Nama: Diana

Descriptive Statistics
Mean Std. Deviation N
Holtikultura 104.2500 6.78087 12
Tanaman Pangan 108.4592 1.93433 12

Tabel Descriptive Statistics menyajikan variable Nilai Ekspor (X) dan variable Nilai Impor (Y).
Hasil deskriptif variable nilai ekspor (X) dalam table Descriptive Statistics dijelaskan bahwa
terdapat jumlah (N)= 12 Bulan, Rata-rata (Mean) sebesar 53.6242 juta dan simpangan baku
(Standar Deviasi)= 44.96216 juta dan variable penjualan (Y) dijelaskan terdapat jumlah (N)= 12
bulan dengan rata rata (Mean) sebesar 22.1000 juta dan simpangan baku (standar deviasi)=
10.29269 juta

Correlations
Tanaman
Pangan Holtikultura
Tanaman Pangan Pearson Correlation 1 .600*
Sig. (2-tailed) .039
N 12 12
Holtikultura Pearson Correlation .600* 1
Sig. (2-tailed) .039
N 12 12
*. Correlation is significant at the 0.05 level (2-tailed).

Hasil Correlations variable X dan Y. Nilai yang diperoleh sebesar 0.008 berarti terdapat
hubungan yang sangat kuat antara variable nilai ekspor dan variable impor.
Untuk membuktikan Hipotesis “Terdapat hubungan yang signifikan antara Variable X dan Y”
Dari tabel diatas yang signifikansi ditunjukan oleh Tabel Correlations. Hipotesis penelitian yang
akan diuji dirumuskan secara statistic berikut:
Ha:
Ho:
Hipotesis bentuk kalimat
Ha: Ekspor mempunyai hubungan secara signifikan terhadap Impor
Ho: Ekspor tidak mempunyai hubungan secara signifikan terhadap Impor
Kaidah Keputusan:
-Jika nilai probabilitas 0.05 lebih kecil atau sama dengan nilai probabilitas Sig atau (0.05 < Sig),
maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
-Jika nilai probabilitas 0.05 lebih besar atau sama dengan nilai probabilitas Sig atau (0.05 > Sig),
maka Ho ditolak dan Ha diterima, artikan signifikan.
Tabel Correlations diperoleh variable Ekspor dan Impor nilai sig sebesar 0.000, kemudian
dibandingkan dengan probabilitas 0.05, ternyata nilai probabilitas 0.05 lebih besar dari nilai
probabilitas Sig, atau (0.05 > 0.000), maka Ho ditolak dan Ha diterima artinya signifikan.
Terbukti bahwa promosi produk mempunyai hubungan secara signifikan terhadap impor.

Model Summaryb
Adjusted R Std. Error of the Change Statistics
Model R R Square Square Estimate R Square Change F Change df1 df2
1 .600
a
.360 .296 5.68821 .360 5.632 1
a. Predictors: (Constant), Tanaman Pangan
b. Dependent Variable: Holtikultura

Hasil dari table Model Summary, pada bagian ini ditampilkan nilai R= 0.826 dan koefisien
determinasi (R Square) sebesar 0.000. Hasil ini menunjukkan bahwa impor (Y) dipengaruhi
sebesar 00.00% oleh ekspor (X). Sedangkan sisanya (100% - 00.00% = 100%) dipengaruhi oleh
sebab-sebab yang lain. R Square berkisar pada angka 0 sampai 1, dengan catatan semakin kecil
angka R Square semakin lemah hubungan kedua variable.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 182.225 1 182.225 5.632 .039b
Residual 323.557 10 32.356
Total 505.782 11
a. Dependent Variable: Holtikultura
b. Predictors: (Constant), Tanaman Pangan

ANOVA analysis of variance berguna untuk menguji kemampuan generalisasi artinya data
sampel dianggap mewakili nilai impor.
Hasil dari uji ANOVA, pada bagian ini ditampilkan. Hasil yang diperoleh adalah nilai F= 21,412
dengan tingkat probabilitas Sig 0.979. Oleh karena probabilitas (0.979) jauh lebih besar 0.05,
maka model regresi dapat dipakai untuk memprediksi penjualan.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -123.965 96.179 -1.289 .226
Tanaman Pangan 2.104 .887 .600 2.373 .039
a. Dependent Variable: Holtikultura

Dari table diatas diperoleh persamaan perhitungan:

Y= 21.997 + 0.008 X
Keterangan: Konstanta sebesar 21.997 menyatakan bahwa jika tidak ada biaya promosi produk,
maka impor adalah sebesar Rp. 21.997 juta

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -123.965 96.179 -1.289 .226
Tanaman Pangan 2.104 .887 .600 2.373 .039
a. Dependent Variable: Holtikultura

Dari table di atas diperoleh persamaan perhitungan:

Y: 21.997 + 0.008 X
Keterangan: Koefisien regresi sebesar 0.008 menyatakan bahwa setiap penambahan (karena tanda
*) Rp. 1 biaya ekspor akan meningkatkan impor sebesar Rp. 0.008 juta. Sebaliknya, jika biaya
ekspor turun sebesar Rp.1, maka impor juga diprediksi mengalami penurunan sebesar Rp. 0.008.
Jadi, tanda * menyatakan arah hubungan searah, di mana kenaikan atau penurunan variable
Independent (X) akan mengakibatkan kenaikan atau penurunan variable dependent (Y).

1. Hipotesis berdasarkan uji t dirumuskan secara statistic berikut

 Ha: Pyx ≠ 0
Ho: Pyx = 0
Hipotesis bentuk kalimat
Ha: Ekspor berpengaruh signifikan terhadap impor
Ho: Ekspor tidak berpengaruh signifikan terhadap impor
Kaidah keputusan
- Jika nilai t hitung > t tabel, maka Ho ditolak dan Ha diterima, artinya signifikan.
- Jika nilai t hitung > t tabel, maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
Tabel Coefficiens diperoleh t hitung= 0.026
Prosedur mencari statistic tabel dengan kriteria:
- Tingkat signifikan ( α = 0,05 ) untuk uji dua pihak
- Df atau dk (derajat kebebasan) = Jumlah Data – 2, yang berarti 12 – 2= 10
- Sehingga di dapat t tabel = 2.228
Ternyata nilai t hitung atau 0.0264 < 2.228, maka Ho ditolak dan Ha diterima, artinya signifikan.
Jadi Ekspor berpengaruh signifikan terhadap Impor.
Hipotesis dengan Teknik probabilitas diuji dirumuskan secara statistic sebagai berikut:
Pyx ≠ 0
Pyx = 0
Hipotesis bentuk kalimat
Ekspor berpengaruh signifikan terhadap Impor
Ekspor tidak berpengaruh signifikan terhadap Impor
Kaidah Keputusan
Jika nilai probabilitas 0.05 < nilai probabilitas Sig, maka Ho diterima dan Ha ditolak, artinya
tidak signifikan.
Jika nilai probabilitas 0.05 > nilai probabilitas Sig, maka Ho ditolak dan Ha diterima, artinya
signifikan.