Regresi Linear dan Non Linear

(1)

“REGRESI LINEAR DAN NON LINEAR” “REGRESI LINEAR DAN NON LINEAR”

Disusun untuk Melengkapi Tugas Individu Mata Kuliah

Metode Kuantitatif

Disusun oleh:

Fika

Fika Andita

Andita Riani

Riani

115040100111186

UNIVERSITAS BRAWIJAYA

FAKULTAS PERTANIAN

PROGRAM STUDI AGRIBISNIS

MALANG

2014

▸ Baca selengkapnya: pengertian trend non linear

(2)

I.

I. PENDAHULUANPENDAHULUAN

1.1.

1.1. Latar BelakangLatar Belakang

Beras merupakan salah satu

Beras merupakan salah satu padi-padian paling penting di dunia untuk konsumsipadi-padian paling penting di dunia untuk konsumsi manusia. Beras merupakan makanan pokok di Indonesia. Sebanyak 75% masukan kalori manusia. Beras merupakan makanan pokok di Indonesia. Sebanyak 75% masukan kalori harian masyarakat di negara-negara Asia tersebut berasal

harian masyarakat di negara-negara Asia tersebut berasal dari beras. Mengingat perannyadari beras. Mengingat perannya sebagai komoditas pangan utama masyarakat Indonesia, tercapainya kecukupan produksi sebagai komoditas pangan utama masyarakat Indonesia, tercapainya kecukupan produksi beras nasional

beras nasional sangat penting sangat penting sebagai salasebagai salah satu h satu faktor yang faktor yang meproduk marjinalengaruhimeproduk marjinalengaruhi terwujudnya ketahanan pangan nasional. Beras sebagai bahan makanan pokok terwujudnya ketahanan pangan nasional. Beras sebagai bahan makanan pokok tampaknya tetap mendominasi pola makan orang Indonesia. Hal ini terlihat dari tingkat tampaknya tetap mendominasi pola makan orang Indonesia. Hal ini terlihat dari tingkat partisipasi konsumsi di Indonesia yang masih diatas 95% (Fajar Andi Marjuki, 20

partisipasi konsumsi di Indonesia yang masih diatas 95% (Fajar Andi Marjuki, 2008).08). Untuk produksi padi, di Indonesia memiliki beberapa provinsi yang menjadi Untuk produksi padi, di Indonesia memiliki beberapa provinsi yang menjadi kantong-kantong penyedia padi, salah satunya adalah propinsi Jawa Tengah. Sebagai kantong-kantong penyedia padi, salah satunya adalah propinsi Jawa Tengah. Sebagai kantong produksi padi nasional, produktivitas lahan di Jawa Tengah untuk komoditas kantong produksi padi nasional, produktivitas lahan di Jawa Tengah untuk komoditas beras

beras sangat sangat tinggi. tinggi. Selain Selain itu itu Jawa Jawa Tengah Tengah maproduk maproduk marjinalu marjinalu surplus surplus produksi,produksi, dimana kebutuhan beras di Jawa Tengah tercukupi dan bahkan maproduk marjinalu dimana kebutuhan beras di Jawa Tengah tercukupi dan bahkan maproduk marjinalu memasok kekurangan beras nasional. Produksi padi Jawa

memasok kekurangan beras nasional. Produksi padi Jawa Tengah memberikan kontribusiTengah memberikan kontribusi antara 15-17% terhadap produksi beras nasional, sehingga perubahan yang terjadi dalam antara 15-17% terhadap produksi beras nasional, sehingga perubahan yang terjadi dalam kuantitas produksinya akan meproduk marjinalengaruhi secara signifikan ketersediaan kuantitas produksinya akan meproduk marjinalengaruhi secara signifikan ketersediaan beras di tingkat nasional (Rizal Zulmi, 2011).

beras di tingkat nasional (Rizal Zulmi, 2011).

Lahan adalah bagian dari bentang alam (landscape) yang mencakup pengertian Lahan adalah bagian dari bentang alam (landscape) yang mencakup pengertian lingkungan fisik (iklim, topografi, hidrologi, bahkan keadaan fegetasi alami) yang lingkungan fisik (iklim, topografi, hidrologi, bahkan keadaan fegetasi alami) yang semuanya secara potensial akan berpengaruh terhadap penggunaan lahan. Penggunaan semuanya secara potensial akan berpengaruh terhadap penggunaan lahan. Penggunaan lahan dapat dikelompokkan ke dalam dua golongan besar yaitu penggunaan lahan lahan dapat dikelompokkan ke dalam dua golongan besar yaitu penggunaan lahan pertanian

pertanian dan dan penggunaan penggunaan lahan lahan bukan bukan pertanian. pertanian. Pengunaan Pengunaan lahan lahan yang yang paling paling luasluas adalah untuk sektor pertanian yang meliputi penggunaan untuk pertanian tanaman adalah untuk sektor pertanian yang meliputi penggunaan untuk pertanian tanaman pangan pertanian

pangan pertanian tanaman keras tanaman keras untuk kehutanan maupun untuk kehutanan maupun untuk padang penggembalaanuntuk padang penggembalaan dan

dan perikanan. Oleh perikanan. Oleh karna itu karna itu lahan memiliki lahan memiliki nilai ekonomis nilai ekonomis dan nilai dan nilai pasar yang pasar yang tinggitinggi karena menghasilkan barang-barang pemuas kebutuhan manusia akibat semakin karena menghasilkan barang-barang pemuas kebutuhan manusia akibat semakin meningkatnya jumlah penduduk dan perkembangan dibidang ekonomi (Arsyad, 1989). meningkatnya jumlah penduduk dan perkembangan dibidang ekonomi (Arsyad, 1989).

Menurut Swastika et al (2007), salah satu penyebab berfluktuasinya produksi Menurut Swastika et al (2007), salah satu penyebab berfluktuasinya produksi

(3)

bahkan terus

bahkan terus meningkat dari meningkat dari tahun ke tahun ke tahun. tahun. Hal Hal ini ini sejalan sejalan dengan pesdengan pesatnya atnya urbanisasiurbanisasi yang didorong oleh peningkatan pendapatan per kapita dan imigrasi dari pedesaan ke yang didorong oleh peningkatan pendapatan per kapita dan imigrasi dari pedesaan ke perkotaan serta industrialisasi.

perkotaan serta industrialisasi.

Luas lahan sangat mempengaruhi produksi beras. Apabila luas lahan semakin Luas lahan sangat mempengaruhi produksi beras. Apabila luas lahan semakin luas maka produksi beras akan semakin meningkat. Sebaliknya apabila luas lahan luas maka produksi beras akan semakin meningkat. Sebaliknya apabila luas lahan semakin seproduk marjinalit maka produksi beras akan semakin sedikit. Keberadaan semakin seproduk marjinalit maka produksi beras akan semakin sedikit. Keberadaan lahan sangat pen

lahan sangat penting dalam ting dalam menunjang kegiatan menunjang kegiatan produksi hasil produksi hasil pertanian. Oleh karenapertanian. Oleh karena itu, dalam praktikum metode kuantitatif ini akan membahas sebaran data luas lahan dan itu, dalam praktikum metode kuantitatif ini akan membahas sebaran data luas lahan dan produksi

produksi total total beras beras serta serta seberapa seberapa besar besar pengaruh pengaruh luas luas lahan lahan terhadap terhadap produksi produksi totaltotal beras.

beras.

1.2.

1.2. TujuanTujuan 1.

1. Untuk mengetahui tingkat distribusi normalitas data produksi total berasUntuk mengetahui tingkat distribusi normalitas data produksi total beras 2.

2. Untuk mengetahui hubungan dan seberapa besar pengaruh hubungan antara Untuk mengetahui hubungan dan seberapa besar pengaruh hubungan antara luas lahanluas lahan dengan produksi total beras

(4)

II.

II. METODEMETODE

2.1.

2.1. Uji NormalitasUji Normalitas

Uji normalitas adalah uji untuk mengukur apakah data yang didapatkan Uji normalitas adalah uji untuk mengukur apakah data yang didapatkan memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data inferensial). Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data eproduk marjinalirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik eproduk marjinalirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai, tertentu. Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik (Ilham Guntara, 2013).

grafik (Ilham Guntara, 2013).

Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasn

membandingkan distribusi data (yang akan diuji normalitasn ya) dengan distribusi normalya) dengan distribusi normal baku.

baku. Seperti Seperti pada pada uji uji beda beda biasa, biasa, jika jika signifikansi signifikansi di di bawah bawah 0,05 0,05 berarti berarti terdapatterdapat perbedaan yang signifikan atau terdistribiusi tidak normal. Sedangkan j

perbedaan yang signifikan atau terdistribiusi tidak normal. Sedangkan j ika signifikansi diika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan signifikan antara data yang akan atas 0,05 maka tidak terjadi perbedaan yang signifikan signifikan antara data yang akan diuji dengan data normal baku, artinya data yang diuji bernilai normal (Ilham Guntara, diuji dengan data normal baku, artinya data yang diuji bernilai normal (Ilham Guntara, 2013).

2013).

2.2.

2.2. Analisis KorelasiAnalisis Korelasi

Menurut Walpole (1995), analisis korelasi adalah metode statistika yang Menurut Walpole (1995), analisis korelasi adalah metode statistika yang digunakan untuk mengukur besarnya hubungan linear antara dua variabel atau lebih. digunakan untuk mengukur besarnya hubungan linear antara dua variabel atau lebih. Korelasi dilambangkan dengan r dengan ketentuan nilai r berkisar antara

-Korelasi dilambangkan dengan r dengan ketentuan nilai r berkisar antara - 1≤ r ≤ 11≤ r ≤ 1.. Artinya, jika nilai korelasi mendekati 1 atau -1 berarti hubungan antara 2 variabel Artinya, jika nilai korelasi mendekati 1 atau -1 berarti hubungan antara 2 variabel semakin kuat, sebaliknya jika nilai korelasi mendekati nol berarti hubungan antara 2 semakin kuat, sebaliknya jika nilai korelasi mendekati nol berarti hubungan antara 2 variabel semakin lemah. Nilai positif menunjukkan hubungan yang searah yang variabel semakin lemah. Nilai positif menunjukkan hubungan yang searah yang menunjukkan jika variabel x naik maka variabel y juga akan naik dan nilai negatif menunjukkan jika variabel x naik maka variabel y juga akan naik dan nilai negatif menunjukkan hubungan terbalik yang menunjukkan jika variabel x naik maka variabel y menunjukkan hubungan terbalik yang menunjukkan jika variabel x naik maka variabel y akan turun.

(5)

Tabel 1.

Tabel 1. Tingkat Hubungan Koefisien KorelasiTingkat Hubungan Koefisien Korelasi Interval

Interval Koefisien Koefisien Tingkat Tingkat HubunganHubungan 0,800

0,800 – – 1,000 1,000 Sangat Sangat KuatKuat 0,600

0,600 – – 0,799 0,799 KuatKuat 0,400

0,400 – – 0,599 0,599 Cukup Cukup KuatKuat 0,200

0,200 – – 0,399 0,399 LemahLemah 0,000

0,000 – – 0,199 0,199 Sangat Sangat LemahLemah Sumber: Sugiyono, 2007 Sumber: Sugiyono, 2007

Dasar pengambilan keputusan dalam analisis korelasi adalah sebagai berikut: Dasar pengambilan keputusan dalam analisis korelasi adalah sebagai berikut: a.

a. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilaiJika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig probabilitas Sig (0,05 ≤(0,05 ≤ Sig) maka H0 diterima dan H1 ditolak, artinya tidak signifikan.

Sig) maka H0 diterima dan H1 ditolak, artinya tidak signifikan. b.

b. Jika nilai probabilitas 0,05 lebih besar dengan nilai probabilitas Sig (0,05 > Sig) makaJika nilai probabilitas 0,05 lebih besar dengan nilai probabilitas Sig (0,05 > Sig) maka H0 ditolak dan H1 diterima, artinya signifikan.

H0 ditolak dan H1 diterima, artinya signifikan.

2.3.

2.3. Analisis RegresiAnalisis Regresi

Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai bidang. Analisis tersebut bertujuan untuk meng

bidang. Analisis tersebut bertujuan untuk mengetahui hubungan antara variabel dependenetahui hubungan antara variabel dependen dan variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang pertama dan variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang pertama adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara dua variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah dua variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah regresi linier berganda yang merupakan model regresi linier dengan satu variabel regresi linier berganda yang merupakan model regresi linier dengan satu variabel dependen dan lebih dari satu variabel independen. Tipe ketiga adalah regresi non linier dependen dan lebih dari satu variabel independen. Tipe ketiga adalah regresi non linier yang berasumsi bahwa hubungan antara variabel dependen dan variabel independen tidak yang berasumsi bahwa hubungan antara variabel dependen dan variabel independen tidak linier pada parameter regresinya (Jurnal Universitas Diponogoro, 2011).

linier pada parameter regresinya (Jurnal Universitas Diponogoro, 2011). 2.3.1.

2.3.1.Regresi LinearRegresi Linear

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antar

pengaruh antara a satu satu atau atau beberapa beberapa variabel variabel terhadap terhadap satu satu buah buah variabel. variabel. VariabelVariabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen (Gujarati, 1995).

atau variabel dependen (Gujarati, 1995).

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer

(6)

yang paling banyak digunakan adalah SPSS (Statistical Package For Service yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions).

Solutions). 2.3.2.

2.3.2.Regresi Non LinearRegresi Non Linear

Regresi non linier ialah bentuk hubungan atau fungsi di mana variabel Regresi non linier ialah bentuk hubungan atau fungsi di mana variabel bebas X dan atau

bebas X dan atau variabel tak bebas Y dapat bervariabel tak bebas Y dapat berfungsi sebagai faktor atau variabelfungsi sebagai faktor atau variabel dengan pangkat tertentu.

dengan pangkat tertentu. Selain itu, variabel bebas X Selain itu, variabel bebas X dan atau variabel tak bebas Ydan atau variabel tak bebas Y dapat berfungsi

dapat berfungsi sebagai penyebut sebagai penyebut (fungsi (fungsi pecahan), maupun pecahan), maupun variabel X dan variabel X dan atauatau variabel Y dapat berfungsi sebagai pangkat fungsi eksponen atau fungsi variabel Y dapat berfungsi sebagai pangkat fungsi eksponen atau fungsi perpangkatan (Vihyuga, 201

perpangkatan (Vihyuga, 2011).1).

2.4.

2.4. Metode dalam SPSSMetode dalam SPSS 2.4.1.

2.4.1. Uji NormalitasUji Normalitas

Tabel 2. Metode Uji Normalitas pada SPSS Tabel 2. Metode Uji Normalitas pada SPSS Masukkan data Masukkan data yang akan yang akan dianalisis dalam dianalisis dalam SPSS SPSS Klik Variabel Klik Variabel View lalu ubah View lalu ubah nama menjadi nama menjadi nama variabel nama variabel yang digunakan yang digunakan Klik Analyze Klik Analyze Klik Klik Descriptive Descriptive statistic statistic Klik Explore Klik Explore Masukkan Masukkan variabel variabel produksi dan produksi dan luas lahan ke luas lahan ke dalam kotak dalam kotak Dependent List Dependent List Klik plots

Klik plots _{plots with test}_{plots with test}Klik normalityKlik normality

Klik

(7)

2.4.2.

2.4.2. Analisis KorelasiAnalisis Korelasi

Tabel 3. Metode Analisis Korelasi pada SPSS Tabel 3. Metode Analisis Korelasi pada SPSS 2.4.3.

2.4.3.Analisis RegresiAnalisis Regresi 2.4.3.1.

2.4.3.1. Regresi LinearRegresi Linear

Tabel 4. Metode Analisis Regresi Linear pada SPSS Tabel 4. Metode Analisis Regresi Linear pada SPSS 2.4.3.2.

2.4.3.2. Regresi Non LinearRegresi Non Linear

Tabel 5. Metode Analisis Regresi Non Linear pada SPSS Tabel 5. Metode Analisis Regresi Non Linear pada SPSS Klik Klik Analyze Analyze Klik Klik Correlate Correlate Klik Klik Bivariate Bivariate Masukkan variabel Masukkan variabel produksi dan luas produksi dan luas lahan ke dalam lahan ke dalam kolom Variables kolom Variables Pada kolom Pada kolom Correlation Correlation Coefficients, klik Coefficients, klik Pearson Pearson

Pada kolom Test of Pada kolom Test of Significance, pilih Significance, pilih option Two-tailed option Two-tailed Klik Ok Klik Ok Klik

Klik Analyze Analyze Klik Klik Regression Regression Klik Klik LinearLinear

Masukkan Masukkan variabel produksi variabel produksi ke kolom ke kolom dependent dependent Masukkan Masukkan variabel luas variabel luas lahan ke kolom lahan ke kolom independend independend Klik OK Klik OK Masukkan kolom Masukkan kolom baru pada Ms. Excel baru pada Ms. Excel

untuk mencari ln untuk mencari ln (double logaritma) (double logaritma) pada tiap variabel pada tiap variabel

Masukkan data Masukkan data variabel ln variabel ln produksi dan ln produksi dan ln luas lahan yang luas lahan yang akan dianalisis akan dianalisis dalam SPSS dalam SPSS Klik Variabel Klik Variabel View lalu ubah View lalu ubah nama menjadi nama menjadi nama variable nama variable yang digunakan yang digunakan Klik

Klik Analyze Analyze Klik Klik Regression Regression Klik Klik LinearLinear

Masukkan Masukkan variabel ln variabel ln produksi ke produksi ke kolom dependent kolom dependent Masukkan ln luas Masukkan ln luas lahan ke kolom lahan ke kolom independent independent

(8)

III.

III. HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

3.1.

3.1. Uji NormalitasUji Normalitas

Pada tabel uji normalitas terdapat dua metode yaitu Kolmogorov-Smimov dan Pada tabel uji normalitas terdapat dua metode yaitu Kolmogorov-Smimov dan Shapiro-Wilk. Pada metode Kolmogorov dapat diketahui tingkat signifikansi produksi Shapiro-Wilk. Pada metode Kolmogorov dapat diketahui tingkat signifikansi produksi total beras sebesar 0,032 dan tingkat signifikansi luas lahan sebesar 0,014. Ketentuan total beras sebesar 0,032 dan tingkat signifikansi luas lahan sebesar 0,014. Ketentuan pada uji normalitas

pada uji normalitas adalah apabila tingkat signifikansinya lebih besar dari ∂ =adalah apabila tingkat signifikansinya lebih besar dari ∂ = 0,01 (1%), 0,01 (1%), maka sebaran data terdistribusi secara normal. Karena tingkat signifikansi untuk variabel maka sebaran data terdistribusi secara normal. Karena tingkat signifikansi untuk variabel produksi

produksi dan dan variabel variabel luas luas lahan lahan lebih lebih kecil kecil dari dari 0,01 0,01 berarti berarti data data yang yang akan akan diuji diuji atauatau dianalisis terdistribusi secara normal. Hal ini juga dapat dibuktikan pada grafik dalam uji dianalisis terdistribusi secara normal. Hal ini juga dapat dibuktikan pada grafik dalam uji normalitas, bila data yang dianalisis terdistribusi secara normal. Pada grafik didapatkan normalitas, bila data yang dianalisis terdistribusi secara normal. Pada grafik didapatkan bahwa titik sebaran mendekati garis lurus.

bahwa titik sebaran mendekati garis lurus.

3.2.

3.2. Analisis KorelasiAnalisis Korelasi

Berdasarkan hasil analisis korelasi dapat diketahui bahwa jumlah data yang Berdasarkan hasil analisis korelasi dapat diketahui bahwa jumlah data yang digunakan pada total produksi beras dengan luas lahan masing-masing sebanyak 13 data. digunakan pada total produksi beras dengan luas lahan masing-masing sebanyak 13 data. Dari hasil analisis korelasi juga dapat dilihat bahwa total produksi beras memiliki Dari hasil analisis korelasi juga dapat dilihat bahwa total produksi beras memiliki koefisien korelasi sebesar

koefisien korelasi sebesar 0,989 dengan tingkat kesalahan 0,000 yang signifikan terhadap0,989 dengan tingkat kesalahan 0,000 yang signifikan terhadap tingkat kesalahan ∂ =0,05

tingkat kesalahan ∂ =0,05. Hal ini berarti angka 0,989 menunjukkan bahwa 98,9%. Hal ini berarti angka 0,989 menunjukkan bahwa 98,9% variable-variabel pada tabel memiliki hubungan positif yang kuat antara total produksi variable-variabel pada tabel memiliki hubungan positif yang kuat antara total produksi beras

beras dengan dengan luas luas lahan. lahan. Jadi, Jadi, dapat dapat disimpulkan disimpulkan bahwa bahwa antar antar total total produksi produksi berasberas dengan luas lahan terdapat hubungan yang signifikan, maka berarti menolak H

dengan luas lahan terdapat hubungan yang signifikan, maka berarti menolak H00 dan dan

terima H

terima Haa. Dengan kata lain, jika nilai variabel total produksi beras tinggi maka nilai luas. Dengan kata lain, jika nilai variabel total produksi beras tinggi maka nilai luas

lahan juga tinggi, dan demikian juga sebaliknya. lahan juga tinggi, dan demikian juga sebaliknya.

3.3.

3.3. Analisis RegresiAnalisis Regresi 3.3.1.

3.3.1.Regresi LinearRegresi Linear

Pada regresi linear didapatkan hasil pada tabel Model Summary Pada regresi linear didapatkan hasil pada tabel Model Summary merupakan hasil uji R square untuk mengetahui besar variabel x meproduk merupakan hasil uji R square untuk mengetahui besar variabel x meproduk marjinalengaruhi variabel y. Luas lahan merupakan variabel independent yang marjinalengaruhi variabel y. Luas lahan merupakan variabel independent yang

(9)

Pada tabel Anova

Pada tabel Anova b b merupakan hasil uji F untuk menguji signifikansi merupakan hasil uji F untuk menguji signifikansi koefisien regresi. Dari hasil perhitungan Anova

koefisien regresi. Dari hasil perhitungan Anova b b didapatkan nilai F hitung sebesardidapatkan nilai F hitung sebesar 498,245 dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data 498,245 dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data tersebut sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas tersebut sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas maupun terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras maupun terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras dan variabel luas lahan.

dan variabel luas lahan. df1 = k

df1 = k – – 1 = 2 (jumlah variabel) 1 = 2 (jumlah variabel) – – 1 = 1 1 = 1 df2 = n

df2 = n – – k = 13 (jumlah saproduk marjinalel) k = 13 (jumlah saproduk marjinalel) – – 2 = 11 2 = 11 Jika pengujian dilakukan pada α = 5%, m

Jika pengujian dilakukan pada α = 5%, maka nilai F tabel adalah 4,84.aka nilai F tabel adalah 4,84. Dari hasil uji F didapatkan F

Dari hasil uji F didapatkan Fhitunghitung = 498,245 sedangkan F= 498,245 sedangkan Ftabeltabel= 4,84. Dari= 4,84. Dari

hasil tersebut menunjukkan jika F

hasil tersebut menunjukkan jika Fhitunghitung > > FFtabeltabel. Jadi, kesimpulan yang didapat. Jadi, kesimpulan yang didapat

adalah Ha diterima dan

adalah Ha diterima dan HH00 ditolak ditolak yang artinya produksi total beras berpengaruhyang artinya produksi total beras berpengaruh

secara signifikan terhadap luas lahan. Dengan demikian model tersebut dapat secara signifikan terhadap luas lahan. Dengan demikian model tersebut dapat diterima sebagai penduga

diterima sebagai penduga yang baik dan layak untuk digunakan.yang baik dan layak untuk digunakan. Pada tabel Coefficients

Pada tabel Coefficientsaa merupakan uji t untuk menguji signifikansi merupakan uji t untuk menguji signifikansi terhadap variabel. Dari hasil tabel Coefficients

terhadap variabel. Dari hasil tabel Coefficientsaa didapatkan Sig t konstanta 0,000 didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 9,053 yang artinya jika luas lahan naik sebesar didapat nilai B luas lahan sebesar 9,053 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 9,053%.

1% maka akan meningkatkan produksi total beras sebesar 9,053%. Misal:

Misal: Hipotesis Hipotesis 1 1 : : luas luas lahan lahan berpengaruh berpengaruh positif positif terhadap terhadap produksi produksi totaltotal beras

beras Hipotesis

Hipotesis 2: luas lahan 2: luas lahan berpengaruh terhadap berpengaruh terhadap produksi total bproduksi total beraseras

Jumlah observasi (responden) yang digunakan untuk membentuk persamaan ini Jumlah observasi (responden) yang digunakan untuk membentuk persamaan ini sebanyak

sebanyak 13. 13. Pengujian Pengujian hipohipotesis dengan α = 5%. Sedangkan derajat btesis dengan α = 5%. Sedangkan derajat bebasebas pengujian adalah n

pengujian adalah n – – k = 13 k = 13 – – 2 = 11. 2 = 11.

Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total beras

beras. Pengujian dengan α = 5 %. Hipotesis kedua:. Pengujian dengan α = 5 %. Hipotesis kedua: luas lahan berpengaruh luas lahan berpengaruh terhadap produksi total beras.

terhadap produksi total beras. Pengujian juga dengan α = 5 %. Untuk hipotesisPengujian juga dengan α = 5 %. Untuk hipotesis pertama, karena

pertama, karena uji satu uji satu arah, maka arah, maka lihat lihat pada df pada df satu sissatu sisi, sedangkan i, sedangkan df nya df nya = 11.= 11. Nilai

Nilai tabel tabel t t = = 1,796. Untuk 1,796. Untuk hipotesis hipotesis kedua, karekedua, karena uji na uji dua dua arah, arah, maka maka lihat lihat padapada df dua sisi diatas, dengan df = 11 maka nilai

df dua sisi diatas, dengan df = 11 maka nilai tabel t = 2,201.tabel t = 2,201.

Dari hasil uji t untuk hipotesis pertama diatas didapatkan t

Dari hasil uji t untuk hipotesis pertama diatas didapatkan t hitunghitung = 22,321= 22,321

sedangkan t

sedangkan ttabeltabel= = 1,796. Dari 1,796. Dari hasil tersebut menunjukkan hasil tersebut menunjukkan bahwa tbahwa thitunghitung> t> ttabeltabel. Jadi,. Jadi,

kesimpulan yang didapat adalah terima Ha

(10)

lahan mempunyai pengaruh yang signifikan terhadap produksi total beras atau lahan mempunyai pengaruh yang signifikan terhadap produksi total beras atau semakin tinggi luas lahan semakin tinggi produksi total beras.

semakin tinggi luas lahan semakin tinggi produksi total beras.

Dari hasil uji t untuk hipotesis kedua diatas didapatkan t

Dari hasil uji t untuk hipotesis kedua diatas didapatkan t hitunghitung = 22,321= 22,321

sedangkan t

sedangkan ttabeltabel= = 2,201. Dari 2,201. Dari hasil tersebut menunjukkan hasil tersebut menunjukkan bahwa tbahwa thitunghitung> t> ttabeltabel. Jadi,. Jadi,

kesimpulan yang didapat adalah terima Ha

kesimpulan yang didapat adalah terima Ha,,tolak Htolak H00yang artinya secara parsial luasyang artinya secara parsial luas

lahan mempunyai pengaruh yang signifikan terhadap produksi total beras. lahan mempunyai pengaruh yang signifikan terhadap produksi total beras. Pada uji t, juga didapatkan fungsi model sebagai berikut:

Pada uji t, juga didapatkan fungsi model sebagai berikut: Y

Y = α + β1= α + β1XX

Y = -5,293E7 + 9,053X Y = -5,293E7 + 9,053X

Jadi, konstanta sebesar -5,293E7 menyatakan bahwa ketika luas lahan sama dengan Jadi, konstanta sebesar -5,293E7 menyatakan bahwa ketika luas lahan sama dengan nol maka produksi total beras akan menurun sebesar 5,293E7 unit. Sedangkan nol maka produksi total beras akan menurun sebesar 5,293E7 unit. Sedangkan koefisien regresi X sebesar 9,053 menyatakan bahwa setiap kenaikan luas lahan koefisien regresi X sebesar 9,053 menyatakan bahwa setiap kenaikan luas lahan sebesar 1 unit maka akan meningkatkan produksi total beras sebesar 9,053 unit. sebesar 1 unit maka akan meningkatkan produksi total beras sebesar 9,053 unit. 3.3.2.

3.3.2. Regresi Non LinearRegresi Non Linear

Pada regresi non linear didapatkan hasil pada tabel Model Summary Pada regresi non linear didapatkan hasil pada tabel Model Summary merupakan hasil uji R square untuk mengetahui besar variabel x meproduk merupakan hasil uji R square untuk mengetahui besar variabel x meproduk marjinalengaruhi variabel y. Pada tabel hasil dari uji R square sebesar 0,974 marjinalengaruhi variabel y. Pada tabel hasil dari uji R square sebesar 0,974 (97,4%). Ini

(97,4%). Ini menunjukkan bahwa menunjukkan bahwa 97,4% variabel luas lahan 97,4% variabel luas lahan dapat dijelaskan olehdapat dijelaskan oleh variabel produksi total, sedangkan sisanya 2,6% dijelaskan oleh variabel lain di variabel produksi total, sedangkan sisanya 2,6% dijelaskan oleh variabel lain di luar model.

luar model.

Pada tabel Anova

Pada tabel Anova b b atau uji F didapatkan nilai F hitung sebesar 416,103atau uji F didapatkan nilai F hitung sebesar 416,103 dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data tersebut dengan tingkat signifikan 0,000. Diketahui jumlah sampel pada data tersebut sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas maupun sebanyak 13 sampel, sedangkan jumlah variabel baik variabel bebas maupun terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras dan terikat pada data sebanyak 2 variabel yaitu variabel produksi total beras dan variabel luas lahan.

variabel luas lahan. df1 = k

df1 = k – – 1 = 2 (jumlah variabel) 1 = 2 (jumlah variabel) – – 1 = 1 1 = 1 df2 = n

df2 = n – – k = 13 (jumlah saproduk marjinalel) k = 13 (jumlah saproduk marjinalel) – – 2 = 11 2 = 11 Jika pengujian dilakukan pada α = 5%, m

Jika pengujian dilakukan pada α = 5%, maka nilai F tabel adalah 4,84.aka nilai F tabel adalah 4,84. Dari hasil uji F didapatkan F

Dari hasil uji F didapatkan Fhitunghitung = 416,103 sedangkan F= 416,103 sedangkan Ftabeltabel= 4,84. Dari= 4,84. Dari

hasil tersebut menunjukkan jika F

(11)

Pada tabel Coefficients

Pada tabel Coefficientsaa atau uji t, didapatkan Sig t konstanta 0,000 danatau uji t, didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik sebesar 1% maka nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 1,850%.

akan meningkatkan produksi total beras sebesar 1,850%. Misal:

Misal: Hipotesis Hipotesis 1 1 : : luas luas lahan lahan berpengaruh berpengaruh positif positif terhadap terhadap produksi produksi totaltotal beras

beras Hipotesis

Hipotesis 2: luas lahan 2: luas lahan berpengaruh terhadap berpengaruh terhadap produksi total bproduksi total beraseras Jumlah observasi (responden) yang digunakan untuk membentuk Jumlah observasi (responden) yang digunakan untuk membentuk persamaan

persamaan ini ini sebanyak sebanyak 13.13. Pengujian hipotesis dengan α = 5%. SedangkanPengujian hipotesis dengan α = 5%. Sedangkan derajat bebas pengujian adalah n

derajat bebas pengujian adalah n – – k = 13 k = 13 – – 2 = 11. 2 = 11.

Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total Hipotesis pertama: luas lahan berpengaruh positif terhadap produksi total beras.

beras. Pengujian Pengujian dengan dengan α α = = 5 5 %. %. Hipotesis Hipotesis kedua: kedua: luas luas lahan lahan berpengaruhberpengaruh terhadap pro

terhadap produksi total beras. Pengujian juga dengan α = 5 %. Untuk hipotesisduksi total beras. Pengujian juga dengan α = 5 %. Untuk hipotesis pertama,

pertama, karena karena uji uji satu satu arah, maarah, maka ka lihat lihat pada df pada df satu satu sisi, sisi, sedangkan df sedangkan df nya = nya = 1111 makan nilai tabel t = 1,796. Untuk hipotesis kedua, karena uji dua arah, maka lihat makan nilai tabel t = 1,796. Untuk hipotesis kedua, karena uji dua arah, maka lihat pada df dua sisi diatas, dengan df = 11 maka n

pada df dua sisi diatas, dengan df = 11 maka nilai tabel t = 2,201.ilai tabel t = 2,201. Dari hasil

Dari hasil uji t uji t untuk huntuk hipotesis pertama ipotesis pertama diatas didapatkan diatas didapatkan t hitung t hitung == 20,399 sedangkan t tabel = 1,796. Dari hasil tersebut menunjukkan bahwa t hitung 20,399 sedangkan t tabel = 1,796. Dari hasil tersebut menunjukkan bahwa t hitung > t tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya > t tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi total beras atau semakin ti

total beras atau semakin tinggi luas lahan semakin tinggi produksi total beras.nggi luas lahan semakin tinggi produksi total beras. Dari hasil uji t untuk h

Dari hasil uji t untuk hipotesis kedua diatas didapatkan t hitung ipotesis kedua diatas didapatkan t hitung = 20,399= 20,399 sedangkan t tabel = 2,201. Dari hasil tersebut menunjukkan bahwa t hitung > t sedangkan t tabel = 2,201. Dari hasil tersebut menunjukkan bahwa t hitung > t tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya tabel. Jadi, kesimpulan yang didapat adalah terima Ha, tolak H0 yang artinya secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi secara parsial luas lahan mempunyai pengaruh yang signifikan terhadap produksi total beras.

total beras.

Pada uji t, juga didapatkan fungsi model sebagai berikut: Pada uji t, juga didapatkan fungsi model sebagai berikut: Y

Y = α + β1= α + β1XX

Y = -12,331 + 1,850X Y = -12,331 + 1,850X

Jadi, konstanta sebesar -12,331 menyatakan bahwa ketika luas lahan sama Jadi, konstanta sebesar -12,331 menyatakan bahwa ketika luas lahan sama dengan nol maka produksi total beras akan menurun sebesar 12,331 unit. dengan nol maka produksi total beras akan menurun sebesar 12,331 unit. Sedangkan koefisien regresi X sebesar 1,850 menyatakan bahwa setiap kenaikan Sedangkan koefisien regresi X sebesar 1,850 menyatakan bahwa setiap kenaikan luas lahan sebesar 1 unit maka akan meningkatkan produksi total beras sebesar luas lahan sebesar 1 unit maka akan meningkatkan produksi total beras sebesar 1,850 unit.

(12)

IV.

IV. KESIMPULANKESIMPULAN

Pada analisis yang telah dilakukan didapatkan kesimpulan sebagai berikut: Pada analisis yang telah dilakukan didapatkan kesimpulan sebagai berikut:

1.

1. Dari uji normalitas menunjukkan bahwa tingkat signifikansi produksi total beras sebesarDari uji normalitas menunjukkan bahwa tingkat signifikansi produksi total beras sebesar 0,032 signifikan pada tingkat kesalahan 0,05 (5%) maka data yang diuji terdistribusi 0,032 signifikan pada tingkat kesalahan 0,05 (5%) maka data yang diuji terdistribusi secara normal.

secara normal. 2.

2. Dari anDari analisis alisis korelasi, dapkorelasi, dapat diketahuat diketahui bahawi bahawa a total prodtotal produksi buksi beras memiliki eras memiliki koefisienkoefisien korelasi sebesar 0,989 dengan tingkat kesalahan 0,000 yang berarti angka 0,989 korelasi sebesar 0,989 dengan tingkat kesalahan 0,000 yang berarti angka 0,989 menunjukkan bahwa 98,9% variable-variabel pada tabel memiliki hubungan erat dan menunjukkan bahwa 98,9% variable-variabel pada tabel memiliki hubungan erat dan positif yang kuat antara total produksi beras dengan

positif yang kuat antara total produksi beras dengan luas lahan.luas lahan. 3.

3. Dari analisis regresi linier didapatkan hasil dari uji R square sebesar 0,978 (97,8%). IniDari analisis regresi linier didapatkan hasil dari uji R square sebesar 0,978 (97,8%). Ini menunjukkan bahwa 97,8% variabel luas lahan dapat dijelaskan oleh variabel produksi menunjukkan bahwa 97,8% variabel luas lahan dapat dijelaskan oleh variabel produksi total, sedangkan sisanya 2,2% dijelaskan oleh variabel lain di luar model. Dari hasil uji F total, sedangkan sisanya 2,2% dijelaskan oleh variabel lain di luar model. Dari hasil uji F didapatkan F

didapatkan Fhitunghitung= 498,245 sedangkan F= 498,245 sedangkan Ftabeltabel= 4,84 yang menunjukkan jika F= 4,84 yang menunjukkan jika Fhitunghitung> F> Ftabeltabel..

Artinya model tersebut dapat diterima sebagai penduga yang baik dan layak untuk Artinya model tersebut dapat diterima sebagai penduga yang baik dan layak untuk digunakan. Dari hasil uji t didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 digunakan. Dari hasil uji t didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 9,053 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi 9,053 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 9,053%.

total beras sebesar 9,053%. 4.

4. Dari analisis regresi non-linear didapatkan hasil dari uji R square sebesar 0,974 (97,4%).Dari analisis regresi non-linear didapatkan hasil dari uji R square sebesar 0,974 (97,4%). Ini

Ini menunjukkan menunjukkan bahwa 97,4bahwa 97,4% variabel % variabel luas lahan luas lahan dapat dijelaskan dapat dijelaskan oleh variabeloleh variabel produksi total,

produksi total, sedangkan sisanya sedangkan sisanya 2,6% dijelaskan 2,6% dijelaskan oleh variabel oleh variabel lain di lain di luar model. luar model. DariDari hasil uji F didapatkan F

hasil uji F didapatkan Fhitunghitung = 416,103 sedangkan F= 416,103 sedangkan Ftabeltabel = 4,84. Dari hasil tersebut= 4,84. Dari hasil tersebut

menunjukkan jika F

menunjukkan jika Fhitunghitung > F> Ftabeltabel. Artinya model tersebut dapat diterima sebagai penduga. Artinya model tersebut dapat diterima sebagai penduga

yang baik dan layak untuk digunakan. Dari hasil uji t didapatkan didapatkan Sig t yang baik dan layak untuk digunakan. Dari hasil uji t didapatkan didapatkan Sig t konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari konstanta 0,000 dan Sig t luas lahan 0,000 maka sudah signifikan pada taraf 1%. Dari tabel juga didapat nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik tabel juga didapat nilai B luas lahan sebesar 1,850 yang artinya jika luas lahan naik sebesar 1% maka akan meningkatkan produksi total beras sebesar 1,850%.

(13)

DAFTAR PUSTAKA DAFTAR PUSTAKA

Arsyad S., 1989.

Arsyad S., 1989. Konservasi Tanah dan Air Konservasi Tanah dan Air . IPB Press, Bogor.. IPB Press, Bogor. Gujarati, Damodar. 1995.

Gujarati, Damodar. 1995. Ekonometrika Dasar. Ekonometrika Dasar. Jakarta: Erlangga.Jakarta: Erlangga.

Guntara, Ilham. 2013.

Guntara, Ilham. 2013. Uji Uji NormalitasNormalitas.. htprodukhtproduk total://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.html. total://www.guntara.com/2013/12/pengertian-uji-normalitas-sebaran-data.html. Diakses pada 21 Maret 2014.

Diakses pada 21 Maret 2014. Hertanto, Hendrik Bobbi. 2011.

Hertanto, Hendrik Bobbi. 2011. Penentuan Penentuan Fungsi Fungsi Kawasan Kawasan LahanLahan.. htprodukhtproduk total://geoenviron.blogspot.com/2011/04/penentuan-fungsi-kawasan-lahan-dan.html.

dan.html. Diakses pada 21 Maret 2014 Diakses pada 21 Maret 2014 Jurnal Universitas Diponogoro. 2011.

Jurnal Universitas Diponogoro. 2011. Analisis Analisis Regresi..Regresi htprodukhtproduk total://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf.

total://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf. Diakses pada 21 Diakses pada 21 Mare 2014.

Mare 2014. Marjuki, Fajar Andi. 2008.

Marjuki, Fajar Andi. 2008. Analisis Analisis Faktor-Faktor Faktor-Faktor yang yang Mempengaruhi Mempengaruhi Harga Harga Beras Beras didi Indonesia

Indonesia. Skripsi Fakultas Ekonomi Universitas Muhammadiyah Surakarta.. Skripsi Fakultas Ekonomi Universitas Muhammadiyah Surakarta. Sugiyono. 2007.

Sugiyono. 2007. Metode Penelitian Kuantitatif Kualitatif dan R& Metode Penelitian Kuantitatif Kualitatif dan R&DD. Bandung: Alfabeta. Bandung: Alfabeta Swastika et al. 2007.

Swastika et al. 2007. Analisis Analisis Kebijakan Kebijakan Peningkatan Peningkatan Produksi Produksi Padi Padi Melalui Melalui EfisiensiEfisiensi Pemanfaatan Laha

Pemanfaatan Lahan Sawah di Indonesian Sawah di Indonesia. Analisis Kebijakan Pertanian 5(1): 36-52.. Analisis Kebijakan Pertanian 5(1): 36-52. Vihyuga. 2011.

Vihyuga. 2011. Analisis Analisis RegresiRegresi.. http://perkuliahan-vi.blogspot.com/2011/01/analisis- http://perkuliahan-vi.blogspot.com/2011/01/analisis-regresi.html.

regresi.html. Diakses pada 21 Maret 2014 Diakses pada 21 Maret 2014 Walpole, R.E. 1995.

Walpole, R.E. 1995. Pengantar Statistika Pengantar Statistika. Edisi ke-3. Jakarta: Gramedia.. Edisi ke-3. Jakarta: Gramedia. Zulmi, Rizal. 2011.

Zulmi, Rizal. 2011. Pengaruh Pengaruh Luas Luas Lahan, Lahan, Tenaga Tenaga Kerja, Kerja, Penggunaan Penggunaan Benih Benih Dan Dan PupukPupuk Terhadap Produksi Padi Di Jawa Tengah Tahun 1994-2008

Terhadap Produksi Padi Di Jawa Tengah Tahun 1994-2008 . Semarang:. Semarang: Fakultas Ekonomi, Universitas

(14)

LAMPIRAN LAMPIRAN

Tabel 6. Tabulasi Data Tabel 6. Tabulasi Data

Uji Normalitas Uji Normalitas

Tabel 7. Case Processing Summary Tabel 7. Case Processing Summary

Cases Cases

Valid Missing Total

N Percent N Percent N Percent

produksi

produksi 13 13 100.0% 100.0% 0 0 .0% .0% 13 13 100.0%100.0% luaslahan

luaslahan 13 13 100.0% 100.0% 0 0 .0% .0% 13 13 100.0%100.0%

Tabel 8. Tests of Normality Tabel 8. Tests of Normality Kolmogorov-Smirnov

Kolmogorov-Smirnovaa Shapiro-WilkShapiro-Wilk Statistic

Statistic Df Df Sig. Sig. Statistic Statistic df df Sig.Sig. produksi produksi .245 .245 13 13 .032 .032 .863 .863 13 13 .043.043 luaslahan luaslahan .264 .264 13 13 .014 .014 .847 .847 13 13 .026.026 Tahun Tahun Produksi Produksi Beras Total Beras Total (Ton) (Ton) Luas lahan Luas lahan (ha)

(ha) ln ln produksi produksi ln ln luas luas lahanlahan 2000 2000 51898852 51898852 11793475 11793475 17,76 17,76 16,2816,28 2001 2001 50460782 50460782 11499997 11499997 17,74 17,74 16,2616,26 2002 2002 51489694 51489694 11521166 11521166 17,76 17,76 16,2616,26 2003 2003 52137604 52137604 11488034 11488034 17,77 17,77 16,2616,26 2004 2004 54088468 54088468 11922974 11922974 17,81 17,81 16,2916,29 2005 2005 54151097 54151097 11839060 11839060 17,81 17,81 16,2916,29 2006 2006 54068495 54068495 11786430 11786430 17,81 17,81 16,2816,28 2007 2007 56162062 56162062 11949034 11949034 17,84 17,84 16,3016,30 2008 2008 60325925 60325925 12327425 12327425 17,92 17,92 16,3316,33 2009 2009 64398890 64398890 12883576 12883576 17,98 17,98 16,3716,37 2010 2010 66469394 66469394 13203643 13203643 18,01 18,01 16,4016,40 2011 2011 65756904 65756904 13203643 13203643 18,00 18,00 16,4016,40 2012 2012 68956292 68956292 13471653 13471653 18,05 18,05 16,4216,42

(15)

Tabel 9. Descriptives Tabel 9. Descriptives

Statistic

Statistic Std. Std. ErrorError produksi

produksi Mean Mean 5.7720E7 5.7720E7 1.82055E61.82055E6 95% Confidence Interval for

95% Confidence Interval for Mean

Mean

Lower

Lower Bound Bound 5.3754E75.3754E7 Upper

Upper Bound Bound 6.1687E76.1687E7 5%

5% Trimmed Trimmed Mean Mean 5.7499E75.7499E7

Median 5.4151E7

Variance 4.309E13

Std.

Std. Deviation Deviation 6.56407E66.56407E6

Minimum 5.05E7 Minimum 5.05E7 Maximum 6.90E7 Maximum 6.90E7 Range 1.85E7 Range 1.85E7 Interquartile

Interquartile Range Range 1.31E71.31E7 Skewness

Skewness .620 .620 .616.616

Kurtosis

Kurtosis -1.333 -1.333 1.1911.191

luaslahan

luaslahan Mean Mean 1.2222E7 1.2222E7 1.98920E51.98920E5 95% Confidence Interval for

95% Confidence Interval for Mean

Mean

Lower

Lower Bound Bound 1.1789E71.1789E7 Upper

Upper Bound Bound 1.2656E71.2656E7 5%

5% Trimmed Trimmed Mean Mean 1.2194E71.2194E7

Median 1.1923E7

Variance 5.144E11

Std.

Std. Deviation Deviation 7.17215E57.17215E5

Minimum 1.15E7 Minimum 1.15E7 Maximum 1.35E7 Maximum 1.35E7 Range 1.98E6 Range 1.98E6 Interquartile

Interquartile Range Range 1.39E61.39E6 Skewness

Skewness .733 .733 .616.616

Kurtosis

(16)

Analisis Korelasi Analisis Korelasi Tabel 10. Correlations Tabel 10. Correlations produksi luaslahan produksi luaslahan produksi

produksi Pearson Correlation Pearson Correlation 1 1 .989.989**** Sig.

Sig. (2-tailed) (2-tailed) .000.000 N

N 13 13 1313

luaslahan

luaslahan Pearson Pearson Correlation Correlation .989.989**** 11 Sig.

Sig. (2-tailed) (2-tailed) .000.000 N

N 13 13 1313

**. Correlation is significant at the 0.01 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed).

Analisis Regresi Linear Analisis Regresi Linear

Tabel 11. Variables Entered/Removed Tabel 11. Variables Entered/Removed

Model Model Variables Variables Entered Entered Variables Variables Removed Method Removed Method 1 luaslahan

1 luaslahanaa . . EnterEnter a. All requested variables entered.

a. All requested variables entered. b. Dependent Variable: produksi b. Dependent Variable: produksi

Tabel 12. Model Summary Tabel 12. Model Summary

Model

Model R R R R SquareSquare

Adjusted R Adjusted R Square Square Std. Error of the Std. Error of the Estimate Estimate 1 .989 1 .989aa .978 .978 .976 .976 1.00763E61.00763E6 a. Predictors: (Constant), luaslahan

a. Predictors: (Constant), luaslahan

Tabel 13. ANOVA Tabel 13. ANOVAbb Model

Model Sum Sum of of Squares Squares df df Mean Mean Square Square F F Sig.Sig. 1

1 Regression Regression 5.059E14 5.059E14 1 1 5.059E14 5.059E14 498.245 498.245 .000.000aa Residual

Residual 1.117E13 1.117E13 11 11 1.015E121.015E12 Total

Total 5.170E14 5.170E14 1212 a. Predictors: (Constant), luaslahan

(17)

Tabel 14. Coefficients Tabel 14. Coefficientsaa Model Model Unstandardized Coefficients Unstandardized Coefficients Standardized Standardized Coefficients Coefficients t Sig. t Sig. B

B Std. Std. Error Error BetaBeta 1

1 (Constant) (Constant) -5.293E7 -5.293E7 4.965E6 4.965E6 -10.660 -10.660 .000.000 luaslahan

luaslahan 9.053 9.053 .406 .406 .989 .989 22.321 22.321 .000.000 a. Dependent Variable: produksi

a. Dependent Variable: produksi

Analisis Regresi Non Linear Analisis Regresi Non Linear

Tabel 15. Variables Entered/Removed Tabel 15. Variables Entered/Removedbb

Model Model Variables Variables Entered Entered Variables Variables Removed Method Removed Method 1 lnluaslahan

1 lnluaslahanaa . . EnterEnter a. All requested variables entered.

a. All requested variables entered. b. Dependent Variable: lnproduksi b. Dependent Variable: lnproduksi

Tabel 16. Model Summary Tabel 16. Model Summary

Model

Model R R R R SquareSquare

Adjusted R Adjusted R Square Square Std. Error of the Std. Error of the Estimate Estimate 1 .987 1 .987aa .974 .974 .972 .972 .018.018 a. Predictors: (Constant), lnluaslahan

a. Predictors: (Constant), lnluaslahan

Tabel 17. ANOVA Tabel 17. ANOVAbb Model

Model Sum Sum of of Squares Squares df df Mean Mean Square Square F F Sig.Sig. 1 1 Regression Regression .142 .142 1 1 .142 .142 416.103 416.103 .000.000aa Residual Residual .004 .004 11 11 .000.000 Total Total .146 .146 1212

a. Predictors: (Constant), lnluaslahan a. Predictors: (Constant), lnluaslahan b. Dependent Variable: lnproduksi b. Dependent Variable: lnproduksi

Tabel 18. Coefficients Tabel 18. Coefficientsaa Model Model Unstandardized Coefficients Unstandardized Coefficients Standardized Standardized Coefficients Coefficients t Sig. t Sig. B

B Std. Std. Error Error BetaBeta 1

1 (Constant) (Constant) -12.331 -12.331 1.480 1.480 -8.330 -8.330 .000.000 lnluaslahan

lnluaslahan 1.850 1.850 .091 .091 .987 .987 20.399 20.399 .000.000 a. Dependent Variable: lnproduksi

(18)

Gambar

Gambar 1. 1. Gambar Gambar 2.2.

Gambar

Gambar 3. 3. Gambar Gambar 4.4.

Gambar

(19)

Gambar 7. T Tabel Gambar 7. T Tabel

Gambar 8. F Tabel Gambar 8. F Tabel