UNIVERSITAS JEMBER FAKULTAS PERTANIAN
JURUSAN SOSIAL EKONOMI PERTANIAN
LABORATORIUM KOMPUTASI DAN SISTEM INFORMASI AGRIBISNIS
TUGAS PRAKTIKUM
NAMA : TIFARA AURELIE SHAN DIESTA
NIM : 211510601041
KELAS : ANALISIS KUANTITATIF H
ACARA : REGRESI LINIER BERGANDA
TANGGAL PRAKTIKUM : 9 SEPTEMBER 2023 TANGGAL PENYERAHAN : 9 SEPTEMBER 2022
ASISTEN : AMIRAH LATIFAH
NITA ANISYA FIRDAUS
INTERPRETASI
1) Output Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N PERMINTAAN_BAYAM_O
RGANIK 2.467 .8899 30
PENDAPATAN 7.140 2.5960 30
USIA 35.733 6.1191 30
HARGA_BAYAM 15.100 5.1552 30
a. Rata-rata permintaan bayam organik pada 30 orang responden adalah sebesar 2,467 kg dengan standar deviasi sebesar 0,8899 kg.
b. Rata-rata pendapatan konsumen bayam organik di Kota Bogor pada 30 orang responden adalah sebesar Rp 7,14 juta dengan standar deviasi sebesarRp 2,5960 juta.
c. Rata-rata usia konsumen bayam organik di Kota Bogor pada 30 orang responden adalah 35,733 tahun dengan standar deviasi 6,1191 tahun.
d. Rata-rata harga bayam organik di Kota Bogor menurut 30 orang responden adalah Rp 15,10 ribu dengan standar deviasi Rp 5,1552 ribu.
2) Correlation
A. Pearson Correlation
1. Hubungan antara variabel permintaan bayam organik dengan pendapatan bernilai positif sebesar 0,494. Sehingga apabila terjadi kenaikan pada
variabel pendapatan maka akan terjadi kenaikan pada permintaan bayam organik ataupun sebaliknya.
2. Hubungan antara variabel permintaan bayam organik dengan usia bernilai positif sebesar 0.020. Sehingga apabila terjadi kenaikan pada variabel Usia maka akan terjadi kenaikan pada permintaan bayam organik ataupun sebaliknya.
3. Hubungan antara variabel permintaan bayam organik dengan harga bayam organik bernilai positif sebesar 0,463. Sehingga apabila terjadi kenaikan pada variabel harga bayam maka akan terjadi kenaikan pada permintaan bayam organik atau sebaliknya.
B. Sig. (1-tailed) Uji Hipotesis
a) H0 = Tidak terdapat hubungan yang signifikan antar variabel b) H1 = Terdapat hubungan yang signifikan antar variabel
Pengambilan Keputusan.
a) Jika signifikansi > 0,05 maka H0 diterima dan H1 ditolak.
b) Jika signifikansi < 0,05 maka H0 ditolak dan H1 diterima.
1. Nilai signifikansi variabel pendapatan terhadap permintaan bayam organik adalah sebesar 0,003. Nilai tersebut (0,003) < 0,05 sehingga hubungan antara pendapatan dengan permintaan bayam organik signifikan. Maka, hipotesis H1 diterima dan berpengaruh signifikan 2. Nilai signifikansi variabel usia terhadap permintaan bayam organik
adalah sebesar 0,457. Nilai tersebut (0,457) > 0,05 sehingga hubungan antara usia dengan permintaan bayam organik tidak signifikan. Maka, hipotesis H1 ditolak dan berpengaruh tidak signifikan
3. Nilai signifikansi variabel harga bayam organik terhadap permintaan bayam organik adalah sebesar 0,05. Nilai tersebut (0,05) <
0,05 sehingga hubungan antara harga bayam organik dengan permintaan bayam organik signifikan. Maka, hipotesis H1 diterima dan berpengaruh signifikan
3) Variables Entered/Removed
Variables Entered/Removeda Model Variables
Entered
Variables Removed
Method
1
HARGA_BAYA M,
PENDAPATAN, USIAb
. Enter
a. Dependent Variable:
PERMINTAAN_BAYAM_ORGANIK b. All requested variables entered.
Berdasarkan output tersebut dapat diketahui bahwa dengan menggunakan metode ENTER menunjukkan tidak terdapat variabel yang dikeluarkan atau keseluruhan variabel dianalisis dalam perhitungan regresi, hal ini dapat dilihat bahwa pada coloumn Variables Entered terdapat 3 variabel bebas yang dianalisis yaitu ada harga bayam, usia, dan pendapatan.
4) Model Summary
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 .704a .496 .438 .6674 1.685
a. Predictors: (Constant), HARGA_BAYAM, PENDAPATAN, USIA b. Dependent Variable: PERMINTAAN_BAYAM_ORGANIK
- Nilai Adjusted R2 sebesar 43.8% berarti bahwa keragaman variabel permintaan bayam organik dapat dijelaskan oleh keragaman variabel pendapatan, usia, dan harga bayam organik sebesar 43.8%. Sedangkan sisanya sebesar 56.2% keragaman variabel permintaan bayam organik dijelaskan oleh keragaman variabel lain di luar model.
- Standart Error of Estimate adalah sebesar 0,6674 kg lebih kecil daripada standar deviasi permintaan bayam organik sebesar 0,8899 kg sehingga model regresi mampu memprediksi atau sebagai prediktor variabel permintaan bayam organik.
5) ANOVA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 11.387 3 3.796 8.522 .000b
Residual 11.580 26 .445
Total 22.967 29
a. Dependent Variable: PERMINTAAN_BAYAM_ORGANIK b. Predictors: (Constant), HARGA_BAYAM, PENDAPATAN, USIA
Uji Hipotesis.
a) H0 = variabel X1, X2, X3 tidak signifikan mempengaruhi variabel Y b) H1 = variabel X1, X2, X3 signifikan mempengaruhi variabel Y Pengambilan Keputusan.
a) Jika signifikansi > 0,05 maka H0 diterima dan H1 ditolak.
b) Jika signifikansi < 0,05 maka H0 ditolak dan H1 diterima.
Berdasarkan output ANOVA diketahui nilai F hitung adalah sebesar 8,522 dengan signifikansi 0,000 dan nilai tersebut (0,000) < 0,05 sehingga H0
ditolak dan H1 diterima. Hal tersebut berarti bahwa variabel bebas (pendapatan, usia dan harga bayam organik) secara bersama-sama berpengaruh nyata terhadap variabel terikat (permintaan bayam organik), sehingga model regresi dapat digunakan untuk memprediksi variabel permintaan bayam organik.
6) Coefficients
Uji Hipotesis
a) H0 = variabel Xi tidak signifikan mempengaruhi variabel Y b) H1 = variabel Xi signifikan mempengaruhi variabel Y Pengambilan Keputusan.
a) Jika signifikansi > 0,05 maka H0 diterima dan H1 ditolak.
b) Jika signifikansi < 0,05 maka H0 ditolak dan H1 diterima.
1. Perhitungan analisis untuk variabel pendapatan menunjukkan nilai t hitung sebesar 3,806 dengan signifikansi 0,001 < taraf nyata 0,05 sehingga H0 ditolak dan H1 diterima. Hal tersebut berarti bahwa pendapatan
Coefficientsa
Model Unstandardized
Coefficients
Standardize d Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Toleranc
e
VIF
1
(Constant) -.368 .914 -.403 .690
PENDAPATA
N .184 .048 .535 3.806 .001 .980 1.021
USIA .006 .020 .044 .310 .759 .977 1.024
HARGA_BAY
AM .086 .024 .498 3.552 .001 .988 1.012
a. Dependent Variable: PERMINTAAN_BAYAM_ORGANIK
secara parsial memiliki pengaruh nyata terhadap permintaan bayam organik.
2. Perhitungan analisis untuk variabel usia menunjukkan nilai t hitung sebesar 0,310 dengan signifikansi 0,759 > taraf nyata 0,05 sehingga H0
diterima dan H1 ditolak. Hal tersebut berarti bahwa usia secara parsial memiliki pengaruh tidak nyata terhadap permintaan bayam organik.
3. Perhitungan analisis untuk variabel harga bayam organik menunjukkan nilai t hitung sebesar 3,552 dengan signifikansi 0,001 < taraf nyata 0,05 sehingga H0 ditolak dan H1 diterima. Hal tersebut berarti bahwa secara parsial harga bayam organik memiliki pengaruh nyata terhadap permintaan bayam organik.
4. Model persamaan regresi linier berganda:
Y = -0,368 + 0,184X1 + 0,006X2 + 0,086X3
dimana:
Y : permintaan bayam organik (kg) X1 : pendapatan (Rp juta)
X2 : usia (tahun)
X3 : harga bayam organik (Rp ribu)
Interpretasi model:
1. Konstanta sebesar -0,368 menunjukkan bahwa ketika tidak terdapat pengaruh variabel bebas, permintaan bayam organik adalah sebesar - 0,368 kg dengan asumsi cateris paribus.
2. Variabel pendapatan berpengaruh positif dan signifikan pada taraf nyata 5%. Nilai koefisien regresi variabel pendapatan sebesar 0,184 menunjukkan bahwa setiap terjadi peningkatan pendapatan sebesar Rp 1 juta akan meningkatkan permintaan bayam organik 0,184 kg, dengan asumsi cateris paribus.
3. Variabel usia berpengaruh positif dan tidak signifikan pada taraf nyata 5%. Nilai koefisien regresi variabel usia sebesar 0,006 menunjukkan bahwa setiap terjadi peningkatan usia sebesar 1 tahun akan meningkatkan permintaan bayam organik 0,006 kg, dengan asumsi cateris paribus.
Namun peningkatan usia tersebut tidak selalu signifikan mampu meningkatkan permintaan bayam organik.
4. Variabel harga bayam organik berpengaruh positif dan signifikan pada taraf nyata 5%. Nilai koefisien regresi variabel bayam organik sebesar 0,086 menunjukkan bahwa setiap terjadi peningkatan harga bayam organik sebesar Rp 1 rb akan meningkatkan permintaan bayam organik 0,086 kg, dengan asumsi cateris paribus.
Uji Asumsi Klasik 1. Uji Multikolinearitas
Kriteria keputusan:
a. Jika nilai tolerance > 0,10 atau jika nilai VIF ≤ 10, maka tidak terjadi multikolinearitas
b. Jika nilai tolerance < 0,10 atau jika nilai VIF > 10 maka terjadi multikolinearitas
Berdasarkan nilai output didapatkan bahwa:
a. Nilai tolerance semua variabel bebas > 0,10 b. Nilai VIF semua variabel bebas < 10
Berdasarkan nilai di atas, dapat disimpulkan bahwa tidak terjadi multikoliniearitas.
Coefficientsa
Model Unstandardized
Coefficients
Standardize d Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Toleranc
e
VIF
1
(Constant) -.368 .914 -.403 .690
PENDAPATA
N .184 .048 .535 3.806 .001 .980 1.021
USIA .006 .020 .044 .310 .759 .977 1.024
HARGA_BAY
AM .086 .024 .498 3.552 .001 .988 1.012
a. Dependent Variable: PERMINTAAN_BAYAM_ORGANIK
2. Uji Normalitas
Berdasarkan hasil output Grafik Normal P-Plot dapat diketahui bahwa titik-titik menyebar di sekitar garis dan mengikuti garis diagonal sehingga dapat disimpulkan bahwa variabel telah terdistribusi normal.
3. Uji Heteroskedastisitas
Berdasarkan output Scatterplot menunjukkan titik-titik menyebar di atas dan di bawah 0 pada sumbu Y tanpa membentuk pola yang jelas sehingga di dalam model terdapat kesamaan varian dan residual satu pengamatan ke pengamatan lainnya (tidak ada indikasi Heteroskedasitisitas).
4. Uji Autokorelasi (Data Time Series) dL = 1,2138
dU = 1,6498 dW = 1,685
Berdasarkan hasil analisis diperoleh nilai dW sebesar 1,685 sedangkan berdasarkan tabel dW dengan taraf nyata 5% diketahui dL dan dU pada k=3 dan n=30 adalah sebesar 1,2138 dan 1,6498. Nilai dW (1,685) berada diantara dU dan (4-dU) sehingga dapat disimpulkan tidak terjadi autokorelasi.
