BAB I PENDAHULUAN 1.

1 Peran Koperasi Bagi Ekonomi Rakyat Pembangunan koperasi mengalami kemajuan yang cukup mengembirakan jika diukur dengan jumlah koperasi, jumlah anggota, aktiva dan volume usaha. Pada masa sekarang secara umum koperasi mengalami perkembangan usaha dan kelembagaan yang mengairahkan. Namun demikian, koperasi masih memiliki berbagai kendala untuk pengembangannya sebagai badan usaha. Hal ini perlu memperoleh perhatian dalam pembangunan usaha koperasi pada masa mendatang. Peran koperasi dalam perekonomian Indonesia paling tidak dapat dilihat dari: (1) kedudukannya sebagai pemain utama dalam kegiatan ekonomi di berbagai sektor, (2) penyedia lapangan kerja yang terbesar, (3) pemain penting dalam pengembangan kegiatan ekonomi lokal dan pemberdayaan masyarakat, (4) pencipta pasar baru dan sumber inovasi, serta (5) sumbangannya dalam menjaga neraca pembayaran melalui kegiatan ekspor. Peran koperasi, usaha mikro, kecil dan menengah sangat strategis dalam perekonomian nasional, sehingga perlu menjadi fokus pembangunan ekonomi nasional pada masa mendatang. Pemberdayaan koperasi secara tersktuktur dan berkelanjutan diharapkan akan mampu menyelaraskan struktur perekonomian nasional, mempercepat pertumbuhan ekonomi nasional, mengurangi tingkat pengangguran terbuka, menurunkan tingkat kemiskinan, mendinamisasi sektor riil, dan memperbaiki pemerataan pendapatan masyarakat. Pemberdayaan koperasi juga akan meningkatkan pencapaian sasaran di bidang pendidikan, kesehatan, dan indikator kesejahteraan masyarakat Indonesia lainnya. Perkembangan koperasi secara nasional di masa datang diperkirakan menunjukkan peningkatan yang signifikan namun masih lemah secara kualitas. Untuk itu diperlukan komiten yang kuat untuk membangun koperasi yang mampu menolong dirinya sendiri sesuai dengan jatidiri koperasi. Hanya koperasi yang berkembang melalui praktek melaksanakan nilai koperasi yang akan mampu bertahan dan mampu memberikan manfaat bagi anggotanya. Prospek koperasi pada masa datang dapat dilihat dari banyaknya jumlah koperasi, jumlah anggota dan jumlah manajer, jumlah modal,volume usaha dan besarnya SHU yang telah dihimpun koperasi, sangat prospektif untuk dikembangkan. Untuk memberdayakan koperasi baik yang sudah berjalan dan tidak aktif perlu dibangun sistem pendidikan yang terorgniser dan harus dilaksanakan secara konsesten untuk mengembangkan organisasi, usaha dan mampu bersaing dengan pelaku usaha lainnya.Inilah salah satu nilai koperasi yang tidak ada pada organisasi lain yang perlu terus dilaksanakan dan dikembangkan. Menurut Undang-undang No. 25 tahun 1992 Pasal 4 dijelaskan bahwa fungsi dan peran koperasi sebagai berikut: a)Membangun dan mengembangkan potensi dan kemampuan ekonomi anggota pada khususnya dan masyarakat pada umumnya untuk meningkatkan kesejahteraan ekonomi dan sosialnya. b)Berperan serta secara aktif dalam upaya mempertinggi kualitas kehidupan manusia dan masyarakat. c) Memperkokoh perekonomian rakyat sebagai dasar kekuatan dan ketahanan
Ilham Nugroho 0910440101 1

perekonomian nasional dengan koperasi sebagai soko-gurunya. d) Berusaha untuk mewujudkan dan mengembangkan perekonomian nasional, yang merupakan usaha bersama berdasarkan atas asas kekeluargaan dan demokrasi ekonomi. e) Mengembangkan kreativitas dan membangun jiwa berorganisasi bagi para pelajar bangsa. Sulit mewujudkan keamanan yang sejati, jika masyarakat hidup dalam kemiskinan dan tingkat pengangguran yang tinggi. Sulit mewujudkan demokrasi yang sejati, jika terjadi ketimpangan ekonomi di masyarakat, serta sulit mewujudkan keadilan hukum jika ketimpangan penguasaan sumberdaya produktif masih sangat nyata. Jika Koperasi mampu mengimplementasikan jati dirinya, koperasi akan mandiri, mampu bersaing dengan kekuatan ekonomi lainnya ,mampu memproduksi produk yang sesuai dengan kebutuhan pasar di dalam dan luar negeri. Dilihat dari dasar hukum yang tertuang dalam Undang-Undang 1945, Koperasi memperoleh hak untuk hidup dan perkembangan di Indonesia. Koperasi yang sudah dibangun selama ini juga jumlahnya sudah cukup besar. Jumlah ini merupakan aset yang harus dipelihara dan diberdayakan agar dapat berkembang membantu pemerintah untuk memerangi kemiskinan dan menyediakan lapangan kerja. Jika sekarang masih banyak koperasi yang tumbuh belum mampu mencapai tujuan bersama anggotanya,mereka harus diberdayakan melalui pendidikan. Pendidikan adalah usaha sadar untuk meningkatkan kemampuan memahami jati diri dan menerapkannya. Disinilah peranan pihak ketiga termasuk pemerintah untuk dapat membangun mereka mencapai tujuannya baik sebagai mediator,fasilitator maupun sebagai kordinator. Dengan demikian pembangunan koperasi perlu diteruskan, karena pembangunan adalah proses, memerlukan waktu dan ketekunan serta konsistensi dalam pelaksanaan,berkesinambungan untuk mengatasi semua masalah yang muncul seperti masalah kemiskinan , jumlah pengangguran. yang semakin banyak. Perkembangan koperasi secara nasional di masa datang diperkirakan menunjukkan peningkatan yang signifikan namun masih lemah secara kualitas. Untuk itu diperlukan komiten yang kuat untuk membangun koperasi yang mampu menolong dirinya sendiri sesuai dengan jatidiri koperasi. Hanya koperasi yang berkembang melalui praktek melaksanakan nilai koperasi yang akan mampu bertahan dan mampu memberikan manfaat bagi anggotanya. Prospek koperasi pada masa datang dapat dilihat dari banyaknya jumlah koperasi, jumlah anggota dan jumlah manajer, jumlah modal,volume usaha dan besarnya SHU yang telah dihimpun koperasi, sangat prosfektif untuk dikembangkan. Model pengembangan koperasi pada masa datang yang ditawarkan adalah mengadobsi koperasi yang berhasil seperti Koperasi Kredit, Koperasi simpan pinjam dan lainnya dan Model Pengembangan Pemecahan Masalah sesuai dengan kondisi koperasi seperti penataan kelembagaan koperasi yang tidak aktif dan koperasi aktif tidak melaksanakan RAT. Untuk memberdayakan koperasi baik yang sudah berjalan dan tidak aktif perlu dibangun sistem pendidikan yang terorgniser dan harus dilaksanakan secara konsesten untuk mengembangkan organisasi, usaha dan mampu bersaing dengan pelaku usaha lainnya.Inilah salah satu nilai koperasi yang tidak ada pada organisasi lain yang perlu terus dilaksanakan dan dikembangkan.
Ilham Nugroho 0910440101 2

1.2

Tujuan 1. Mahasiswa mampu mengetahui, memahami serta mengaplikasikan analisis regresi dummy dependent variabel dengan model LPM (linear probability model) dan model logit 2. Mahasiswa mampu menggunakan analisis regresi dummy dependent variabel dengan model LPM (linear probability model) dan model logit pada peran koperasi bagi ekonomi rakyat. 3. Mahasiswa mampu mengintepretasikan suatu hasil analisis software SPSS menegnai analisis regresi dummy dependent variabel dengan model LPM (linear probability model) dan model logit.

Ilham Nugroho 0910440101

BAB II METODE 2.1 Linear Probability Model Linear Probability Model (LPM) merupakan metode regresi yang umum digunakan sebelum logit dan probit model dikembangkan. LPM bekerja dengan dasar bahwa variabel respon Y, yang merupakan probabilita terjadinya sesuatu, mengikuti Bernoulli probability distribution dimana:

Sumber: wcr.sonoma.edu Gambar diatas menunjukkan bahwa garis dari Linear Probability Model (LPM) sangat minim menjelaskan atau mempresentasikan dari variabel dependent yang diskrit. Oleh karena itu, karena LPM bekerja berdasarkan metode OLS biasa maka timbul permasalahan yang telah diungkapkan sebelumnya: non-normality of the disturbance, heteroscedastis, tidak terpenuhinya ekspektasi nilai Y antara satu sampai dengan nol, dan tidak dapat digunakannya R sebagai pengukur Goodness of Fit. Kebutuhan akan model probabilita yang menghasilkan Y yang terletak antara interval satu sampai dengan nol dengan hubungan antara Pt dengan Xt yang tidak linear menyebabkan logit model dikembangkan.

2.2

Model Logit Model Linear Probability Model memiliki masalah, tidak dapatnya memberikan hasil nilai Y yang terletak pada interval 1 dan 0, padahal niai probabilitas mengharuskan kisaran nilainya diantara 1 dan 0. dikarenakan mereka menggunakan OLS atau regresi linear dalam melakukan estimasinya, atau dengan persamaan sebagai berikut:

Ilham Nugroho 0910440101

Dikarenakan persamaan regresi linear tidak dapat memenuhi persyaratan nilai probabilitas tersebut, di buatlah model logit yang menggunakan persamaan eksponensial untuk mendapatkan nilai probabilitas pada interval 1 dan 0, Dimana persamaan model Logit menjadi seperti berikut:

Dimana Zi = 1 + 2Xi. Persamaan diatas lebih dikenal sebagai logistic distribution function. Persyaratan yang diminta sebelumnya, yaitu model probabilita yang menghasilkan Y antara interval satu sampai dengan nol dengan hubungan antara Pt dengan Xt yang tidak linear, dapat terpenuhi. Hal ini disebabkan, saat Z berkisar antara - sampai dengan , Pi berkisar antara 0 dan 1 sehingga Pi tidak berhubungan linear dengan Z. Meskipun begitu masih terdapat masalah estimasi karena P tidak hanya tidak linier pada X tetapi juga ke . Namun, seperti dapat ditunjukkan pada persamaan berikut, masalah estimasi tersebut dapat diatasi. Setelah itu kita perlu menentukan persamaan kejadian gagal, dengan merujuk kepada Bernoulli probability distribution. Maka kita akan mendapatkan persamaan seperti dibawah ini:

Setelah kita memiliki persamaan kejadian sukses dan persamaan kejadian gagal, maka kita dapat pula membuat Odds Ratio yang merupakan peluang sukses dibagi dengan peluang gagal, dengan rumus matematika seperti dibawah.

Untuk mendapatkan nilai z yang sudah linier maka kita perlu melakukan treatment tambahan setelah melakukan odd ratio dimana dengan mengalikan persamaan diatas dengan Logaritma Natural dengan tujuan membuat persamaan menjadi linear, sehingga bentuk persamaan akan menjadi seperti dibawah ini:

Logaritma Natural atau ln dari odds ratio tidak hanya bersifat linear pada X tetapi juga bersifat linear terhadap parameter. Persamaan tersebut yang kemudian dikenal sebagai model logit. Kelebihan dari model logit tersebut adalah: Saat P berpindah dari 0 ke 1, logit L akan berpindah dari - ke .Oleh karena itu, meskipun probabilita terletak antara 0 hingga 1, logit sendiri tidak terbatasi. Dan meski L linear terhadap X, probabilitanya sendiri tidak.

Ilham Nugroho 0910440101

 L (logit) yang bernilai positif menandakan bahwa meningkatnya nilai regresor akan menyebabkan meningkatnya odds dari regresan yang setara dengan 1. Sebaliknya, L (logit) yang bernilai negative menandakan bahwa menurunnya odds dari regresan yang setara dengan 1akan menyebabkan meningkatnya nilai dari X. Model logit yang diberikan pada persamaan lima dapat diinterpretasikan sebagai berikut: slope 2 merupakan pengukur perubahan nilai L karena perubahan nilai X, sementara Intercept 1 merupakan nilai dari log-odds apabila nilai suatu slope nol. Logit model juga mengasumsikan bahwa log sebuah odds ratio berhubungan linier terhadap Xi atau nilai sebuah slope. Pengolahan Logit Untuk menguji signifikansi suatu koefisien secara statistik, kita menggunakan Z statistik (distribusi normal). Dalam binary regressand model, kita menggunakan pseudo R2, yang mirip dengan R2, untuk mengukur goodness of fit. Program Stata secara otomatis menyediakan pengukuran tersebut, yaitu McFadden R2, yang ditulis dengan Pseudo R2. Mirip dengan F test pada model regresi linear adalah likelihood ratio (LR) statistik. LR statistik mengikuti ditribusi 2 dengan derajat kebebasan (degree of freedom) sama dengan jumlah variabel bebas Mencari Odds Ratio dari setiap variabel independent Margina Effek dari setiap variabel independent Mencari probabilitas setiap variabel independent terhadap variabel dependentnya 2.3 Metode dalam SPSS a. LPM

Ilham Nugroho 0910440101

b. Logit
Buka Data-3 dan copy ke SPSS analisis regresi dengan binnary logistic menggunakan SPSS isi variabel dependen dengan keputusan berkoperasi

klik option, pilih metode Hosmer-Lameshow

klik save, pilih probabilitas, continue

isi variabel independen dengan semua varianel kecuali Unstandarized

pilih iteration history. Lalu Continue dan OK

muncul block 1 dan block 0 pada outpu data

muncul PRE_1 pada input data, ganti nama dengan Probabilitas Logit

analisis dengan: interpretasi hasil analisis uji Nagelerte R2,, Uji G (Chi Square), Uji Wald, dan Uji Likelyhood

Ilham Nugroho 0910440101

BAB III HASIL DAN PEMBAHASAN 3.1 Grafik LPM & Logit

Grafik 1. Scatter dari Prob. LPM dan Prob. Logit Dari hasil grafik di atas menunjukkan bahwa rentangan probabilitas dari Metode LPM (Linier Probability Model) adalah lebih dari 1 dan kurang dari nol. Sedangkan untuk Metode Logit rentangan probabilitas adalah antara 0 sampai 1. Oleh sebab itu dalam hal probabilitas metode yang sangat sesuai digunakan adalah metode Logit, karena hal ini sesuai dengan tujuan kita yakni nilai probabilitasnya berkisar antara 0 sampai 1. Dengan ini akan lebih mudah meintepretasikan suatu data atau tidak bias data yang akan kita intepretasikan. 3.2 Analisis LPM dan Logit a. Analisis Linier Probability Model Tabel 1. Uji R Square
Model Summary
b

Model 1

R .736
a

R Square .542

Adjusted R Square .512

Std. Error of the Estimate .30795

a. Predictors: (Constant), Kepercayaan_terhadap_koperasi, Kesadaran_Fungsi, Banyaknya_unit_usaha_koperasi, Kemudahan_Bertransaksi b. Dependent Variable: Keputusan_petani_berkoperasi

Berdasarkan Tabel 1 diatas, didapat nilai R Squarenya sebesar 0,542. Hal ini dapat diintepretasikan bahwa kemampuan suatu variabel-variabel independent menjelaskan variabel dependentnya adalah 0,542 atau 54,2%.

Ilham Nugroho 0910440101

Tabel 2. Uji F
ANOVA Model 1 Regression Residual Sum of Squares 6.837 5.785 df 4 61
b

Mean Square 1.709 .095

F 18.023

Sig. .000
a

Total

12.621

65

a. Predictors: (Constant), Kepercayaan_terhadap_koperasi, Kesadaran_Fungsi, Banyaknya_unit_usaha_koperasi, Kemudahan_Bertransaksi b. Dependent Variable: Keputusan_petani_berkoperasi

Berdasarkan Tabel 2 diatas, didapat nilai F nya ialah 18.023 dengan tingkat signifikansinya ialah 0 %. Hal ini dapat diintepretasikan bahwa model tersebut signifikan.

Tabel 3. Uji t
Coefficients
a

Unstandardized Coefficients Model 1 (Constant) B -1.935 Std. Error .398

Standardized Coefficients Beta

Kesadaran_Fungsi Kemudahan_Bertransaksi Banyaknya_unit_usaha_kope rasi Kepercayaan_terhadap_kope rasi

.060 .000 .086

.033 .020 .021

.168 -.001 .408

.117

.028

.420

a. Dependent Variable: Keputusan_petani_berkoperasi

Berdasarkan data pada Tabel 3 diatas, pada setiap koefisien diatas memiliki tingkat signifikansi yang berbeda-beda. Signifikansi dalam hal ini adalah kemampuan suatu variabel dalam mempengaruhi dependent variabelnya. Berdasarkan hasil di atas terdapat variabel yang tidak signifikan yakni adalah variabel kemudahan bertransakasi baik pada = 1 % maupun pada = 5 %. Sehingga variabel

Ilham Nugroho 0910440101

kemudahan bertransaksi memiliki pengaruh yang sedikit terhadap keputusan petani dalam berkoperasi. Berdasarkan hal di atas dapat disusun model sebagai berikut : Y = -1,935 + 0,060 X1 + 0 X2 + 0,086 X3 + 0,117 X4 atau Y = -1,935 + 0,060 X1 + 0,086 X3 + 0,117 X4 b. Analisis Metode Logit Tabel 4. Uji Negelkerke R Square
Model Summary Cox & Snell R Square .506 Nagelkerke R Square .743

Step 1

-2 Log likelihood 28.791

a. Estimation terminated at iteration number 8 because parameter estimates changed by less than ,001.

Untuk model logit, Uji Negelkerke R Square merupakan uji yang digunakan untuk mengetahui kemampuan suatu variabel independentnya dalam menjelaskan variabel dependentnya. Dalam hal ini kemampuan suatu variabel independentnya dalam menjelaskan variabel dependentnya adalah 74,3 %, dapat terlihat pada Negelkerke R Squarenya yakni sebesar 0,743. Tabel 5. Uji G (Chisquare)
Omnibus Tests of Model Coefficients

Chi-square Step 1 Step Block Model 46.515 46.515 46.515

df 4 4 4

Sig. .000 .000 .000

Dalam Model Logit untuk Uji G adalah menguji tingkat signifikansi suatu model. Berdasarkan data tabel diatas ditunjukkan tingkat signifikansinya adalah sebesar 0 sehingga dapat diintepretasikan bahwa model ini signifikan, untuk = 1% dan = 5 %.

Ilham Nugroho 0910440101

10

Tabel 6. Uji Wald

B Step 1
a

S.E. .591 .006 .389 .320 .463 .420 9.884

Wald 2.308 .000 6.312 7.868 8.575

df 1 1 1 1 1

Sig. .129 .985 .012 .005 .003

Exp(B) 1.806 1.006 3.200 3.251 .000

X1 X2 X3 X4 Constant

1.163 1.179 -28.943

a. Variable(s) entered on step 1: X1, X2, X3, X4.

Dalam Model Logit, uji Wald digunakan untuk menentukan persamaan suatu model dan mengetahui signifikansi setiap koefisien atau variabel independentnya. Dalam tabel diatas koefisein atau variabel independent yang tidak signifikan yakni kemudahan bertransaksi dengan nilai signifikannya ialah 0,985 baik untuk = 1% maupun = 5%. Dengan kata lain kemudahan bertransaksi sangat kecil pengaruhnya terhadap keputusan petani dalam berkoperasi. Dengan persamaan model dapat ditunjukan dibawah ini : Y = -28,943 + 0,591 X1 + 0,06 X2 + 1,163 X3 + 1,179 X4 Tabel 7. Block 0 pada Uji Likelihood
Iteration History
a,b,c

Coefficients Iteration Step 0 1 2 3 4 -2 Log likelihood 75.408 75.307 75.307 75.307 Constant .970 1.057 1.059 1.059

a. Constant is included in the model. b. Initial -2 Log Likelihood: 75,307 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.

Ilham Nugroho 0910440101

11

Tabel 8. Block 1 pada Uji Likelihood

Coefficients Iteration Step 1 1 2 3 4 5 6 7 8 a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 75,307 d. Estimation terminated at iteration number 8 because parameter estimates changed by less than ,001. -2 Log likelihood 42.049 32.386 29.417 28.832 28.792 28.791 28.791 28.791 Constant -9.742 -16.448 -22.602 -27.088 -28.774 -28.942 -28.943 -28.943 X1 .239 .369 .476 .556 .588 .591 .591 .591 X2 .000 -.011 -.017 -.007 .004 .006 .006 .006 X3 .343 .615 .890 1.088 1.157 1.163 1.163 1.163 X4 .467 .769 1.001 1.133 1.175 1.179 1.179 1.179

Dalam model Logit terdapat uji Likelihood, yang merupakan suatu model yang digunakan untuk mengetahui suatu model dapat digunakan dengan baik atau tidak. Dengan cara melihat nilai Block 0 dengan Block 1, jika nilai Block 0 > Block 1 maka model tersebut dapat digunakan dengan baik. Berdasarkan dua tabel diatas nilai rata-rata -2 log likelihood pada Block 0 > Block 1 sehingga dapat diartikan bahwa model tersebut dapat digunakan dengan baik. Tabel 9. Nilai rata-rata -2 log likelihood pada Block 0 dan Block 1 Block 1 Block 0 75.408 42.049 75.307 32.386 75.307 29.417 75.307 28.832 28.792 28.791 28.791 28.791
Ilham Nugroho 0910440101 12

75.332 3.3

30.981

Perbandingan antara Linier Probability Model dengan Model Logit Tabel 10. Perbandingan antara Model LPM dan Model Logit Model LPM Model Logit Uji Model Uji R Square (pada LPM) 54,2 % 74,3% atau Negelkerke R Square (pada logit) Uji F (pada LPM) atau Uji G Signifikan Signifikan (pada Logit) untuk = 1% dan = 5 % Uji t (pada LPM) dan Uji Signifikan untuk semua Signifikan untuk semua Wald (pada Logit) untuk = variabel kecuali kemudahan variabel kecuali kemudahan 5% bertransaksi bertransaksi
Y = -1,935 + 0,060 X1 + 0 X2 + 0,086 X3 + 0,117 X4 Y = -28,943 + 0,591 X1 + 0,06 X2 + 1,163 X3 + 1,179 X4

Dari beberapa uji diatas dapat ditentukan bahwa model Logit lebih tepat untuk menganalisis model probabilitas dilihat pada uji R Square dan persamaan model yang dihasilkan, karena lebih mampu menjelaskan suatu model dengan baik dari pada model LPM. 3.4 Analisis Hasil Simulasi Tabel 11. Tabel Simulasi
B ,591 ,006 1,163 1,179 -28,943 S.E. ,389 ,320 ,463 ,420 9,884 Wald 2,308 ,000 6,312 7,868 8,575 Sig. ,129 ,985 ,012 ,005 ,003

Simulasi-1:
Nilai Rata-Rata Xi 8,58 16,52 14,97 7,61

Simulasi-2: Kemuduran 5 % dr Rerata 8,15 15,69 14,22 7,23 0dd Ratio Pi 13,458 0,931

Simulasi-3: X Kemuduran 10% pada x3 dan x4 dr Rerata 8,58 16,52 13,47 6,85 2,786 0,736 0,966 0,491

Ilham Nugroho 0910440101

13

Berdasarkan tabel diatas dapat diintepretasikan bahwa odd ratio pada simulasi 1 (keadaan 1) ialah 13,458, simulasi 2 (keadaan 2) ialah 2,786 dan simulasi 3 (keadaan 3) ialah 0,966. Penuruanan yang terjadi pada simulasi 2 dan 3 dapat dijelaskan berikut ini, jika terjadi kemunduran dengan krakteristik pada simulasi 2 yakni kemunduran sebesar 5 % dari rerata semua variabel independentnya mampu menurunkan keputusan petani dalam berkoperasi sangat tajam yakni dari 13,458 menjadi hanya 2,786. Sedangkan apabila kemunduran hanya pada rerata x3 dan x4 yakni pada banyaknya unit koperasi dan kepercayaan terhadap koperasi dengan besarnya kemunduran sebesar 10% mampu menurunkan keputusan petani dalam berkoperasi sebesar 0,966. Sedangkan tingkat probabilitas atau kemungkinan dari keputusan petani dalam berkoperasi pada simulasi 1 ialah 93,1 %, simulasi 2 ialah 73,6 % dan simulasi 3 ialah 49,1 %. Dalam hal ini penjelasnnya hampir sama dengan odd ratio. Dimana simulasi dalam hal ini menunjukkan keadaan dimana terjadi penurunan maupun keadaan aktual (sebenarnya). Pada simulasi 1 merupakan keadaan sebenarnya (aktual) dengan kemungkinan petani dalam mengambil keputusan berkoperasi adalah sebesar 93,1 %, akan terjadi penurunan sebesar 73,6 % apabila terjadi penurunan sebesar 5 % dari rerata pada semua variabel independentnya. Keadaan ini terjadi pada simulasi 2. Demikian hal nya dengan simulasi 3 terjadi penurunan kemungkinan petani dalam mengambil keputusan berkoperasi apabila terjadi penurunan sebesar 10 % hanya pada rerata x3 dan x4 yakni pada banyaknya unit koperasi dan kepercayaan terhadap koperasi. Dari hasil intepretasi di atas dapat dijadikan sebagai bahan pertimbangan dalam mengambil keputusan maupun tindakan dalm kaitannya dengan pengambilan keputusan petani dalam berkoperasi.

Ilham Nugroho 0910440101

14

BAB IV KESIMPULAN

Berdasarkan hasil dari praktikum mengenai model LPM (Linear Probability Model) dan model logit untuk mengetahui dan menganalisis model probabilitas mana yang paling sesuai untuk digunakan, didapatkan bahwa model logit lebih baik dan lebih tepat untuk digunakan. Hal ini dikarenakan karena hasil rentangan nilai probabilitas dari model logit, yaitu berkisar antara 0 sampai dengan 1. Sedangkan untuk rentangan nilai probabilitas dari model LPM, yaitu berkisar antara di bawah 0 dan di atas 1. Berdasarkan pertimbangan tersebut dipilih model logit karena dengan model logit hasil analisisnya tidak bias karena sudah akan jelas karena rentangan nilai probabilitasnya adalah 0 sampai dengan 1. Dari model logit ini akan didapatkan nilai odd ratio dan nilai probabilitas (kemungkinanya). Nilai aktual odd ratio yang ditemukan adalah sebesar 13,458 jika terjadi kemunduran dengan krakteristik pada simulasi 2 yakni kemunduran sebesar 5 % dari rerata semua variabel independentnya mampu menurunkan keputusan petani dalam berkoperasi sangat tajam yakni dari 13,458 menjadi hanya 2,786. Sedangkan apabila kemunduran hanya pada rerata x3 dan x4 yakni pada banyaknya unit koperasi dan kepercayaan terhadap koperasi dengan besarnya kemunduran sebesar 10% mampu menurunkan keputusan petani dalam berkoperasi sebesar 0,966. Demikian hal nya dengan probabilitas dari keputusan petani dalam berkoperasi, akan turun seiring dengan turunya rerata pada setiap variabel independentnya.

Ilham Nugroho 0910440101

15

DAFTAR PUSTAKA

Anonymous.2011.http://katapekanini.blogspot.com. Diakses pada tanggal 23 April 2012 Anonymous. 2011. http://Litbang.go.id. Tebu. Diakses pada tanggal 23 April 2012 Djalal, Nachrowi dkk. 2002. Penggunaan Teknik Ekonometri Pendekatan Populer dan Praktis Dilengkapi Teknik Analisis dan Pengolahan data dengan Menggunakan Paket Program SPSS. Jakarta : PT. RajaGrafindo Persada Lains, Alfian. 2002. Ekonometrika Teori dan Aplikasi Jilid I. Jakarat : Pustaka LP3ES Indonesia

Ilham Nugroho 0910440101

16

LAMPIRAN
[DataSet0]
Variables Entered/Removed

Variables Model Entered

Variables Removed Method

Kepercayaan_ter hadap_koperasi, Kesadaran_Fung si, Banyaknya_unit_ usaha_koperasi, Kemudahan_Ber transaksi

. Enter

a. All requested variables entered. Model Summary

Adjusted R Model R
a

Std. Error of the Estimate

R Square

Square

.736

.542

.512

.30795

a. Predictors: (Constant), Kepercayaan_terhadap_koperasi, Kesadaran_Fungsi, Banyaknya_unit_usaha_koperasi, Kemudahan_Bertransaksi b. Dependent Variable: Keputusan_petani_berkoperasi ANOVA
b

Model

Sum of Squares

Df

Mean Square

Sig.
a

Regression

6.837

1.709

18.023

.000

Residual

5.785

61

.095

Total

12.621

65

a. Predictors: (Constant), Kepercayaan_terhadap_koperasi, Kesadaran_Fungsi, Banyaknya_unit_usaha_koperasi, Kemudahan_Bertransaksi

Ilham Nugroho 0910440101

17

Variables Entered/Removed

Variables Model Entered

Variables Removed Method

Kepercayaan_ter hadap_koperasi, Kesadaran_Fung si, Banyaknya_unit_ usaha_koperasi, Kemudahan_Ber transaksi

. Enter

b. Dependent Variable: Keputusan_petani_berkoperasi Coefficients

Standardized Unstandardized Coefficients Coefficients

Model

Std. Error

Beta

(Constant)

-1.935

.398

Kesadaran_Fungsi

.060

.033

.168

Kemudahan_Bertransaksi

.000

.020

-.001

Banyaknya_unit_usaha_kope rasi

.086

.021

.408

Kepercayaan_terhadap_kope rasi

.117

.028

.420

a. Dependent Variable: Keputusan_petani_berkoperasi Coefficients

Model

Sig.

(Constant)

-4.862

.000

Ilham Nugroho 0910440101

18

Kesadaran_Fungsi

1.782

.080

Kemudahan_Bertransaksi

-.011

.991

Banyaknya_unit_usaha_kope rasi

4.108

.000

Kepercayaan_terhadap_kope rasi

4.240

.000

a. Dependent Variable: Keputusan_petani_berkoperasi Residuals Statistics

Minimum

Maximum

Mean

Std. Deviation

Predicted Value Residual Std. Predicted Value Std. Residual

-.1992 -.95872 -2.904 -3.113

1.3352 .62010 1.828 2.014

.7424 .00000 .000 .000

.32431 .29832 1.000 .969

66 66 66 66

a. Dependent Variable: Keputusan_petani_berkoperasi

LOGISTIC REGRESSION VARIABLES Di /METHOD=ENTER X1 X2 X3 X4 /SAVE=PRED /PRINT=GOODFIT ITER(1) /CRITERIA=PIN(0.05) POUT(0.10) ITERATE(20) CUT(0.5).

Case Processing Summary

Unweighted Cases

Percent

Selected Cases

Included in Analysis

66

100.0

Missing Cases

.0

Total Unselected Cases Total

66 0 66

100.0 .0 100.0

Ilham Nugroho 0910440101

19

Case Processing Summary

Unweighted Cases

Percent

Selected Cases

Included in Analysis

66

100.0

Missing Cases

.0

Total Unselected Cases Total a.

66 0 66

100.0 .0 100.0

If weight is in effect, see classification table for the total number of cases.

Dependent Variable Encoding

Original Value Internal Value

.00 1.00

0 1

Block 0: Beginning Block

Coefficients

Iteration

-2 Log likelihood

Constant

Step 0

75.408

.970

75.307

1.057

Ilham Nugroho 0910440101

20

75.307

1.059

75.307

1.059

a. Constant is included in the model. b. Initial -2 Log Likelihood: 75,307 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001. Classification Table
a,b

Predicted

Keputusan_petani_berkoperasi

Observed

.00

1.00

Step 0

Keputusan_petani_berkopera .00 si 1.00

17

49

a. Constant is included in the model. b. The cut value is ,500 Classification Table
a,b

Predicted

Percentage Observed Correct

Step 0

Keputusan_petani_berkopera .00 si 1.00

.0

100.0

Overall Percentage a. Constant is included in the model.

74.2

Ilham Nugroho 0910440101

21

Iteration History

a,b,c

Coefficients

Iteration

-2 Log likelihood

Constant

Step 0

75.408

.970

75.307

1.057

75.307

1.059

75.307

1.059

a. Constant is included in the model. b. Initial -2 Log Likelihood: 75,307 b. The cut value is ,500 Variables in the Equation

S.E.

Wald

df

Sig.

Exp(B)

Step 0

Constant

1.059

.281

14.144

.000

2.882

Variables not in the Equation

Score

df

Sig.

Step 0

Variables

X1

5.004

.025

X2

7.773

.005

X3

21.748

.000

X4

25.580

.000

Overall Statistics

35.750

.000

Ilham Nugroho 0910440101

22

Block 1: Method = Enter

Coefficients

Iteration

-2 Log likelihood

Constant

X1

X2

X3

X4

Step 1

42.049

-9.742

.239

.000

.343

.467

32.386

-16.448

.369

-.011

.615

.769

29.417

-22.602

.476

-.017

.890

1.001

28.832

-27.088

.556

-.007

1.088

1.133

28.792

-28.774

.588

.004

1.157

1.175

28.791

-28.942

.591

.006

1.163

1.179

28.791

-28.943

.591

.006

1.163

1.179

8 a. Method: Enter

28.791

-28.943

.591

.006

1.163

1.179

b. Constant is included in the model. c. Initial -2 Log Likelihood: 75,307 d. Estimation terminated at iteration number 8 because parameter estimates changed by less than ,001. Omnibus Tests of Model Coefficients

Chi-square

df

Sig.

Step 1

Step

46.515

.000

Block

46.515

.000

Model

46.515

.000

Ilham Nugroho 0910440101

23

Model Summary

Cox & Snell R Step -2 Log likelihood

Nagelkerke R Square

Square

28.791

.506

.743

a. Estimation terminated at iteration number 8 because parameter estimates changed by less than ,001. Hosmer and Lemeshow Test

Step

Chi-square

df

Sig.

41.706

.000

Contingency Table for Hosmer and Lemeshow Test

Keputusan_petani_berkoperasi = ,00 Observed Expected

Keputusan_petani_berkoperasi = 1,00 Observed Expected Total

Step 1

6.872

.128

5.573

1.427

2.809

4.191

1.106

5.894

.406

6.594

.134

6.866

.072

6.928

.024

6.976

.005
a

10

9.995

10

Classification Table

Ilham Nugroho 0910440101

24

Predicted

Keputusan_petani_berkoperasi

Observed

.00

1.00

Step 1

Keputusan_petani_berkopera .00 si 1.00

14

48

a. The cut value is ,500 Classification Table

Predicted

Percentage Observed Correct

Step 1

Keputusan_petani_berkopera .00 si 1.00

82.4

98.0

Overall Percentage a. The cut value is ,500

93.9

Variables in the Equation

B
a

S.E.

Wald

df

Sig.

Exp(B)

Step 1

X1

.591

.389

2.308

.129

1.806

X2

.006

.320

.000

.985

1.006

X3

1.163

.463

6.312

.012

3.200

X4

1.179

.420

7.868

.005

3.251

Constant

-28.943

9.884

8.575

.003

.000

Ilham Nugroho 0910440101

25

Variables in the Equation

B
a

S.E.

Wald

df

Sig.

Exp(B)

Step 1

X1

.591

.389

2.308

.129

1.806

X2

.006

.320

.000

.985

1.006

X3

1.163

.463

6.312

.012

3.200

X4

1.179

.420

7.868

.005

3.251

Constant

-28.943

9.884

8.575

.003

.000

a. Variable(s) entered on step 1: X1, X2, X3, X4.

SAVE OUTFILE='C:\Users\lab6\Desktop\metkuan4.sav' /COMPRESSED.

Ilham Nugroho 0910440101

26