Académique Documents
Professionnel Documents
Culture Documents
Disusun Oleh:
1. Dwi Sari Utami
(M0114011)
2. Hania Seftianingrum
(M0114017)
3. Restuning Gustiasih
(M0114043)
4. Upik Handayani
(M0114055)
1. LATAR BELAKANG
Berdasarkan letak geografisnya, Indonesia merupakan negara beriklim
tropis dan berada di wilayah khatulistiwa yang sangat cocok untuk budidaya
tanaman, terutama tanaman pangan. Salah satu komoditas tanaman pangan yang
memiliki posisi paling penting dalam pembangunan pertanian adalah padi. Padi
merupakan tanaman penghasil beras yang menjadi bahan pangan pokok bagi
sebagian besar penduduk di Indonesia. Menurut Ariani dalam Handayani, dkk
(2013) menunjukkan bahwa pola konsumsi pangan pokok penduduk Indonesia
mengalami pergeseran dari pola beragam berbasis sumber daya lokal menjadi pola
beras dan terigu. Penelitian yang dilakukan Hessie (2009) menunjukkan bahwa
perkembangan produksi dan konsumsi beras di Indonesia cenderung meningkat
dari tahun ke tahun. Data Badan Pusat Statistik (BPS) 2011 mencatat konsumsi
beras masyarakat Indonesia mencapai 113,48 kg per kapita per tahun. Walaupun
turun dari tahun sebelumnya, yakni 139,15 kg per kapita, konsumsi beras
masyarakat Indonesia masih yang tertinggi di dunia. Indonesia jauh melebihi
Jepang (45 kg), Malaysia (80 kg), dan Thailand (90 kg).
Kota Surakarta dikenal sebagai kota yang penuh inovasi. Berbagai
terobosan telah dilakukan Pemerintah Kota Surakarta dalam meningkatkan
potensi ekonomi di berbagai sektor seperti sektor industri, sektor pariwisata,
sektor perkebunan, sektor peternakan, dan sektor pertanian. Sektor pertanian
cukup dominan bagi perekonomian Kota Surakarta, salah satunya yaitu padi.
Produksi padi di Kota Surakarta merupakan yang terbanyak di antara jenis
produksi padi dan palawija lainnya, seperti ketela pohon dan jagung. Data
Surakarta dalam Angka (2014) mencatat produksi padi di Kota Surakarta sebesar
12.875 kuintal dalam tahun 2013, naik dari tahun sebelumnya yang hanya 10.304
kuintal.
Kota Surakarta memiliki tingkat konsumsi beras yang selalu meningkat
setiap tahunnya seiring dengan produksi padi yang terus meningkat,. Berikut data
tingkat konsumsi beras di Kota Surakarta tahun 2009 2013.
2009
59.311.286,79
2010
59.519.732,67
2011
59.718.103,34
2012
60.051.674,11
2013
62.225.591,47
lebih model dalam menjelaskan persoalan yang ingin dibahas sama atau hampir
sama, maka penulis akan cenderung memilih yang paling sedikit mengandung
variabel independen didalamnya.
Untuk memperoleh model terbaik, ada beberapa metode yaitu metode
seleksi maju (forward), metode seleksi mundur (backward), metode bertahap
(Stepwise), metode semua kombinasi yang mungkin, dan metode R minimum
(MINR).
Regresi Stepwise adalah salah satu metode untuk mendapatkan model
terbaik dari sebuah analisis regresi. Secara definisi merupakan gabungan antara
metode forward dan backward. Regresi Stepwise memulai pemilihan dengan
model paling sederhana yaitu model dengan satu variabel. Selanjutnya
dimasukkan variabel lain satu per satu sampai diperoleh model yang memenuhi
kriteria terbaik. Kriteria didasarkan pada penambahan 2 dan 2 adj . Metode
Stepwise memilih variabel yang sudah ada dalam model. Dalam metode ini
variabel yang sudah masuk dalam model dapat saja dikeluarkan lagi.
Penelitian dengan metode Stepwise untuk memilih model terbaik telah
banyak dilakukan, antara lain oleh Hanum (2011) yang membandingkan metode
Stepwise, Best Subset Regression, dan Fraksi dalam pemilihan model regresi
berganda terbaik. Penelitian lain dilakukan Ilmi dan Parta (2013) yang
menggunakan metode regresi New Stepwise untuk mengetahui faktor-faktor yang
mempengaruhi kekuatan Metallic Box dalam pengemasan produk-produk yang
dihasilkan PT PINDAD (Persero). Ada juga Brahmana (2014) yang menggunakan
metode Stepwise untuk membentuk persamaan regresi berganda pada jumlah
kriminalitas di Kepolisian Resor Tanah Karo.
Dalam proposal ini, penulis ingin mengetahui dari kelima variabel
independen tersebut, variabel mana saja yang berpengaruh terhadap permintaan
beras di Kota Surakarta tahun 2000 2013 dan model regresi seperti apakah yang
terbaik. Untuk mengetahui hal tersebut, penulis menggunakan analisis regresi
dengan metode Stepwise.
2. PERUMUSAN MASALAH
Berdasarkan latar belakang yang telah diuraikan di atas, maka pokok
permasalahan dapat dirumuskan sebagai berikut.
1) Variabel-variabel manakah yang berpengaruh signifikan terhadap
tingkat permintaan beras di Kota Surakartatahun 2000 2013?
2) Bagaimana model regresi terbaik dengan metode Stepwise untuk tingkat
permintaan beras di Kota Surakarta tahun 2000 2013?
3. BATASAN MASALAH
Untuk menghindari kesalahpahaman dan meluasnya masalah yang akan
diteliti, maka penulis membatasi atau memfokuskan pada masalah yang
berhubungan dengan faktor-faktor yang mempengaruhi permintaan beras di Kota
Surakarta tahun 2000 2013.
4. TUJUAN
Berdasarkan latar belakang dan perumusan masalah di atas, maka tujuan
dari penelitian ini:
1) Untuk mengetahui variabel mana yang berpengaruh signifikan
terhadap tingkat permintaan beras di Kota Surakarta tahun 2000
2013.
2) Untuk mengetahui model regresi terbaik dengan metode Stepwise
tingkat permintaan beras di Kota Surakarta tahun 2000 2013.
5. MANFAAT
Penelitian ini diharapkan memberi manfaat bagi berbagai pihak yang
berkepentingan, antara lain:
1) Menambah pengetahuan tentang aplikasi analisis regresi dan
bagaimana memilih model regresi terbaik dengan metode Stepwise
bagi penulis maupun pembaca.
2) Menambah pengetahuan tentang berbagai hal yang mempengaruhi
tingkat permintaan beras di Kota Surakarta tahun 2000 2013.
6. TINJAUAN PUSTAKA
Hanum (2011) melakukan penelitian tentang kelebihan dan kekurangan
metode Fraksi dibandingkan dengan Stepwise dan Best Subset Regression.
Penelitian selanjutnya dilakukan oleh Ilmi dan Parta (2013) yang membahas
tentang model regresi New Stepwise terbaik yang menggambarkan faktor-faktor
yang berpengaruh signifikan terhadap kekuatan Metallic Box dalam pengemasan
produk-produk yang dihasilkan PT PINDAD (Persero). Kemudian dilanjutkan
oleh Brahmana (2014) yang melakukan penelitian tentang faktor-faktor yang
mempengaruhi kriminalitas untuk menentukan persamaan penduga yang sesuai
terhadap jumlah kriminalitas di Kepolisian resort Kabupaten Karo dengan
menggunakan metode Stepwise Forward, sehingga memberi gambaran kepada
peneliti tentang konsep metode Stepwise Forward.
Berdasarkan penelitian di atas, maka penulis akan mengulas kembali
mengenai regresi Stepwise dengan penjelasan yang lebih detail dan menjabarkan
penggunaan metode tersebut. Setelah itu diperoleh model terbaik untuk digunakan
dalam analisis regresi berganda.
7. LANDASAN TEORI
Pada dasarnya terdapat beberapa macam analisis regresi. Dua diantaranya
yaitu regresi linier sederhana dan regresi linier ganda. Analisis regresi linier
sederhana bertujuan untuk melihat ketergantungan variabel dependen (Y) pada
satu variabel independen (X) dengan rumusan = 0 + 1 + . Sedangkan
analisis regresi linier ganda menguji besarnya pengaruh variabel independen X
(Xj, j=1,2,,p) terhadap variabel dependen Y yang dirumuskan dengan = 0 +
1 1 + + + .
A. Regresi Ganda
Model dan Estimasi Analisis Regresi Ganda
= 0 + 1 1 + + +
= persamaan regresi estimasi.
1 = harga koefisien regresi estimasi dengan i = 0,1,2,3,.
(1)
= banyaknya estimasi.
Estimasi Variansi
( )2
=
=
.
( + 1) 1
2
(2)
2 = variansi estimasi.
JKS = jumlah kuadrat sesatan.
n
= banyaknya data.
( )2
=
( )2
(3.1)
atau
2
( )
2 = 1
=1
( )2
(3.2)
dengan JKR = Jumlah Kuadrat Regresi dan JKT = Jumlah Kuadrat Total.
dimana
1,2,3, .
(4)
( ( )2 )( 2 ( )2 )
dan , =
1 2 . 12
(1 2 2 )(1 12 2 )
rumusnya:
21 =
2 1 . 21
(1 1 2 )(1 21 2 )
ii.
iii.
Daerah Kritis :
H 0 ditolak jika Fhitung > F(p, n-p-1, )
Statistik Uji
=
/
/( 1)
v.
Kesimpulan
Jika > (,1,) maka H 0 ditolak berarti terdapat variabel
independen
yang
berpengaruh
signifikan
terhadap
variabel
ii.
iii.
Daerah Kritis :
H 0 ditolak jika thitung > t(/2,n-p-1) atau thitung < - t(/2,n-p-1)
Statistik Uji
=
1
.
1 + 2
v.
Kesimpulan
Jika thitung > t(/2,n-p-1) atau thitung < - t(/2,n-p-1) maka H 0 ditolak
berarti variabel independen berpengaruh signifikan terhadap variabel
dependen.
2 minimum (MINR).
Regresi Stepwise adalah salah satu metode untuk mendapatkan model
terbaik dari sebuah analisis regresi. Secara definisi merupakan gabungan
antara metode forward dan backward. Regresi Stepwise memulai pemilihan
dengan model paling sederhana yaitu model dengan satu variabel. Selanjutnya
dimasukkan variabel lain satu per satu sampai didapat model yang memenuhi
kriteria terbaik. Kriteria didasarkan pada penambahan 2 dan 2 adj . Metode
Stepwise memilih variabel yang sudah ada dalam model. Dalam metode ini
variabel yang sudah masuk dalam model dapat saja dikeluarkan lagi, sehingga
langkah yang diperlukan menjadi banyak.
1. Koefisien Determinasi ( 2 )
Koefisien determinasi adalah ukuran bagian ragam variabel terikat
yang dapat dijelaskan secara bersama-sama oleh variabel bebas yang ada
di dalam model. Nilai koefisien determinasi
2 =
JKR
JKS
=1
JKT
JKT
(5)
dengan JKR = jumlah kuadrat regresi, JKT = jumlah kuadrat total, JKS=
jumlah kuadrat residu dan p = jumlah variabel bebas dalam model. 2
akan terus bertambah seiring bertambahnya variabel independen yang
dimasukkan dalam model. Variabel yang potensial ditambahkan dalam
model adalah yang memberi penambahan nilai 2 yang cukup berarti.
2.
2 adj adalah penyesuaian dari 2 . Nilai 2 adj ditentukan dengan rumus:
2 adj = 1
JKSn p
JKTn 1
(6)
Kegiatan
Pengumpulan
bahan/materi
Penyusunan
Proposal
Seminar
proposal
Bulan
ke-1
Bulan
ke-2
Bulan
ke-3
Bulan
ke-4
Bulan
ke-5
Bulan
ke-6
Pelaksanaan
penelitian
Pengolahan
data, analisis,
dan
penyusunan
laporan
Seminar hasil
DAFTAR PUSTAKA
Ariani, M. 2010. Diversifikasi Konsumsi Pangan Pokok Mendukung Swasembada
Beras. BPTP Banten. Prosiding Pekan Serealia Nasional. Banten.
Badan Pusat Statistik. 2012. Pola Konsumsi Penduduk Indonesia. Jakarta.
Badan Pusat Statistik. 2014. Surakarta Dalam Angka 2014. BPS Kota Surakarta.
Surakarta.
Brahmana, Agus Efrata. 2014. Membentuk Persamaan Regresi Berganda dengan
Menggunakan Metode Stepwise Tentang Jumlah Kriminalitas di
Kepolisian Resor Tanah Karo. Skripsi. Sumatera Utara.
Dewi, Tria R., dan Libria Widiastuti. 2015. Analisis Faktor-Faktor yang
Mempengaruhi Permintaan Beras di Kota Surakarta. Jurnal
Agronomika. Vol: 10, No. 2. Surakarta.
Draper, N., and H. Smith. 1992. Analisis Regresi Terapan edisi kedua
(Terjemahan oleh Bambang Sumantri). Gramedia. Jakarta.
Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS.
Badan Penerbit Universitas Dipenogoro. Semarang.
Handayani, A., Sriyanto, dan Ita Sulistyawati. 2013. Evaluasi Mutu Beras dan
Tingkat Kesesuaian Penanganannya (Studi Kasus di Kabupaten
Karanganyar).Jurnal Litbang Provinsi Jawa Tengah. Vol: 11, No.1. Jawa
Tengah.
Hanum, Herlina. 2011. Perbandingan Metode Stepwise, Best Subset Regression,
dan Fraksi dalam Pemilihan Model Regresi Berganda Terbaik. Jurnal
Penelitian Sains. Vol: 14, No. 2(A). Sumatera Selatan.
Ilmi, Nisa H., dan I Nengah Parta. 2013. Penerapan Metode Regresi New
Stepwise untuk Mengetahui Faktor-Faktor yang Mempengaruhi
Kekuatan Metallic Box (Studi Kasus di PT.PINDAD (Persero) Turen).
Malang.
Sembiring, R.K. 1995. Analisis Regresi. ITB. Bandung.