PRAKTEK METODE KUANTITATIF

NAMA: MUHAMMAD FADLI

STAMBUK: E32119057

PROGRAM STUDI AGRIBISNIS

JURUSAN SOSIAL EKONOMI PERTANIAN
FAKULTAS PERTANIAN UNIVERSITAS TADULAKO
P A LU
 PENGENALAN ANALISIS REGRESI LINEAR BERGANDA DENGAN
EXCELL

Oleh:

Nama: MUHAMMAD FADLI

No. Stambuk: E32119057

LAPORAN PRAKTEK LAPANG MATA KULIAH

METODE KUANTITATIF UNTUK AGRIBISNIS

Telah disetujui oleh Dosen Pengampu

Matakuliah Metode Kuantitatif Untuk Agribisnis
pada Tanggal seperti yang tertera di bawah ini

Palu, 10 Juni 2021

Made Krisna L.Antara, S.P., M.P Prof. Dr. Ir. Made Antara, M. P.
NIP 19910726 202012 2 007 NIP. 19611125 198701 1 001
 KATA PENGANTAR

Puji syukur alhamdulillah kami panjatkan ke hadirat Tuhan Yang Maha Esa, karena telah
melimpahkan rahmat-Nya berupa kesempatan dan pengetahuan sehingga makalah ini bisa
selesai pada waktunya. Terima kasih juga kami ucapkan kepada teman-teman yang telah
berkontribusi dengan memberikan ide-idenya sehingga makalah ini bisa disusun dengan baik
dan rapi. Kami berharap semoga makalah ini bisa menambah pengetahuan para pembaca.
Namun terlepas dari itu, kami memahami bahwa makalah ini masih jauh dari kata sempurna,
sehingga kami sangat mengharapkan kritik serta saran yang bersifat membangun demi
terciptanya makalah selanjutnya yang lebih baik lagi.

Palu, 4 Juni 2021

Penyusun
 DAFTAR ISI

HALAMAN PENGESAHAN.............................................................................halaman
KATA PENGANTAR.........................................................................................
DAFTAR ISI........................................................................................................
DAFTAR TABEL .............................................................................
DAFTAR GAMBAR .............................................................................
DAFTAR LAMPIRAN.............................................................................

I. PENDAHULUAN
I.1. Latar Belakang Praktek.............................................................................
I.2. Tujuan dan Manfaat Praktek.............................................................................
II. TINJAUAN PUSTAKA (Menyesuaikan)
III. METODE PRAKTEK (menyesuaikan)
III.1. Tempat dan Waktu Praktek.............................................................................
III.2. Penentuan Lokasi Praktek.............................................................................
III.3. Pengambilan Sampel (Petani Responden).................................................
III.4. Pengambilan Data.............................................................................
III.5. Analisis Data.............................................................................
IV. HASIL PRAKTEK DAN PEMBAHASAN ( menyesuaikan)
V. KESIMPULAN DAN SARAN
V.1. Kesimpulan.............................................................................
V.2. Saran-Saran.............................................................................

DAFTAR PUSTAKA.............................................................................
LAMPIRAN-LAMPIRAN.............................................................................
 DAFTAR TABEL

Tabel 1 Hal. 15 (Tabel data sekunder)

 DAFTAR GAMBAR

Gambar 1 Hal. 19 (proses pengerjaan saat praktek)

Gambar 2 Hal.20 (membuat data di excel)

 DAFTAR LAMPIRAN

Lampiran 1 Hal. 19 (proses pengerjaan saat praktek)

Lampiran 2 Hal.20 (membuat data di excel)

Lampran 3 Hal.21 (Tabel data sekunder)

Lampiran 4 Hal.22 (Data regresi linear variabel berganda)

 BAB I

PENDAHULUAN

1.1 Latar Belakang

Analisis regresi merupakan suatu cara yang dapat digunakan untuk mengetahui hubungan
sebuah variabel tak bebas (regressand) dengan sebuah atau lebih variabel bebas (regressor).
Menurut Drapper and Smith (1992) analisis regresi merupakan metode analisis yang dapat
digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang
hubungan ketergantungan variabel terhadap variabel lainnya. Bila dalam analisisnya hanya
melibatkan sebuah variabel bebas, maka analisis yang digunakan adalah analisis regresi linier
sederhana. Hubungan atau korelasi antara dua variabel melalui persamaan regresi sederhana
untuk meramalkan nilai dengan yang sudah diketahui nilainya tidak cukup, sebab selain
masih ada variabel lainnya. Apabila dalam persamaan analisis regresi melibatkan dua atau
lebih variabel bebas, maka regresi ini disebut analisis regresi linier berganda (multiple linier
regression). Analisis regresi linier berganda mempunyai lebih dari satu variabel bebas, sering
menimbulkan masalah karena terjadinya hubungan kuat antara dua variabel bebasnya yang
mengakibatkan terjadinya kolenieritas ganda (multikolenierity). Gejala ini menimbulkan
masalah dalam pemodelan regresi. Kolerasi yang sangat tinggi akan menghasilkan penaksiran
yang berbias, tidak stabil dan mungkin jauh dari nilai sasaran Gonst dan Mason (1997)
sehingga galat yang dihasilkan menjadi besar dan variansi parameternya menjadi tak hingga.
Metode kuadrat terkecil akan memberikan efek dari kolenieritas yaitu tingginya nilai
koefisien determinasi tetapi tidak diikuti dengan hasil uji hipotesis yang signifikan. Salah satu
cara untuk mendapatkan koefisien regresi pada persamaan regresi linier berganda adalah
melalui metode kuadrat terkecil. Metode ini menghasilkan penaksiran terbaik (tak bias dan
variansi minimum) apabila tidak ada kolerasi antara variabel bebas. Tetapi jika hal itu terjadi,
maka salah satu cara I-2 untuk mengatasi masalah tersebut adalah melalui metode regresi
gulud (Ridge Regression). Dengan menggunakan metode ini dapat mengurangi dampak
terjadinya multikolenieritas dengan menentukan pendugaan yang bias tetapi mempunyai
varians yang lebih kecil dari varians penduga regresi linier berganda. Pada dasarnya metode
ini merupakan modifikasi dari metode kuadrat terkecil dengan cara menambahkan tetapan
bias pada diagonal matriks , dimana 0 < < 1. Dengan asumsi matriks korelasi dari variabel
bebas dapat diinverskan dengan menggunakan metode regresi gulud sehingga nilai dugaan
koefisien regresi mudah didapat. Salah satu aplikasi pemakaian metode regresi gulud yang
dapat dianalisis yaitu jumlah tenaga kerja pada RSUD Arifin Achmad Pekanbaru yang sangat
berpengaruh terhadap kunjungan pasien ke rumah sakit karena pihak rumah sakit harus dapat
memberikan pelayanan kesehatan dengan baik kepada masyarakat yang membutuhkan
pelayanan kesehatan. Adapun tenaga kerja yang dimaksud disini adalah dokter atau
paramedis dan tenaga kerja nonparamedis yang ditempatkan disetiap poli pada RSUD Arifin
Achmad Pekanbaru. Dalam menaksirkan atau memprediksi tenaga kerja yang diperlukan
untuk rumah sakit mengalami masalah atau gangguan karena disebabkan faktor-faktor yang
mempengaruhi atau yang menjadi variabel bebasnya mengalami korelasi ganda atau
hubungan diantara variabel–variabel bebasnya mengalami masalah multikolinieritas.
1.2 Tujuan dan Manfaat Praktek

Tujuan

mengetahui seberapa besar pengaruh beberapa variabel bebas terhadap variabel tidak bebas
dan juga dapat meramalkan nilai variabel tidak bebas apabila seluruh variabel bebas sudah
diketahui nilainya.

Manfaat

1.Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel
bebas.

2.Untuk menguji hipotesis karakteristik dependensi.

3.Meramalkan nilai rata-rata variabel bebas yang didasari nilai variabel bebas diluar jangkauan
sample.
 BAB II

TINJAUAN PUSTAKA

Analisis Regresi Berganda

Analisis regresi berganda adalah suatu metode untuk meramalkan nilai pengaruh dua variabel
independen atau lebih terhadap satu variabel dependen. Lebih mudahnya yaitu untuk
membuktikan ada tidaknya hubungan antara dua variabel atau lebih dari dua variabel
independen X1, X2, X3,....,Xi terhadap satu variabel terikat Y.

Persamaan umum analisis regresi : 𝑌 = 𝛽𝑋 + 𝜀 (1)

Dimana:

Y = Variabel dependen

 = Parameter

X = Variabel Independen

 = Error

Menurut Drapper dan Smith (1992) hubungan antara satu variabel dependen dengan satu atau
lebih variabel independen dapat dinyatakan dalam regresi linier berganda. Hubungan tersebut
dapat dinyatakan secara umum sebagai berikut :

𝑌𝑖 = 𝛽0+ 𝛽𝑖 𝑋𝑖1 + 𝛽2 𝑋𝑖2 +... + 𝛽𝑘 𝑋𝑖𝑘 + 𝜀𝑖 (2)

Dimana :

repository.unimus.ac.id 𝑌 : variabel dependen untuk pengamatan ke i = 1,2,...,n.

𝛽0 ,1 , …, 𝛽𝑘 : parameter

𝑋𝑖1 ,𝑖2 ,…,𝑋𝑖𝑘 : variabel independen

𝜀𝑖 : sisaan (𝜀) untuk pengamatan ke i

Pendekatan statistik untuk melakukan analisis regresi dengan menggunakan metode OLS
maka terlebih dahulu harus memenuhi uji asumsi atau pengujian persyaratan analisis. Adapun
uraian mengenai pengujian asumsi persyaratan analisis regresi adalah sebadai berikut :

1. Normalitas

Asumsi persyaratan normalitas harus terpenuhi untuk mengetahui apakah residual/error dari
data berdistribusi normal atau untuk mengetahui apakah data sampel berasal dari populasi
tang berdistribusi normal. Uji statistik yang yang digunakan adalah kolmogorov-smirnov.
Hipotesis yang digunakan adalah sebagai berikut : H0 : data berdistribusi normal H1 : data
tidak berdistribusi normal Tingkat signifikan 𝛼 = 5% Pengambilan keputusan : Jika p-value <
0,05 maka H0 ditolak.

2. Autokorelasi

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik
autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan
pengamatan lain pada model regresi. Persyaratan yang harus terpenuhi adalah tidak adanya
autokorelasi dalam repository.unimus.ac.id model regresi. Metode pengujian yang sering
digunakan adalah dengan uji Durbin-Watson (Uji DW) dengan ketentuan sebagai berikut :

1. Jika d lebih < dL, berarti hipotesis nol ditolak, yang berarti terdapat autokorelasi.

2. Jika (d > dL), berarti terdapat autokorelasi.

3. Jika d terletak antara du dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada
autokorelasi 4. Jika dL < d < dU atau (4-dU), berarti tidak dapat disimpulkan.

3. Heteroskedastisitas

Uji heterokedastisitas spasial dilakukan untuk mengetahui apakah terdapat karakteristik atau
keunikan sendiri di setiap lokasi pengamatan. Adanya heterogenitas spasial dapat
menghasilkan parameter regresi yang berbeda-beda di setiap lokasi pengamatan.
Heterogenitas spasial di uji menggunakan statistik uji Breusch-Pagan dengan hipotesis
sebagai berikut :

H0 : 𝛼1 2 = 𝛼2 2 = ... 𝛼 2 (homoskedastisitas)

H1 : minimal ada satu 𝛼1 2 ≠ 𝛼 2 (heteroskedastisitas)

Statistik uji :

𝐵𝑃 = ( 1 2 ) 𝑓 𝑇𝑍(𝑍 𝑇𝑍) −1𝑍 𝑇𝑓

Dengan elemen vektor f adalah 𝑓1 = ( 𝑒𝑡 2 𝛼2 − 1) dimana 𝑒𝑖 = 𝑦𝑖 − 𝑦̂𝑖 adalah least square

residual untuk pengematan ke-i dan z merupakan matrik berukuran (n x (p+1)) berisi vektor
yang sudah di normal standarkan untuk tiap pengamatan. Daerah penolakan :
repository.unimus.ac.id Tolak H0, jikan 𝐵𝑃 > 𝑥𝑝 2 atau jika p-value < alpha dengan p adalah
banyaknya prediktor. 4. Multikolinieritas Salah satu syarat yang harus terpenuhi dalam
pembentukan model regresi dengan beberapa variabel prediktor adalah tidak ada kasus
multikolinieritas atau tidak terdapat korelasi antara satu variabel prediktor dengan variabel
prediktor yang lain. Dalam model regresi, adanya korelasi antar variabel prediktor
menyebabkan taksiran parameter regresi yang dihasilkan akan memiliki error yang sangat
besar. Pendeteksian kasus multikolinieritas dilakukan menggunakan kriteria VIF (Varians
Inflation Factor) lebih besar dari 10 menunjukkan adanya multikolinieritas anatar variabel
prediktor. Nilai VIF dinyatakan sebagai berikut : 𝑉𝐼𝐹 = 1 1−𝑅𝑗 2 (4) Dengan 𝑅𝑗 2 adalah
koefisien determinasi antara satu variabel prediktor Xj dengan variabel prediktor lainnya.
 BAB III

METODE PRAKTEK

3.1 Tempat dan Waktu Praktek

Praktek pada mata kuliah Metode Kuantitatif untuk Agribisnis dilaksanakan secara
daring melalui zoom meeting. Pada tanggal 12 Mei s/d 24 Mei 2021, yang merupakan waktu
asistensi tahap pertama dan terakhir sebelum pengerjaan laporan praktek.

3.2 Penentuan Lokasi Praktek

Lokasi praktek disesuaikan dengan data yang diperoleh yaitu berdasarkan data sekunder.
Dalam laporan ini menggunakan data Semarang. Untuk pengerjaannya dilakukan secara
daring untuk asistensi, dan pengerjaan laporan dilakukan di lokasi masing-masing individu.

3.3 Pengambilan Sampel

Pengambilan sampel responden bersumber dari hasil pencarian sekunder yang diambil
dari internet mengenai linier regresi dua variabel

3.4 Pengambilan Data

Data yang bersumber dari data sekunder. Data diporel dari hasi pencarian googling pada
salah satu situs internet. Sumber penelitian ini diambil pada

Hari/tanggal : Selasa 1 Juni 2021

Tempat : Kota Palu

Waktu : 09.00 - 11.00 WITA

3.5 Analisis Data

Analisi regresi adalah teknik statistika yang berguna untuk memerikasa dan memodelkan
hubungan diantara variabel-variabel. Regresi berganda sering kali digunakan untuk mengatasi
permasalahan analisi regresi yang mengakibatkan hubungan dari dua atau lebih variabel
bebas. Model persamaan regresi linier berganda sebagai berikut:

Y’ = a + b1X1+ b2X2+…..+ bnXn

Y’ = nilai pengaruh yang diprediksikan

a = konstanta atau bilangan harga X = 0

b = koefisien regresi

X = nilai variable dependen

Variabel bebas dalam penelitian ini adalah Corporate Social Responsibility, Service Quality
dan Marketing Mix, Sedangkan variabel terikatnya adalah Corporate Image. Metode analisis
ini menggunakan program SPSS (Statistic Product and Service Solution). Adapun bentuk
persamaannya yaitu :

Y = a + b1X1 + b2X2+ b3X3 + e

Y = Koefisien Corporate Image

a = Konstanta b1 = Koefisien Corporate Social Responsibility

b2 = Koefisien Service Quality

b3 = Koefisien Marketing Mix

X1 = Variabel Corporate Social Responsibility

X2 = Variabel Service Quality

X3 = Variabel Marketing Mix

e = Standart Eror Untuk menilai ketepatan fungsi regresi sampel dalam menaksir nilai aktual
dapat diukur dari nilai statistik T, nilai statistik F dan nilai koefisien diterminasi.

Uji Hipotesa

a. Uji t

Uji t digunakan untuk menguji salah satu hipotesis di dalam penelitian yang
menggunakan analisis regresi linier berganda. Uji t digunakan untuk menguji secara parsial
masing-masing variabel. Hasil Uji t dapat dilihat pada tabel coefficients pada kolom sig.
dengan criteria :

1) Jika probabilitas < 0,05, maka dapat dikatakan bahwa terdapat pengaruh antara variabel
bebas terhadap variabel terikat secara parsial.

2) Jika probabilitas > 0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh antara
variabel bebas terhadap variabel terikat secara parsial.

b. Uji F

Uji F digunakan untuk menguji salah satu hipotesis di dalam penelitian yang menggunakan
analisis regresi linier berganda. Uji F digunakan untuk mengetahui pengaruh variabel bebas
secara bersama-sama (simultan) terhadap variabel terikat. Hasil uji F dilihat dalam tabel
ANOVA dalam kolom sig. dengan criteria :

1) Jika nilai probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan
secara bersama-sama antara variabel bebas terhadap variabel terikat.

2) Jika nilai probabilitas > 0,05, maka tidak terdapat pengaruh yang signifikan secara
bersama-sama antara variabel bebas terhadap variabel terikat.
c. Koefisien Determinasi (Adjusted R Square)

Uji ini bertujuan untuk menentukan proporsi atau persentase total variasi dalam variabel
terikat yang diterangkan oleh variabel bebas. Apabila analisis yang digunakan adalah regresi
sederhana, maka yang digunakan adalah nilai R Square. Namun, apabila analisis yang
digunakan adalah regresi berganda, maka yang digunakan adalah Adjusted R Square.
 BAB IV

HASIL PRAKTEK DAN PEMBAHASAN

Tabel 1.Data Sekunder

Harga Produk (X1) Biaya Iklan (X2) Banyak Penjualan

(Y)

9 60 120

14 100 50

19 150 70

24 190 80

29 70 30

34 30 60

39 130 170

44 200 200

49 140 160

54 120 130

SUMMARY
OUTPUT
 Regression Statistics
Multiple R 0,683636101
R Square 0,467358319
Adjusted R Square 0,315174981 Koef.Determinasi
Standard Error 47,46655994
Observations 10

ANOVA
Significanc
  Df SS MS F eF
3,07102
Regression 2 13838,47981 6919,24 2 0,110287 F hitung
2253,07
Residual 7 15771,52019 4
Total 9 29610      

Upper
  Coefficients Standard Error t Stat P-value Lower 95% 95%
0,08377 0,93558
Intercept 3,729109523 44,51479405 2 3 -101,532 108,9899
1,63996 0,14501
Harga Produk (X1) 1,787251304 1,089809134 7 9 -0,78974 4,36424
1,31750 0,22915
Biaya Iklan (X2) 0,394726676 0,299602653 1 4 -0,31372 1,103174
Koef.Regresi T hitung

Y= a = bx1+cx2+e

Y= 3,72+1,78,+0,10+e

1.Pengaruh harga terhadap pendapatan tidak berpengaruh karena harga plus (+)

2.Harga dan pendapatan berpengaruh terhadap permintaan

A.uji regresi
uji regresi merupakan alat uji yang digunakan untuk melihat pengaruh dari suatu varian. uji regresi
linear sederhana digunakan jika hanya terdapat satu variabel x saja.

B. uji t

Uji t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel independen secara individual
menerangkan variasi variabel terikat.

C. uji f

Uji F digunakan untuk mengetahui apakah variabel-variabel independen secara simultan berpengaruh
signifikan terhadap variabel dependen. Derajat kepercayaan yang digunakan adalah 5 %. Apabila nilai
F hasil perhitungan lebih besar dari nilai F tabel maka hipotesis alternatif yang menyatakan bahwa
semua variabel independen secara stimultan berpengaruh signifikan tehadap variabel dependen .

D. Uji Koefisien Determinasi (R2)

Koefisien determinasi bertujuan untuk mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen.
 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Regresi linier berganda bisa memperlihatkan hubungan antar keduanya dengan lebih
jelas. Misal, bagaimana pola asuh orang tua, lingkungan dan pendidikan berpengaruh pada
pernikahan dini. Selain itu, bisa juga digunakan di beberapa kasus untuk memperkirakan nilai
variabel bebas, seperti hasil yang didapatkan dari suatu penanaman bibit dan lain sebagainya.

Maka dapat disimpulkan bahwa fungsi regresi linier berganda berguna untuk dua hal.
Pertama, untuk meramalkan atau memperkirakan. Kedua, untuk menyimpulkan hubungan
kausal antara dua variabel dalam suatu kumpulan yang tetap.

5.2 Saran

1. kemungkinan Untuk peneliti-peneliti selanjutnya diharapkan untuk menambahkan jumlah

variabel yang mempengaruhi hasil pendapatan pengusaha dikarenakan masih banyak nilai
variabel yang belum terpenuhi

2. kepada para peneliti untuk tidak mengabaikan hasil dari nilai input variable yang
didapatkan dan teliti dalam melakukaan perhitungan nilai regresi.
 DAFTAR PUSTAKA

1. Algifari. 1997. Statistika Induktif Untuk Ekonomi dan Bisnis. Yogyakarta: UPP AMP
YKPN.

2. Algifari. 1997. Analisis Statistik Untuk Bisnis; Dengan Regresi, Korelasi dan
Nonparametrik. Yogyakarta: BPFE.

3. Mason, R.D & Douglas A. Lind. 1996. Teknik Statistik Untuk Bisnis dan Ekonomi, Jilid
II. Jakarta: Penerbit Erlangga.

4. Sugiyono. 2001. Metode Penelitian Administrasi. Bandung: Alfabeta.

5. Usman, H. & R. Purnomo Setiady Akbar. 2000. Pengantar Statistika. Jakarta: Bumi
Aksara.

LAMPIRAN – LAMPIRAN
 TABEL DATA SEKUNDER

Harga Produk (X1) Biaya Iklan (X2) Banyak Penjualan

(Y)

9 60 120

14 100 50

19 150 70

24 190 80

29 70 30

34 30 60

39 130 170
 44 200 200

49 140 160

54 120 130

SUMMARY
OUTPUT

Regression Statistics
Multiple R 0,683636101
R Square 0,467358319
Adjusted R Square 0,315174981 Koef.Determinasi
Standard Error 47,46655994
Observations 10

ANOVA
Significanc
  df SS MS F eF
3,07102
Regression 2 13838,47981 6919,24 2 0,110287 F hitung
2253,07
Residual 7 15771,52019 4
Total 9 29610      
 Upper
  Coefficients Standard Error t Stat P-value Lower 95% 95%
0,08377 0,93558
Intercept 3,729109523 44,51479405 2 3 -101,532 108,9899
1,63996 0,14501
Harga Produk (X1) 1,787251304 1,089809134 7 9 -0,78974 4,36424
1,31750 0,22915
Biaya Iklan (X2) 0,394726676 0,299602653 1 4 -0,31372 1,103174
Koef.Regresi T hitung