Pupuk 450000 450000 600000 675000 750000 825000 855000 736500 696300 662700 692100 799800 633600 900300

967500 1090800 902400 999900 894600 762900 599700 496200 569400 583500 578400 1817160 0

Pestisida 700000 1000000 750000 850000 800000 730000 810000 770000 750000 700000 820000 800000 950000 920000 880000 940000 780000 1200000 870000 760000 1050000 930000 920000 1100000 920000 2170000 0

Output 1500 1500 2000 2250 2500 2750 2850 2455 2321 2209 2307 2666 2112 3001 3225 3636 3008 3333 2982 2543 1999 1654 1898 1945 1928 60572

Upah 4200000 4200000 5600000 6300000 7000000 7700000 7700000 7000000 7000000 6300000 7000000 7000000 5600000 8400000 8400000 9100000 8400000 9100000 7700000 7000000 4900000 4200000 4900000 4900000 4900000 1.65E+0 8

Tranport 1500000 1500000 2000000 2250000 2500000 2750000 2850000 2455000 2321000 2209000 2307000 2666000 2112000 3001000 3225000 3636000 3008000 3333000 2982000 2543000 1999000 1654000 1898000 1945000 1928000 6057200 0

Harga 160000 160000 155000 150000 170000 175000 180000 165000 180000 165000 160000 200000 285000 195000 165000 150000 155000 160000 155000 155000 160000 165000 170000 175000 165000 427500 0

1. Y1= X1 2. Y1= X2 3. Y1= X3 4. Y1= X4 5. Y1= X5 6. Y1= X1+X2 7. Y1= X1+X3 8. Y1=X1+X4 9. Y1=X1+X5 10. Y1=X2+X3 11. Y1=X2+X4 12. Y1=X2+X5 13. Y1=X3+X4 14. Y1=X3+X5 15. Y1=X4+X5 16. Y1=X1+X2+X3 17. Y1=X1+X2+X4 18. Y1=X1+X2+X5 19. Y1=X1+X3+X4 20. Y1=X1+X3+X5 21. Y1=X2+X3+X4 22. Y1=X2+X3+X5 23. Y1=X2+X4+X5 24. Y1=X3+X4+X5 25. Y1=X1+X4+X5 26. Y1=X1+X2+X3+X4 27. Y1=X1+X2+X3+X5 28. Y1=X1+X2+X4+X5 29. Y1=X2+X3+X4+X5 30. Y1=X1+X3+X4+X5 31. Y1=X1+X2+X3+X4+X5

MODEL 1 (Y1= X1)

Analisis : R square = 0.005. Hal ini berarti 0.5 % variable dependent harga pokok beras dijelaskan oleh variable independent pupuk.

Uji anova : Dari uji anova di dapatkan P hitung = 0.123 dengan tingkat signifikansi 0.729 karena probabilitas > 0.05 maka model regresi dapat digunakan dalam memprediksi harga pokok beras.

Uji T (untuk menguji tingkat signifikansi koefisien-koefisien dari variable-variabel independent) Syarat persamaan Regresi : Regresi linier : Y= B0+B1X1 Regresi berganda: Y = B0+B1X1+B2X2++BnXn Dari hasil perhitungan di atas dapat dibuat (sementara ) persamaan regresi estimasi : Y=179268.6-0.11X1 Dimana Y= harga pokok beras , X1= pupuk

Hipotesis : H0 : koefisien regresi tidak signifikan H1 : koefisien regresi signifikan

Pengambilan keputusan : Berdasarkan perbandingan t Hitung dengan t Tabel Syarat : H0 diterima : -t tabel < t hitung < t tabel H0 ditolak : t tabel < t hitung -t tabel > t hitung Nilai t hitung masing-masing koefisien regresi berturut-turut : T1 = -0.351 (t hitung X1 ) Dari tabel , dengan tingkat signifikansi () 5% dengan df(derajat kebebasan) = 24 maka didapatkan t tabel = 2.064. karena nilai t1 berada di antara t tabel maka H0 diterima. Dari persamaan tersebut menunjukan setiap pengurangan 1 pupuk akan menurunkan nilai harga pokok beras sebesar 0.11.

MODEL 2 (Y1=X2)

Analisis : R square = 0.008. Hal ini berarti 0.8 % variable dependent harga pokok beras dijelaskan oleh variable independent pestisida.

Uji anova : Dari uji anova di dapatkan P hitung = 0.190 dengan tingkat signifikansi 0.667 karena probabilitas > 0.05 maka model regresi dapat digunakan dalam memprediksi harga pokok beras.

Uji T (untuk menguji tingkat signifikansi koefisien-koefisien dari variable-variabel independent)

Syarat persamaan Regresi : Regresi linier : Y= B0+B1X1 Regresi berganda: Y = B0+B1X1+B2X2++BnXn Dari hasil perhitungan di atas dapat dibuat (sementara ) persamaan regresi estimasi : Y=154368.2+0.019X2 Dimana Y= harga pokok beras , X2= pestisida

Hipotesis : H0 : koefisien regresi tidak signifikan H1 : koefisien regresi signifikan

Pengambilan keputusan : Berdasarkan perbandingan t Hitung dengan t Tabel Syarat : H0 diterima : -t tabel < t hitung < t tabel H0 ditolak : t tabel < t hitung -T tabel > t hitung Nilai t hitung masing-masing koefisien regresi berturut-turut : T1 = 0.436 (t hitung X2 ) Dari tabel , dengan tingkat signifikansi () 5% dengan df(derajat kebebasan) = 24 maka didapatkan t tabel = 2.064. karena nilai t1 berada di antara t tabel maka H0 diterima. Dari persamaan tersebut menunjukan setiap penambahan 1 pestisida akan menaikankan nilai harga pokok beras sebesar 0.019.

MODEL 3 (Y1=X3)

Analisis : R square = 0.005. Hal ini berarti 0.5 % variable dependent harga pokok beras dijelaskan oleh variable independent output.

Uji anova : Dari uji anova di dapatkan P hitung = 0.123 dengan tingkat signifikansi 0.729 karena probabilitas > 0.05 maka model regresi dapat digunakan dalam memprediksi harga pokok beras.

Uji T (untuk menguji tingkat signifikansi koefisien-koefisien dari variable-variabel independent) Syarat persamaan Regresi : Regresi linier : Y= B0+B1X1 Regresi berganda: Y = B0+B1X1+B2X2++BnXn Dari hasil perhitungan di atas dapat dibuat (sementara ) persamaan regresi estimasi : Y=179268.6 - 3.413X3 Dimana Y= harga pokok beras , X3= output

Hipotesis : H0 : koefisien regresi tidak signifikan H1 : koefisien regresi signifikan

Pengambilan keputusan : Berdasarkan perbandingan t Hitung dengan t Tabel Syarat : H0 diterima : -t tabel < t hitung < t tabel H0 ditolak : t tabel < t hitung -t tabel > t hitung Nilai t hitung masing-masing koefisien regresi berturut-turut : T1 = -0.351 (t hitung X3 ) Dari tabel , dengan tingkat signifikansi () 5% dengan df(derajat kebebasan) = 24 maka didapatkan t tabel = 2.064. karena nilai t1 berada di antara t tabel maka H0 diterima. Dari persamaan tersebut menunjukan setiap pengurangan 1 output akan menurunkan nilai harga pokok beras sebesar -3.413.

MODEL 4 (Y1=X4)

Analisis : R square = 0.006. Hal ini berarti 0.6 % variable dependent harga pokok beras dijelaskan oleh variable independent upah.

Uji anova : Dari uji anova di dapatkan P hitung = 0.137 dengan tingkat signifikansi 0.715 karena probabilitas > 0.05 maka model regresi dapat digunakan dalam memprediksi harga pokok beras.

Uji T (untuk menguji tingkat signifikansi koefisien-koefisien dari variable-variabel independent) Syarat persamaan Regresi : Regresi linier : Y= B0+B1X1 Regresi berganda: Y = B0+B1X1+B2X2++BnXn Dari hasil perhitungan di atas dapat dibuat (sementara ) persamaan regresi estimasi : Y=179762.7 0.001X4 Dimana Y= harga pokok beras , X4= upah

Hipotesis : H0 : koefisien regresi tidak signifikan H1 : koefisien regresi signifikan

Pengambilan keputusan : Berdasarkan perbandingan t Hitung dengan t Tabel Syarat : H0 diterima : -t tabel < t hitung < t tabel H0 ditolak : t tabel < t hitung -T tabel > t hitung Nilai t hitung masing-masing koefisien regresi berturut-turut : T1 = -0.370 (t hitung X4 ) Dari tabel , dengan tingkat signifikansi () 5% dengan df(derajat kebebasan) = 24 maka didapatkan t tabel = 2.064. karena nilai t1 berada di antara t tabel maka H0 diterima. Dari persamaan tersebut menunjukan setiap pengurangan 1 upah akan menurunkan nilai harga pokok beras sebesar -0.001.

MODEL 5 (Y1=X5)

Analisis : R square = 0.005. Hal ini berarti 0.5 % variable dependent harga pokok beras dijelaskan oleh variable independent transport.

Uji anova : Dari uji anova di dapatkan P hitung = 0.123 dengan tingkat signifikansi 0.729 karena probabilitas > 0.05 maka model regresi dapat digunakan dalam memprediksi harga pokok beras.

Uji T (untuk menguji tingkat signifikansi koefisien-koefisien dari variable-variabel independent) Syarat persamaan Regresi : Regresi linier : Y= B0+B1X1 Regresi berganda: Y = B0+B1X1+B2X2++BnXn Dari hasil perhitungan di atas dapat dibuat (sementara ) persamaan regresi estimasi : Y=179268.6 0.003X5 Dimana Y= harga pokok beras , X5= transport

Hipotesis : H0 : koefisien regresi tidak signifikan H1 : koefisien regresi signifikan

Pengambilan keputusan : Berdasarkan perbandingan t Hitung dengan t Tabel Syarat : H0 diterima : -t tabel < t hitung < t tabel H0 ditolak : t tabel < t hitung -t tabel > t hitung Nilai t hitung masing-masing koefisien regresi berturut-turut : T1 = -0.351 (t hitung X5 ) Dari tabel , dengan tingkat signifikansi () 5% dengan df (derajat kebebasan) = 24 maka didapatkan t tabel = 2.064. karena nilai t1 berada di antara t tabel maka H0 diterima. Dari persamaan tersebut menunjukan setiap pengurangan 1 transport akan menurunkan nilai harga pokok beras sebesar -0.003.

MODEL 6 (Y1=X1+X2)

Analisis : R square = 0.014. Hal ini berarti 1.4 % variable dependent harga pokok beras dijelaskan oleh variable independent Pestisida dan pupuk.

Uji anova : Dari uji anova di dapatkan P hitung = 0.159 dengan tingkat signifikansi 0.854 karena probabilitas > 0.05 maka model regresi dapat digunakan dalam memprediksi harga pokok beras.

Uji T (untuk menguji tingkat signifikansi koefisien-koefisien dari variable-variabel independent) Syarat persamaan Regresi : Regresi linier : Y= B0+B1X1 Regresi berganda: Y = B0+B1X1+B2X2++BnXn Dari hasil perhitungan di atas dapat dibuat (sementara ) persamaan regresi estimasi : Y=162437.6 0.012X1+0.20X2 Dimana Y= harga pokok beras , X1= pupuk, X2= pestisida

Hipotesis : H0 : koefisien regresi tidak signifikan H1 : koefisien regresi signifikan

Pengambilan keputusan : Berdasarkan perbandingan t Hitung dengan t Tabel Syarat : H0 diterima : -t tabel < t hitung < t tabel H0 ditolak : t tabel < t hitung -t tabel > t hitung Nilai t hitung masing-masing koefisien regresi berturut-turut : T1 = -0.369 (t hitung X1 ) T2 = 0.447 (t hitung X2 ) Dari tabel , dengan tingkat signifikansi () 5% dengan df(derajat kebebasan) = 24 maka didapatkan t tabel = 2.064. karena nilai t1 dan t2 berada di antara t tabel maka H0 diterima. Dari persamaan tersebut menunjukan setiap pengurangan 1 pupuk akan menurunkan nilai harga pokok beras sebesar -0.012, dan setiap penambahan 1 pestisida akan menaikan nilai harga pokok sebesar 0.02.