Email: tiara.saskia98@student.uns.ac.id
ABSTRAK
Indonesia memiliki kekayaan alam yang sangat melimpah sehingga membuat negara
Indonesia menjadi salah satu negara yang memiliki potensi sangat besar dalam sektor
pertanian. Peran sektor pertanian dalam pembangunan Indonesia dapat dilihat dari kotribusi
sektor pertanian tehadap perekonomian nasional. Sektor pertanian terdiri dari subsektor tanam
pangan, holtikultura, kehutanan, perkebunan dan perternakan, diantara keempat subsektor yang
memiliki peran penting subsektor tanaman panganlah yang merupakan salah satu subsektor
yang memiliki peran penting dalam penyediaan bahan pangan utama bagi masyarakat untuk
menunjang kelangsungan hidup. Pertanian tanaman pangan terdiri dari dua kelompok besar
yaitu pertanian padi dan palawija, pengembangan tanaman palawija juga diarahkan untuk
pemantapan ketahanan pangan dan pengetasan kemiskian. Salah satu tanaman palawija yang
banyak dibudidayakan oleh petani di Indonesia adalah tanaman jagung.
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.
Analisis regresi merupakan teknik statistika yang digunakan untuk menyelidiki dan
nemodelkan hubungan antara variabel dependen dan variabel independen. Jika Y variabel
dependen dan X1, X2, ... , XK variabel independen, maka model regresi linear secara umum
dapat dinyatakan sebagai 𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖1 + 𝛽2 𝑋𝑖2 + ⋯ + 𝛽𝑘 𝑋𝑖𝑘 + 𝜀𝑖.
Dalam kasus model regresi linear, dimungkinkan terdapat data outlier (pencilan) yaitu
pengamatan dengan nilai mutlak sisaan jauh lebih besar daripada sisaan-sisaan lain sehingga
akan mempengaruhi model regresi yang terbentuk. Data pencilan tersebut tidak boleh dibuang
begitu saja karena akan mempengaruhi model prediksi serta menghasilkan estimasi parameter
yang kurang tepat. Untuk menyelesaikan masalah tersebut diperlukan adanya metode yang
bersifat robust dimana nilai estimasinya tidak boleh dipengaruhi perubahan kecil dalam data.
Regresi Robust merupakan metode regresi yang digunakan ketika distribui dari sisaan
tidak normal atau adanya beberapa pencilan yang berpengaruh pada model. Dalam regresi
robust terdapat beberapa metode estimsi seperti estimasi-M, estimasi Least Median Square
(LSM), estimasi Least Trimmed Squarre (LTS), estimasi-S, estimasi-MM (Chen, 2002).
Dalam penelitian ini menggunakan regresi robust estimasi-M. Prinsip dasar dari
estimasi M adalah meminimumkan fungsi dari sisaan. Pada artikel ini akan diterapkan model
regresi dengan estimasi M pada produksi jagung di Indonesia.
2. MODEL REGRESI
Menurut Sembiring (1995: 32) model regresi adalah model yang memberikan
gambaran mengenai hubungan antara variabel bebas dengan variabel terikat. Analisis
regresi adalah salah satu metode statistika yang digunakan untuk menyelidiki atau
membangun model hubungan antara dua variabel atau lebih. Variabel yang nilainya di
tentukan oleh variabel lain disebut variabel tak bebas (dependent variable), sementara
variabel yang nilainya dapat ditentukan atau dapat diamati disebut variabel bebas
(independent variable).
Menurut Draper & Smith (1998: 22) bentuk umum dari regresi linier sederhana
adalah sebagai berikut:
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝜀𝑖 , 𝜀 ~ 𝑁(0, 𝜎 2 )
dengan,
Yi : nilai variabel dependen pada observasi ke-i
Xi : nilai variabel independen pada observasi ke-i
𝛽0 , 𝛽1 : parameter koefisien regresi
𝜀𝑖 : error yang bersifat random
Estimasi M adalah salah satu metode estimasi regresi robust. Menurut Montgomery dan
Peck (2006), estimasi M merupakan estimasi yang meminimumkan suatu fungsi sisaan ρ
𝑚𝑖𝑛 𝑛
𝛽̂𝑀 = ∑ 𝜌(𝑒𝑖 )
𝛽 𝑖=1
𝑛 𝑘
𝑚𝑖𝑛
𝛽̂𝑀 = ∑ 𝜌 (𝑦𝑖 − ∑ 𝑥𝑖𝑗 𝛽𝑗 )
𝛽
𝑖=1 𝑗=0
Fungsi ρ merupakan fungsi representasi pembobot dari residu. Fungsi ini merupakan gabungan
dari MKT dan Least Absolute Value (LAV). Pada estimasi M 𝑏0 , 𝑏1 , … , 𝑏𝑝 adalah penaksir dari
𝛽0 , 𝛽1 , … , 𝛽𝑝 sehingga fungsi minimum 𝜌(𝜀) dapat didefinisikan sebagai
𝜀2 ; −𝑘 ≤ 𝜀 ≤ 𝑘
𝜌(𝜀) = {
2𝑘|𝜀| − 𝑘 2 ; 𝜀 < −𝑘 𝑜𝑟 𝜀 > 𝑘
3. Dihitung 𝑦𝑖∗ = 𝑦̂𝑖0 + 𝑒𝑖∗ lalu dari nilai 𝑦𝑖∗ tersebut dicari nilai 𝑏0 menggunakan metode
kuadrat terkecil. Proses iterasi berlanjut sampai diperoleh nilai 𝑏0 yang sama dengan
iterasi sebelumnya.
4. METODE PENELITIAN
Metode penelitian yang digunakan dalam penulisan ini adalah studi kasus, yaitu
melakukan estimasi regresi robust pada model produksi jagung di Indonesia. Data yang
digunakan dalam penelitian ini adalah data sekunder yang diambil dari Badan Pusat Statistik
(BPS) tahun 2010.
Objek penelitian yang akan dijadikan sebagai variabel dependen adalah jumlah produksi
(Ton) menurut provinsi di Indonesia yaitu sebanyak 33 provinsi. Sedangkan variabel
independen yang digunakan dalam penelitian ini ada 2, yaitu 𝑥1 adalah produktivitas (Ku/Ha)
dan 𝑥2 adalah luas panen (Ha). Tahap-tahap analisis pada penelitian ini adalah.
Model regresi linier dengan metode kuadrat terkecil untuk jumlah penduduk di Jawa Tengah
adalah
dengan
Pengujian asumsi klasik berkaitan dengan kebaikan model regresi. Pengujian asumsi
klasik yang digunakan yaitu uji normalitas, uji homoskedastisitas, uji non autokorelasi, dan uji
multikolinieritas.
60
50
40
30
20
10
5
1
-400000 -300000 -200000 -100000 0 100000 200000 300000
RESI1
Plot kesamaan variansi untuk data sisaan pada model produksi jagung di indonesia
tahun 2010
Versus Fits
(response is y)
30000
20000
10000
Residual
-10000
-20000
-30000
0 50000 100000 150000 200000 250000 300000 350000
Fitted Value
Pada gambar tampak bahwa variansi sisaan dari satu pengamatan ke pengamatan lain
berpola acak yang mengindikasikan nahwa variansi sisaan konstan sehingga dapat
diindikasikan asumsi homoskedastisitas dipenuhi.
Berdasarkan hasil output pada tabel dapat dilihat bahwa nilai VIF untuk semua
variabel independen, baik variabel produktivitas (𝑋1 ) maupun Luas panen (𝑋2 ) adalah
lebih kecil dari 10, sehingga dapat disimpulkan bahwa asumsi non multikolinearitas
dipenuhi.
Pencilan
Berdasarkan statistik uji untuk mengetahui pencilan terhadap Y yaitu TRES dengan
menarik kesimpulan menolak 𝐻0 apabila nilai 𝑇𝑅𝐸𝑆 > 𝑡𝑡𝑎𝑏𝑒𝑙 = 2.048 maka diperoleh
kesimpulan bahwa terdapat pencilan data ke-14.
Berdasar statistik uji untuk mengetahui pencilan terhadap X yaitu hii yang dengan
menarik kesimpulan bahwa pengamatan menolak 𝐻0 apabila nilai ℎ𝑖𝑖 > 2𝑘/𝑛 = 0.2424
maka diperoleh kesimpulan bahwa terdapat pencilan data ke-16
No 𝑇𝑅𝐸𝑆𝑆 ℎ𝑖𝑖
1 -0.39927 0.037748
2 0.93861 0.077901
3 -0.26327 0.193402
4 0.23421 0.064494
5 0.73928 0.076610
6 -0.12176 0.040633
7 -0.31988 0.037425
8 0.24086 0.039656
9 -0.19164 0.037549
10 0.87207 0.092328
11 0.77780 0.079843
12 1.44533 0.180429
13 0.04640 0.037273
14 2.27775 0.163457
15 -0.61739 0.037328
16 -0.90813 0.716534
... ... ...
27 -0.48415 0.054003
28 -0.39949 0.063002
29 -0.06363 0.054053
30 0.45010 0.059276
31 0.56999 0.091749
32 0.83933 0.103368
33 0.97253 0.110840
Proses perhitungan model regresi robust estimasi M yang telah dilakukan menghasilkan
nilai estimasi baru setelah melewati proses iterasi. Proses iterasi konvergen pada iterasi ke 24
dengan hasil persamaannya
dengan interpretasi setiap kenaikan satu variabel produktivitas (𝑥1 ) maka akan mengurangi
sebesar 647 jumlah produksi, setiap kenaikan satu variabel luas panen (𝑥2 ) akan menambah
sebesar 0.22330 jumlah produksi.
Untuk mengetahui variabel independen yang berpengaruh dilakukan uji signifikansi model
regresi robust estimasi-M. Ada tiga kemungkinan model terreduksi pada model regresi linear
dengan dua variabel bebas, yaitu
𝑌𝑖 = 𝛽0 + 𝜀𝑖 (1)
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖1 𝜀𝑖 (2)
𝑌𝑖 = 𝛽0 + 𝛽2 𝑋𝑖2 𝜀𝑖 (3)
𝑏0
Iterasi ke
𝑌𝑖 = 𝛽0 + 𝜀𝑖 𝑌𝑖 = 𝛽0 + 𝛽1𝑋𝑖1 𝜀𝑖 𝑌𝑖 = 𝛽0 + 𝛽2 𝑋𝑖2 𝜀𝑖
1 (125202) (-161262 ; 8047.76) (3836.34 ; 0.218527)
2 (116916) (-162069 ; 7892.54) (3221.52 ; 0.218531)
3 (114908) (-161954 ; 7841.57) (3206.75 ; 0.218458)
4 (114421) (-161796 ; 7824.34) (3219.36 ; 0.218406)
5 (114421) (-161704 ; 7818.37) (3228.86 ; 0.218372)
6 (114421) (-161654 ; 7816.11) (3235.13 ; 0.218350)
7 (-161645 ; 7815.56) (3239.21 ; 0.218336)
8 (-161640 ; 7815.35) (3241.87 ; 0.218327)
9 (-161639 ; 7815.28) (3243.60 ; 0.218320)
10 (-161638 ; 7815.26) (3244.73 ; 0.218316)
11 (-161638 ; 7815.26) (3245.46 ; 0.218314)
12 (-161638 ; 7815.26) (3245.94 ; 0.218312)
13 (3246.25 ; 0.218311)
14 (3246.45 ; 0.218310)
15 (3246.59 ; 0.218310)
16 (3246.67 ; 0.218310)
17 (3246.73 ; 0.218309)
18 (3246.77 ; 0.218309)
19 (3246.79 ; 0.218309)
20 (3246.80 ; 0.218309)
21 (3246.82 ; 0.218309)
22 (3246.82 ; 0.218309)
23 (3246.83 ; 0.218309)
24 (3246.83 ; 0.218309)
25 (3246.83 ; 0.218309)
Sebelum dilakukan uji hipotesis untuk masing-masing model terreduksi, dihitung nila
STRfull, langkah pertama yang dilakukan adalah mencari sisa ei dari model regresi. Diperoleh
nilai MAD = 7590.56sehingga k = 16885.2. semua sisa berada pada interval 1.5𝜎̂ ≤ 𝑒𝑖 ≤ 1.5𝜎̂
dan diperoleh nilai 𝜌(𝑒𝑖 ) = 𝑒𝑖2 . Hasil penjumlahan 𝜌(𝑒𝑖 ) adalah STRfull= 3151739775. Untuk
mendapatkan nilai 𝜆̂ sebelumnya dihitung ∑(𝑒𝑖∗ )2= 2011299859 dan diperoleh
𝑛 33
( ) ∑(𝑒𝑖∗ )2 ( )2011299859
𝜆̂ = 𝑚
= 29
= 7892397.56
𝑛−𝑝−1 33−3−1
Statistik ujinya
Daerah kritis :
Kesimpulan :
Statistik ujinya :
Daerah kritis :
Nilai R-sq pada model sebesar 99,84% yang berarti variansi populasi dapat
dijelaskan oleh model sebesar 99,84 %.
S R-sq R-sq(adj) R-sq(pred)
6. KESIMPULAN
dengan interpretasi setiap kenaikan satu variabel produktivitas (𝑥1 ) maka akan mengurangi
sebesar 647 jumlah produksi, setiap kenaikan satu variabel luas panen (𝑥2 ) akan menambah
sebesar 0.22330 jumlah produksi.
DAFTAR PUSTAKA
Birkes, D. & Dodge, Y., 1993. Alternative Methods of Regression, John Wiley & Sons Inc.,
New York.
Chen, C. 2002. Robust Regression and Outlier Detection with the ROBUSTREG Procedure,
Statistics and Data Analysis, SAS Institute Inc., Cary, NC. 265-271.
Montgomery, D.C. & Peck, 2006. E.A., Intro- duction to Linear Regression Analysis, John
Wiley & Sons Inc., New York.