Regresi Data Panel Untuk Mengidentifikasi Variabel-Variabel Yang Berpengaruh Terhadap Produksi Kubis Di Sepuluh Provinsi Di Luar Pulau Jawa

Nurjanah, Difya Ayu Meisya and Prof. Dr. Dra. Ani Budi Astu, M.Si. (2024) Regresi Data Panel Untuk Mengidentifikasi Variabel-Variabel Yang Berpengaruh Terhadap Produksi Kubis Di Sepuluh Provinsi Di Luar Pulau Jawa. Sarjana thesis, Universitas Brawijaya.

Abstract

Kubis merupakan sektor pertanian yang berpengaruh besar terhadap perkembangan perekonomian negara termasuk perekonomian daerah. Pada tahun 2023, produksi kubis masih didominasi oleh Pulau Jawa, tetapi dari tahun ke tahun Pulau Jawa mengalami alih fungsi lahan yang menyebabkan penyempitan lahan pertanian. Tujuan dari penelitian ini adalah untuk membentuk model regresi data panel dan mengidentifikasi variabel-variabel yang memengaruhi produksi kubis di sepuluh provinsi di luar Pulau Jawa. Analisis regresi data panel merupakan metode analisis yang dapat digunakan untuk melihat pengaruh variabel-variabel prediktor terhadap variabel respon dengan menggunakan kombinasi antara data cross section (lintas-individu) dengan time series (lintas-waktu). Analisis regresi data panel terdapat tiga pilihan model penduga, yaitu common effect, fixed effect, dan random effect. Analisis regresi data panel dapat diterapkan dalam berbagai sektor, salah satunya sektor pertanian. Variabel yang digunakan pada penelitian ini, yaitu variabel luas lahan panen kubis, indeks harga yang dibayar petani holtikultura, dan curah hujan. Data yang digunakan meliputi data cross section, yaitu sepuluh provinsi di luar Pulau Jawa dan data time series, yaitu tahun 2018 hingga 2023. Hasil analisis menunjukan bahwa model yang dapat diterapkan adalah Fixed Effect Model (FEM) karena terdapat efek individu di setiap provinsi. Berdasasarkan pemodelan FEM, diperoleh hasil bahwa variabel luas panen kubis berpengaruh terhadap produksi kubis di provinsi-provinsi di luar Pulau Jawa. Model yang dihasilkan mampu memprediksi produksi kubis secara tepat sebesar 97,11 persen di mana nilai ini sudah dapat dikatakan cukup akurat.

English Abstract

Cabbage is an agricultural sector that has a major influence on the development of the country's economy, including the regional economy. In 2023, cabbage production is still dominated by Java, but from year to year Java has experienced land conversion which has caused a narrowing of agricultural land. The purpose of this study is to form a panel data regression model and identify variables that affect cabbage production in ten provinces outside Java. Panel data regression analysis is a statistical method used to evaluate the effects of predictor variables on response variables by combining crosssectional data (across individuals) with time-series data (across time). This method offers three estimator models: the common effect model, the fixed effect model, and the random effect model. Panel data regression analysis has diverse applications, including in the agricultural sector. The variables used in this study are the variable of cabbage harvested land area, the price index paid by horticultural farmers, and rainfall. The data set consists of cross-sectional data from ten provinces outside Java and time-series data spanning from 2018 to 2023. The results of the analysis show that the model that can be applied is the Fixed Effect Model (FEM) because there are individual effects in each province. Based on FEM modeling, the results show that the cabbage harvest area variable affects cabbage production in provinces outside Java. The resulting model can accurately predict cabbage production by 97.11 percent, which is considered quite accurate.

Text (DALAM MASA EMBARGO) Difya Ayu Meisya Nurjanah.pdf Restricted to Registered users only Download (2MB)

Actions (login required)

View Item