Nama : Nirwana (60800120022) /A

Milda Apriliana (60800120003) / A

St. Nur Annisa (60800120016) / A

WApj : 082293111162
In[1]: 
import pandas as pd
import numpy as np
import statsmodels.api as sm
in[3]:
df=pd.read_csv("PWK.csv")
df
Out[3]:
Tanaman Pangan Luas Panen
0 5230 34
1 42520 149
2 165300 616
3 178350 1316
4 279320 2033
5 1919000 3708
In [4]:
Xxxxxxxxxx

corr = df.corr()
corr
Out[4]:
Tanaman Pangan Luas Panen
Tanaman Pangan 1.000000 0.903771
Luas Panen 0.903771 1.000000
Hasil Interpretasi
 Berdasarkan hasil tabel correlations kekuatan hubungan antara variable tanaman
pangan dan luas panen sebesar 0,903 atau sangat kuat karena mendekati angka 1.
 Arah korelasi antar dua variable positif karena nilai koefisien pearson postif 0.903.
 Kesimpulannya korelasi antara variabel luas panen dan tanaman pangan sangat kuat,
signifikan dan searah.
In [5]:
xxxxxxxxxx
 
x = df[['Tanaman Pangan']]
y = df['Luas Panen']

x = sm.add_constant(x)
est = sm.OLS(y,x).fit()
est.summary()
C:\Users\Lenovo\anaconda3\lib\site-packages\statsmodels\stats\stattools.py:74:
ValueWarning: omni_normtest is not valid with less than 8 observations; 6 samples were
given.
warn("omni_normtest is not valid with less than 8 observations; %i "
Out[5]:
OLS REGRESSION RESULTS
DEP. VARIABLE: Luas Panen R-squared: 0.817
MODEL: OLS Adj. R-squared: 0.771
METHOD: Least Squares F-statistic: 17.83
DATE: Sat, 22 May 2021 Prob (F-statistic): 0.0134
TIME: 11:33:36 Log-Likelihood: -46.319
NO. 6 AIC: 96.64
OBSERVATIONS:
DF RESIDUALS: 4 BIC: 96.22
DF MODEL: 1
COVARIANCE TYPE: nonrobust
COEF STD ERR T P>| [0.025 0.975]
T|
CONST 569.3002 324.016 1.757 0.154 -330.312 1468.912
TANAMAN PANGAN 0.0017 0.000 4.223 0.013 0.001 0.003
OMNIBUS: NAN DURBIN-WATSON: 1.186
PROB(OMNIBUS): nan Jarque-Bera (JB): 0.773
SKEW: 0.764 Prob(JB): 0.679
KURTOSIS: 2.131 Cond. No. 9.49e+05

Notes:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
[2] The condition number is large, 9.49e+05. This might indicate that there are
strong multicollinearity or other numerical problems.
Hasil Interpretasi
 Berdasarkan dari model regresi, Prob F statistic < F Statistic maka model dikatakan
bagus atau fit.
 P value pada p>t adalah 0.154 dan 0.013 maka setiap variabel yang digunakan
signifikan.
 Model regresi y=569.30+0.0017X
 Konstanta 569.30 menunjukkan bahwa jika variabel X atau luas panen konstan maka
rata2 nilai variabel Y atau tanaman pangan adalah sebesar 569.30
 Koefisien regresi X=0.0017 bahwa jika variabel X meningkat 1 satuan maka akan
meningkatkan variabel Y sebesar 0.0017.

In [7]:
xxxxxxxxxx
 
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import pearsonr
sns.set(style='white', font_scale=1.2)
g = sns.JointGrid(data=df, x='Tanaman Pangan', y='Luas Panen', xlim=(0, 2000000),
ylim=(0,4000), height=5)
g = g.plot_joint(sns.regplot, color="xkcd:muted blue")
#g = g.plot_marginals(sns.distplot, kde=False, bins=12, color="xkcd:bluey grey")
plt.tight_layout()