8/3/2019 dummy abid
1/25
BAB I
PENDAHULUAN
Tebu (Saccharum officinarum L) adalah suatu komoditi pertanian
penghasil gula yang memerlukan pengolahan hasil di Pabrik Gula (PG) terlebih
dahulu sebelum menjadi gula. Perkembangan produksi pada sepuluh tahun
terakhir mengalami penurunan dengan laju penurunan sekitar 1,8% per tahun.
Namun demikian, semenjak tahun 2004, produksi gula mulai menunjukan
peningkatan. Pada tahun 1994, produksi gula nasional mencapai 2,435 juta ton,
sedangkan pada tahun 2004 hanya 2,051 juta ton. Pada dekade terakhir,
produksi terendah terjadi pada tahun 1998 dengan volume produksi 1,494 juta
ton. Berbagai kebijakan pemerintah seperti kebijakan tataniaga impor dan
program akselerasi peningkatan produktivitas berdampak positif guna
meningkatkan kembali produksi gula nasional.
Anjloknya harga gula pada musim giling 2008, mengakibatkan luas areal
budi daya tebu mengalami penurunan. Soentoro (2009), menyatakan bahwa
kelemahan utama industri gula di Indonesia saat ini adalah terkonsentrasinya
pabrik gula (PG) di Pulau Jawa, sehingga tidak mampu bersaing dengan
komoditas tanaman pangan yang mendapat perhatian dan proteksi yang lebih
besar dari pemerintah.Penurunan produksi dan produktivitas tebu, khususnya di
sentra produksi tebu di Jawa sebagai dampak adanya pergeseran pengusahaan
tebu dari lahan sawah ke lahan kering.
Di samping penurunan areal, penurunan produktivitas merupakan faktor
utama yang menyebabkan terjadinya penurunan produksi. Jika pada tahun 1990-
an produktivitas tebu/ha rata-rata mencapai 76,9/ha, maka pada tahun 2000-an
hanya mencapai sekitar 62,7 ton/ha. Rendemen sebagai salah indikator
produktivitas juga mengalami penurunan dengan laju sekitar -1,3% per tahun
pada dekade terakhir. Pada tahun 1998, rendemen mencapai titik terendah
(5,49%). Selanjutnya, rendemen mulai meningkat dan pada tahun 2004
rendemen mencapai 7,67 % .
1
8/3/2019 dummy abid
2/25
Produktivitas tebu yang makin menurun bukan hanya karena kurang
dikuasainya atau diterapkannya cara bercocok tanam tebu yang baik, tetapi juga
karena makin mahalnya harga input (terutama tenaga kerja dan pupuk). Maka,
petani tidak menggunakan input secara cukup. Maka dari itu perlu adanya kajian
akan pengaruh antara luas lahan dan tenaga kerja terhadap keutungan usaha
tani tebu ini.
2
8/3/2019 dummy abid
3/25
BAB II
TUJUAN
Tujuan dari praktikum ini adalah untuk mengetahui pengaruh luas lahan
dan tenaga kerja terhadap keuntungan usaha tani melaui analisis regresi linear
berganda, regresi liniear berganda dengan dummy slope, regresi linear berganda
dengan dummy intersep, dan regresi linear berganda dengan dummy kombinasi.
3
8/3/2019 dummy abid
4/25
BAB III
METODE
Metode yang digunakan adalah metode ekonometrik teori tentang linear,
double logaritma.
3.1. Linear
Model yg memperlihatkan hubungan antara satu variable terikat
(dependent variable) dgn beberapa variabel bebas (independent variables).
3.2. Regresi Berganda
Regresi berganda seringkali digunakan untuk mengatasi permasalahan
analisis regresi yang melibatkan hubungan dari dua atau lebih variabel bebas.
4
8/3/2019 dummy abid
5/25
Salah satu contoh penggunaan regresi berganda dibidang pertanian diantaranya
ilmuwan pertanian menggunakan analisis regresi untuk menjajagi antara hasil
pertanian (misal: produksi padi per hektar) dengan jenis pupuk yang digunakan,
kuantitas pupuk yang diberikan, jumlah hari hujan, suhu, lama penyinaran
matahari, dan infeksi serangga.
3.3. Double Logaritma
Variabel dummy digunakan sebagai upaya untuk melihat bagaimana
klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameter
pendugaan. Variabel dummy juga mencoba membuat kuantifikasi darivariabel kualitatif.
Kita pertimbangkan model berikut ini:
I. Y = a + bX + c D1 (Model Dummy Intersep)
II. Y = a + bX + c (D1X) (Model Dummy Slope)
III. Y = a + bX + c (D1X) + d D1 (Kombinasi)
BAB IV
HASIL DAN PEMBAHASAN
4.1. Regersi Linear Berganda
Hasil Analisis SPSS
Y = -25,450 + 0.542X1 + 0,771X2 ;R2 = 0.702
SE (9.351) (0.089) (0.132)
5
kkXXXY ++++= ...
22110
8/3/2019 dummy abid
6/25
T-Hit. 2.722 6.067 5.828
F-Hit 73,020
Df = 62
Keterangan : Y = Keuntungan usahatani tebu
X1 = Jumlah tenaga kerja
X2 = Luas lahan
a. Standar error of estimate (SE)
Standar error of estimate (SE) pada model summary bernilai 5,864. dengan
asumsi semakin kecil nilai standar error, maka model tersebut semakin valid.
b. F hitung
Dari hasil analisis dapat diketahui bahwa nilai F hitung sebesar 73.020 yang
nyata secara statistic signifikan pada tingkat alpha 5%. Ini menunjukkan bahwa
tenaga kerja dan luas lahan berpengaruh secara nyata terhadap keuntungan
usaha tani (Y).
c. R square
R square sebesar 0,702 merupakan pengkuadratan dari koefisien korelasi
yaitu 0,8382 = 0,702. R square disebut juga koefisien determinasi yang dapat
dinyatakan dalam bentuk persen yaitu sebesar 70,2 %. Hal ini menjelaskan
bahwa keuntungan usahatani bisa dijelaskan oleh variable tenaga kerja dan luas
lahan sebesar 70,2%. Sedangkan sisanya sebesar (100 % - 70,2 %= 29,8%)
dijelaskan oleh variabel lain yang tidak dijelaskan dalam model (Santoso, 2003).
Dari tabel Coefficients diketahui variabel tenaga kerja signifikan
mempengaruhi perubahan keuntungan usaha tani tebu begitu pula dengan luas
lahan sangat signifikan mempengaruhi Y pada alpha 5%.
d. T hitung
6
8/3/2019 dummy abid
7/25
Dari tabel coeficients diperoleh nilai t hitung dengan nilai signifikansi t hitung
untuk konstanta, X1 dan X2 < 0,05. hal ini menunjukkan bahwa kesimpulan yang
diambil adalah dengan menerima Ha dan menolak Ho, dengan asumsi :
Berdasarkan probabilitas
Jika Probabilitas > 0,05, Ho diterima
Jika Probabilitas < 0,05 , Ha diterima
Uji t untuk menguji variable dependen dan signifikansi konstanta.
Variabel X1
t hitung = 6,067
Tingkat signifikansi () = 5%
Df = 62
t table = 1,6698 (2 - tailed)
Jadi t hitung 6,067 > t table1,6698 maka Ho ditolak , terima Ha maka koefisien
regresi ini signifikan
Variabel X2
t hitung = 5,828
Tingkat signifikansi () = 5%
Df = 62
t table = 1,6698 (2 - tailed)
Jadi t hitung 5,828 > t table1,6698 maka Ho ditolak , terima Ha maka koefisien
regresi ini signifikan.
7
8/3/2019 dummy abid
8/25
4.2. Regresi Linear Berganda dengan Dummy Intersep
Hasil Analisis SPSS :
Y = a + 1X1 + 2X2 + c D1
Y = -28,603 + 0.538 X1 + 0,799 X2 + 3,481 D1
SE (9,123) (0,086) (0.128)
T-Hit. 6,237 6.232 2,360
F-Hit = 54,122
Df = 61
(R2 = 0.727)
Keterangan : Y = Keuntungan usahatani tebu
X1 = Jumlah tenaga kerja
X2 = Luas lahan
D1 = Dummy (1= anggota, 0 = Non anggota)
a. Standar error of estimate (SE)
Standar error of estimate (SE) pada model summary bernilai 5,660. dengan
asumsi semakin kecil nilai standar error, maka model tersebut semakin valid.
b. F hitung
Dari hasil analisis SPSS dapat diketahui bahwa nilai F-hit sebesar 54,122
yang signifikan pada tingkat alpha 5% atau 0.05 Artinya bahwa tenaga kerja
dan luas lahan mempengaruhi secara nyata terhadap keuntungan usaha tani (Y).
c. R square
8
8/3/2019 dummy abid
9/25
Angka R square sebesar 0,727 merupakan pengkuadratan dari koefisien
korelasi yaitu 0,8532 = 0,727 R square disebut juga koefisien determinasi yang
dapat dinyatakan dalam bentuk persen yaitu sebesar 72,7 %. Hal ini berarti
bahwa keuntungan usahatani bisa dijelaskan oleh variable tenaga kerja dan luas
lahan sebesar 72,7%. Sedangkan sisanya sebesar 100 % - 72,7 %= 27,3%
dijelaskan oleh faktor-faktor yang lain yang tidak dijelaskan dalam model.
(Santoso,2003).
d.T hitung
Dari tabel coeficient diperoleh nilai t hitung dengan nilai signifikansi t
hitung untuk konstanta, X1 dan X2 < 0,05. Hal ini menunjukkan bahwa
kesimpulan yang diambil adalah dengan menerima Ha dan menolak Ho,
dengan asumsi :
Berdasarkan probabilitas
Jika Probabilitas > 0,05, Ho diterima
Jika Probabilitas < 0,05 , Ha diterima
Uji t untuk menguji variable dependen dan signifikansi konstanta.
Variabel X1
t hitung = 6,237
Tingkat signifikansi () = 5%
Df = 62
t table = 1,6702 (2 - tailed)Jadi t hitung 6,237> t table1,6702 maka Ho ditolak , terima Ha
maka koefisien regresi ini signifikan.
Variabel X2
t hitung = 6,232
Tingkat signifikansi () = 5%
Df = 62
t table = 1,6702 (2 - tailed)
9
8/3/2019 dummy abid
10/25
Jadi t hitung 6,232> t table1,6702 maka Ho ditolak , terima Ha maka
koefisien regresi ini signifikan.
Variabel Dummy (D1)
T hitung = 2,360
Tingkat signifikansi () = 5%
Df = 62
t table = 1,6702 (2 - tailed)
Jadi t hitung 2,360 > t table1,6702 maka Ho ditolak , terima Ha maka
koefisien regresi ini signifikan
4.3. Regresi Linear Berganda dengan Dummy Slope
Hasil uji SPSS :
Y = a + 1X1 + 2X2 + c (D1 X1) + d (D1 X2 )
Y = -28,131 + 0.522X1 + 0,809 X2 + C(0,079) + d (0,037)
SE (9.175) (0.097) (0.140) (0,207) (0,214)
T-Hit. -3,066 5,395 5.769 0,383 -0,175
F-Hit = 40,250
Df = 69
R2 = 0.729
Dimana : Y = Keuntungan usahatani tebu
X1 = Jumalah tenaga kerja
X2 = Luas lahan
D1X1 dan D1X2 = Dummy
(1= anggota, 0 = Non anggota).
a. Standar error of estimate (SE)
Standar error of estimate (SE) pada model summary bernilai 5,690. dengan
asumsi semakin kecil nilai standar error, maka model tersebut semakin valid.
10
8/3/2019 dummy abid
11/25
b. F hitung
Hasil analisis di atas menunjukkan bahwa model secara statistik adalah
memang dapat digunakan, terbukti dari nilai F-hit sebesar 40,250 yang signifikan
pada tingkat alpha 5% atau 0.05 Artinya bahwa tenaga kerja dan luas lahan
mempengaruhi secara nyata terhadap Y(keuntungan usaha tani).
c. R square
Angka R square sebesar 0,729 yang merupakan pengkuadratan dari koefisien
korelasi yaitu 0,8542 = 0,729. R square disebut juga koefisien determinasi yang
dapat dinyatakan dalam bentuk persen yaitu sebesar 72,9 %. Hal ini berarti
bahwa keuntungan usahatani bisa dijelaskan oleh variable tenaga kerja dan luas
lahan sebesar 72,9%. Sedangkan sisanya (100 % - 72,9 %= 27,1%) dijelaskan
oleh faktor-faktor lain yang tidak dijelaskan dalam model. Angka R square
berkisar antara 0 sampai 1, dengan ketentuan semakin kecil angka R square
semakin lemah hubungan kedua variable (Santoso,2003).
d. T hitung
Uji t untuk menguji variable dependen dan signifikansi konstanta.
Variabel X1t hitung = 5,393
Tingkat signifikansi () = 5%
Df = 62
t table =1,6706 (2 - tailed)
Jadi t hitung 5,393 > t table 1,6706 maka Ho ditolak , terima Ha
maka koefisien regresi ini signifikan.
Variabel X2
t hitung = 5,769
Tingkat signifikansi () = 5%
Df = 62
t table =1,6706 (2 - tailed)
Jadi t hitung 5,769 > t table 1,6706 maka Ho ditolak , terima Ha maka
koefisien regresi ini signifikan.
Variabel D1X1
11
8/3/2019 dummy abid
12/25
t hitung = 0,383
Tingkat signifikansi () = 5%
Df = 62
t table =1,6706 (2 - tailed)
Jadi t hitung 0,383< t table 1,6706 maka Ha ditolak , terima Ho maka
koefisien regresi ini tidak signifikan.
Variabel D1X2
t hitung = -0,175
Tingkat signifikansi () = 5%
Df = 62
t table =1,6706 (2 - tailed)
Jadi t hitung -0,175 < t table 1,6706 maka Ha ditolak , terima H 0
maka koefisien regresi ini tidak signifikan.
Berdasarkan probabilitas
Jika Probabilitas > 0,05, Ho diterima
Jika Probabilitas < 0,05 , Ha diterima
Pada kolom sig adalah 0.000 < 0,05 maka Ha diterima (X1 dan X2),
koefisien regresi signifikan atau jumlah tenaga kerja dan luas lahan benar
benar berpengaruh secara signifikan terhadap keuntungan usahatani.
Sedangkan pada variable Dummy D1x1 dan D1X2 tidak signifikan karena
probabilitas >0,05.
4.4. Regresi Linear Berganda dengan Dummy Kombinasi
Berdasarkan hasil uji SPSS dperoleh bahwa :
Y = a + bX + c (D1X) + d D1
Y = -24,670 + 0,517 X1 + 0,771 X2 +0,125 D1X1 +0,094 D1X2 14,383 D1
SE (10,578) (0.098) (0.152) (0,219) (0,292) (21,563)
T-Hit. -2.332 5,306 5.086 0,571 0,323 -0,667
12
8/3/2019 dummy abid
13/25
F-Hit = 31,991
Df = 59
R2 = 0.731
a. Standar error of estimate (SE)
Standar error of estimate (SE) pada model summary bernilai 5,716. dengan
asumsi semakin kecil nilai standar error, maka model tersebut semakin valid.
b. F hitung
Hasil analisis di atas menunjukkan bahwa model secara statistik adalah
memang dapat digunakan, terbukti dari nilai F-hit sebesar 31,991 yang signifikan
pada tingkat alpha 5% atau 0.05 Artinya bahwa tenaga kerja dan luas lahan
mempengaruhi secara nyata terhadap Y(keuntungan usaha tani).
c. R square
Angka R square adalah 0,731 yang merupakan pengkuadratan dari koefisien
korelasi yaitu 0,855 x 0,855 = 0,731 R square disebut juga koefisien determinasi
yang dalam hal ini berarti 73,1 %. Hal ini berarti bahwa keuntungan usahatani
bisa dijelaskan oleh variable tenaga kerja dan luas lahan sebesar 73,1%.
Sedangkan sisanya (100 % - 73,1 %= 26,9%) dijelaskan oleh sebab sebab lain
yang tidak terdapat dalam model. Angka R square berkisar antara 0 sampai 1,
dengan ketentuan semakin kecil angka R square semakin lemah hubungan
kedua variable (Santoso,2003).
d. T hitung
Uji t untuk menguji variable dependen dan signifikansi konstanta.
Variabel X1
t hitung = 5,306
Tingkat signifikansi () = 5%
Df = 62
t table =1,6711 (2 - tailed)
Jadi t hitung 5,306> t table 1,6711 maka Ho ditolak , terima Ha
maka koefisien regresi ini signifikan.
13
8/3/2019 dummy abid
14/25
Variabel X2
t hitung = 5,086
Tingkat signifikansi () = 5%
Df = 62
t table =1,6711 (2 - tailed)
Jadi t hitung 5,086> t table 1,6711 maka Ho ditolak , terima Ha
maka koefisien regresi ini signifikan.
Variabel D1X1
t hitung = 0,571
Tingkat signifikansi () = 5%
Df = 62
t table =1,6711 (2 - tailed)
Jadi t hitung 0,571< t table 1,6711 maka Ho ditolak , terima Ha
maka koefisien regresi ini tidak signifikan.
Variabel D1X2
t hitung = 0,323
Tingkat signifikansi () = 5%
Df = 62
t table =1,6711 (2 - tailed)
Jadi t hitung 0,323< t table 1,6711 maka Ho ditolak , terima Ha
maka koefisien regresi ini tidak signifikan.
Variabel D1
t hitung = -0,667
Tingkat signifikansi () = 5%
Df = 62
t table =1,6711 (2 - tailed)Jadi t hitung -0,667< t table 1,6711 maka Ho ditolak , terima Ha
maka koefisien regresi ini tidak signifikan.
Berdasarkan probabilitas
Jika Probabilitas > 0,05, Ho diterima
Jika Probabilitas < 0,05 , Ha diterima
Pada kolom significance adalah 0.000 atau probabilitas jauh
dibawah 005 maka H0 ditolakatau Ha diterima, koefisien regresi signifikan,
14
8/3/2019 dummy abid
15/25
atau jumlah tenaga kerja dan luas lahan benar benar berpengaruh
secara signifikan terhadap keuntungan usahatani.
4.5.Uji Multikolinearitas
Berdasarkan table hasil analisis korelasi antar variable independent di
atas, terlihat antara X1 dan X2 memilki korelasi sebesar 51,60% yang signifikan
pada tingkat = 0,01 (2 arah) lebih kecil dari = 0,05, antara X1 dan D1 tidak
terjadi korelasi karena nilai korelari -0,032 pada tingkat significkan 0,8 lebih besar
dari = 0,05 (2 arah). Sedangkan antara X2 dan D2 juga tidak terjadi korelasi
karena nilai korelasi -0,096 pada tingkat signifikan 0,446 lebih besar dari = 0,05
(2 arah). Jadi dari hasi analisis korelasi di atas dapat disimpulkan bahwa antara
variable dalam model regresi linear berganda, regresi linear berganda dengan
dummy variable (intersep, slope dan kombinasi) terjadi multikolinieritas
dikarenakan antara variable X1 (tenaga kerja) dan X2 (luas lahan) berkorelasi.
15
8/3/2019 dummy abid
16/25
BAB V
KESIMPULAN
Berdasarkan analisis regresi berganda dengan dummy intersep. Dari
analisis keragaman diperoleh nilai F hitung sebesar 54,122 dengan tingkat
signifikan 0,000. lebih kecil dari 0,05 maka semua variable independen (X1, X2
dan D1) merupakan penjelas yang signifikan terhadap variable dependen (Y).
Berdasarkan analisis regresi berganda dengan dummy slope. Dari analisis
keragaman diperoleh nilai F hitung sebesar 40,250 dengan tingkat signifikan
0,000 lebih kecil dari 0,05 maka semua variable independen (X1, X2, D1X1 dan
D1X1) merupakan penjelas yang signifikan terhadap variable dependen (Y).
Variabel D1X1 dan D1X1 tidak mempengaruhi variable dependen karena nilai
koefisien korelasinya tidak signifikan pada = 0,05.
Berdasrkan analisis regresi berganda dengan dummy kombinasi Dari
analisis keragaman diperoleh nilai F hitung sebesar 31,991 dengan tingkat
signifikan 0,000lebih kecil dari 0,05 maka semua variable independen (X1, X2, D1,
D1X1 dan D1X1) merupakan penjelas yang signifikan terhadap variable dependen
(Y). Variabel D1, D1X1 dan D1X1 tidak mempengaruhi variable dependen karena
nilai koefisien korelasinya tidak signifikan pada = 0,05.
Berdasrkan Uji multikolinieritas antara variable dalam model regresi linear
berganda, regresi linear berganda dengan dummy variable (intersep, slope dan
kombinasi) terjadi multikolinieritas dikarenakan antara variable X1 (tenaga kerja)
dan X2 (luas lahan) berkorelasi.
Berdasarakan hasil uji SPSS dengan analisis regresi linear berganda,
regresi linear dengan dummy intersep, regresi linear berganda dengan dummy
slope dan regresi linear berganda dengan dummy kombinasi diperoleh
kesimpulan bahwa variabel luas lahan dan tenaga kerja berpengaruh pada
keuntungan usaha tani
16
8/3/2019 dummy abid
17/25
DAFTAR PUSTAKA
Asmara, R. 2010. Dummy Variabel. Available Online With Update at
http://www.rosihan.com/Dummy Variabel. (Verified at 17 April 2010).
Asmara, R. 2010. Operation Reseach Linier Programming. Available Online With
Update at http://www.rosihan.com/Operation Reseach Linier
Programming. (Verified at 17 April 2010).
Gujarati,Damodar.2006. Ekonometrika Dasar. Erlangga. Jakarta
Santoso, S. 2003. Mengatasi Berbagai Masalah Statistik dengan SPSS versi
11,5. Elex Media Komputindo. Jakarta.
Sumodiningrat, Gunawan.1995. Ekonometrika Pengantar. BPPE. Yoyakarta
17
http://www.rosihan.com/Dummyhttp://www.rosihan.com/Operationhttp://www.rosihan.com/Dummyhttp://www.rosihan.com/Operation8/3/2019 dummy abid
18/25
Tabel Usaha Tani Gula
TenagaKerja
LuasLahan
Keuntunganusaha tani
Keterlibatan dalam kelompok
X1 X2 YD1; 1= anggota 0=non
anggota D1X1 D1X281.00 87.00 83.42 0.00 0.000 0.000
80.05 85.20 76.67 0.00 0.000 0.000
66.33 84.40 76.67 0.00 0.000 0.000
82.60 87.20 96.67 0.00 0.000 0.000
80.15 86.14 86.67 0.00 0.000 0.000
71.67 72.00 73.33 0.00 0.000 0.000
78.45 85.67 86.67 0.00 0.000 0.000
88.33 89.83 100.00 0.00 0.000 0.000
76.45 83.00 86.67 0.00 0.000 0.000
72.12 74.00 70.00 0.00 0.000 0.00077.68 86.00 86.67 0.00 0.000 0.000
66.35 76.00 66.67 0.00 0.000 0.000
86.33 87.67 80.00 0.00 0.000 0.000
77.50 87.67 75.23 0.00 0.000 0.000
76.35 82.00 83.33 0.00 0.000 0.000
80.00 86.43 80.00 0.00 0.000 0.000
75.00 75.34 73.33 0.00 0.000 0.000
75.00 65.89 63.33 0.00 0.000 0.000
73.33 83.33 76.67 0.00 0.000 0.000
65.00 62.34 60.00 0.00 0.000 0.000
18
8/3/2019 dummy abid
19/25
86.33 81.43 86.67 0.00 0.000 0.000
91.67 87.00 92.00 0.00 0.000 0.000
74.00 83.75 76.67 1.00 74.000 83.750
91.67 86.33 90.00 1.00 91.667 86.333
67.50 80.33 76.23 1.00 67.500 80.333
82.00 86.80 80.00 1.00 82.000 86.800
73.00 78.34 70.00 1.00 73.000 78.340
76.00 62.30 56.67 1.00 76.000 62.300
71.67 70.00 73.33 1.00 71.667 70.000
82.00 81.33 80.00 0.00 0.000 0.000
96.25 84.00 90.00 0.00 0.000 0.000
98.33 86.60 86.67 0.00 0.000 0.000
88.33 82.67 80.00 0.00 0.000 0.000
75.00 74.23 63.33 0.00 0.000 0.000
98.33 85.50 86.67 0.00 0.000 0.000
98.33 80.25 86.67 0.00 0.000 0.000
90.00 82.50 90.00 0.00 0.000 0.000
95.00 87.00 86.67 0.00 0.000 0.000
Tabel Usaha Tani Gula (Lanjutan)
TenagaKerja
LuasLahan
Keuntunganusaha tani
Keterlibatan dalam kelompok
X1 X2 Y D1; 1= anggota 0=nonanggota D1X1 D1X2
76.00 74.25 66.67 0.00 0.000 0.000
91.67 86.60 83.33 0.00 0.000 0.000
95.00 85.40 93.33 0.00 0.000 0.000
93.33 84.50 93.33 0.00 0.000 0.000
98.33 84.00 80.00 0.00 0.000 0.000
96.67 75.60 93.33 0.00 0.000 0.000
98.33 87.50 93.33 0.00 0.000 0.000
65.00 69.21 56.67 0.00 0.000 0.000
70.00 68.32 63.33 0.00 0.000 0.000100.00 75.00 93.33 0.00 0.000 0.000
72.00 70.21 63.33 0.00 0.000 0.000
87.60 79.00 93.33 1.00 87.600 79.000
86.43 78.25 83.33 1.00 86.429 78.250
74.00 71.23 73.33 1.00 74.000 71.230
88.57 84.25 93.33 1.00 88.571 84.250
82.14 80.20 86.67 1.00 82.143 80.200
84.00 80.75 76.67 1.00 84.000 80.750
88.29 82.40 86.67 1.00 88.286 82.400
88.57 82.80 96.67 1.00 88.571 82.800
19
8/3/2019 dummy abid
20/25
82.14 81.33 86.67 1.00 82.143 81.333
80.43 83.00 93.33 1.00 80.429 83.000
87.86 80.67 96.67 1.00 87.857 80.667
78.00 75.68 73.33 1.00 78.000 75.680
88.00 78.00 83.33 1.00 88.000 78.000
90.83 82.40 83.33 1.00 90.833 82.400
91.43 81.50 89.00 1.00 91.429 81.500
80.00 83.00 86.67 1.00 80.000 83.000
LAMPIRAN
Lampiran 1 : Regresi Linear Berganda
Variables Entered/Removed
Model
Variables
Entered
Variables
Removed Method
1 X2, X1a . Enter
a. All requested variables entered.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .838a .702 .692 5.864
a. Predictors: (Constant), X2, X1
20
8/3/2019 dummy abid
21/25
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 5022.372 2 2511.186 73.020 .000a
Residual 2132.209 62 34.390
Total 7154.581 64
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) -25.450 9.351 -2.722 .008
X1 .542 .089 .491 6.067 .000
X2 .771 .132 .472 5.828 .000
a. Dependent Variable: Y
Lampiran 2 : Regresi Linear Berganda dengan Dummy Intersep
Variables Entered/Removed
Model
Variables
Entered
Variables
Removed Method
1 D1, X1, X2a . Enter
a. All requested variables entered.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .853a .727 .713 5.660
a. Predictors: (Constant), D1, X1, X2
21
8/3/2019 dummy abid
22/25
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 5200.702 3 1733.567 54.122 .000a
Residual 1953.879 61 32.031
Total 7154.581 64
a. Predictors: (Constant), D1, X1, X2
b. Dependent Variable: Y
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) -28.603 9.123 -3.135 .003
X1 .538 .086 .487 6.237 .000
X2 .799 .128 .489 6.232 .000
D1 3.481 1.475 .159 2.360 .022
a. Dependent Variable: Y
Lampiran 3 : Regresi Linear Brganda dengan Dummy Slope
Variables Entered/Removed
Model
Variables
Entered
Variables
Removed Method
1 D1X2, X1, X2,
D1X1a. Enter
a. All requested variables entered.
22
8/3/2019 dummy abid
23/25
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .854a .729 .710 5.690
a. Predictors: (Constant), D1X2, X1, X2, D1X1
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 5212.175 4 1303.044 40.250 .000a
Residual 1942.405 60 32.373
Total 7154.581 64
a. Predictors: (Constant), D1X2, X1, X2, D1X1
b. Dependent Variable: Y
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) -28.131 9.175 -3.066 .003
X1 .522 .097 .473 5.395 .000
X2 .809 .140 .495 5.769 .000
D1X1 .079 .207 .299 .383 .703
D1X2 -.037 .214 -.136 -.175 .862
a. Dependent Variable: Y
23
8/3/2019 dummy abid
24/25
Lampiran 4 : Regresi Linear Berganda dengan Dummy Kombinasi
Variables Entered/Removed
Model
Variables
Entered
Variables
Removed Method
1 D1X2,
TenagaKerja,
luasLahan,
D1X1, D1a
. Enter
a. All requested variables entered.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .855a .731 .708 5.716
a. Predictors: (Constant), D1X2, TenagaKerja, luasLahan,
D1X1, D1
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 5226.713 5 1045.343 31.991 .000a
Residual 1927.868 59 32.676
Total 7154.581 64
a. Predictors: (Constant), D1X2, TenagaKerja, luasLahan, D1X1, D1
b. Dependent Variable: KeuntunganUsahatani
24
8/3/2019 dummy abid
25/25
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) -24.670 10.578 -2.332 .023
TenagaKerja .517 .098 .469 5.306 .000
luasLahan .771 .152 .472 5.086 .000
D1 -14.383 21.563 -.656 -.667 .507
D1X1 .125 .219 .472 .571 .570
D1X2 .094 .292 .343 .323 .748
a. Dependent Variable: KeuntunganUsahatani