REGRESI DENGAN VARIABEL TERIKAT DATA KUALITATIF

LATIHAN SOAL 11.1 DAN 11.3

OLEH:

KELOMPOK 3

1. I Dewa Gede Alit Ptra Ariana (2007531110/06)

2. Ida Ayu Ratih Weda Dwijayani (2007531155/11)
3. Made Dwipa Widiartana (2007531224/23)
4. Ayu Cantika Amanda (2007531259/29)
5. I Gede Made Dhiyo Mahautama (2007531283/31)

Mata Kuliah : Aplikasi Analisis Kuantitatif B2

Dosen Pengampu : Dr. IG.N.A. Suaryana, S.E., M.Si., Ak

PROGRAM STUDI AKUNTANSI

FALKUTAS EKONOMI DAN BISNIS UNIVERSITAS UDAYANA

2021/2022
SOAL 11.1.

Suatu penelitian pada sebuah komplek perumahan dengan mengambil sampel 30

orang, diperoleh data mengenai tipe rumah yang dimiliki (0 = kecil, 1 = sedang),
pendapatan dalam setahun (Rp jutaan), jumlah anggota keluarga (orang), dan pendidikan
kepala keluarga (dalam tahun sukses), seperti di bawah ini.

Tipe Penda- Anggota Pendi- Tipe Penda- Anggota Pendi-

No. No.
Rumah patan RT dikan Rumah Patan RT Dikan
1 0 34 2 16 16 1 50 7 16
2 0 41 3 17 17 1 56 6 11
3 0 49 5 17 18 1 61 3 10
4 0 53 1 9 19 1 71 5 16
5 0 54 3 9 20 1 77 3 18
6 0 55 1 10 21 1 83 4 13
7 0 56 3 16 22 1 86 6 15
8 0 58 2 14 23 1 94 4 12
9 0 59 2 18 24 1 98 6 10
10 0 60 3 11 25 1 100 4 10
11 0 61 1 10 26 1 102 5 9
12 0 62 3 9 27 1 104 6 16
13 0 63 2 10 28 1 108 5 10
14 0 65 3 11 29 1 115 5 10
15 0 68 6 9 30 1 120 5 11
Keterangan: 0 = tipe kecil; 1 = tipe sedang
Tugas: Olah data di atas dengan regresi logistik, bahwa pemilikan rumah dipengaruhi oleh
pendapatan, jumlah anggota keluarga, dan pendidikan kepala keluarga, serta buat laporan
regresinya secara lengkap (gunakan standar Gujarati, halaman 83 - 84).

Penyelesaian :
 Hasil Olahan Data SPSS :

Omnibus Tests of Model Coefficients

Chi-
df Sig.
square
Step 28.370 3 .000
Step 1 Block 28.370 3 .000
Model 28.370 3 .000
 Model Summary

-2 Log Cox &

likelihoo Snell R Nagelkerke
Step d Square R Square
1 13.219(a) .612 .815
a Estimation terminated at iteration number 7 because parameter estimates changed by less
than .001.

Hosmer and Lemeshow Test

Chi-
Step square df Sig.
1 3.037 8 .932

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step X1 .151 .074 4.167 1 .041 1.163
1(a) X2 .944 .447 4.469 1 .035 2.571
X3 .202 .224 .809 1 .368 1.224
Constan
-16.297 6.688 5.938 1 .015 .000
t
a Variable(s) entered on step 1: X1, X2, X3.

 Hasil olahan data diatas dapat disajikan dalam bentuk persamaan sbb:

p^
ln = -16,297 + 0,151X1 + 0.944X2 + 0,202X3
1−^p

Sb = (6,688) (0,074) (0,447) (0,224)

t = (2,437) (2,041) (2,114) (0,899)

Sig = (0,015) (0,041) (0,035) (0,368)

2 = 28,370 (sig = 0,000) R2 = 0,815

Secara serempak variabel bebas Pendapatan, Anggota RT, dan Pendidikan

berpengaruh nyata terhadap Tipe Rumah. Hal ini dapat dilihat dari hasil perhitungan
2 = 28,370 yang lebih besar dibandingkan dengan nlai 2 yang sebesar 7,78 pada
derajat bebas 3 pada level of significant 5 persen. Dapat juga dilihat dari nilai sig =
0,000 yang lebih kecil dari 5 persen.
 Diketahui bahwa R2 sebesar 0,815. Hal ini berarti bahwa 81,5 persen variasi
Tipe Rumah dipengaruhi oleh variasi variable Pendapatan (X1), jumlah anggota
keluarga (X2), dan Pendidikan (X3), sedangkan sisanya 18,5 persen dipengaruhi oleh
variable lan di luar model.
Dalam hasil olahan SPSS dapat dilihat bahwa Pendidikan (X 1) dan jumlah
anggota keluarga (X2) berpengaruh nyata terhadap Tipe Rumah pada level of
significant 5 persen. Sedangkan Pendidikan (X 3) tidak berpengaruh nyata terhadap
Tipe Rumah pada level of significant 5 persen.
Nilai t statistik dapat diperoleh dengan mengakarkan nilai Wald statistik (
t=√ WaldStatistik ). Nilai t tabel pada tingkat signifikasi 5 persen dengan pengujian
dua sisi dan pada derajat kebebasan 30 – 4 adalah sebesar ± 2,056. Nilai tabel ini lebih
kecil dari hasil t hitung untuk variabel Anggota RT (X 2), namun lebih besar dari t
hitung variabel Pendapatan (X1) dan Pendidikan (X3).
^p
ln = e (−16,297+ 0,151 X 1 +0,944 X 2+ 0,202 X 3 )
1−^p
^
P = 1/ {1 + e−(−16,297+0,151 X 1+0,944 X 2 +0,202 X 3)}
Koefisien regresi dari Pendapatan (X1) sebesar 0,151 dapat dihitung
probabilitas sebesar 0,538 yang diperoleh dari 1/ (1 + e−0,151). Hal ini diiterpretasikan
bahwa dengan meningkatnya pendapatan sebesar satu juta, maka probabilitas tipe
rumah sedang meningkat sebesar 0,538, dengan asumsi faktor lainnya konstan.
Koefisien regresi dari Jumlah Anggota Keluarga (X 2) sebesar 0,944 dapat
dihitung probabilitas sebesar 0,720 yang diperoleh dari 1/ (1 + e−0,944 ). Hal ini
diiterpretasikan bahwa dengan bertambahnya jumlah anggota keluarga sebesar satu
orang, maka probabilitas tipe rumah sedang meningkat sebesar 0,720, dengan asumsi
faktor lainnya konstan.
Koefisien regresi dari Pendidikan (X3) sebesar 0,202 dapat dihitung
probabilitas sebesar 0,550 yang diperoleh dari 1/ (1 + e−0,202). Hal ini diiterpretasikan
bahwa dengan meningkatnya Pendidikan sebesar satu tahun , maka probabilitas tipe
rumah sedang meningkat sebesar 0,550, dengan asumsi faktor lainnya konstan.
Hasil print out SPSS juga menampilkan validitas model, yaitu bahwa
ketepatan prediksi adalah 28 dari 30 pengamatan. Sehingga ketepatan model yang
dibuat adalah 28/30 atau 93,3 persen.
 Classification Tablea
Predicted
Y Percentage
Observed Kecil Sedang Correct
SY Kecil 14 1 93.3
t Sedang 1 14 93.3
eOverall Percentage 93.3
p

1
a. The cut value is .500

SOAL 11.3.

Penerapan teknologi oleh petani padi yang diindikasikan dengan pelaksanaan

pemupukan berimbang di Kabupaten Jembrana diduga dipengaruhi oleh beberapa faktor
sosial ekonomi, yaitu: pendidikan, pengalaman bertani, status tanah garapan, luas tanah
garapan, dan pendapatan. Hal ini ditunjukan oleh hasil olahan data sebagai berikut.

Logistic Regression

B S.E. Wald df Sig. Exp(B)

Step a X1 ,840 ,177 22,526 1 ,000 2,317
1 X2 ,230 ,056 17,044 1 ,000 1,259
D 4,735 ,942 25,277 1 ,000 113,828
X3 ,052 ,022 5,491 1 ,019 1,053
X4 ,005 - ,002 5,015 1 ,025 1,005
16,264 2,795 33,857 1 ,000 ,000
Constant
a. Variable(s) entered on step 1: X1, X2, D, X3, X4.
Keterangan: Y = penerapan teknologi, 1 = ya; 0 = tidak

X1 = pendidikan petani (dalam tahun sukses)

X2 = pengalaman bertani (tahun)

D = Status pemilikan lahan, 1 = milik sendiri, 0 = menyakap

X3 = luas lahan garapan (are)

X4 = pendapatan keluarga (Rp 1.000)

Tugas :

a) Buatlah laporan regresinya (gunakan standar Gujarati halaman 83 - 84).

b) Jika seorang petani diteliti, diketahui dia adalah tamatan SLTA, pengalaman bertani
4 tahun, status tanah milik sendiri, luas tanah garapan 40 are, dan pendapatan
keluarga sebesar Rp 500 ribu, prediksilah probabilitasnya apakah petani yang
bersangkutan menerapkan teknologi pemupukan berimbang ataukah tidak?

Penyelesaian :

a. Buatlah laporan regresinya

Persamaan regresi

= - 16,264 + 0,840X1 + 0,230X2 + 4,735Di + 0,052X3 + 0,005X4

Sb = (2,795) (0,177) (0,056) (0,942) (0,022) (0,002)

t = (5,819) (4,746) (4,128) (5,028) (2,343) (2,240)
Sig = (0,000) (0,000) (0,000) (0,000) (0,019) (0,025)
x2 = 166,686 Sig = 0,000 R2 = 0,821

Laporan regresi

Berdasarkan SPSS, variabel bebas Pendidikan Bertani (X1), pengalaman

bertani (X2), status kepemilikan lahan (Di), luas lahan Garapan (X3), dan pendapatan
keluarga (X4) berpengaruh nyata terhadap penerapan teknologi yang dilakukan oleh
petani padi. Hal ini dapat dilihat dari nilai X2 sebesar 166,686 yang lebih besar dari
nilai tabel X2 pada derajat bebas 5 dan level signifikan 5 persen yang besarnya 11,070.
Nilai R2 sebesar 0,821 berarti 82,1 persen variasi penerapan teknologi dipengaruhi
oleh variasi Pendidikan Bertani, pengalaman bertani, luas lahan Garapan, pendapatan
keluarga, dan status kepemilikan lahan, sedangkan sisanya sebesar 17,9 persen
dipengaruhi oleh variabel lain diluar model regresi
Besar t tabel pada tingkat signifikansi 5 persen dengan pengujian dua sisi dan pada
derajat

Koefisien regresi logistik variabel Pendidikan Bertani sebesar 0,840 dapat dihitung
probabilitasnya
pˆ = 1/ {1 + e-(0,840)}
= 1/ {1 + 0,432
= 0,70

Koefisien regresi logistik dari pendidikan bertani sebesar 0,840 diperoleh probabilitas
sebesar 0,70 yang berarti dengan meningkatnya Pendidikan Bertani sebesar satu satuan,
maka probabilitas adanya penerapan teknologi akan meningkat sebesar 0,70, dengan
asumsi faktor lainnya konstan.

Koefisien regresi logistik variabel Pengalaman Bertani sebesar 0,230 dapat dihitung
probabilitasnya
pˆ = 1/ {1 + e-(0,230)}
= 1/ {1 + 0,80}
= 0,56
Koefisien regresi logistik dari pengalaman bertani sebesar 0,230 diperoleh probabilitas
sebesar 0,56 yang berarti dengan meningkatnya pengalaman bertani sebesar satu
satuan, maka probabilitas adanya penerapan teknologi akan meningkat sebesar 0,56
dengan asumsi faktor lainnya konstan.

Koefisien regresi logistik variabel status kepemilikan lahan sebesar 4,735 dapat
dihitung probabilitasnya
pˆ = 1/ {1 + e-(4,735)}
= 1/ {1 + 0,009}
= 0,1
Koefisien regresi logistik dari status kepemilikan lahan sebesar 4,735 mempunyai
arti untuk lahan yang dimiliki sendiri (skala 1) memiliki probabilitas adanya
penerapan teknologi 0,1 lebih besar dibandingkan dengan lahan menyakap.

Koefisien regresi logistik variabel luas lahan garapan sebesar 0,052 dapat dihitung
probabilitasnya
pˆ = 1/ {1 + e-(0,052)}
= 1/ {1 + 0,95}
= 0,51
Koefisien regresi logistik dari luas lahan sebesar 0,052 diperoleh probabilitas
sebesar 0,51 yang berarti dengan meningkatnya luas lahan garapan sebesar satu
 satuan, maka probabilitas adanya penerapan teknologi akan meningkat sebesar 0,51
dengan asumsi faktor lainnya konstan.

Koefisien regresi logistik variabel pendapatan keluarga sebesar 0,005 dapat dihitung
probabilitasnya
pˆ = 1/ {1 + e-(0,005)}
= 1/ {1 + 0,96}
= 0,51
Koefisien regresi logistik dari pendapatan keluarga sebesar 0,005 diperoleh
probabilitas sebesar 0,51 yang berarti dengan meningkatnya pendapatan keluarga
sebesar satu satuan, maka probabilitas adanya penerapan teknologi akan meningkat
sebesar 0,51 dengan asumsi faktor lainnya konstan.

b. Jika seorang petani diteliti, diketahui dia adalah tamatan SLTA, pengalaman bertani 4
tahun, status tanah milik sendiri, luas tanah garapan 40 are, dan pendapatan keluarga
sebesar Rp 500 ribu, prediksilah probabilitasnya apakah petani yang bersangkutan
menerapkan teknologi pemupukan berimbang ataukah tidak?
Penyelesaian :

Diketahui :

Y = penerapan teknologi, 1 = ya; 0 = tidak

X1 = pendidikan petani (dalam tahun sukses)

X2 = pengalaman bertani (4 tahun)

D = Status pemilikan lahan, 1 = milik sendiri, 0 = menyakap

X3 = luas lahan garapan (40 are)

X4 = pendapatan keluarga (Rp 500.000)

Persamaan regresi
p^
ln = - 16,264 + 0,840X1 + 0,230X2 + 4,735Di + 0,052X3 + 0,005X4
1−^p
= - 16,264 + 0,840(12) + 0,230(4) + 4,735(1) + 0,052(40) + 0,005 (500)
= - 16,264 + 10,08 + 0,92 + 4,735 + 2,08 + 2,5
= 4,051
Dapat dihitung probabilitasnya
^
P = 1/ {1 + e−(4,051)}
 = 1/ {1 + 0,017}
= 0,983
Karena taksiran probabilitas yang di dapat sebesar 0,983 dimana angka ini
lebih besar dari signifikansi yaitu 0,5 maka disimpulkan petani yang dianalisis
tersebut dapat menerapkan teknologi pemupukan berimbang