Welcome To my Blog :)

Welcome to my blog.. :)

Tugas dan laporanku yang telah berlalu... xixixixiiii.. :D :P

Sabtu, 17 Mei 2014

Laporan Regresi Sederhana

BAB 1
PENDAHULUAN
1.1 Latar Belakang
       Regresi adalah bentuk hubungan fungsional antara variabel respon dan prediktor. Analisis regresi merupakan teknik statistik yang banyak penggunnya serta mempunyai manfaat yang cukup besar bagi pengambil keputusan. Secarra umum, dalan analisis regresi digunakan metode kuadrat terkecil ( least square method ) untuk mencari kecocokan garis reresi dengan data sampel yang diamati.
       Ketika kita menggunakan statistika untuk menguji hipotesis maka muncullah dua macam hipotesis berupa hipotesis penelitian dan hipotesis statistika. Tepatnya hipotesis penelitian kita rumuskan kembali menjadi hipotesis statistika yang sepadan. Hipotesis statistika harus mencerminkan dengan baik maksud dari hipotesis penelitian yang akan diuji (Singgih,2012).
       Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Analisis regresi dapat didefinisikan metode statistika digunakan untuk menentukan bentuk hubungan antara variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang belum diketahui.
      Ada beberapa hal yang harus diperhatikan dalam asumsi regresi linear sederhana yaitu:
1.      Residual data berdistribusi noral
2.      Tidak terjadi heteroskedasits
3.      Tidak terdapat Autokorelasi
1.2 Batasan Masalah
       Agar analisis ini semakin jelas dan terarah perlu dilakukan pembatasan masalah. Adapun batasan masalah dalam analisis ini adalah:
1)      Perkebunan di kota A
2)      Uji coba dilakukannya pemberian pupuk organik dan diharapkan dapat mempengaruhi produksi durian.Selama uji coba pada tahun 2003
3)      Data yang digunakan adalah data sekunder dari  Alan.2012. Analisis Regresi Linear Sederhana.Http://www.scrib.com.
1.3 Rumusan Masalah
       Permasalahan yang akan dianalisis dalam penelitian ini adalah apakah Suatu perusahaan perkebunan durian dikota A melakukan uji coba pemberian pupuk organik dapat mempengaruhi produksi durian selama uji coba pada tahun 2003.
1.4 Tujuan Penelitian

        Adapun tujuan dari dilakukannya  penelitian adalah untuk menganalisis seberapa besar pengaruh produksi durian.Selama uji coba pada tahun 2003.

BAB 2

TINJAUAN PUSTAKA
2.1 Pengertian Regresi Linier
       Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam analisis regresi dikenal 2 jenis variabel yaitu:
1. Variabel Respon disebut juga variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan variabel.
2. Variabel Prediktor disebut juga dengan variabel independen yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan
Untuk mempelajari hubugan – hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu:
1. Analisis regresi sederhana (Simple analysis regresi)
2. Analisis regresi berganda (Multiple analysis regresi)
       Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (variable independen) dan variabel tak bebas (variabel dependen).
Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas. Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan (Hasan, 2010).
2.2 Analisis Regresi Linier Sederhana
       Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah yang dihubungkan dengan satu peubah tidak bebas . Bentuk umum dari persamaan regresi linier untuk populasi adalah
Di mana:
                                                          Y = a + bx                                                  (2.1)

Y = Variabel takbebas
x = Variabel bebas
a = Parameter Intercep
b = Parameter Koefisisen Regresi Variabel Bebas
       Menentukan koefisien persamaan a dan b dapat dengan menggunakan metode kuadrat terkecil, yaitu cara yang dipakai untuk menentukan koefisien persamaan dan dari jumlah pangkat dua (kuadrat) antara titik-titik dengan garis regresi yang dicari ysng terkecil . 

2.3 Uji Hetrosketastisitas
       Pada analisis regresi, heteroskedastisitas berarti situasi dimana keragaman variabel independen bervariasi pada data yang kita miliki. Salah satu asumsi kunci pada metode regresi biasa adalah bahwa error memiliki keragaman yang sama pada tiap-tiap sampelnya. Asumsi inilah yang disebut homoskedastisitas. Jika keragaman residual/error tidak bersifat konstan, data dapat dikatakan bersifat heteroskedastisitas. Karena pada metode regresi ordinary least-squares mengasumsikan keragaman error yang konstan, heteroskedastisitas menyebabkan estimasi OLS menjadi tidak efisien. Model yang memperhitungkan perubahan keragaman dapat membuat penggunaan dan estimasi data menjadi lebih efisien. Beberapa asumsi dalam model regresi yang terkait dengan heteroskedastisitas antara lain adalah residual (e) memiliki nilai rata-rata nol, keragaman yang konstan, dan residual pada model tidak saling berhubungan, sehingga estimator bersifat BLUE. Jika asumsi ini dilanggar maka prediksi model yang dibuat tidak dapat diandalkan.

BAB 3
KASUS DAN PEMBAHASAN
3.1 Kasus
      Suatu perusahaan perkebunan durian dikota A melakukan uji coba pemberian pupuk organik dan diharapkan dapat mempengaruhi produksi durian.Selama uji coba pada tahun 2003 , diperoleh data sebagai berikut :
Tabel 3.1 Jumlah Produksi Durian dan Jumlah Pupuk Organik
Jumlah Produksi
Durian (kilogram) : Y
               
Jumlah Pupuk
Organik (kilogram) : X
100
2
120
2
140
3
150
3
165
3
190
4
200
4
220
5
                                          
                                                                                                            








Sumber: Alan.2012. Analisis Regresi Linear Sederhana.Http://www.scrib.com.23 Okteber 2012.
3.2 Pembahasan
3.2.1 Penaksiran Parameter
      3.2.1.1.  Uji Parsial (Uji t)
Tabel 3.2   Uji t
P-Value
Keputusan
0,000
H0 di tolak
Sumber : lampiran sambungan 1 Coefficients
          Hipotesis
H0 :  ( Tidak ada pengaruh antara jumlah produksi durian terhadap jumlah pupuk organik)
H1 :  ( Ada pengaruh antara jumlah produksi durian terhadap jumlah pupuk organik)
Taraf  Signifikansi
 alpha= 5%
Daerah Kritik
H0  ditolak  jika P-value <
Keputusan
Dari hasil penelitian didapatkan ;
P-value = 0,000 < 0,05  maka H0  di tolak
Kesimpulan
   Ada pengaruh antara jumlah produksi durian terhadap jumlah pupuk organik
      3.2.1.2  Uji Simultan (Uji F)
Tabel 3.3 Uji F
P-Value
Keputusan
0,000
H0 di tolak
            Sumber : lampiran sambungan 1 Anova
          Hipotesis
H0 : Model regresi belum tepat digunakan untuk memprediksi produksi durian
H1 : Model regresi belum tepat digunakan untuk memprediksi produksi durian
Taraf  Signifikansi
 
Daerah Kritik
H0  ditolak  jika P-value <
Keputusan
Dari hasil penelitian didapatkan ;
P-value = 0,000 < 0,05  maka H0  di tolak
Kesimpulan
   Ada pengaruh antara jumlah produksi durian terhadap jumlah pupuk organik

3.1.2 Uji Heteroskedastisitas
Tabel 3.4 Uji Heteroskedastisitas
P-Value
Keputusan
0,544
H0  gagal di tolak
          Sumber : lampiran sambungan 2 Anova
Hipotesis
H0 : Tidak terjadi heteroskedasitas pada model regresi
H1 : Terjadi heteroskedasitas pada model regresi
Taraf  Signifikansi
= 0,05
Daerah Kritik
H0  ditolak  jika P-value <
Keputusan
Dari hasil penelitian didapatkan ;
P-value = 0,544 > 0,05  maka H0 di tolak
Kesimpulan
   Tidak terjadi heteroskedasitas pada model regresi
3.1.3 Uji Autokorelasi
Tabel 3.5 Uji Autokorelasi
Durbin-Watson
Keputusan
2,400
H0 gagal di tolak
          Sumber : lampiran sambungan 1 model summary
Hipotesis
H0 :  ( Tidak terjadi autokorelasi pada model regresi )
H1 :  ( Terjadi autokorelasi pada model regresi )
kriteria Pengujian 

            Daerah kritik
H0  diterima jika du  
Keputusan
Dari hasil penelitian didapatkan ;
0,7629  7629
Kesimpulan
   Tidak terjadi heteroskedasitas pada model regresi
3.1.4 Model Estimasi Sederhana
Tabel 3.6 Model Estimasi Sederhana
Nilai Koefesien
Unstandardized Coefficients (B)
35,500
38,500
                                 Sumber : lampiran  sambungan 1 Coefficients
  
 35,500+38,500 x
Jumlah produksi durian  = 35,500+38,500 x jumlah pupuk  
Interpretasi Model
1.        Apabila variabel  jumlah pupuk dianggap konstan atau tanpa dipengarhi   oleh jumlah pupuk , maka produksi durian adalah sebesar 35,500
2.        Apabila terjadi panambahan sebesar 1 pupuk organik , maka produksi durian akan naik sebesar 38,500
3.1.5 Koefesien Korelasi dan Determinasi
Tabel 3.7 Koefesien Korelasi dan Determinasi
R
R Square
0,970a
0,940
                               Sumber : lampiran sambungan 1 model summary
Interpretasi
       Koefesien korelasi antara variabel jumlah pupuk organik dengan produksi durian adalah sebesar  0,970 artinya hubungan yang terjadi antara jumlh pupuk organik dengan  jumlah produksi durian sangat tinggi.
     Nilai koefesien determinasi adalah 0,940 yang artinya sebesar 94 % variasi yang terjadi terhadap banyak sedikitnya jumlah produksi durian disebabkan oleh variasi jumlah pupuk organik dan sisanya sebesar 6 % disebabkan oleh faktor lain yang tidak dapat diterangkan. 

BAB 4
PENUTUP
4.1 Kesimpulan
      Analisis regresi di gunakan untuk melihat pengeruh variabel bebas terhadap variabel tergantung serta memprediski nilai variabel bebas berfungsi untuk menerangkan sedangkan variabel tergantung berfungsi sebagai yang diterangkan. Hubungan jumlah pupuk organik dan jumlah produksi durian Koefesien korelasinya sangat tinggi. Sehingga jumlah pupuk organik sangat mempengaruhi jumlah produksi durian .
4.2 Saran
       Sebaiknya waktu untuk praktikum ditambahkan agar praktikan dapat menambah ilmu dan lebih mahir serta pandai dalam menginterprestasikan hasil output mengunakan software SPSS tersebut.


DAFTAR PUSTAKA

Alan.2012. Analisis Regresi Linear Sederhana.Http://www.scrib.com.23 Okteber.
Hasan, Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik Infrwnsial). Jakarta: Bumi Aksara.
Santoso,Singgih. 2012.Paduan Lengkap SPSS Versi 20. Jakarta : PT. Elex media Komputindo. 



Lampiran 1
Uji Regresi Linier Sederhana

Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
J.P.Pupukb
.
Enter

Model Summaryb
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1
,970a
,940
,930
10,83974
2,400
a. Predictors: (Constant), J.P.Pupuk
b. Dependent Variable: J.P.Durian

ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
11116,875
1
11116,875
94,612
,000b
Residual
705,000
6
117,500


Total
11821,875
7



a. Dependent Variable: J.P.Durian
b. Predictors: (Constant), J.P.Pupuk
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
35,500
13,423

2,645
,038
J.P.Pupuk
38,500
3,958
,970
9,727
,000
a. Dependent Variable: J.P.Durian


Residuals Statisticsa

Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
112,5000
228,0000
160,6250
39,85129
8
Residual
-12,50000
14,00000
,00000
10,03565
8
Std. Predicted Value
-1,208
1,691
,000
1,000
8
Std. Residual
-1,153
1,292
,000
,926
8
a. Dependent Variable: J.P.Durian














Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
J.P.Pupukb
.
Enter
a. Dependent Variable: abs
b. All requested variables entered.

Model Summaryb
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1
,254a
,064
-,091
5,25145
3,436
a. Predictors: (Constant), J.P.Pupuk
b. Dependent Variable: abs



ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
11,408
1
11,408
,414
,544b
Residual
165,467
6
27,578


Total
176,875
7



a. Dependent Variable: abs
Lanjutan Lampiran 2


Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
12,133
6,503

1,866
,111
J.P.Pupuk
-1,233
1,918
-,254
-,643
,544
a. Dependent Variable: abs

Residuals Statisticsa

Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
5,9667
9,6667
8,1250
1,27662
8
Residual
-7,43333
5,56667
,00000
4,86190
8
Std. Predicted Value
-1,691
1,208
,000
1,000
8
Std. Residual
-1,415
1,060
,000
,926
8
a. Dependent Variable: abs

Tidak ada komentar:

Posting Komentar