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
8/10/2019 Regresi Linear dan Non Linear
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,
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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.
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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.
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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.
8/10/2019 Regresi Linear dan Non Linear
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.
8/10/2019 Regresi Linear dan Non Linear
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%.
8/10/2019 Regresi Linear dan Non Linear
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.html8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
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
8/10/2019 Regresi Linear dan Non Linear
18/19
18
Gambar 1. Gambar 2.
Gambar 3. Gambar 4.
Gambar 5. Gambar 6.
8/10/2019 Regresi Linear dan Non Linear
19/19
19
Gambar 7. T Tabel
Gambar 8. F Tabel
Top Related