15
LAMPIRAN Intrepretasi Hasil Output Analisis Linear Berganda Untuk memperoleh gambaran interpretasi analisis, maka akan dilakukan pengujian dan analisis yang terdiri dari beberapa bagian yaitu uji asumsi multikolinearitas, uji asumsi heteroskedastisitas, uji asumsi autokolerasi,uji R-square, uji F dan uji signifikansi. 1. Uji Asumsi Multikolinearitas. Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi. Untuk mendeteksi adanya multikolinearitas dilihat pada nilai : 1. Besaran VIF dan Tolerance 2. Besaran korelasi antar variabel independen - Cara mengatasi multiko dengan metode residual : Ambil nilai residualnya, yang kemudian digunakan untuk menggantikan salah satu dari variabel bebas yang memiliki multikolinearitas yang tinggi. Untuk mendeteksi adanya multikolinearitas dilihat pada nilai VIF dan Tolerance yang terdapat pada tabel dibawah ini: Collinearity Statistics Tolerance VIF 0,151 6,618 0,356 2,812 0,710 1,409 0,892 1,121 0,233 4,285 0,239 4,192 Berdasarkan tabel diatas dapat dilihat bahwa angka VIF ( Variance Inflaion Factor) berkisar antara 1-6 atau tidak melebihi angka 10 dan nilai Tolerance > 0,10. Dengan demikian dapat disimpulkan bahwa tidak terjadinya multikolienearitas atau tidak terjadinya kemiripan dan tidak terdapatnya kolerasi antara variabel-variabel independent.

LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

  • Upload
    dangbao

  • View
    224

  • Download
    4

Embed Size (px)

Citation preview

Page 1: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

LAMPIRAN

Intrepretasi Hasil Output Analisis Linear Berganda

Untuk memperoleh gambaran interpretasi analisis, maka akan dilakukan pengujian dan

analisis yang terdiri dari beberapa bagian yaitu uji asumsi multikolinearitas, uji asumsi

heteroskedastisitas, uji asumsi autokolerasi,uji R-square, uji F dan uji signifikansi.

1. Uji Asumsi Multikolinearitas.

Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan

asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam

model regresi.

Untuk mendeteksi adanya multikolinearitas dilihat pada nilai :

1. Besaran VIF dan Tolerance

2. Besaran korelasi antar variabel independen

- Cara mengatasi multiko dengan metode residual :

Ambil nilai residualnya, yang kemudian digunakan untuk menggantikan salah satu dari

variabel bebas yang memiliki multikolinearitas yang tinggi.

Untuk mendeteksi adanya multikolinearitas dilihat pada nilai VIF dan Tolerance yang

terdapat pada tabel dibawah ini:

Collinearity Statistics

Tolerance VIF

0,151 6,618

0,356 2,812

0,710 1,409

0,892 1,121

0,233 4,285

0,239 4,192

Berdasarkan tabel diatas dapat dilihat bahwa angka VIF ( Variance Inflaion Factor)

berkisar antara 1-6 atau tidak melebihi angka 10 dan nilai Tolerance > 0,10. Dengan demikian

dapat disimpulkan bahwa tidak terjadinya multikolienearitas atau tidak terjadinya kemiripan

dan tidak terdapatnya kolerasi antara variabel-variabel independent.

Page 2: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

2. Uji Asumsi Heteroskedastisitas.

Uji asumsi heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya

penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari

residual untuk semua pengamatan pada model regresi. Untuk mengetahui ada tidaknya

heteroskedostisitas dalam model regresi dapat dilihat pada tabel scatterplot berikut:

Berdasarkan tabel scatterplot diatas dapat disimpulkan bahwa tidak terjadi

Heteroskedastisitas atau tidak terdapatnya perbedaan variance residual suatu periode

pengamatan ke periode pengamatan lain. Hal ini dapat dilihat dari penyebaran titik- titik

sebagai berikut:

1. Titik- titik pada tabel menyebar secara menyeluruh dari atas dan dibawah.

2. Titik-titik data tidak mengumpul diatas atau dibawah saja.

3. Penyebaran titik-titik data tidak berpola.

3. Uji Asumsi Autokolerasi.

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi

klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan

pengamatan lain pada model regresi. Cara mengetahui adanya autokorelasi dengan uji Durbin

– Watson

d =

e = Y - nilai duga Y →memasukan nila X dalam persamaan regresinya

autokorelasi positif (0 < p < 1) : H0 diterima jika d > du, H0 ditolak jika d < d1

Page 3: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

Autokorelasi negatif H0 diterima jika ( 4 – d ) > du, H0 ditolak jika (4 – 0 ) < d1. Adapun

tabel Durbin Watson sebagai berikut:

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate Durbin-Watson

1 .956a .913 .904 1263052.658 1.645

Berdasarkan tabel Durbin Watson dengan jumlah variabel (k) = 7 dan jumlah sampel

(n) = 60 maka diperoleh nilai dl dan du adalah 1,371 dan 1,508. Hasil pengolahan data

menunjukkan nilai Durbin Watson sebesar 1,645 dan nilai tersebut berada di antara du dan (4

– dU) atau 1,588 lebih besar dari 1.508 dan 1,645 lebih kecil dari 2,355 maka dapat

disimpulkan bahwa dalam model regresi linier Berganda tersebut tidak terdapat Autokorelasi

atau tidak terjadi korelasi diantara kesalahan penggangu.

4. Uji R-Square

Untuk memperkuat hasil analisis regresi berganda maka dilakukan analisis terhadap

Koefisien determinasi (R2) untuk menentukan kemampuan variabel bebas (Xi) dalam

menjelaskan variasi variabel terikat (Y). Nilai koefisien determinasi (R2) antara 0 dan 1. Nilai

R2 yang mendekati 1 berarti variabel bebas (Xi ) memiliki kemampuan menjelaskan variabel

terikat (Y) secara penuh atau mendekati sempurna.

Model R R Square

Adjusted R

Square

Std. Error of

the Estimate

Change Statistics Durbin-

Watson Sig. F Change

1 .956a .913 .904 1263052.658 .000 1.645

Berdasarkan hasil analisis diatas, nilai koefisien determinasi Adjusted R square (R2-

Adjusted) sebesar .904. Hal ini menunjukkan bahwa 90,4 % variasi dari variabel pendapatan

petani tembakau dapat dijelaskan oleh variabel-variabel bebas yang meliputi: luas lahan (X1),

biaya sarana produksi (X2), tenaga kerja (X3), umur petani (X4), tingkat pendidikan (X5) dan

dummy cara penjualan (X6).

Page 4: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

5. Uji F

Untuk menunjukan pengaruh nyata variabel bebas terhadap variabel terikat.

Dinyatakan dengan :

Jika F hitung > F tabel, maka H0 ditolak, artinya variabel bebas secara bersama-sama

berpengaruh nyata terhadap variabel tidak bebas.

Jika F hitung < F tabel, H0 diterima maka variabel bebas secara bersama-sama tidak

berpengaruh nyata terhadap variabel tidak bebas. Nilai F dapat dilihat pada tabel berikut:

Model Sum of Squares df Mean Square F Sig.

Regression 8.916E14 6 1.486E14 93.147 .000a

Residual 8.455E13 53 1.595E12

Total 9.761E14 59

Berdasarkan hasil analisis diperoleh nilai F- Hitung 93.147 lebih besar dari nilai F-

Tabel sebesar 2,28 pada tingkat kepercayaan 95%. Hal ini berarti variabel bebas yaitu: luas

lahan (X1), biaya sarana produksi (X2), tenaga kerja (X3), umur petani (X4), tingkat pendidikan

(X5) dan cara penjualan (X6) secara bersama-sama berpengaruh nyata terhadap variabel tidak

bebas yaitu pendapatan petani tembakau (Y) pada tingkat kepercayaan 95%.

6. Uji Signifikansi

Untuk memperoleh gambaran tentang pengaruh variabel bebas terhadap variabel tidak

bebas secara individual akan dilakukan uji signifikansi dengan menggunakan tabel berikut ini:

Model

Unstandardized Coefficients

Standardized

Coefficients

T Sig. B Std. Error Beta

(Constant) 756.098,630 926894.349 .816 0,418

Luas lahan 11.910.000 2.385E6 .413 4.994 0,000*

Biayaproduksi 0,698 .243 .298 2.869 0,006*

HOK 5.162,260 2494.704 .140 2.069 0,043*

Umur 5.463,797 16409.901 .016 .333 0,740

Tingkatpendidikan 3.049,818 79128.530 .002 .039 0,969

Carapenjualan 1.603.000 707669.384 .190 2.265 0,028*

Berdasarkan tabel diatas dapat dilihat variabel bebas yang secara signifikan

berpengaruh dan tidak memiliki pengaruh nyata terhadap variabel tidak bebas (Y) dapat

dijelaskan sebagai berikut:

Page 5: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

a) Uji individu untuk variabel luas lahan (X1)

Ho: β1 = ( variabel X1 tidak signifikan mempengaruhi variabel Y)

Ho: β1 ≠ ( variabel X1 signifikan mempengaruhi variabel Y)

Dimana tolak Ho, jika nilai sig < 0,05

Keputusan: tolak Ho karena signifikansi = 0,000*

Kesimpulan : menerima Ha, dimana dengan tingkat keyakinan 95%, dapat disimpulkan

bahwa variabel X1 signifikan mempengaruhi variabel Y.

b) Uji individu untuk variabel sarana produksi (X2)

Ho: β1 = ( variabel X2 tidak signifikan mempengaruhi variabel Y)

Ho: β1 ≠ ( variabel X2 signifikan mempengaruhi variabel Y)

Dimana tolak Ho, jika nilai sig < 0,05

Keputusan: tolak Ho karena signifikansi = 0,006*

Kesimpulan : menerima Ha, dimana dengan tingkat keyakinan 95%, dapat disimpulkan

bahwa variabel X2 signifikan mempengaruhi variabel Y.

c) Uji individu untuk variabel jumlah HOK tenaga kerja (X3)

Ho: β1 = ( variabel X3 tidak signifikan mempengaruhi variabel Y)

Ho: β1 ≠ ( variabel X3 signifikan mempengaruhi variabel Y)

Dimana tolak Ho, jika nilai sig < 0,05

Keputusan: tolak Ho karena signifikansi = 0,043*

Kesimpulan : menerima Ha, dimana dengan tingkat keyakinan 95%, dapat disimpulkan

bahwa variabel X3 signifikan mempengaruhi variabel Y.

d) Uji individu untuk variabel umur petani (X4)

Ho: β1 = ( variabel X4 tidak signifikan mempengaruhi variabel Y)

Ho: β1 ≠ ( variabel X4 signifikan mempengaruhi variabel Y)

Dimana tolak Ho, jika nilai sig < 0,05

Keputusan: terima Ho karena signifikansi = 0,740

Kesimpulan : menolak Ha, dimana dengan tingkat keyakinan 95%, dapat disimpulkan

bahwa variabel X4 tidak signifikan mempengaruhi variabel Y.

e) Uji individu untuk variabel tingkat pendidikan (X5)

Ho: β1 = ( variabel X5 tidak signifikan mempengaruhi variabel Y)

Ho: β1 ≠ ( variabel X5 signifikan mempengaruhi variabel Y)

Dimana tolak Ho, jika nilai sig < 0,05

Page 6: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

Keputusan: terima Ho karena signifikansi = 0,969

Kesimpulan : menolak Ha, dimana dengan tingkat keyakinan 95%, dapat disimpulkan

bahwa variabel X5 tidak signifikan mempengaruhi variabel Y.

f) Uji individu untuk variabel cara penjualan (X6)

Ho: β1 = ( variabel X6 tidak signifikan mempengaruhi variabel Y)

Ho: β1 ≠ ( variabel X6 signifikan mempengaruhi variabel Y)

Dimana tolak Ho, jika nilai sig < 0,05

Keputusan: tolak Ho karena signifikansi = 0,028*

Kesimpulan : menerima Ha, dimana dengan tingkat keyakinan 95%, dapat disimpulkan

bahwa variabel X6 signifikan mempengaruhi variabel Y.

Page 7: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

Kuisioner Penelitian

Judul : FAKTOR FAKTOR SOSIAL EKONOMI YANG MEMPENGARUHI

PENDAPATAN PETANI TEMBAKAU DESA BATUR KECAMATAN GETASAN

KABUPATEN SEMARANG

Oleh : Aldoni Riwan Waluwanja

No Responden : …………………………………………………………………………

Nama Responden :……………………………………………………….............................

Waktu :………………………………………………….....................................

Tempat : ……………………………………………………................................

Petunjuk

1. Mohon memberikan informasi yang tersedia dalam kuisioner.

2. Hasil pengisian kuesioner ini hanya ditujukan untuk penelitian ilmiah semata!

I. DATA UMUM RESPONDEN

1. Nama : ………………………….............................................................

2. Umur : ..........tahun

3. Jenis kelamin ( P ) ( L )

4. Jumlah anggota keluarga : ..........orang

5. Pekerjaan tetap : .....................................................................................................

6. Pekerjaan Sampingan : .....................................................................................................

a. Buruh b. Pedagang c. Pengrajin

d. Tukang) e. Karyawan Swasta f. PNS/pensiunan)

g. lain lain:.................................................................................................................................

Page 8: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

II. DATA PENELITIAN

1. luas lahan yang diusahakan untuk tanaman tembakau : ....................Hektar/ ..........................M2

2. informasi lain :............................................................................................................................ ......................................................

Status penguasaan lahan

No Status Luas (M2) Harga Sewa (Rp) Keterangan

1 Milik

2 Sewa

3 Sakap

4 Pinjam

5 Lain-lain

3. Penggunaan faktor-faktor produksi tembakau pada musim tanam: bulan ..............s/d.............. tahun..................................................

No Faktor produksi Kepemilikan Jumlah

Penggunaan

Harga per satuan

( Rp

Keterangan

Beli Milik

Sendiri

1 Bibit ( jumlah)

2 Jenis pupuk

a. Pupuk

Urea ( Kg)

b. Pupuk

TSP ( Kg )

c. Pupuk

Kandang (

Kuintal)

3 Pestisida ( liter)

Keterangan: varietas bibit, asal bibit, jenis pupuk dan pestisida,

Page 9: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

4. Penggunaan Tenaga Kerja.

a. Tenaga kerja dalam keluarga

No Nama kegiatan Tenaga Kerja dalam Keluarga

Pria Wanita

O HK W U O HK W U

1 Pengolahan tanah

2 Penanaman

3 Pemeliharaan

4 Panen

5 Pasca panen

b. Tenaga kerja luar keluarga

No Nama kegiatan Tenaga Kerja luar Keluarga Keterangan

Pria Wanita

O HK W U O HK W U

1 Pengolahan tanah

2 Penanaman

3 Pemeliharaan

4 Panen

5 Pasca panen

Keterangan: O = Jumlah Orang HK = Jumlah hari kerja

W = Jumlah jam kerja U = Upah orang/hari

Keterangan : jenis kelamin, waktu kerja ( jam kerja), sistem pengupahan ( harian/ borongan), asal tenaga kerja.

Page 10: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

5. Pengalaman

a) Lama bertani tembakau : ............................................................................................................................. .......................................

b) Jenis pelatihan yang pernah diikuti dalam 5 tahun terakhir :

a. Topik : .............................................................................................................................................. ............................

b. Topik : ..........................................................................................................................................................................

c. Topik : ..........................................................................................................................................................................

c) Jenis penyuluhan yang pernah diikuti dalam 5 tahun terakhir

d. Topik : ..........................................................................................................................................................................

e. Topik : .............................................................................................................................. ............................................

f. Topik : ..........................................................................................................................................................................

d) Manfaat yang diperoleh dari pelatihan dan penyuluhan yang diikuti : .................................................................................................

e) Jenis pelatihan atau penyuluhan yang diinginkan kedepan untuk menambah pengetahuan usahatani khususnya tembakau :............

f) Penghargaan yang pernah diperoleh dalam bidang pertanian: ..............................................................................................................

g) Nama kelompok tani yang diikuti: ........................................................................................................................................................

h) Berapa lama mengikuti kelompoktani tersebut: ............................................................................................................................. ......

i) Kegiatan-kegiatan yang dilakukan oleh kelompoktani:........................................................................................................................

6. Tingkat Pendidikan

a) Pendidikan terakhir : a) SD b) SMP c) SMA d) Diploma e) Sarjana ( S1, S2, S3 )

a) Bagaimana cara penjualan hasil produksi yang siap dijual?

b) Dari mana asal pembeli atau pemesan hasil produksi?

c) Sistem pembayaran dalam proses pemasaran : a) Cash b) Non Cash c) lain lain (.................)

7. Produksi dan Sistem Penjualan

d) Jumlah produksi : .............. TON

e) Di jual dalam bentuk: a. Basah b. Kering c. Bentuk lain(...........)

F) informasi lain berkenaan dengan pendapatan petani tembakau:....................................................................................................

Page 11: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

DATA PRIMER SAMPEL PETANI TEMBAKAU

No Nama

Luas

Lahan

( Ha)

Sarana Produksi

( Rp)

Tenaga

Kerja

(HOK)

Umur

Petani

(Tahun)

Tingkat

Pendidikan

(Tahun)

Dummy Cara

Penjualan

Pendapatan Petani

(Rp)

(X1) (X2) (X3) (X4) (X5) (X6) (Y)

1 ISMAN 0.5 4.250.000 458 56 6 1 15.800.000

2 RUGIMIN 0.4 4.300.000 468 48 6 1 10.900.000

3 SUKINI 0.5 3.075.000 447 60 12 1 11.000.000

4 PAIDI 0.15 590.000 246 25 4 0 2.100.000

5 PAK PARDY 0.3 975.000 135 43 6 0 5.000.000

6 SUWARSO 0.4 4.200.000 254 59 6 1 9.500.000

7 ABDUL HADI 0.3 2.175.000 224 37 6 0 7.000.000

8 HARIANTO 0.3 4.250.000 178 50 5 1 6.900.000

9 PARDI 0.5 1.215.000 268 33 9 0 7.700.000

10 SUMADI 0.2 515.000 223 45 6 0 4.700.000

11 SAIFUDIN 0.1 715.000 149 35 9 0 4.000.000

12 CIPTO 0.25 4.050.000 246 60 6 1 9.800.000

13 BESO 0.5 4.775.000 475 30 9 1 14.300.000

14 SUTARJO .T 0.2 605.000 244 52 6 0 3.500.000

15 ADI 0.2 575.000 224 30 6 0 3.100.000

16 JUMARI 0.08 270.000 128 50 6 0 3.700.000

17 TURUT 0.15 500.000 240 43 6 0 2.700.000

18 WARDI 0.1 355.000 244 40 6 0 2.700.000

19 MUJAR 0.5 4.175.000 369 52 6 1 15.000.000

20 YOHANES 0.15 500.000 126 40 12 0 4.000.000

21 PAIMIN 0.3 975.000 264 57 6 0 6.800.000

22 WIYONO 0.1 475.000 129 30 6 0 3.300.000

Page 12: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

23 SLAMET 0.25 550.000 253 33 6 0 6.100.000

24 SUDIMIN 0.4 1.625.000 429 40 6 1 9.600.000

25 KUNADI 0.5 4.675.000 439 45 6 1 14.600.000

26 NGATEMIN 0.06 475.000 120 33 0 0 3.300.000

27 SUDAR 0.2 425.000 200 35 6 0 3.600.000

28 JUNI 0.3 640.000 140 55 3 0 6.600.000

29 SUNARDI 0.25 430.000 217 27 6 1 8.540.000

30 SUWARDI 0.2 390.000 256 63 6 0 4.300.000

31 JONO 0.5 4.475.000 333 55 6 1 11.600.000

32 SAID 0.15 390.000 122 30 6 0 3.800.000

33 SURAMI 0.2 875.000 122 23 12 0 4.100.000

34 COKRO MERDI 0.3 3.175.000 256 65 6 1 11.000.000

35 SUROSO 0.1 775.000 120 35 12 0 2.900.000

36 BOWO 0.25 415.000 228 29 6 1 5.200.000

37 JUMARNO 0.35 565.000 255 30 6 0 8.700.000

38 PARDI 0.15 900.000 130 32 6 0 4.200.000

39 WAGIMIN 0.3 1.075.000 224 33 9 0 6.200.000

40 SUMARIN 0.5 3.675.000 200 36 6 1 11.100.000

41 MARIAH 0.2 370.000 276 21 9 0 5.300.000

42 SUWADI 0.3 990.000 247 48 6 0 7.160.000

43 ESNI 0.1 300.000 130 29 9 0 3.800.000

44 TRUBOWON 0.3 620.000 248 35 9 0 6.850.000

45 JUMIYATI 0.2 445.000 250 34 9 0 5.480.000

46 JAINET 0.1 235.000 150 57 6 0 3.500.000

47 SOBIAH 0.1 210.000 175 33 9 0 3.900.000

48 SUNARDI 0.25 345.000 225 30 6 0 5.900.000

49 SEMI 0.1 295.000 129 50 6 0 3.400.000

Page 13: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

50 SUHARDI 0.35 4.375.000 178 55 6 1 12.980.000

51 SUTRISNO 0.2 255.000 234 35 6 0 4.650.000

52 SUNARDY 0.15 450.000 126 28 6 0 4.875.000

53 SLAMET 0.2 255.000 140 35 6 0 6.350.000

54 JUMAR 0.25 4.250.000 258 33 9 1 10.250.000

55 NUROMIN 0.2 440.000 248 20 6 0 5.600.000

56 SATRO 0.5 4.750.000 460 60 6 1 17.000.000

57 MUJARI 0.5 4.275.000 447 58 12 1 13.800.000

58 KUAT 0.4 4.154.000 250 48 6 1 12.800.000

59 KUSNADI 0.5 4.475.000 445 43 9 1 14.100.000

60 JULI 0.5 4.575.000 439 45 6 1 14.650.000

RATA-RATA 0,27 1.751.817 247,3 41,2 6,85 0,35 7.354.750

Page 14: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

LAMPIRAN GAMBAR

[Penyemaian Bibit Tembakau] [ Pengolahan Tanah]

[Penanaman Tembakau] [Tembakau Siap Panen]

Page 15: LAMPIRAN Intrepretasi Hasil Output Analisis Linear ...repository.uksw.edu/bitstream/123456789/9088/8/T1_522010008...- Cara mengatasi multiko dengan metode residual : ... Berdasarkan

[Tembakau Yang Telah Dipanen] [Daun Tembakau Dikeringkan]

[ Alat Perajang Tembakau] [Tembakau Rajagan Dikeringkan