Program SPSS Menguji Validitas Model Regresi

Untuk memudahkan pengolahan data, maka untuk seluruh variabel dilambangkan dengan: Y : Produksi Jagung ton X 1 X : Luas Panen ha 2 X : Rata-rata Suhu Udara 3 X : Rata-rata Kelembaban Udara 4 X : Rata-rata Curah Hujan mm 5 X : Jumlah hari hujan hari 6 : Rata-rata Kecepatan Angin msec Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan sebuah perangkat lunak sebagai implementasi sistem yaitu program SPSS 17.0 For Window untuk memperoleh hasil perhitungan.

3.2 Program SPSS

SPSS Statistic Package For Servic Solution merupakan program statistika yang dibuat pada tahun 1968 oleh mahasiswa dari universitas Standford. Pada awalnya SPSS ditunjukkan untuk menganalisis data ilmu-ilmu sosial atau dulu disebut Statistic Package Social Sience. Namun seiring berjalannya waktu program ini dikembangkan sehingga barubah nama sesuai kebutuhannya. Dan kini, SPSS telah banyak digunakan pada berbagai ilmu untuk pemprosesan data statistic karena dianggap dapat melakukan proses analisis dengan cepat.

3.3 Cara Kerja SPSS

Pada computer yang sudah terdapat software SPSS, klik tombol Start kemudian pilih dan klik SPSS statistics 17.0 seperti berikut: Gambar 3.1. Tampilan Pengaktifan SPSS

3.3.1 Pengoperasian SPSS

Setelah program SPSS aktif maka akan muncul kotak dialog sebagai berikut: Gambar 3.2. Kotak Dialog Awal SPSS Untuk memunculkan lembar kerja baru klik cancel. Maka akan muncul tampilan jendela editor klik Variabel View seperti tampilan berikut ini: Gam bar 3.3. Tampilan Jendela Data View dalam SPSS Lebih jelasnya dapat dilihat sebagai berikut: Gamb ar 3.4. Tampilan Sheet Variabel View Setelah selesai mengisi Variabel view, klik pilihan Data View sehingga data pun dapat di inputkan berdasarkan jenis variabel yang telah didefenisikan terlebih dahulu pada Variabel View. Gamb ar 3.5. Jendela Data View Setelah di Input Data

3.3.2 Pengolahan Data dengan Anlisis Regresi

Pada layar kerja Data View, klik Analyze yang terdapat pada menu kemudian pilih Regression dan klik Linier seperti gambar dibawah ini: Gambar 3.6. Tampilan Pengolahan Data dengan Regresi Linear Gamb ar 3.7. Prosedur Regresi Linear Setelah dilakukan prosedur analisis seperti diatas, maka hasil dari analisis tersebut adalah sebagai berikut. Tabel 3.2. Bagian Descriptive Statistics Descriptive Statistics Mean Std. Deviation N produksi jagung 387992.76 84551.331 17 luas panen 61215.53 11965.206 17 rata-rata suhu udara 18.9988 .79169 17 rata-rata kelembaban udara 88.1635 2.03991 17 rata-rata curah hujan 140.8283 58.82204 17 jumlah hari hujan 161.06 14.254 17 rata-rata kecepatan angin 4.2572 5.64546 17 Keluaran descriptive statistics berisi informasi sebagai berikut. 1 Besarnya rata-rata prediksi masing-masing variabel. Prediksi untuk variabel produksi jagung sebesar 387992,76. Prediksi untuk luas panen sebesar 61215,53. Prediksi untuk rata-rata suhu udara sebesar 18,9988. Prediksi untuk rata-rata kelembaban udara sebesar 88,1635. Prediksi untuk rata-rata curah hujan sebesar 140,8283. Prediksi untuk jumlah hari hujan sebesar 161,06 dan kecepatan angin sebesar 4,2572. 2 Nilai simpangan baku untuk tiap variabel. Simpangan baku produksi jagung sebesar 84551.331. Nilai simpangan baku luas panen sebesar 11965.206. Nilai simpangan baku rata-rata suhu udara sebesar 0,79169. Nilai simpangan baku rata-rata curah hujan sebesar 58.82204. Nilai simpangan baku jumlah hari hujan sebesar 14.254. Dan nilai simpangan baku rata-rata kecepatan angin sebesar 5.64546. 3 Jumlah data N adalah 17. Tabel 3.3. Bagian Correlations Correlations produksi jagung luas panen rata-rata suhu udara rata-rata kelembaban udara rata-rata curah hujan jumlah hari hujan rata-rata kecepatan angin Pearson Correlation produksi jagung 1.000 .844 -.422 .458 -.479 .377 .116 luas panen .844 1.000 -.186 .378 -.340 .307 .405 rata-rata suhu udara -.422 -.186 1.000 -.152 .242 -.454 .098 rata-rata kelembaban udara .458 .378 -.152 1.000 -.513 .077 -.281 rata-rata curah hujan -.479 -.340 .242 -.513 1.000 .027 .206 jumlah hari hujan .377 .307 -.454 .077 .027 1.000 .187 rata-rata kecepatan angin .116 .405 .098 -.281 .206 .187 1.000 Sig. 1-tailed produksi jagung . .000 .046 .032 .026 .068 .328 luas panen .000 . .237 .068 .091 .115 .053 rata-rata suhu udara .046 .237 . .280 .175 .034 .354 rata-rata kelembaban udara .032 .068 .280 . .018 .385 .138 rata-rata curah hujan .026 .091 .175 .018 . .459 .214 jumlah hari hujan .068 .115 .034 .385 .459 . .236 rata-rata kecepatan angin .328 .053 .354 .138 .214 .236 . N produksi jagung 17 17 17 17 17 17 17 luas panen 17 17 17 17 17 17 17 rata-rata suhu udara 17 17 17 17 17 17 17 rata-rata kelembaban udara 17 17 17 17 17 17 17 rata-rata curah hujan 17 17 17 17 17 17 17 jumlah hari hujan 17 17 17 17 17 17 17 rata-rata kecepatan angin 17 17 17 17 17 17 17 Berikut penjelasan output dari tabel correlation. a. Pada bagian Pearson Correlation menjelasakan sebagai berikut. 1 Besarnya hubungan antar variabel produksi jagung dan luas panen adalah 0,844. Nilai ini menunjukan bahwa hubungan kedua variabel tersebut sangat kuat. Koefisien korelasi positif 0,844 menunjukan bahwa hubungan antara variabel produksi jagung dan luas panen searah. Artinya, jika variabel luas panen meningkat, maka produksi jagung juga akan meningkat. 2 Besarnya hubungan antar variabel produksi jagung dan rata-rata suhu udara adalah -0,422. Nilai ini menunjukan hubungan korelasi sedang yang negatif. Koefisien korelasi negative -0,422 menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata suhu udara tidak searah. Artinya, jika variabel rata-rata suhu udara meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata suhu udara menurun maka variabel produksi jagung meningkat. 3 Besarnya hubungan antara variabel produksi jagung dan rata-rata kelembaban udara 0,458. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif 0,458 menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika variabel kelembaban udara meningkat maka variabel produksi jagung juga akan meningkat. 4 Besarnya hubungan antara variabel produksi jagung dan rata-rata curah hujan adalah -0,479. Nilai ini menunjukan hubungan korelasi sedang yang negatif. Koefisien korelasi negative -0,479 menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata curah hujan tidak searah. Artinya, jika variabel rata-rata curah hujan meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata curah hujan menurun maka variabel produksi jagung meningkat. 5 Besarnya hubungan antara variabel produksi jagung dan jumlah hari hujan adalah 0,377. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif 0,377 menunjukkan bahwa hubungan antara variabel produksi jagung dan jumlah hari hujan searah. Artinya, jika variabel jumlah hari hujan meningkat maka variabel produksi jagung juga akan meningkat. 6 Besarnya hubungan antara variabel produksi jagung dan rata-rata kecepatan angin adalah 0,116. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif 0,458 menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika variabel kecepatan angin meningkat maka variabel produksi jagung juga akan meningkat. b. Bagian sig 1-tailed 1 Hubungan antara variabel produksi jagung dan luas panen jika dilihat dari angka signifikansi sig. sebesar 0,000 yang lebih kecil dari 0,05. Berdasarkan ketentuan, jika angka signifikansi 0,05 hubungan antara kedua variabel tersebut signifikan. c. Bagian Kolom N menunjukkan banyaknya jumlah data yang dianalisis, yakni 17. Tabel 3.4. Bagian Variables EnteredRemoved Variables EnteredRemoved Model Variables Entered Variables Removed Method 1 rata-rata kecepatan angin, rata-rata suhu udara, rata-rata curah hujan, jumlah hari hujan, rata-rata kelembaban udara, luas panen a . Enter a. All requested variables entered. Tabel ini menunjukan bahwa semua variabel telah dimasukkan. Variabel tergantungnya adalah produksi jagung. Tabel 3.5. Bagian Model Summary Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .915 a .837 .739 43209.069 1.275 a. Predictors: Constant, rata-rata kecepatan angin, rata-rata suhu udara, rata- rata curah hujan, jumlah hari hujan, rata-rata kelembaban udara, luas panen b. Dependent Variable: produksi jagung Bagian model summary atau ringkasan model menunjukkan besarnya koefisien determinasi yang berfungsi untuk mengetahui besarnya variabilitas variabel tergantung produksi jagung yang dapat diterangkan dengan menggunakan variabel bebas luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin. Koefisien determinasi juga digunakan untuk menghitung besarnya peranan atau pengaruh variabel bebas terhadap variabel tergantung.koefisien determinasi dihitung dengan mengalikan dengan 100 Nilai penting dalam keluaran ini adalah nilai R square, nilai standard error of the estimate, dan nilai Durbin-Watson. 1 Nilai R square dalam tabel diatas adalah 0,837. Angka R square disebut juga koefisien determinasi. Besarnya angka koefisien determinasi 0,837 sama dengan 83,7. Angka tersebut berarti bahwa sebesar 83,7 tingkat produksi jagung dapat dijelaskan dengan menggunakan variabel bebas luas panen, rata- rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin. Sedangkan sisanya, yaitu 16,3 100 - 83,7 dijelaskan oleh faktor-faktor penyabab lainnya. Dengan kata lain, besarnya pengaruh bebas luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin terhadap produksi jagung adalah 83,7. Sedangkan sisanya sebesar 16,3 dipengaruhi oleh faktor lain di luar model regresi ini. Besarnya pengaruh faktor lain disebut error e. untuk menghitung nilai error dapat menggunakan rumus: e = 1 - . Sebagai catatan, besarnya R square bekisar antara 0-1 yang berarti semangkin kecil nilai R square, semakin lemah hubungan variabel. sebaliknya, jika R square semakin mendekati 1, hubungan antar variabel semakin kuat. 2 Nilai Durbin-Watson mempunyai makna bahwa otokorelasi tidak akan terjadi jika nilai Durbin-Watson: 1 DW 3. Nilai Durbin-Watson pada tabel sebesar 1,275. Hal ini menunjukan bahwa otokorelasi tidak akan terjadi. Tabel 3.6. Bagian ANOVA ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 9.571E10 6 1.595E10 8.544 .002 a Residual 1.867E10 10 1.867E9 Total 1.144E11 16 a. Predictors: Constant, rata-rata kecepatan angin, rata-rata suhu udara, rata-rata curah hujan, jumlah hari hujan, rata-rata kelembaban udara, luas panen ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 9.571E10 6 1.595E10 8.544 .002 a Residual 1.867E10 10 1.867E9 Total 1.144E11 16 a. Predictors: Constant, rata-rata kecepatan angin, rata-rata suhu udara, rata-rata curah hujan, jumlah hari hujan, rata-rata kelembaban udara, luas panen b. Dependent Variable: produksi jagung Bagian ANOVA menunjukkan besarnya angka probabilitas atau signifikansi pada perhitungan ANOVA yang akan digunakan untuk di uji kelayakan model regresi dengan ketentuan bahwa angka probabilitas yang baik untuk digunakan sebagai model regresi harus lebih kecil dari 0,05. Uji ANOVA menghasilkan angka F sebesar 8,544 dengan tingkat signifikansi angka probabilitas sebesar 0,002. Karena angka probabilitas 0,002 0,05. Maka model regresi ini sudah layak digunakan untuk memprediksi produksi jagung. Agar dapat dipakai sebagai model regresi untuk memprediksi variabel tergantung, angka signifikan atau probabilitas sig. harus lebih kecil dari 0,05. Untuk menguji apakah variabel luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin mempengaruhi produksi jagung. Maka dapat dilakukan pengujian dengan menggunakan angka F dari keluaran ANOVA, dengan terlebih dahulu melakukan langkah-langkah sebagai berikut. 1. Membuat hipotesis : luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin tidak berpengaruh terhadap produksi jagung. : luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin berpengaruh terhadap produksi jagung. 2. Mengihtung nilai F tabel dengan ketentuan sebagai berikut: a. b. Degree of freedom: Vektor 1: jumlah variabel 7 - 1 = 6 Vektor 2: jumlah kasus – jumlah variabel 17 – 6 = 11 Dengan ketentuan tersebut maka diperoleh nilai F dari tabel sebesar 3,09. 3. Menentukan kriteria berdasarkan ketentuan yang telah ada. a. Jika maka ditolak dan diterima. b. Jika jika maka diterima dan ditolak. 4. Mengambil keputusan. nilai pada tabel ANOVA sebesar 29,067. 29,067 3,09 Dengan demikian ditolak dan diterima. Artinya, luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin berpengaruh terhadap produksi jagung. Tabel 3.7. Bagian Coefficients Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 371875.172 690969.881 .538 .602 luas panen 5.807 1.282 .822 4.528 .001 rata-rata suhu udara -19940.334 16241.344 -.187 -1.228 .248 rata-rata kelembaban udara 2.928 7006.523 .000 .000 1.000 rata-rata curah hujan -169.292 231.190 -.118 -.732 .481 jumlah hari hujan 466.293 915.415 .079 .509 .622 rata-rata kecepatan angin -2824.042 2538.452 -.189 -1.113 .292 a. Dependent Variable: produksi jagung Bagian koefisien regresi digunakan untuk menggambarkan persamaan regresi agar mengetahui angka konstan dan uji hipotesis signifikansi koefisien regresi. Persamaan regresinya adalah sebagai berikut: Y = a + + + + Keterangan: Y = data produki jagung = data luas panen = data rata-rata suhu udara = data rata-rata kelembaban udara = data rata-rata curah hujan = data jumlah hari hujan = data kecepatan udara A = angka konstan dari understandardized coefficient yang dalam penelitian penelitian ini sebesar 371875,172. Angka ini berupa angka konstan yang berarti besarnya produksi jagung saat nilai luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan kecepatan angin sama dengan nol 0. B1 = angka koefisien regresi pertama sebesar 5,807. Angka tersebut berarti bahwa setiap penambahan satu satuan luas panen, maka produksi jagung mengalami kenaikan sebesar 5,807. B2 = angka koefisien kedua sebesar -19940,334. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata suhu udara, maka produksi jagung akan mengalami penurunan sebesar -19940,334 B3 = angka koefisien ketiga sebesar 2,928. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata kelembaban udara, maka produksi jagung akan mengalami kenaikan sebesar 2,928. B4 = angka koefisen ketiga sebesar -169,292. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata curah hujan maka produksi jagung mengalami penurunan sebesar -169,292. B5 = angka koefisien kelima sebesar 466,293. Angka tersebut mempunyai arti bahwa setiap penambahan satu jumlah hari hujan, maka produksi jagung mengalami peningkatan sebsar 466,293. B6 = angka koefisien keenam sebsar -2824,042. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata kecepatan angin, maka produksi jagung mengalami penurunan sebesar -2824,042. Oleh karena itu persamaan regresinya menjadi: Agar dapat mengetahui apakah koefisien regresi signifikan atau tidak, penulis menggunakan uji t untuk menguji signifikansi konstanta dan variabel luas panen, rata- rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin yang digunakan sebagai predictor untuk variabel produksi jagung. Caranya adalah sebagai berikut. 1. Membuat hipotesis = tidak ada pengaruh antara luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin terhadap produksi jsgung. = terdapat pengaruh antara luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin terhadap produksi jagung. 2. Menghitung nilai t tabel dengan ketentuan berikut: a. = = 0,025 b. Degree of freedom DF = jumlah data – 2 atau 17 – 2 = 15 c. Dengan ketentuan tersebut didapatkan nilai t dari tabel sebesar 2,13 3. Menentukan kriteria berdasarkan ketentuan yang ada. a. Jika , maka diterima dan ditolak. b. Jika , maka ditolak dan diterima. Berdasarkan dari keluaran tabel Coefficients dapat diketahui; a. 4,528 2,13, maka ditolak dan diterima b. -1,228 2,13, maka diterima dan ditolak c. 0,000 2,13, maka diterima dan ditolak d. -0,732 2,13, maka diterima dan ditolak e. 0,509 2,13, maka diterima dan ditolak f. -1,113 2,13, maka diterima dan ditolak 4. Membuat keputusan Karena hanya satu variable nilai jatuh pada daerah penerimaan . Maka hanya luas panen yang berpengaruh terhadap produksi jagung. Tabel 3.8. Bagian Casewise Diagnostics Casewise Diagnostics a Case Number Std. Residual produksi jagung Predicted Value Residual 1 -1.047 354656 399879.56 -45223.555 2 -.352 436189 451405.15 -15216.152 3 .165 563237 556119.57 7117.428 4 2.302 517325 417863.81 99461.185 5 .645 433883 406004.31 27878.687 6 -.622 370546 397442.66 -26896.657 7 -.311 293594 307027.98 -13433.980 8 -.046 323122 325119.94 -1997.941 9 -.012 275053 275588.82 -535.824 10 -.469 244583 264865.60 -20282.602 11 -.335 318579 333071.97 -14492.972 12 .450 400609 381171.77 19437.225 13 .255 419619 408619.52 10999.476 14 .475 427747 407244.12 20502.878 15 .146 369813 363486.83 6326.168 16 .063 377689 374968.09 2720.912 17 -1.304 469633 525997.28 -56364.277 a. Dependent Variable: produksi jagung Bagian casewise diagnostics atau diagnosis per kasus menunjukkan hasil prediksi persamaan regresi. Pembahasan dimulai dari case number 1 dengan menggunakan persamaan regresi yang telah diperoleh dari tabel coefficients. Yaitu: 1 Pada kasus nomor satu dilihat dari kolom case number 1 luas panen adalah 354.656, rata-rata suhu udara 19,22, rata-rata kelembaban udara 89,47, rata- rata curah hujan 9,90, jumlah hari hujan 178, dan rata-rata kecepatan angin 0,51 apabila dimasukkan ke dalam persamaan regresi yang telah diperoleh sebelumnya menjadi sebagai berikut: 399879.56 Hasil tertera pada kolom Predicted Value, sehingga perhitungan untuk kasus berikutnya dapat dilakukan dengan cara yang sama. 2 Angka pada kolom Residual sebesar -45223,555 memberikan penjelasan tentang adanya selisih antara produksi jagung data observasi dengan tingkat kepuasan yang diprediksikan. Yaitu: 354656 – 399879,56 = -45223,555 Angka pada kolom Residual selanjutnya sebesar -15216,152 memberikan penjelasan tentang adanya selisih antara produksi jagung data observasi dengan produksi jagung yang diprediksikan. Yaitu: 436189 – 451405,15 = -15216,152 Angka pada kolom residual selanjutnaya sebesar 7117,428 memberikan penjelasan tentang adanya selisih antara produksi jagung data observasi dengan produksi jagung yang diprediksikan. Yaitu: 563237 – 556119,57 = 7117,428 a. Kolom std. residual standardized residual menyatakan residual yang distandarkan dengan dibagi oleh standard error of the estimate nilai dapat diperoleh dari keluaran model summary. Untuk kasus pertama, = -1,046622 Besar kecilnya angka residual dan standard residual memberikan makna bagi persamaan regresi yang akan digunakan untuk memprediksi data. Semakin kecil angka residual dan standard residual, maka semakin baik regresi digunakan untuk memprediksi. Tabel 3.9 Bagian Residuals Statistics Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 262839.19 554755.56 387992.76 76978.336 17 Residual -69264.328 98238.070 .000 34975.181 17 Std. Predicted Value -1.626 2.166 .000 1.000 17 Std. Residual -1.566 2.221 .000 .791 17 a. Dependent Variable: produksi jagung Bagian residuals statistics memberikan penjelasan mengenai nilai minimum produksi jagung yang diprediksi sebesar 262839,19 sedangkan nilai maksimum yang diprediksi sebesar 554755,56. Nilai rata-rata produksi jagung yang di prediksi sebesar 387992,76. Angka ini berlaku untuk semua kasus yang diteliti.

3.4 Menguji Validitas Model Regresi

Validitas model regresi dilakukan agar dapat mengetahui ketiadaan otokolelasi, linearitas, dan normalitas data. A. Pengecekan otokorelasi Pada tabel 3.5. Bagian Model Summary dapat dilihat nilai Durbin-Watson. Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .915 a .837 .739 43209.069 1.275 a. Predictors: Constant, rata-rata kecepatan angin, rata-rata suhu udara, rata- rata curah hujan, jumlah hari hujan, rata-rata kelembaban udara, luas panen Nilai Durbin-Watson sebesar 1,232 dapat dilihat pada kolom paling kanan. Berdasarkan ketentuan, otokorelasi tidak akan terjadi jika: 1 DW 3 Perhitungan berdasarkan data observasi sebagai berikut: 1 1,275 3 Maka dapat disimpulkan tidak akan terjadi otokorelasi data dalam menganalisis data observasi. B. Pengecekan ada atau tidaknya hubungan linear antara variabel bebas X dan variabel tergantung Y. 1 Hubungan produksi jagung dengan luas panen Gambar 3.11. grafik hubungan produksi jagung dengan luas panen 2 Hubungan produksi jagung dengan rata-rata suhu udara Gambar 3.12. grafik hubungan produksi jagung dengan rata-rata suhu udara 3 Hubungan produksi jagung dengan rata-rata kelembaban udara Gambar 3.13. hubungan produksi jagung dengan rata-rata kelembaban udara 4 Hubungan produksi jagung dengan rata-rata curah hujan Gambar 3.14. grafik hubungan produksi jagung dengan rata-rata curah hujan 5 Hubungan produksi jagung dengan jumlah hari hujan Gambar 3.15. grafik hubungan produksi jagung dengan jumlah hari hujan 6 Hubungan produksi jagung dengan rata-rata kecepatan angin Gambar 3.16. grafik hubungan produksi jagung dengan rata-rata kecepatan angin Semua gambar diatas menunjukkan adanya hubungan linear antara luas panen, rata- rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin dengan produksi jagung karena sebaran data mengikuti garis lurus dari bawah menuju atas. C. Data harus berdistribusi normal Berikut adalah histogram untuk masing-masing variabel tersebut. 1 Histogram produksi jagung dengan luas panen Gambar 3.17. histogram produksi jagung dengan luas panen 2 Histogram produksi jagung dengan rata-rata suhu udara Gambar 3.18. histogram produksi jagung dengan rata-rata suhu udara 3 Histogram produksi jagung dengan rata-rata kelembaban udara Gambar 3.19. histogram produksi jagung dengan rata-rata kelembaban udara 4 Histogram produksi jagung dengan rata-rata curah hujan Gambar 3.20. histogram produksi jagung dengan rata-rata curah hujan 5 Hubungan histogram produksi jagung dengan jumlah hari hujan Gambar 3.21. Histogram produksi jagung dengan jumlah hari hujan 6 Hubungan produksi jagung dengan rata-rata kecepatan angin Gambar 3.22. Histogram produksi jagung dengan rata-rata kecepatan angin Meskipun semua gafik histogram tidak sempurna, akan tetapi data sudah mendekati bentuk standar distribusi normal, yakni sebaran data berbentuk bel. BAB 4 PENUTUP

4.1 Kesimpulan