Analisis Faktor-Faktor yang Mempengaruhi Pengeluaran Rumah Tangga untuk Konsumsi

Susu di Jawa Timur dengan Menggunakan Regresi Tobit

1

Ayu Fitriani, 2Dr. Purhadi, M.Sc

Mahasiswa Statistika FMIPA- ITS, 2Dosen Statistika FMIPA-ITS

ABSTRAK
Konsumsi susu di Indonesia masih sangat rendah sehingga mengakibatkan rendahnya
kualitas gizi anak. Pengeluaran untuk konsumsi susu tidak dianggarkan oleh sebagian besar rumah
tangga. Hal ini mengakibatkan data pengeluaran untuk konsumsi susu bernilai nol sehingga sulit
untuk dilakukan analisis dengan menggunakan regresi biasa. Regresi tobit dapat digunakan untuk
mengatasi permasalahan dimana variabel prediktornya banyak bernilai nol atau dapat disebut data
tersensor. Data tersensor adalah data yang memiliki sebagian pengamatan yang bernilai nol dan
sebagian lainnya memiliki variansi nilai tertentu Dalam penelitian ini dilakukan permodelan
konsumsi susu rumah tangga di Jawa Timur dengan menggunakan regresi tobit. Data yang
digunakan dalam penelitian ini adalahdata sekunder yang berasal dari Data SUSENAS 2009 Jawa
Timur. Setelah dilakukan analisis maka didapatkan lima permodelan regresi tobit yaitu permodelan
untuk desa RTM, desa Non RTM, kota RTM, kota Non RTM dan model keseluruhan dimana
variabel-variabel yang signifikan untuk tiap-tiap model berbeda antara satu dengan yang lain.
Kata Kunci: Konsumsi Susu, Regeresi, Tobit, Data Tersensor .

1. PENDAHULUAN
Dalam SK Menteri Pertanian No. 2182/Kpts/PD.420/5/2009 ditetapkan Hari Susu Nasional
yang berperan untuk meningkatkan kesadaran masyarakat atas pentingnya minum susu, meningkatkan
konsumsi susu per kapita masyarakat Indonesia demi mewujudkan peningkatan kualitas gizi bangsa,
dan menstimulir industri susu nasional agar dapat berkembang (Sinar Tani, 2011). Hal ini terkait
dengan konsumsi susu di Indonesia yang masih sangat rendah. Faktor-faktor yang mempengaruhi
rendahnya tingkat konsumsi susu di Indonesia diantaranya adalah masih rendahnya produk susu
nasional, rendahnya daya beli dan budaya minum susu di masyarakat (Anonim, 2010). Indonesia
masih menghadapi permasalahan gizi nasional, tercatat, hasil survei tahun 2007 menyebutkan 5,4
persen rata-rata anak balita prevalensi gizi buruk dan gizi kurang sebesar 13 persen (Antara News,
2010). Upaya perbaikan gizi ini terkendala oleh rendahnya konsumsi susu masyarakat Indonesia.
Kesadaran masyarakat untuk mengkonsumsi susu yang masih sangat rendah ini yang
mengakibatkan rumah tangga tidak mengalokasikan pengeluaran untuk konsumsi susu. Menurut
Susenas 2006, rumah tangga di pedesaan yang mengalokasikan pengeluaran rumah tangga untuk
konsumsi susu adalah sebesar 14,96 persen, sedangkan sisanya yaitu 85,04 persen tidak
mengalokasikan pengeluaran untuk konsumsi susu. Di perkotaan, rumah tangga yang mengalokasikan
pengeluaran untuk konsumsi susu adalah sebesar 32,52 persen dan sisanya sebesar 67,48 persen tidak
mengalokasikan pengeluaran untuk konsumsi susu. Hal inilah yang akan menyebabkan banyak data
yang akan bernilai nol yang kemudian disebut sebagai data campuran atau data tersensor. Data
tersensor adalah data yang memiliki sebagian pengamatan yang bernilai nol dan sebagian lainnya
memiliki variansi nilai tertentu (Greene, 2008). Regresi tobit dapat digunakan untuk mengatasi
permasalahan dimana variabel prediktornya banyak bernilai nol sehingga dapat didapatkan penaksir
yang tak bias.
Penelitian mengenai regresi tobit sudah pernah dilakukan oleh Ekstrand dan Carpenter (1998)
tentang penyakit kulit pada kaki ayam broiler, Sigelman, Lee, dan Zeng (1999) melakukan penelitian
mengenai data politik, Purnomo (2008) mengenai konsumsi daging dan susu, Laily (2010) mengenai
makanan berprotein, kemudian Rini (2010) mengenai pendapatan perempuan, dan Hanief (2010)
mengenai pengeluaran biaya kesehatan rumah tangga. Berdasarkan atas uraian yang telah
disebutkan di atas maka peneliti akan mengggunakan analisis regresi tobit untuk mendapatkan faktorfaktor yang mempengaruhi pengeluaran rumah tangga untuk konsumsi susu di Jawa Timur.
1

2. TINJAUAN PUSTAKA
2.1 Model Regresi Tobit
Menurut Ekstrand dan Carpenter (1998), model Tobit adalah metode yang efisien untuk
memodelkan hubungan antara variabel respon (tak bebas) yang dipotong atau disensor terhadap
variabel bebas. Jika Y* variabel tak bebas, dengan X 1 , X 2 , X p variabel bebas, maka model regresi
T
untuk pengamatan ke-i adalah y i* = x i + i , i=1,2,,n dengan

x i = [1 x1i
= [ 0

x 2i

x pi ]T

1 p ]T

maka model standart Tobit didefinisikan sebagai berikut (Greene, 2008).

jika
y i = y i* ,
y i* > 0

yi = 0 ,

(2.1)

y 0
*
i

jika
*
i

dimana y adalah variabel tak bebas latent, y i adalah observasi ke-i untuk variabel tak bebas,

adalah vektor parameter, dan i diasumsikan berdistribusi normal: i ~IIDN(0,2I).

Penaksiran parameter dari model tobit dapat dilakukan dengan menggunakan metode MLE. Jika
*
f(.) menunjukkan fungsi probabilitas dan F(.) menunjukkan fungsi probabilitas kumulatif untuk y .
*
Model menunjukkan bahwa probabilitas dari observasi y > 0 jika y i = y i* adalah f(y) dan

*
*
probabilitas dari observasi jika y i 0 adalah P( Y 0) = F Y (0). Fungsi likelihood untuk model

adalah sebagai berikut (Sigelman, Lee, dan Zeng, 1999).

L = f ( y i ) Fyi (0)
yi > 0

ln L =

yi = 0

ln f ( y ) + ln F
i

yi > 0

yi = 0

yi

(2.2)

(0)

(.) merupakan fungsi probabilitas distribusi N(0,1) sedangkan (.) merupakan fungsi
y * berdistribusi normal
kepadatan probabilitas kumulatif distribusi N(0,1). Karena
(sebagaimana i berdistribusi normal), maka fungsi ln-likelihood dapat ditulis dalam bentuk umum
sebagai berikut.

y xiT
x T
+ ln1 i
(2.3)
ln L = ln + ln i
y =0

yi > 0

Dengan nilai harapannya adalah sebagai berikut.

E (Yi * | x i ) = x Ti

(2.4)

E (Yi | x i ) = xi ( xi / ) + ( xi / )
T

(2.5)

2.1.1 Penaksiran Parameter

Dari Persamaan (2.3) dapat ditulis menjadi

) ln 12 ln(2 ) 21

ln L , 2 =

yi > 0

xiT
T
2

y
(
)
ln
1
+

i
i
2

y i = 0

(2.6)

Kemudian Persamaan (2.6) akan diturunkan terhadap parameter dan disamakan dengan nol
untuk memaksimumkan fungsi likelihood sehingga didapat Persamaan (2.7) dan Persamaan (2.8)

 xi T
xiT
1
xi /

x i
ln L(, 2 )
T

+ 2 ( y x T )x = 0 (2.7)
=
+ ( yi xi )xi =
i i i
T
T

xi
xi
yi = 0
yi > 0
y =0
y >0

1
1

2 ln L , 2
T

x T
x T

i
i

T
T

2
1+

xx xx
=
ii
i i
T
xi
x T
yi > 0

yi = 0

1 i
1

(2.8)

Persamaan (2.7) dan Persamaan (2.8) merupakan fungsi yang non linier sehingga untuk
mendapatkan estimasi parameternya perlu dilakukan iterasi Newton Rapson. Iterasi Newton Rapson
dilakukan secara berulang-ulang untuk mendapatkan hasil yang konvergen sehingga didapatkan
penaksiran parameter regresi tobit adalah sebagai berikut.
(2.9)
t +1 = t H 1 ( t )g ( t )
1

2 ln L
ln L

Dengan g =
; dan H 1 =
T

Iterasi akan berhenti jika t +1 t e , dimana e adalah bilangan yang sangat kecil.
2.1.2 Pengujian Parameter
Menurut Tobin (1958), pengujian parameter dilakukan untuk mengetahui apakah variabel
prediktor yang dimasukkan dalam model regersi tobit mempunyai kontribusi nyata terhadap
perubahan variasi dari variabel respon atau dependen. Pengujian ini meliputi uji serentak dan uji
individu.
i. Uji Serentak
Hipotesis untuk uji serentak adalah sebagai berikut (Marin-Galiano dan Kunert, 2006).
H 0 : 1 = 2 = ... = p = 0
H 1 : minimal ada satu j 0 untuk j = 1,2, .., p.
Statistik uji yang digunakan adalah sebagi berikut.
)
(2.10)
= 2 ln L( ) L(
Dimana:
L( ) = adalah fungsi likelihood dibawah H 0

) = adalah fungsi likelihood dibawah H 1

L(
Dengan kesimpulan H 0 ditolak jika > 2 p,1- yang artinya minimal ada satu X j yang berpengaruh
terhadap variabel respon.
ii. Uji Individu
Hipotesis untuk uji individu yaitu uji Wald adalah sebagai berikut.
H0 : j= 0
H 1 : j 0 untuk j = 1,2, .., p.
Statistik uji yang digunakan adalah sebagi berikut.

Whitung =

j
Se

( )
diperoleh dari elemen diagonal ke-(j+1)
Dengan (Se( ))
|>t
var( ) = E (H ( )) . Didapatkan kesimpulan H ditolak jika |W

(2.11)

hitung

disimpulkan bahwa variabel prediktor berpengaruh terhadap variabel respon

dari
/2;n-p-1

()

var

dimana

yang artinya dapat

2.1.3 Penentuan Model Terbaik

Dalam analisis regresi untuk memperoleh kebaikan model seringkali digunakan koefisien
determinasi R2. Rumus R2 untuk regresi tobit dijelaskan oleh Bierens (2004) yaitu sebagai berikut
n

R2 = 1

u
i =1

(y
i =1

2
i

(2.12)

y)

T
T
T
Dimana u i = y i xi ( xi / ) ( xi / )

2.2 Pengujian Asumsi Multikolinearitas

Syarat yang harus dipenuhi dalam pembentukan model regresi dengan beberapa variabel
prediktor adalah tidak ada kasus multikolinearitas atau tidak terdapat korelasi antara satu variabel
prediktor dengan variabel prediktor yang lain karena di dalam model regresi. Di dalam kasus ini
pendeteksian kasus multikolinearitas dilakukan dengan menggunakan VIF (Variance Inflation
Factor). Jika nilai VIF lebih besar dari 10 menunjukkan adanya multikolinieritas antar variabel
prediktor. Nilai VIF dinyatakan sebagai berikut.

VIF =

1
1 Rj

(2.13)

dengan R j 2 adalah koefisien determinasi antara X j dengan variabel prediktor lainnya.

2.3 Faktor-faktor yang Mempengaruhi Konsumsi Susu dalam Rumah Tangga
Menurut Hatirli, Ozkan, dan Aktas (2004), bahwa jumlah anak, ukuran rumah tangga, tingkat
pendidikan dan pendapatan merupakan faktor penting yang mempengaruhi pengeluaran untuk
konsumsi susu. Cecep (2000), pernah melakukan penelitian tentang konsumsi susu pada remaja
dengan menggunakan variabel pendapatan orang tua, pendidikan ayah, pendidikan ibu, pekerjaan ibu,
pengetahuan gizi, sikap dan uang jajan terhadap konsumsi susu. Sebelumnya Purnomo (2008) pernah
melakukan penelitian mengenai faktor-faktor yang mempengaruhi pengeluaran konsumsi daging dan
susu dengan menggunakan data hasil Susenas provinsi Jambi tahun 2006 dengan menggunakan
faktor-faktor antara lain pendapatan rumah tangga, tingkat pendidikan kepala rumah tangga,
persentase pengeluaran makanan, jumlah anggota rumah tangga, persentase anggota rumah tangga
yang bekerja, persentase anggota rumah tangga usia dibawah 12 tahun, rata-rata pengeluaran per
kapita dan daerah tempat tinggal. Kemudian, Laily (2010) juga melakukan penelitian dengan beberapa
variabel untuk meneliti faktor-faktor yang mempengaruhi pengeluaran konsumsi daging, susu, dan
telur, yaitu jumlah anggota rumah tangga, tingkat pendidikan tertinggi kepala rumah tangga,
pekerjaan utama kepala rumah tangga, usia kepala rumah tangga, proporsi konsumsi untuk
ikan/udang/cumi/ kerang, proporsi konsumsi untuk kacangkacangan, proporsi konsumsi untuk
tembakau dan sirih, proporsi pengeluaran makanan, rata-rata pengeluaran per kapita. Berdasarkan
penilitian sebelumnya maka pada penelitian ini akan digunakan variabel prediktor pendapatan rumah
tangga, tingkat pendidikan kepala rumah tangga, persentase pengeluaran makanan, jumlah anggota
rumah tangga, persentase anggota rumah tangga yang bekerja, persentase anggota rumah tangga usia
dibawah 12 tahun, rata-rata pengeluaran per kapita dan daerah tempat tinggal.
3. METODOLOGI PENELITIAN
3.1 Jenis Penelitian
Penelitian ini merupakan penelitian dengan menggunakan data sekunder yang merupakan Data
SUSENAS 2009 Jawa Timur. Unit analisisnya adalah ruman tangga di Jawa Timur. Jumlah sampel
pada Susenas sebanyak 29.952 rumah tangga. Variabel penelitian yang digunakan dalam penelitian ini
berasal dari data individu dan data rumah tangga. Cara pengambilan sampel yang dilakukan adalah
cluster sampling dengan menggunakan blok sensus BPS.

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah sebagai berikut.
Tabel 1. Deskriptif Variabel Penelitian
Nama Variabel
Keterangan
Jumlah
pengeluaran
rumah Pengeluaran rumah tangga untuk konsumsi
tangga untuk konsumsi susu (Y) susu
Tingkat
pendidikan
kepala Jenjang pendidikan terahir yang ditempuh
rumah tangga (X 1 )
kepala keluarga
-tidak sekolah
-SD sederajat
-SMP sederajat
-SMA sederajat
-Perguruan Tinggi
Jumlah
pengeluaran
untuk Rata-rata jumlah pengeluaran makanan
makanan dalam satu bulan (X 2 )
dalam satu bulan
Jumlah anggota rumah tangga Total jumlah orang dalam satu ruma tangga
(X 3 )
Jumlah anggota rumah tangga Jumlah anggota keluarga yang bekerja
yang bekerja (X 4 )
Jumlah anggota rumah tangga Jumlah anggota rumah tangga yang berusia
usia dibawah 1 tahun (X 5 )
dibawah 1 tahun
Jumlah anggota rumah tangga Jumlah anggota rumah tangga yang berusia
usia antara 1-5 tahun (X 6 )
antara 1-5 tahun
Jumlah anggota rumah tangga Jumlah anggota rumah tangga yang berusia
usia antara 6-12 tahun (X 7 )
antara 6-12 tahun
Rata-rata pengeluaran per kapita Jumlah pengeluaran dalam satu bulan dibagi
(X 8 )
banyaknya anggota rumah tangga
Daerah tempat tinggal (X 9 )
-Desa
-Kota
Pekerjaan utama kepala rumah Bidang Pekerjaan utama KRT
tangga (X 10 )
-bidang pertanian
-selain bidang pertanian
Usia (X 11 )
Usia kepala rumah tangga
Jumlah
pengeluaran
untuk Jumlah pengeluaran untuk konsumsi
konsumsi
ikan/udang/cumi/ ikan/udang/ cumi/kerang yang masih segar
kerang (X 12 )
atau tidak diawetkan.
Jumlah
pengeluaran
untuk Jumlah pengeluaran untuk konsumsi kacangkonsumsi
kacang-kacangan kacangan
(X 13 )
Jumlah
pengeluaran
untuk Jumlah pengeluaran untuk konsumsi rokok
konsumsi tembakau dan sirih
(X 14 )
Status rumah tangga (X15)
Status rumah tangga berdasarkan tingkat
kemiskinan.
-RTM (Rumah Tangga Miskin)
-Non RTM

Satuan/Skala
Rupiah /rasio
- / ordinal

Ribu rupiah / rasio

Orang / rasio
Orang / rasio
Orang / rasio
Orang / rasio
Orang / rasio
Orang / rasio
- / Nominal
- / Nominal

Tahun / rasio
Ribu rupiah / rasio

Ribu rupiah / rasio

Ribu rupiah / rasio

- / ordinal

3.3 Metode Analisis

Untuk memodelkan besarnya pengeluaran rumah tangga untuk konsumsi susu di Jawa Timur
maka digunakan analisis regresi tobit dengan langkah-langkah sebagai berikut.
1. Mempersentasekan dan mendiskripsikan pengeluaran rumah tangga untuk konsumsi susu.
2. Mengelompokkan pengeluaran rumah tangga berdasarkan daerah tempat tinggal dan status rumah
tangga.
3. Mendeskripsikan pengeluaran rumah tangga untuk konsumsi susu dan variabel X 1 sampai dengan
X 15 untuk masing-masing kelompok.
4. Mentransformasikan y menjadi h = y
5. Memodelkan variabel-variabel prediktor ke dalam regresi tobit.
5

h = 0 + 1.1 x1.1 + 1.2 x1..2 + 1.3 x1..3 + 1.4 x1.4 + 2 x 2 + 3 x 3 + 4 x 4 + 5 x 5 + 6 x 6 + 7 x 7 + 8 x 8 +

9 x 9 + 10 x10 + 11 x11 + 12 x12 + 13 x13 + 14 x14 + 15 x15 +

6. Melakukan uji multikolinearitas.
7. Menaksir model dengan menggunakan regresi tobit.
y = 0 + 1.1 x1.1 + 1.2 x1..2 + 1.3 x1..3 + 1.4 x1.4 + 2 x 2 + 3 x 3 + 4 x 4 + 5 x 5 + 6 x 6 + 7 x 7 + 8 x 8 +
8.
9.
10.
11.

9 x 9 + 10 x10 + 11 x11 + 12 x12 + 13 x13 + 14 x14 + 15 x15

Melakukan pengujian secara serentak terhadap variabel-variabel prediktor.
Melakukan pengujian secara parsial terhadap variabel penelitian
Mendapatkan nilai R-Square untuk mengetahui kriteria kebaikan model.
Interpretasi model.

4. ANALISIS DAN PEMBAHASAN

4.1. Karakteristik Rumah Tangga
Berdasarkan Tabel 2 dapat dilihat deskripsi dari variabel respon yang akan diteliti yaitu
pengeluaran untuk konsumsi susu rumah tangga. Dari 29.952 rumah tangga di Jawa Timur, ada
sebesar 7.963 rumah tangga yang mengalokasikan konsumsi susu.
Tabel 2. Deskripsi Pengeluaran Konsumsi Susu Rumah Tangga (Rupiah/Bulan)
Keseluruhan Rumah Tangga
Rumah Tangga yang
Deskripsi
(Mengalokasikan dan Tidak
Mengalokasikan Konsumsi
mengalokasikan Konsumsi Susu)
Susu
N
29.952
7.963
Mean
6.795
25.558
Varians
417.984.069
1.092.757.827
Min
0
650
Max
448.000
448.000
Tabel 3. Deskripsi Pengeluaran Konsumsi Susu Rumah Tangga berdasarkan daerah dan status rumah tangga (Rupiah/Bulan)
Deskripsi

Pedesaan
RTM

N
Mean
St Dev
Varians
Min
Max

TM+M
5.863
1.260
6.156
37.892.911
0
159.000

M
561
13.173
15.474
239.449.283
650
159.000

Perkotaan

Non RTM
TM+M
M
11.161
2.538
4.583
20.153
15.729
27.829
247.413.603 774.447.880
0
700
448.000
448.000

RTM
TM+M
2.009
3.159
10.823
117.144.813
0
175

M
332
19.117
20.116
404.660.323
1000
175

Non RTM
TM+M
M
10.919
4532
12.696
30.589
28.163
36.929
793.142.699 1.363.724.993
0
800
400
400

Tabel 2 menunjukkan deskripsi rumah tangga dilihat dari variabel daerah yaitu desa dan kota
dan variabel status rumah tangga yaitu RTM dan Non RTM. Baik pada Tabel 2 dan Tabel 3 terlihat
bahwa nilai varians untuk pengeluaran konsumsi susu sangat besar. Hal ini dikhawatirkan dapat
menyebabkan kesalahan penaksiran parameter. Oleh karena itu dilakukan transformasi akar sehingga
didapatkan hasil transformasi seperti pada Tabel 4.
Tabel 4. Deskripsi Pengeluaran Konsumsi Susu Rumah Tangga berdasarkan daerah dan status rumah tangga
(Rupiah/Bulan)
Deskripsi

Pedesaan
RTM
TM+M

N
Mean
St Dev
Varians
Min
Max

5.863
9,941
34,086
1.161,843
0
398,748

561
103,90
48,82
2.383,13
25,50
398,748

Perkotaan

Non RTM
TM+M
M

11.161
28,592
61,364
3.765,494
0
669,328

RTM
TM+M

2.538
125,74
65,91
4.344,52
26,46
669,328

2.009
20,66
52,29
2.733,82
0
418,33

332
125,01
59,16
3.500,07
31.62
418,33

Non RTM
TM+M
M

10.919
64,508
92,389
8.535,678
0
632.456

4532
155,42
80,22
6.435,02
28,28
632.456

Setelah dilakukan transformasi seperti pada Tabel 4 terlihat bahwa nilai varians menjadi kecil.
Dengan nilai varians yang kecil diharapkan didapatkan model penaksir yang baik. Tabel 5 merupakan
diskripsi dari rumah tangga berdasarkan daerah tempat tinggal yaitu pedesaan dan perkotaan dan
status rumah tangga yaitu RTM dan Non RTM. Variabel yang masuk dalam deskriptif ini adalah
variabel berskala kontinyu.
Tabel 5. Deskripsi Faktor-Faktor yang Mempengaruhi Pengeluaran Konsumsi Susu Rumah Tangga di Pedesaan

Variabel
Jumlah pengeluaran
untuk makanan
dalam satu bulan
(X 2 )
Jumlah anggota
rumah tangga (X 3 )

Jumlah anggota
rumah tangga yang
bekerja (X 4 )
Jumlah anggota
rumah tangga usia
dibawah 1 tahun
(X 5 )
Jumlah anggota
rumah tangga usia
antara 1-5 tahun (X 6 )
Jumlah anggota
rumah tangga usia
antara 6-12 tahun
(X 7 )
Rata-rata
pengeluaran per
kapita (X 8 )
Usia (X 11 )

Jumlah pengeluaran
untuk konsumsi
ikan/udang/cumi/
kerang (X 12 )
Jumlah pengeluaran
untuk konsumsi
kacang-kacangan
(X 13 )
Jumlah pengeluaran
untuk konsumsi
tembakau dan sirih
(X 14 )

Deskripsi
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max
Mean
Varians
Min
Max

Pedesaan
RTM
Non RTM
521,57
647,76
69.766,05
99.213,43
79,71
21,43
2.987,78
4.581,86
3,37
3,59
2,65
2,05
1
1
12
14
1,8
1,86
1,06
1,01
0
0
6
7
0,04
0,06
0,04
0,06
0
0
2
2
0,23
0,29
0,22
0,24
0
0
3
3
0,44
0,43
0,44
0,37
0
0
4
6
254,03
340,41
11.751,88
45.252,44
74,74
22,59
2.428,83
6.284,8
52,44
49,02
211,99
187,17
14
16
98
98
6,338
7,743
108,875
126,426
0
0
200
154
8,0837
9,2987
29,8412
33,0994
0
0
75
70,1
13,263
17,375
306,153
502,628
0
0
172,5
370

Perkotaan
RTM
Non RTM
594,31
868,76
105.459,91
218.147,19
42,86
72,86
3.562,50
8.097,86
3,42
3,69
2,95
2,40
1
1
12
14
1,65
1,72
1,14
1,05
0
0
8
11
0,05
0,06
0,05
0,06
0
0
2
2
0,22
0,32
0,22
0,28
0
0
3
4
0,41
0,44
0,41
0,41
0
0
4
4
309,39
544,17
18.525,07
171.738,75
59,55
96,97
1.305,63
6.846,40
53,83
47,76
210,56
184,83
20
16
98
98
6,462
11,063
94,186
256,565
0
0
70
701
9,693
10,658
43,43
51,924
0
0
58,8
110
15,927
21,006
442,595
866,606
0
0
178,5
574

Tabel 6 mendeskripsikan variabel yang berskala oradinal dan nominal. Diskripsi rumah
tangga ini dibedakan berdasarkan daerah tempat tinggal yaitu pedesaan dan perkotaan dan status
rumah tangga yaitu RTM dan Non RTM.
7

Tabel 6. Persentase Faktor-Faktor yang Mempengaruhi Pengeluaran Konsumsi Susu Rumah Tangga

Variabel
Tingkat
pendidikan
kepala rumah
tangga (X 1 )

Tidak sekolah
SD sederajat
SMP sederajat
SMA
sederajat
Perguruan
Tinggi
Total
Pekerjaan
Bidang
utama kepala pertanian
rumah tangga Selain bidang
(X 10 )
pertanian
Total

RTM

Non RTM

Total

RTM
4,76
34,73
16,31

Non
RTM
6,81
38,56
15,77

28,54
61,57
6,23

11,16
59,53
12,41

17,97
59,38
12,84

2,98

9,65

0,68

Total
17,15
60,23
10,28

6,07

21,78

19,34

7,35

7,25

3,73

22,42

19,52

0,05

100

100

100

100

100

100

61,81

53,44

22,95

13,09

14,62

56,32

38,19

46,56

77,05

86,91

85,38

43,68

100

100

100

100

100

100

4.2 Uji Multikolinieritas

Sebelum dilakukan analisis regresi tobit, maka perlu dilakukan uji multikolinieritas untuk
mengetahui apakah antar variabel prediktor sudah tidak terjadi multikolinearitas. Pengujian
multikolinearitas yang digunakan adalah dengan menggunakan kriteria VIF.
Setelah dilakukan uji multikolinearitas didapatkan bahwa seluruh variabel dengan skala rasio
baik desa maupun kota yang RTM maupun Non RTM tidak terdapat kasus multikolinearitas antar
variabel prediktor karena nilai VIF tidak ada yang lebih dari 10. Hal ini mengidentifikasi bahwa pada
variabel berskala rasio tidak saling mengganggu antara variabel prediktor yang satu dengan yang lain
ketika dilakukan analisis regresi tobit.
4.3 Model Regresi Tobit
Setelah dilakukan uji multikolinearitas maka selanjutnya akan dibuat model regresi tobit
dengan memodelkan variabel prediktor terhadap variabel respon. Variabel prediktor X 1 sampai
variabel X 15 dimasukkan ke dalam model karena sudah memenuhi asumsi tidak terdapat
multikolinearitas antar variabel-variabel tersebut.
Dengan menggunakan metode Maksimum Likelihood Estimation, didapatkan penaksir
parameter untuk masing-masing variabel beserta konstantanya seperti yang terdapat pada Tabel 4.12.
Selanjutnya parameter-parameter tersebut diuji secara serentak dengan hipotesis:
H 0 : 1.1 = 1.2 = 1.3 = 1.4 = 2 = 3 = 4 = 5 = 6 = 7 = 8 = 9 = 10 = 11 = 12 = 13 = 14
= 15
=0
H 1 : minimal ada satu j 0
Diperoleh nilai yang didapatkan dari persamaan (2.10) atau biasa disebut nilai G seperti pada Tabel
7
Tabel 7. Nilai G pada Pengujian Serentak

Desa
Kota

Model
RTM
Non RTM
RTM
Non RTM
Semua

Nilai G
9.336
38.126
5.148
63.926
116.902

2
Pada taraf signifikansi sebesar 0,05 nilai X (13;0, 05) sebesar 22,3620. Nilai G dari empat

permodelan yaitu desa RTM, Desa Non RTM, Kota RTM, dan Kota Non RTM lebih besar dari nilai
X (215;0, 05) sehingga diambil keputusan tolak H 0 yang artinya variabel prediktor berpengaruh terhadap
2
model. Pada taraf signifikansi sebesar 0,05 nilai X (15;0, 05) sebesar 24,9958. Nilai G dari model yang

2
melibatkan semua variabel (15 variabel) lebih besar dari nilai X (15;0, 05) sehingga diambil keputusan

tolak H 0 yang artinya variabel prediktor berpengaruh terhadap model. Untuk mengetahui pengaruh
dari masing-masing variabel prediktor maka dilakukan pengujian parameter secara partial. Hipotesis
yang digunakan yaitu:
H0 : j= 0
H1 : j 0
Tabel 8. Penaksiran Parameter Model Regresi Tobit
Pedesaan
Perkotaan
Parameter
RTM
Non RTM
RTM
Non RTM
0
-252,891*
-219,717* -392,721*
-156,566*
1.1
-130,817*
-117,196*
-16,751
-99,778*
1.2
-86,149*
-64,855*
-11,315
-68,021*
1.3
-74,313*
-29,515*
16,454
-36,085*
1.4
-64,671
-12,617
-11,604
-16,288*
2
0,2642*
0,292*
0,214*
0,175*
3
0,976
-17,406*
9,712
-13,761*
4
-5,982
-0,053
-2,147
1,685
5
100,166*
106,995*
103,999*
129,082*
6
91,098*
97,249*
118,066*
104,361*
7
-14,633*
5,965
-14,023*
19,141*
8
0,123*
0,024*
0,225*
0,007
9
10
-12,162
-12,298*
-28,714*
-18,441*
11
-0,014
1,166*
0,646*
1,135*
12
-1,371*
-1,568*
-1,403*
-0,731*
13
-3,252*
-2,465*
-2,034*
-0,293
14
-1,814*
-1,478*
-1,222*
-0,946*
15
-

Semua
-191,018*
-108,938*
-65,421*
-33,724*
-16,017*
0,209*
-12,569*
0,153
116,269*
100,211*
9,769*
0,008
21,518*
-17,526*
1,004*
-0,992*
-0,927*
-1,074*
-45,891*

* Uji wald signifikan pada = 0,05

Statistik uji pengujian ini menggunakan uji Wald dimana nilau adalah 5 persen. Didapatkan
kesimpulan H 0 ditolak jika P-Value kurang dari =0,05 yang artinya variabel prediktor berpengaruh
terhadap variabel respon. Signifikansi parameter beserta estimasi parameter dapat dilihat pada Tabel
4.12. Sehingga didapatkan model untuk konsumsi susu rumah tangga di pedesaan yang berstatus
RTM adalah sebagai berikut.
h * = -252,891 - 130,817 X 1.1 - 86,149X 1.2 - 74,313X 1.3 + 0,2642 X 2 + 100,166 X 5 + 91,098 X 6 14,633 X 7 + 0,123 X 8 - 1,371 X 12 - 3,252 X 13 - 1,814 X 14
Model matematis untuk konsumsi susu rumah tangga di pedesaan yang berstatus Non RTM adalah
sebagai berikut.
h * = -219,717 - 117,196 X 1.1 - 64,855X 1.2 - 29,515X 1.3 + 0,292X 2 - 17,406 X 3 + 106,995X 5 + 97,249
X 6 + 0,024 X 8 - 12,298X 10 + 1,166 X 11 -1,568 X 12 - 2,465 X 13 - 1,478X 14
Model matematis untuk konsumsi susu rumah tangga di perkotaan yang berstatus RTM adalah
sebagai berikut.
h * = -392,721 + 0,214 X 2 + 103,999X 5 + 118,066 X 6 - 14,023X 7 + 0,225X 8 - 28,714X 10 + 0,646 X 11
- 1,403X 12 - 2,034X 13 - 1,222 X 14
Model matematis untuk konsumsi susu rumah tangga di perkotaan yang berstatus Non RTM adalah
sebagai berikut.
h * = -156,566 -99,778 X 1.1 -68,021 X 1.2 -36,085 X 1.3 -16,288X 1.4 + 0,175X 2 -13,761X 3 + 129,082X 5
+ 104,361X 6 + 19,141X 7 - 18,441X 10 + 1,135X 11 - 0,731X 12 - 0,946X 14
Model matematis untuk konsumsi susu rumah tangga di Jawa Timur dengan melibatkan semua
variabel adalah sebagai berikut.
9

h * = - 201,157 - 117,179X 1.1 - 68,926X 1.2 - 33,182X 1.3 - 14,559X 1.4 + 0,205X 2 - 13,565X 3 +
121,708X 5 + 101,844X 6 + 11,754X 7 + 0,014X 8 + 24,843X 9 - 16,325X 10 + 0,959X 11 - 0,963X 12 0,856X 13 - 1,013X 14 + 0,109X 15
Dimana h * merupakan hasil transformasi akar dari y*
Dari kelima model tersebut dapat disimpulkan bahwa untuk masing-masing model di masingmasing daerah dan status rumah tangga ada perbedaan variabel yang mempengaruhi jumlah
pengeluaran rumah tangga untuk konsumsi susu. Namun secara keseluruhan, dalam permodelan
regresi tobit untuk faktor-faktor yang mempengaruhi pengeluaran susu rumah tangga di Jawa Timur,
variabel jumlah anggota keluarga yang bekerja tidak berpengaruh secara signifikan terhadap konsumsi
susu rumah tangga baik di daerah desa, kota, RTM, maupun Non RTM. Hal ini menunjukkan bahwa
seseorang yang bekerja di dalam rumah tangga tidak menjadi salah satu faktor rumah tangga untuk
meningkatkan konsumsi susu.
4.4 Kebaikan Model
Untuk melihat kebaikan model regresi yang telah diperoleh untuk jumlah pengeluaran rumah
tangga untuk konsumsi susu di Jawa Timur dapat menggunakan nila R2. Dari perhitungan yang telah
diperoleh nila R2 = 0,1566 atau sebesar 15,66 persen untuk model desa RTM. Dapat dikatakan 15,66
persen bagian dari model dapat dijelaskan oleh variabel prediktor. Untuk model desa Non RTM dapat
dikatakan 33,83 persen bagian dari model dapat dijelaskan oleh variabel prediktor. Untuk model kota
RTM dapat dikatakan 29,70 persen bagian dari model dapat dijelaskan oleh variabel prediktor. Untuk
model Non RTM dapat dikatakan 42,64 persen bagian dari model dapat dijelaskan oleh variabel
prediktor. Untuk keseluruhan model dapat dikatakan 41,71 persen bagian dari model dapat dijelaskan
oleh variabel prediktor.
5. Kesimpulan dan Saran
5.1 Kesimpulan
Berdasarkan pembahasan yang telah dilakukan maka didapatkan kesimpulan variabel yang
berpengaruh terhadap jumlah pengeluaran rumah tangga untuk konsumsi susu di Jawa Timur pada
model Regresi Tobit adalah sebagai berikut.
1. Berdasarkan model desa RTM, variabel yang berpengaruh adalah pendidikan kepala rumah
tangga (tidak bersekolah, SD sederajat, dan SMP sederajat), jumlah pengeluaran untuk makanan
dalam satu bulan, jumlah anggota rumah tangga usia dibawah 1 tahun, jumlah anggota rumah
tangga usia antara 1-5 tahun, jumlah anggota rumah tangga usia antara 6-12 tahun, rata-rata
pengeluaran per kapita, jumlah pengeluaran untuk konsumsi ikan/udang/cumi/ kerang, jumlah
pengeluaran untuk konsumsi kacang-kacangan, dan jumlah pengeluaran untuk konsumsi
tembakau dan sirih.
2. Berdasarkan model desa Non RTM, variabel yang berpengaruh adalah pendidikan kepala rumah
tangga (tidak bersekolah, SD sederajat, dan SMP sederajat), jumlah pengeluaran untuk makanan
dalam satu bulan, jumlah anggota rumah tangga, jumlah anggota rumah tangga usia dibawah 1
tahun, jumlah anggota rumah tangga usia antara 1-5 tahun, rata-rata pengeluaran per kapita,
pekerjaan utama kepala rumah tangga, usia kepala rumah tangga, jumlah pengeluaran untuk
konsumsi ikan/udang/cumi/ kerang, jumlah pengeluaran untuk konsumsi kacang-kacangan, dan
jumlah pengeluaran untuk konsumsi tembakau dan sirih.
3. Berdasarkan model kota RTM, variabel yang berpengaruh adalah jumlah pengeluaran untuk
makanan dalam satu bulan, jumlah anggota rumah tangga usia dibawah 1 tahun, jumlah anggota
rumah tangga usia antara 1-5 tahun, jumlah anggota rumah tangga usia antara 6-12 tahun, ratarata pengeluaran per kapita, pekerjaan utama kepala rumah tangga, usia kepala rumah tangga,
jumlah pengeluaran untuk konsumsi ikan/udang/cumi/ kerang, jumlah pengeluaran untuk
konsumsi kacang-kacangan, dan jumlah pengeluaran untuk konsumsi tembakau dan sirih.
4. Berdasarkan model kota Non RTM, variabel yang berpengaruh adalah pendidikan kepala rumah
tangga (tidak bersekolah, SD sederajat, SMP sederajat, dan SMA sederajat), jumlah pengeluaran
untuk makanan dalam satu bulan, jumlah anggota rumah tangga, jumlah anggota rumah tangga
usia dibawah 1 tahun, jumlah anggota rumah tangga usia antara 1-5 tahun, , jumlah anggota
10

rumah tangga usia antara 6-12 tahun, pekerjaan utama kepala rumah tangga, usia kepala rumah
tangga, jumlah pengeluaran untuk konsumsi ikan/udang/cumi/ kerang, dan jumlah pengeluaran
untuk konsumsi tembakau dan sirih.
5. Berdasarkan model keseluruhan, variabel yang berpengaruh adalah pendidikan kepala rumah
tangga (tidak bersekolah, SD sederajat, SMP sederajat, dan SMA sederajat), jumlah pengeluaran
untuk makanan dalam satu bulan, jumlah anggota rumah tangga, jumlah anggota rumah tangga
usia dibawah 1 tahun, jumlah anggota rumah tangga usia antara 1-5 tahun, , jumlah anggota
rumah tangga usia antara 6-12 tahun, rata-rata pengeluaran per kapita, daerah tempat tinggal,
pekerjaan utama kepala rumah tangga, usia kepala rumah tangga, jumlah pengeluaran untuk
konsumsi ikan/udang/cumi/ kerang, jumlah pengeluaran untuk konsumsi kacang-kacangan,
jumlah pengeluaran untuk konsumsi tembakau dan sirih, dan status rumah tangga.
5.2 Saran
Untuk penelitian selanjutnya sebaiknya agar mendapatkan nilai R-Square yang tinggi perlu
dilakukan permodelan dengan menggunakan bentuk yang lain karena di dalam penelitian ini masih
terdapat kekurangan yaitu nilai R-Square yang kecil. Permodelan yang lain dapat dicobakan dengan
menggunakan metode non parametrik.
DAFTAR PUSTAKA
Anonim, 2010. Diskusi Ilmiah SEAFAST LPPM IPB Peranan Susu Dalam Upaya Peningkatan
Status Gizi Anak. <http://seafast.ipb.ac.id/index.php/latest-news/52-diskusi-ilmiah-seafastlppm-ipb-peranan-susu-dalam-upaya-peningkatan-status-gizi-anak>. diakses tanggal 29 April
2011.
Antara
News,
2010.
Konsumsi
Susu
di
Indonesia
Masih
Rendah.
<http://www.antaranews.com/berita/1273934073/ konsumsi-susu-di-indonesia-masih-rendah>
diakses tanggal 29 April 2011.
Bierens, H. J., 2004. The Tobit Model. <http://econ.la.psu.edu/ ~hbierens/EasyRegTours/
TOBIT_Tourfiles/TOBIT. PDF>. diakses tanggal 27 Desember 2010.
Cecep, Faktorfaktor yang Mempengaruhi Konsumsi Susu pada Remaja. Bogor: Institut Pertanian
Bogor.
Ekstrand, C and Carpenter T.E., 1998. Using a Tobit Regression Model to Analyse Risk Factors for
Foot-Pad Dermatitis in Commercially Grown Broilers. Preventive Veterinary Medicine.
Vol.37 pp.219-228.
Gklinis, 2004. Kalsium Tak Cuma Menguatkan Tulang. < http://www.gizi.net/cgi-bin/berita/
fullnews.cgi?newsid1073961121,15329>. diakses tanggal 6 maret 2011.
Greene, W. H., 2008. Econometrics Analysis, 6th edition. New Jersey: Prentice Hall.
Hanief, I.U., 2010. Analisis Regresi Tobit Terhadap FaktorFaktor yang Mempengaruhi Pengeluaran
Biaya Kesehatan Rumah Tangga (RT) di Wilayah Perkotaan dan Pedesaan di Propinsi Jawa
Timur. Surabaya: Institut Teknologi Sepuluh Nopember.
Hatirli, S.A., Ozkan, B, and Aktas, A.R., 2004. Factors affecting fluid milk purchasing sources in
Turkey. Food Quality and Preference. Vol.15 pp.509515.
Kamus Ilmiah, 2010. Manfaat Kalsium Bagi Tubuh Anda. <http://www.kamusilmiah.com/
kesehatan/manfaat-kalsium-bagi-tubuh-anda>. diakses tanggal 20 Desember 2010
Laily, U., 2010. Analisis Faktor-Faktor Yang Mempengaruhi Pengeluaran Konsumsi Untuk Makanan
Berprotein dengan Menggunakan Regresi Tobit. Surabaya: Institut Teknologi Sepuluh
Nopember.
Marin-Galiano, M and Kunert, J. 2006. Comparison of ANOVA with the Tobit model for analysing
sensory data. Food Quality and Preference. Vol.17 pp.209-2018.
Purnomo, T. C., 2008 . Perbandingan Model Regresi Linier Klasik dan Tobit Bivariat Studi Kasus
Pada Pengeluaran Rumah Tangga Untuk Konsumsi Daging dan Susu. Surabaya: Institut
Teknologi Sepuluh Nopember.
Rini, M.P., 2010. Analisis Regresi Tobit Pada Faktor-Faktor yang Mempengaruhi Partisipasi
Perempuan Kawin Dalam Kegiatan Ekonomi Di Jawa Timur. Surabaya: Institut Teknologi
Sepuluh Nopember.
11

Selby, A., 2004. Makanan Berkhasiat. Jakarta: Erlangga.

Sigelman, Lee and Zeng, L., 1999. Analyzing Censored and Sample-Selected Data with Tobit and
Heckit Models. Political Analysis. Vol.8 pp.167182.
Sinar Tani, 2011. Menyambut Hari Susu Nasional Diperlukan Terobosan Baru Pemasaran Susu
<http:// www.sinartani.com/agriwacana/menyambut-hari-susu-nasional-diperlukan-terobosanbaru-pemasaran-susu-1275365247.htm>. diakses tanggal 29 April 2011.
Stephens, M. A., 1974. EDF Statistics for Goodness of Fit and Some Comparisons. Journal of the
American Statistical Association (American Statistical Association). Vol.69 No.347 pp. 730
737.
Tobin, J., (1958). Estimation of Relationships for Limited Dependent Variabel. Econometrica, Vol.26
pp.24-36.
Varnam, A. H. and Sutherland, J. P., 1994. Milk and Milk Products. London: Chapman & Hall.
Wikipedia, 2010. Susu. <http://id.wikipedia.org/wiki/Susu>. diakses tanggal 27 Desember 2010.

12