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

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 upaya dari budidaya 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 pengelolaan tebu dengan tofografi, kesesuaian pengelolaan tebu berdasarkan

keterbatasan tenaga, sehingga mengharuskan penerapan peralatan mekanisasi dan

kesesuaian tebu menuju pertanian berkelanjutan.

2

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 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 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

tebu adalah pada kisaran 6,0 – 7,0 namun masih dapat tumbuh pada kisaran pH 4,5 - 7,5.

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

(pola II) dengan kondisi tanah ringan, ngompol dapat diolah sepanjang musim. Pada

daerah basah (bulan kering ≤ 2 bulan) masa tanam tebu terbaik pada awal musim

kemarau.

3

a. Mencukupi Kebutuhan Hara Tanaman

Ketersediaan hara dalam tanah sesuai dengan kebutuhan tanaman pada masing-

masing 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 tebu 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

menggembirakan karena kehilangan gula yang cukup besar saat panen akibat mutu

tebang dan angkut kurang baik.

4

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 permasalahan Komoditas Tebu

3. Mahasiswa mampu mengintepretasikan suatu hasil analisis software SPSS mengenai

model duble logaritma dan dummy independent variabel

5

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,

proses transformasi tidak dijabarkan dengan pendekatan teori statistik matematik, tetapi

akan digunakan pendekatan empiris, dengan memanfaatkan contoh model yang ada

dalam memanfaatkan contoh model yang ada dalam teori ekonomi.

Menurut suatu teori ekonomi, hubungan antara kuantitas yang diminta dan harga

suatu komoditas mempunyai bentuk sebagai berikut ;

Y = β1Xβ2eu

Dimana :

Y : kuantitas (Variabel endogenous)

X : harga (variabel exogenous)

6

β1, β2 : parameter-parameter

u : error/sesatan

Dari bentuk modelnya sudah dapat dipastikan bahwa model tersebut bukanlah

merupakan model regresi linier. Model tersebut merupakan model yang tidak linier baik

variabel maupun parameternya. Akan tetapi, model tersebut dapat ditransformasikan

sehingga parameternya berbetuk linier dengan tujuan agar teori-teori yang dibahas pada

bab sebelumnya dapat digunakan, dari cara mengestimasi koefisien regresi, sampai

dengan cara mengintepretasikan model yang didapat. Sebagaimana yang telah dijelaskan

diatas bahwa model log-log merupakan hasil transformasi ke dalam bentuk logaritma,

maka model tersebut diatas harus ditransformasikan ke dalam bentuk logaritma pula.

Hasil dari transformasi tersebut dapat dilihat sebagai berikut:

lnY = Ln β1 + β2 LnX + u

apabila variabel-variabel tersebut didefinisikan kembali, maka diperoleh model

sebagai berikut:

Y* = β1* + β2 * X* + u*

Dengan ,

Y* : lnY

β1* : ln β1

β2 * : β2

X* : lnX

u* : u

Terlihat bahwa model yang baru didefiniskan ini sesungguhnya merupakan model

regresi linier dengan variabel dan parameter yang berbentuk linier. Dengan demikian β1*

dan β2* dapat ditaksir dengan menggunakan metode yang digunakan untuk mengestimasi

parameter regresi sederhana, yaitu OLS (Ordinary Least Square). Salah stau hal yang

menarik dari model log-log dalam aplikasinya adalah slope β2 dalam model lnY = Ln β1

+ β2 LnX + u menyatakan ukuran elastisitas Y terhadap X, yaitu ukuran persentasi

perubahan dalam Y bila diketahui perubahan persentasi X. Dengan perkataan lain, bila Y

7

menyatakan kuantitas yang diminta dan X menyatakan harga komoditas per unit, maka

β2 menyatakan elastisitas harga dari permintaan.

Hal lain yang dapat diperhatikan dalam model log-log adalah koefisien elastisitas

antara Y dan X 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 antara variabel kuantitatif

dan variabel kualitatif disebut model Analysis 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.

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

dalam Uji Q Cochran pada Pengujian Hipotesis).

Di dalam metodologi penelitian dikenal ada sebuah variabel yang disebut dengan

dummy variable. Variabel ini bukan jenis lain dari variabel dependen-independen, namun

menunjukkan sebuah variabel yang nilainya telah ditentukan oleh peneliti. Donald

Cooper dan Pamela Schindler (2000) mendefinisikan dummy variable sebagai sebuah

variabel nominal yang digunakan di dalam regresi berganda dan diberi kode 0 dan 1.

Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1

menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda, aplikasinya

8

bisa berupa 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: Y = 0 + 1 X1 + 2X2 + 3D

Cara Menguji Regresi Berganda Model Dummy Intersep Dengan SPSS

- 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:

a. R Square adj memiliki nilai yang tinggi.

b. Adanya pertimbangan ekonomi yang rasional.

- Intrepetasikan hasilnya (t hitung, F hitung, R hitung).

Dalam memasukan ke dalam kelompok variabel dependen atau independen. Yang perlu

diperhatikan adalah dalam variabel dummy intersep yang termasuk dalam kelompok

variabel independen adalah Bibit, Za, Tenaga Kerja dan Di.

9

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

Pindah (bbt)X1, (ZA) X2, (TK) X3 dan D1 ke

kolom independent dan Y (produksi) ke kolom independent kemudian pilih OK

Output SPSS (Hasil) kemudian

diinterpretasi dan buat persamaan

regresinya

Model Dummy Slope

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:

- untuk masing-masing variabel bebas yang mempengaruhi variabel terikat, perhatikan

model persamaannya.

- sebelum menganalisis dengan 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

variabel independen atau bebas yang mempengaruhi variabel dependennya. Untuk

variabel terikat yang dipengaruhi oleh Tenaga Kerja, maka dalam data yang awalnya

hanya menunjukan Di saja, diubah dengan DiTk, yaitu hasil perkalian antara Di dengan

tenaga kerja. Sama halnya dengan variabel terikat yang dipengaruhi oleh Bibit. Maka

pada datanya nanti diubah menjadi DiBt yaitu hasil perkalian antara Di dengan Bibit.

Dalam memasukan ke dalam kelompok variabel dependen atau independen. Yang perlu

diperhatikan adalah:

10

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

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

Output SPSS (Hasil) kemudian

diinterpretasi

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 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

11

BAB III

HASIL DAN PEMBAHASAN

3.1 Data

Tabel 1. Besarnya Produksi Tebu berdasarkan variabel yang mempengaruhi

No.Bibit (Kw) ZA (Kw) TK (HKSP) Di (1=kelompok, 0=tidak) Produksi

Bibit ZA TK Di Prod

1 33,33 8,33 121,00 0 500

2 150,00 21,13 287,00 1 1600

3 140,85 21,13 278,87 1 1972

4 150,00 35,21 220,69 1 1750

5 24,00 13,79 140,80 0 1080

6 83,33 13,16 220,69 0 1096

7 49,12 7,02 170,18 0 789

8 69,44 16,67 194,44 0 903

9 60,00 15,52 124,00 0 900

10 103,45 15,52 155,17 0 966

11 130,00 31,50 210,50 1 2050

12 103,45 11,11 137,93 0 1034

13 172,41 30,23 186,21 0 1207

14 72,09 9,30 127,91 0 837

15 34,97 13,99 162,24 0 734

16 83,33 11,11 252,78 0 972

17 15,00 17,00 196,50 0 850

18 32,17 12,59 155,24 0 699

19 60,00 24,14 210,50 1 1750

20 22,35 11,17 173,74 0 740

21 45,00 11,11 150,00 0 900

22 52,63 7,89 145,00 0 614

23 140,85 7,04 160,56 0 1197

24 117,19 15,63 150,00 0 1172

25 31,01 15,50 126,36 0 620

26 140,00 12,00 290,14 1 1100

27 41,96 16,78 184,62 1 979

28 50,88 16,78 126,32 0 1053

29 92,98 14,04 156,14 0 1140

30 169,01 7,04 210,50 0 1127

31 62,00 16,00 178,00 1 1300

32 172,41 21,01 258,62 0 1207

33 327,59 34,48 424,14 1 1552

34 120,69 17,24 290,14 0 1379

35 62,50 23,44 210,50 1 1328

12

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

ada beberapa hal yang perlu dilihat, antara lain :

1. Adjusted R Square yang lebih Tinggi

2. Nilai F yang lebih Tinggi

3. Logika Ekonomi

Dari hasil SPSS yang dapat dilihat pada bagian lampiran, dihasilkan nilai Adjusted

R Square dan Nilai F sebagai berikut:

Tabel 2. Nilai R Square dan Nilai F Dummy Intersep

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .854a .730 .708 298.95383

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

13

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 1.182E7 4 2955361.754 33.068 .000a

Residual 4379296.188 49 89373.392

Total 1.620E7 53


b. Dependent Variable: Prod

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

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .854a .730 .708 298.90670

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

ANOVAb


1 Regression 1.182E7 4 2955706.879 33.082 .000a

Residual 4377915.686 49 89345.218

Total 1.620E7 53



Tabel 4. Nilai Adjusted R dan Nilai F dari Dummy Slope Tenaga Kerja

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .847a .718 .694 305.60287

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

14

ANOVAb


1 Regression 1.162E7 4 2906120.140 31.117 .000a

Residual 4576262.644 49 93393.115

Total 1.620E7 53



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

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .845a .714 .690 307.63937

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

ANOVAb


1 Regression 1.156E7 4 2890821.506 30.545 .000a

Residual 4637457.181 49 94641.983

Total 1.620E7 53



Tabel 6. Daftar Nilai Adjusted R Square dan Nilai F dari beberapa Uji Variabel SPSS

Uji Variabel Adjusted R Square Nilai F

Dummy Intersep 0,708 33,058

Dummy Slope Bibit 0,690 30,545

Dummy Slope ZA 0,708 33,082

Dummy Slope Tenaga Kerja 0,694 31,117

15

Dari tabel 2 diatas, kita dapat melihat nilai Adjusted R Square yang 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, untuk nilai F yang tertinggi secara runtut ialah ;

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

16

Coefficientsa

Model

Unstandardized

Coefficients

Standardi

zed

Coefficien

ts

t Sig.B

Std.

Error Beta

1 (Const

ant)

635.585 178.535 3.56

0

.001

Bibit 2.547 .686 .360 3.71

1

.001

ZA 9.868 8.584 .153 1.15

0

.256

TK -.024 .951 -.003 -.02

5

.980

DiZA 19.481 5.606 .480 3.47

5

.001

a. Dependent Variable: Prod

Berdasarkan tabel diatas dapat dilihat nilai koefisiensinya pada masing-masing

variabel. Pada tabel diatas terdapat nilai negative (-) pada variabel Tenaga Kerja.

Sehingga secara logika ekonomi ini tidak mungkin terjadi, dimana ketika terdapat

petani yang masuk dalam kelompok tani justru mengalami penurunan tenaga kerjanya.

17

2. Dummy Intersep

Tabel 8. Nilai Koefisien dari Dummy Intersep

Coefficientsa

Model

Unstandardized

Coefficients

Standardi

zed

Coefficien

ts

t Sig.B

Std.

Error Beta

1 (Const

ant)

459.997 151.605 3.03

4

.004

Bibit 2.483 .686 .351 3.61

8

.001

ZA 18.758 7.192 .290 2.60

8

.012

TK .240 .928 .030 .259 .797

Di 396.478 114.175 .360 3.47

3

.001


Untuk mengetahui rasional atau tidaknya nilai diatas perlu dilakukan pengujian dengan

menggunakan rumus, sebagai berikut:

Y = α + β1X1 + β2X2 + β3X3 + β4 Di

Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 Di

Jika, petani tidak mengikuti kelompok tani maka Di = 0

Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 Di

Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 (0)

Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3

Jika, petani mengikuti kelompok tani maka Di = 1

Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 Di

18

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 X1 + 18,758 X2 + 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

Coefficientsa

Model

Unstandardized

Coefficients

Standardi

zed

Coefficien

ts

t Sig.B

Std.

Error Beta

1 (Const

ant)

619.971 187.258 3.31

1

.002

Bibit 2.473 .702 .349 3.52

4

.001

ZA 18.963 7.465 .293 2.54

0

.014

TK -.600 1.072 -.074 -.55

9

.578

DiTK 1.673 .545 .415 3.07

1

.003

a.Dependent Variable: Prod

Berdasarkan tabel diatas dapat dilihat nilai koefisiensinya pada masing-masing variabel

pada dummy slope Tenaga Kerja. Pada tabel diatas terdapat nilai negative (-) pada

variabel Tenaga Kerja. Sehingga secara logika ekonomi, ini tidak mungkin terjadi

karena ketika petani masuk dalam kelompok tani justru mengalami penurunan dalam

hal tenaga kerjanya.

19

4.Dummy Slope Bibit

Tabel 10. Nilai Koefisien dari Dummy Slope Bibit

Coefficientsa

Model

Unstandardized

Coefficients

Standardi

zed

Coefficien

ts

t Sig.B

Std.

Error Beta

1 (Const

ant)

527.775 172.069 3.06

7

.004

Bibit .988 .873 .140 1.13

2

.263

ZA 22.637 7.082 .350 3.19

6

.002

TK .462 .945 .057 .488 .627

DiBBT 2.361 .802 .412 2.94

3

.005


Y = α + β1X1 + β2X2 + β3X3 + β4 Di X1

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 Di X1

Jika, petani tidak mengikuti kelompok tani maka Di = 0

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 Di X1

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (0) X1

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (0) X1

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3

Jika, petani mengikuti kelompok tani maka Di = 1

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 Di X1

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (1) X1

20

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 Produksi ialah “apabila terjadi kenaikan pada variabel X1 (bibit) sebesar 1

maka akan memepengaruhi nilai Y sebesar 3,349.

21

BAB IV

KESIMPULAN

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

Variabel Dummy adalah variabel yang merepresentasikan kuantifikasi dari variabel kualitatif.

Macam model regresi dummy variabel:I. Y = a + bX + c D1 (Model Dummy Intersep)

II. Y = a + bX + c (D1X) (Model Dummy Slope)

III. Y = a + bX + c (D1X) + d D1 (Kombinasi)

Dummy Slope ZA

Terdapat nilai negative (-) pada variabel Tenaga Kerja. Sehingga secara logika

ekonomi ini tidak mungkin terjadi, dimana ketika terdapat petani yang masuk dalam

kelompok tani justru mengalami penurunan tenaga kerjanya.

Dummy Intersep

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.

Dummy Slope Tenaga Kerja

Nilai koefisiensinya pada masing-masing variabel pada dummy slope Tenaga Kerja.

Pada tabel diatas terdapat nilai negative (-) pada variabel Tenaga Kerja. Sehingga

secara logika ekonomi, ini tidak mungkin terjadi karena ketika petani masuk dalam

kelompok tani justru mengalami penurunan dalam hal tenaga kerjanya.

Dummy Slope Bibit

Nilai koefisien variabel bibit yang berbeda dan ini mempengaruhi slopenya. Dengan

ini dapat diintepretasikan bahwa pengaruh variabel bibit terhadap Produksi ialah

“apabila terjadi kenaikan pada variabel X1 (bibit) sebesar 1 maka akan

memepengaruhi nilai Y sebesar 3,349.

22

DAFTAR PUSTAKA

Anonymous.2011.http://katapekanini.blogspot.com. Diakses pada tanggal 7 April 2011

Anonymous. 2011. http://Litbang.go.id. Tebu. Diakses pada tanggal 1 April 2011

Djalal, Nachrowi dkk. 2002. Penggunaan Teknik Ekonometri Pendekatan Populer dan Praktis

Dilengkapi Teknik Analisis dan Pengolahan data dengan Menggunakan Paket

Program SPSS. Jakarta : PT. RajaGrafindo Persada

Lains, Alfian. 2002. Ekonometrika Teori dan Aplikasi Jilid I. Jakarat : Pustaka LP3ES

Indonesia

23

http://Litbang.go.id/

LAMPIRAN

Dummy Intersep

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .854a .730 .708 298.95383


ANOVAb


1 Regression 1.182E7 4 2955361.754 33.068 .000a

Residual 4379296.188 49 89373.392

Total 1.620E7 53



Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) 459.997 151.605 3.034 .004

Bibit 2.483 .686 .351 3.618 .001

ZA 18.758 7.192 .290 2.608 .012

TK .240 .928 .030 .259 .797

Di 396.478 114.175 .360 3.473 .001


24

Dummy Slope Bibit

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .845a .714 .690 307.63937


ANOVAb


1 Regression 1.156E7 4 2890821.506 30.545 .000a

Residual 4637457.181 49 94641.983

Total 1.620E7 53



Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 527.775 172.069 3.067 .004

Bibit .988 .873 .140 1.132 .263

ZA 22.637 7.082 .350 3.196 .002

TK .462 .945 .057 .488 .627

DiBBT 2.361 .802 .412 2.943 .005


25

Dummy Slope ZA

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .854a .730 .708 298.90670


ANOVAb


1 Regression 1.182E7 4 2955706.879 33.082 .000a

Residual 4377915.686 49 89345.218

Total 1.620E7 53



Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 635.585 178.535 3.560 .001

Bibit 2.547 .686 .360 3.711 .001

ZA 9.868 8.584 .153 1.150 .256

TK -.024 .951 -.003 -.025 .980

DiZA 19.481 5.606 .480 3.475 .001


26

Dummy Slope Tenaga Kerja

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .847a .718 .694 305.60287


ANOVAb


1 Regression 1.162E7 4 2906120.140 31.117 .000a

Residual 4576262.644 49 93393.115

Total 1.620E7 53



Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 619.971 187.258 3.311 .002

Bibit 2.473 .702 .349 3.524 .001

ZA 18.963 7.465 .293 2.540 .014

TK -.600 1.072 -.074 -.559 .578

DiTK 1.673 .545 .415 3.071 .003


27

analisis regresi berganda & dummy variabel

Documents