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
Ha : 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.
uji ini dilakukan untuk mengetahui apakah variabel-variabel bebas secara parsial berpengaruh nyata atau tidak terhadap variabel terikat.
terima H0 : nilai sig > a
terima Ha : 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/Removeda
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
Ha : minimal ada satu dari tujuh variabel yang
tidak sama dengan nol
Dari tabel diperoleh
nilai Fhit = 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 Ftab sebesar = 2,37.
Karena nilai Fhit
= 31,588 > Ftab = 2,37, Nilai sig = 0,000 < nilai probabilitas
= 0,05 maka terima Ha 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
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
Ha : nilai sig < a
1. Luas lahan terhadap produksi
terlihat pada tabel bahwa luas lahan memiliki nilai sig 0,000 < 0,05, maka terima Ha. Variabel X1 memiliki Thit = 5,172 > Ttab = 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.
terlihat pada tabel bahwa luas lahan memiliki nilai sig 0,000 < 0,05, maka terima Ha. Variabel X1 memiliki Thit = 5,172 > Ttab = 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 Thit = 0,817 < Ttab = 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.
terlihat pada tabel bahwa pupuk urea mempunyai nilai sig = 0,421 > dari α=0,05, maka terima H0. Variabel X2 mempunyai Thit = 0,817 < Ttab = 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 Thit = - 1,122 < Ttab = 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.
terlihat pada tabel bahwa pupuk KCL mempunyai nilai sig = 0,272 > dari α=0,05, maka terima H0. Variabel X3 mempunyai Thit = - 1,122 < Ttab = 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 Thit = 0,396 < Ttab = 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.
terlihat pada tabel bahwa pupuk SP-36 mempunyai nilai sig = 0,695 > dari α=0,05, maka terima H0. Variabel X4 mempunyai Thit = 0,396 < Ttab = 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 Thit = - 0,591 < Ttab = 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.
terlihat pada tabel bahwa jumlah benih mempunyai nilai sig = 0,559 > dari α=0,05, maka terima H0. Variabel X5 mempunyai Thit = - 0,591 < Ttab = 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 Thit = 1,162 < Ttab = 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.
terlihat pada tabel bahwa pestisida mempunyai nilai sig = 0,255 > dari α=0,05, maka terima H0. Variabel X6 mempunyai Thit = 1,162 < Ttab = 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 Thit = 0,761 < Ttab = 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.
terlihat pada tabel bahwa tenaga kerja mempunyai nilai sig = 0,453 > dari α=0,05, maka terima H0. Variabel X7 mempunyai Thit = 0,761 < Ttab = 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.
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.
(y) :-D
BalasHapusHow to Make a Men's Braclet - Titanium Arts
BalasHapusThe Men's Braclet is titanium welding a stainless steel 2014 ford focus titanium hatchback core measuring 13.3 x 12.4 inches. It is crafted in the titanium white wheels style titanium nipple bars of the Merkur Solingen. This piece is titanium dive watch crafted by