Dara Ninggar Tugas 3

Reguler 42 Statistical for Business Decision

1. Model Logaritma
Variables Entered/Removeda
Model Variables Variables Method
Entered Removed
Pendidikan,
LBibit,
1 LTenagaKerja, . Enter
LPupukA,
LPupukBb
a. Dependent Variable: LProduksi
b. All requested variables entered.
Model Summaryb
Model R R Square Adjusted R Std. Error of Durbin-
Square the Estimate Watson
1 ,990a ,981 ,978 ,02453 1,482
a. Predictors: (Constant), Pendidikan, LBibit, LTenagaKerja, LPupukA, LPupukB
b. Dependent Variable: LProduksi

ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 1,051 5 ,210 349,278 ,000b
1 Residual ,020 34 ,001
Total 1,071 39
a. Dependent Variable: LProduksi
b. Predictors: (Constant), Pendidikan, LBibit, LTenagaKerja, LPupukA, LPupukB

Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity Statistics
Coefficients Coefficients
B Std. Error Beta Tolerance VIF
(Constant) 4,715 ,558 8,442 ,000
LTenagaKerja ,164 ,054 ,301 3,028 ,005 ,057 17,586
LBibit ,212 ,052 ,166 4,108 ,000 ,345 2,897
1
LPupukA ,184 ,227 ,317 ,810 ,424 ,004 272,715
LPupukB ,117 ,235 ,199 ,496 ,623 ,003 286,316
Pendidikan ,049 ,020 ,078 2,397 ,022 ,529 1,891
a. Dependent Variable: LProduksi
 Coefficient Correlationsa
Model Pendidikan LBibit LTenagaKerja LPupukA LPupukB
Pendidikan 1,000 -,168 -,137 ,496 -,480
LBibit -,168 1,000 ,153 -,191 ,077
Correlations LTenagaKerja -,137 ,153 1,000 -,067 -,182
LPupukA ,496 -,191 -,067 1,000 -,964
LPupukB -,480 ,077 -,182 -,964 1,000
1
Pendidikan ,000 ,000 ,000 ,002 -,002
LBibit ,000 ,003 ,000 -,002 ,001
Covariances LTenagaKerja ,000 ,000 ,003 -,001 -,002
LPupukA ,002 -,002 -,001 ,052 -,052
LPupukB -,002 ,001 -,002 -,052 ,055
a. Dependent Variable: LProduksi

Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Variance Proportions
Index (Constant) LTenaga LBibit LPupukA LPupukB Pendidikan
Kerja
1 5,941 1,000 ,00 ,00 ,00 ,00 ,00 ,00
2 ,056 10,329 ,00 ,00 ,00 ,00 ,00 ,59
3 ,003 41,487 ,00 ,00 ,01 ,00 ,00 ,14
4 ,000 146,403 ,02 ,04 ,86 ,00 ,00 ,00
1
4,654E-
5 357,273 ,23 ,96 ,12 ,02 ,01 ,03
005
6,591E-
6 949,347 ,75 ,00 ,02 ,98 ,98 ,23
006
a. Dependent Variable: LProduksi

LPupukA dan LPupukB memiliki signifikansi 0,424 dan 0,623 serta koefisien korelasi mendekati
1,00000 (0,964) maka salah satu variabel yaitu LPupukA atau LPupukB dihilangkan atau dengan
menggabungkan variabel LPupukA dan LPupukB, karena keduanya saling berhubungan dan tidak ada
pengaruh pada produksi. Nilai F = 349,278 dan R2 = 0,981 mungkin terjadi gangguan multicolliniearity.
 2. Model Logaritma – Gabungan Pupuk A dan B
Variables Entered/Removeda
Model Variables Variables Method
Entered Removed
Pendidikan,
LBibit,
1 . Enter
LTenagaKerja,
LPupukABb
a. Dependent Variable: LProduksi
b. All requested variables entered.

Model Summaryb
Model R R Square Adjusted R Std. Error of Durbin-Watson
Square the Estimate
1 ,990a ,981 ,979 ,02419 1,490
a. Predictors: (Constant), Pendidikan, LBibit, LTenagaKerja, LPupukAB
b. Dependent Variable: LProduksi

ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 1,051 4 ,263 449,147 ,000b
1 Residual ,020 35 ,001
Total 1,071 39
a. Dependent Variable: LProduksi
b. Predictors: (Constant), Pendidikan, LBibit, LTenagaKerja, LPupukAB

Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity
Coefficients Coefficients Statistics
B Std. Error Beta Tolerance VIF
(Constant) 4,785 ,285 16,814 ,000
LTenagaKerja ,164 ,053 ,300 3,067 ,004 ,057 17,523
1 LBibit ,213 ,051 ,167 4,225 ,000 ,352 2,845
LPupukAB ,151 ,031 ,517 4,915 ,000 ,049 20,269
Pendidikan ,047 ,017 ,076 2,709 ,010 ,698 1,433
a. Dependent Variable: LProduksi
 Coefficient Correlationsa
Model Pendidikan LBibit LTenagaKerja LPupukAB
Pendidikan 1,000 -,118 -,191 ,070
LBibit -,118 1,000 ,162 -,429
Correlations
LTenagaKerja -,191 ,162 1,000 -,923
LPupukAB ,070 -,429 -,923 1,000
1
Pendidikan ,000 ,000 ,000 3,730E-005
LBibit ,000 ,003 ,000 -,001
Covariances
LTenagaKerja ,000 ,000 ,003 -,002
LPupukAB 3,730E-005 -,001 -,002 ,001
a. Dependent Variable: LProduksi
Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Variance Proportions
Index (Constant) LTenagaKerja LBibit LPupukAB Pendidikan
1 4,943 1,000 ,00 ,00 ,00 ,00 ,00
2 ,055 9,509 ,00 ,00 ,00 ,00 ,77
1 3 ,002 53,110 ,04 ,00 ,00 ,07 ,19
4 ,000 134,069 ,08 ,04 ,87 ,01 ,00
5 4,244E-005 341,275 ,88 ,96 ,13 ,93 ,04
a. Dependent Variable: LProduksi

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 8,0190 8,6939 8,4188 ,16416 40
Residual -,05856 ,05659 ,00000 ,02291 40
Std. Predicted
-2,435 1,676 ,000 1,000 40
Value
Std. Residual -2,421 2,340 ,000 ,947 40
a. Dependent Variable: LProduksi

Jawaban :
1. Fungsi produksi gabah di suatu desa:
LProduksi = 4,785 + 0,164LTenagaKerja + 0,213LBibit + 0,151LPupukAB + 0,047Pendidikan
(16,814) (3,067) (4,225) (4,915) (2,709)
R2 = 0,981
F = 449,147
 2. A. Uji t
Variabel t Hitung t Tabel Analisis Hasil
LTenagaKerja 3,067 2,030 H0 : LTenagaKerja = 0 Jadi, thitung > ttabel maka H0 ditolak
H1 : LTenagaKerja ≠ 0 dan H1 diterima, sehingga variabel
H0 diterima jika thitung < ttabel LTenagaKerja memiliki pengaruh
dan H0 ditolak jika thitung > terhadap Produksi gabah
ttabel
df = jumlah data – jumlah
variabel
= 40 – 5 = 35
α = 0,05 → 95%
LBibit 4,225 2,030 H0 : LBibit = 0 Jadi, thitung > ttabel maka H0 ditolak
H1 : LBibit ≠ 0 dan H1 diterima, sehingga variabel
H0 diterima jika thitung < ttabel Bibit berpengaruh terhadap
dan H0 ditolak jika thitung > Produksi gabah
ttabel
df = jumlah data – jumlah
variabel
= 40 – 5 = 35
α = 0,05 → 95%
LPupukAB 4,915 2,030 H0 : LPupukAB = 0 Jadi, thitung > ttabel maka H0 ditolak
H1 : LPupukAB ≠ 0 dan H1 diterima, sehingga variabel
H0 diterima jika thitung < ttabel PupukB berpengaruh terhadap
dan H0 ditolak jika thitung > Produksi gabah
ttabel
df = jumlah data – jumlah
variabel
= 40 – 5 = 35
α = 0,05 → 95%
Pendidikan 2,709 2,030 H0 : Pendidikan = 0 Jadi, thitung > ttabel maka H0 ditolak
H1 : Pendidikan ≠ 0 dan H1 diterima, sehingga variabel
H0 diterima jika thitung < ttabel Pendidikan berpengaruh terhadap
dan H0 ditolak jika thitung > Produksi gabah
ttabel
df = jumlah data – jumlah
variabel
= 40 – 5 = 35
α = 0,05 → 95%
b. Uji F
F Hitung F Tabel Analisis Hasil
449,147 (2,69 + 2,61) / 2 H0 : semua variabel = 0 Jadi, Fhitung > Ftabel maka
= 2,65 H1 : semua variabel ≠ 0 H0 ditolak dan H1
H0 diterima jika Fhitung < Ftabel dan H0 diterima, sehingga semua
ditolak jika Fhitung > Ftabel variabel berpengaruh
df 1 = jumlah semua variabel – 1 terhadap Produksi gabah
=5–1=4
df 2 = jumlah observasi – jumlah semua
variabel = 40 – 5 = 35
α = 0,05 → 95%
 R2 = 0,981 yang berarti nilainya mendekati 1 sehingga dapat diartikan bahwa hubungan
antar variabel erat. 98,1% variasi variabel tak bebas diterangkan variabel bebas dalam
persamaan; 98,1 kali Y berubah karena ada 1,9 kali perubahan X; dan 1 variabel tersebut
tidak dimasukkan dalam persamaan.

3. Elastisitas Tenaga Kerja

Persamaan fungsi produksi di atas dibuat dalam bentuk logaritma (Ln), sehingga untuk
menentukan elasitisitas berdasarkan koefisien dari variabel produksi, dalam hal ini koefisien
variabel Tenaga Kerja. Elastisitas tenaga kerja sebesar 0,164 (E < 1), sehingga dapat dikatakan
bahwa variabel Tenaga Kerja inelastis. Hal ini dapat diartikan bahwa jika ada perubahan pada
variabel tenaga kerja memiliki pengaruh sangat kecil terhadap perubahan produksi gabah.

4. Faktor produksi dilihat dari nilai koefisien, yaitu:

LTenagaKerja : 0,164
LBibit : 0,213
LPupukAB : 0,151
Pendidikan : 0,047
Faktor produksi yang paling berpengaruh ialah LBibit, karena memiliki koefisien paling besar
yaitu sebesar 0,213.

5. LProduksi = 4,785 + 0,164LTenagaKerja + 0,213LBibit + 0,151LPupukAB + 0,047Pendidikan

= 4,785 + 0,164*Ln(8000) + 0,213*Ln(60) + 0,151*Ln(275) + 0,047*1
= 4,785 + 1,4739 + 0,8721 + 0,8481 + 0,047
= 8,026
Persamaan di atas masih dalam bentuk logaritma natural (LN) maka harus diubah dalam
bentuk linier, sehingga hasil LProduksi = 8,026 diubah dalam bentuk linier (dalam Ms. Excel) menjadi
=EXP(8,026) =3059,871 → 3060. Perkiraan jumlah produksi gabah terjual sebesar 3060 unit, akan
tetapi nilai ini belum sepenuhnya tepat sehingga perlu di estimasi prediksi berjangka:
𝑌 = 𝑦̂ ± 𝑡𝑎 𝑆𝑒 (𝑦)
Y = 3060 ± 2,030 x 0,02419
Y = 3060 ± 0,04911
3059,95089 ≤ Y ≤ 3060,04911
Jadi, perkiraan jumlah produksi gabah berkisar 3059,95089 ≤ Y ≤ 3060,04911. Produksi
gabah terendah sebesar 3059,95089 kg dan produksi gabah tertinggi sebesar 3060,04911 kg.