Analisis Regresi Berganda & Dummy Variabel

BAB I PENDAHULUAN 1.1 Usahatani Tebu Kebutuhan Hidup Tanaman Tebu

Pada umumnya mahkluk hidup membutuhkan sumberdaya alam berupa air, oksigen, karbondioksida, makanan dan sinar matahari. Kecuali karbon dioksida dan oksigen, sumberdaya alam lainnya berada pada kondisi yang terbatas dan sering tidak mencukupi kebutuhan, sehingga terkadang memerlukan usaha untuk mencukupi kebutuhan tersebut dengan tindakan pengelolaan hidup. Sebagai contoh misalnya tanaman tebu membutuhkan hara untuk mencapai pertumbuhan normalnya, namun ketersediaan di dalam tanah tempat tanaman itu tumbuh tidak tersedia hara N yang memadai. Pada keadaan demikian tanaman tersebut tentu tidak akan mungkin tumbuh normal (karena defisiensi N). Untuk mencapai kondisi pertumbuhan normal, maka upaya budidaya diperlukan yaitu dengan cara memberikan pupuk N untuk kasus kekurangan hara N tersebut. Sumberdaya alam selama periode pertumbuhan tebu sangat dibutuhkan. Namun laju kebutuhan setiap fase pertumbuhan tanaman terhadap kebutuhan jenis maupun kuantitasnya selalu tidak sama. Dengan demikian terdapat ukuran - ukuran kebutuhan yang secara keseluruhan sangat ditentukan oleh kebutuhan biologi pertumbuhan. Sebagai contoh, tanaman tebu memiliki 5 stadium pertumbuhan yaitu fase perkecambahan, pertunasan, pemanjangan batang, kemasakan dan kematian, kebutuhan akan sumberdaya air pada setiap stadium berbeda. Stadium perkecambahan sampai pemanjangan batang dapat dikatakan menghendaki kebutuhan air yang sangat banyak. Namun pada fase kemasakan dan bahkan kematian, kebutuhan terhadap air justru pada kondisi yang lebih sedikit untuk mengoptimalkan pengisiaan gula dalam batang. Hal yang lain yang berkaitan dengan kebutuhan hidup tanaman tebu adalah secara agregat setiap sumber daya alam selalu dibutuhkan, meskipun kuantitasnya dapat berlainan antara setiap fase pertumbuhannya. Tidak terpenuhi salah satu atau lebih sumberdaya alam yang dibutuhkan tanaman tebu, maka akan berakibat pada penurunan kualitas pertumbuhan maupun produktivitas tanaman yang dihasilkan. Dalam budidaya tebu, upaya untuk memenuhi kebutuhan

1

The world's largest digital library

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.













sumberdaya alam pada saat optimal diperlukan akan memberikan hasil panen yang maksimal.

Memaksimumkan Hasil Panen

Secara definisi telah dikemukakan di atas arti dari budidaya yang sesungguhnya dapat disederhanakan lagi yaitu suatu upaya manusia mengoptimalkan kondisi tanaman agar memperoleh sumberdaya alam yang dibutuhkan untuk hidupnya, sehingga dapat dimaksimalkan perolehan produktivitas tanaman. Dengan demikian tujuan akhir dari upaya budidaya adalah mengoptimalkan kondisi tanaman untuk memaksimumkan hasil panen. Budidaya merupakan prasarana untuk meningkatkan respon tanaman terhadap input yang diberikan baik secara langsung maupun tidak langsung dalam menunjang dan memacu proses pertumbuhan. Keberhasilan budidaya ditentukan oleh berlangsungnya proses-proses pertumbuhan dalam setiap stadium secara normal dan berkesinambungan. Setiap proses fase pertumbuhan harus berjalan dengan sempurna, untuk memberikan kesempatan proses fase pertumbuhan berikutnya sehingga berjalan sempurna juga. Gangguan pada salah satu proses fase pertumbuhan tebu, harus dipandang sebagai titik dari mata rantai yang terlemah dan yang paling bertanggung jawab terhadap hasil panen yang akan diperoleh. Dapat disimpulkan bahwa berdasarkan faktor pembatas yang paling menentukan terhadap perolehan hasil tanaman, maka m aka upaya dari budidaya sesungguhnya sesungguhnya untuk mengeleminir sekecil mungkin kekurangan ketersedian sumber daya alam yang dibutuhkan setiap fase pertumbuhan guna memaksimumkan hasil panen yang akan diperoleh.

Landasan Pola Budidaya Tebu

Budidaya tebu yang paling sesuai adalah budidaya tebu yang menyesuaikan dengan kondisi agroklimat, yaitu iklim, kesuburan tanah dan tofografi. Selain itu, keberhasilan budidaya tebu ditentukan pula oleh penggunaan sarana pendukung seperti tenaga kerja dan penggunaan peralatan yang akan menunjang pengelolaan pertanian berkelanjutan. Lebih spesifik lagi, keberhasilan penyesuaian budidaya tebu ditentukan oleh kesesuaian tebu terhadap kondisi iklim, kesesuaian tebu terhadap kesuburan tanah,













Kesesuaian Tebu Terhadap Iklim

Budidaya tebu harus mengupayakan kebutuhan tebu terhadap variabel iklim, khususnya terhadap ketersediaan air, baik dalam mengatur kecukupan air maupun mengurangi ketersediaannya. Dalam budidaya, singkronisasi kebutuhan pertumbuhan tebu dengan kebutuhan SDA iklim, seperti mengatur masa tanam yang baik untuk mendapatkan kebutuhan air optimal pada fase pertumbuhan awal dan ditebang pada periode musim kemarau. Berdasarkan kebutuhan air pada setiap fase pertumbuhannya, curah hujan bulanan ideal untuk pertanaman tebu adalah 200 mm / bulan pada 5-6 bulan berturut - turut, 125 mm/bulan pada 2 bulan transisi dan kurang 75 mm / bulan pada 4 - 5 bulan berturut-turut. Menurut tipe iklim Oldeman, zona yang terbaik untuk tanaman tebu adalah tipe iklim C2 dan C3. Dalam pengembangannya pengembangannya ke lahan kering selain kedua tipe iklim tersebut ada beberapa lahan dengan tipe iklim yang dapat diusahakan untuk tebu dengan masukan-masukan teknologi adalah B2, C2, C3, D2, E3. Lahan yang dapat dikembangkan dikembangkan untuk pertumbuhan tebu dengan tanah cukup ringan dan berdrainase baik B1, C1, D1 dan E1.

Kesesuaian Tebu Terhadap Kesuburan Tanah

Kesuburan tanah menentukan keberhasilan budidaya tebu, menyangkut aspek faktor pembatas fisik dan kimia tanah. Sifat fisik tanah yang menonjol adalah drainase / permeabilitas, tekstur dan ruang pori. Sedangkan sifat kimia tanah adalah kadar bahan organik, pH, ketersediaan hara esensial dan KTK tanah. Tekstur tanah yang sesuai bagi tanaman tebu berdasarkan sifat olah tanah adalah sedang sampai berat atau menurut klasifikasi tekstur tanah (Buckman and Brady, 1960) adalah lempung, lempung berpasir, lempung berdebu, liat berpasir, liat berlempung, liat berdebu dan liat atau yang tergolong bertekstur agak kasar sampai halus. Kemasaman tanah (pH) yang terbaik untuk tanaman – 7,0 namun masih dapat tumbuh pada kisaran pH 4,5 - 7,5. tebu adalah pada kisaran 6,0 – 7,0 Kesuburan tanah (status hara), berdasarkan hasil penelitian P3GI untuk menentukan kesesuaian lahan bagi tanaman tebu dengan kriteria N total > 1,5, P2O5 tersedia > 75 ppm, K2O tersedia > 150 ppm dan kejenuhan Al <> 4 bulan, masa tanam yang optimal pada akhir musim kemarau sampai awal musim hujan yaitu pertengahan Oktober sampai dengan masa tanam juga dapat pada akhir musim hujan sampai awal musim kemarau













a. Mencukupi Kebutuhan Hara Tanaman Ketersediaan hara dalam tanah sesuai dengan kebutuhan tanaman pada masingmasing fase pertumbuhannya sangat ditentukan oleh kondisi lahan dan ketepatan pemupukan. Dalam pemupukan perlu diperhatikan efektivitas dan efisiensi. b. Pengendalian Jasad Pengganggu Prinsip pengendalian jasad pengganggu (gulma, hama dan penyakit) adalah memastikan bahwa input dan tanaman t ebu tidak “termakan” oleh jasad pengganggu yaitu pengendalian secara preventif. c. Panen Tebu Masak (M), Bersih (B) Dan Segar (S) Dalam pengusahaan tanaman tebu, upaya budidaya yang ditunjukkan untuk meningkatkan bobot tebu dan rendemen yang tinggi pada akhirnya banyak ditentukan oleh sejumlah mana tebu tersebut ditebang dan digiling dalam keadaan Masak, Bersih dan Segar (MBS). Untuk menciptakan panen MBS banyak berkaitan dengan aspek aspek manajerial dan koordinasi, baik diintern Pabrik Gula (antara Bagian Tanaman, Tebang Angkut dan Pabrik) maupun koordinasi PG dengan Petani.

Pemantauan Pertumbuhan Tanaman

Pemantauan perrtumbuhan tanaman yang bertujuan untuk mengetahui dampak dari tindakan - tindakan budidaya yang dilakukan. Pemantauan pertumbuhan tanaman dapat dilakukan dengan pengetahuan pertumbuhan setiap fase dan faktor - faktor yang mempengaruhi dan dinamika populasi. Dengan membandingkan antara jumlah populasi atau pertumbuhan suatu saat pada suatu kebun dengan standar pertumbuhan / dinamika populasi normal serta dihubungkan dengan fase pertumbuhan saat pemantauan, sehingga dapat ditentukan tumbuh normal atau tidak serta antisipasi / tindakan yang diperlukan. Konsistensi Pengelolaan Tanaman

Agar dapat diperoleh hasil gula yang optimal diperlukan konsistensi pengelolaan yang prima sejak pembukaan lahan sampai tebu dipanen dan digiling, mengingat kualitas suatu fase pertumbuhan menentukan pertumbuhan berikutnya dan kualitas bahan baku akan menentukan sejauh mana potensi gula yang ada di batang dapat dijadikan gula kristal yang diharapkan. Salah satu yang harus diwaspadai adalah ketidak konsistenan pada saat panen, tebu yang ditanam dan dipelihara dengan baik hasil gulanya kurang













1.2 Tujuan Praktikum

1. Mahasiswa mampu mengetahuai, memahami serta mengaplikasikan model double logaritma dan dummy independet variabel 2. Mahasiswa mampu menggunakan model double logaritma dan dummy independent variabel pada suatu kasus kasus permasalahan permasalahan Komoditas Tebu Tebu 3. Mahasiswa mampu mengintepretasikan suatu hasil analisis software SPSS mengenai model duble logaritma dan dummy independent variabel













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 digunakan 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 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, 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 sebagai berikut ; u

Y = β1Xβ2e Dimana :















β1, β2

: parameter-parameter 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: Y* = β1* + β2 * X* + u* Dengan , Y*

: lnY

β1* : ln β1 β2 * : β2 X*

: lnX













menyatakan kuantitas yang diminta dan X menyatakan harga komoditas per unit, maka β2 menyatakan menyatakan elastisitas harga dari permintaan. Hal lain yang dapat diperhatikan dalam model log-log adalah koefisien elastisitas antara Y dan X 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 Dummy Independent Variabel

Variabel dummy disebut juga variabel indikator, biner, kategorik, kualitatif, boneka, atau variabel dikotomi. Suatu persamaan regresi dapat dapat hanya menggunakan variabel kategorik sebagai variabel bebas, tetapi dapat pula disertai oleh variabel bebas lain yang numerik. Regresi dengan variabel bebasnya hanya variabel dummy atau yang sifatnya kualitatif disebut Analysis of Variance (ANOVA). Dalam ekonometrik, seringkali kita menjumpai suatu model yang regressornya terdiri dari variabel kuantitatif dan kualitatif. Regresi yang regressornya merupakan campuran campuran antara variabel kuantitatif dan variabel variabel kualitatif disebut disebut model Analysis Analysis of of Covariance (ANCOVA).

Variabel

dummy memiliki nilai 1 atau 0, dan dapat mempengaruhi besaran intersep (dummy intersep), koefisien slope (dummy slope) maupun mempengaruhi kedua-duanya. kedua-duanya. Skala Nominal yang diberi label 0, 1 atau 2 dikenal sebagai Dummy Variable (Variabel Rekayasa). Misalnya :Pemberian label 1 untuk laki – laki dan 2 untuk perempuan tidak mempunyai arti kuantitatif (tidak mempunyai nilai / hanya kode). Dengan demikian, perempuan tidak dapat dikatakan 1 lebih banyak dari laki – laki. Pemberian label tersebut dimaksudkan untuk mengubah kategori huruf (Alfabet) menjadi kategori Angka (Numerik), sehingga memudahkan analisis data. (Cara ini dijumpai













bisa berupa perbedaan perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana). I.

Y = 0 + 1 X1 + 2X2 + 3D (Model Dummy Intersep)

II

Y= 0 + 1 X1 + 2X2 + 3D1X3 (Model Dummy Slope)

III. Y= 0 + 1 X1 + 2D1+ 3D1 X1 (Kombinasi) Model Dummy Intersep

Persamaannya: Persamaannya: Y = 0 + 1 X1 + 2X2 + 3D Cara Menguji Regresi Berganda Model Dummy Intersep Dengan SPSS

Buka Variabel View, ganti nama variabel sesuai dengan keterangan pada exel

Buka SPSS, copy data dari Excel ke Data View

Output SPSS (Hasil) kemudian diinterpretasi dan buat persamaan regresinya

Kembali ke Data View, pilih analize, regression, linier

Pindah (bbt)X1, (ZA) X2, (TK) X3 dan D1 ke kolom independent dan Y (produksi) ke kolom independent kemudian pilih OK

- Setelah diperoleh model persamaan regresinya, masukan nilai Di=0 dan Di=1 dalam persamaan tersebut, hitung dan analisa. - Setelah diperoleh hasil, maka pertimbangkan syarat-syarat suatu model dikatakan sebagai model yang baik, yaitu:













Model Dummy Slope

Persamaannya: Persamaannya: Y= 0 + 1 X1 + 2X2 + 3D1X3 . Model Dummy Slope digunakan untuk mengetahui perubahan yang terjadi dalam slope. Cara menguji regresi berganda model dummy slope dengan SPSS adalah sebagai berikut:

Buka SPSS, copy data dari Excel ke Data View

Buka Variabel View, ganti nama variabel sesuai dengan keterangan pada exel

Kembali ke Data View, pilih analize, regression, linier

Output SPSS (Hasil) kemudian diinterpretasi

Pindah X1, X2, D1X1, dan D1X2 ke kolom dependent dan Y ke kolom independent kemudian pilih OK

- untuk masing-masing variabel bebas yang mempengaruhi variabel terikat, perhatikan model persamaannya. -

sebelum menganalisis dengan menggunakan menggunakan SPSS (Analisa Regresi), perhatikan

terlebih dahulu faktor yang mempengaruhi variabel dependen atau terikatnya. Dalam perhitungan ini, variabel yang mempengaruhi produksi yaitu tenaga kerja dan bibit. Maka dalam persamaan regresi nantinya ditentukan terlebih dahulu nilai masing-masing













 Dalam variabel dummy slope dengan asusmi produksi dipengaruhi tenaga kerja yang termasuk dalam kelompok variabel independen adalah Bibit, Za, Tenaga Kerja dan DiTk.  Dalam variabel dummy dummy slope dengan asumsi produksi dipengaruhi bibit

yang

termasuk dalam kelompok variabel independen adalah Bibit, Za, Tenaga Kerja dan DiBt. Dalam model Dummy slope ini terdapat 3 asumsi: 1. Y = 0 + 1 X1 + 2X2 + 3X3 +B4X1D1  Dummy mempengaruhi bibit 2. Y= 0 + 1 X1 + 2X2 + 3X3+ B4X3D1  Dummy mempengaruhi Tenaga Kerja 3. Y= 0 + 1 X1 + 2X2 + 3X3+ B4X1D1+ B5X3D1  Dummy mempengaruhi Bibit dan Tenaga Kerja















BAB III HASIL DAN PEMBAHASAN 3.1 Data Tabel 1. Besarnya Produksi Tebu berdasarkan variabel yang mempengaruhi

Bibit (Kw)

ZA (Kw)

TK (HKSP)

Di (1=kelompok, 0=tidak)

Produksi

Bibit

ZA

TK

Di

Prod

No.

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

14

72,09

9,30

127,91

0

837













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

54

315,00

21,13

240,35

1

2750

3.2 Intepretasi Hasil SPSS

Dalam mengintepretasi hasil SPSS terhadap variabel-variabel yang mempengaruhi













b

ANOVA Model 1

Sum of Squares Regression Residual

df

Mean Square

1.182E7

4

2955361.754

4379296.188

49

89373.392

1.620E7

53

Total

F 33.068

Sig. a

.000

a. Predictors: (Constant), Di, Bibit, ZA, TK b. Dependent Variable: Prod

Tabel 3. Nilai Adjusted R Square dan Nilai F dari Dummy Slope ZA Model Summary

Model 1

R

R Square a

.854

Adjusted R

Std. Error of the

Square

Estimate

.730

.708

298.90670

a. Predictors: (Constant), DiZA, Bibit, TK, ZA

b

ANOVA Model 1

Sum of Squares Regression

1.182E7

df

Mean Square 4

2955706.879

F 33.082

Sig. a

.000













b

ANOVA Model 1

Sum of Squares Regression Residual

df

Mean Square

1.162E7

4

2906120.140

4576262.644

49

93393.115

1.620E7

53

Total

F 31.117

Sig. a

.000

a. Predictors: (Constant), DiTK, Bibit, ZA, TK b. Dependent Variable: Prod

Tabel 5. Nilai Adjusted R Square dan Nilai F dari Dummy Slope Bibit Model Summary

Model 1

R

R Square a

.845

Adjusted R

Std. Error of the

Square

Estimate

.714

.690

307.63937

a. Predictors: (Constant), DiBBT, ZA, TK, Bibit

ANOVAb Model

Sum of Squares

df

Mean Square

F

Sig.













Dari tabel 2 diatas, kita dapat dapat melihat nilai Adjusted R Square yang tertinggi tertinggi secara runtut ialah ; 1. Dummy Intersep dan Dummy Slope ZA adalah 0,708 2. Dummy Slope Tenaga Kerja adalah 0,694 3. Dummy Slope Bibit adalah 0,690 Sedangkan, Sedangkan, untuk nilai F yang tertinggi secara runtut ialah i alah ; 1. Dummy Slope ZA adalah 33,082 2. Dummy Intersep adalah 33,058 3. Dummy Slope Tenaga kerja adalah 31,117 4. Dummy Slope Bibit adalah 30,545 Setelah menemukan nilai tertinggi Adjusted R Square dan nilai F secara runtut, selanjutnya kita melihat syarat ke 3 yaitu Logika Ekonomi dengan melihat nilai koefisiennya. 1. Dummy Slope ZA Tabel 7. Nilai Koefisien dari Dummy Slope ZA















a

Coefficients

Standardi zed Unstandardized

Coefficien

Coefficients

ts Std.

Model 1

(Const

B

Error

635.585

178.535

Beta

ant) Bibit

t

Sig.

3.56

.001

0 2.547

.686

.360

3.71

.001

1 ZA

9.868

8.584

.153

1.15

.256

0 TK

-.024

.951

-.003

-

.980













2. Dummy Intersep Tabel 8. Nilai Koefisien dari Dummy Intersep a

Coefficients


Coefficien

Coefficients

ts Std.

Model 1

(Const

B

Error

459.997

151.605

Beta

ant) Bibit

t

Sig.

3.03

.004

4 2.483

.686

.351

3.61 8

.001













Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 (1) Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 Y = 856,475 + 2,483 X 1 + 18,758 X 2 + 0,240 X3 Dari nilai intersep diatas memiliki nilai yang berbeda, hal ini dapat diintepretasikan bahwa kenaikan Y (produksi) sebesar 100%. Dan secara logika ekonomi hal ini tidak rasional. 3.

Dummy Slope Tenaga Kerja Tabel 9. Nilai Koefisien dari Dummy Slope Tenaga Kerja a

Coefficients

Standardi













4. Dummy Slope Bibit Tabel 10. Nilai Koefisien dari Dummy Slope Bibit a

Coefficients


Coefficien

Coefficients

ts Std.

Model 1

(Const

B

Error

527.775

172.069

Beta

ant) Bibit

t

Sig.

3.06

.004

7 .988

.873

.140

1.13 2

.263













Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (1) X1 Y = 527,775 + 3,349 X1 + 22,637 X2 + 0,462 X3 Dari dua persamaan diatas diperoleh nilai koefisien variabel bibit yang berbeda dan ini mempengaruhi slopenya. Dengan ini dapat diintepretasikan bahwa pengaruh variabel bibit terhadap te rhadap Produksi ialah “apabila terjadi kenaikan pada variabel X1 (bibit) sebesar 1 maka akan memepengaruhi nilai Y sebesar 3,349.















BAB IV KESIMPULAN



Regresi merupakan persamaan matematik yang memungkinkan peramalan nilai suatu peubah tak bebas ( dependent variable) dari nilai peubah bebas ( independent variable).













DAFTAR PUSTAKA

Anonymous.2011.http://katapeka Anonymous.2011.http://katapekanini.blogspot.com. nini.blogspot.com. Diakses pada tanggal 7 April 2011 Anonymous. 2011. http://Litbang.go.id http://Litbang.go.id.. Tebu. Diakses pada tanggal 1 April 2011 Djalal, Nachrowi dkk. 2002. Penggunaan Penggunaan Teknik Ekonometri Pendekatan Populer dan Praktis













LAMPIRAN Dummy Intersep

Model Summary

Model

R

R Square

Adjusted R

Std. Error of the

Square

Estimate













Dummy Slope Bibit

Model Summary

Model 1

R

R Square a

.845

Adjusted R

Std. Error of the

Square

Estimate

.714

a. Predictors: (Constant), DiBBT, ZA, TK, Bibit

.690

307.63937













Dummy Slope ZA

Model Summary

Model 1

R

R Square a

.854

Adjusted R

Std. Error of the

Square

Estimate

.730

a. Predictors: (Constant), DiZA, Bibit, TK, ZA

.708

298.90670















Dummy Slope Tenaga Kerja

Analisis Regresi Berganda & Dummy Variabel

Recommend Documents