P. 1
Model Regresi Logit

Model Regresi Logit

|Views: 269|Likes:
Published by luthfiahnoer

More info:

Published by: luthfiahnoer on Dec 02, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

07/29/2014

pdf

text

original

MODEL REGRESI LOGISTIK (LOGIT

)

Ada dua permasalahan yang dikemukakan dalam contoh kasus sebagai soal UTS Ekonometrika kelas AD, yaitu: ‡ Faktor apa saja yang mempengaruhi petani menentukan keputusan untuk melakukan kontrak ‡ Dampak kontrak terhadap pendapatan petani

Hal yang mula-mula saya lakukan adalah meneliti kelengkapan data. Ternyata, dari data yang saya dapatkan terdapat beberapa bagian yang missed, yaitu: 1. Jumlah responden tercantum sebanyak 299 orang, padahal setelah diurutkan ternyata hanya sejumlah 286 orang. Meskipun demikian ini tidak terlalu berpengaruh terhadap hasil estimasi. 2. Terdapat beberapa item dari hasil observasi yang tidak terisi, yaitu 25 bagian yang kosong pada kolom untuk 2 variabel terakhir, tepatnya 24 bagian di kolom variabel Index Difficulty in Accessing Output Market (scale) dan 1 bagian di kolom variabel Index Difficulty in Accessing Credit (scale). Untuk menguji apakah nantinya ada pengaruh yang berarti terhadap hasil signifikansi pengaruh variabel independen terhadap variabel dependen, maka saya melakukan tiga kali regresi dengan sumber data yang hampir sama. Dalam model regresi yang pertama dan kedua, saya mengolah data sesuai kondisi aslinya (ada bagian yang kosong). Sedangkan untuk regresi yang ketiga, data sudah diedit dengan memasukkan angka nol ke dalam tempat yang kosong tersebut. Hasil print out dari program Stata dan interpretasinya akan dimulai di halaman berikut.

707 P > |z| untuk X5 adalah 0.010 2. dan X13 hasilnya menunjukkan perubahan drastis. hasilnya sama dengan model pertama (dalam signifikansi. terdapat persamaan maupun perbedaan mengenai signifikansi pengaruh variabel independen terhadap variabel dependen. yaitu X2. nampak bahwa tidak ada dari keenam variabel tersebut yang signifikan bahkan untuk yang pada model pertama nilainya signifikan: y y y y y y P > |z| untuk X2 adalah 0.015 P > |z| untuk X4 adalah 0. 1.007 P > |z| untuk X13 adalah 0. artinya model regresi logistik secara keseluruhan dapat menjelaskan atau memprediksi keputusan petani untuk ikut dalam kontrak atau . bukan angka).0000.Dari perbandingan ketiga hasil estimasi tersebut.3516 (tidak signifikan) artinya model regresi logistik secara keseluruhan dapat menjelaskan atau memprediksi keputusan petani untuk ikut dalam kontrak atau tidak ikut dalam kontrak. Kemudian. yang ditunjukkan oleh nilai P > |z| yang berada di bawah angka 5% dengan rincian sebagai berikut: y y y P > |z| untuk X2 adalah 0. Pada model regresi yang pertama dimana semua (13) variabel independennya dimasukkan. hasil untuk Prob > chi2 adalah 0. Prob > chi2 untuk model ini adalah 0.0000 yang artinya model sudah cukup menggambarkan bahwa model regresi logistik secara keseluruhan dapat menjelaskan atau memprediksi keputusan petani untuk ikut dalam kontrak atau tidak ikut dalam kontrak.207 P > |z| untuk X4 adalah 0. X3. Dari model ini juga terbukti bahwa variabel yang signifikan adalah X2 (Household Income) X4 (Age of Household Head) dan X13 (Index Difficulty in Accessing Credit). X4.718 3.119 P > |z| untuk X3 adalah 0.986 P > |z| untuk X9 adalah 0. X5. Pada model regresi yang ketiga dimana hanya diambil adalah semua variabel dengan data yang sedikit dirubah dengan cara mengganti bagian yang kosong dengan nol. Prob > chi2 sekarang menjadi 0.1057 P > |z| untuk X13 adalah 0. Pada model regresi yang kedua dimana hanya diambil 6 variabel independen yang dimasukkan. X9.

untuk jawaban pertanyaan pertama. Sementara itu untuk signifikansi pengaruhnya tetap pada variabel seperti model pertama. Dengan kondisi yang dirasakan saat ini mungkin Petani B merasa belum sejahtera.019 P > |z| untuk X4 adalah 0.tidak ikut dalam kontrak. tentunya dengan segala pertimbangan untung-ruginya. karena hasil di masa yang akan datang belum tentu memuaskan. Hal ini menurut saya dapat mempengaruhi ketepatan estimasi. juga karena alasan teknis yaitu kelengkapan data. Jadi. Kecuali jika Petani B sama-sama berjiwa spekulatif dan risk taker seperti Petani A. Misalnya Petani A pendapatannya lebih tinggi daripada Petani B. adanya hasil observasi yang kosong atau hilangnya satu elemen data saja artinya sama dengan hilangnya satu responden. . Kemungkinan kedua ini akan selalu ada meskipun peluangnya lebih kecil dari yang pertama. kesimpulannya adalah bahwa faktor yang mempengaruhi keputusan petani untuk ikut dalam kontrak atau tidak ikut dalam kontrak adalah: (1) Household Income. Petani B dengan pendapatan rumah tangga yang lebih rendah akan berpikir berkali-kali sebelum memutuskan untuk ikut dalam kontrak. rinciannya adalah sbb: y y y P > |z| untuk X2 adalah 0. Sebaliknya. artinya Petani A dapat mempergunakan sebagian uangnya untuk motif spekulasi setelah memenuhi semua kebutuhan pokoknya.010 P > |z| untuk X13 adalah 0. maka ia pun akan cenderung bersedia ikut di dalam kontrak. model ketiga inilah yang menurut saya paling tepat karena selain dapat menjelaskan atau memprediksi keputusan petani untuk ikut dalam kontrak atau tidak ikut dalam kontrak. Dalam program Stata. karena semakin tinggi pendapatan rumah tangganya maka petani semakin cenderung untuk ikut dalam kontrak. akan tetapi dibandingkan dengan tawaran kontrak yang hasilnya juga belum tentu menjanjikan. Dengan tingginya tingkat pendapatan yang dimilikinya.035 Nah. Petani B akan cenderung kepada pilihan tidak ikut di dalam suatu kontrak dengan perusahaan dan memilih untuk tetap berada di daerah aman (safety zone).

tetap ada peluang bahwa petani yang lebih muda mempunyai pengalaman yang lebih baik dan lebih banyak daripada petani yang lebih tua dalam hal kontrak tersebut. berdasarkan pengalaman koleganya sesame petani seusianya. Padahal mungkin kredit itu sangat ia perlukan untuk modal pengembangan usaha pertaniannya. alasannya adalah semakin matang usia petani maka lebih besar peluangnya ia telah memiliki banyak pengalaman mengenai untung-ruginya ikut atau tidak ikut di dalam kontrak dengan perusahaan.(2) Age of Household Head. prasarana dan faktor-faktor produksi lainnya) dan lembaga-lembaga pemasaran. namun Petani C telah melihat misalnya. Petani C bahkan mungkin sudah lama terikat kontrak dengan suatu perusahaan dan menikmati keuntungan yang cukup besar. Penilaian terhadap sistem pertanian kontrak pada umumnya menunjukkan hasil yang positif dimana petani kecil memperoleh manfaat dalam bentuk laba yang lebih tinggi atau mereka bahkan keluar dari kontrak tersebut. bahwa kontrak dengan kriteria tertentu ternyata tidak hanya menguntungkan perusahaan tetapi juga petani pemilik lahan. bahwa Petani D lebih berpengalaman daripada Petani C dalam bisnis pertanian terutama dihubungkan dengan mekanisme kontrak. Sistem ini dapat dilihat sebagai suatu terobosan untuk mengurangi biaya transaksi yang tinggi akibat kegagalan pasar dan/atau kegagalan pemerintah dalam menyediakan sarana (input) yang diperlukan (misalnya kredit. Petani E mempunyai kesulitan yang lebih tinggi daripada Petani F dalam hal mengakses kredit. artinya semakin tinggi kesulitan petani mengakses kredit melalui lembaga keuangan maka besar peluang bagi petani akan termotivasi untuk ikut terlibat dalam suatu kontrak. Pertanian kontrak adalah sistem produksi dan pemasaran berskala menengah dimana terjadi pembagian beban resiko produksi dan pemasaran diantara pelaku agrobisnis dan petani kecil. Misalnya Petani C usianya 20 tahun lebih muda daripada Petani D. (3) Index Difficulty in Accessing Credit. informasi. Atau mungkin juga Petani C dan Petani D sama-sama belum pernah terlibat kontrak. Meskipun demikian. Misalkan saja antara Petani E dan Petani F. Besar kemungkinan. Derajat ketertarikan Petani E mungkin lebih besar daripada Petani F dalam hal mengikuti kontrak karena adanya mekanisme pembagian biaya dan keuntungan yang menjadi salah satu daya tarik kontrak bagi petani E. Manfaat yang ada tidak hanya dalam . asuransi. Namun dalam model ini terbukti peluangnya lebih kecil daripada yang pertama disebutkan di atas.

kredit dan teknologi.bentuk akses pemasaran. tetapi keikutsertaan dalam kontrak dapat pula meningkatkan kemampuan dalam mengelola resiko. pemberdayaan kaum perempuan serta pengembangan budaya berniaga yang berhasil. secara tidak langsung. memberikan kesempatan kerja yang lebih baik bagi anggota keluarga dan. .

. Melalui kontrak. sedangkan 92.47% diterangkan oleh variabel di luar model.Selanjutnya.53% oleh variabel keputusan kontrak.0000 artinya model ini sudah dapat menjelaskan pengaruh keputusan kontrak yang merupakan variabel dummy terhadap Household Income. agro-industri dapat membantu petani kecil beralih dari pertanian subsistensi atau tradisional ke produksi hasil-hasil pertanian yang bernilai tinggi dan berorientasi ekspor. Karena variabel penjelasnya hanya satu maka otomatis melalui uji t juga didapatkan bahwa variabel tersebut signifikan terhadap variabel dependennya (P > |t| sebesar 0.0000).0753 artinya model ini dapat dijelaskan sebanyak 7. saya melakukan regresi linier (OLS) antara variabel ³Keputusan Petani untuk Ikut atau Tidak Ikut Kontrak´ yang dalam model logit merupakan variabel tujuan/independen/regressand dengan Household Income yang dalam model logit merupakan salah satu variabel penjelas/dependen/regressor. Hasilnya adalah sebagai berikut: Dari Prob > F yang nilainya 0. Ini tidak hanya berpotensi meningkatkan penghasilan petani kecil yang ikut dalam kontrak tetapi juga mempunyai efek berlipat ganda bagi perekonomian di pedesaan maupun perekonomian dalam skala yang lebih luas. Sistem pertanian kontrak (contract farming) merupakan satu mekanisme yang mungkin dapat meningkatkan penghidupan petani kecil di daerah pedesaan dan memberikan manfaat liberalisasi ekonomi bagi mereka. Dari R2 yang nilainya 0. untuk menjawab pertanyaan kedua.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->