Tugas Ekomet
Tugas Ekomet
Data yang akan digunakan adalah data yang diambil dari skripsi Dede Saipul
Kamil yang berjudul “ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI
PRODUKSI DAN PENDAPATAN USAHATANI KACANG PANJANG (Studi
Kasus: Kecamatan Nagrak, Kabupaten Sukabumi)”. Data tersebut mempunyai 1
variabel terikat dan 8 variabel bebas dengan jumlah sampel 30 Yaitu
X2 = Benih (gram)
X3 = Urea (Kg)
X4 = TSP (Kg)
X5 = NPK (Kg)
X7 = Nutrisi (Liter)
X8 = Pestisida (Liter)
Pada kesempatan kali ini, penulis hanya mengambil 5 variabel bebas yaitu X1,
X2, X3, X4, X5 dan X6.
A. Analisis Data
1. Regresi
Y X1 X2 X3 X4 X5 X6
1 9500 739.69 9230.77 69.23 130.77 100 5384.62
2 7633.33 549.33 6000 66.67 106.67 146.67 6666.67
3 10428.57 588.11 10000 57.14 108.57 142.86 4571.43
4 9833.33 470.2 10000 46.67 83.33 133.33 3666.67
5 9167.86 386.86 7142.86 46.43 114.29 178.57 5000
6 10609.52 477.24 9523.81 76.19 142.86 178.57 5714.29
7 13740 524 7500 65 200 225 3250
8 8309.52 462.48 9523.81 71.43 80.95 190.48 2857.14
9 7300 381.87 8000 66.67 66.67 166.67 4000
10 7530 448 8000 60 80 130 4100
11 10625 950 10000 112.5 162.5 175 8750
12 10210.53 566.79 10526.32 73.68 121.05 131.58 4736.84
13 11810.34 552.28 7931.03 31.03 137.93 120.69 4310.34
14 10666.67 604.27 10000 106.67 200 200 9333.33
15 9051.52 365.09 9090.91 45.45 115.15 163.64 4393.94
16 9488.1 467.98 8333.33 35.71 109.52 154.76 4285.71
17 8725 608 10000 125 150 200 8500
18 7084.62 484.92 5769.23 38.46 84.62 115.38 5000
19 9380 504.96 8000 56 120 204 7200
20 9513.51 393.51 6756.76 35.14 108.11 135.14 4054.05
21 12128.57 424.23 8571.43 42.86 157.14 214.29 6571.43
22 7920 519.68 10000 76 100 140 5200
23 8522.22 397.87 9333.33 55.56 111.11 95.56 4444.44
24 9291.67 566.67 8333.33 54.17 104.17 183.33 5000
25 7000 357.94 7142.86 48.57 88.57 157.14 5714.29
26 9271.43 405.03 8571.43 54.29 128.57 208.57 4285.71
27 10672.73 497.75 9454.55 45.45 109.09 154.55 4000
28 9586.67 546.13 7666.67 66.67 116.67 233.33 5000
29 10566.67 472.27 10000 41.67 108.33 141.67 4166.67
30 9250 591.2 7500 50 90 125 2500
OUTPUT
Dependent Variable: Y
Method: Least Squares
Date: 01/08/19 Time: 08:47
Sample: 1 30
Included observations: 30
Interpretasi
- Persamaan Regresi
Berdasarkan hasil output, nilai C atau konstanta memiliki nilai sebesar 168.895, nilai
Coefficient X1, sebesar 4.309050, nilai Coefficient X2 sebesar 0.382010, nilai
Coefficient X3 sebesar -2.46563, nilai Coefficient X4 sebesar 2.06683, nilai
Coefficient X5 sebesar 9.277776 dan nilai Coefficient X6 sebesar -0.304674.
Sehingga didapatkan persamaan regresi.
Y = 168.894 + 4.30 X1 + 0.382 X2 -2.465 X3 + 2.07 X4 + 9.28 X5 + 0.304 X6
- Nilai R2
R2 mempunyai nilai sebesar 0.908 artinya 90,8% variasi variabel Hasil Produksi (Y)
dipengaruhi oleh variabel Tenaga Kerja,Benih, Urea,TSP,NPK dan Pupuk Kandang.
Sedangkan, 9,2% lainnya dipengaruhi oleh variabel lain yang tidak dimasukkan ke
dalam model.
- Uji F
Nilai probabilitas F statistic sebesar 0,0000 < 0,01 maka dapat dikatakan signifikan.
Artinya secara bersama-sama variabel Tenaga Kerja,Benih, Urea,TSP,NPK dan
Pupuk Kandang berpengaruh secara nyata terhadap Hasil produksi Kacang Panjang.
- Uji t
1. Coefficient konstanta regresi sebesar 168.895
Setelah dilakukan uji t nilai probabilitasnya sebesar 0,0071 < 0,025 yang artinya
signifikan. Maka jika Tenaga Kerja(X1),Benih(X2), Urea(X3),TSP(X4),NPK(X5)
dan Pupuk Kandang(X6) memiliki nilai sebesar 0, maka nilai Y (Hasil Produksi
Kacang Panjang) adalah sebesar 168.895
Data:
Y X1 X2 X3 X4 X5 X6 DUMMY
1 9500 739.69 9230.77 69.23 130.77 100 5384.62 1
2 7633.33 549.33 6000 66.67 106.67 146.67 6666.67 0
3 10428.57 588.11 10000 57.14 108.57 142.86 4571.43 1
4 9833.33 470.2 10000 46.67 83.33 133.33 3666.67 1
5 9167.86 386.86 7142.86 46.43 114.29 178.57 5000 0
6 10609.52 477.24 9523.81 76.19 142.86 178.57 5714.29 0
7 13740 524 7500 65 200 225 3250 1
8 8309.52 462.48 9523.81 71.43 80.95 190.48 2857.14 0
9 7300 381.87 8000 66.67 66.67 166.67 4000 1
10 7530 448 8000 60 80 130 4100 1
11 10625 950 10000 112.5 162.5 175 8750 0
12 10210.53 566.79 10526.32 73.68 121.05 131.58 4736.84 1
13 11810.34 552.28 7931.03 31.03 137.93 120.69 4310.34 0
14 10666.67 604.27 10000 106.67 200 200 9333.33 1
15 9051.52 365.09 9090.91 45.45 115.15 163.64 4393.94 0
16 9488.1 467.98 8333.33 35.71 109.52 154.76 4285.71 0
17 8725 608 10000 125 150 200 8500 1
18 7084.62 484.92 5769.23 38.46 84.62 115.38 5000 0
19 9380 504.96 8000 56 120 204 7200 1
20 9513.51 393.51 6756.76 35.14 108.11 135.14 4054.05 1
21 12128.57 424.23 8571.43 42.86 157.14 214.29 6571.43 0
22 7920 519.68 10000 76 100 140 5200 1
23 8522.22 397.87 9333.33 55.56 111.11 95.56 4444.44 0
24 9291.67 566.67 8333.33 54.17 104.17 183.33 5000 1
25 7000 357.94 7142.86 48.57 88.57 157.14 5714.29 1
26 9271.43 405.03 8571.43 54.29 128.57 208.57 4285.71 1
27 10672.73 497.75 9454.55 45.45 109.09 154.55 4000 0
28 9586.67 546.13 7666.67 66.67 116.67 233.33 5000 1
29 10566.67 472.27 10000 41.67 108.33 141.67 4166.67 1
30 9250 591.2 7500 50 90 125 2500 0
Keterangan
Output
Dependent Variable: Y
Method: Least Squares
Date: 01/08/19 Time: 12:19
Sample: 1 30
Included observations: 30
Interpretasi
Berdasarkan output uji regresi dari data hasil produksi kacang panjang setelah
ditambahkan variable dummy, yaitu bibit unggul dan tidak unggul didapatkan nilai
regresi dummy sebesar -1.0871 dengan nilai probabilitasnya sebesar 0.9197 artinya
tidak signifikan maka penggunaan bibit unggu maupun bibit tidak unggul tidak
berpengaruh terhadap hasil produksi kecang panjang.
B. Analisis Regrese Setelah data ditansformasi LN
Setelah diubah dengan Logaritma Natural maka didapatkan data sebagai berikut :
Output
Dependent Variable: LNY
Method: Least Squares
Date: 01/08/19 Time: 08:52
Sample: 1 30
Included observations: 30
Interpretasi
- Persamaan Regresi
Berdasarkan hasil output, nilai C atau konstanta memiliki nilai sebesar 4.065, nilai
Coefficient LNX1, sebesar 0,237, nilai Coefficient LNX2 sebesar 0.337, nilai
Coefficient LNX3 sebesar -0.254, nilai Coefficient LNX4 sebesar 0.489, nilai
Coefficient LNX5 sebesar 0.1672 dan nilai Coefficient LNX6 sebesar -0.186.
Sehingga didapatkan persamaan regresi.
Y = 4.065 + 0.237LNX1 + 0.337 LNX2 -0.254 LNX3 + 0.489LNX4 + 0.1672LNX5
- 0.186LNX6
- Nilai R2
R2 mempunyai nilai sebesar 0.903 artinya 90,3% variasi variabel Hasil Produksi (Y)
dipengaruhi oleh variabel Tenaga Kerja,Benih, Urea,TSP,NPK dan Pupuk Kandang.
Sedangkan, 9,7% lainnya dipengaruhi oleh variabel lain yang tidak dimasukkan ke
dalam model.
- Uji F
Nilai probabilitas F statistic sebesar 0,0000 < 0,01 maka dapat dikatakan signifikan.
Artinya secara bersama-sama variabel Tenaga Kerja,Benih, Urea,TSP,NPK dan
Pupuk Kandang berpengaruh secara nyata terhadap Hasil produksi Kacang Panjang.
- Uji t
1.Koefisien regresi LNX1 (Tenaga Kerja) sebesar 0.237
Setelah dilakukan uji t nilai probabilitasnya sebesar 0.0016 < 0.025 artinya signifikan.
Maka setiap penambahan 1% Tenaga Kerja akan menambah hasil produksi kacang
panjang sebanyak 0.237%
2.Koefisien regresi LNX2 (Benih) sebesar 0.33
Setelah dilakukan uji t nilai probabilitasnya sebesar 0.0002 < 0.025 yang artinya
signifikan. Maka setiap penambahan 1% Benih akan menambah hasil produksi
kacang panjang sebanyak 0.33%
3.Koefisien regresi LNX3 (Urea) sebesar -0.254
Setelah dilakukan uji t nilai probabilitasnya sebesar 0.000 < 0.025 yang artinya
signifikan. Maka setiap penambahan 1% Urea akan mengurangi hasil produksi kacang
panjang sebanyak 0.254%
4.Koefisien regresi LNX4(TSP) sebesar 0.489
Setelah dilakukan uji t nilai probabilitasnya sebesar 0.0000 < 0.025 yang artinya
signifikan. Maka setiap penambahan 1% TSP akan menambah hasil produksi kacang
panjang sebanyak 0.489%
5.Koefisien regresi LNX5(NPK) sebesar 0.167
Setelah dilakukan uji t nilai probabilitasnya sebesar 0.0061 < 0.025 yang artinya
signifikan. Maka setiap penambahan NPK sebesar 1%, maka akan menambah
produksi kacang panjang sebesar 0.167%
6.Koefisien regresi LNX6(Pupuk Kanfang) sebesar -0.186
Setelah dilakukan uji t nilai probabilitasnya sebesar 0.0003 < 0.025 yang artinya
signifikan. Maka setiap penambahan Pupuk kandang sebesar 1%, maka akan
mengurangi produksi kacang panjang sebesar 0.186%
1) . Uji Normalitas
obs Actual Fitted Residual Residual Plot
1 9.15905 9.19159 -0.03254
2 8.94028 8.90960 0.03068
3 9.25230 9.21210 0.04020
4 9.19353 9.11053 0.08301
5 9.12346 9.09753 0.02593
6 9.26951 9.20296 0.06654
7 9.52807 9.49346 0.03460
8 9.02516 9.07403 -0.04887
9 8.89563 8.80712 0.08851
10 8.92665 8.91484 0.01181
11 9.27096 9.26399 0.00698
12 9.23117 9.18894 0.04224
13 9.37673 9.37393 0.00280
14 9.27488 9.28204 -0.00716
15 9.11069 9.18381 -0.07312
16 9.15779 9.24542 -0.08762
17 9.07395 9.11987 -0.04592
18 8.86568 8.90673 -0.04105
19 9.14634 9.12951 0.01683
20 9.16047 9.11891 0.04155
21 9.40332 9.33664 0.06668
22 8.97715 9.04262 -0.06547
23 9.05043 9.05250 -0.00207
24 9.13687 9.16003 -0.02316
25 8.85367 8.89657 -0.04290
26 9.13469 9.24262 -0.10792
27 9.27545 9.25213 0.02332
28 9.16813 9.16617 0.00196
29 9.26546 9.25506 0.01040
30 9.13238 9.14859 -0.01622
Responden yang keluar dari residual plot adalah responden nomor 4,6,9,15,16,21,22
dan 26.
8
Series: Residuals
7 Sample 1 30
Observations 30
6
5
Mean -2.09e-15
Median 0.004889
4 Maximum 0.088514
Minimum -0.107924
3 Std. Dev. 0.049677
Skewness -0.239664
2 Kurtosis 2.457885
1
Jarque-Bera 0.654554
0 Probability 0.720884
-0.10 -0.05 0.00 0.05 0.10
Nilai Probabilitas adalah 0.7> 0.05, dapat dikatakan model ini tidak signifikan. Dan
nilai probabilitas Jargue Berra 0.554> 0.05 maka model ini terdistribusi normal.
2) . Uji Multikolinearitas
X1 X2 X3 X4 X5 X6
X1 1.000000 0.321297 0.600248 0.417043 -0.022670 0.472492
X2 0.321297 1.000000 0.466089 0.237810 0.006773 0.181805
X3 0.600248 0.466089 1.000000 0.459094 0.330775 0.671425
X4 0.417043 0.237810 0.459094 1.000000 0.478982 0.546299
X5 -0.022670 0.006773 0.330775 0.478982 1.000000 0.320282
X6 0.472492 0.181805 0.671425 0.546299 0.320282 1.000000
Berdasarkan uji Multicolinearitas yang dilakukan tidak terdapat nilai korelasi antar
variable independen di atas 0.9, maka dapat disimpulkan bahwa dalam model tersebut
tidak terdapat gejala multicolinearitas.
3) Uji Heterokesdastistas
Hasil analisis output berdasarkan tabel di atas, tampak bahwa nilai Obs R square
26.55 lebih besar dari probabilitas X kuadrat dari 0,05, maka dapat disimpulkan
model diatas tidak mengandung heteroskedastisitas.
4) Uji Autokorelasi
Dependent Variable: Y
Method: Least Squares
Date: 01/08/19 Time: 08:47
Sample: 1 30
Included observations: 30
Berdasarkan hasil output di atas, didapatkan nilai DW sebesar 1.65 dan DU sebesar
1.8326, jadi nilai DW berada pada daerah Do Not Reject, maka model tersebut
mengandung autokorelasi.