3
.12
54
1
34
05
40
34
33
.11
3.0
3
34
*
3.0
05
.00
25
*
49
*
24
*
44
1
24
4
44
12
45
44
*
9'
11
2
I0JS
44
*S
MM
S«
42
14
5C
M
15
75
40
12
95
42
12
35
47
lit
34
5
11
51
2*
11
0
3.1
1
54
75
.11
34
25
40
24
1
44
2
24
54
40
24
0
4.7
34
44
24
2
44
6
24
0
44
1
2.7
7
4.4
5
24
*
44
1
17
5
44
*
2.7
2
44
31
71
44
1
TA
bL
LV
i.\j-,a
iijiAu
a»
w
4.9
*
10
44
44
4
94
5
4.7
3
9.3
3
44
7
94
7
4.6
0
•4
6
44
4
1.6
*
4.4
9
14
3
4.4
5
(.40
4.4
1
*4
t
4.3
*
(.1*
4.3
5
(.10
4.3
2
1.0
2
44
0
7.9
4
4.2
*
7.*
t
4.2
6
74
2
4.2
4
7.7
7
4.2
2
7.7
2
4.2
1
7.6
*
4.1
0
74
6
J.9
*
74
0
34
*
(.93
34
0
6.7
0
J.7
4
64
1
34
*
64
*
14
3
6.2
3
34
9
6.1
1
3.3
5
6.0
1
JJ2
54
3
J.4
9
54
5
J.4
7
5.7
*
J.4
4
5.7
2
J.4
2
5.6
4
J.4
0
5.6
1
3.3
*
54
7
5.3
7
5J3
5.3
5
5.4
9
3.7
1
6.3
3
34
9
6.2
2
3.4
9
54
3
3.4
1
5.7
4
3.3
4
54
6
3.2
9
5.4
2
3.2
4
5.2
9
3.2
0
5.1
*
3.1
6
5.0
9
3.1
35
.01
3.1
0.
44
4
3.0
7
44
7
3.0
5
44
2
3.0
3
4.7
*
3.0
1
4.7
2
2.9
9
4.6
*
24
9
4.6
4
2.9
4
4.6
0
J.4*
3J3
54
95
44
]J6
34
0
54
75
J2
3.2
63
.11
3.4
15
46
3.1
*5
40
3.1
1
3.0
3
3.0
6
*.n
3.0
1
4.7
7
34
2
44
6
24
6
44
9
24
0
44
6
24
5
4.4
4
29
*2
41
4.6
74
44
2.9
3
4.5
*
24
0
44
0
24
7
4.4
3
1*
4
4.3
7
27
7
44
3
17
4
4.1
7
17
1
4.1
0
16
1
44
4
24
22
66
4.3
13
.99
1*
0
4.2
6
2.7
*
4.2
2
2.7
6
4.1
*
17
4
4.1
4
2.7
3
4.1
1
16
4
J.9
4
16
2
34
0
16
0
14
6
15
9
3.1
2
15
7
3.7
9
J.2
2
54
9
3.0
9
5.0
7
34
0
44
2
24
2
4.6
2
11
54
.46
17
9
4.3
2
17
4
4.2
0
17
0
4.1
0
16
6
4.0
1
16
3
34
4
2.6
0
34
7
15
7
34
1
24
3
3.7
6
15
3
J.7
I
24
1
3.6
7
14
9
3.6
3
2.4
7
J.5
9
2".4*
3.3
6
3.1
4
54
1
3.0
1
44
*
19
2
44
5
24
4
4.4
4
17
7
4.2
*
17
0
4.1
4
2.6
6
4.0
3
2.6
2
35
3
24
*
34
5
13
5
3.7
7
15
2
3.7
1
14
9
3.6
3
14
7
3.5
9
2.4
5
3.3
4
14
3
3.5
0
14
1
3.4
6
13
9
J.4
2
13
7
3.3
9
3.0
7
5.0
6
19
5
4.7
4
1*
5
44
0
17
7
4.3
0
17
0
4.1
4
16
4
4.0
0
13
9
34
9
15
5
3.7
9
24
1
3.7
1
2.4
*
3.6
3
14
3
34
6
14
2
34
1
2.4
0
3.4
5
2.3
1
3.4
1
13
6
3.3
6
2.3
4
3.3
2
13
2
3.2
9
23
0
3.2
6
3.0
2
4.9
3
19
0
4.6
3
11
0
4.3
9
17
2
4.1
9
16
5
4.0
3
15
9
34
9
24
4
3.7
*
24
0
3.6
1
2.4
6
3.6
0
14
3
34
2
14
0
3.4
3
13
7
3.4
0
13
3
3.3
3
13
2
3.3
0
13
0
3.2
5
12
*
3.2
!
12
7
J.I7
2.2
3
3.1
4
2.9
7
4.1
3
2.8
6
44
4
2.7
6
4.3
0
16
7
4.1
0
16
0
3.9
4
2.5
5
34
0
2.4
9
3.6
9
14
5
34
9
2.4
1
3.3
1
2.3
*
3.4
3
24
3
34
7
23
2
3.3
1
13
0
3.2
6
12
*
3.2
!
2.2
6
3.1
7
12
4
3.1
3
22
2
3.0
9
12
0
3.0
6
2.9
4
4.7
*
"1
*2
4.4
6
17
2
44
2
2.6
3
4.0
2
24
6
34
6
24
!
3.7
3
14
5
3.6
1
14
1
34
2
24
7
3.4
4
13
4
3.3
6
13
1
3.3
0
12
*
34
4
2.2
6
3.II
12
4
3.1
4
12
2
3.0
9
2.2
0
3.0
5
II*
3.0
2
11
6
2.9
*
2.9
1
4.7
1
17
9-
4.4
0
26
9
4.1
6
16
0
35
6
13
3
3.1
0
14
*
3.6
7
2.4
2
3J3
13
*
3.4
5
24
4
34
7
13
1
34
0
12
*
3.2
3
12
3
3.1
7
12
3
3.1
2
12
0
3.0
7
11
*
3.0
3
2.1
*
19
9
11
3
2.9
6
11
3
2.9
3
24
6
4.6
0
17
4
44
S
16
4
4.0
3
24
5
34
5
14
*
3.7
0
14
33
46
24
7
3.4
5
13
3
34
5
12
9
3.2
7
24
6
3.1
9
12
3
3.1
3
12
0
3.0
7
11
*
3.0
2
11
4
2.9
7
11
3
25
3
11
1
1*
9
11
0
1*
6
2.0
t
1*
3
24
2
44
2
17
0
4.2
1
16
0
34
*
24
13
.7*
14
4
34
2
24
9
3.4
*
24
3
34
7.
12
9
34
7
12
3
3.1
9
24
1
3.1
2
II*
3.0
5
11
3
25
9
11
31
94
1:3
24
9
10
9
1*
3
10
*
11
1
-.03
17
7
10
3
2.7
4
17
7
4.4
1
16
34
.10
24
4
34
6
14
6
34
7
13
9
34
1
13
3
3.3
*
12
*
.3
.23
12
3
3.1
*
11
9•
3.0
7
11
53
.00
11
2
19
4
10
9•
II*
"2.0
71
13
2.0
4
27
1
2.0
2
2.7
4
2.0
0
17
0
1.9
9
16
6
1.9
7
16
3
17
4
44
3
16
1
4.0
2
24
0
3.7
*
14
2
34
9
24
5
34
3
12
9
3.2
9
12
4
3.1
*
11
9
3.0
*
11
5
3.0
0
11
1
25
2
10
*
24
6
10
5
1*
0
10
3
17
3
2.0
0
2.7
0
1.9
*
26
6
15
6
16
2
1.9
5
24
1
1.9
3
2.5
5
17
0
4.2
5
24
7
3.9
4
14
6
3.7
0
13
*
34
1
24
1
34
4
12
3
34
0
12
0
3.1
0
11
3
3.0
0
11
1
25
1
10
7
11
4
10
4
17
7
10
0
17
2
15
*
16
7
15
6
16
2
1.9
4
24
*
15
2
24
4
1*
71
64
4.1
74
.12
13
33
46
14
2
3.6
1
24
0
34
0
14
0
'5*
13
42
J2
3.4
23
47
12
7
34
6
24
1
3.1
2
21
6
3.0
1
24
4
34
1
11
1
3.0
7
11
32
56
11
11
01
19
22
4*
10
7
24
3
10
2
27
*
15
9
16
9
1.9
6
16
3
1.9
3
24
*
15
1
15
3
14
9
14
9
14
7
14
3
20
4
17
*
10
0
17
0
15
*
1(3
1.9
3
24
*
15
1
13
3
14
*'
14
*
14
6
14
4
14
4
2.4
0
14
2
13
6
l.SS
14
41
.80
14
72
.3*
2.3
3
15
01.53
15
01
41
75
2.6
1
4.0
3
14
7
3.7
4
13
*
3.4
9
12
*
3.3
0
12
13
.14
11
53
.00
10
9
11
9
10
4
17
9
10
0
17
1
15
6
1*
3
1.9
2
24
6
14
9
24
1
14
7
14
6
14
4
14
1
14
2
13
6
1.1
0
2.3
2
1.7
*
2.2
*
1.7
6
12
3
24
9'
44
1
24
5
34
0
24
51
4*
24
*
12
7
11
9
lit
24
2
25
7
24
7
24
6
24
2
24
6
I4
t
24
*
14
4
24
0
14
0
24
3
14
7
14
7
14
4
14
2
14
2
13
7
-1
40
13
3
14
7
12
9
24
*2
43
24
43
56
39
33
51
14
22
41
3.6
*3
42
24
21
31
34
13
4*
24
4
12
11
22
3.1
*
11
61
14
34
*3
.02
11
01
0*
25
22
49
20
41
02
24
0*
17
7
14
91
57
17
01
*7
15
5
1*
2
15
1
24
4
14
71
47
14
4
24
2
14
1
23
7
1.7
9
2.32.
1.7
*
12
7
1.7
4
2.2
3
15
3
24
9
15
0
24
1
14
32
44
14
2
24
*
14
0
13
3
1.7
7
12
*
1.7
4
12
3
1.7
2
2.1
9
24
0
3.6
0
24
0
34
6
22
13
.16
21
33
.00
10
7
1*
7
2.0
1
17
5
15
6
24
5
14
2
15
7
14
*
14
9
14
4
14
2
14
1
13
*
1.7
*
13
1
1.7
6
12
*
1.7
3
2.2
1
1.7
1
2.1
7
1.6
9
21
)
14
7
11
0
1.761.72
1.7
02
45
2.1
*2
.13
14
41.71
12
1lit
14
1
11
2
TABELVI.
(Lanjutan)
db
genye-
(=k2)
3*295*
32
343*315
*5J
44
03
44
74
45
.45
4.1
13
43
74
03
42
4.171
32
74
*3
49
4.133
40
74
0-
54
4
4.1
33
.7J
74
43
.29
4.1
13
4*
!7
49
54
5
4.1
03
45
|74S341
44
*3
43
74
15.11
44
73
.22
74
73.13
44
*3
41
74
43
.12
24
3•4
47
25
34
44
24
2
44
1
19
0
4.4
*
II*
4.4
2
l*«
44
*
1*
34
.34
24
*
4.3
1
2*
3
44
9
24
2
4.2
*
1*
14
44
24
0
4.2
2
17
94
.20
17
14
.1*
44
5
74
1
34
0.
3.W
44
43
.19
7.195
4*
44
33
.11
7.1
75
4*
44
23
.17
7.1
25
41
derajatbebas
(db)pembilang
(=kj_)2
01
43
03
07
5200
300•
17
t4
47
17
0
4.0
4
24
9
44
2"
1*
71
97
24
33
33
'
1*
3
34
9
24
2
34
*
24
13
43
24
*1
7*
24
4
17
3
24
3
•1
70
24
1
3.6
*
14
9
34
1
14
*
34
*
14
*3
44
14
3
34
1
14
4
3.4
9
14
4
35
3
14
3
34
0
14
2
3.4
7
14
0
3.4
2
24
1
3.3
1
24
*
34
5
13
53
42
"
24
4
3.2
9
13
*1
»3
.36
'3.2
33
4*
3.1
1
24
23
.0*
12
13
.06
21
93
.01
11
7
24
7
11
5
19
4
11
4
25
!
11
2
II*
11
!
1*
«
11
0
1*
4
II*
11
53
.03
29
5
II*
11
43
.00
19
2
11
*1
12
'1
9*
10
0
11
41
10
19
41
*«
11
21
0*
24
92
42
11
01
0*
24
*1
7*
10
91
03
24
21
73
.
1122.06
2.02156
1.91190
1*0171
2.602.52
11
01
0:
2.0C154
247177
16*247
1091
04
1.99153
114174
16
62.35
107102
157151
11
01
70
1*
2241
2051
00
155149
17*1
**
24*2.47
203149
1.93147
1721
*2
24*1
43
10215*
142145
1*9249
2411
40
14
71
41
2.4
41
35
1.7
*2
40
1.751
42
12
22
4*
1491
47
1431
13
10
»1.0*
1.611.65
1.641
10
2.061
03
1.661.64
1.621
07
10
3201
24
9•3
40
24
1
3.7
1
15
73
.7*
24
*"
17
4
24
*3
.72
24
4
34
1
24
23
43
14
3
34
*
14
23
.44
24
13
.42
2.4
0
3.4
1
23
*
34
7
24
73
44
12
13
.20
12
7
3.1
7
12
5
3.1
2
12
3
3.0
*
24
1
3.0
4
11
9
3.0
2
23
5
3.3
3
2.3
4
3.3
0
13
2
3.2
5
13
0
34
!
12
*
3.1
*
12
*
3.13
24
23
.2*
13
1
34
4
13
0
3.2
2
13
03
.20
12
9
3.1
*
12
7
3.1
3
12
33
.12
12
31
1*
3.1
21
»9
24
4
3.1
0
12
32
.16
3.0
72
54
12
21
14
3.03"1
92
12
11
14
3.0
41
90
•1
20
11
33
.02
IS*
11
*1
11
25
*2
43
11
71
10
24
31
*2
11
7
19
*
10
9
1*
2
20
*
1*
0
10
7
17
*
24
31
73
20
4
17
2
2,07244
100133
150144
1*0173
1*«U
**•<**
"7
1.1
6
2.4
2
14
4
2.3
*
14
21
33
14
0
13
2
1.7
9
12
9
1.7
1
12
6
1.7
6
12
4
1.7
5
12
2
1.7
4
24
0
24
6
17
7
10
51
73
10
4
17
3
10
3
17
1
10
2
17
0
10
0
24
*
14
9
1*
3
10
21
70
10
1
16
*
10
0
26
*
1.9
9
16
*
15
*
.1
*2
13
7
24
*
13
5
15
*
13
*1
*4
15
11
*2
13
7"2
*0
13
6
13
1
!.9S
24
*
13
32
43
13
2
24
0
13
41
49
14
21
54
14
*1
35
13
21
4*
l.»l
24
22.44
13
2
1311
47
14
02
40
2.421
30
1301
4*
1.791
4*
14
01
2*
15
01
43
1.7*1
4*
24
92.2*
14*1
43
1-7*1
43
13
52
43
14
*1
41
1.731
40
24
22.20 190
145140
1.771.73
1412.49
141132
1271I»
US
1.19144
1.791.1*
I"J?
1472.31
2.292.24
II*113
1121.7*
1.7*14*
147134
2.252.20
11224*
1.6
4
20
2
14
1
13
1
14
91
94
14
7T
50
14
3
14
1
14
41
43
15
21
42
1.5
11
40
14
0
1.7
*
14
0
2.3
0
1.7
*
12
6
1.7*1.71
12
21
1*
1.741
4*
12
01
11
1.731.6*
11
71
0*
1.7
21.**
11
51
04
1.711
*3
11
31
04
1.7
01
.64
11
12
02
1.691
43
11
01
00
14
71
41
10
61
36
1.7
4
22
1
1.7
21
17
1.7
1
21
3
14
71
44
10
*2
44
|.*»
1.651
42
11
21
04
24
0
14
71
43
1401
0*
10
0137
14
11
49
15
71
34
1.601
47
15
41
31
14
*U
*1.92
«4
l
14
71
4*
13
01
4*
14*"J
141»•**
143"I
14*'-»
'
142«
-»142
171
13
0M
l1.79
174
1.6
*
10
5
1.6
4
10
2
14
3
10
0.
1.6
2
1.9
*
1.6
1
1.9
6
1.6
0
1.9
*
1.6
1
15
1
14
91
.94
14
*
15
0
15
4
1.1
*
15
31
44
14
11
40
14
0
1.7
*
1.4
1
1.7
*
1.4
7
1.7
3
14
*
1.9
*
14
7
15
1
15
5
1.1
7
14
3
1.1
4
14
1
14
1
1.4
9
1.7
1
1.4
*
1.7
3
1.4
6
1.7
2
1.4
51
.70
1.4
1
1.7
*
1.4
*
1.7
1
1.4
4
!.**
1.4
4
1.71
1.4
3
14
6
1.4
1
1.6
1
1.41
1.6
4
1.3
*1
.60
44
0IIS
74
*4
41
17
*
4.1
3
1.7
4
11
1
1.7
21
15
1.7
0
2.1
2
14
31
03
15
91
53
14
11
.90
1.3
*1
47
TABEL
VI.
(Lanjutan)
'-<«
1.40145
!.2t144
IW'•»
1421.41
1.3*1
.17
14
5I.II
1.1
51
40
14
0
8o
So
oBS
SS
KS
ajS
tiS
5S
5S
0»
4V.
Ci»
(o—
O>©
OO-O
^OV
,(A
AU
K)M
K3
KtK
>U
»U
>U
>O
OttlO
O—
—K
>«
OlU
O—
~~
£ot
ioo
3—
£JSs
sSS
tms
SS5S
IA
tAO
lOO
O
o\
<*»
oo
o\
oo
l0°
—4V
~J<
0—O
JOX
CO
—4V
Cj
_-O
~4
-O-O
-J
..
•-
r*
r*
r*
r~
r*
~*
—m
mm
miti
v<
«>
4,o
«2
22
^2
^rt
J"2
,°-&
'—
«-v
«S
—
*,o
©o
oo
oo
ob
oo
bb
o\
_O
O>
-•
MU
OO
MO
lo
ao
\C
\—
IC
OO
4V.
y<>
4V.
O
MK>
MM
MN
JK
»N
>M
N»
OO
-—
—-
——
—Jo
Oiw
-O
O—
i^io
vo
—
MM
MM
.MM
MM
MK>
,oK>
IOW
MM
MM
(*•*
1j*>
tal
~*V
Jav
A.
fc.
VV
"-♦
•"
.»
r^
***
aa
ow
-o
ro
"2
S2
S2
2r
mw
wo
.IJO
i-O
OO
ON
OK
>-4
UJ
M.fO
JOJO
JOO
NO
NO
N0
\*
0O
wu
oo
-W
A.0
-0
0
N»JO
MJO
JOn>
ioL
>l>
ijk.
MO
OO
I4
.
MM
UA
MV
A-J
—L
>^4
—0
\M
UO
\
toJO
JOJO
I*.
U»
U>
4V
.O\.
~>
iqo
od
^m
wo
lik<
oo
oC
\(O
vo
\<J
4VO
vJk
A.O
MJ
»—
ovo
ou
us»
u>
-
££
££
SE
ES
'*.M
!-H
!-!-
N»K»
K,K»
K.NH
OU,
>">
»©
4V
-Jvlo
ow
oo
.-«,«
sssi
s32
s==
S*3§
£SS
2S3
ggbjg
jjjm
il
o to
rt
V rt
3 u
o rt 6= rt
<*
oMl*
)
tat*
s
•'' /
Analisis Regresi
TABEL DURBIN-WATSON
Uurliin-Walion rf ilalislir: SiRni)ic»nce puinli of rf, ,nc </„ al 0.03 level of sTgnlficancr
' MM
MM
I «M —
I »M « «*t
• m: eii*
t <J<* l»M
I <J4 Ml)
»>;< «*»i
I (II Mil
i up g*>i
I !** IW)
I IM 11*4
t M. MM
1)11 III)I Ht t M*.
It>l<
M IMI I 0.-* I II)
m i in
IS Mil
I* I.Mi
ll I.M)
II DMII III)
U I *i t
II 1411
II 14)1
l» Hit** I 44}
M Ml}
» 110)
n i u«
4* MM
♦J I tot
M 1 Ml
M I Sir*
** I KM
I.'II
Ml? Mil144*. I.Ill
MM I**
1*41 14)4
I *** |J*0
« «'» 1.111
Mf) ).))«
I «•• I U4
MM IT*!1*0) IJ4*
I M* 1.1)1
• 1>< III!D'l 1*4)
I III MMI IV) I M4
DM DI)
I W III)I M4 | l(|
I 1*4 MM
IW1 I «•)
1*41 MM
DD DI4
I «)< 1154
I Ml I in
DM
I IM
lit* -
DM 11*1
uri am
D'l llll
I *n» tin
i m tin
Mil Mil
1.1*1 t.UI
DO 0 It*
III) 11)1
I.SH till
1,1)1 MM
Dll IMI
DIT f.tfl
I'JII 10)*
DM DI)144) |jiiD*4 I.lit
DM 1.1)1
DI) I.M)I4M l.t*)DM) I.MII.M) |.HI
I.MI DM
Dll DMDM ) 144
im iiu
DM Dll
I II* Dll
DM I Ml
IW DOT
DM DllDI? MM
IW DM1*11 IH1
Dll MM1*41 D))
III) 1.41414*7 DO)
DM I Ml
I.M4 1141
1 »M 1.544
I 'M 1 IM
llir -
IMI M*»
lit* DM
M)l 1*44
D44 111)
III* MM
I Ml Mil
Dll Hit
I,Ml MM
Dll MM
I IN llff
IMI till
Ml! MM
1441 MM
1.144 «tl|
14** 1.9*4
DM* DU1414 ItU
Ml\ 1447Dll INI
DM DM.DU D)i
DM I.Ml
DM DM)
DM DMDll I.M)
Dll DM
Dll llllDM |)|*
111) DMDM I.Hi
Dll 1.1)1
DI* Dll1.444 tf)H
DM |.)i|
IMI DM
I.UI I.4M
DM DMI.N) 1*44
l-M* MilDM DM
I Ml I IMM) MU> IM* | (|, lw
***'• DJI DO* 1*«)•v i »**
IM I Ml 11*41 1**1
HM I M>
Ml) | tt*
i M> im;mi itit
I »♦* I.Ml
mi tinIIM t)M
ItW |ii|
DM IM)
Dll IMI
DM tit)l**l |U4
DM 1.111
I Ml MilD)l ttfl
DU III*
DM 1.141
llll tillIM) |l)l
1.111 IMI
DM i.mDll I4M
IMI Dll
I.M) DM
Dll DMDll I MOHI) MMDM I.UIDll 1.144
Dll DMDM DI)Dll MM
Dll DM
DU DllI.UI IJ J*
MI0 DM
I.UI M)l
Dll DM
I.UI 1*64
I.UI DM
Dll l.*«I Ml *>*#!MM I.M)IM* | )),
IMI l>4)DM MIT
DM DllDll lutllll Dll
IMI -
.Ml 4*1
1 M* IIU
I IM I ))|
III* t.lll
l)N 94MDM 14VDM 1.114
|.M4 |M)
Mil IMIIMI ||f)
IMI M>|DM MM
DM t.tM
I.MI tillI.M* 4444
Dll 44TT
dm t.niDM tillI44| tt1|
Dll l.tM
IIJ J DMDM I44|
Dll IMIDM 14*0I.M) 14*1.I.MI DM
i.m DMi.m 1,1*4.
Dll I.UI 'DM I.MII.M* DM
I'M 17*1MM DM
Dll DMI.HI |.4*M
DM D)|
.DM J.4UI.M) t^mMM 1MBI M. f)|| •
IMI Mil
I 1*4 I.1M
IMI D||.
DM (MI
• III ) It* _
OIM Ml. nil
• IM IMI *itn• Ml I Mt 0JJI
IIM MM IJ4*
• Ml MM im• Ml lui |wt
• Mf M* |iwMM »ijt «4o;
• *M );•* it*!• IM 144* |)H•Ml )4M ttli• Til ) 1*4 |m*MM ),:*| Ugt
MM MM III)•44) )M| fin
MM IIM IMI
*.** lull tillMil 141* MM
MM JtM tillM)) l.ttw 0.M4
MM |.Mj MMI4M 'MM JIMDM INT i.»l|I til I.MI I t||DM l.M| I in
IMI Dll. DMIIM 111) |M1MM Ml* 1.0*4IIM DM 1.1)*
DM DM IMIDM IMI Mi)DM DM |J*«UM III) uj,
l.*»l DI) |JMDM DM MMI Ml' I 1)1 |.4|)MM lift 1**4MM MM | 4«|
DM MM l.<|*I Ml Ml* | So*.
MM Ml) uji1411 I.MI |«*4
It** -
MM IIM
MM «.|l)
l*MJ MMI '11 IjM
I •*» •!!!DM M4TMil |4||
DM MM•Ml tfM
1444 l,M,Mil UM
DM MilIJM tillI.MI I.MI
IIM Ml)I.IM MM
IMI Mil
1 110 Mil
I.IW MMIMI t.141I HI t.UII IM l.tMIMI MM
MM Mil
1 Ml I.IK
1 Ml «tI.MI |.M4
DU I.MI
I >M DMIMI |7||
DM DM
I Ml I.MI
MM DM
l.'MI I.MI
IjiI Mil
i i'i; i m:DM Ml)
I'M |4»1
I'M |4M
111 1M4
llll Dll
DM .
I Mo llll
1WM llll
DM 4 Ml
I.IM MM
llll MMMA* IIU
Mil 44*9
DM MM
Ml* •••*!1,444 9.H4
I.MI M44
Ut t.MI144) Mil
I.M* MM
1711 IMI
Dll Mil
llll Mil17*1 I.IM
Mil cm1 M| tin
DM MM
IMI 1444
Mil Mil14M Ml)IMI Ml)
Ml) Ml)
-DM 1411I.M* I.MI
DM I.IM
I'll Dll
Ml) )7M
DM I.MI
l«l DM
DM I.MI
M*» I.M*
i »•! DM
MM 1*41
MT* I.**)I Ml I.H4
I 44) |M3
M^P.LIfr28"5Tndf ".V4 " l;2ii ""><>» ' l.7U.lf.com,m,«drf™iu.«less than 1.285, ihere is evidence of positive finK.rder serial corrclailon- If i.
regarding ihe presence or .bsenee of posl.ive Itr.i4.rd.ir serial correlaHon
MM
I.M*
MM
l«f|
Mil1M|
14A4
llll
DM
1*11It44
DM
MM
1.411
MM
I.MI
i.m
I.M
Mil
Dll
IJW
1711
IIM
I.IM
IIM
I.MI
I.MI
IBM
ill!
I.M4
DM
IMI
I III
MM
DM
IWN
I'41
M»t
DM
1114
•>