Anda di halaman 1dari 19

REGRESI LINEAR DAN NON LINEAR

Disusun untuk Melengkapi Tugas Individu Mata Kuliah


Metode Kuantitatif

Disusun oleh:

Fika Andita Riani

115040100111186

UNIVERSITAS BRAWIJAYA
FAKULTAS PERTANIAN
PROGRAM STUDI AGRIBISNIS
MALANG
2014

I.

PENDAHULUAN

1.1. Latar Belakang


Beras merupakan salah satu padi-padian paling penting di dunia untuk konsumsi
manusia. Beras merupakan makanan pokok di Indonesia. Sebanyak 75% masukan kalori
harian masyarakat di negara-negara Asia tersebut berasal dari beras. Mengingat perannya
sebagai komoditas pangan utama masyarakat Indonesia, tercapainya kecukupan produksi
beras nasional sangat penting sebagai salah satu faktor yang meproduk marjinalengaruhi
terwujudnya ketahanan pangan nasional. Beras sebagai bahan makanan pokok
tampaknya tetap mendominasi pola makan orang Indonesia. Hal ini terlihat dari tingkat
partisipasi konsumsi di Indonesia yang masih diatas 95% (Fajar Andi Marjuki, 2008).
Untuk produksi padi, di Indonesia memiliki beberapa provinsi yang menjadi
kantong-kantong penyedia padi, salah satunya adalah propinsi Jawa Tengah. Sebagai
kantong produksi padi nasional, produktivitas lahan di Jawa Tengah untuk komoditas
beras sangat tinggi. Selain itu Jawa Tengah maproduk marjinalu surplus produksi,
dimana kebutuhan beras di Jawa Tengah tercukupi dan bahkan maproduk marjinalu
memasok kekurangan beras nasional. Produksi padi Jawa Tengah memberikan kontribusi
antara 15-17% terhadap produksi beras nasional, sehingga perubahan yang terjadi dalam
kuantitas produksinya akan meproduk marjinalengaruhi secara signifikan ketersediaan
beras di tingkat nasional (Rizal Zulmi, 2011).
Lahan adalah bagian dari bentang alam (landscape) yang mencakup pengertian
lingkungan fisik (iklim, topografi, hidrologi, bahkan keadaan fegetasi alami) yang
semuanya secara potensial akan berpengaruh terhadap penggunaan lahan. Penggunaan
lahan dapat dikelompokkan ke dalam dua golongan besar yaitu penggunaan lahan
pertanian dan penggunaan lahan bukan pertanian. Pengunaan lahan yang paling luas
adalah untuk sektor pertanian yang meliputi penggunaan untuk pertanian tanaman
pangan pertanian tanaman keras untuk kehutanan maupun untuk padang penggembalaan
dan perikanan. Oleh karna itu lahan memiliki nilai ekonomis dan nilai pasar yang tinggi
karena menghasilkan barang-barang pemuas kebutuhan manusia akibat semakin
meningkatnya jumlah penduduk dan perkembangan dibidang ekonomi (Arsyad, 1989).
Menurut Swastika et al (2007), salah satu penyebab berfluktuasinya produksi
padi nasional antara lain yaitu konversi lahan (sawah irigasi dan tadah hujan) menjadi
areal pemukiman terus berlangsung di Pulau Jawa mengakibatkan pertumbuhan produksi
padi cenderung menurun. Ironisnya, laju konversi lahan pertanian tidak bisa dikurangi,

bahkan terus meningkat dari tahun ke tahun. Hal ini sejalan dengan pesatnya urbanisasi
yang didorong oleh peningkatan pendapatan per kapita dan imigrasi dari pedesaan ke
perkotaan serta industrialisasi.
Luas lahan sangat mempengaruhi produksi beras. Apabila luas lahan semakin
luas maka produksi beras akan semakin meningkat. Sebaliknya apabila luas lahan
semakin seproduk marjinalit maka produksi beras akan semakin sedikit. Keberadaan
lahan sangat penting dalam menunjang kegiatan produksi hasil pertanian. Oleh karena
itu, dalam praktikum metode kuantitatif ini akan membahas sebaran data luas lahan dan
produksi total beras serta seberapa besar pengaruh luas lahan terhadap produksi total
beras.
1.2. Tujuan
1. Untuk mengetahui tingkat distribusi normalitas data produksi total beras
2. Untuk mengetahui hubungan dan seberapa besar pengaruh hubungan antara luas lahan
dengan produksi total beras

II.

METODE

2.1. Uji Normalitas


Uji normalitas adalah uji untuk mengukur apakah data yang didapatkan
memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik
inferensial). Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data
eproduk marjinalirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik
tertentu. Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai,
terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini
adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat
dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan
grafik (Ilham Guntara, 2013).
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal
baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat
perbedaan yang signifikan atau terdistribiusi tidak normal. Sedangkan jika signifikansi di
atas 0,05 maka tidak terjadi perbedaan yang signifikan signifikan antara data yang akan
diuji dengan data normal baku, artinya data yang diuji bernilai normal (Ilham Guntara,
2013).

2.2. Analisis Korelasi


Menurut Walpole (1995), analisis korelasi adalah metode statistika yang
digunakan untuk mengukur besarnya hubungan linear antara dua variabel atau lebih.
Korelasi dilambangkan dengan r dengan ketentuan nilai r berkisar antara -1 r 1.
Artinya, jika nilai korelasi mendekati 1 atau -1 berarti hubungan antara 2 variabel
semakin kuat, sebaliknya jika nilai korelasi mendekati nol berarti hubungan antara 2
variabel semakin lemah. Nilai positif menunjukkan hubungan yang searah yang
menunjukkan jika variabel x naik maka variabel y juga akan naik dan nilai negatif
menunjukkan hubungan terbalik yang menunjukkan jika variabel x naik maka variabel y
akan turun.

Tabel 1. Tingkat Hubungan Koefisien Korelasi


Interval Koefisien
Tingkat Hubungan
0,800 1,000
Sangat Kuat
0,600 0,799
Kuat
0,400 0,599
Cukup Kuat
0,200 0,399
Lemah
0,000 0,199
Sangat Lemah
Sumber: Sugiyono, 2007
Dasar pengambilan keputusan dalam analisis korelasi adalah sebagai berikut:
a. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig (0,05
Sig) maka H0 diterima dan H1 ditolak, artinya tidak signifikan.
b. Jika nilai probabilitas 0,05 lebih besar dengan nilai probabilitas Sig (0,05 > Sig) maka
H0 ditolak dan H1 diterima, artinya signifikan.

2.3. Analisis Regresi


Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai
bidang. Analisis tersebut bertujuan untuk mengetahui hubungan antara variabel dependen
dan variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang pertama
adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara
dua variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah
regresi linier berganda yang merupakan model regresi linier dengan satu variabel
dependen dan lebih dari satu variabel independen. Tipe ketiga adalah regresi non linier
yang berasumsi bahwa hubungan antara variabel dependen dan variabel independen tidak
linier pada parameter regresinya (Jurnal Universitas Diponogoro, 2011).
2.3.1. Regresi Linear
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel
yang mempengaruhi sering disebut variabel bebas, variabel independen atau
variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat
atau variabel dependen (Gujarati, 1995).
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana
yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi
linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat.
Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan
dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer
5

yang paling banyak digunakan adalah SPSS (Statistical Package For Service
Solutions).
2.3.2. Regresi Non Linear
Regresi non linier ialah bentuk hubungan atau fungsi di mana variabel
bebas X dan atau variabel tak bebas Y dapat berfungsi sebagai faktor atau variabel
dengan pangkat tertentu. Selain itu, variabel bebas X dan atau variabel tak bebas Y
dapat berfungsi sebagai penyebut (fungsi pecahan), maupun variabel X dan atau
variabel Y dapat berfungsi sebagai pangkat fungsi eksponen atau fungsi
perpangkatan (Vihyuga, 2011).

2.4. Metode dalam SPSS


2.4.1. Uji Normalitas
Masukkan data
yang akan
dianalisis dalam
SPSS

Klik Variabel
View lalu ubah
nama menjadi
nama variabel
yang digunakan

Klik Analyze

Klik
Descriptive
statistic

Klik Explore

Masukkan
variabel
produksi dan
luas lahan ke
dalam kotak
Dependent List

Klik plots

Klik normality
plots with test

Klik continue

Klik OK

Tabel 2. Metode Uji Normalitas pada SPSS

2.4.2. Analisis Korelasi

Klik
Analyze

Klik
Correlate

Pada kolom
Correlation
Coefficients, klik
Pearson

Klik
Bivariate

Pada kolom Test of


Significance, pilih
option Two-tailed

Masukkan variabel
produksi dan luas
lahan ke dalam
kolom Variables

Klik Ok

Tabel 3. Metode Analisis Korelasi pada SPSS


2.4.3. Analisis Regresi
2.4.3.1. Regresi Linear

Klik Analyze

Klik Regression

Klik Linear

Masukkan
variabel produksi
ke kolom
dependent

Masukkan
variabel luas
lahan ke kolom
independend

Klik OK

Tabel 4. Metode Analisis Regresi Linear pada SPSS


2.4.3.2. Regresi Non Linear
Masukkan data
variabel ln
produksi dan ln
luas lahan yang
akan dianalisis
dalam SPSS

Masukkan kolom
baru pada Ms. Excel
untuk mencari ln
(double logaritma)
pada tiap variabel

Klik Analyze

Klik Regression

Masukkan
variabel ln
produksi ke
kolom dependent

Masukkan ln luas
lahan ke kolom
independent

Klik Variabel
View lalu ubah
nama menjadi
nama variable
yang digunakan

Klik Linear

Tabel 5. Metode Analisis Regresi Non Linear pada SPSS


7

III.

HASIL DAN PEMBAHASAN

3.1. Uji Normalitas


Pada tabel uji normalitas terdapat dua metode yaitu Kolmogorov-Smimov dan
Shapiro-Wilk. Pada metode Kolmogorov dapat diketahui tingkat signifikansi produksi
total beras sebesar 0,032 dan tingkat signifikansi luas lahan sebesar 0,014. Ketentuan
pada uji normalitas adalah apabila tingkat signifikansinya lebih besar dari = 0,01 (1%),
maka sebaran data terdistribusi secara normal. Karena tingkat signifikansi untuk variabel
produksi dan variabel luas lahan lebih kecil dari 0,01 berarti data yang akan diuji atau
dianalisis terdistribusi secara normal. Hal ini juga dapat dibuktikan pada grafik dalam uji
normalitas, bila data yang dianalisis terdistribusi secara normal. Pada grafik didapatkan
bahwa titik sebaran mendekati garis lurus.

3.2. Analisis Korelasi


Berdasarkan hasil analisis korelasi dapat diketahui bahwa jumlah data yang
digunakan pada total produksi beras dengan luas lahan masing-masing sebanyak 13 data.
Dari hasil analisis korelasi juga dapat dilihat bahwa total produksi beras memiliki
koefisien korelasi sebesar 0,989 dengan tingkat kesalahan 0,000 yang signifikan terhadap
tingkat kesalahan =0,05. Hal ini berarti angka 0,989 menunjukkan bahwa 98,9%
variable-variabel pada tabel memiliki hubungan positif yang kuat antara total produksi
beras dengan luas lahan. Jadi, dapat disimpulkan bahwa antar total produksi beras
dengan luas lahan terdapat hubungan yang signifikan, maka berarti menolak H0 dan
terima Ha. Dengan kata lain, jika nilai variabel total produksi beras tinggi maka nilai luas
lahan juga tinggi, dan demikian juga sebaliknya.

3.3. Analisis Regresi


3.3.1. Regresi Linear
Pada regresi linear didapatkan hasil pada tabel Model Summary
merupakan hasil uji R square untuk mengetahui besar variabel x meproduk
marjinalengaruhi variabel y. Luas lahan merupakan variabel independent yang
mempengaruhi variabel produksi total beras. Pada tabel hasil dari uji R square
sebesar 0,978 (97,8%). Ini menunjukkan bahwa 97,8% variabel luas lahan dapat
dijelaskan oleh variabel produksi total, sedangkan sisanya 2,2% dijelaskan oleh
variabel lain di luar model.
8

Pada tabel Anovab merupakan hasil uji F untuk menguji signifikansi


koefisien regresi. Dari hasil perhitungan Anovab didapatkan nilai F hitung sebesar
498,245 dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data
tersebut sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas
maupun terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras
dan variabel luas lahan.
df1 = k 1 = 2 (jumlah variabel) 1 = 1
df2 = n k = 13 (jumlah saproduk marjinalel) 2 = 11
Jika pengujian dilakukan pada = 5%, maka nilai F tabel adalah 4,84.
Dari hasil uji F didapatkan Fhitung = 498,245 sedangkan Ftabel = 4,84. Dari
hasil tersebut menunjukkan jika Fhitung > Ftabel. Jadi, kesimpulan yang didapat
adalah Ha diterima dan H0 ditolak yang artinya produksi total beras berpengaruh
secara signifikan terhadap luas lahan. Dengan demikian model tersebut dapat
diterima sebagai penduga yang baik dan layak untuk digunakan.
Pada tabel Coefficientsa merupakan uji t untuk menguji signifikansi
terhadap variabel. Dari hasil tabel Coefficientsa didapatkan Sig t konstanta 0,000
dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga
didapat nilai B luas lahan sebesar 9,053 yang artinya jika luas lahan naik sebesar
1% maka akan meningkatkan produksi total beras sebesar 9,053%.
Misal:

Hipotesis 1 : luas lahan berpengaruh positif terhadap produksi total


beras
Hipotesis 2: luas lahan berpengaruh terhadap produksi total beras

Jumlah observasi (responden) yang digunakan untuk membentuk persamaan ini


sebanyak 13.

Pengujian hipotesis dengan = 5%. Sedangkan derajat bebas

pengujian adalah n k = 13 2 = 11.


Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total
beras. Pengujian dengan = 5 %. Hipotesis kedua: luas lahan berpengaruh
terhadap produksi total beras. Pengujian juga dengan = 5 %. Untuk hipotesis
pertama, karena uji satu arah, maka lihat pada df satu sisi, sedangkan df nya = 11.
Nilai tabel t = 1,796. Untuk hipotesis kedua, karena uji dua arah, maka lihat pada
df dua sisi diatas, dengan df = 11 maka nilai tabel t = 2,201.
Dari hasil uji t untuk hipotesis pertama diatas didapatkan t

hitung

= 22,321

sedangkan t tabel = 1,796. Dari hasil tersebut menunjukkan bahwa thitung > ttabel. Jadi,
kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas
9

lahan mempunyai pengaruh yang signifikan terhadap produksi total beras atau
semakin tinggi luas lahan semakin tinggi produksi total beras.
Dari hasil uji t untuk hipotesis kedua diatas didapatkan t

hitung

= 22,321

sedangkan t tabel = 2,201. Dari hasil tersebut menunjukkan bahwa thitung > ttabel. Jadi,
kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas
lahan mempunyai pengaruh yang signifikan terhadap produksi total beras.
Pada uji t, juga didapatkan fungsi model sebagai berikut:
Y = + 1X
Y = -5,293E7 + 9,053X
Jadi, konstanta sebesar -5,293E7 menyatakan bahwa ketika luas lahan sama dengan
nol maka produksi total beras akan menurun sebesar 5,293E7 unit. Sedangkan
koefisien regresi X sebesar 9,053 menyatakan bahwa setiap kenaikan luas lahan
sebesar 1 unit maka akan meningkatkan produksi total beras sebesar 9,053 unit.
3.3.2. Regresi Non Linear
Pada regresi non linear didapatkan hasil pada tabel Model Summary
merupakan hasil uji R square untuk mengetahui besar variabel x meproduk
marjinalengaruhi variabel y. Pada tabel hasil dari uji R square sebesar 0,974
(97,4%). Ini menunjukkan bahwa 97,4% variabel luas lahan dapat dijelaskan oleh
variabel produksi total, sedangkan sisanya 2,6% dijelaskan oleh variabel lain di
luar model.
Pada tabel Anovab atau uji F didapatkan nilai F hitung sebesar 416,103
dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data tersebut
sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas maupun
terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras dan
variabel luas lahan.
df1 = k 1 = 2 (jumlah variabel) 1 = 1
df2 = n k = 13 (jumlah saproduk marjinalel) 2 = 11
Jika pengujian dilakukan pada = 5%, maka nilai F tabel adalah 4,84.
Dari hasil uji F didapatkan Fhitung = 416,103 sedangkan Ftabel = 4,84. Dari
hasil tersebut menunjukkan jika Fhitung > Ftabel. Jadi, kesimpulan yang didapat
adalah Ha diterima dan H0 ditolak yang artinya produksi total beras berpengaruh
secara signifikan terhadap luas lahan. Dengan demikian model tersebut dapat
diterima sebagai penduga yang baik dan layak untuk digunakan.

10

Pada tabel Coefficientsa atau uji t, didapatkan Sig t konstanta 0,000 dan
Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat
nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik sebesar 1% maka
akan meningkatkan produksi total beras sebesar 1,850%.
Misal:

Hipotesis 1 : luas lahan berpengaruh positif terhadap produksi total


beras
Hipotesis 2: luas lahan berpengaruh terhadap produksi total beras
Jumlah observasi (responden) yang digunakan untuk membentuk

persamaan ini sebanyak 13.

Pengujian hipotesis dengan = 5%. Sedangkan

derajat bebas pengujian adalah n k = 13 2 = 11.


Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total
beras. Pengujian dengan = 5 %. Hipotesis kedua: luas lahan berpengaruh
terhadap produksi total beras. Pengujian juga dengan = 5 %. Untuk hipotesis
pertama, karena uji satu arah, maka lihat pada df satu sisi, sedangkan df nya = 11
makan nilai tabel t = 1,796. Untuk hipotesis kedua, karena uji dua arah, maka lihat
pada df dua sisi diatas, dengan df = 11 maka nilai tabel t = 2,201.
Dari hasil uji t untuk hipotesis pertama diatas didapatkan t hitung =
20,399 sedangkan t tabel = 1,796. Dari hasil tersebut menunjukkan bahwa t hitung
> t tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya
secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi
total beras atau semakin tinggi luas lahan semakin tinggi produksi total beras.
Dari hasil uji t untuk hipotesis kedua diatas didapatkan t hitung = 20,399
sedangkan t tabel = 2,201. Dari hasil tersebut menunjukkan bahwa t hitung > t
tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya
secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi
total beras.
Pada uji t, juga didapatkan fungsi model sebagai berikut:
Y = + 1X
Y = -12,331 + 1,850X
Jadi, konstanta sebesar -12,331 menyatakan bahwa ketika luas lahan sama
dengan nol maka produksi total beras akan menurun sebesar 12,331 unit.
Sedangkan koefisien regresi X sebesar 1,850 menyatakan bahwa setiap kenaikan
luas lahan sebesar 1 unit maka akan meningkatkan produksi total beras sebesar
1,850 unit.
11

IV.

KESIMPULAN

Pada analisis yang telah dilakukan didapatkan kesimpulan sebagai berikut:


1. Dari uji normalitas menunjukkan bahwa tingkat signifikansi produksi total beras sebesar
0,032 signifikan pada tingkat kesalahan 0,05 (5%) maka data yang diuji terdistribusi
secara normal.
2. Dari analisis korelasi, dapat diketahui bahawa total produksi beras memiliki koefisien
korelasi sebesar 0,989 dengan tingkat kesalahan 0,000 yang berarti angka 0,989
menunjukkan bahwa 98,9% variable-variabel pada tabel memiliki hubungan erat dan
positif yang kuat antara total produksi beras dengan luas lahan.
3. Dari analisis regresi linier didapatkan hasil dari uji R square sebesar 0,978 (97,8%). Ini
menunjukkan bahwa 97,8% variabel luas lahan dapat dijelaskan oleh variabel produksi
total, sedangkan sisanya 2,2% dijelaskan oleh variabel lain di luar model. Dari hasil uji F
didapatkan Fhitung = 498,245 sedangkan Ftabel = 4,84 yang menunjukkan jika Fhitung > Ftabel.
Artinya model tersebut dapat diterima sebagai penduga yang baik dan layak untuk
digunakan. Dari hasil uji t didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000
maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar
9,053 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi
total beras sebesar 9,053%.
4. Dari analisis regresi non-linear didapatkan hasil dari uji R square sebesar 0,974 (97,4%).
Ini

menunjukkan bahwa 97,4% variabel luas lahan dapat dijelaskan oleh variabel

produksi total, sedangkan sisanya 2,6% dijelaskan oleh variabel lain di luar model. Dari
hasil uji F didapatkan Fhitung = 416,103 sedangkan Ftabel = 4,84. Dari hasil tersebut
menunjukkan jika Fhitung > Ftabel. Artinya model tersebut dapat diterima sebagai penduga
yang baik dan layak untuk digunakan. Dari hasil uji t didapatkan didapatkan Sig t
konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari
tabel juga didapat nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik
sebesar 1% maka akan meningkatkan produksi total beras sebesar 1,850%.

12

DAFTAR PUSTAKA

Arsyad S., 1989. Konservasi Tanah dan Air. IPB Press, Bogor.
Gujarati, Damodar. 1995. Ekonometrika Dasar. Jakarta: Erlangga.
Guntara,

Ilham.

2013.

Uji

Normalitas.

htproduk

total://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.html.
Diakses pada 21 Maret 2014.
Hertanto,

Hendrik

Bobbi.

2011.

Penentuan

Fungsi

Kawasan

Lahan.

htproduk

total://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahandan.html. Diakses pada 21 Maret 2014


Jurnal

Universitas

Diponogoro.

2011.

Analisis

Regresi.

htproduk

total://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf. Diakses pada 21


Mare 2014.
Marjuki, Fajar Andi. 2008. Analisis Faktor-Faktor yang Mempengaruhi Harga Beras di
Indonesia. Skripsi Fakultas Ekonomi Universitas Muhammadiyah Surakarta.
Sugiyono. 2007. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta
Swastika et al. 2007. Analisis Kebijakan Peningkatan Produksi Padi Melalui Efisiensi
Pemanfaatan Lahan Sawah di Indonesia. Analisis Kebijakan Pertanian 5(1): 36-52.
Vihyuga.

2011.

Analisis

Regresi.

http://perkuliahan-vi.blogspot.com/2011/01/analisis-

regresi.html. Diakses pada 21 Maret 2014


Walpole, R.E. 1995. Pengantar Statistika. Edisi ke-3. Jakarta: Gramedia.
Zulmi, Rizal. 2011. Pengaruh Luas Lahan, Tenaga Kerja, Penggunaan Benih Dan Pupuk
Terhadap Produksi Padi Di Jawa Tengah Tahun 1994-2008. Semarang:
Fakultas Ekonomi, Universitas Diponegoro.

13

LAMPIRAN

Tabel 6. Tabulasi Data


Tahun

Produksi
Beras Total
(Ton)

Luas lahan
(ha)

ln produksi

ln luas lahan

2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012

51898852
50460782
51489694
52137604
54088468
54151097
54068495
56162062
60325925
64398890
66469394
65756904
68956292

11793475
11499997
11521166
11488034
11922974
11839060
11786430
11949034
12327425
12883576
13203643
13203643
13471653

17,76
17,74
17,76
17,77
17,81
17,81
17,81
17,84
17,92
17,98
18,01
18,00
18,05

16,28
16,26
16,26
16,26
16,29
16,29
16,28
16,30
16,33
16,37
16,40
16,40
16,42

Uji Normalitas
Tabel 7. Case Processing Summary
Cases
Valid
N

Missing

Percent

Total

Percent

Percent

produksi

13

100.0%

.0%

13

100.0%

luaslahan

13

100.0%

.0%

13

100.0%

Tabel 8. Tests of Normality


a

Kolmogorov-Smirnov
Statistic

Df

Shapiro-Wilk

Sig.

Statistic

df

Sig.

produksi

.245

13

.032

.863

13

.043

luaslahan

.264

13

.014

.847

13

.026

a. Lilliefors Significance Correction

14

Tabel 9. Descriptives
Statistic
produksi

Mean
95% Confidence Interval for
Mean

5.7720E7 1.82055E6
Lower Bound

5.3754E7

Upper Bound

6.1687E7

5% Trimmed Mean

5.7499E7

Median

5.4151E7

Variance

4.309E13

Std. Deviation

6.56407E6

Minimum

5.05E7

Maximum

6.90E7

Range

1.85E7

Interquartile Range

1.31E7

Skewness
Kurtosis
luaslahan

Std. Error

Mean

.620

.616

-1.333

1.191

1.2222E7 1.98920E5

95% Confidence Interval for

Lower Bound

1.1789E7

Mean

Upper Bound

1.2656E7

5% Trimmed Mean

1.2194E7

Median

1.1923E7

Variance

5.144E11

Std. Deviation

7.17215E5

Minimum

1.15E7

Maximum

1.35E7

Range

1.98E6

Interquartile Range

1.39E6

Skewness
Kurtosis

15

.733

.616

-1.118

1.191

Analisis Korelasi
Tabel 10. Correlations
produksi
produksi

Pearson Correlation

luaslahan
1

.989

Sig. (2-tailed)

.000

N
luaslahan

**

Pearson Correlation

13

13

**

.989

Sig. (2-tailed)

.000

13

13

**. Correlation is significant at the 0.01 level (2-tailed).

Analisis Regresi Linear


Tabel 11. Variables Entered/Removed

Model
1

Variables

Variables

Entered

Removed

luaslahan

Method
. Enter

a. All requested variables entered.


b. Dependent Variable: produksi

Tabel 12. Model Summary

Model

.989

R Square
a

Adjusted R

Std. Error of the

Square

Estimate

.978

.976

1.00763E6

a. Predictors: (Constant), luaslahan


b

Tabel 13. ANOVA


Model
1

Sum of Squares

df

Mean Square

Regression

5.059E14

5.059E14

Residual

1.117E13

11

1.015E12

Total

5.170E14

12

a. Predictors: (Constant), luaslahan


b. Dependent Variable: produksi

16

F
498.245

Sig.
.000

Tabel 14. Coefficients

Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Coefficients

Std. Error

Beta

-5.293E7

4.965E6

9.053

.406

luaslahan

.989

Sig.

-10.660

.000

22.321

.000

a. Dependent Variable: produksi

Analisis Regresi Non Linear


Tabel 15. Variables Entered/Removed

Model
1

Variables

Variables

Entered

Removed

lnluaslahan

Method
. Enter

a. All requested variables entered.


b. Dependent Variable: lnproduksi
Tabel 16. Model Summary

Model

.987

R Square
a

Adjusted R

Std. Error of the

Square

Estimate

.974

.972

.018

a. Predictors: (Constant), lnluaslahan


b

Tabel 17. ANOVA


Model
1

Sum of Squares

df

Mean Square

Regression

.142

.142

Residual

.004

11

.000

Total

.146

12

Sig.

416.103

.000

Sig.

a. Predictors: (Constant), lnluaslahan


b. Dependent Variable: lnproduksi

Tabel 18. Coefficients

Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Std. Error

Beta

-12.331

1.480

1.850

.091

lnluaslahan

Coefficients

a. Dependent Variable: lnproduksi

17

.987

-8.330

.000

20.399

.000

Gambar 1.

Gambar 2.

Gambar 3.

Gambar 4.

Gambar 5.

Gambar 6.

18

Gambar 7. T Tabel

Gambar 8. F Tabel

19