ABSTRAK
I. PENDAHULUAN
Jagung merupakan bahan makanan pokok yang sangat dibutukan karena setiap
hari dikonsumsi oleh sebagian masyarakat di seluruh dunia. Kebutuhan bahan makanan
pokok akan meningkat sejalan dengan pertambahan jumlah penduduk yang semakin
menigkat.
Menurut data BPS, produksi jagung tahun 2010 (ATAP) sebesar 18,33 juta ton,
meningkat sebanyak 697,89 ribu ton (3,96 persen) dibandingkan tahun 2009.
Peningkatan produksi tersebut terjadi di Jawa sebesar 489,94 ribu ton, dan di luar Jawa
sebesar 207,95 ribu ton. Angka ramalan I (Aram I) produksi jagung tahun 2011 sebesar
17,93 juta ton. Jumlah ini turun sekitar 438.960 ton atau 2,39 persen ketimbang
produksi tahun lalu. Sebenarnya, kebutuhan jagung nasional hanya 16,3 juta ton.
Dengan produksi jagung sebesar 18,33 juta ton di tahun 2010, seharusnya kebutuhan
dalam negeri tercukupi.
yang berdistribusi normal dengan mean nol dan variansi konstan (Sembiring, 2003).
Permasalahan yang muncul dalam analisis regresi adalah menentukan estimator terbaik
dipengaruhi oleh penggunaan metode. Metode yang biasa digunakan adalah Metode
Kuadrat Terkecil (MKT).
Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan estimasi
produksi jagung di Indonesia tahun 2010 menggunakan metode regresi robust
estimasi-S
b. Manfaat penelitian
Metode penelitian yang digunakan dalam penulisan makalah ini adalah studi kasus,
yaitu melakukan estimasi regresi robust pada model produksi jagung di 33 provinsi di
Indonesia tahun 2010. Data yang digunakan adalah data sekunder yang diambil dari
Badan Pusat Statistik (BPS) Indonesia.
Pada model regresi, perlu dilakukan uji asumsi analisis regresi untuk mengetahui
apakah model memenuhi asumsi atau tidak. Uji asumsi yang dilakukan pada model
regresi adalah
1. Normalitas
Analisis regresi linier mengasumsikan bahwa sisaan berdistribusi normal.
Menurut Gujarati (1978) pada regresi linier klasik diasumsikan bahwa tiap
tidak dipenuhi.
Dalam penelitian ini asumsi yang digunakan adalah asumsi dari sisaan tidak
berdistribusi normal, sehingga MKT tidak layak untuk digunakan (Draper dan Smith,
1998).
2. Homoskedastisitas
Salah satu asumsi penting dalam analisis regresi adalah variasi sisaan pada
setiap variabel independen adalah homoskedastisitas. Asumsi ini dapat ditulis sebagai
berikut
Salah satu cara menguji kesamaan variansi yaitu dengan melihat pola tebaran
sisaan terhadap nilai estimasi Y. Jika tebaran sisaan bersifat acak (tidak
membentuk pola tertentu), maka dikatakan bahwa variansi sisaan homogen (Draper
dan Smith, 1998).
Untuk lebih tepatnya, menurut Gujarati (1978) salah satu cara untuk mendeteksi
heteroskedastisitas adalah dengan pengujian korelasi rank Spearman yang
didefinisikan sebagai berikut
yang berbeda dari individual atau fenomena ke-i dan n adalah banyaknya individual
yang dirank. Koefisien rank korelasi tersebut dapat digunakan untuk mendeteksi
sebagai berikut
1. Mencocokkan regresi terhadap data mengenai Y dan X dan mendapatkan sisaan .
meranking baik harga mutlak | | dan sesuai dengan urutan yang meningkat atau
menurun dan menghitung koefisien rank korelasi Spearman yang telah diberikan
sebelumnya.
3. Dengan mengasumsikan bahwa koefisien rank korelasi populasi adalah nol dan
, signifikan dari yang disampel dapat diuji dengan pengujian t sebagai berikut
Jika nilai t yang dihitung melebihi nilai t kritis maka H 0 ditolak, artinya asumsi
homoskedastitas tidak dipenuhi. Jika model regresi meliputi lebih dari satu variabel
X, dapat dihitung antara dan tiap-tiap variabel X secara terpisah dan dapat di
uji untuk tingkat penting secara statistik dengan pengujian t yang diberikan di atas.
3. Non autokorelasi
Salah satu asumsi penting dari regresi linear adalah bawa tidak ada autokrelasi
antara serangkaian pegamatan yang diurutkan menurut waktu. Adanya kebebasan
antar sisaan dapat dideteksi secara grafis dan empiris. Pendeteksian autokorelasi
secara grafis yaitu denan melihat pola tebaran sisaan terhadap urutan waktu. Jika
tebaran sisaan terhadap urutan waktu tidak membentuk suatu pola tertentu atau
bersifat acak maka dapat disimpulkan tidak ada autokorelasi antar sisaan (Draper dan
Smith, 1998)
autokorelasi terpenuhi.
3. Jika atau maka tidak dapat diputudkan
apakah H0 diterima atau ditolak, sehingga tidak dapat disimpulan ada atau tidak
adanya autokorelasi.
4. Untuk statistik dari Durbin-Watson dapat dilihat pada tabel
4. Non Multikolinearitas
terdapat korelasi yang semakin besar diantara variabel independen. Jika VIF lebih
dari 10, multikolinearitas memberikan pengaruh yang serius pada pendugaan metode
kuadrat kecil.
2. Pencilan
Pada beberapa kasus dimungkinkan adanya data yang jauh dari pola kumpulan
dan keseluruhan, yang lazim didefinisikan sebagai data pencilan. Keberadaan dari
pencilan akan menyebabkan kesulitan dalam proses analisis data dan perlu untuk
dihindari. Permasalahan yang uncul akibat adanya pencilan antara lain:
Dimana: = 1,2,.....,n
=p+1
= banyaknya pengamatan
sebagai:
Dimana i: 1,2,...,n
3. Estimasi-S
Estimasi-S pertama kali diperkenalkan oleh Rousseeuw dan Yohai (1984)
merupakan estimasi robust yang dapat mencapai breakdown point hingga 50%.
Breakdown point adalah ukuran umum proporsi dari pencilan yang dapat ditangani
sebelum pengamatan tersebut mempengaruhi model. Karena estimasi-S dapat
mencapai breakdown point hingga 50% maka estimasi-S dapat mengatasi setengah
dari pencilan dan memberikan pengaruh yang baik bagi pengamatan lainnya.
Estimasi-S didefinisikan
memenuhi (2.8)
dengan
(2.9)
disebut fungsi pengaruh yang merupakan turunan dari . Sehingga bias
dituliskan yaitu
Tabel 2.1. Fungsi objektif dan fungsi pembobot untuk MKT dan Tukeys biweight
MKT
Tukeys
biweight
e. Menjadikan sisaan langkah (c) sebagai sisaan awal langkah (b) sehingga diperoleh
Pada bab ini akan disajikan hasil analisis data sekunder produksi jagung di
Indonesia tahun 2010 yang diperoleh dari BPS. Data tersebut meliputi produksi jagung
sebagai variabel dependen (Y) sedangkan luas lahan dan produktivitas sebagai variabel
independen (X). Data tersaji pada Tabel 4.1 berikut
Luas Produktivitas(
No Provinsi Produksi(Ton)
Panen(Ha) Ku/Ha)
1 Nanggroe Aceh
167090 38.07 43885
Darussalam
2 1377718 50.13 274822
Sumatera utara
3 354262 59.24 59801
Sumatera barat
4 Riau 41862 23.2 18044
5 Kepulauan Riau 961 21.17 454
6 30691 37.07 8280
Jambi
7 Sumatera Selatan 125796 37.25 33769
8 Kepulauan Bangka
1055 30.94 341
Belitung
9 74331 36.23 20516
Bengkulu
10 2126571 47.52 447509
Lampung
11 DKI Jakarta 31 20.67 15
12 Jawa Barat 923962 60.08 153778
13 28557 32.84 8697
Banten
14 3058710 48.41 631816
Jawa Tengah
15 daerah Istimewa 345576 39.8 86837
Yogyakarta
16 Jawa Timur 5587318 44.42 1257721
17 Bali 66355 24.85 26706
Nusa Tenggara
18 249005 40.43 61593
Barat
19 Nusa Tenggara 653620 26.72 244583
Timur
20 168273 37.38 45014
Kalimantan Barat
21 9345 28.78 3247
Kalimantan Tengah
22 116449 51.56 22584
Kalimantan Selatan
23 11993 25.56 4693
Kalimantan Timur
24 446144 36.59 121930
Sulawesi Utara
25 679167 47.22 143833
Gorontalo
26 162306 37.97 42747
Sulawesi Tengah
27 1343044 44.27 303375
Sulawesi Selatan
28 Sulawesi Barat 58020 43.6 13308
29 74840 25.28 29607
Sulawesi Tenggara
30 Maluku 15273 24.27 6293
31 20546 19 10813
Maluku Utara
32 6834 17.51 3903
Papua
33 Papua Barat 1931 16.62 1162
d.1 Metode Kuadrat Terkecil
Model regresi ganda dengan metode kuadrat terkecil adalah
dengan
: Produksi jagung provinsi di Indonesia tahun 2010 (Ton)
: Produktivitas (Ku/Ha)
60
50
40
30
20
10
5
1
-400000 -300000 -200000 -100000 0 100000 200000 300000
RESI1
Berarti asumsi kenormalan tidak terpenuhi karena gambar plot terdapat pencilan.
Untuk menguji kenormalan dapat juga digunakan uji Kolmogorof-Smirnof sebagai berikut
dengan
v. Kesimpulan
Berdasarkan hasil regresi dapat dilihat p-value < 0.05 maka ditolak artinya sisaan
Versus Fits
(response is y)
30000
20000
10000
Residual
-10000
Gambar 4.2. Plot sisaan dengan
-20000 Pada gambar 4.2 tampak bahwa variansi sisaan dari satu pengamatan ke pengamatan
lain berpola acak yang mengindikasikan nahwa variansi sisaan konstan sehingga dapat
-30000
diindikasikan
0 asumsi
50000 homoskedastisitas dipenuhi.
100000 150000 200000 Dari300000
250000 hasil 350000
tyersebut dapat diambil
Fitted Value
kesimpulan bahwa asumsi homoskesdastisitas dapat dipenuhi.
ii. Pilih
iii. Daerah kritis
Pada dan serta diperoleh nilai dan
sehingga dan
ditolak jika
iv. Statistik uji
Dari perhitungan dengan bantuan software Minitab 16 diperoleh
v. Kesimpulan
Berdasarkan hasil regresi dapat diperoleh bahwa maka tidak
ditolak artinya asumsi non autokorelasi pada model; produksi jagung Indonesia tahun
2010 dapat dipenuhi
d.1.4 Uji Non Multikolinearitas
Pengujian multikolinearitas bertujuan untuk mengetahui ada tidaknya hubungan
linear antara variabel independen. Untuk mendeteksi adanya multikolinearitas dapat
dilakukan dengan berbagai uji. Salah satu deteksi ada tidaknya multikolinearitas adalah
dengan melihat pada nilai VIF. Nilai VIF diperoleh dengan melakukan regresi secara
parsial dan kemudian menghitung nilai VIF. Dengan bantuan software Minitab 16,
diperoleh hasil output sebagai berikut
Tabel 4.2. Hasil output uji multikolinearitas
lebih kecil dari 10, sehingga dapat disimpulkan bahwa asumsi non multikolinearitas
dipenuhi.
Berdasarkan pengujian asumsi klasik pada model produksi jagung di Indonesia tahun
2010 menggunakan analisis regresi diperoleh bahwa semua asumsi klasik terpenuhi.
d.2 Deteksi Pencilan
Berdasarkan statistik uji untuk mengetahui pencilan terhadap Y yaitu TRES dengan
Proses iterasi menggunakan MKT terboboti dilanjutkan dengan menghitung sisaan dan
sampai konvergen. Kekonvergenan tercapai jika koefisien regresi sudah sama dengan
koefisien regresi sebelumnya. (Salibian dan Yohai,2006).
No
1 53347 53265 82.0 0.01168 0.9999
2 9439 10535 -1095.6 -0.15606 0.9797
3 1834 4799 -2965.2 -0.42237 0.8565
4 5830 6206 -375.7 -0.05351 0.9976
5 6 -1929 1935.4 0.27568 0.9375
6 5320 5966 -645.9 -0.09200 0.9929
7 11664 12879 -1215.4 -0.17312 0.9751
8 52 -2017 2068.9 0.29469 0.9287
9 2719 1924 795.0 0.11324 0.9893
10 7325 8087 -761.9 -0.10853 0.9902
11 0 -9960 9959.6 1.41865 0.0253
12 55823 52980 2843.0 0.40496 0.8676
13 11662 12786 -1124.0 -0.16010 0.9787
14 187992 160964 27028.0 3.84989 26.9696
15 38244 45591 -7347.1 -1.04653 0.2942
16 339491 342405 -2914.2 -0.41510 0.8612
17 5554 5947 -393.0 -0.05598 0.9974
18 93122 118457 -25335.5 -3.60880 19.7300
19 1780 597 1183.0 0.16850 0.9764
20 3477 4527 -1050.3 -0.14961 0.9814
21 2764 2604 160.5 0.02286 0.9996
22 3809 2709 1100.2 0.15672 0.9796
23 2204 2894 -690.4 -0.09834 0.9919
24 7627 8636 -1008.7 -0.14369 0.9828
25 3403 3495 -91.8 -0.01307 0.9999
26 3555 4128 -573.0 -0.08162 0.9944
27 35711 34846 865.5 0.12328 0.9873
28 3195 5226 -2030.8 -0.28926 0.9313
29 3203 3378 -174.6 -0.02487 0.9995
30 1183 1009 174.5 0.02485 0.9995
31 944 747 197.3 0.02811 0.9993
32 4152 4091 61.1 0.00870 0.9999
33 600 -739 1339.2 0.19075 0.9698
Berikut ini merupakan nilai dan pada iterasi demi iterasi yang didapat dari software
Minitab 16
Iterasi
1. 93766.4 (- 90002 ; 2406 ; 4.45)
2. 97868.1 (-76027 ; 2021 ; 4.44)
3. 99671.0 (-58936 ; 1433 ; 4.44)
4. 102097 (- 54142 ; 1260 ; 4.44)
5. 102919 (- 52627 ; 1204 ; 4.44)
6. 103189 (- 52136 ; 1185 ; 4.44)
7. 103277 (- 51976 ; 1179 ; 4.44)
8. 103305 (- 51925 ; 1178 ; 4.44)
9. 103314 (- 51908 ; 1177 ; 4.44)
10. 103317 (- 51903 ; 1177 ; 4.44)
11. 103318 (- 51901 ; 1177 ; 4.44)
12. 103319 (- 51901 ; 1177 ; 4.44)
Berdasarkan Tabel 4.5. terlihat bahwa koefisien regresi sudah konvergen di iterasi
ke-12 dengan model
Interpretasi model yaitu sebesar 99.9% produksi jagung di Indonesia pada tahun
2010 dapat diterangkan oleh variabel luas panen dan produktivitas tiap provinsi di
Indonesia, sedangkan 0.1% diterangkan oleh variabel lain. Setiap peningkatan satu hektar
(ha) luas panen maka produksi jagung di Indonesia akan betambah sebesar 4.44 ton,
setiap peningkatan produktivitas sebesar satu kuintal/hektar(1 ku/ha) maka produksi
jagung di Indonesia akan bertambah sebesar 1177 ton.
Untuk mengetahui variabel independen yang berpengaruh dilakukan uji signifikansi
model regresi robust estimasi-S
i.
untuk suatu
(paling tidak terdapat salah satu luas panen atau produktivitas yang berpengaruh
secara signifikan terhadap produksi jagung di Indonesia tahun 2010.
ii. Pilih
v. Kesimpulan
Karena maka ditolak artinya paling tidak ada salah
satu diantara luas panen atau produktivitas yang berpengaruh secara signifikan terhadap
produksi jagung di Indonesia tahun 2010.
Selanjutnya dilakukan uji parsial untuk mengetahui signifikansi atau pengaruh
masing-masing variabel terhadap model regresi yang dihasilkan.
Berdasarkan Tabel 4.5. dapat disimpulkan bahwa luas panen dan produktivitas ke-33
provinsi di Indonesia berpengaruh secara signifikan terhadap produksi jagung di
Indonesia tahun 2010.