Isi(1)
Transcript of Isi(1)
BAB I
PENDAHULUAN
1.1 Usaha Tani Tebu
Tanaman tebu merupakan tanaman yang sangat peka
terhadap perubahan unsur-unsur iklim. Oleh karena
itu, waktu tanam dan panen harus diperhatikan agar
tebu dapat membentuk gula secara optimal. Tanaman
tebu banyak membutuhkan air selama masa pertumbuhan
vegetatifnya dan membutuhkan sedikit air pada masa
pertumbuhan generatifnya (Mubyarto dan Damayanti,
1991). Tanaman tebu (Saccharum officinarum L) adalah satu
anggota familia rumput-rumputan (Graminae) yang
merupakan tanaman asli tropika basah, namun masih
dapat tumubh baik dan berkembang di daerah
subtropika, pada berbagai jenis tanah dari daratan
rendah hingga ketinggian 1.400 m diatas permukaan
laut (dpl). Tanaman tebu telah dikenal sejak
beberapa abad yang lalu oleh bangsa Persia, Cina,
India dan kemudian menyusul bangsa Eropa yang
memanfaatkan sebagai bahan pangan benilai tinggi
yang dianggap sebagai emas putih, yang secara
berangsur mulai bergeser kedudukan bahan pemanis
alami seperti madu.
Budidaya tebu adalah proses pengelolaan
lingkungan tumbuh tanaman sehingga tanaman dapat
tumbuh dengan optimum dan dicapai hasil yangMETODE KUANTITATIF |Dwi Intan Fitriani
(105040101111126)1
diharapkan. Variabel yang sangat penting dalam
proses budi daya tanaman tebu adalah keadaan lahan,
agroklimat, waktu tanam, teknik budi daya, proporsi
tebu pertama dan tebu keras serta panen (tebang dan
angkut). Terdapat dua cara penanaman tebu, yaitu di
lahan sawah dengan sistem reynoso (cara pengolahan
tanah sawah untuk tanaman tebu) dan di lahan tegalan
dengan sistem tebu lahan kering.
Komoditas tebu sudah memperoleh perhatian yang
besar sebagai komoditas komersial (high value
commodity) sejak pemerintah Hindia Belanda.
Kebijakan penanaman tebu tersebut terus dilanjutkan
oleh pemerintahan Indonesia melalui Perusahaan
Negara Perkebunan dan perkebunan-perkebunan besar
swasta di Luar Jawa. Dalam perkembangannya tanaman
tebu juga diusahakan oleh petani rakyat melalui
kebijakan pemerintah tentang Tebu Rakyat
Intensifikasi (TRI) dengan sistem glebangan
(pergiliran area) tanam. Namun, dewasa ini
pengusahaan tebu rakyat relatif hanya berkembang di
wilayah Jawa Timur dan sebagian kecil Jawa Tengah.
Analisis usahatani tebu digambarkan sebagai
berikut, dalam suatu sistem agribisnis memiliki
keterkaitan antara subsistem-subsistem lainnya
seperti sarana produksi (pembibitan, pupuk), dan
alat serta mesin. Pada kesempatan ini akan lebih
diperinci mengenai usahatani pembibitan tebu,METODE KUANTITATIF |Dwi Intan Fitriani
(105040101111126)2
pembibitan tebu pada umumnya berbeda dengan
pembibitan yang lain dimana areal luas pembibitan
tebu ini relatif luas. Hal ini dikarenakan satu ha
kebun bibit datar akan menghasilkan bibit hanya
sekitar 7-8 ha tanaman. Hal ini juga menjadi salah
satu penyebab harga bibit tebu relatif mahal, yaitu
sekitar Rp. 1,5 sampai 1,7 juta per ha tanaman.
Usaha pembibitan tebu termasuk usaha yang
menguntungkan. Pada tabel 1 dibawah ini secara garis
besar dideskripsikan analisis usahatani untuk usaha
pembibitan dengan skala 1 ha. komponen biaya
terbesar adalah pengolahan tanah dan pemeliharaan
yang mencapai Rp. 5,6 juta atau sekitar 42,6% dari
total biaya. Total biaya usahatani secara
keseluruhan adalah sekitar Rp. 13,155 juta (Tabel
1).
Dengan rata-rata produksi sekitar 650 kw bibit
tebu dengan harga Rp. 27.500 per kw, maka total
penerimaan mencapai Rp. 17,875 juta. Dengan
penerimaan tersebut, nilai B/C ratio adalah 1,35.
Hal ini berarti bahwa usaha pembibitan tebu secara
finansial cukup layak untuk dikembangkan.
Uraian Nilai (Rp) Proporsi
(%)Biaya
Pengolahan tanah dan
pemeliharaan, dan seleksi
5.600.000
2.000.000
42,6
15,2
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
3
Bibit untuk KBD
Pupuk
Herbisida
Sewa lahan
Total Biaya
810.000
245.000
4.500.000
13.155.000
6,2
1,9
34,2
100.0
Penerimaan Petani (Produksi =
650 kw, @27.500)
17.875.000
B/C ratio 1,36
1.2 Tujuan
1. Mahasiswa mampu mengetahuai, memahami serta
mengaplikasikan model double logaritma dan dummy
independet variabel non linier
2. Mahasiswa mampu menggunakan model double
logaritma dan dummy independent dengan persamaan
non linier variabel pada suatu kasus
permasalahan
3. Mahasiswa mampu mengintepretasikan suatu hasil
analisis software SPSS mengenai model duble
logaritma dan dummy independent variabel dengan
persamaan non linier
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
4
BAB II
METODE
2.1 Ekonometrik Teori Tentang Linier
Persamaan regresi adalah persamaan matematik
yang memungkinkan peramalan nilai suatu peubah tak
bebas (dependent variabel) dari nilai peubah bebas
(independent variabel). Analisis regresi merupakan
suatu metode yang 4digunakan untuk menganalisis
hubungan antar variabel. Hubungan tersebut dapat
digambarkan dalam bentuk persamaan yang
menghubungkan variabel terikat Y dengan satu atau
lebih variabel bebas X1,X2,...,Xn. Jika hanya
terdapat satu variabel bebas, maka model yang
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
5
diperoleh disebut model regresi linier sederhana,
sedangkan jika variabel bebas bebas yang digunakan
lebih dari satu, model yang diperoleh disebut model
regresi linier ganda.
Model regresi linier sederhana dituliskan sebagai
berikut:
Yi = β1 +β2Xi + ui ; i = 1,2,....,N
Dimana N merupakan banyaknya observasi
2.2 Double logaritma
Model tidak linier mempunyai berbagai macam
bentuk fungsionl. Untuk yang pertama akan dipelajari
suatu model yang disebut model log-log. Pada
prinsipnya model ini merupakanhasil transformasi
dari suatu model tidak linier menjadi model linier,
dengan jalan membuat model dalam bentuk logaritma.
Untuk memudahkan pemahaman, proses transformasi
tidak dijabarkan dengan pendekatan teori statistik
matematik, tetapi akan digunakan pendekatan empiris,
dengan memanfaatkan contoh model yang ada dalam
memanfaatkan contoh model yang ada dalam teori
ekonomi.
Menurut suatu teori ekonomi, hubungan antara
kuantitas yang diminta dan harga suatu komoditas
mempunyai bentuk sebagai berikut ;
Y = β1Xβ2eu
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
6
Dimana :
Y : kuantitas (Variabel endogenous)
X : harga (variabel exogenous)
β1, β2 : parameter-parameter
u : error/sesatan
Dari bentuk modelnya sudah dapat dipastikan
bahwa model tersebut bukanlah merupakan model
regresi linier. Model tersebut merupakan model yang
tidak linier baik variabel maupun parameternya. Akan
tetapi, model tersebut dapat ditransformasikan
sehingga parameternya berbetuk linier dengan tujuan
agar teori-teori yang dibahas pada bab sebelumnya
dapat digunakan, dari cara mengestimasi koefisien
regresi, sampai dengan cara mengintepretasikan model
yang didapat. Sebagaimana yang telah dijelaskan
diatas bahwa model log-log merupakan hasil
transformasi ke dalam bentuk logaritma, maka model
tersebut diatas harus ditransformasikan ke dalam
bentuk logaritma pula. Hasil dari transformasi
tersebut dapat dilihat sebagai berikut:
lnY = Ln β1 + β2 LnX + u
apabila variabel-variabel tersebut didefinisikan
kembali, maka diperoleh model sebagai berikut:
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
7
Y* = β1* + β2 * X* + u*
Dengan ,
Y* : lnY
β1* : ln β1
β2 * : β2
X* : lnX
u* : u
Terlihat bahwa model yang baru didefiniskan ini
sesungguhnya merupakan model regresi linier dengan
variabel dan parameter yang berbentuk linier. Dengan
demikian β1* dan β2* dapat ditaksir dengan
menggunakan metode yang digunakan untuk mengestimasi
parameter regresi sederhana, yaitu OLS (Ordinary
Least Square). Salah stau hal yang menarik dari
model log-log dalam aplikasinya adalah slope β2
dalam model lnY = Ln β1 + β2 LnX + u menyatakan
ukuran elastisitas Y terhadap X, yaitu ukuran
persentasi perubahan dalam Y bila diketahui
perubahan persentasi X. Dengan perkataan lain, bila
Y menyatakan kuantitas yang diminta dan X menyatakan
harga komoditas per unit, maka β2 menyatakan
elastisitas harga dari permintaan.
Hal lain yang dapat diperhatikan dalam model
log-log adalah koefisien elastisitas antara Y dan X
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
8
selalu konstan. Artinya, bila ln X berubah 1 unit,
perubahan ln Y akan selalu sama meskipun elastisitas
tersebut diukur pada ln X yang mana saja. Oleh
karena itu, model ini disebut juga model elastisitas
konstan.
2.3 Tahapan Analisis
2.3.1 Tahapan Analisis Regresi Linear
Gambar 1. Tahapan Analisis Regresi Linear
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
9
Buka Ms.Excel & SPSS
Masukan datapada ms.
Salin data &pindahkan ke
Buka variableview pada
Ada 2 view dalam SPSS :
1. Data viewUntuk memasukan data yang dianalisis.
2. Variable view
Klik Analyzepada toolbar
Munculjendela baru
Pilih Linear
Klik
a. Membuat data menjadi linear di SPSS dengan cara:
Gambar.2 Tahapan Analisis Regresi NonLinear
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
10
Masukkanvariabel Di,TK, ZA, Bibit
untukindependent
Klik Ok
Tulis ln(BIBIT) dinumeric expension
Muncul jendelabaru pada SPSS
Tulis (LnBIBIT,LnTK, LnZA,
LnPROD) di target
Klik compute
Klik ok
Klik Transform padatoolbar
b. Analisis Regresi non linear
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
11
Masukkanvariabel
independent
Munculjendela baru
Pilih Linear
Klik
Klik Ok
Klik Analyzepada toolbar
BAB III
HASIL DAN PEMBAHASAN
3.1 Data Table 1. Data Pengaruh Input Saprodi Terhadap Jumlah
Produksi
No
.
Bibit
(Kw)ZA (Kw)
TK
(HKSP)
Di
(1=kelompok,
0=tidak)
Produks
i
Bibit ZA TK Di Prod
1 33,33 8,33 121,00 0 500
2 150,00 21,13 287,00 1 1600
3 140,85 21,13 278,87 1 1972
4 150,00 35,21 220,69 1 1750
5 24,00 13,79 140,80 0 1080
6 83,33 13,16 220,69 0 1096
7 49,12 7,02 170,18 0 789
8 69,44 16,67 194,44 0 903
9 60,00 15,52 124,00 0 900
10 103,45 15,52 155,17 0 966
11 130,00 31,50 210,50 1 2050
12 103,45 11,11 137,93 0 1034
13 172,41 30,23 186,21 0 1207
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
12
14 72,09 9,30 127,91 0 837
15 34,97 13,99 162,24 0 734
16 83,33 11,11 252,78 0 972
17 15,00 17,00 196,50 0 850
18 32,17 12,59 155,24 0 699
19 60,00 24,14 210,50 1 1750
20 22,35 11,17 173,74 0 740
21 45,00 11,11 150,00 0 900
22 52,63 7,89 145,00 0 614
23 140,85 7,04 160,56 0 1197
24 117,19 15,63 150,00 0 1172
25 31,01 15,50 126,36 0 620
26 140,00 12,00 290,14 1 1100
27 41,96 16,78 184,62 1 979
28 50,88 16,78 126,32 0 1053
29 92,98 14,04 156,14 0 1140
30 169,01 7,04 210,50 0 1127
31 62,00 16,00 178,00 1 1300
32 172,41 21,01 258,62 0 1207
33 327,59 34,48 424,14 1 1552
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
13
34 120,69 17,24 290,14 0 1379
35 62,50 23,44 210,50 1 1328
36 190,00 20,69 172,00 0 1200
37 244,76 34,97 367,61 1 2937
38 186,05 35,21 290,14 1 1860
39 183,10 35,21 290,14 1 2113
40 106,90 24,14 220,69 1 1655
41 42,02 21,01 220,69 1 1541
42 155,17 20,69 220,69 1 1379
43 139,53 30,23 210,50 0 1512
44 224,14 24,14 290,14 1 1552
45 105,26 24,14 290,14 1 2368
46 23,33 12,50 182,00 0 1133
47 85,00 17,00 168,00 1 950
48 204,23 21,13 220,69 1 2254
49 104,65 35,21 351,16 1 1593
50 209,30 13,95 195,35 0 1163
51 138,89 8,33 255,56 0 917
52 211,27 35,21 340,85 1 2394
53 320,69 24,14 220,69 1 2069
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
14
54 315,00 21,13 240,35 1 2750
3.2 Regresi Non Linier Pada Dummy Intersep
Tabel 2. Nilai Adjusted R Square Intersep
Model Summary
Mode
l R
R
Square
Adjusted
R Square
Std.
Error of
the
Estimate
1 .878a .771 .752 .19820
a. Predictors: (Constant), Di,
lnbibit, lnZA, lnTK
Nilai Di
Di = 1 artinya petani yang mengikuti kelompok tani
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
15
Di = 0 artinya petani yang tidak mengikuti kelompok
tani
Dari tabel diatas menunjukkan bahwa semua variable
independen (lnbibit, lnZA dan lnTK) berpengaruh sebesar
75,2% pada variable dependen (lnproduksi), dan sisanya
24,8% dipengaruhi oleh faktor lain yang tidak ada dalam
tiga variable tersebut dan tidak digunkan dalam model
tersebut. R2 yang diperoleh dari hasil summary diatas
sebesar 0,771, hak ini berarti Ln produksi tersebut
mampu dijelaskan oleh variable ln TK Ln bibit Ln ZA dan
Di sebesar 77,1 % dan 22,9 % dijelaskan oleh variable
lain diluar model.
Tabel 3. Nilai F Intersep (uji F)
ANOVAb
Model
Sum of
Squares Df
Mean
Square F Sig.
1 Regressi
on
6.466 4 1.616 41.148 .000a
Residual 1.925 49 .039
Total 8.390 53
a. Predictors: (Constant), Di, lnbibit, lnZA, lnTK
b. Dependent Variable: lnPROD
Dari hasil analisis diatas menunjukkan F hitung
adalah 41,148. Sedangkan untuk nilai signifikan atau
probabilitas adalah kurang dari 0,05 yaitu dengan nilai
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
16
signifikan 0,00. Serta dan degree of freedom untuk df1
= 4 dan df2 = 49, maka didapat dari tabel (dalam buku
statistic) f table sebesar 2.56. Karena f hitung 41.148
> f-tabel (0.05) = 2.56, maka H0 ditolak dan H1
diterima.
Sehingga hal ini menunjukkan variabel bebas
LnTK, LnZA, LnBibit, Di signifikan memberikan
kontribusi terhadap variabel dependent Lnproduksi,
dapat diartikan bahwa variabel bebas tersebut secara
bersama-sama memberikan pengaruh secara nyata terhadap
variabel Lnproduksi.
Tabel 4. Nilai Koefisien Intersep (Uji t)
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
17
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
T Sig.BStd.Error Beta
1 (Constant)
4.704 .617 7.621 .000
LNBBT .186 .046 .350 4.049 .000
LNZA .281 .083 .327 3.366 .001
LNTK .126 .135 .095 .932 .356
Di .240 .07 9 .302 3.049 .004
a. Dependent Variable: LNPROD
Dari hasil pada table Coefficients diatas dapat
dilihat hasil dari T hitung variable bebas Di adalah
sebesar 3.049 dengan signifikansi 0.004, karena
signifikansi Di < 0.05 maka hal ini berarti bahwa
secara parsial variable Di memberikan pengaruh secara
nyata terhadap variable Lnproduksi. Sedangkan pda
Variable Lnbibit dihasilkan T hitung sebesar 4.049
dengan signifikansi 0.000 < 0,05 maka hal ini berarti
bahwa secara parsial variable Lnbibit memberikan
pengaruh secara nyata terhadap variable Lnproduksi.
Untuk t hitung yang dihasilkan variable LnZA
sebesar 3.366 dengan tingkat signifikansi sebesarMETODE KUANTITATIF |Dwi Intan Fitriani
(105040101111126)18
0.001, karena signifikansi T < 0.05 maka secara parsial
variable LnZA memberikan pengaruh secara nyata terhadap
variable Lnproduksi. Dari t hitung yang dihasilkaan
variable LnTK menunjukkan angka sebesar 0.932 dengan
tingkat signifikansi 0.356, karena tingkat signifikansi
0.356 > 0.05 maka dapat diartikan bahwa secara parsial
variable LnTK tidak signifikan atau tidak memberikan
pengaruh secara nyata terhadap variable produksi.
Nilai untuk koefisien B yang ditampilkan merupakan
gambaran yang berfungsi untuk membuat model persamaan
garis y = a + bx. Nilai B untuk variabel Constant (atau
a) adalah 4.704 dengan nilai-p 0.000, nilai B untuk
variable Lnbibit (atau B1 (Lnbibit)) adalah 0.186
dengan nilai –p 0.000, nilai B untuk variable LnZA
(atau B2 ( LnZA)) adalah 0.281 dengan nilai –p 0.001,
nilai B untuk variable LnTK (B3 LnTK) adalah sebesar
0.126 dengan nilai –p 0.356, nilai B untuk variable
Di(B4 Di) adalah sebesar 0.240 dengan nilai –p 0.004
maka persamaan garis lurus yang kita peroleh dari
hasil analisis diatas adalah:
Y=e(α0+β3Di)+x1
b1+x2b2
Y=e(4.704 + 0.126 Di) + Lnbibit 0.186 + LnZA0.281
a. Jika Di=1, maka (Dummy Intersep) petani yang ikut
kelompok tani adalah:
Y=e(4.714+(0.126*1))+Lnbibit 0.186+LnZA0.281
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
19
Y=e(4.830)+Lnbibit 0.186+LnZA0.281
b. Jika Di=0, maka (Dummy Intersep) petani yang tidak
ikut kelompok tani adalah:
Y=e(4.714+(0.126*0))+Lnbibit 0.186+LnZA0.281
Y=e4.714+Lnbibit 0.186+LnZA0.281
Pada Model regresi antara petani yang bergabung
dalam kelompok tani dan petani yang tidak begabung
dalam kelompok tani, memberikan nilai intersep dan
kemiringan yang berbeda. Dari persamaan diatas maka
dapat interpretasikan bahwa petani yang bergabung
menjadi anggota kelompok tani akan memproleh produksi
tebu yang lebih tinggi dibandingkan dengan petani yang
tidak bergabung menjadi anggota kelompok tani.
3.3 Dummy Slope Bibit
Tabel 5. Nilai Adjusted R Slope BibitModel Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .878a .771 .752 .19820
a. Predictors: (Constant), lnBibitDi, lnbibit, lnZA,
lnTK
Dari tabel diatas menunjukkan bahwa semua variable
independen (lnbibit, lnZA dan lnTK) berpengaruh sebesar
75,2% pada variable dependen (lnproduksi), dan sisanya
24,8% dipengaruhi oleh faktor lain yang tidak ada dalam
tiga variable tersebut dan tidak digunkan dalam model
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
20
tersebut. Sedangkan R2 yang ditampilkan dalam model
summary tersebut adalah sebesar 0.771 artinya bahwa
variable bebas yang ada didalam model mampu menjelaskan
model lnproduksi sebesar 77.1% dan sisanya sebesar
22.9% dijelaskan oleh variable lain diluar model.
Tabel 6. Nilai F Slope Bibit (uji F)ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 6.466 4 1.616 41.147 .000a
Residual 1.925 49 .039
Total 8.390 53
a. Predictors: (Constant), lnBibitDi, lnbibit, lnZA, lnTK
b. Dependent Variable: lnPROD
Dari hasil analisis diatas menunjukkan F hitung
adalah 41,148. Sedangkan untuk nilai signifikan atau
probabilitas adalah kurang dari 0,05 yaitu dengan nilai
signifikan 0,00 dan degree of freedom untuk df1 = 4 dan
df2 = 49, maka didapat dari tabel (dalam buku
statistic) f table sebesar 2.56. Karena f hitung 41.147
> f-tabel (0.05) = 2.56, maka maka H0 ditolak dan H1
diterima.
. Sehingga hal ini menunjukkan variabel bebas
LnTK, LnZA, LnBibit, Di signifikan memberikan
kontribusi terhadap variabel dependent Lnproduksi,
dapat diartikan bahwa variabel bebas tersebut secara
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
21
bersama-sama memberikan pengaruh secara nyata terhadap
variabel Lnproduksi.
Tabel 7. Nilai Koefisien Slope Bibit (uji t)
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 4.823 .639 7.553 .000
Lnbibit .170 .046 .321 3.684 .001
lnZA .279 .084 .325 3.340 .002
lnTK .117 .136 .088 .855 .396
lnBibitDi .052 .017 .322 3.049 .004
a. Dependent Variable: lnPROD
Berdasarkan pada table Coefficients diatas dapat
dilihat hasil T hitung variable bebas Lnbibit adalah
sebesar 3.684 dengan signifikansi 0.001, karena
signifikansi Lnbibit < 0.05 maka secara parsial
variable Lnbibit memberikan pengaruh secara nyata
terhadap variable Lnproduksi.
Dari t hitung yang dihasilkan variable LnZA
sebesar 3.340 dengan tingkat signifikansi sebesar
0.002, karena signifikansi T < 0.05 maka secara parsial
variable LnZA memberikan pengaruh secara nyata terhadap
variable Lnproduksi. Pada t hitung yang dihasilkaan
variable LnTK menunjukkan angka sebesar 0.855 dengan
tingkat signifikansi 0.396, karena tingkat signifikansi
0.396 > 0.05 maka dapat diartikan bahwa secara parsial
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
22
variable LnTK tidak signifikan atau tidak memberikan
pengaruh secara nyata terhadap variable produksi.
Nilai dari koefisien B yang ditampilkan merupakan
gambaran untuk membuat model persamaan garis y = a +
bx. Nilai B untuk variabel Constant (atau a) adalah
4.823 dengan nilai-p 0.000, nilai B untuk variable
Lnbibit (atau B1 (Lnbibit)) adalah 0.170 dengan nilai –
p 0.001, nilai B untuk variable LnZA (atau B2 ( LnZA))
adalah 0.279 dengan nilai –p 0.002, nilai B untuk
variable LnTK (B3 LnTK) adalah sebesar 0.117 dengan
nilai –p 0.396, nilai B untuk variable lnBBTDi (B4
lnBBTDi) adalah sebesar 0.052 dengan nilai –p 0.004
maka persamaan garis lurus yang kita peroleh dari
hasil analisis diatas adalah:
Y = eα0 x1 (β1+β4Di) x2β2 x3
β3
Y = e4.823.bibit (0.170+0.052Di).ZA0.279.TK0.117
a. Jika Di=1, maka (Dummy slope bibit) petani yang
ikut kelompok tani adalah:
Produksi tebu =
e4.823.bibit(0.170+(0.052*1)).ZA0.279.TK0.117
Produksi tebu = e4.823.bibit(0.170+0.052).ZA0.279.TK0.117
Produksi tebu = e4.823.bibit0.222.ZA0.279.TK0.117
b. Jika Di=0, maka (Dummy slope bibit) petani yang
tidak ikut kelompok tani adalah:
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
23
Produksi tebu =
e4.823.bibit(0.170+(0.052*0)).ZA0.279.TK0.117
Produksi tebu = e4.823.bibit(0.170+0)ZA0.279.TK0.117
Produksi tebu = e4.823.bibit0.170.ZA0.279.TK0.117
Berdasarkan kedua persamaan diatas dapat
diinterpretasikan bahwa petani yang ikut dalam kelompok
tani memiliki nilai elastisitas yang lebih tinggi jika
dibandingkan dengan petani yang tidak ikut kelompok
tani. Petani yang ikut kelompok tani mempunyai tingkat
elastisitasitas sebesar 22.2%, artinya setiap petani
yang bergabung dalam kelompok tani setiap melakukan
penambahan penggunaan bibit sebesar satu persen akan
mengakibatkan perubahan peningkatan produksi tebu
22.2%.
Petani yang tidak ikut dalam kelompok tani
mempunyai tingkat elastisitas sebesar 17.0%, artinya
setiap petani yang tidak ikut dalam kelompok tani
apabila melakukan penambahan penggunaan bibit sebesar 1
persen akan mengakibatkan perubahan peningkatan
produksi tebu 17.0 %.
3.4 Dummy Slope ZA
Tabel 8. Nilai Adjusted R Squre Slope ZA
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
24
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .879a .773 .755 .19704
a. Predictors: (Constant), lnZADi, lnbibit, lnZA,
lnTK
Dari tabel diatas menunjukkan bahwa semua variable
independen (lnbibit, lnZA dan lnTK) berpengaruh sebesar
75,5% pada variable dependen (lnproduksi), dan sisanya
24,5% dipengaruhi oleh faktor lain yang tidak ada dalam
tiga variable tersebut dan tidak digunkan dalam model
tersebut. Pada R2 yang ditampilkan dalam model summary
tersebut adalah sebesar 0.773 artinya bahwa variable
bebas yang ada didalam model mampu menjelaskan model
lnproduksi sebesar 77.3% dan sisanya sebesar 22.7%
dijelaskan oleh variable lain diluar model.
Tabel 9. Nilai F Slope ZA (uji F)ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 6.488 4 1.622 41.775 .000a
Residual 1.902 49 .039
Total 8.390 53
a. Predictors: (Constant), lnZADi, lnbibit, lnZA, lnTK
b. Dependent Variable: lnPROD
Dari hasil analisis diatas menunjukkan F hitung
adalah 41,775. Sedangkan untuk nilai signifikan atau
probabilitas adalah kurang dari 0,05 yaitu dengan nilai
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
25
signifikan 0,00 dan degree of freedom untuk df1 = 4 dan
df2 = 49, maka didapat dari tabel (dalam buku
statistic) f table sebesar 2.56. Karena f hitung 41.147
> f-tabel (0.05) = 2.56, maka maka H0 ditolak dan H1
diterima.
. Sehingga hal ini menunjukkan variabel tenaga
kerja, bibit, dan ZA dan variable produksi memiliki
hubungan yang berpengaruh secara nyata dan signifikan.
Tabel 10. Nilai Koefisien Slope ZA (uji t)Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 4.864 .636 7.645 .000
Lnbibit .185 .046 .350 4.065 .000
lnZA .255 .086 .297 2.950 .005
lnTK .108 .136 .081 .795 .430
lnZADi .083 .026 .336 3.159 .003
a. Dependent Variable: lnPROD
Dari hasil diatas dapat dilihat dari nilai t dan
nilai sig, apabila nilai signifikansi atau tingkat
probabilitas kurang dari 5% maka signifikan sedangkan
apabila lebih dari 5% tidak signifikan. Apabila t
hitung lebih besar dari t tabel maka terima Ha dan
tolak Ho sedangkan apabila t hitunglebih kecil daripada
t hitung maka terima Ho tolak Ha.
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
26
3.5 Dummy Slope TK
Tabel 11. Nilai Adjusted R Squre Slope TK
Model Summary
Model R R SquareAdjusted RSquare
Std. Error ofthe Estimate
1 .877a .770 .751 .19864
a. Predictors: (Constant), lnTKDi, lnbibit, lnZA, lnTK
Dari tabel diatas menunjukkan bahwa sem8ua
variable independen (lnbibit, lnZA dan lnTK)
berpengaruh sebesar 75,1% pada variable dependen
(lnproduksi), dan sisanya 24,9% dipengaruhi oleh faktor
lain yang tidak ada dalam tiga variable tersebut dan
tidak digunkan dalam model tersebut. Sedangkan R2 yang
ditampilkan dalam model summary tersebut adalah sebesar
0.770 artinya bahwa variable bebas yang ada didalam
model mampu menjelaskan model lnproduksi sebesar 77%
dan sisanya sebesar 23% dijelaskan oleh variable lain
diluar model.
Tabel 12. Nilai F Slope TK (uji F)
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
27
ANOVAb
ModelSum ofSquares df Mean Square F Sig.
1 Regression 6.457 4 1.614 40.912 .000a
Residual 1.933 49 .039
Total 8.390 53
a. Predictors: (Constant), lnTKDi, lnbibit, lnZA, lnTK
b. Dependent Variable: lnPRODDari hasil analisis diatas menunjukkan F hitung
adalah 40,912. Sedangkan untuk nilai signifikan atau
probabilitas adalah kurang dari 0,05 yaitu dengan nilai
signifikan 0,00 dan degree of freedom untuk df1 = 4 dan
df2 = 49, maka didapat dari tabel (dalam buku
statistic) f table sebesar 2.56.
. Sehingga hal ini menunjukkan variabel bebas
LnTK, LnZA, LnBibit, Di signifikan memberikan
kontribusi terhadap variabel dependent Lnproduksi,
dapat diartikan bahwa variabel bebas tersebut secara
bersama-sama memberikan pengaruh secara nyata terhadap
variabel Lnproduksi.
Tabel 13. Nilai Koefisien Slope TK (Uji T)
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
28
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t Sig.B Std. Error Beta
1 (Constant) 4.797 .638 7.524 .000
Lnbibit .185 .046 .350 4.038 .000
lnZA .280 .084 .326 3.335 .002
lnTK .109 .138 .082 .789 .434
lnTKDi .044 .015 .310 3.006 .004
a. Dependent Variable: lnPRODDari hasil diatas dapat dilihat dari nilai t dan
nilai sig, apabila nilai signifikansi atau tingkat
probabilitas kurang dari 5% maka signifikan sedangkan
apabila lebih dari 5% tidak signifikan. Apabila t
hitung lebih besar dari t tabel maka terima Ha dan
tolak Ho sedangkan apabila t hitunglebih kecil daripada
t hitung maka terima Ho tolak Ha.
3.6 Dummy Slope Kombinasi TK dan Bibit
Tabel 14. Nilai Adjusted R Squre Kombinasi TK dan BibitModel Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .878a .771 .747 .20024
a. Predictors: (Constant), lnTKDi, lnbibit, lnZA,
lnTK, lnBibitDi
Dari tabel diatas menunjukkan bahwa semua variable
independen (lnbibit, lnZA dan lnTK) berpengaruh sebesar
74,7% pada variable dependen (lnproduksi), dan sisanya
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
29
25,3 % dipengaruhi oleh faktor lain yang tidak ada
dalam tiga variable tersebut dan tidak digunkan dalam
model tersebut.
Tabel 15. Nilai F Kombinasi TK dan Bibit (uji F)ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 6.466 5 1.293 32.249 .000a
Residual 1.925 48 .040
Total 8.390 53
a. Predictors: (Constant), lnTKDi, lnbibit, lnZA, lnTK, lnBibitDi
b. Dependent Variable: lnPROD
Dari hasil analisis diatas menunjukkan F hitung
adalah 32,249. Sedangkan untuk nilai signifikan atau
probabilitas adalah kurang dari 0,05 yaitu dengan nilai
signifikan 0,00. Sehingga hal ini menunjukkan
variabel tenaga kerja, bibit, dan ZA dan variable
produksi memiliki hubungan yang berpengaruh secara
nyata dan signifikan.
Tabel 16. Nilai Koefisien Kombinasi TK Dan Bibit (Uji
T)
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
30
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 4.823 .645 7.476 .000
Lnbibit .172 .055 .325 3.143 .003
lnZA .279 .085 .325 3.297 .002
lnTK .115 .140 .087 .825 .413
lnBibitDi .046 .098 .285 .465 .644
lnTKDi .005 .086 .037 .061 .951
a. Dependent Variable: lnPROD
Dari hasil diatas dapat dilihat dari nilai t dan
nilai sig, apabila nilai signifikansi atau tingkat
probabilitas kurang dari 5% maka signifikan sedangkan
apabila lebih dari 5% tidak signifikan. Apabila t
hitung lebih besar dari t tabel maka terima Ha dan
tolak Ho sedangkan apabila t hitunglebih kecil daripada
t hitung maka terima Ho tolak Ha.
3.7 Perbandingan Regresi Non Linear Pada Dummy Variabel
Tabel 17. Pemilihan Model Sesuai Teori Ekonomi
Adj R2 F hitung Teoriekonomi
Intersep 0.752 41.148 Tidaksesuai
Slop bibit 0.752 41.147 Sesuai
Slope TK 0.751 40.912 Tidak
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
31
sesuai
Slope ZA 0.755 41.775 Tidaksesuai
Kombinasi antara TK danBibit
0.747 32.249 Tidaksesuai
Intrepetasi :
Pada model intersep α0 sebesar 0.752 besarnya sama
dengan besarnya variable Y tidak sesuai karena
slope intersep tidak berpengaruh terhadap
prpduktifitas petani namun hanya berpengaruh pada
produksi tebu, oleh karena itu intersep tidak
sesuai pada model produksi tebu.
Slope ZA (lnZA) tidak memiliki pengaruh yang
signifikan terhadap produktifitas oleh karena itu
tidak dilakukan regresi.
Slope bibit (lnbibit) mempunyai nilai signifikasi
sebesar 0,001 sehingga kurang dari nilai ketetapan
signifikasi sebesar 0,05. Oleh karena itu slope
bibit atau model tersebut dapat diterima karena
memiliki taraf kepercayaan sebesar 99.99% sehingga
memiliki pengaruh nyata terhadap produktifitas
petani. Berikut pengujian dummy independent bibit:
Y = eα0 x1 (β1+ β4Di) x2
β2 + x3 β3
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
32
Prod = eα0 Bibit(β1+ β4Di) ZA β2 + TK β3
Prod = eα0 Bibit(β1+ β4Di) ZA β2 + TK β3
Prod = e4,823Bibit(0,170+ Di) ZA0,279+ TK0,117
Jika, Di = 1, maka
Prod = e4,823Bibit(0,170+ Di) ZA0,279+ TK0,117
Prod = e4,823Bibit(0,170+ 0,052 . 1) ZA 0,279 + TK 0,117
Prod = e4,823Bibit(0,170+ 0,052) ZA 0,279 + TK 0,117
Prod = e4,823Bibit0,222 ZA 0,279 + TK 0,052
Dari perhitungan tersebut dapat disimpulkan bahwa
setiap penambahan bibit sebesar 1 maka akan
menambah produktifitas sebesar 0,222.
Jika, Di = 0, maka
Prod = e4,823Bibit(0,170+ Di) ZA0,279+ TK0,117
Prod = e4,823Bibit(0,170+0,052 .0) ZA0,279+ TK0,117
Prod = e4,823Bibit0,170 ZA0,279+ TK0,117
Jika tidak ada penambahan bibit atau tetap (0)
maka mempengaruhi produktivitas sebesr 0,117.
Slope TK( lnTK) memiliki nilai signifikasi atau
probabilitas sebesar 0,396 sedangkan ketetapan
yang harus dipenuhi adalah kurang dari 0,05 oleh
karena itu slope TK tidak dapat djadikan model
produksi tebu karean nilai signifikan slope TK
lebih besar dari nilai ketetapan.
Pada slope kombinasi lnbibit memiliki nilai
signifikasi 0,03 dan pada lnTK memiliki nilai
signifikasi sebesar 0,414. Dilihat dari nilai
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
33
signifikasi bibit model ini sesuai karena kurang
dari ketetapan sebesar 0,05 sedangkan dilihat dari
signifikasi TK maka model ini tidak signifikan
karena nilai signifikasi TK lebih besar daripada
nilai ketetapan signifikasi yaitu sebesar 0,05.
Maka dari itu kombinasi antar keduanya tidak dapat
digunakan dalam model produksi tebu.
Dari tabel diatas, kita dapat melihat nilai
Adjusted R Square yang tertinggi secara runtut ialah
sebagai berikut;
1. Dummy Slope ZA dengan nilai 0,755
2. Dummy Intersep dan Dummy slope bibibt
dengan nilai0,752
3. Dummy Slope Tenaga Kerja dengan nilai
0,751
4. Dummy Slope Bibit dan Tenaga Kerja dengan
nilai 0,747
Sedangkan, untuk nilai F yang tertinggi secara
runtut ialah ;
1. Dummy Slope ZA dengan nilai 41.775
2. Dummy Intersep dengan nilai 41.148
3. Dummy Slope bibit dengan nilai 41.147
4. Dummy slope Tenaga kerja dengan nilai
40.912
5. Dummy Slope Bibit dan Tenaga Kerja dengan
nilai 32.249
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
34
Berdasarkan dari hasil analisis diatas dengan
menggunakan SPSS maka dapat disusun sesuai dengan
urutan nilai yang lebih tinggi dari Adjusted R Square
dan Uji F. Dari hasil yang diperoleh menunjukkan bahwa
antara nilai Adjusted R Square dengan Uji F menunjukkan
adanya kebalikan nilai yang lebih tinggi antara kedua
model terhadap beberapa model pengujian. Sebagai dasar
pedoman untuk menetapkam langkah selanjutnya dalam hal
ini penulis menggunakan nilai dari Adjusted R Square,
karena nilai Adjusted R Square menunjukkan seberapa
besar pengaruhnya antara variabel-variabel tersebut
ketika dimasukkan variabel baru atau dihilangkan
variabel yang ada. Setelah menemukan susunan nilai
tertinggi Adjusted R Square dan nilai F secara runtut,
selanjutnya kita melihat syarat ke tiga yaitu Logika
Ekonomi. Setelah dikaji menurut logika ekonomi atau
teori ekonomi maka yang paling sesuai yang akan dipakai
dan di interpretasikan.
3.8 Rata-Rata Data Observasi dan Rata-Rata Data Prediksi
Tabel 17. Data Observasi Rata-Rata
Jika
kita mencari data dengan teknik penelusuran atau
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
35
Variabel Non kelompoktani
Kelompoktani
Bibit 2652.14 3753.14ZA 425.49 609.14TK 5336.88 6211.07Produksi 29642.00 42796.00Rata-rata 7611.10 13341.34
observasi langsung maka dapat diketahui bahwa rata-
rata petani yang mengikuti kelompok tani lebih banyak
dari petani yang tidak mengikuti kelompok tani. Ini
dapat diketahui dengan mengelompokkan terlebih dahulu
petani yang mengikuti kelompok tani, lalu menjumlahkan
setiap variabel yang mempengaruhi produksi. Setelah
diketahui berapa banyak output yang dihasilkan dengan
penggunaan inputnya, lalu dijumlahkan semuanya dan
dibagi sebanyak variabel yang digunakan untuk
mengetahui rata-ratanya.
Data yang diperoleh dari responden sebanyak 54
orang, ada 24 orang yang bergabung menjadi anggota
kelompok tani dan sebanyak 30 orang sisanya tidak
bergabung dalam kelompok tani. Jika dilihat dari data
observasi diatas maka dapat diketahui bahwa penggunaan
input produksi berupa bibit,ZA, TK dari petani yang
bergabung dalam kelompok tani lebih tinggi jika
dibandingkan dengan petani yang tidak bergabung dalam
kelompok tani. Hal tersebut merupakan factor yang
menjadi penyebab tingkat produksi petani kelompok tani
jauh lebih tinggi dibanding petani non kelompok tani.
Hal ini terbukti dari hasil tersebut terlihat
rata-rata petani yang mengikuti kelompok tani sebanyak
13341.34 dan yang tidak mengikuti kelompok tani
sebanyak 7611.10. Terlihat bahwa ini linier dengan
perhitungan dengan menggunakan SPSS yang menunjukkan
peningkatan hasil produksi jika petani bergabung dengan
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
36
kelompok tani. Sehingga ini juga berpengaruh pada
peningkatan jumlah petani yang mengikuti kelompok tani
dan sesuai dengan data .
Tabel 18. Data Prediksi Rata-Rata
Variabel Non kelompoktani
Kelompoktani
LNBibit 126.4223 118.3580LNZA 79.3703 74.6237LNTK 155.1008 132.1973LNProduksi 207.7432 176.9101Rata-rata 142.1592 125.5223
Berdasarkan data prediksi yang di hasilkan diatas
penggunaan input produksi berupa bibit, ZA, dan TK
oleh petani yang bergabung dalam kelompok tani lebih
sedikit jika dibandingkan dengan penggunaan input
produksi yang digunakan oleh petani yang tidak
bergabung dalam kelompok tani. Hal tersebut merupakan
factor yang menjadi penyebab tingkat produksi petani
kelompok tani jauh lebih rendah jika dibandingkan
dengan petani non kelompok tani.
Berdasarkan data dari tabel diatas petani yang
mengikuti kelompok tani memiliki nilai rata-rata
produksi yang lebih rendah yaitu sebesar 125,5223
dibandingkan petani yang tidak mengikuti kelompok tani
yaitu dengan nilai rat-rata sebesar 142,1592. Dengan
hasil data seperti tersebut maka kesimpulannya adalah
hal tersebut tidak sesuai dengan teori ekonomi yang ada
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
37
yaitu apabila mengikuti kelompok tani maka akan lebih
mempunyai produksi lebih besar dibandingkan tidak
mengikutu kelompok tani.
KESIMPULAN
Dari berbagai cara yang digunakan (intersep, slope
ZA, slope Bibit, slope TK dan kombinasi bibit dan
TK) terdapat satu model yang cocok digunakan dalam
produksi tebu yaitu slope bibit. Dengan perhitungan
dummy independent bibit, diperoleh hasil perhitungan
tersebut bahwa setiap penambahan bibit sebesar 1
maka akan menambah produktifitas sebesar 0,222.
Sedangkan jika tidak ada penambahan bibit atau tetap
(0) maka mempengaruhi produktivitas sebesr 0,117.
Berdasarkan data observasi rata-rata
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
38
Berdasarkan data tabel diatas dari petani yang
mengikuti kelompok tani memiliki nilai rata-rata
produksi lebih besar yaitu 13341,34 dibanding dengan
petani yang tidak mengikuti kelompok tani dengan
nilai sebesar 7611,10. Hal tersebut dapat disebabkan
karena dengan mengikuti kelompok tani akan dapat
memperoleh pengetahuan lebih banyak dibandingkan
dengan tidak mengikuti kelompok tani sehingga dapat
mengaplikasikannya dapat produksi tebu.
Berdasarkan data prediksi rata-rata
Berdasarkan data dari tabel diatas petani yang
mengikuti kelompok tani memiliki nilai rata-rata
produksi yang lebih rendah yaitu sebesar 125,5223
dibandingkan petani yang tidak mengikuti kelompok
tani yaitu dengan nilai rat-rata sebesar 142,1592.
Dengan hasil data seperti tersebut maka
kesimpulannya adalah hal tersebut tidak sesuai
dengan teori ekonomi yang ada yaitu apabila
mengikuti kelompok tani maka akan lebih mempunyai
produksi lebih besar dibandingkan tidak mengikutu
kelompok tani.
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
39
DAFTAR PUSTAKA
Dinas Perkebunan, 2004. Teknologi Peningkatan Produktivitas Tebu
Rakyat dan Pengenalan Varietas Unggul Harapan di
Sumatera Utara. Proyek Pengembangan Pangan
Areal Perkebunan Sumatera Utara. Medan.
Djalal, Nachrowi dkk. 2002. Penggunaan Teknik Ekonometri
Pendekatan Populer dan Praktis Dilengkapi Teknik
Analisis dan Pengolahan data dengan Menggunakan
Paket Program SPSS. Jakarta : PT.
RajaGrafindo Persada
KPPBUMN, 2013. Seleksi Pengawasan dan Konsultasi 4.Daur Kehidupan
Tebu.
hhtp://www.kppbumn.depkeu.go.id/industria
lprofile/PK4/profil % 20
Tebu-1-files/page0011.html. Diakses
Tanggal 23 Maret 2013
Lains, Alfian. 2002. Ekonometrika Teori dan Aplikasi Jilid I. Jakarat Pustaka LP3ES Indonesia
Rahmat, M. 1999. Profil Tebu Rakyat di Jawa Timur. JAE Vol. II/
No. 2/ Okt 1992. Hal. 39 – 57.
Soentoro, Novi I, Abdul Muis SA. 1999. Usahatani dan Tebu
Rakyat Intensifikasi di Jawa. Ekonomi Gula di
Indonesia. IPB. Hal. 69 – 130.
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
40
LAMPIRAN
Dummy Intersep
REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT lnPROD /METHOD=ENTER lnBBT lnZA lnTK Di.
Variables Entered/Removed
ModelVariablesEntered
VariablesRemoved Method
1 Di, lnBBT, lnZA, lnTKa
. Enter
a. All requested variables entered.
Model Summary
Model R R SquareAdjusted RSquare
Std. Errorof the
Estimate
1 .878a .771 .752 .19820
a. Predictors: (Constant), Di, lnBBT, lnZA, lnTK
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
41
ANOVAb
ModelSum ofSquares df Mean Square F Sig.
1 Regression 6.466 4 1.616 41.148 .000a
Residual 1.925 49 .039
Total 8.390 53
a. Predictors: (Constant), Di, lnBBT, lnZA, lnTK
b. Dependent Variable: lnPROD
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t Sig.B Std. Error Beta
1 (Constant) 4.704 .617 7.621 .000
lnBBT .186 .046 .350 4.049 .000
lnZA .281 .083 .327 3.366 .001
lnTK .126 .135 .095 .932 .356
Di .240 .079 .302 3.049 .004
a. Dependent Variable: lnPROD
Slope Bibit
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
42
Variables Entered/Removed
ModelVariablesEntered
VariablesRemoved Method
1 lnBBTDi, lnBBT, lnZA,lnTKa
. Enter
a. All requested variables entered.
Model Summary
Model R R SquareAdjusted RSquare
Std. Errorof the
Estimate
1 .878a .771 .752 .19820
a. Predictors: (Constant), lnBBTDi, lnBBT, lnZA, lnTK
ANOVAb
ModelSum ofSquares df Mean Square F Sig.
1 Regression 6.466 4 1.616 41.147 .000a
Residual 1.925 49 .039
Total 8.390 53
a. Predictors: (Constant), lnBBTDi, lnBBT, lnZA, lnTK
b. Dependent Variable: lnPROD
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
43
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t Sig.B Std. Error Beta
1 (Constant) 4.823 .639 7.553 .000
lnBBT .170 .046 .321 3.684 .001
lnZA .279 .084 .325 3.340 .002
lnTK .117 .136 .088 .855 .396
lnBBTDi .052 .017 .322 3.049 .004
a. Dependent Variable: lnPROD
Slope Tenaga Kerja
Variables Entered/Removed
ModelVariablesEntered
VariablesRemoved Method
1 lnTKDi, lnBBT, lnZA,lnTKa
. Enter
a. All requested variables entered.
Model Summary
Model R R SquareAdjusted RSquare
Std. Errorof the
Estimate
1 .877a .770 .751 .19864
a. Predictors: (Constant), lnTKDi, lnBBT, lnZA, lnTK
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
44
ANOVAb
ModelSum ofSquares df Mean Square F Sig.
1 Regression 6.457 4 1.614 40.912 .000a
Residual 1.933 49 .039
Total 8.390 53
a. Predictors: (Constant), lnTKDi, lnBBT, lnZA, lnTK
b. Dependent Variable: lnPROD
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t Sig.B Std. Error Beta
1 (Constant) 4.797 .638 7.524 .000
lnBBT .185 .046 .350 4.038 .000
lnZA .280 .084 .326 3.335 .002
lnTK .109 .138 .082 .789 .434
lnTKDi .044 .015 .310 3.006 .004
a. Dependent Variable: lnPROD
Dummy Kombinasi
Variables Entered/Removed
ModelVariablesEntered
VariablesRemoved Method
1 lnBBTDi, lnBBT, lnZA,lnTK, lnTKDia
. Enter
a. All requested variables entered.
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
45
Model Summary
Model R R SquareAdjusted RSquare
Std. Errorof the
Estimate
1 .878a .771 .747 .20024
a. Predictors: (Constant), lnBBTDi, lnBBT, lnZA, lnTK, lnTKDi
ANOVAb
ModelSum ofSquares df Mean Square F Sig.
1 Regression 6.466 5 1.293 32.249 .000a
Residual 1.925 48 .040
Total 8.390 53
a. Predictors: (Constant), lnBBTDi, lnBBT, lnZA, lnTK, lnTKDi
b. Dependent Variable: lnPROD
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t Sig.B Std. Error Beta
1 (Constant) 4.823 .645 7.476 .000
lnBBT .172 .055 .325 3.143 .003
lnZA .279 .085 .325 3.297 .002
lnTK .115 .140 .087 .825 .413
lnTKDi .005 .086 .037 .061 .951
lnBBTDi .046 .098 .285 .465 .644
a. Dependent Variable: lnPROD
METODE KUANTITATIF |Dwi Intan Fitriani(105040101111126)
46