Regresi Linear dan Non Linear

8/10/2019 Regresi Linear dan Non Linear

1/19

1

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


2/19

2

I. PENDAHULUAN

1.1.Latar Belakang

Beras merupakan salah satu padi-padian paling penting di dunia untuk konsumsimanusia. Beras merupakan makanan pokok di Indonesia. Sebanyak 75% masukan kalori

harian masyarakat di negara-negara Asia tersebut berasaldari beras. Mengingat perannya

sebagai komoditas pangan utama masyarakat Indonesia, tercapainya kecukupan produksi

beras nasional sangat penting sebagai salah 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).

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,


3/19

3

bahkan terus meningkat dari tahun ke tahun. Hal ini sejalan dengan pesatnya 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 semakinluas maka produksi beras akan semakin meningkat. Sebaliknya apabila luas lahan

semakin seproduk marjinalit maka produksi beras akan semakin sedikit. Keberadaan

lahan sangat 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


4/19

4

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 normalitasnya) 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 jika 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.

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.


5/19

5

Tabel 1. Tingkat Hubungan Koefisien Korelasi

Interval Koefisien Tingkat Hubungan

0,8001,000 Sangat Kuat

0,6000,799 Kuat

0,4000,599 Cukup Kuat0,2000,399 Lemah

0,0000,199 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 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 satu atau beberapa variabel terhadap satu buah variabel. Variabelyang 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


6/19

6

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 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).

2.4.Metode dalam SPSS

2.4.1.Uji Normalitas

Tabel 2. Metode Uji Normalitas pada SPSS

Masukkan datayang akan

dianalisis dalamSPSS

Klik VariabelView lalu ubahnama menjadinama variabel

yang digunakan

Klik AnalyzeKlik

Descriptivestatistic

Klik Explore

Masukkanvariabel

produksi danluas lahan kedalam kotak

Dependent List

Klik plotsKlik normalityplots with test

Klik continue Klik OK


7/19

7

2.4.2.Analisis Korelasi

Tabel 3. Metode Analisis Korelasi pada SPSS

2.4.3.Analisis Regresi

2.4.3.1. Regresi Linear

Tabel 4. Metode Analisis Regresi Linear pada SPSS

2.4.3.2. Regresi Non Linear

Tabel 5. Metode Analisis Regresi Non Linear pada SPSS

KlikAnalyze

KlikCorrelate

KlikBivariate

Masukkan variabelproduksi dan luas

lahan ke dalam

kolom Variables

Pada kolomCorrelation

Coefficients, klikPearson

Pada kolom Test ofSignificance, pilihoption Two-tailed

Klik Ok

Klik Analyze Klik Regression Klik Linear

Masukkanvariabel produksi

ke kolomdependent

Masukkanvariabel luas

lahan ke kolomindependend

Klik OK

Masukkan kolombaru pada Ms. Excel

untuk mencari ln(double logaritma)pada tiap variabel

Masukkan datavariabel ln

produksi dan lnluas lahan yangakan dianalisisdalam SPSS

Klik VariabelView lalu ubahnama menjadinama variable

yang digunakan

Klik Analyze Klik Regression Klik Linear

Masukkanvariabel ln

produksi kekolom dependent

Masukkan ln luaslahan ke kolom

independent


8/19

8

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. 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 H0 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%). 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.


9/19

9

Pada tabel Anovab merupakan hasil uji F untuk menguji signifikansi

koefisien regresi. Dari hasil perhitungan Anovabdidapatkan 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 = k1 = 2 (jumlah variabel)1 = 1

df2 = nk = 13 (jumlah saproduk marjinalel)2 = 11

Jika pengujian dilakukan pada = 5%, maka nilai F tabel adalah 4,84.

Dari hasil uji F didapatkan Fhitung = 498,245 sedangkan Ftabel = 4,84. Dari

hasil tersebut menunjukkan jika Fhitung > Ftabel. Jadi, kesimpulan yang didapat

adalah Ha diterima dan H0 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 Coefficientsadidapatkan 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

Jumlah observasi (responden) yang digunakan untuk membentuk persamaan ini

sebanyak 13. Pengujian hipotesis dengan = 5%. Sedangkan derajat bebas

pengujian adalah nk = 132 = 11.

Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total

beras. Pengujian dengan = 5 %. Hipotesis kedua: luas lahan berpengaruh

terhadap produksi total beras. Pengujian juga dengan = 5 %. Untuk hipotesis

pertama, karena uji satu arah, maka lihat pada df satu sisi, sedangkan df nya = 11.

Nilai tabel t = 1,796. Untuk hipotesis kedua, karena 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


10/19

10

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 = + 1X

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 Anovab 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 = k1 = 2 (jumlah variabel)1 = 1

df2 = nk = 13 (jumlah saproduk marjinalel)2 = 11

Jika pengujian dilakukan pada = 5%, maka nilai F tabel adalah 4,84.

Dari hasil uji F didapatkan Fhitung = 416,103 sedangkan Ftabel = 4,84. Dari

hasil tersebut menunjukkan jika Fhitung > Ftabel. Jadi, kesimpulan yang didapat

adalah Ha diterima dan H0 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.


11/19

11

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

Jumlah observasi (responden) yang digunakan untuk membentuk

persamaan ini sebanyak 13. Pengujian hipotesis dengan = 5%. Sedangkan

derajat bebas pengujian adalah nk = 132 = 11.

Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total

beras. Pengujian dengan = 5 %. Hipotesis kedua: luas lahan berpengaruh

terhadap produksi total beras. Pengujian juga dengan = 5 %. Untuk hipotesis

pertama, karena uji satu arah, maka 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 tabel t = 2,201.

Dari hasil uji t untuk 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 luas lahan semakin tinggi produksi total beras.

Dari hasil uji t untuk 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 = + 1X

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.


12/19

12

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 korelasi, dapat diketahui bahawa total produksi 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 Ftabel = 4,84 yang menunjukkan jika Fhitung > 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% 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 Fhitung = 416,103 sedangkan Ftabel = 4,84. Dari hasil tersebut

menunjukkan jika Fhitung > Ftabel. 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%.


13/19

13

DAFTAR PUSTAKA

Arsyad S., 1989.Konservasi Tanah dan Air. IPB Press, Bogor.

Gujarati, Damodar. 1995.Ekonometrika Dasar. Jakarta: Erlangga.

Guntara, Ilham. 2013. Uji 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. htproduk

total://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-

dan.html.Diakses pada 21 Maret 2014

Jurnal Universitas Diponogoro. 2011. Analisis Regresi. htproduk

total://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf.Diakses pada 21

Mare 2014.

Marjuki, Fajar Andi. 2008. Analisis Faktor-Faktor yang Mempengaruhi Harga Beras di

Indonesia. Skripsi Fakultas Ekonomi Universitas Muhammadiyah Surakarta.

Sugiyono. 2007.Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta

Swastika et al. 2007. Analisis Kebijakan Peningkatan Produksi Padi Melalui Efisiensi

Pemanfaatan Lahan Sawah di Indonesia. Analisis Kebijakan Pertanian 5(1): 36-52.

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

regresi.html.Diakses pada 21 Maret 2014

Walpole, R.E. 1995.Pengantar 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.
http://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.htmlhttp://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.htmlhttp://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-dan.htmlhttp://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-dan.htmlhttp://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-dan.htmlhttp://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdfhttp://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdfhttp://perkuliahan-vi.blogspot.com/2011/01/analisis-regresi.htmlhttp://perkuliahan-vi.blogspot.com/2011/01/analisis-regresi.htmlhttp://perkuliahan-vi.blogspot.com/2011/01/analisis-regresi.htmlhttp://perkuliahan-vi.blogspot.com/2011/01/analisis-regresi.htmlhttp://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdfhttp://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdfhttp://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-dan.htmlhttp://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-dan.htmlhttp://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-dan.htmlhttp://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.htmlhttp://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.html


14/19

14

LAMPIRAN

Tabel 6. Tabulasi Data

Uji Normalitas

Tabel 7. Case Processing Summary

Cases

Valid Missing Total

N Percent N 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

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

produksi .245 13 .032 .863 13 .043

luaslahan .264 13 .014 .847 13 .026

a. Lilliefors Significance Correction

TahunProduksi

Beras Total

(Ton)

Luas lahan(ha)

ln produksi ln luas lahan

2000 51898852 11793475 17,76 16,28

2001 50460782 11499997 17,74 16,26

2002 51489694 11521166 17,76 16,26

2003 52137604 11488034 17,77 16,26

2004 54088468 11922974 17,81 16,29

2005 54151097 11839060 17,81 16,29

2006 54068495 11786430 17,81 16,28

2007 56162062 11949034 17,84 16,30

2008 60325925 12327425 17,92 16,33

2009 64398890 12883576 17,98 16,37

2010 66469394 13203643 18,01 16,40

2011 65756904 13203643 18,00 16,40

2012 68956292 13471653 18,05 16,42


15/19

15

Tabel 9. Descriptives

Statistic Std. Error

produksi Mean 5.7720E7 1.82055E6

95% Confidence Interval for

Mean

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 .620 .616

Kurtosis -1.333 1.191

luaslahan Mean 1.2222E7 1.98920E5

95% Confidence Interval for

Mean

Lower Bound 1.1789E7

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 .733 .616

Kurtosis -1.118 1.191


16/19

16

Analisis Korelasi

Tabel 10. Correlations

produksi luaslahan

produksi Pearson Correlation 1 .989**

Sig. (2-tailed) .000

N 13 13

luaslahan Pearson Correlation .989** 1

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

Variables

Entered

Variables

Removed Method

1 luaslahana . Enter

a. All requested variables entered.

b. Dependent Variable: produksi

Tabel 12. Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .989a .978 .976 1.00763E6

a. Predictors: (Constant), luaslahan

Tabel 13. ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 5.059E14 1 5.059E14 498.245 .000a

Residual 1.117E13 11 1.015E12

Total 5.170E14 12

a. Predictors: (Constant), luaslahan

b. Dependent Variable: produksi


17/19

17

Tabel 14. Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) -5.293E7 4.965E6 -10.660 .000

luaslahan 9.053 .406 .989 22.321 .000

a. Dependent Variable: produksi

Analisis Regresi Non Linear

Tabel 15. Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 lnluaslahana . Enter

a. All requested variables entered.

b. Dependent Variable: lnproduksi

Tabel 16. Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .987a .974 .972 .018

a. Predictors: (Constant), lnluaslahan

Tabel 17. ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression .142 1 .142 416.103 .000a

Residual .004 11 .000

Total .146 12

a. Predictors: (Constant), lnluaslahan

b. Dependent Variable: lnproduksi

Tabel 18. Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) -12.331 1.480 -8.330 .000

lnluaslahan 1.850 .091 .987 20.399 .000

a. Dependent Variable: lnproduksi


18/19

18

Gambar 1. Gambar 2.

Gambar 3. Gambar 4.

Gambar 5. Gambar 6.


19/19

19

Gambar 7. T Tabel

Gambar 8. F Tabel

Regresi Linear dan Non Linear

Documents

Transcript of Regresi Linear dan Non Linear