Model Regresi Pendapatan Rumah Tangga Tani

ANALISIS REGRESI





Oleh:
Mompo O. Tambunan 140610090049
Marisdani H. G. S 140610090055
Lismawati Haloho 140610090079
Vicdanier Simamora 140610090071
Martumpal C. P. S 140610090085


Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Padjadjaran
2010/2011
KATA PENGANTAR
Puji dan syukur penulis panjatkan kahadirat Tuhan Yang Maha Esa , karena berkat serta rahmat-Nya
penulis dapat menyelesaikan Makalah dengan judul Pengaruh Pendapatan Rumah Tangga
Pertanian Padi (Rupiah) yang Mencerminkan Keadaan Tingkat Sosial Ekonomi Rumah Tangga
Pertanian terhadap Jumlah Anggota Rumah Tangga (orang) , Usia Petani (tahun) , Luas tanah yang
diusahakan (hektar), Nilai Produksi Pertanian Padi(rupiah), Biaya pembelian bibit, pupuk , dan
pestisida (rupiah), Upah buruh (rupiah), Pengeluaran Pajak (rupiah), Biaya sewa /pemeliharaan alat
pertanian /biaya pengairan (rupiah), dan Pendapatan lain dari sewa/kontrak (lahan
/bangunan),pensiun, dan lainnya (rupiah).
Tujuan penulisan makalah ini adalah untuk memenuhi tugas dari dosen mata kuliah Analisis Regresi
di Jurusan Statistika FMIPA Unpad.
Penulis mengucapkan terimakasih kepada ibu Hj Tineu soemartini,M.Si selaku dosen analisis regresi
yang memberikan tugas makalah tentang analisis regresi multipel kepada penulis sehingga
membantu penulis untuk lebih mengerti tentang regresi multipel dan asumsi klasiknya, terimakasih
kepada perpustakan jurusan Statistika FMIPA Unpad yang telah menjadi fasilitator dalam pencarian
sumber data dari skripsi mahasiswa statistika FMIPA Unpad, dan trimaksih penulis ucapkan kepada
teman teman jurusan statistika 2009 FMIPA Unpad yang telah memberikan dukungan dalam
pembuatan makalah ini dan yang telah menyumbangkan informasi yang berkaitan dengan makalah
penulis.
Akhir kata, tak ada gading yang tak retak. Begitu juga dengan makalah ini, penulis sangat menyadari
bahwa makalah ini masih jauh dari kesempurnaan. Oleh karena itu, penulis masih membutuhkan
kritik dan saran yang membangun agar makalah ini menjadi lebih baik lagi. Terimakasih .

Penulis





BAB 1 PENDAHULUAN
1.1 LATAR BELAKANG
Pendapatan rumah tangga pertanian dapat mencerminkan keadaan tingkat sosial ekonomi rumah
tangga pertanian, baik yang bersumber dari jenis usaha pertanian yang pokok, maupun dari usaha
lainnya serta lapangan usaha nonpertanian.
Penulis ingin mengelola data pendapatan rumah tangga pertanian baik yang bersumber dari jenis
usaha pertanian yang pokok, maupun dari usaha lainnya serta lapangan usaha nonpertanian untuk
mengaplikasikan metode metode regresi yang telah penulis peroleh dari dosen mata kuliah analisis
regresi. Adapun data yang digunakan ini merupakan data sekunder yang berasal dari Badan Pusat
Statistik mengenai pendapatan usaha pertanian padi selama tahun 1993 untuk daerah Kabupaten
Sleman Yogyakarta , yang datanya disajikan dilampiran...
Data BPS ini penulis peroleh dalam skripsi Neni Sri Wahyuni(angkatan 1997),NPM D1G97027
Jurusan Satistika FMIPA Unpad yang berjudul Regresi Komponen Utama dengan Menggunakan
Data Komponen yang Terpilih.
Data tentang pendapatan rumah tangga pertanian tersebut merupakan hasil sampling dengan
ukuran sampel yang diambil sebanyak 58 responden rumah tangga pertanian padi.
Adapun Variabel yang diukur adalah:
Y : Pendapatan Rumah Tangga Pertanian Padi (Rupiah)
X
1
: Jumlah Anggota Rumah Tangga (orang)
X
2
: Usia Petani (tahun)
X
3
: Luas tanah yang diusahakan (hektar)
X
4
: Nilai Produksi Pertanian Padi(rupiah)
X
5
: Biaya pembelian bibit, pupuk , dan pestisida (rupiah), Upah buruh (rupiah)
X
6
: Pengeluaran Pajak(rupiah)
X
7
: Biaya sewa /pemeliharaan alat pertanian /biaya pengairan (rupiah)
X
8
: Pendapatan lain dari sewa/kontrak (lahan /bangunan),pensiun, dan lainnya (rupiah).
Dari variabel ukur diatas ,penulis ingin mengetahui apakah ada hubungan antara variabel variabel
bebasnya (X
i
; i=1,2,3...,9) dengan variabel tak bebasnya (Y),
Penulis sering dihadapkan pada suatu permasalahan yang melibatkan sejumlah variabel. Salah satu
cara yang bisa digunakan untuk menganalisa permasalahan itu adalah analisis regresi. Dalam
menaksir koefesien regresi linier multipel, metode yang dianggap paling sederhana dan biasa
digunakan adalah metode regresi kuadrat terkecil biasa. Akan tetapi penggunaan metode kuadrat
terkecil biasa akan memberikan taksiran koefesien regresi yang tidak efesien apabila terdapat
multikolinieritas yang merupakan salah satu pelanggaran asumsi regresi linier klasik.
Multikolinearitas adalah suatu keadaan dimana terdapat hubungan linier sempurna antara beberapa
atau semua variabel variabel bebas yang ada dalam satu model regresi .Jika terdapat
multikolinearitas hampir sempurna, maka metode kuadrat terkecil biasa akan menghasilkan taksiran
koefesien regresi yang kurang baik, karena variansnya akan menjadi sangat besar, akan tetapi jika
terjadi multikolinearitas sempurna, maka taksiran koefesien regresi dengan menggunakan metode
kuadrat terkecil biasa tidak akan didapatkan.

1.2 IDENTIFIKASI MASALAH
Berdasarkan latar belakang diatas yang menjadi permasalahan adalah metode penaksiran seperti
apakah yang dapat digunakan untuk membangun model variabel variabel bebas dengan variabel
tak bebasnya,apakah data tersebut sudah memenuhi asumsi asumsi ANAVA?
apakah data tersebut jika diuji koefesien regresi multipelnya secara parsial semua variabel
bebasnya dapat diterima dalam model?, bagaimana keberartian koefesien korelasinya dan
keberartian koefesien koefesien korelasi jika diuji secara parsial, metode apa yang dapat dilakukan
agar didapatkan taksiran koefesien regresi yang terbaik jika terdapat multikolinearitas diantara
variabel-variabel bebasnya?

1.3 MAKSUD DAN TUJUAN PENELITIAN
Maksud dari penelitian ini adalah ingin mengetahui metode apa yang digunakan untuk menentukan
model persamaan dari data tersebut, apakah data tersebut memiliki pelanggaran asumsi klasik?
Tujuan penlitian ini adalah untuk mengetahui faktor-faktor /variabel-variabel apa sajakah yang
berpengaruh signifikan pada pendapatan rumah tangga petani padi tersebut?
Manfaaat penelitian
Adapun manfaat dengan dilakukannya penelitian terhadap masalah tersebut adalah sebagai berikut:
1. Penulis dapat mengetahui bagaimana mengelola dan menganalisis data dan mengaplikasikan
ilmu analisis regresi yang telah penulis pelajari.
2. Dari data tersebut , penulis dapat memperoleh informasi mengenai faktor faktor/variabel
variabel yang akan mempengaruhi pendapatan rumah tangga pertanian padi.












BAB II
2.1 Pendahuluan
Analisis regresi
Analisis regresi ialah suatu teknik dalam statistika yang digunakan untuk meramalkan nilai satu atau
lebih variabel tak bebas dari sejumlah variabel bebas.Model regresi yang menggunakan lebih dari
satu variabel tak bebas disebut regresi multipel.
Secara umum hubungan antar variabel dapat dinyatakan dalam bentuk Y={X
1
,X
2
, . . .,X
n
}
DenganX adalah variabel bebas dan Y adalah variabel tak bebas.Jika koefisien dari variabel variabel
berbentuk linear dapat dituliskan dalam bentuk matriks secara umum sbagai berikut:
Y=X+ (2.1)
Dengan Y :vektor variabel tak bebas,berukuran N x1
X :matrik variabel bebas, nerukuran N x(p+1)
: vektor parameter yang tidak diketahui ,berukuran (p+1) x 1
: vektor galat ,berukuran N X1
Persamaan (2.1) adalah model untuk populasi.Apabila
i
; i= 0,1,2,... , p ditaksir dengan

0,

1,

p,
maka model sampelnya adalah :
Y = X

+ e
Jika setiap data memiliki satuan yang berbeda , maka data di atas distandarisasi dengan cara
dikurangi dengan rata rata kolomnya dan kemudian dibagi dengan standart deviasinya, sehingga
ukuran matriks X menjadi n x p dan vektor

berukuran p.
Jika diasumsikan bahwa:
- Xij bukan merupakan variabel acak
- Rank dari X adalah penuh atau tidak terdapat multikolinearitas sempurna diantara variabel
variabel bebas
-
ij
merupakan variabel acak yang berdistribusi normal (0,

)
-
i
dan
j
tidak berkorelasi dan saling bebas

Maka koefisien regresi dapat ditaksir dengan menggunakan metode kerkecil biasa. Metode kerkecil
biasa merupakan metode meminimumkan jumlah kuadrat galat.
Taksiran koefisien regresi untuk persamaan 2.2 adalah:

= ()

() (2.3)
Dengan
Var (

)=

c
ii
(2.4)
Dimana cii adalah komponen dari (()

.Dalam regresi multipel ini sangat penting mendapatkan

taksiran yang baik untuk

.Taksiran tersebut sering digunakan dalam penyeleksian variabel melalui

pengujian hipotesis, atau untuk menilai kualitas model.Biasanya untuk memilih model regresi adalah
yang mempunyai

(taksiran terbaik untuk

) minimum.
Selanjutnya

ditulis dalam persamaan:

=
( )

)


Dimana p : banyaknya variabel bebas .
Uji Koefisien Regresi dan Uji Linieritas
Pada waktu kita meninjau kecenderungan dari pada diagram pencar yang dianggap menggelompok
disekitar garis lurus maka pada saai itu juga kita menghipotesiskan bahwa regresi itu linier.Oleh
karena itu kita harus membuktikan hipotesis itu dengan melakukan uji liniearitas dan uji koefisien
regresi,sehingga model regresi yang dihipotesiskan itu dapat/tidak dapat digunakan.Jika hipotesis
ditolak , maka kita harus menentukan persamaan regresi non linier dengan jalan mencoba coba
regresi non linier yang mana yang cocok dengan observsai tersebut.Untuk mengetahui apakah
regresi itu linier atau tidak dan apakah variabel Y saling bebas dengan variabel variabel X nya kita
dapat menggunakan daftar Anava.Sedangkan hipotesisnya adalah:
H
0
: = 0 variabel Y bebas dari variabel X(Koefisien arah regresi tidak ada artinya)
H
1
: 0 variabel Y tidak bebas dari variabel X(Koefisien arah regresi berarti)
Sedangkan untuk uji linieritas hipotesisnya:
H
0
: Persamaan regresi linier
H
1
: Persamaan regresi tidak linier

= ()

()
Daftar anava nya:
Sumber DK JK
Regresi 1 b(XY)
Kekeliruan n-2 YY - b(XY)
Total n-1 YY

Sedangkan:
Fperh=

( )
( )()

Tolak H0,jika Fperh >F
;(1:N-2)

Dan Var( ) =

()

2.2 Regresi Multipel
Dalam Kenyataannya bahwa suatu hubungan antar variabel-variabel bukan hanya terdiri dari dua
variabel saja.Tetapi dapat juga terjadi hubungan antara tiga variabel atau lebih. Apabila kita ingin
mencari hubungan antara variabel-variabel tersebut,maka harus menggunakan suatu model yang
disebut dengan persamaan regresi multiple,dengan model:
Y=
0
+
1
X
1
+.+
k
X
k
+
Karena kita mempunyai n pasangan data yakni:
(X
11
,Y
1
),(X
21
, Y
1
).(x
n1
, Y
n
), (X
21
, Y
1
). (X
n2
, Y
n
). (X
1k
, Y
1
). (X
nk
, Y
n
)
Sehingga model diatas menjadi:
Y=
0
+
1
X
1i
+.+
h
X
k
+
Apabila ditulis dalam bentuk matriks diperoleh:

Dengan:

Untuk menaksir dipergunakan Metoda Kuadrat Terkecil ,bentuk diatas diubah menjadi:



Apabila persamaan diatas diturunkan terhadap parameternya dan disamakan dengan nol diperoleh:



Dimana:

'
Y X o c = +
1
2
.
.
n
Y
Y
Y
Y
(
(
(
(
=
(
(
(
(

1
2
.
.
k
o
o
o
o
(
(
(
(
=
(
(
(
(

1
2
3
.
.
i
c
c
c
c
(
(
(
(
=
(
(
(
(

11 12 1
21 22 2
1 2
1 .....
1 .....
.
.
1 .....
k
k
n n nk
X
x x x
x x x
x x x
(
(
(
(
=
(
(
(
(

o
'
i
Y X o
c
=
'
' ' '
( )( )
i i
Y X Y X o o
c c
=
' ' ' ' '
YY Y X Y X X X o o o o =
' ' '
( ) 2 ( )
i i
Y X X Y X X o
o
c c
c
=
c
' ' '
( ) ( ) X X X Y o =
^
' ' 1
( ) ( ) X X X Y o

=
'
x1Y
x2Y
.
.
xkY
Y
X Y
(
(

(
(
=
(
(
(
(

2
2
'
2
n x1 x2........ xk
x1 x1 x2x1..... x1xk
x2 x2x1 x2 ....... x2xk
.
.
xk xkx1 2...... xk
X X
xkx
(
(

(
(

( =
(
(
(
(


Untuk mengetahui apakah koefisien regresi atau tidak ,maka perlu dilakukan pengujian dengan daftar
anava .Sedangkan bentuk hipotesisnya adalah:
H
0
:
*
=0 >> model yang digunakan
H
1
:
*
0 >> model yang digunakan
Sumber variasi DK JK RJK F
Regresi K
( )/k

Residu k-n-1
/k-n-1
{( )/k}/{
/k-n-1}
Jumlah n-1



Sehubungan dengan masalah regresi multiple mak yang dibahas adalah mengenai pengujian hipotesis
dan interval taksiran koefisien regresi multiple rata-rata responden dan nilai responden yang tunggal.
a.Pengujian Hipotesis(apakah koefisien regresi mempunyai arti atau tidak)
H
0
:
j
=
j0

H
1
:
j

j0
Satistik yang digunakan adalah:

Terima H
0
jika :

Dengan:


Kesimpulan dalam Regresi Multipel
a. Pengujian Hipotesis
Untuk menguji kebeartian koefisien regresi multipel dari persamaan regresi:
=b
0
+ b
1
x
1
+ b
2
x
2
+ . . . +b
k
x
k

0
Y c
o
= +
'
Y X o c = +
2
' '
( ) b X Y nY
2
' '
( ) b X Y nY
' ' '
( ) Y Y b X Y
' ' '
( ) Y Y b X Y
2
' '
( ) b X Y nY
' ' '
( ) Y Y b X Y
2
'
( ) Y Y nY
0
j
j
bj
t
b
|
o

=
/2 /2
t
t t o o
< <
/2 /2; 2 n k t t o o
=
Maka hipotesisnya adalah:
H
0
: =
j0

H
1
:
j0


Statistik uji yang digunakan:
t =

Kriteria uji:
Terima H0 jika -t<t < t,dengan t

;n-k-1
Sedangkan var(bj)=

b. Konfidensi Interval
1. Untuk rata rata respon
Salah satu kesimpulan yang paling banyak digunakan adalah yang dapat dibuat oleh persamaan
regresi untuk meramalkan respon 0 berdasarkan nilai nilai x
10
, x
20
, . . . , x
k0
adalah interval
konfidensi ini dapat dibentuk dari statistik
0
1
0
,..., , / 0
20 10

x X X x s
y
t
ko
x x x y

|
.
|

\
|
'
'

=


yang mengikuti distribusi student t dengan dk= n-k-1 maka
0
1
0 2 / 0 ,..., , / 0
1
0 2 / 0

20 10
x X X x s t y x X X x s t y
a x x x y a
ko

|
.
|

\
|
'
'
+ ( ( |
.
|

\
|
'
'


Dengan t

merupakan nilai dari distribusi t dengan dk = n-k-1

2. Untuk nilai Respon
Konfidensi interval untuk nilai respon ini dapat dibentuk dari statistik:
0
1
0
0 0
1

x X X x s
y y
t

|
.
|

\
|
'
' +

=

yang mengikuti distribusi student t dengan dk= n-k-1 maka
0
1
0 2 / 0 ,..., , / 0
1
0 2 / 0
1 1
20 10
x X X x s t y x X X x s t y
a x x x y a
ko

|
.
|

\
|
'
'
+ + ( (
|
.
|

\
|
'
'
+



2.3 Korelasi Multipel
Perhatikan model regresi multipel linier
Yi =0 + 1 x1 + 2 x2 + . . . + k xk
Dalam regresi linier telah diperoleh:
2
2
JKregresi
r
yi
=

Sehingga koefisien multipel dapat ditentukan dengan :
1
2
. ,..., 2 k
y x x
i
JKregresi
R
y
=

1 1 2 2
...
n n
JKregresi a x y a x y a x y = + + +


k
k k
x y
x y x y
n
=



( )
2
2
2 2
i
i i
Y
y Y
n
=



Koefisien Korelasi multipel dapat juga diperoleh dengan menggunakan:
ii
X YX
R
R
R =1
2
.
2 1


Dengan:
1
1 1 1 1
1
k
k k k k
yy yx k
yx x x x x
yx x x x x
r r x
r r r
R
r r r
| |
|
|
=
|
|
|
\ .

1 1 1 2 1
1 2 2 2 2
1 2
k
k
k k k k
x x x x x x
x x x x x x
YY
x x x x x x
r r r
r r r
R
r r r
| |
|
|
=
|
|
|
\ .


Uji Keberartian Koefisien Multipel
Untuk menguji keberartian koefisien korelasi multipel dengan hipotesis yang berbentuk:
1
1
0 . ,...,
1 . ,...,
: 0
: 0
k
k
y x x
y x x
H
H

=
=

Dipergunakan statistik yang berbentuk:
( ) ( ) { } 1 / / 1
/
2
,..., .
2
,..., .
1
1

=
k n k R
k R
F
k
k
x x y
x x y

Dengan :
n = ukuran sampel
k = banyaknya variabel bebas

Kriteria uji:
0 perh tabel
Tolak H jika F F >

Korelasi Parsial
Korelasi parsil adalah hubungan suatu variabel bebas disertai persyaratan sejumlah variabel bebas
lain dalam keadaan tertentu.Dalam hal ini kita akan mengontrol sejumlah faktor(variabel bebas) dan
melihat bagaimana faktor tertentu berhubungan dengan variabel tak bebas.
ij. p+1 . . . p+q =

[()()]

Dimana: i,j =1,2,3,...
P= 1,2,...
q=0,1,..
dengan Rij merupakan kofaktor dari matriks R yaitu:
12 13 1.
23 2.
1
1
1
p q
p q
r r r
r r
+
+
(
(
(
(
(


i=1, j=2
jika p=2; q=1 maka korelasi parsil dinyatakan adalah r12.3, untuk menentukan korelasi parsil ini
perhatikan:
12 13
23
~
1
1
1
r r
r
R
| |
|
=
|
|
\ .

Maka :
12 13
12 23 13 12 12
13
1
r r
R R r r r
r
| |
= =
|
\ .

23 2
23 11 11
23
1
1
1
r
R R r
r
| |
= =
|
\ .

13 2
13 22 22
13
1
1
1
r
R R r
r
| |
= =
|
\ .

Sehingga
( )( )
12 23 13
12.3
2 2
13 23
1 1
r r r
r
r r

=



Secara umum bentuk diatas dapat ditulis sebagai berikut:
( )( )
2 2
.
1 1
jc ic
jc ic ij
c ij
r r
r r r
r


=

Dan
( )( )
2
.
2
.
. . .
.
1 1
h jc h ic
h jc h ic h ij
ch ij
r r
r r r
r


=













BAB III
Pembahasan

Regresi Multipel
No. X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
Y
1 4 55 0,27 480200 195450 64050 2700 12000 70000 852200
2 4 51 0,51 1380050 276000 195480 4650 80000 90000 1629050
3 5 56 0,12 161000 89900 11500 2000 2500 50000 436000
4 1 68 0,17 365000 117250 92000 2000 10200 50000 562000
5 6 56 0,06 133200 74850 15800 1960 1800 45000 356200
6 5 56 0,36 1035300 241500 115300 2700 60000 75000 1329300
7 5 48 0,06 132550 734000 35500 2450 1900 70000 348550
8 5 51 0,18 397400 128500 62750 2000 150000 60000 667400
9 3 53 0,35 784950 231700 144400 4450 50000 60000 1264950
10 4 46 0,1 153500 85280 15000 1500 2500 60000 420500
11 5 34 0,24 660100 211850 81000 2600 40000 50000 1095100
12 7 67 1,3 2310200 479000 242000 14200 180000 100000 5579200
13 5 41 0,42 1290100 249800 174600 4000 75000 65000 147100
14 4 49 0,06 130250 69850 12000 1750 2000 50000 229250
15 5 50 0,22 416600 140900 55600 2500 10000 80000 730600
16 4 52 0,2 440100 169100 87000 2100 16000 65000 820100
17 5 51 0,07 140100 77750 19500 1700 2000 70000 370100
18 5 62 0,77 1980250 293500 382000 7850 130000 70000 2510250
19 4 42 0,18 390250 128900 16000 2250 12000 60000 615250
20 4 49 0,16 325000 105300 44000 1500 14000 60000 517000
21 5 73 0,08 147450 83800 19000 2000 2000 120000 417450
22 5 45 0,23 586750 202900 86460 1400 10000 120000 1058750
23 4 35 0,21 403800 139600 71500 5000 11600 120000 693800
24 3 65 0,15 178750 93800 62000 2000 3100 120000 468750
25 9 40 0,24 523000 192000 20925 2000 14000 120000 953000
26 3 60 0,18 397600 135000 71500 6000 11200 120000 689500
27 2 67 0,25 418050 147600 76000 4000 10000 60000 762050
28 4 60 0,88 1994500 408500 301550 5100 156000 250000 3154500
29 5 55 1,33 2373800 484200 261000 10000 140000 120000 9093800
30 4 70 0,15 225000 99000 47000 7500 8000 120000 490000
31 5 60 0,15 197300 99200 55925 3000 6000 120000 4477300
32 4 40 0,04 124600 59900 20400 1000 1000 60000 262600
33 3 35 0,35 914000 235800 101720 6000 60000 160000 1299000
34 2 60 0,22 419300 149350 27000 3150 13500 125000 771300
35 1 60 0,16 350000 107000 37000 1500 10000 60000 520000
36 7 70 0,24 421500 149850 998000 4000 8000 120000 775500
37 5 32 0,26 455600 168000 191650 5000 20000 120000 825600
38 1 25 0,16 320000 99800 20000 2000 10000 60000 505000
39 4 57 0,51 1404900 277750 177000 2656 88000 200000 1734900
40 5 60 0,88 1997500 302000 326000 10000 164000 120000 2803500
41 3 49 0,17 370000 118850 12000 1650 11200 100000 586000
42 5 62 0,63 1861000 292500 203875 3200 124500 120000 2084000
43 3 70 0,72 1866000 299000 161000 5600 120000 96000 2242000
44 5 49 0,14 165000 91275 11000 2770 2200 120000 456000
45 4 34 0,16 356800 109000 38000 1700 10000 72000 535300
46 3 45 0,27 600000 202900 32500 7500 16000 144000 1064000
47 7 76 0,85 1992000 372000 312000 2500 100000 249000 3212000
48 4 35 0,27 452400 151320 93000 1850 12000 96000 778400
49 4 40 0,16 363500 108500 48000 2625 12000 60000 548300
50 4 37 0,21 404500 140500 12000 3250 11200 96000 706500
51 4 29 0,54 1446500 299500 159300 2413 87000 96000 1877500
52 4 60 0,21 483000 196100 49800 2200 17000 72000 927000
53 3 42 0,49 1044000 244000 108800 3000 78200 240000 1424000
54 8 55 0,15 258400 98800 81040 1000 8800 180000 494400
55 3 43 0,2 416800 140900 128880 4300 11800 120000 736800
56 5 35 0,3 875200 231800 195920 1200 56000 180000 1295200
57 7 49 0,2 411400 141800 135940 3000 15200 120000 726400
58 6 45 0,13 160200 90500 15000 1500 2400 120000 450200

Dari hasil perhitungan menggunakan software Excel didapat:
253
1
=

x 1243
2
1
=

x 341299600
1
=

yx
2961
2
=

x 159497
2
2
=

x 3959597550
2
=

yx
18,27
3
=

x 10,3125
2
3
=

x 42966595
3
=

yx
40486200
4
=

x 13 5,1372E
2
4
+ =

x 13 9,02989E
4
+ =

yx
11064675
5
=

x 12 2,96514E
2
5
+ =

x 13 1,9753E
5
+ =

yx
6635165
6
=

x 12 2,0204E
2
6
+ =

x 13 1,26108E
6
+ =

yx
201424
7
=

x 1063597030
2
7
=

x 11 3,88272E
7
+ =

yx
2293800
8
=

x 11 2,34652E
2
8
+ =

x 12 5,6858E
8
+ =

yx
5996000
9
=

x 11 7,57094E
2
9
+ =

x 12 8,73105E
9
+ =

yx
72380400 =

y 14 2,13409E
2
+ =

y

12997
2 1
=

x x 987,23
3 2
=

x x 22628215
4 3
=

x x
84,18
3 1
=

x x 2175471550
4 2
=

x x 4850411
5 3
=

x x
08 1,85E
4 1
+ =

x x 575967105
5 2
=

x x 3252545
6 3
=

x x
50227925
5 1
=

x x 371479430
6 2
=

x x 93334,98
7 3
=

x x
32907645
6 1
=

x x 10744259
7 2
=

x x 1438432
8 3
=

x x
892786
7 1
=

x x 08 1,25E
8 2
+ =

x x 2192610
9 3
=

x x
10695400
8 1
=

x x 08 3,11E
9 2
+ =

x x
27091000
9 1
=

x x

13 1,08077E
5 4
+ =

x x 12 1,61493E
6 5
+ =

x x 10 3,1057E
7 6
+ =

x x
12 7,30207E
6 4
+ =

x x 10 4,7041E
7 5
+ =

x x 11 4,4673E
8 6
+ =

x x
11 1,99165E
7 4
+ =

x x 11 6,57871E
8 5
+ =

x x 11 8,08315E
9 6
+ =

x x
12 3,26975E
8 4
+ =

x x 12 1,24243E
9 5
+ =

x x 10 1,239E
8 7
+ =

x x
12 4,88312E
9 4
+ =

x x 10 2,1945E
9 7
+ =

x x
11 2,829E
9 8
+ =

x x


Menentukan Persamaan Regresi Multipel
( ) ( ) Y X X X b ' ' =
1

=
1
2
9
9 8
2
8
9 7
9 6
9 5
9 4
8 7
8 6
8 5
8 4
2
7
7 6
2
6
7 5 6 5
2
5
7 4 6 4 5 4
2
4
9 3
9 2
9 1
9
8 3
8 2
8 1
8
7 3 6 3 5 3 4 3
7 2 6 2 5 2 4 2
7 1 6 1 5 1 4 1
7 6 5 4
2
3
3 2
2
2
3 1 2 1
2
1
3 2 1

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|

x
x x x
x x
x x
x x
x x
x x
x x
x x
x x
x
x x x
x x x x x
x x x x x x x
x x
x x
x x
x
x x
x x
x x
x
x x x x x x x x
x x x x x x x x
x x x x x x x x
x x x x
x
x x x
x x x x x
x x x n
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|

9
8
7
6
5
4
3
2
1
yx
yx
yx
yx
yx
yx
yx
yx
yx
y


=
1
11 7,57094E
11 2,829E 11 2,34652E
10 2,1945E 10 1,239E 1063597030
11 8,08315E 11 4,4673E 10 3,1057E 12 2,0204E
12 1,24243E 11 6,57871E 10 4,7041E 12 1,61493E 12 2,96514E
12 4,88312E 12 3,26975E 11 1,99165E 12 7,30207E 13 1,08077E 13 5,1372E
2192610 1438432 93334,98 3252545 4850411 22628215 10,3125
08 3,11E 08 1,25E 10744259 371479430 575967105 2175471550 987,23 159497
27091000 10695400 892786 32907645 50227925 08 1,85E 84,18 12997 1243
5996000 2293800 201424 6635165 11064675 40486200 2961 18,27 253 58

|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|
+
+ +
+ +
+ + + +
+ + + + +
+ + + + + +
+ +
+
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|
+
+
+
+
+
+
12 8,73105E
12 5,6858E
11 3,88272E
13 1,26108E
13 1,9753E
13 9,02989E
42966595
3959597550
341299600
72380400

|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|
12 - 9,26E 12 - 1,54623E 11 - 4,27763E 13 - 3,0802E - 14 - 6,49076E - 13 - 1,60707E - 07 - 6,49447E - 09 - 1E - 08 - 3,3E - 07 - 6E -
12 - 1,55E 11 - 4,36786E 11 - 4,70681E - 13 - 5,72769E 13 - 3,55334E 12 - 3,3202E - 07 - 3,56509E 09 - 1,7E - 08 - 5,1E - 07 - 6,57E
11 - 4,28E 11 - 4,70681E - 09 - 7,39389E 11 - 1,2354E - 12 - 5,54631E - 11 - 3,10568E 8 0,00010703 - 08 - 4,8E - 06 - 1,2E 05 - 1,7E -
13 - 3,1E - 13 - 5,72769E 11 - 1,2354E - 12 - 1,22627E 14 - 5,31557E 13 - 2,24712E - 07 - 2,31319E 09 - 2,9E - 08 - 2,7E - 07 - 2,53E
14 - 6,5E - 13 - 3,55334E 12 - 5,54631E - 14 - 5,31557E 12 - 2,33588E 13 - 2,22566E - 07 - 2,4796E - 09 - 1,34E 08 - 1,4E - 07 - 2,1E -
13 - 1,6E - 12 - 3,3202E - 11 - 3,10568E 13 - 2,24712E - 13 - 2,22566E - 13 - 9,8127E 06 - 1,70272E - 10 - 9,28E 08 - 1,83E 07 - 1,7E -
07 - 6,5E - 07 - 3,56509E 8 0,00010703 - 07 - 2,31319E 07 - 2,4796E - 06 - 1,70272E - 5 4,68022491 0,00273 - 0,03475 - 0,450936
09 - 1E - 09 - 1,68513E - 08 - 4,77527E - 09 - 2,90821E - 09 - 1,34291E 10 - 9,28117E 4 0,00273176 - 0,00014 05 - 3,4E 0,00666 -
08 - 3,3E - 08 - 5,09642E - 06 - 1,20115E 08 - 2,71828E - 08 - 1,43907E - 08 - 1,82651E 2 0,03474960 - 05 - 3,4E 0,008487 0,03343 -
07 - 6E - 07 - 6,56552E 05 - 1,65306E - 07 - 2,52704E 07 - 2,12096E - 07 - 1,67431E - 6 0,45093646 0,00666 - 0,03343 - 0,583583

|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|
+
+
+
+
+
+
12 8,73105E
12 5,6858E
11 3,88272E
13 1,26108E
13 1,9753E
13 9,02989E
42966595
3959597550
341299600
72380400
=
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|
8 0,55124727 -
3,22304357 -
7 58,9261006 -
3 0,56954495 -
0,41381883
3 2,21496905 -
7 10118150,3
3 2499,58996
1 27563,3345
7 265683,720 -


Maka persamaan regresi multipelnya adalah:
10
9 8 7 6 5
4 3 2 1
8 0,55124727 -
3,22304357 - 7 58,9261006 - 3 0,56954495 - 0,41381883 3 2,21496905 -
7 10118150,3 3 2499,58996 3 2499,58996 1 27563,3345 07 -265683,72
x
x x x x x
x x x x y
+
+ + + + =

Berdasarkan hasil diatas dapat diberikan kesimpulan sementara bahwa pendapatan rumah tangga
pertanian padi akan bertambah :sebesar apabila jumlah anggota keluarga bertambah sebesar satu
satuan,sebesar apabila usia petani bertambah sebesar satu satuan,sebesar apabila luas tanah yang
diusahakan bertambah sebesar satu satuan,sebesar apabila nilai produksi pertanian padi
bertambah sebesar satu satuan,sebesar apabila biaya pembelian bibit bertambah sebesar satu
satuan,sebesar apabila pengeluaran pajak bertambah sebesar satu satuan,sebesar apabila biaya
sewa bertambah sebesar satu satuan,sebesar apabila pendapatan lain dari sewa bertambah satu
satuan.

Pengujian Hipotesis
Daftar ANAVA
Sumber Variasi Dk JK RJK F
Regresi 9 9,94553E+1 1,10506E+13 22,44973
Residu 48 2,36274E+13 4,92237E+11
Total 57 1,23083E+14

Var(b
j
) =
1 2
) (

'X X o
= 4,92237E+11
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|
12 - 9,26E 12 - 1,54623E 11 - 4,27763E 13 - 3,0802E - 14 - 6,49076E - 13 - 1,60707E - 07 - 6,49447E - 09 - 1E - 08 - 3,3E - 07 - 6E -
12 - 1,55E 11 - 4,36786E 11 - 4,70681E - 13 - 5,72769E 13 - 3,55334E 12 - 3,3202E - 07 - 3,56509E 09 - 1,7E - 08 - 5,1E - 07 - 6,57E
11 - 4,28E 11 - 4,70681E - 09 - 7,39389E 11 - 1,2354E - 12 - 5,54631E - 11 - 3,10568E 8 0,00010703 - 08 - 4,8E - 06 - 1,2E 05 - 1,7E -
13 - 3,1E - 13 - 5,72769E 11 - 1,2354E - 12 - 1,22627E 14 - 5,31557E 13 - 2,24712E - 07 - 2,31319E 09 - 2,9E - 08 - 2,7E - 07 - 2,53E
14 - 6,5E - 13 - 3,55334E 12 - 5,54631E - 14 - 5,31557E 12 - 2,33588E 13 - 2,22566E - 07 - 2,4796E - 09 - 1,34E 08 - 1,4E - 07 - 2,1E -
13 - 1,6E - 12 - 3,3202E - 11 - 3,10568E 13 - 2,24712E - 13 - 2,22566E - 13 - 9,8127E 06 - 1,70272E - 10 - 9,28E 08 - 1,83E 07 - 1,7E -
07 - 6,5E - 07 - 3,56509E 8 0,00010703 - 07 - 2,31319E 07 - 2,4796E - 06 - 1,70272E - 5 4,68022491 0,00273 - 0,03475 - 0,450936
09 - 1E - 09 - 1,68513E - 08 - 4,77527E - 09 - 2,90821E - 09 - 1,34291E 10 - 9,28117E 4 0,00273176 - 0,00014 05 - 3,4E 0,00666 -
08 - 3,3E - 08 - 5,09642E - 06 - 1,20115E 08 - 2,71828E - 08 - 1,43907E - 08 - 1,82651E 2 0,03474960 - 05 - 3,4E 0,008487 0,03343 -
07 - 6E - 07 - 6,56552E 05 - 1,65306E - 07 - 2,52704E 07 - 2,12096E - 07 - 1,67431E - 6 0,45093646 0,00666 - 0,03343 - 0,583583


11 + 4,92237E
) (
=
bj
o
= 701595,8947

Untuk menguji apakah koefisien regresi mempunyai arti atau tidak maka hipotesisnya adalah:
1. H
0
:

2. H
0
:

3. H
0
:

H
1
:

H
1
:

H
1
:

4. H
0
:

5. H
0
:

6. H
0
:

H
1
:

H
1
:

H
1
:

7. H
0
:

8. H
0
:

9. H
0
:

H
1
:

H
1
:

H
1
:

10. H
0
:

H
1
:

Statistik Uji adalah:
bj
oj
bj
t
o
|
=
1. 3 0,42645638
9 0,09212342 7 701595,894
1 27563,3345
1
= = t
2. 0,30117039
4 0,01182958 7 701595,894
3 2499,58996
2
= = t
3. 4 6,66623666
8 2,16338274 7 701595,894
7 10118150,3
3
= = t
4. 95 -3,1870312
07 - 9,90591E 7 701595,894
3 2,21496905 -
4
= = t
5. 6 0,38592090
06 - 1,52836E 7 701595,894
0,41381883
5
= = t
6. 02 -0,7330745
06 - 1,10737E 7 701595,894
3 0,56954495 -
6
= = t
7. 69 -0,9767513
05 - 8,59878E 7 701595,894
7 58,9261006 -
7
= = t
8. 72 -0,6950959
06 - 6,60898E 7 701595,894
3,22304357 -
8
= = t
9. 11 -0,2582083
06 - 3,04291E 7 701595,894
8 0,55124727 -
9
= = t

Kriteria Uji:
Terima H
0
jika t
tabel
< t
hit
< t
tabel
, tolak dalam hal lainnya. Ternyata untuk t
1
, t
2
, t
5
, t
6
, t
7
, t
8
, t
9
, H
0

diterima sehingga variabel x
1
, x
2
, x
5
, x
6
, x
7
, x
8
, x
9
tidak digunakan dalam model regresi terbaik. Namun
untuk t
3
, t
4
H
0
ditolak sehingga variabel x
3
, x
4
digunakan dalam model regresi terbaik.

Maka persamaan regresi multipel:
Harga ( ) ( ) Y X X X a ' ' =
1


|
|
|
.
|

\
|
|
|
|
.
|

\
|
=

4
3
1
2
4 4 3 4
4 3
2
3 3
4 3
yx
yx
y
x x x x
x x x x
x x n


|
|
|
.
|

\
|
+
|
|
|
.
|

\
|
+
=

13 9,03E
42966595
72380400
13 5,1372E 22628215 40486200
22628215 10,3125 18,27
40486200 18,27 58
1


|
|
|
.
|

\
|
=
2,28875 -
9384260
110471 -


Maka persamaan regresi multipel yang baru:
4 3
2,28875 - 9384260 -110471 x x y + =

Berdasarkan hasil diatas dapat diambil kesimpulan sementara pendapatan rumah tangga petani
padi akan bertambah sebesar apabila
) ( ) ( Y X a a X X a ' ' = ' ' '
( )
|
|
|
.
|

\
|
+
=
13 9,03E
42966595
72380400
2,28875 - 9384260 110471,167 -
= 1,88542.10
14

Tabel ANAVA
Sumber Variasi dk JK RJK F
Regresi 2 9,82161E+13 4,91081E+13 108,617639
Residu 55 2,48665E+13 4,52119E+11
Total 57 1,23083E+14

1 2
) ( ) (

' = X X bj Var o
1
13 5,1372E 22628215 40486200
22628215 10,3125 18,27
40486200 18,27 58
11 + 4,52119E

|
|
|
.
|

\
|
+
=
11 + 4,52119E = o
=672397,6284

Konfidensi Interval:
1. Untuk rata-rata respon
Contoh:
Dengan menggunakan contoh di atas, tentukanlah konfidensi interval 95% rata-rata respon bila
x
3
=0,88, x
4
=1994500.

Penyelesaian:
Dari persamaan di atas yakni:

4 3
2,28875 - 9384260 -110471 x x y + =
Bila disubstitusikan nilai x
3
=0,88, x
4
=1994500, diperoleh = 3582770,076 sedangkan
( )
|
|
|
.
|

\
|
|
|
|
.
|

\
|
+
= '

1994500
0,88
1
13 5,1372E 22628215 40486200
22628215 10,3125 18,27
40486200 18,27 58
1994500 0,88 1 ) (
1
0
1 '
0
x X X x
=0,090329487

=4,52E+11 s=672397,6284

=1,67

Maka konfidensi interval adalah:
0
1
0 2 / 0 ,..., , / 0
1
0 2 / 0

20 10
x X X x s t y x X X x s t y
a x x x y a
ko

|
.
|

\
|
'
' + ( ( |
.
|

\
|
'
'

7 0,09032948 4 672397,628 x 1,67 6 3582770,07 7 0,09032948 4 672397,628 x 1,67 - 6 3582770,07
00 0,88.19945 / 1
+ < <
1 3920257,36 1 3245282,79
00 0,88.19945 / 1
< <

2. Untuk nilai respon
Dengan menggunakan contoh di atas maka konfidensi interval untuk nilai respon adalah:
0
1
0 2 / 0 ,..., , / 0
1
0 2 / 0
1 1
20 10
x X X x s t y x X X x s t y
a x x x y a
ko

|
.
|

\
|
'
' + + ( ( |
.
|

\
|
'
' +

7 0,09032948 1 4 672397,628 x 1,67 6 3582770,07 7 0,09032948 1 4 672397,628 x 1,67 - 6 3582770,07
00 0,88.19945 / 1
+ + < < +
7 4755293,48 5 2410246,66
00 0,88.19945 / 1
< <
MEMILIH REGRESI TERBAIK
Masalah utama dalam analisis regresi adalah untuk memutuskan variabel mana yang
dimasukkan dalam model regresi tersebut.Terdapat dua kriteria yang bertentangan untuk
memilih subset(bagian) dari variabel bebas yaitu:
1)Model yang dipilih akan mencakup variabel bebas X yang mungkin jika prediktor adalah
memungkinkan untuk ditentukan dari persamaan yang ditetapkan.
2)Karena biaya yang tercakup dalam menentukan keterangan dari variabel bebas cukup besar.
Membandingkan kedua hal diatas dinamakan memilih bagian regresi yang terbaik .Metode
yang dibahas dalam memilih persamaan regresi terbaik adalah:
1.Semua regresi yang mungkin
2.Bagian Regresi yang baik
3.Prosedur maju
4.Prosedur mundur
5.Prosedur bertahap
Namun yang akan digunakan dalam analisis ini hanya satu metode saja yaitu prosedur maju.


Prosedur Maju
Pada prosedur ini variabel ditambahkan langkah demi langkah.Sedangkan perosedurnya
sebagai berikut:
1)a.Tentukan suatu persamaan regresi antara variabel tak bebas Y denag variabel
bebas X
1
,X
2
,..X
k
yang mempunyai korelasi terbesar.
b.Ujilah persamaan tersebut apakah mempunyai arti atau tidak.
c.Tentukan koefisien korelasi parsial terbesar antara Y dengan X
i
jika X
j
tetap.
d.Ujilah persamaan regresi tersebut(ujilah keberartian) penambahan variable tersebut.
e.Demikianlah seterusnya sampai semua variable bebas sudahdimasukkan kedalam
persamaan regresi.
Untuk menguji penambahan variable dipergunakan:

2) Variabel ditambah satu demi satu.
Pengujian dilakukan secara daftar anava yang berbentuk.
Sumber variasi DK JK
Regresi(a
0
,.,a
k
) k JKR(a
0
,.,a
k
)
Regresi(a
1
/a
0
) 1 JKR(a
1
/a
0
)
Regresi(a
2
/a
0.
a
1
) 1 JKR(a
2
/a
0.
a
1
)
.
.
.
.

Regresi(a
k
/a
0
.a
1,
.,a
k-1
) 1 JKR(a
k
/a
0
.a
1,
.,a
k-1
)
Kekeliruan n-k-1
Jumlah n-1



Dengan:



JKR(a
2
/a
0.
a
1
)= JKR(a
0
,.,a
k
)- JKR(a
2
/a
0.
a
1
)
3).Dengan jumlah kuadrat kekeliruan(JKK)
Dalam JKK variable yang pertamakali dimasukkan adalah yang mempunyai JKK terkecil dan
pengujian dilakukan dengan:

Catatan:
Koefisien korelasi parsial dapat dihitung dengan:

Langkah-langkah:
1)Tentukan persamaan regresi yang sederhana
1 2 1 2 1
1 2
. ,.... . ,....
. ,....
2 2
2
[1 ] / ( 1)
k k
k
Y Y
Y
X X X X X X
F
n k
X X X
R R
R

=

2
2
( ) /
i i
JKT n
Y Y
=

' ' 2
0,
( ...., ) ( ) ( ) /
i k
JKT a X Y n
a a Y
=

1 0
( / ) [ ]
i i
i i
JKR a
n
X Y
a a X Y
=

/ 1
JKK JKKterkecil
F
JKKterkecil n k

=

. 1... . 1...
1...
. 1...
2 2
(1 ) (1 )
2
2
[1 ]
i p p q jp p q
ijp p q
i p p q
R R
r
R
+ + + +
+ +
+ +

=

2)Tentukan koefisien korelasi antara Y dengan X

i
,pilih yang mempunyai koefisien paling
besar.
3)Uji apakah persamaan tersebut dapat diterima atau tidak,dengan criteria tolak persamaan
apabila F<Ftabel.
Tentukan koefisien korelasi parsial antara Y dengan X
j
dan X
i
adalah tetap,dan pilih yang
mempunyai terbesar .Uji apakah signifikan atau tidak,jika signifikan maka variable tersebut
dimasukkan kedalam persamaan.
3)Demikian seterusnya sampai semua semua variable dimasukkan kedalam persamaan .
4)Tentukan persamaan regresi tersebut.
Catatan: Pengujian dilakukan secara F parsial.

Atau:
Tolak variabel jika:
F<Ftabel.

Variabel r R
2
%
rx
1
y 0.204038444 0.041631686
rx
2
y 0.272921377 0.074486078
rx
3
y 0.889939572 0.791992443
rx
4
y 0.779436692 0.607521557
rx
5
y 0.605928785 0.367149692
rx
6
y 0.363249169 0.131949959
rx
7
y 0.67594214 0.456897777
rx
8
y 0.701058131 0.491482503
rx
9
y 0.317481249 0.100794343
y.x
1
x
3
0.891149547 0.794147515
y.x
2
x
3
0.890289645 0.792615652
y.x
3
x
4
0.933633661 0.871671813
y.x
3
x
5
0.89004137 0.79217364
y.x
3
x
6
0.893352786 0.7980792
y.x
3
x
7
0.890583349 0.793138702
y.x
3
x
8
0.890334072 0.79269476

Dari hasil koefisien korelasi satu variabel nilai korelasi x
3
merupakan nilai yang paling
besar.Maka dengan demikian variabel x
3
dimasukkan pertamakali dalam model.Diuji apakah
koefisien regresi mempunyai arti atau tidak,seperti perhitungandibawah:

var
( min) / ( )
JKG JKG iabeltakbebas
F
JKG n p
+
=

' ' 1
( ) ( ) b X X X Y

=


b
=
=
Dari hasil diatas didapat persamaan regresi sebagai berikut:

Berdasarkan persamaan diatas dapat disimpulkan bahwa pendapatan rumah tangga petani
padi akan bertambah sebesar apabila luas lahan yang diusahakan bertambah sebesar satu
satuan.


Sumber variasi DK JK RJK F
Regresi 1 1.7956E+14 1.79564E+14
Residu
57 2.3437E+13 4.11182E+11
436.7031879


Jumlah 58 2.03E+14

JKRegresi=
=
=1.7956E+14
JKtotal=Y
2

=2.03E+14
JKKekeliruan =JKtot-JKReg
=2.03E+14-1.7956E+14
=2.3437E+13
Dari daftar anava diatas didapat:
F=436.7031879
1
3 ' 1
2
3 3
( )
n
X X
X
X X

(
( =
(

'
3
( )
Y
X Y
Y
X
(
= (
(

1
58 18.27
18.27 10.3125

(
(

72380400
42966595
(
(

145940.715
4425011.57
(
(

^
3
145940.715 4425011.57
y
x
= +
' '
( ) b X Y
| | 145940.715 4425011.57
72380400
42966595
(
(

F,=0,05,(1,57)=4,08
Kriteria uji :Tolak H
0
jilka F>Ftabel
Ternyata F=436.7031879> Ftabel=4,08,maka H0 ditolak.Artinya koefisien regresi mempunyai arti.


Cari koefisien korelasi antara Y dengan X
1
, X
2,
X
3,.
X
9
bila X
3
tetap.
Dari penyelesaian sebelumnya diperoleh:
Variabel R R
2
%
y.x
1
x
3
0.891149547 0.794147515
y.x
2
x
3
0.890289645 0.792615652
y.x
3
x
4
0.933633661 0.871671813
y.x
3
x
5
0.89004137 0.79217364
y.x
3
x
6
0.893352786 0.7980792
y.x
3
x
7
0.890583349 0.793138702
y.x
3
x
8
0.890334072 0.79269476

Kemudian akan diuji apakah koefisien-koefisien tersebut berarti atau tidak.




F,=0,05,(1,56)=5,26
Kriteria uji :Tolak H
0
jilka F>Ftabel
. .
.
2 2
2
(1 ) / ( 1)
y xixj y xj
y xixj
F
n k
R R
R

=

0.794147515 0.791992443
0.502512666
(1 0.794147515) / (58 9 1)
0.792615652 0.791992443
0.144244605
(1 0.792615652) / (58 9 1)
0.871671813 0.607521557
29.80334957
(1 0.871671813) / (58 9 1)
0.79217364 0.36
F
F
F
F

= =

= =

= =

=
7149692
0.041849662
(1 0.79217364) / (58 9 1)
0.7980792 0.131949959
1.446925635
(1 0.7980792) / (58 9 1)
0.793138702 0.456897777
0.26597755
(1 0.793138702) / (58 9 1)
0.79269476 0.491482503
(1 0.79269476) / (5
F
F
F
=

= =

= =

0.16261644
8 9 1)
0.79269476 0.100794343
0.16261644
(1 0.79269476) / (58 9 1)
F
=

= =

Fy.x
1
x
3
= 0.502512666,H
0
diterima(koefisien tidak berarti atau variabel ditolak)
Fy.x
2
x
3
= 0.144244605,H
0
diterima(koefisien tidak berarti atau variabel ditolak)
Fy.x
3
x
4
= 29.80334957,H
0
ditolak(koefisien berarti atau variabel diterima)
Fy.x
3
x
5
= 0.041849662,H
0
diterima(koefisien tidak berarti atau variabel ditolak)
Fy.x
3
x
6
= 1.446925635,H
0
diterima(koefisien tidak berarti atau variabel ditolak)
Fy.x
3
x
7
= 0.26597755,H
0
diterima(koefisien tidak berarti atau variabel ditolak)
Fy.x
3
x
8
= 0.16261644,H
0
diterima(koefisien tidak berarti atau variabel ditolak)
Fy.x
3
x
9
= 0.16261644,H
0
diterima(koefisien tidak berarti atau variabel ditolak)
Dari hasil-hasil diatas ternyata hanya variabel x
4
yang H
0
nya ditolak,artinya koefisien regresi x
4

berarti dan dimasukkan kedalam persamaan.








BAB IV KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan hasil analisis yang dilakukan maka persamaan regresi yang digunakan adalah
Artinya rata-rata pendapatan rumah tangga petani akan bertambah sebesar apabila luas lahan yang
diusahakan bertambah sebesar satu satuan.

Saran