Analisis Regresi

BAB I

PENDAHULUAN

1.1  LATAR BELAKANG

Penggunaan statistika dalam segala bidang akan mempengaruhi tingkat analisis dari hasil penelitian yang sedang dilakukan. Dalam ilmu statistika baik parametrik maupun non parametrik memiliki beberapa analisis, namun disini penulis akan lebih membicarakan mengenai statistik non parametrik, yaitu mengenai regresi.

Analisis regresi digunakan untuk mengukur besarnya pengaruh variabel bebas terhadap variabel terikat dan memprediksi variabel terikat dengan menggunakan variabel bebas. Analisis regresi sebagai suatu kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variable) dengan satu atau dua variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel terikat dan variabel kedua disebut variabel bebas. Jika variabel bebas lebih dari satu, maka analisis regresi disebut dengan regresi linear berganda. Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada variabel terikat.

Pada umumnya, pemakaian persamaan regresi hanya terbatas pada jenis persamaan tunggal. Dimana pada bentuk persamaan seperti itu, satu variabel terikat Y dipengaruhi oleh satu atau lebih variabel bebas X. Pada bentuk persamaan seperti ini hubungan antara Y dan X bersifat variabel bebas sebagai penyebab dan variabel terikat sebagai akibat.

Tetapi pada kenyataan tertentu, dua variabel saling berpengaruh. Yaitu variabel X mempengaruhi variabel Y,dan sebaliknya variabel Y mempengaruhi variabel X, persamaan regresi yang seperti ini disebut dengan persamaan regresi simultan. Regresi simultan ini dimana variabel terikat dalam satu atau lebih persamaan juga menjadi variabel bebas pada beberapa persamaan lainnya. Sehingga persamaan dalam regresi simultan memiliki dua peranan sekaligus, yaitu variabel terikat dan variabel bebas.

Karena analisis regresi ini sangat bagus, sehingga analisis ini banyak digunakan oleh para peneliti dalam menulis karya ilmiah dan penelitian lainnya. Yang akan menyangkut dengan hasil perhitungan yang mana akan menentukan berhasil atau tidaknya sebuah penelitian yang sedang dilakukan dengan melihat kesimpulan yang ditarik ddari perhitungan analisis regresi. Perhitungan itu tidak hanya menggunakan satu analisis saja, tetapi menggunakan beberapa perhitungan analisis lainnya agar menunjang hasil analisis regresi tersebut, misalnya menggunakan uji t, chi square, penggunaan anova dan pendugaan hipotesis.

1.2  RUMUSAN MASALAH

Dari latar belakang diatas, dapat diambil rumusan permasalah adalah sebagai berikut :

1.      Bagaimanakah konsep dasar regresi ?

2.      Apa saja macam-macam dari regresi ?

3.      Bagaimana hasil pengujian hipotesis dari analisis regresi yang dilakukan ?

1.3  TUJUAN

1.      Mengetahui konsep dasar analisis regresi

2.      Menetahui macam-macam bentuk dari analisis regresi.

3.      Mengetahui hasil pengujian hipotesis dari analisis regresi.

BAB II

TINJAUAN PUSTAKA

2.1 Konsep Dasar Analisis Regresi

Istilah regresi (ramalan/taksiran) pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1877 sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang tuanya. Pada penelitiannya Galton mendapatkan bahwa tinggi anak dari orang tua yang tinggi cenderung meningkat atau menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi. (wikipedia)

Secara umum ada dua macam hubungan antara dua variabel atau lebih, yaitu bentuk hubungan dan keeratan hubungan. Untuk mengetahui bentuk hubungan digunakan analisis regresi. Untuk keeratan hubungan dapat diketahui dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang kompleks. (anonim, 2013)

Tujuan menggunakan analisis regresi ialah:

1.      Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas.

2.       Menguji hipotesis karakteristik dependensi

3.      Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample.( jonathansarwono, 2013)

Selain itu regresi juga digunakan untuk tujuan mengestimasi dan/atau memprediksi rata-rata populasi atau niiai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi hubungan antara suatu variabel dengan satu atau lebih variabel independen. (thalib, 2013).

2.2 Pengertian Regresi dan Korelasi

Telah dinyatakan dimuka bahwa regresi atau korelasi adalah metode yang dipakai untuk

mengukur hubungan antara dua variabel atau lebih. Kedua metode regresi maupun korelasi sama-sama dipakai untuk mengukur derajat hubungan antarvariabel yang bersifat korelasional atau bersifat keterpautan atau ketergantungan. Penggunaan regresi adalah sebagai pengukur bentuk hubungan, dan korelasi adalah sebagai pengukur keeratan hubungan antar variabel. Kedua cara pengukur hubungan tersebut mempunyai cara perhitungan dan syarat penggunaannya masing-masing. Penjelasan mengenai perbedaan antara regresi dan korelasi dalam pemakaiannya atau penerapannya terletak pada:

1.      Regresi

adalah pengukur hubungan dua variabel atau lebih yang dinyatakan  dengan bentuk hubungan atau fungsi. Untuk menentukan bentuk hubungan (regresi) diperlukan pemisahan yang tegas antara variabel bebas yang sering diberi simbul X dan variabel tak bebas dengan simbul Y. Pada regresi harus ada variabel yang ditentukan dan variabel yang menentukan atau dengan kata lain adanya ketergantungan variabel yang satu dengan variabel yang lainnya dan sebaliknya. Kedua variabel biasanya bersifat kausal atau mempunyai hubungan sebab akibat yaitu saling berpengaruh. Sehingga dengan demikian, regresi merupakan bentuk fungsi tertentu antara variabel tak bebas Y dengan variabel bebas X atau dapat dinyatakan bahwa regresi adalah sebagai suatu fungsi Y = f(X). Bentuk regresi tergantung pada fungsi yang menunjangnya atau tergantung pada persamaannya.(fp, unud)

2.      Korelasi

adalah pengukur hubungan dua variabel atau lebih yang dinyatakan dengan derajat keeratan atau tingkat hubungan antarvariabel-variabel. Mengukur derajat hubungan dengan metode korelasi yaitu dengan koefisien korelasi r. Dalam hal ini, dengan tegas dinyatakan bahwa dalam analisis korelasi tidak mempersoalkan apakah variabel yang satu tergantung pada variabel yang lain atau sebaliknya. Jadi metode korelasi dapat dipakai untuk mengukur derajat hubungn antar variabel bebas dengan variabel bebas yang lainnya atau antar dua variabel.

Perlu ditekankan bahwa penggunaan metode korelasi untuk mengukur hubungan antar variabel yang satu dengan variabel yang lain, hendaknya anrata variabel itu diharapkan mempunyai kaitan atau relevansi. Jangan sekali-sekali menghubungkan atau mengkorelasikan variabel-variabel yang sangat jauh atau mustahil atau relevansinya sangat kecil. (fp, unud)

2.3 Macam-macam Regresi

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen. Regresi linear hanya dapat digunakan pada skala interval dan ratio.

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. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions). (Erine,2011)

2.3.1 Regresi linear

1). Regresi linier sederhana dengan bentuk fungsi: Y = a + bX + e,

Telah dijelaskan di muka bahwa regresi adalah membicarakan bentuk hubungan atau fungsi antara dua variabel atau lebih. Perlu ditekankan bahwa dalam bentuk hubungan tersebut terdapat sebuah variabel tak bebas Y, dengan sekurang-kurangnya sebuah variabel bebas X. Untuk mendapatkan bentuk hubungan yang sesuai antara variabel bebas X dengan variabel tak bebas Y maka kedua variabel tersebut harus dinyatakan dalam nilai yang terukur atau kuantitatif sekurang-kurangnya dengan skala interval. (fp, unud)

Menurut Sugiyono (2000) analisis ini digunakan oleh peneliti bila peneliti bermaksud meramalkan bagaimana keadaan naik turunnya variabel depeneden (kriterium), bila ada satu variabel independen sebagai prediktor dimanipulasi (dinaik turunkan nilainya).

2). Regresi linier berganda dengan bentuk fungsi: Y = b0 + b1X1 + . . . + bpXp + e

Dari kedua fungsi di atas 1) dan 2); masing-masing berbentuk garis lurus (linier

sederhana) dan bidang datar (linier berganda).

Kelebihan uji regresi adalah kemampuannya melakukan prediksi. (hari,2013)

Analisis regresi linear berganda memerlukan pengujian secara serempak dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi secara parsial tidak

2.3.2 Regresi non linier.

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 = fungsi perpangkatan.

Regresi non linier dapat dibedakan menjadi:

1). Regresi polinomial ialah regresi dengan sebuah variabel bebas sebagai faktor dengan pangkat terurut. Bentuk-bentuk fungsinya adalah sebagai berikut. Y = a + bX + cX2 (fungsi kuadratik). Dari contoh tersebut perhatikan pangkat dari variabel bebas X.

2). Regresi hiperbola (fungsi resiprokal). Pada regresi hiperbola, di mana variabel bebas X atau variabel tak bebas Y, dapat berfungsi sebagai penyebut sehingga regresi ini disebut regresi dengan fungsi pecahan atau fungsi resiprok. Regresi ini mempunyai bentuk fungsi seperti: 1/Y = a + bX + cX2.

3). Regresi fungsi perpangkatan atau geometrik. Pada regresi ini mempunyai bentuk fungsi yang berbeda dengan fungsi polinomial maupun fungsi eksponensial. Regresi ini mempunyai bentuk fungsi: Y = a + bX.

4). Regresi eksponensial. Regresi eksponensial ialah regresi di mana variabel

bebas X berfungsi sebagai pangkat atau eksponen. Bentuk fungsi regresi ini dalah:

Y = a 10bX

Modifikasi dari bentuk di atas adalah: 1/Y = a + becX, ini disebut kurva logistik atau "tipe umum dari model pertumbuhan". Modifikasinya juga seperti : Y = e(a + b/X), disebut dengan transformasi logaritmik resiprokal, yang umum disebut dengan model Gompertz.

5). Regresi logaritmik. Bentuk fungsi dari regresi adalah: di mana variabel bebas Y berfungsi sebagai pangkat (eksponen) dan variabel bebas X mempunyai bentuk perpangkatan.

Model regresi ini adalah:

Y = ln a + b ln X (merupakan trasformasi lilier)

6). Regresi fungsi geometri. Bentuk dari fungsi ini adalah berupa bentuk regresi linier

berganda di mana dalam fungsi ini terdapat fungsi trigonometri.

Bentuk yang paling sederhana dari fungsi ini adalah:

Y = a + b sin dX + c cos dX.

BAB III

METODOLOGI PRAKTIKUM

3.1 Waktu Dan Tempat

Praktikum Statistik Non Parametrik ini berlangsung pada hari Rabu tanggal 18 Desember 2013 pukul 12.00 WIB di laboratorium Sosial Ekonomi Pertanian.

3.2 Alat Dan Bahan

Adapun alat dan bahan yang dibutuhkan dalam praktikum ini adalah :

1.      Komputer yang telah dilengkapi program SPSS

2.      Alat tulis

3.      Data yang akan dianalisis

3.3  Prosedur Kerja

Adapun langkah kerja dalam melakukan analisis regresi menggunakan SPSS ini adalah :

1.       Masukkan data yang telah dimiliki, baik variabel bebas maupun variabel terikat ke dalam variabel view dan tuliskan nama label di data view. Pada data yang akan saya analisis adalah 35 responden dengan jumlah variabel bebas 7 dan 1 variabel terikat.

2.      Setelah selesai mengimput data, pilih menu Analyze, kemudian Regression, lalu pilih Linear.

3.      Akan muncul kotak dialog, dan masukkan variabel terikat (Y) ke kolom Dependent, dan semuua variabel bebas (X) ke kolom Independent(s). Kemudian pilih Ok.

4.      Akan muncul keluaran/input dalam bentuk beberapa tabel.

3.4              Hipotesis Yang Digunakan Untuk Di Uju

1.      Uji F

Untuk memprediksi kontribusi variabel bebas terhadap variabel terikat

H₀  : X₁ = X₂ = X₃ = X₄ = X₅ = X₆ = X₇ = 0

H_a  : minimal ada satu dari tujuh variabel yang tidak sama dengan nol

Dengan α = 5%(0,05)

2.      Uji T
uji ini dilakukan untuk mengetahui apakah variabel-variabel bebas secara parsial berpengaruh nyata atau tidak terhadap variabel terikat.

terima H₀ : nilai sig > a

terima H_a : nilai sig < a

Dengan α = 5%(0,05)

BAB IV

HASIL DAN PEMBAHASAN

Hasil dan pembahasan hasil analisis regresi menggunakan SPSS :

4.1 Variables entered/Removed

Adalah hasil penentuan pilihan enter(default) pada form Method, dialog box Option.

Variables entered/Removed^a

Model	Variables Entered	Variables removed	Method
1	Tenaga kerja, pupuk KCL, pestisida, benih, pupuk Urea, lahan, pupuk SP-36		Enter

4.2  Model summary

Model	R	R Square	Adjusted R square	Std.error of the estimate
1	0.944	0.891	0.863	845.68929

pada bagian ini diketahui bahwa korelasi antara variabel bebas dan variabel terikat yang ada pada model dengan korelasi Product momont by Pearson. Hasil korelasi didapat nilai r hitung sebesar 0,994. Nilai ini tergolong kuat (>0,6000) dan memiliki nilai yang positif sehingga dapat dikatakan semua variabel bebas (tenaga kerja, pupuk Urea, pupuk KCL, pupuk SP-36, pestisida, luas lahan, dan benih) mempengaruhi variabel terikat (produksi) adalah searah. Artinya semakin tinggi nilai pada variabel bebas maka semakin tinggi pula nilai pada variabel terikat, dan begitu juga sebaliknya.

Selain itu terdapat nilai koefisien determinansi R-Square sebesar 0,891 (89,1%). Ini menunjukkan bahwa sebesar 89,1% variasi dari variabel terikat (Y) dapat dijelaskan oleh ketujuh variabel bebas (X1-X7), yang artinya pengaruh variabel bebas terhadap perubahan variabel terikat yang ada dalam model adalah sebesar 89,1%, sedangkan sisanya sebesar 10,9% dipengaruhi oleh variabel lain selain variabel bebas yang ada pada model.

4.3  Anova

Model	Sum of square	Df	Mean square	F	sig
1        regression residual total	158141288.4 19310140.16 177451428.6	7 24 34	22591612.63 715190.376	31.588	0.000

Pada tabel diatas, diperlihatkan tabel analisis varian (anova). Dari tabel di atas, terlihat bahwa nilai F = 31,588 yang dapat digunakan untuk melakukan uji hipotesis atau test-F dalam memprediksi kontribusi variabel bebas terhadap variabel terikat.

Pada metodologi telah dijelaskan bahwa hipotesis yang akan diuji adalah :

H₀  : X₁ = X₂ = X₃ = X₄ = X₅ = X₆ = X₇ = 0

H_a  : minimal ada satu dari tujuh variabel yang tidak sama dengan nol

Dari tabel diperoleh nilai F_hit = 31,588 dengan nilai sig = 0,000.

Dengan alfa = 5%(0,05) dan degree of freedom untuk df1 = 7 dan df2 = 27, maka dapat dilihat dari tabel bahwa nilai F_tab sebesar = 2,37.

Karena nilai F_hit = 31,588 > F_tab = 2,37, Nilai sig = 0,000 < nilai probabilitas = 0,05 maka terima H_a kesimpulannya adalah bahwa variabel bebas secara bersama-sama berpengaruh secara signifikan terhadap variabel terikat.

4.4  Coefficients

Model	Unstandardized coefficients		Standardized coefficients	T	sig
	B	Std. error	Beta
1        (constant) Luas lahan Urea Kcl Sp-36 Benih Pest Tk	-1661.281 3449.889 2.704 -7.552 3.032 -21.545 86.273 9.385	481.689 666.984 3.309 6.731 7.650 36.458 74.240 12.329	0.809 0.134 -0.179 0.072 -0.082 0.128 0.102	-3.449 5.172 0.817 -1.122 0.396 -0.591 1.162 0.761	0.002 0.000 0.421 0.272 0.695 0.559 0.255 0.453

Dengan melihat hasil output SPSS diatas, maka dapat diperoleh persamaan regresi sebagai berikut :

Y = a + bX₁ + bX₂ + bX₃ +bX₄ +bX₅ + bX₆ + bX₇

Y = -1661,281 +3449,889 X₁ + 2,704X₂  - 7,552X₃ + 3,032X₄  - 21,545X₅  +                                                                                                           86,273X₆ + 9,385X₇

Besar nilai konstanta sebesar -1661,281pada persamaan regresi diatas menunjukkan jika variabel bebas nya nol maka produksi bernilai -1661,281satuan.
Koefisien regresi sebesar  3449,889 pada variabel luas lahan, jika variabel luas lahan meningkat 1 satuan maka akan menyebabkan kenaikan produksi sebesar 3449,889.
Koefisien regresi sebesar 2,704 pada variabel pupuk urea, jika variabel pupuk urea meningkat 1 satuan, maka akan menyebabkab kenaikan produksi sebesar 2,704.
Koefisien regresi sebesar  - 7,552pada variabel pupuk kcl , jika variabel pupuk kcl meningkat 1 satuan, maka akan menyebabkab penurunan produksi sebesar 7,552.
Koefisien regresi sebesar  3,032pada variabel pupuk sp-36 , jika variabel pupuk sp-36 meningkat 1 satuan, maka akan menyebabkab kenaikan produksi sebesar 3,032.
Koefisien regresi sebesar  - 21,545 pada variabel jumlah benih , jika variabel jumlah benih meningkat 1 satuan, maka akan menyebabkab penurunan produksi sebesar  21,545.
Koefisien regresi sebesar  86,273 pada variabel pestisida, jika variabel pestisida meningkat 1 satuan, maka akan menyebabkab kenaikan produksi sebesar 86,273.
Koefisien regresi sebesar  9,385pada variabel tenaga kerja, jika variabel tenaga kerja meningkat 1 satuan, maka akan menyebabkab kenaikan produksi sebesar 9,385.

 Uji T

Uji ini dilakukan untuk mengetahui apakah variabel-variabel bebas secara parsial berpengaruh nyata atau tidak terhadap variabel terikat. Dengan menggunakan derajat signifikansi 0,05.

terima H₀ : nilai sig > a

terima H_a : nilai sig < a

1.      Luas lahan terhadap produksi
terlihat pada tabel bahwa luas lahan memiliki nilai sig 0,000 < 0,05, maka terima H_a. Variabel X₁ memiliki T_hit = 5,172 > T_tab = 2,052. Jadi dapat disimpulkan bahwa variabel luas lahan memiliki kontribusi terhadap Y. Nilai t positif menunjukkan bahwa variabel X₁ memiliki hubungan yang searah dengan Y. Dapat disimpulkan bahwa luas lahan memiliki pengaruh secara signifikan terhadap produksi.

2.      Pupuk urea terhadap produksi
terlihat pada tabel bahwa pupuk urea mempunyai nilai sig = 0,421 > dari α=0,05, maka terima H₀. Variabel X₂ mempunyai  T_hit = 0,817 < T_tab = 2,052. Jadi dapat disimpulkan bahwa variabel X₂ tidak memiliki kontribusi terhadap Y. Nilai t posiitif  berarti variabel X₂ mempunyai hubungan yang searah terhadap Y. Kesimpulannya adalah X₂ tidak memiliki pengaruh yang signifikan terhadap Y.

3.      Pupuk KCL terhadap produksi
terlihat pada tabel bahwa pupuk KCL mempunyai nilai sig = 0,272 > dari α=0,05, maka terima H₀. Variabel X₃ mempunyai  T_hit = - 1,122 < T_tab = 2,052. Jadi dapat disimpulkan bahwa variabel X₃ tidak memiliki kontribusi terhadap Y. Nilai t negatif  berarti variabel X₃ mempunyai hubungan yang berlawanan arah terhadap Y. Kesimpulannya adalah X₃ tidak memiliki pengaruh secara signifikan terhadap Y.

4.      Pupuk SP-36 terhadap produksi
terlihat pada tabel bahwa pupuk SP-36 mempunyai nilai sig = 0,695 > dari α=0,05, maka terima H₀. Variabel X₄ mempunyai  T_hit = 0,396 < T_tab = 2,052. Jadi dapat disimpulkan bahwa variabel X₄ tidak memiliki kontribusi terhadap Y. Nilai t posiitif  berarti variabel X₄ mempunyai hubungan yang searah terhadap Y. Kesimpulannya adalah X₄ tidak memiliki pengaruh yang signifikan terhadap Y.

5.      Jumlah benih terhadap produksi
terlihat pada tabel bahwa jumlah benih mempunyai nilai sig = 0,559 > dari α=0,05, maka terima H₀. Variabel X₅ mempunyai  T_hit = - 0,591 < T_tab = 2,052. Jadi dapat disimpulkan bahwa variabel X₅ tidak memiliki kontribusi terhadap Y. Nilai t negatif  berarti variabel X₅ mempunyai hubungan yang berlawanan arah terhadap Y. Kesimpulannya adalah X₅ tidak memiliki pengaruh yang signifikan terhadap Y.

6.      Pestisida terhadap produksi
terlihat pada tabel bahwa pestisida mempunyai nilai sig = 0,255 > dari α=0,05, maka terima H₀. Variabel X₆ mempunyai  T_hit = 1,162 < T_tab = 2,052. Jadi dapat disimpulkan bahwa variabel X₆ tidak memiliki kontribusi terhadap Y. Nilai t posiitif  berarti variabel X₆ mempunyai hubungan yang searah terhadap Y. Kesimpulannya adalah X₆ tidak memiliki pengaruh yang signifikan terhadap Y.

7.      Tenaga kerja terhadap produksi
terlihat pada tabel bahwa tenaga kerja mempunyai nilai sig = 0,453 > dari α=0,05, maka terima H₀. Variabel X₇ mempunyai  T_hit = 0,761 < T_tab = 2,052. Jadi dapat disimpulkan bahwa variabel X₇ tidak memiliki kontribusi terhadap Y. Nilai t posiitif  berarti variabel X₇ mempunyai hubungan yang searah terhadap Y. Kesimpulannya adalah X₇ tidak memiliki pengaruh yang signifikan terhadap Y.

BAB V

PENUTUP

5.1 Kesimpulan

            Dari pembahasan sebelumnya, maka kesimpulan yang dapat ditarik adalah :

1.      analisis regresi adalah sebuah analisis yang digunakan untuk mengetahui bentuk hubungan. Sedangkan  untuk keeratan hubungan dapat diketahui dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang kompleks.

2.      Macam-macam Regresi yaitu terdiri dari Regresi linier dan Regresi non linier. Regresi linear dibagi lagi menjadi dua yaitu regresi linear sederhana dan regresi linear berganda. Sedangkan regresi non linier terdiri dari regresi polinomial, hiperbola, fungsi perpangkatan atau geometrik, eksponensial, logaritmik, dan geometrik.

3.      Hasil analisis dari regresi yang telah dilakukan adalah :

-          variabel luas lahan memiliki kontribusi terhadap produksi . Nilai t positif menunjukkan bahwa variabel X₁ memiliki hubungan yang searah dengan Y. Dapat disimpulkan bahwa luas lahan memiliki pengaruh secara signifikan terhadap produksi.

-          variabel pupuk urea, pupuk SP-36, pestisida, dan tenaga kerja. tidak memiliki kontribusi terhadap Y,  mempunyai hubungan yang searah terhadap Y. Kesimpulannya adalah variabel ini tidak memiliki pengaruh secara signifikan terhadap Y.

-          Variabel pupuk KCL dan jumlah bibit tidak memiliki kontribusi terhadap Y, mempunyai hubungan yang berlawanan arah terhadap Y. Kesimpulannya adalah X₃ tidak memiliki pengaruh secara signifikan terhadap Y.

5.2 Saran
saran dari penulis adalah dengan melihat hasil analisis menggunakan model regresi, maka sebaiknya para responden jika ingin menaikkan hasil produksinya cukup dengan meningkatkan satuan luas lahan saja, karena variabel yang lain tidak berpengaruh secara nyata dan signifikan. Selanjutnya bagi pembaca sebaiknya melakukan uji model yang lain, karena ternyata model regresi tidak bagus untuk variabel yang ada pada model.

DAFTAR PUSTAKA

1.      Anonim. 2013. Diunduh melalui situs : http://share.pdfonline.com/16c4653cdac64f69baa175382ed975df/Tugas%20regresi%20dan%20kolerasi.htm. Pada tanggal 22 Desember 2013.

2.      Erine. 2011. Diunduh melalui situs : http://erine-nurmaulidya.blogspot.com/2011/12/makalah-regresi-linear-ganda.html. Diunduh pada tanggal 22 Desember 2013.

3.      Fp Unud. Diunduh melalui situs : http://www.fp.unud.ac.id/ind/wp-content/uploads/mk_ps_agribisnis/ekonomitrika/2_.%20%20Analisis%20Regresi%20Linier%20Sederhana.pdf. Pada tanggal 22 Desember 2013.

4.      Jonathansarwono. 2013. Diunduh melalui situs : http://www.jonathansarwono.info/regresi/regresi.htm. Pada tangal 21 Desember 2013.

5.      Thalib. 2013. Diunduh melalui situs :http://jangkrik2011.blogspot.com/2013/05/regresi-linear-sederhana.html. Pada tanggal 20 Desember 2013.

6.      Wiki.2013. Diunduh melalui situs :http://id.wikipedia.org/wiki/Regresi_Linier_Sederhana. Padatanggal 22 Desember 2013.