Upload
phungngoc
View
226
Download
0
Embed Size (px)
Citation preview
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
i
TINGKAT EFISIENSI ESTIMASI-M TERHADAP ESTIMASI-GM
DALAM REGRESI ROBUST
(Studi Kasus Mengenai Produksi Jagung di Indonesia Tahun 2010)
oleh
NANANG PAMBUDI
M0108097
SKRIPSI
ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Sarjana Sains Matematika
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET SURAKARTA
2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iii
ABSTRAK
Nanang Pambudi, 2012. TINGKAT EFISIENSI ESTIMASI-M TERHADAP
ESTIMASI-GM DALAM REGRESI ROBUST (Studi Kasus Mengenai Produksi
Jagung di Indonesia Tahun 2010). Fakultas Matematika dan Ilmu Pengetahuan
Alam, Universitas Sebelas Maret.
ABSTRAK. Sektor pertanian merupakan salah satu sektor sandaran hidup bagi
sebagian besar penduduk Indonesia. Salah satu komoditas pertanian yang memiliki
nilai tambah dan sangat potensial untuk dikembangkan adalah jagung. Banyaknya
manfaat jagung berdampak pada meningkatnya permintaan jagung di Indonesia.
Oleh sebab itu, beberapa faktor perlu diperhatikan agar produksi jagung di Indonesia
dapat lebih ditingkatkan. Untuk menganalisis faktor-faktor yang mempengaruhi
produksi jagung digunakan analisis regresi.
Analisis regresi merupakan suatu analisis statistik untuk mempelajari
hubungan antara variabel dependen dengan variabel independen. Metode yang biasa
digunakan untuk mengestimasi koefisien regresi adalah metode kuadrat terkecil.
Adanya pencilan dalam data dapat mengakibatkan estimasi koefisien regresi yang
diperoleh menjadi tidak tepat.
Produksi jagung di Indonesia tahun 2010 terdapat data pencilan yang
berpengaruh, sehingga diperlukan metode yang tepat untuk melakukan analisis data.
Regresi robust merupakan suatu teknik estimasi yang tidak sensitif terhadap adanya
pencilan. Metode dalam regresi robust yang dapat digunakan yaitu estimasi-M dan
estimasi-GM.
Tujuan dari penelitian ini adalah menentukan tingkat efisiensi estimasi-M
terhadap estimasi-GM pada produksi jagung di Indonesia tahun 2010 dengan
variabel dependen adalah produksi jagung sedangkan variabel independen adalah
produktivitas, luas panen, dan jumlah pupuk. Hasil penelitian menunjukkan bahwa
untuk produksi jagung di Indonesia tahun 2010, estimasi-M lebih efisien dibanding
estimasi-GM karena nilai .
Kata kunci: jagung, analisis regresi, pencilan, regresi robust, estimasi-M, estimasi-
GM, efisiensi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iv
ABSTRACT
Nanang Pambudi, 2012. THE EFFICIENCY OF M-ESTIMATION TO
GM-ESTIMATION IN ROBUST REGRESSION (A CASE STUDY OF CORN
PRODUCTION IN INDONESIA ON 2010). Faculty Of Mathematics and
Natural Sciences, Sebelas Maret University.
ABSTRACT. The agricultural sector is one sector of life for most Indonesian
people. One of the agricultural commodities that have added-value and very
potential to develop is corn. The corn’s considerable advantages lead to increased
demand for corn in Indonesia. Therefore, several factors need to be taken to ensure
that corn production in Indonesia can be further improved. To analyze the factors
that influence the production of corn is used regression analysis.
The regression analysis is a statistical analysis to study the relationship
between the dependent variable with independent variable. The usual method for
estimates the regression coefficient is the least squares method. The existence of
outliers in the data can result in estimates of regression coefficients are obtained to
be inappropriate.
There are influential outliers in the corn production in Indonesia on 2010, so
that an appropriate method is needed to analyze the data. Robust regression is an
insensitive estimation technique to outliers. Some methods in robust regression that
could be used were M-estimation and GM-estimation.
The objective of this research is to determine the efficiency of M-estimation to
GM-estimation in the corn production in Indonesia on 2010 with dependent variable
is the corn production while the independent variable are productivity, harvested
area, and volume of fertilizer. The result of research showed that for the corn
production in Indonesia on 2010, the M-estimation was more efficient than GM-
estimation because .
Key words: corn, regression analysis, outliers, robust regression, M-estimation,
GM-estimation, efficiency.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
v
MOTO
“Allah tidak akan membebani seseorang melainkan sesuai dengan kemampuannya”
( Terjemahan QS. Al-Baqarah: 286)
“Sesungguhnya bersama kesulitan itu pasti ada kemudahan”
( Terjemahan QS. Al-Insyirah: 6)
“Jangan berhenti berusaha ketika menemui kegagalan, karena kegagalan adalah cara
Tuhan mengajari kita akan arti kesungguhan”
(Penulis)
“Jika semangat tiada henti, kemudahan itu akan sering datang menghampiri”
(Penulis)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vi
PERSEMBAHAN
Karya ini kupersembahkan untuk
Kedua orang tuaku tercinta yang telah membimbingku dari kecil hingga saat ini
Kedua kakak dan adikku yang telah memberiku semangat dan doa
Lutfi Isni Badiah yang selalu menemani dan memberiku semangat serta motivasi
dalam menyelesaikan skripsi ini
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
KATA PENGANTAR
Segala puji syukur penulis panjatkan kepada Allah SWT yang telah
memberikan banyak kenikmatan kepada penulis sehingga penulis dapat
menyelesaikan skripsi ini. Sholawat serta salam semoga tercurah limpahkan kepada
suriteladan umat manusia yaitu Beliau Rasulullah Muhammad SAW, keluarganya,
sahabatnya dan umatnya yang senantiasa istiqomah dijalan-Nya.
Skripsi ini merupakan syarat untuk memenuhi sebagian persyaratan untuk
memperoleh gelar sarjana sains Jurusan Matematika Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Sebelas Maret Surakarta. Oleh karena itu, atas semua
bimbingan dan bantuan yang telah diberikan kepada penulis dalam penyusunan
skripsi ini, penulis mengucapkan terima kasih kepada
1. Ibu Dra. Yuliana Susanti, M.Si dan Bapak Drs. Muslich, M.Si selaku dosen
Pembimbing I dan Pembimbing II yang telah memberikan bimbingan dan
arahan kepada penulis selama menyelesaikan skripsi ini.
2. Ibu Dra. Sri Sulistijowati H., M.Si selaku Pembimbing Akademis yang
telah memberikan bimbingan, pengarahan, dan nasehat bagi perkembangan
akademis penulis.
3. Semua keluarga yang telah memberi semangat dan motivasi.
4. Teman-teman matematika’08 yang telah memberikan dukungan dalam
menyelesaikan skripsi ini.
5. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah
membantu dalam penyelesaian skripsi ini.
Penulis menyadari sebagai manusia tidak luput dari kekurangan dan
kekhilafan sehingga perlunya saran-saran dan kritik yang membangun bagi
kesempurnaan skripsi ini. Semoga Allah memberi balasan kepada semuanya dan
semoga penulisan ini bermanfaat bagi pembaca.
Surakarta, Juli 2012
Penulis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
DAFTAR ISI
Halaman
HALAMAN JUDUL ................................................................................ i
HALAMAN PENGESAHAN .................................................................. ii
ABSTRAK ................................................................................................
ABSTRACT ..............................................................................................
iii
iv
MOTO .......................................................................................................
PERSEMBAHAN .....................................................................................
v
vi
KATA PENGANTAR .............................................................................. vii
DAFTAR ISI ............................................................................................. viii
DAFTAR TABEL ..................................................................................... x
DAFTAR GAMBAR ................................................................................ xi
DAFTAR LAMPIRAN.............................................................................. xii
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah ...................................................
1.2 Perumusan Masalah ..........................................................
1.3 Tujuan Penelitian ..............................................................
1.4 Manfaat Penelitian ............................................................
1
3
3
3
BAB II LANDASAN TEORI
2.1 Tinjauan Pustaka ...............................................................
2.1.1 Analisis Regresi...............................................................
2.1.2 Uji Asumsi Klasik.....................................................
2.1.3 Identifikasi Pencilan ................................................
2.1.4 Estimasi-M ...............................................................
2.1.5 Estimasi-GM.............................................................
2.1.6 Efisiensi ……………...............................................
2.1.7 Penelitian Terdahulu……………………………….
2.2 Kerangka Pemikiran .........................................................
5
5
8
11
12
16
17
18
18
BAB III METODE PENELITIAN ........................................................ 19
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
BAB IV HASIL DAN PEMBAHASAN
4.1 Data ...................................................................................
4.2 Metode Kuadrat Terkecil ..................................................
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas ……….............................................
4.3.2 Uji Heteroskedastisitas ………................................
4.3.3 Uji Multikolinearitas ……………………................
4.4 Identifikasi Pencilan ..........................................................
4.5 Model Regresi Robust dengan Estimasi-M .......................
4.4.1 MSE ( ) untuk Estimasi-M.......................................
4.6 Model Regresi Robust dengan Estimasi-GM.....................
4.6.1 MSE ( ) untuk Estimasi-GM....................................
4.6 Tingkat Efisiensi Estimasi-M Terhadap Estimasi-GM......
21
21
21
21
22
24
24
25
28
28
31
31
BAB V KESIMPULAN DAN SARAN ................................................
5.1 Kesimpulan.………………………………………………
5.2 Saran.……………………………………………………..
33
33
33
DAFTAR PUSTAKA ............................................................................. 34
LAMPIRAN 35
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
DAFTAR TABEL
Halaman
Tabel 4.1. Hasil Output Uji Multikolinearitas ............................ 24
Tabel 4.2. Hasil Identifikasi Pencilan Berpengaruh...................... 25
Tabel 4.3.
Tabel 4.4.
Nilai tiap iterasi pada estimasi-M.............................
Hasil uji t pada regresi robust dengan estimasi-M.......
26
28
Tabel 4.5.
Tabel 4.6.
Nilai tiap iterasi pada estimasi-GM .........................
Hasil uji t pada regresi robust dengan estimasi-GM....
29
31
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
DAFTAR GAMBAR
Halaman
Gambar 2.1. Pola yang memenuhi asumsi Homoskedastisitas ........ 10
Gambar 2.2. Pola-pola Heteroskedastisitas ..................................... 10
Gambar 4.1. Plot probabilitas dari sisaan ........................................ 22
Gambar 4.2. Plot sisaan dengan ................................................... 23
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Data Kasus …………………………………………….. 36
Lampiran 2.
Lampiran 3.
Hasil output analisis dengan menggunakan MKT ……..
Uji korelasi rank Spearman ……………………………..
37
38
Lampiran 4. Pendeteksian pencilan dengan DFFITS dan Cook’s
Distance ………………………………………………..
39
Lampiran 5.
Lampiran 6.
Hasil model regresi robust dengan estimasi-M ………..
Hasil output analisis dengan menggunakan estimasi-M..
40
46
Lampiran 7.
Lampiran 8.
Hasil model regresi robust dengan estimasi-GM ……...
Hasil output analisis dengan menggunakan estimasi-GM
47
53
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Sektor pertanian merupakan salah satu sektor sandaran hidup bagi
sebagian besar penduduk Indonesia, sehingga sektor pertanian diharapkan
menjadi penggerak pembangunan nasional yang menitikberatkan pada
peningkatan dan pengembangan produksi komoditi pertanian dalam memenuhi
kebutuhan pangan baik dalam negeri maupun luar negeri, yang secara potensial
mampu memberikan kontribusi yang besar dalam perekonomian. Hal ini dapat
dicapai dengan memanfaatkan potensi sumber daya manusia yang dimiliki oleh
Indonesia.
Salah satu komoditas pertanian yang memiliki nilai tambah dan sangat
potensial untuk dikembangkan adalah jagung, karena jagung merupakan salah
satu bahan makanan pokok di Indonesia yang memiliki kedudukan cukup penting
setelah beras. Jagung juga merupakan salah satu sumber karbohidrat utama bagi
masyarakat Indonesia yang memiliki kandungan hampir setara dengan kandungan
karbohidrat beras. Saat ini kebutuhan jagung tidak hanya untuk memenuhi
kebutuhan pangan, tetapi jagung juga bermanfaat sebagai sumber makanan ternak
dan bahan baku industri olahan. Banyaknya manfaat jagung berdampak pada
meningkatnya permintaan jagung di Indonesia.
Kebutuhan jagung untuk makanan ternak kurang lebih 200 ribu ton pipilan
jagung kering tiap bulan, sedang untuk memenuhi kebutuhan pangan tahun 2009
Indonesia mengimpor sekitar 400 ribu ton jagung (Kementrian Pertanian, 2011).
Sungguh ironis bila mengingat Indonesia dikenal sebagai negara agraris yang
sangat bergantung pada sektor pertanian.
Oleh karena itu, upaya untuk meningkatkan produksi jagung di Indonesia
perlu segera ditingkatkan, secara bertahap Indonesia mampu mengurangi bahkan
menghilangkan ketergantungan impor jagung. Beberapa faktor yang perlu
diperhatikan agar produksi jagung di Indonesia dapat lebih ditingkatkan dan
mampu mencukupi konsumsi jagung, antara lain produktivitas, luas panen, dan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
2
jumlah pupuk. Untuk mengetahui hubungan antara produksi jagung sebagai
variabel dependen dengan produktivitas sebagai variabel independen , luas
panen sebagai variabel independen , dan jumlah pupuk sebagai variabel
independen digunakan analisis regresi linear ganda.
Menurut Sembiring (1995), analisis regresi merupakan suatu analisis
statistik yang mempelajari hubungan antara variabel dependen dengan variabel
independen. Jika y variabel dependen dan variabel independen, maka
model regresi linear secara umum dapat dinyatakan sebagai
dengan merupakan koefisien regresi populasi dan .
Permasalahan yang muncul dalam analisis regresi adalah menentukan estimator
terbaik. Dalam menentukan estimator terbaik sangat dipengaruhi oleh penggunaan
metode, karena penggunaan metode yang tidak tepat akan menghasilkan estimasi
yang kurang tepat. Metode yang biasa digunakan untuk mengestimasi parameter
regresi adalah Metode Kuadrat Terkecil (MKT).
Dalam kasus model regresi linear, dimungkinkan terdapat data pencilan
(outliers), yaitu suatu data pengamatan yang tidak mengikuti pola sebagian besar
data. Adanya pencilan dalam data dapat mengakibatkan estimasi koefisien regresi
yang diperoleh menjadi tidak tepat. Tindakan membuang begitu saja suatu
pencilan bukanlah tindakan yang bijaksana, karena adakalanya pencilan
memberikan informasi yang cukup berarti. Oleh sebab itu, diperlukan suatu
metode regresi yang bersifat robust dimana nilai estimasinya tidak banyak
dipengaruhi oleh pencilan dalam data.
Regresi robust merupakan metode regresi yang digunakan ketika distribusi
dari sisaan tidak normal atau adanya beberapa pencilan yang berpengaruh pada
model (Draper dan Smith, 1992). Dalam regresi robust terdapat beberapa metode
estimasi, diantaranya estimasi-M dan estimasi-GM (Generalized M-Estimator)
yang merupakan pengembangan dari estimasi-M ketika estimasi-M kurang
sensitif terhadap pencilan pada variabel (Wiens and Wu, 2010).
Tingkat efisiensi dari estimasi dapat digunakan sebagai indikator untuk
menentukan model mana yang lebih baik. Pada penelitian sebelumnya, Lin (2006)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
3
menunjukkan bahwa untuk data yang mengandung pencilan, secara umum
estimasi-M dan estimasi-GM lebih efisien dibanding MKT. Wiens dan Wu (2010)
juga menunjukkan bahwa untuk data yang mengandung pencilan, estimasi M
lebih baik dari MKT. Penelitian ini mengkaji ulang penelitian sebelumnya, yaitu
menentukan tingkat efisiensi estimasi-M terhadap estimasi-GM. Kajian ini
kemudian diterapkan pada produksi jagung di Indonesia tahun 2010.
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah, dapat dirumuskan permasalahan
sebagai berikut:
1. Bagaimana estimasi produksi jagung di Indonesia tahun 2010 menggunakan
metode regresi robust estimasi-M dan estimasi-GM?
2. Bagaimana tingkat efisiensi estimasi-M terhadap estimasi-GM pada produksi
jagung di Indonesia tahun 2010 ?
1.3 Tujuan Penelitian
Berdasarkan perumusan masalah maka tujuan dari penelitian ini adalah
sebagai berikut:
1. Menentukan estimasi produksi jagung di Indonesia tahun 2010 menggunakan
metode regresi robust estimasi-M dan estimasi-GM.
2. Menentukan tingkat efisiensi estimasi-M terhadap estimasi-GM pada produksi
jagung di Indonesia tahun 2010.
1.4 Manfaat Penelitian
Manfaat dalam penelitian ini terdiri dari manfaat praktis dan teoritis.
Manfaat praktisnya adalah sebagai bahan pertimbangan bagi instansi terkait yaitu
Dinas Pertanian untuk meningkatkan produksi jagung di Indonesia. Bagi
masyarakat umum, khususnya para petani jagung, sebagai referensi untuk lebih
meningkatkan produksi jagung. Sedangkan manfaat teoritisnya adalah sebagai
bahan masukan dan menambah referensi bagi peneliti lain, menambah wawasan
serta pengetahuan penulis dalam bidang statistik khususnya mengenai metode
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
4
regresi robust dengan estimasi-M dan estimasi-GM. Secara umum, hasil
penelitian ini diharapkan dapat mengembangkan ilmu pengetahuan dalam bidang
statistika, yaitu metode estimasi-M dan metode estimasi-GM dapat diaplikasikan
pada data yang mengandung pencilan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
5
BAB II
LANDASAN TEORI
Ada dua subbab yang akan dibahas pada landasan teori ini, yaitu tinjauan
pustaka dan kerangka pemikiran. Tinjauan pustaka terdiri dari pengertian-
pengertian, teori-teori, dan penelitian terdahulu yang berhubungan dengan
pembahasan tingkat efisiensi estimasi-M terhadap estimasi-GM. Sedangkan
kerangka pemikiran berupa alur pemikiran dalam penulisan skripsi ini.
2.1 Tinjauan Pustaka
Dalam memprediksi model regresi sering ditemukan bahwa asumsi regresi
klasik dilanggar, salah satunya adalah asumsi kenormalan. Regresi robust
merupakan metode regresi yang digunakan ketika sisaan tidak berdistribusi
normal, sehingga dapat digunakan sebagai alternatif dari MKT (Draper dan Smith,
1992). Seringkali dengan transformasi tidak akan menghilangkan atau
melemahkan pengaruh dari pencilan yang akhirnya estimasi parameter menjadi
tidak tepat. Dalam keadaan ini, sangat tepat jika menggunakan metode regresi
robust yang kekar terhadap pengaruh pencilan sehingga menghasilkan estimasi
yang lebih baik.
Teori-teori yang relevan dan mendukung yang digunakan dalam penelitian
ini meliputi analisis regresi, asumsi klasik, identifikasi pencilan, estimasi-M,
estimasi-GM, efisiensi.
2.1.1 Analisis Regresi
Analisis regresi merupakan suatu analisis statistik yang mempelajari
hubungan antara variabel dependen dan variabel independen. Di dalam analisis
statistik, hubungan yang sebenarnya tidak dapat diketahui secara pasti, tetapi
model hubungannya dapat diestimasi berdasarkan data pengamatan.
Menurut Montgomery dan Peck (1991), analisis regresi digambarkan
dalam model regresi yaitu suatu cara untuk mengekspresikan dua unsur penting
suatu hubungan statistik, yaitu kecenderungan berubahnya variabel dependen Y
sejalan dengan berubahnya variabel independen X.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
6
Dalam regresi linear bila hanya satu variabel independen X yang terlibat
dalam model, maka dinamakan regresi linear sederhana, dan bila lebih dari satu
variabel independen X maka disebut regresi linear berganda. Regresi linear
sederhana digunakan untuk menyelidiki hubungan fungsional antara satu variabel
dependen Y dengan satu variabel independen X. Model regresi tersebut dapat
dinyatakan dalam bentuk sebagai berikut
Regresi linear sederhana dapat diperluas menjadi regresi linear berganda.
Perluasan tersebut terjadi pada penambahan variabel independen, jika terdapat k
buah variabel independen (k ≥ 2), maka model regresi linear berganda dapat
dinyatakan dalam bentuk sebagai berikut:
dengan merupakan koefisien regresi populasi, variabel
dependen pada pengamatan ke-i, variabel independen pada pengamatan ke-i,
dan sisaan yang berdistribusi normal dengan mean nol dan variansi atau
.
Parameter adalah parameter yang tidak diketahui, sehingga
perlu diestimasi. Estimasi parameter yang biasa digunakan adalah metode kuadrat
terkecil yaitu meminimumkan jumlah kuadrat dari sisaan. Dari persamaan (2.1)
dapat ditulis
Untuk meminimumkan (2.2), dicari turunan secara parsial terhadap
dan disamakan dengan nol sehingga diperoleh
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
7
Persamaan (2.3) menghasilkan persamaan berikut ini
Jika disusun dalam bentuk matriks maka persamaan (2.4) menjadi
dengan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
8
Untuk menyelesaikan persamaan (2.5), kalikan kedua ruasnya dengan invers dari
. Sehingga estimator kuadrat terkecil dari adalah
2.1.2 Uji Asumsi Klasik
Pada model regresi, perlu dilakukan uji untuk mengetahui apakah model
regresi memenuhi asumsi atau tidak. Uji asumsi klasik yang digunakan dalam
model regresi adalah uji normalitas, multikolinearitas, dan heteroskedastisitas.
1. Uji Asumsi Normalitas
Menurut Gujarati (2004), regresi linear mengasumsikan bahwa tiap sisaan
didistribusikan normal,
.
Salah satu cara untuk menguji asumsi normalitas adalah dengan uji
Kolmogorov-Smirnov. Uji ini didasarkan pada nilai D :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
9
dengan merupakan fungsi distribusi kumulatif di bawah (dengan
adalah sisaan berdistribusi normal) dan distribusi frekuensi kumulatif
pengamatan sebanyak sampel. Nilai ini selanjutnya dibandingkan dengan nilai
dengan taraf signifikansi (tabel kolmogorov-smirnov). Apabila nilai
> atau − < , maka asumsi normalitas tidak dipenuhi.
2. Uji Asumsi Multikolinearitas
Menurut Gujarati (2004), multikolinearitas adalah adanya hubungan linear
di antara variabel-variabel independen dalam suatu model regresi. Salah satu cara
untuk mengukur besar kolinearitas adalah dengan menggunakan VIF.
Variance Inflation Factors ( ) adalah faktor perubahan variansi dalam
variabel independen ke-j. Matriks dengan merupakan elemen
diagonal matriks dan X adalah variabel independen, sehingga VIF dapat
didefinisikan sebagai berikut
dengan dan adalah banyaknya variabel independen. adalah
nilai koefisien determinasi atau ketika yang diregresikan dengan variabel
independen selain . Jika nilai VIF > 10 maka menunjukkan multikolinearitas
yang kuat.
3. Uji Asumsi Heteroskedastisitas
Menurut Gujarati (2004), salah satu dari asumsi penting model regresi
linear klasik adalah variansi pada setiap sisaan konstan, jika tidak konstan maka
disebut sebagai heteroskedastisitas.
Gujarati (2004) menggambarkan beberapa plot sisa terhadap sebagai
berikut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
10
Gambar 2.1 Pola yang memenuhi asumsi Homoskedastisitas
(a) (b) (c)
Gambar 2.2 Pola-pola Heteroskedastisitas
Jika hasil plot mirip pola pada Gambar 2.1 maka asumsi homoskedastisitas
dipenuhi karena titik tersebar rata atau tidak membentuk pola tertentu. Pada
Gambar 2.2 menunjukkan bahwa titik tersebar dengan variansi tidak konstan atau
terjadi heteroskedastisitas.
Untuk lebih tepatnya, salah satu cara untuk mendeteksi heteroskedastisitas
adalah dengan pengujian korelasi rank Spearman yang didefinisikan sebagai
berikut
dengan di = perbedaan dalam rank yang ditempatkan pada dua karakteristik yang
berbeda dari individual atau fenomena ke-i dan n = banyaknya pengamatan yang
diranking. Koefisien rank korelasi dapat digunakan untuk mendeteksi
heterokedastisitas dengan mengasumsikan . Adapun tahapannya
adalah sebagai berikut
1. Mencocokkan regresi terhadap data mengenai Y dan X sehingga didapatkan
sisaan .
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
11
2. Dengan mengabaikan tanda dari , yaitu dengan mengambil nilai mutlaknya
, meranking baik harga mutlak dan sesuai dengan urutan yang
meningkat atau menurun dan menghitung koefisien korelasi rank Spearman
yang telah diberikan sebelumnya.
3. Dengan mengasumsikan bahwa koefisien rank korelasi populasi ρs adalah nol
dan N > 8, signifikan dari rs yang disampel dapat diuji dengan pengujian t
sebagai berikut
dengan derajat kebebasan = n – 2.
Jika nilai t yang dihitung melebihi nilai t kritis, kita bisa menerima hipotesis
adanya heteroskedastisitas, demikian juga sebaliknya. Jika model regresi meliputi
lebih dari satu variabel X, rs dapat dihitung antara dan tiap-tiap variabel X
secara terpisah dan dapat diuji untuk tingkat penting secara statistik dengan
pengujian t yang diberikan di atas.
2.1.3 Identifikasi Pencilan
Pada beberapa kasus dimungkinkan adanya data yang jauh dari pola
kumpulan data keseluruhan yang dinamakan sebagai pencilan. Keberadaan dari
pencilan akan menyebabkan kesulitan dalam proses analisis data dan perlu untuk
dihindari. Permasalahan yang muncul akibat adanya pencilan antara lain:
1. Sisaan yang besar dari model yang terbentuk .
2. Variansi dari data akan menjadi lebih besar.
3. Estimasi interval akan memiliki rentang yang lebih besar.
Beberapa metode yang dapat digunakan dalam mengidentifikasi pencilan
yang berpengaruh terhadap koefisien regresi antara lain
a. Metode DFFITS
Perhitungan DFFITS disajikan sebagai berikut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
12
dengan studentized deleted residual untuk kasus ke-i dan nilai leverage
untuk kasus ke-i. Selanjutnya, suatu data dikatakan pencilan apabila nilai absolute
dari lebih besar dari (Neter et al., 1996).
b. Metode Cook’s distance
Cook’s distance merupakan suatu ukuran untuk mendeteksi besarnya
pengaruh adanya pencilan terhadap semua estimator koefisien regresi, yaitu
dengan MSE merupakan mean square error dari sisaan, sisaan pada
pengamatan ke-i, dan nilai leverage untuk kasus ke-i. Suatu data disebut
pencilan yang berpengaruh terhadap koefisien regresi apabila nilai
(Neter et al., 1996).
2.1.4 Estimasi-M
Menurut Montgomery dan Peck (1991), estimasi-M merupakan estimasi
yang meminimumkan suatu fungsi sisaan
dengan didefinisikan sebagai fungsi obyektif Huber
Karena estimator yang diperoleh bukan merupakan skala invariant, maka
digunakan nilai sebagai pengganti , dengan merupakan faktor skala yang
juga perlu diestimasi. Dengan demikian fungsi (2.6) menjadi,
Pilihan estimasi populasi untuk adalah
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
13
Pemilihan konstan 0,6745 membuat merupakan suatu estimator yang mendekati
tak bias dari jika n besar dan sisaan berdistribusi normal. Pembuktian jika
, maka nilai diperoleh dari perhitungan berikut,
Untuk meminimumkan (2.7), turunan parsial pertama dari terhadap
disamakan dengan nol, sehingga menghasilkan persamaan
dengan disebut fungsi pengaruh yang merupakan turunan dari , sehingga bisa
dituliskan yaitu
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
14
Apabila merupakan fungsi pembobot IRLS dimana , maka
untuk fungsi pembobot Huber, konstanta yang menghasilkan efisiensi 95% dan
selalu memberikan ketahanan terhadap pencilan yaitu konstanta sebesar
. Dengan demikian persamaan (2.8) menjadi,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
15
Persamaan (2.8) dapat diselesaikan dengan metode iterasi yang dinamakan
Iteratively Reweighted Least Squares (IRLS). Untuk menggunakan IRLS, dengan
menganggap estimasi awal ada dan merupakan suatu estimasi skala maka
persamaan (2.9) menjadi
Persamaan (2.10) dapat ditulis dalam notasi matriks
dengan matriks diagonal nxn dari pembobot yang memuat elemen-elemen
diagonal . Persamaan (2.11) dikenal sebagai persamaan Weighted
Least Squares. Dengan demikian, estimator satu langkahnya adalah
Pada langkah selanjutnya, dihitung kembali bobot dari tetapi
menggunakan sebagai pengganti . Misal diambil dengan metode kuadrat
terkecil untuk menentukan , menentukan , kemudian menentukan
dan seterusnya. Perhitungan iterasi ini dihentikan bila perubahan yang terjadi
pada koefisien regresi yaitu selisih antara nilai dengan adalah lebih kecil
dari 0,1%. Estimasi regresi robust dengan IRLS dapat ditulis
Estimasi kuadrat terkecil dapat digunakan sebagai nilai permulaan .
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
16
2.1.5 Estimasi-GM
Estimasi-GM merupakan pengembangan dari estimasi-M, ketika estimasi-
M kurang sensitif terhadap pencilan pada variabel . Ide dasar yang
melatarbelakangi estimasi-GM adalah untuk membatasi pengaruh dari pencilan
pada variabel dengan menggunakan fungsi pembobot , dimana hanya
bergantung pada (Lin, 2006).
Menurut Wilcox (2005), secara umum estimasi-GM didefinisikan sebagai
berikut:
dengan merupakan fungsi pembobot untuk variabel . Karena estimator
yang diperoleh bukan merupakan skala invariant, maka digunakan nilai sebagai
pengganti , dengan adalah faktor skala yang juga perlu diestimasi. Dengan
demikian persamaan (2.12) menjadi,
Untuk menyelesaikan persamaan (2.13) dengan cara menurunkannya terhadap
dan disamakan dengan nol, sehingga diperoleh
Dengan menentukan pombobot yang digunakan yaitu pembobot Schweppe
dengan dan , diperoleh
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
17
dimana , dengan sedangkan adalah median dari (n-k)
terbesar dari dan adalah fungsi pengaruh Huber
dengan . Dengan demikian persamaan (2.14) menjadi,
Sisaan awal yang digunakan pada estimasi-GM adalah sisaan yang
diperoleh dari metode kuadrat terkecil. Persamaan (2.15) dapat diselesaikan
dengan MKT terboboti secara iterasi yang disebut Iteratively Reweighted Least
Square (IRLS) hingga diperoleh yang konvergen.
2.1.6 Efisiensi
Menurut Liu (2008), jika dan masing-masing adalah estimasi untuk
parameter , dengan Mean Square Error, dan , maka tingkat
efisiensi terhadap didefinisikan sebagai rasio
dimana,
dengan r adalah jumlah iterasi.
Estimasi dikatakan lebih efisien dibanding jika
atau .
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
18
2.1.7 Penelitian Terdahulu
Wiens dan Wu (2010) telah melakukan penelitian mengenai desain model
robust yang optimal dari model regresi yang kurang sesuai, dengan asumsi bahwa
parameter diestimasi dengan menggunakan salah satu tipe estimasi-M.
Selanjutnya desain model tersebut digunakan sebagai pembanding terhadap
metode kuadrat terkecil. Sebagai hasil, estimasi-M lebih baik dari metode kuadrat
terkecil ketika terdapat pencilan dalam data.
Lin (2006) telah melakukan penelitian mengenai estimasi-M, estimasi-
GM, dan estimasi high breakdown point yang diterapkan pada beberapa kasus
nyata dengan menggunakan prosedur bootsrap. Sebagai hasil, estimasi-M dan
estimasi-GM lebih konsisten dari metode kuadrat terkecil ketika asumsi
normalitas dilanggar. Sedangkan estimasi high breakdown point yang secara
teoritis digunakan untuk menangani leverage point, menunjukkan hasil yang
kurang stabil.
2.2 KERANGKA PEMIKIRAN
Pada suatu analisis regresi, hubungan yang sebenarnya tidak dapat
diketahui secara pasti, tetapi model hubungan tersebut dapat diestimasi
berdasarkan data pengamatan. Adanya pencilan dalam data dapat mengakibatkan
estimasi koefisien regresi yang diperoleh menjadi tidak tepat. Namun pada
kenyataannya, pencilan tidak dapat dihilangkan begitu saja. Oleh sebab itu,
diperlukan suatu metode regresi yang kekar terhadap adanya pencilan yaitu
estimasi regresi robust dengan estimasi-M dan estimasi-GM. Estimasi-M pada
prinsipnya meminimumkan fungsi , sedang untuk estimasi-GM hampir sama
dengan estimasi-M tetapi memberikan bobot tersendiri pada fungsi . Selanjutnya
dihitung nilai MSE ( ) dari masing-masing estimasi, yang akan digunakan untuk
menentukan tingkat efisiensi dari estimasi-M terhadap estimasi-GM. Kemudian
akan dicari model terbaik berdasarkan tingkat efisiensinya dan diinterpretasikan
modelnya. Penerapan tingkat efisiensi ini kemudian digunakan pada produksi
jagung di Indonesia tahun 2010.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
19
BAB III
METODE PENELITIAN
Metode yang digunakan dalam penelitian ini adalah studi literatur dan
studi kasus. Adapun studi literatur yaitu mengumpulkan referensi dari buku-buku,
jurnal, artikel maupun tulisan yang dimuat di web. Sedangkan studi kasus diambil
contoh yaitu produksi jagung di Indonesia tahun 2010. Data yang digunakan
dalam penelitian ini adalah data sekunder yang diambil dari Dinas Pertanian
Provinsi Jawa Tengah. Variabel yang digunakan meliputi produksi jagung sebagai
variabel dependen dan produktivitas sebagai variabel independen , luas panen
sebagai variabel independen , serta jumlah pupuk sebagai variabel independen
.
Tahap-tahap analisis pada penelitian ini adalah
1. Melakukan estimasi regresi dengan metode kuadrat terkecil.
2. Melakukan uji asumsi klasik pada model regresi.
3. Mengidentifikasi pencilan dengan metode DFFITS dan Cook’s distance.
4. Melakukan estimasi regresi dengan regresi robust menggunakan estimasi-M.
Langkah-langkah metode estimasi-M :
a. Mengestimasi parameter dengan metode kuadrat terkecil
b. Menghitung nilai sisaan
c. Menghitung nilai estimasi
d. Menghitung nilai
e. Menghitung pembobot
f. Menghitung estimasi parameter dengan metode weighted least
squares (WLS) dengan pembobot
g. Mengulangi langkah 4b sampai 4f hingga diperoleh nilai yang
konvergen.
5. Menghitung nilai MSE ( ) dari estimasi-M yang selanjutnya disebut dengan
MSE ( ).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
20
6. Melakukan estimasi regresi dengan regresi robust menggunakan estimasi-GM
dengan pembobot Schweppe.
Langkah-langkah metode estimasi-GM :
a. Mengestimasi parameter dengan metode kuadrat terkecil
b. Menghitung nilai sisaan
c. Menghitung nilai estimasi
d. Menghitung nilai
e. Menghitung pembobot
f. Menghitung estimasi parameter dengan metode weighted least
squares (WLS) dengan pembobot
g. Mengulangi langkah 6b sampai 6f hingga diperoleh nilai yang
konvergen.
7. Menghitung nilai MSE ( ) dari estimasi-GM yang selanjutnya disebut dengan
.
8. Menghitung tingkat efisiensi estimasi-M terhadap estimasi-GM.
9. Mencari model terbaik berdasarkan tingkat efisiensinya dan diinterpretasikan
modelnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
21
BAB IV
HASIL DAN PEMBAHASAN
4.1 Data
Pada bab ini akan disajikan hasil analisis data sekunder produksi jagung di
Indonesia tahun 2010 yang diperoleh dari Dinas Pertanian Provinsi Jawa Tengah.
Data tersebut meliputi produksi jagung sebagai variabel dependen Y sedangkan
produktivitas, luas panen, dan jumlah pupuk sebagai variabel independen X
terdapat pada Lampiran 1.
4.2 Metode Kuadrat Terkecil
Model regresi linear ganda dengan metode kuadrat terkecil untuk produksi
jagung di Indonesia tahun 2010 adalah
dengan adalah produksi jagung, adalah produktivitas, adalah luas panen,
dan adalah jumlah pupuk.
4.3 Uji Asumsi Klasik
Setelah diperoleh model regresi dengan metode kuadrat terkecil,
selanjutnya dilakukan uji asumsi klasik untuk melihat apakah model regresi yang
diperoleh memenuhi asumsi klasik atau tidak. Hasil uji asumsi klasik dalam
pembahasan ini terdiri dari uji normalitas, heteroskedastisitas, dan
multikolinearitas.
4.3.1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah sisaan berdistribusi
normal atau tidak. Plot kenormalan untuk sisaan dari model produksi jagung di
Indonesia tahun 2010 yang berdasarkan hasil output diperoleh hasil sebagai
berikut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
22
2000001000000-100000-200000-300000-400000
99
95
90
80
70
60
50
40
30
20
10
5
1
RESI1
Pe
rce
nt
Mean -1,87411E-10
StDev 91235
N 33
KS 0,199
P-Value <0,010
Probability Plot of RESI1Normal
Gambar 4.1 Plot probabilitas dari sisaan
Berdasarkan Gambar 4.1 terlihat bahwa pola penyebaran sisaan tidak
mengikuti garis normal, ini berarti asumsi normalitas pada sisaan tidak dipenuhi.
Untuk menguji normalitas dapat juga digunakan uji Kolmogorov-Smirnov sebagai
berikut
i. H0 : sisaan berdistribusi normal
H1 : sisaan tidak berdistribusi normal
ii. Pilih
iii. Daerah kritis : H0 ditolak jika
iv. Statistik uji
Berdasarkan hasil output pada Gambar 4.1 diperoleh .
v. Kesimpulan
Karena , maka H0 ditolak artinya sisaan tidak
berdistribusi normal.
Dengan demikian asumsi normalitas pada produksi jagung di Indonesia
tahun 2010 tidak terpenuhi.
4.3.2 Uji Heteroskedastisitas
Untuk mendeteksi heteroskedastisitas dapat dilakukan dengan metode plot.
Plot kesamaan variansi untuk data sisaan pada model produksi jagung di
Indonesia tahun 2010 adalah sebagai berikut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
23
6000000500000040000003000000200000010000000
200000
100000
0
-100000
-200000
-300000
-400000
Fitted Value
Re
sid
ua
l
Versus Fits(response is Produksi)
Gambar 4.2 Plot sisaan dengan
Pada Gambar 4.2 tampak bahwa variansi sisaan dari satu pengamatan ke
pengamatan yang lain berpola acak, hal ini mengindikasikan bahwa variansi
sisaan konstan sehingga dapat diindikasikan asumsi tidak adanya
heteroskedastisitas dipenuhi.
Selain itu dapat dilakukan dengan uji korelasi rank Spearman. Jika nilai
melebihi nilai maka dalam data tersebut terdapat masalah
heteroskedastisitas, sebaliknya jika lebih kecil dari maka tidak
terdapat masalah heteroskedastisitas. Dalam penelitian ini dilakukan pengujian
secara terpisah antara dan tiap variabel independen yaitu produktivitas
sebagai variabel independen , luas panen sebagai variabel independen , dan
jumlah pupuk sebagai variabel independen . Hasil pengujian mendapatkan hasil
bahwa produktivitas sebesar 0,110 dan hasil luas panen adalah
sebesar 0,978 serta hasil dari jumlah pupuk adalah sebesar 0,084. Dengan
menggunakan dengan derajat bebas ( ) diperoleh nilai 1,697. Karena
masing-masing nilai kurang dari , maka dapat diambil kesimpulan
bahwa asumsi tidak adanya heteroskedastisitas dipenuhi (Lampiran 3).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
24
4.3.3 Uji Multikolinearitas
Pengujian multikolinearitas bertujuan untuk mengetahui ada tidaknya
hubungan linear antar variabel independen. Untuk mendeteksi adanya
multikolinearitas dapat dilakukan dengan berbagai uji. Salah satu deteksi ada
tidaknya multikolinearitas adalah dengan melihat pada nilai VIF. Nilai VIF
diperoleh dengan melakukan regresi secara parsial dan kemudian menghitung
nilai VIF. Dari hasil output diperoleh hasil sebagai berikut
Tabel 4.1 Hasil Output Uji Multikolinearitas
Variabel independen VIF Keterangan
(Produktivitas) 1,185 < 10 Tidak ada multikolinearitas
(Luas panen) 1,982 < 10 Tidak ada multikolinearitas
(Jumlah pupuk) 1,895 < 10 Tidak ada multikolinearitas
Berdasarkan hasil output pada Tabel 4.1, dapat dilihat bahwa nilai VIF
untuk semua variabel independen, baik variabel produktivitas, luas panen, dan
jumlah pupuk adalah lebih kecil dari 10, sehingga dapat disimpulkan bahwa
asumsi tidak ada multikolinearitas dipenuhi.
Berdasarkan pengujian asumsi klasik pada model produksi jagung di
Indonesia tahun 2010 menggunakan analisis regresi diperoleh bahwa asumsi
normalitas telah dilanggar, sehingga perlu dilakukan penanganan terhadap
pelanggaran asumsi tersebut agar diperoleh estimasi regresi yang tepat.
4.4 Identifikasi Pencilan
Sebelum mengestimasi koefisien regresi dengan estimasi-M dan estimasi-
GM, dilakukan identifikasi pencilan berpengaruh dengan metode DFFITS dan
Cook’s Distance. Hasil perhitungan untuk identifikasi pencilan berpengaruh dapat
dilihat pada Tabel 4.2.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
25
Tabel 4.2 Hasil Identifikasi Pencilan Berpengaruh
Pengamatan ke Cook's Distance
12 0,704297
0,696
-
0,121
13 9,92132 16,83463
14 1,05263 0,25161
16 1,34758 0,45849
19 2,04429 0,469065
Tabel 4.2 menunjukkan bahwa pengamatan ke 13, 14, 16, dan 19
merupakan pengamatan yang berpengaruh terhadap nilai duga maupun terhadap
koefisien regresi. Sedangkan pengamatan ke 12 hanya berpengaruh pada nilai
duga .
Karena data mengandung pencilan yang berpengaruh, maka penggunaan
MKT akan memberikan hasil yang kurang tepat, sehingga diperlukan suatu
metode regresi yang robust terhadap pencilan yaitu regresi robust. Beberapa
metode dalam regresi robust yang dapat digunakan untuk menangani pencilan
yang berpengaruh, diantaranya estimasi-M dan estimasi-GM.
4.5 Model Regresi Robust dengan Estimasi-M
Proses perhitungan dimulai dengan menentukan estimasi awal koefisien
regresi, yang diperoleh dari MKT yaitu .
Adapun algoritma pada estimasi-M yaitu sebagai berikut
1. Dihitung nilai .
2. Dihitung nilai .
3. Dihitung nilai
4. Dihitung nilai pembobot
5. Dihitung nilai
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
26
6. Diiterasikan hingga diperoleh nilai yang konvergen.
Tabel 4.3 Nilai tiap iterasi pada estimasi-M
Iterasi Estimasi-M
iterasi 1 -120792 3335 4,43 0,054
iterasi 2 -102428 2801 4,44 0,029
iterasi 3 -95399 2580 4,44 0,0249
iterasi 4 -93419 2515 4,44 0,024
iterasi 5 -92341 2481 4,44 0,0233
iterasi 6 -92176 2475 4,44 0,0233
iterasi 7 -92136 2473 4,44 0,0233
iterasi 8 -92067 2471 4,44 0,0233
iterasi 9 -91988 2469 4,44 0,0232
iterasi 10 -91899 2466 4,44 0,0231
iterasi 11 -91797 2463 4,44 0,0231
iterasi 12 -91681 2460 4,44 0,023
iterasi 13 -91549 2456 4,44 0,0229
iterasi 14 -91398 2451 4,44 0,0228
iterasi 15 -91226 2446 4,44 0,0227
iterasi 16 -91030 2440 4,44 0,0225
iterasi 17 -90806 2433 4,44 0,0224
iterasi 18 -90632 2428 4,44 0,0223
iterasi 19 -90598 2427 4,44 0,0223
iterasi 20 -90591 2426 4,44 0,0223
iterasi 21 -90589 2426 4,44 0,0223
iterasi 22 -90588 2426 4,44 0,0223
iterasi 23 -90588 2426 4,44 0,0223
Proses berhenti pada iterasi ke-23 karena nilai yang baru sama dengan
sebelumnya. Jadi, model regresi linearnya adalah
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
27
Model regresi persamaan (4.1) menunjukkan bahwa setiap peningkatan
satu satuan produktivitas akan meningkatkan produksi jagung sebesar 2426 ton,
setiap peningkatan satu satuan luas panen akan meningkatkan produksi jagung
sebesar 4,44 ton, dan setiap peningkatan satu satuan jumlah pupuk akan
meningkatkan produksi jagung sebesar 0,0223 ton. Selanjutnya diperoleh nilai
pada model regresi dengan estimasi-M sebesar 99,8%. Hal ini
menunjukkan bahwa sebesar 99,8% dari variasi produksi jagung dapat dijelaskan
oleh produktivitas, luas panen, dan jumlah pupuk, sedangkan sisanya sebesar
0,2% dipengaruhi oleh faktor lain di luar model.
Selanjutnya, dilakukan uji hipotesis untuk mengetahui apakah
produktivitas, luas panen, dan jumlah pupuk mempunyai pengaruh terhadap
produksi jagung di Indonesia tahun 2010.
i. (produktivitas, luas panen, dan jumlah pupuk tidak
berpengaruh secara signifikan terhadap produksi jagung di Indonesia tahun
2010)
(paling tidak ada salah satu produktivitas, luas panen,
atau jumlah pupuk yang berpengaruh secara signifikan terhadap produksi
jagung di Indonesia tahun 2010)
ii. Pilih
iii. Daerah kritis : ditolak jika
iv. Statistik uji
Berdasarkan hasil output diperoleh
v. Kesimpulan
Karena maka ditolak, artinya paling tidak
ada salah satu produktivitas, luas panen, atau jumlah pupuk yang berpengaruh
secara signifikan terhadap produksi jagung di Indonesia tahun 2010.
Uji t masing-masing variabel independen pada regresi robust dengan
estimasi-M
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
28
Tabel 4.4 Hasil uji t pada parameter regresi robust dengan estimasi-M.
Variabel p-value Kesimpulan
Produktivitas 0,013 < 0,05 Signifikan
Luas panen 0,000 < 0,05 Signifikan
Jumlah pupuk 0,649 > 0,05 Tidak signifikan
Berdasarkan uji signifikansi parameter regresi dengan , dapat
disimpulkan bahwa variabel produktivitas dan luas panen mempunyai pengaruh
yang signifikan terhadap produksi jagung karena untuk parameter
dan kurang dari 0,05, sedangkan variabel jumlah pupuk tidak berpengaruh
secara signifikan terhadap produksi jagung karena untuk parameter
lebih dari 0,05.
4.5.1 MSE ( ) untuk Estimasi-M
Berikut diberikan hasil perhitungan nilai MSE ( ) untuk estimasi-M
4.6 Model Regresi Robust dengan Estimasi-GM
Proses perhitungan dimulai dengan menentukan estimasi awal koefisien
regresi, yang diperoleh dari MKT yaitu .
Adapun algoritma pada estimasi-GM yaitu sebagai berikut
1. Dihitung nilai .
2. Dihitung nilai median dari (n-k) terbesar dari .
3. Dihitung nilai .
4. Dihitung nilai
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
29
5. Dihitung nilai
dimana dengan
6. Dihitung nilai
7. Diiterasikan hingga diperoleh nilai yang konvergen.
Tabel 4.5 Nilai tiap iterasi pada estimasi-GM
Iterasi Estimasi-GM
iterasi 1 -110079 2854 4,39 0,111
iterasi 2 -91034 2314 4,42 0,0838
iterasi 3 -84031 2121 4,43 0,0684
iterasi 4 -80498 2018 4,44 0,0573
iterasi 5 -78524 1955 4,44 0,0501
iterasi 6 -77404 1919 4,44 0,045
iterasi 7 -76780 1899 4,45 0,0413
iterasi 8 -76377 1887 4,45 0,0386
iterasi 9 -76187 1883 4,45 0,0368
iterasi 10 -76103 1882 4,45 0,0358
iterasi 11 -76068 1881 4,45 0,0353
iterasi 12 -76054 1881 4,45 0,0351
iterasi 13 -76049 1882 4,45 0,035
iterasi 14 -76048 1882 4,45 0,035
iterasi 15 -76047 1882 4,45 0,035
iterasi 16 -76047 1882 4,45 0,035
Proses berhenti pada iterasi ke-16 karena nilai yang baru sama dengan
sebelumnya. Jadi, model regresi linearnya adalah
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
30
Model regresi persamaan (4.2) menunjukkan bahwa setiap peningkatan
satu satuan produktivitas akan meningkatkan produksi jagung sebesar 1882 ton,
setiap peningkatan satu satuan luas panen akan meningkatkan produksi jagung
sebesar 4,45 ton, dan setiap peningkatan satu satuan jumlah pupuk akan
meningkatkan produksi jagung sebesar 0,035 ton. Selanjutnya diperoleh nilai
pada model regresi dengan estimasi-GM sebesar 99,6%. Hal ini
menunjukkan bahwa sebesar 99,6% dari variasi produksi jagung dapat dijelaskan
oleh produktivitas, luas panen, dan jumlah pupuk, sedangkan sisanya sebesar
0,4% dipengaruhi oleh faktor lain di luar model.
Selanjutnya, dilakukan uji hipotesis untuk mengetahui apakah
produktivitas, luas panen, dan jumlah pupuk mempunyai pengaruh terhadap
produksi jagung di Indonesia tahun 2010.
i. (produktivitas, luas panen, dan jumlah pupuk tidak
berpengaruh secara signifikan terhadap produksi jagung di Indonesia tahun
2010)
(paling tidak ada salah satu produktivitas, luas panen,
atau jumlah pupuk yang berpengaruh secara signifikan terhadap produksi
jagung di Indonesia tahun 2010)
ii. Pilih
iii. Daerah kritis : ditolak jika
iv. Statistik uji
Berdasarkan hasil output diperoleh
v. Kesimpulan
Karena maka ditolak, artinya paling tidak
ada salah satu produktivitas, luas panen, atau jumlah pupuk yang berpengaruh
secara signifikan terhadap produksi jagung di Indonesia tahun 2010.
Uji t masing-masing variabel independen pada regresi robust dengan
estimasi-GM
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
31
Tabel 4.6 Hasil uji t pada regresi robust dengan estimasi-GM.
Variabel p-value Kesimpulan
Produktivitas 0,030 < 0,05 Signifikan
Luas panen 0,000 < 0,05 Signifikan
Jumlah pupuk 0,584 > 0,05 Tidak signifikan
Berdasarkan uji signifikansi parameter regresi dengan , dapat
disimpulkan bahwa variabel produktivitas dan luas panen mempunyai pengaruh
yang signifikan terhadap produksi jagung karena untuk parameter
dan kurang dari 0,05, sedangkan variabel jumlah pupuk tidak berpengaruh
secara signifikan terhadap produksi jagung karena untuk parameter
lebih dari 0,05.
4.6.1 MSE ( ) untuk Estimasi-GM
Berikut diberikan hasil perhitungan nilai untuk estimasi-GM
4.7 Tingkat Efisiensi Estimasi-M Terhadap Estimasi-GM
Efisiensi suatu estimasi diperlukan untuk mengetahui bahwa estimasi
tersebut merupakan yang terbaik yaitu estimasi dengan MSE ( ) terkecil.
Penggunaan metode yang tidak sesuai dengan kondisi data yang ada, akan
menghasilkan estimasi yang tidak tepat.
Pada bagian sebelumnya telah dihitung nilai MSE ( ) dari estimasi-M
atau dalam hal ini dimisalkan dengan dan nilai MSE ( ) dari estimasi-
GM dimisalkan dengan . Setelah diperoleh nilai MSE ( ) dari estimasi-
M dan estimasi-GM, selanjutnya dihitung tingkat efisiensi estimasi-M terhadap
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
32
estimasi-GM pada produksi jagung di Indonesia tahun 2010. Adapun tingkat
efisiensinya adalah sebagai berikut
Berdasarkan hasil perhitungan di atas dapat dilihat bahwa untuk produksi
jagung di Indonesia tahun 2010, estimasi-M lebih efisien dibanding estimasi-GM,
hal ini dapat dilihat dari nilai . Dengan demikian model
yang tepat digunakan untuk produksi jagung di Indonesia tahun 2010 adalah
model dari estimasi-M, yaitu
Model regresi di atas menunjukkan bahwa setiap peningkatan satu satuan
produktivitas akan meningkatkan produksi jagung sebesar 2426 ton, setiap
peningkatan satu satuan luas panen akan meningkatkan produksi jagung sebesar
4,44 ton, dan setiap peningkatan satu satuan jumlah pupuk akan meningkatkan
produksi jagung sebesar 0,0223 ton.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
33
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil dari pembahasan, dapat disimpulkan bahwa
1. Hasil estimasi parameter pada produksi jagung di Indonesia tahun 2010
untuk model regresi robust dengan estimasi-M adalah
sedangkan dengan estimasi-GM adalah
2. Tingkat efisiensi estimasi-M terhadap estimasi-GM pada produksi jagung di
Indonesia tahun 2010 adalah 1,37. Sehingga dapat dilihat bahwa untuk
produksi jagung di Indonesia tahun 2010, estimasi-M lebih efisien dibanding
estimasi-GM karena nilai .
5.2 Saran
1. Dalam penulisan skripsi ini variabel independen yang digunakan adalah
produktivitas, luas panen, dan jumlah pupuk. Oleh sebab itu, bagi yang
berminat untuk melenjutkan bisa mencoba dengan menggunakan variabel lain
seperti jumlah benih, curah hujan, atau jumlah tenaga kerja yang bekerja
sebagai petani.
2. Dalam penulisan skripsi ini metode regresi robust yang digunakan adalah
estimasi-M dan estimasi-GM. Oleh karena itu bagi yang berminat untuk
membahas regresi robust dapat menggunakan estimasi lain seperti estimasi R,
GS, dan GMM.