2001 Digitalized by USU Digital Library
14 10
. 13
2 12
00 .
387 1
2 00
. 507
k n
JKG 1
k JKR
F =
− −
= −
− =
5. Keputusan: Karena F=13.10 lebih besar daripada F
0.05;1;10
= 4.96, yang berarti berada dalam daerah kritis, maka H
ditolak. Hal ini berarti persamaan regresi fungsi penawaran linier bersifat nyata dalam menerangkan keragaman total dari y kuantitas penawaran.
Distribusi F dari pengujian hipotesis diatas ditunjukkan dalam gambar.
Distribusi F untuk pengujian persamaan regresi penawaran linier
C. Pelaporan dan Evaluasi Hail Analisis Regresi
Terdapat bermaaam cara orang melaporkan hail dari suatu analisis regresi, namun format berikut dianjurkan untuk dipergunakan .Berikut ini dikemukakan hasil analisis regresi penawaran
linier bedaarkan data :
Nilai F=13.10 berada dalam daerah kritis, sehingga H
ditolak Daerah penerimaan
1- α
=0.95
4.96
Daerah kritis α
= 0.05
2001 Digitalized by USU Digital Library
15 Sistem pelaporan hail seperti persamaan diatas akan memberikan kesempatan kepaada
orang lain untuk menilai sejauh mana kesesuaian model regresi yang dibangun.Dalam pelaporan hasil regresi yang diperoleh dapt diberikan informasi tentang :
1. Persamaan regresi yaang diperoleh yaitu :
yˆ
= 33,75+3,25x 2. Galat baku standart error dari koefisien regresi yang diperoleh yaitu :
Sbo = 8.28 Sb1 = 0.90
3. Nilai t yang diperoleh berdasarkan pengujian hipotesis tentang parameter model dengan 0 yaitu bo=0,dan b1 = 0.Nilai ini merupakan hasil bagi antara koefisien
dugaan bagi parameter model dan galat baku dari koefisien tersebut sebagai misalnya: tbo = bosbo = 33.758.28 =4.076
tb1 = b1sb1 = 3.250.90 =3.611 4. Nilai R
2
yang menunjukkan proporsi keragaman total dari variabel y yang mampu diterangkanoleh persamaan regresi ,sebagai contoh pers regresi sebelumnya menjelaskan
keragaman total variabel y sssebesar 56,71. 5. Galat baku standart error dari persamaan regresi yang dihitung dengan jalan menarik
akar pangkat dua dari KTG atau S
2
6. Nilai F yang diperoleh dari pengujian persamaan regresiyang dibangun itu. Setelah hasil analisis regresi dilaporkan seperti pers diata maka timbul pertanyaan
bagaiman baiknya hasil itu dengan kata lain kriteria apa yang perlu dijadikan pegangan untuk menilain suatu hasil regresi ? Berikut ini akan dikemukakan beberapa kriteria yang dapat
dijadikan pegangan untuk menilai hasil dari suatu analisis regresi. 1. 1.Tanda dari koefisien yang diduga seharusnya sesuai dengan teori ekonomi atau harapan
semula .sebagai contoh untuk kasus pers Q tanda dari koefisien regresi adalah positif dan memang sesuai dengan yang diharapakan karena berdasarkan teori ekonomi variabel
harga mempengaruhi secara positif tehadap kuantitas penawaran dengan kata lain slope dari suatu fungsi penawaran adalah positif
2001 Digitalized by USU Digital Library
16 2. Koefisien regresi seharusnya bersifat nyata secara statistik agar sesuai dengan teori
ekonomi yang sejak awal penyusunan model telah mempostulatkan bahwa variabel variabel bebas yang dimasukkan dalam model regresi memang berpengaruh terhadap
variabel tak bebas. 3. Koefisien determinasi R
2
sebagai salah satu ukuran kecocokan model regresi seharusnya cukup tinggi misalnya diatas 0.80 atau paling tidak harus diusahakan tidak terlalu rendah
misalnya dibawah 0.60 sebab jikalau rendah maka model yang dibangun belum mampu menjelaskan keragaman total yang ada dalam variabel tak bebas y berarti masih ada
faktor lain yang tidak ikut diperhitungkan dalam model.Untuk model fungsi penawaran Q dimana besaran R
2
= 0.5671 menunjukkan model hanya mampu menerangkan keragaman total dalam kuantitas penawara variabel y sebesar56,71 berarti maih ada sekitar 43,29
keragaman total dalam kuantitas penawaran variabel y yang diakibatkan oleh pengaruh faktor lainselain harga komoditi x. Untuk meningkatkan besaran R
2
kita dapat mencari variabel lain yang relevan untuk dimasukkan dalam model regresi dengan demikian
untuk kasus penawaran komoditi Z perlu melibatkan lebih dari atu variabel x .Namun perlu diperhatikan bahwa setiap penambahan variabel yang baru kedalam model regresi
harus meningkatkan besaran R
2
secara berrti dan yang lebih penting bahwa koefisien dari variabel baru x yang dimasukkan kemudian kedalam model harus bersifat nyata secara
statistik,sehingga model baru itu tetap memenuhi kriteria 1 dan 2 diatas. 4. Jika keadaan data memungkinkan seperti ada pengulangan dari nilai2 variabel x ,maka
perlu melakukan uji simpangan dari model itu dan seharusnyauji simpangan dari model itu bersifat tidak nyata yang menunjukkan tidak terdapat penyimpangan atau kesalahan
yang berarti dari model yang dibangun itu .Untuk kasus penawaran komoditi z maka model fungsi penawaran linier yang dibangun berdaarkan data telah cocok karena uji
simpangan dari model bersifat tidak nyata yang menunjukkan penyimpangan atau kesalahan yang terjadi dari model itu dapat diabaikan karena sangat kecil.
2001 Digitalized by USU Digital Library
17 5. Beberapa kriteria lain yang relevan akan dibaha kemudian seperti model harus memenuhi
asumsi-asumsi yang ada yaitu tidak terdapat korelai sempurna diantara variabel-variabel bebas.
D. Penggunaan Model Ekonometrika
