PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI DAN MUTU TEMBAKAU TEMANGGUNG DENGAN KOMBINASI ANTARA GENERALIZED LEAST SQUARE DAN REGRESI RIDGE

Transkripsi

1 Seminar Tugas Akhir PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI DAN MUTU TEMBAKAU TEMANGGUNG DENGAN KOMBINASI ANTARA GENERALIZED LEAST SQUARE DAN REGRESI RIDGE Oleh: Nyimas Yusna Aeni ( ) Pembimbing: Dr. Sutikno, S.Si, M.Si Co. Pembimbing: Dr. Ir. Djumali, MP J u r u s a n S t a t i s t i k a F a k u l t a s M a t e m a t i k a d a n I l m u P e n g e t a h u a n A l a m I n s t i t u t Te k n o l o g i S e p u l u h N o p e m b e r S u r a b a y a

2 AGENDA Pendahuluan Tinjauan Pustaka Metodologi Penelitian Hasil & Pembahasan Kesimpulan & Saran 2

3 3

4 Latar Belakang Komoditas terpenting Pendapatan Nasional Sumber pendapatan petani Penyedia lapangan pekerjaan Tembakau temanggung Bahan baku rokok kretek Pemberi rasa & aroma khas Kadar Nikotin tertinggi Volume permintaan tinggi Produksi dan mutu jenis tembakau, jenis tanah, ketinggian lokasi tanam, iklim/cuaca, pemeliharaan tanaman, dan pengolahan hasil pasca panen Produksi belum memenuhi kebutuhan Mutu tembakau menentukan harga jual Dipasok dari jenis lainnya Semakin bagus mutunya, harga jual semakin mahal 4

5 Penelitian tembakau Temanggung Faktor yang mempengaruhi produksi dan mutu tembakau Temanggung Wiroatmodjo dan Najib (1995) Pengaruh dosis nitrogen dan kalium terhadap produksi dan mutu tembakau temanggung Nurnasari dan Djumali (2010) Pengaruh kondisi ketinggian tempat terhadap produksi dan mutu tembakau temanggung Regresi Berganda dengan OLS elevasi, WHC, prosentase kerikil dalam tanah, prosentase carbon-organik dalam tanah, prosentase nitrogen dalam tanah, kandungan fosfor dalam tanah, kandungan kalium dalam tanah, prosentase pasir dalam tanah, prosentase debu dalam tanah, prosentase liat dalam tanah, dan bobot isi tanah Autokorelasi Multikolinearitas kombinasi durbin watson dua tahap dan regresi ridge (Jen dan Hsu, 1977) Tidak ada multikolinearitas & autokorelasi Kombinasi Durbin Watson dan regresi ridge; Kombinasi AR(1) residual dan regresi ridge; Kombinasi Cochrane-Orcutt iterative procedure dan regresi ridge 5

6 Bagaimana karakteristik produksi dan mutu tembakau temanggung dan faktor-faktor yang diduga mempengaruhi-nya? Bagaimana menyusun model terbaik antara faktor-faktor yang berpengaruh terhadap produksi dan mutu tembakau temanggung dengan menggunakan kombinasi GLS dan regresi ridge? Mendeskripsikan karakteristik produksi dan mutu tembakau temanggung dan faktor-faktor yang diduga mempengaruhi-nya. Menyusun model terbaik antara faktorfaktor yang berpengaruh terhadap produksi dan mutu tembakau temanggung dengan menggunakan menggunakan kombinasi GLS dan regresi ridge. 6

7 Manfaat penelitian ini adalah dapat mengembangkan metode regresi ridge dalam mengatasi kasus multikolinearitas dan kasus autokorelasi pada permasalahan pertanian. Di samping itu membantu Balai Penelitian Tanaman Pemanis dan Serat (BALITTAS) Malang dalam upaya mengembangkan budidaya tanaman tembakau temanggung. Faktor lingkungan yang digunakan dalam penelitian ini adalah elevasi (ketinggian) dan faktor tanah. Koefisien korelasi ( ) diduga dengan menggunakan nilai durbin watson, pendekatan AR(1) residual, dan Cochrane-Orcutt iterative procedure. 7

8 8

9 ANALISIS REGRESI Analisis regresi merupakan analisis untuk mendapatkan hubungan antara variabel respon dan satu atau lebih variabel prediktor k 0 j ij i j 1 Y i X Ordinary Least Square (OLS) Meminimumkan Sum Square Error (SSE). Penduga parameter adalah: b ( X' X ) 1 X' Y 9

10 Asumsi Normalitas Pengujian kenormalan residual dapat diketahui dengan menggunakan uji Kolmogorov-Smirnov. Apabila asumsi residual berdistribusi normal ini tidak dipenuhi, maka pengujian parameter regresi dengan menggunakan statistik uji t dan statistik uji F hanya valid untuk sampel yang besar namun tidak valid pada sampel kecil. Asumsi Homoskedastisitas Yaitu varians residual bersifat identik atau tidak membentuk pola tertentu. Deteksi : scatterplot antara residual dan nilai estimasi respon dan uji Glejser Konsekuensi apabila asumsi homoskedastisitas tidak terpenuhi adalah penduga OLS masih tetap tak bias dan konsisten, namun tidak lagi efisien (varians membesar/tidak minimum) dan selang kepercayaan menjadi membesar yang mengakibatkan statistik uji t dan F memberikan hasil yang tidak akurat 10

11 Asumsi Autokorelasi Tidak terjadi autokorelasi apabila residual bersifat independen (antar residual tidak terdapat hubungan) Konsekuensi apabila terjadi autokorelasi sama halnya dengan apabila asumsi homoskedastisitas terlanggar yaitu penduga OLS yang dihasilkan masih tetap tak bias dan konsisten, namun tidak lagi efisien (varians membesar/tidak minimum) dan selang kepercayaan menjadi membesar yang mengakibatkan statistik uji t dan F memberikan hasil yang tidak akurat Deteksi : Uji Durbin Watson d hitung n i 2 ( e i n i 1 e e 2 i i 1) 2 H 0 ditolak, terdapat autokorelasi positif Daerah tidak dapat disiputuskan Daerah tidak dapat disiputus -kan H 0 ditolak, terdapat autokorelasi negatif Gagal tolak H 0 0 d L d U 4-d U 4-d L d

12 Asumsi Multikolinearitas Yaitu terjadinya hubungan linear yang tinggi diantara variabel-variabel rediktor. Deteksi: - Analisis Korelasi dikatakan memiliki keeratan hubungan jika nilai koefisien korelasi mendekati -1 atau 1 - Variance Inflation Factor (VIF) yang tinggi (lebih dari 10) Konsekuensi apabila terjadi kasus multikolinearitas : -Uji secara serentak dihasilkan minimal ada satu parameter yang signifikan, namun pada uji secara parsial tidak ada minimal satu parameter yang siginifikan. -Penduga OLS dan standar error yang dihasilkan akan sensitif pada perubahan kecil dalam data. 12

13 Pengujian Signifikansi Parameter Tujuan: untuk mengetahui apakah parameter menunjukkan hubungan yang nyata antara variabel prediktor dan variabel respon untuk mengetahui kelayakan parameter yang menerangkan model regresi. Uji Serentak Uji Parsial 13

14 Hipotesis: H 0 : β 1 =β 2 = =β k =0 H 1 : minimal terdapat satu β j 0, j= 1,2,3,,k Statistik uji : MSR F Hitung MSE H 0 ditolak apabila F Hitung > F α(k,n-k-1) Hipotesis: H 0 : β j = 0 H 1 : β j 0, j= 1,2,3,,k Statistik uji : t Hitung b stdev ( bj H 0 ditolak apabila t Hitung > t (α/2,n-k) j ) 14

15 Generalized Least Square Generalized Least Square (GLS) merupakan salah satu metode estimasi parameter yang digunakan untuk mengatasi adanya autokorelasi apabila nilai koefisien autokorelasi diketahui. apabila nilai tidak diketahui maka dikenal dengan Feasible Generalized Least Square (FGLS). Yi 0 1X i i (1) Diasumsikan residual mengikuti AR(1), Persamaan (2.16) pada saat (t-1) yaitu: Menambahkan (2.18) dengan, sehingga: Pengurangan (2.19) dari (2.16) menghasilkan: Y Y ) (1 ) ( X ; (2) dimana i i * * * * Sehingga, Yi 1 2 X i ui (6) dimana, ui ( 1 ) Y i i 1 u i 1 0 1X i 1 i 1 Y i 1 1 i 1 0 1X i 1 i 1 ( i i i X i 1 ) Y * i X * i ( Y i ( X Y i i 1 X ) i 1 ) u i (3) (4) (5) (7) 15

16 diduga berdasarkan nilai Durbin Watson ˆ 1 d 2 Pendugaan nilai diduga dari AR(1) Residual Meregresikan residual t dengan t-1 ˆ.ˆ i i 1 v i diduga dengan Cochrane-Orcutt Iterative Procedure Meregresikan residual i dengan i-1 hingga diperoleh nilai koefisien autokorelasi yang tidak banyak berubah (konstan). 16

17 REGRESI RIDGE Regresi ridge merupakan salah satu metode yang ditujukan untuk mengatasi masalah buruk (ill-conditioned) yang diakibatkan oleh adanya korelasi yang tinggi antara beberapa variabel bebas sehingga menyebabkan matriks X T X hampir singular yang pada gilirannya menghasilkan nilai dugaan parameter model yang tidak stabil, misalnya nilai dugaan bisa mempunyai tanda yang salah atau jauh lebih besar dari yang diperkirakan menurut pertimbangan fisik maupun praktis (Draper dan Smith, 1998). Dalam menduga parameter regresi Ridge digunakan metode kuadrat terkecil dengan cara menambahkan sebuah tetapan bias θ. Nilai θ berada diantara selang 0 sampai 1. Penduga regresi ridge: b F ( ) ( F T F I r ) 1 F T Y 17

18 Penentuan Nilai θ Pemilihan nilai θ merupakan masalah yang perlu diperhatikan agar dapat memperoleh tetapan bias yang diinginkan. Apabila θ=0 maka : b F ( ) ( F T Xr F I ) 1 F T Y sehingga penduga akan bernilai sama dengan penduga kuadrat terkecil. Apabila θ>0, koefisien penduga ridge akan bias terhadap parameter, tetapi cendrung lebih stabil dari pada penduga kuadrat terkecil. 18

19 Membuat Ridge Trace, yaitu plot dari penduga regresi ridge terhadap berbagai kemungkinan nilai θ dan memeriksa grafik sebarannya. 19

20 TEMBAKAU TEMANGGUNG Bahan baku rokok kretek Pemberi rasa & aroma khas Kadar nikotin tinggi Faktor-faktor yang mempengaruhi produksi dan mutu tembakau temnanggung Jenis tembakau, jenis tanah, ketinggian lokasi tanam, iklim/cuaca, pemeliharaan tanaman, dan pengolahan hasil pasca panen 20

21 PENELITIAN SEBELUMNYA Wiroatmodjo dan Najib (1995) Nurnasari dan Djumali (2010) Pengaruh dosis nitrogen dan kalium terhadap produksi dan mutu tembakau temanggungdimana diperoleh bahwa kalium dan nitrogen berpengaruh terhadap mutu dan produksi tembakau Pengaruh kondisi ketinggian tempat terhadap produksi dan mutu tembakau temanggung diperoleh lokasi tumbuh dan unsur lingkungan berpengaruh terhadap mutu dan produksi tembakau temanggung.

22 22

23 Data sekunder BALITTAS Karangploso Malang (Mei - Agustus 2010) Data produksi dan mutu tembakau temanggung di 61 lokasi yang berada di Kabupaten Temanggung beserta faktor-faktor yang mempengaruhi produksi dan mutu tembakau temanggung 23

24 Variabel Penelitian Y 1 = Produksi tembakau Temanggung (kg/ha) Y 2 = Mutu tembakau Temanggung X 1 = Elevasi (m diatas permukaan laut) X 2 = Water holding capacity (mm/m) X 3 = Persentase kerikil dalam tanah (%) X 4 = Persentase Karbon Organik dalam tanah (%) X 5 = Persentase Nitrogen dalam tanah (%) X 6 = Kandungan Fosfor dalam tanah (mg/kg) X 7 = Kandungan Kalium dalam tanah (me/100 g) X 8 = Persentase pasir dalam tanah (%) X 9 = Persentase debu dalam tanah (%) X 10 = Persentase liat dalam tanah (%) X 11 = Bobot isi tanah (g/cm3) 24

25 Metode Analisis Data Mengenai karakteristik produksi dan mutu tembakau temanggung dan faktor-faktor yang diduga mempengaruhinya digunakan statistika deskriptif Menyusun model untuk faktor-faktor yang berpengaruh terhadap produksi dan mutu tembakau temanggung, langkah-langkahnya : 1) Menyususn model regresi antara faktor-faktor yang mempengaruhi produksi dan mutu tembakau temanggung dengan metode OLS 2) Mendeteksi kasus multikolinearitas yaitu dengan cara melihat nilai korelasi antara variabel prediktor dan nilai VIF. 3) Mendeteksi kasus autokorelasi dengan uji durbin watson. 4) Melakukan pendugaan nilai koefisien autokorelasi ( ) berdasarkan nilai durbin watson, AR(1) residual, dan Cochrane-Orcutt iterative procedure. 5) Melakukan transformasi variabel (X* dan Y*) sesuai persamaan (11). 6) Melakukan regresi ridge pada data yang sudah ditransformasi pada langkah (5). 7) Melakukan pendeteksian multikolinearitas dan autokorelasi pada model 8) Memilih metode yang dapat mengatasi adanya autokorelasi sekaligus multikolinearitas dengan kriteria nilai durbin watson yang mendekati atau berada dalam selang d u <dw<4-d u dan nilai VIF kurang dari

26 Data Faktor-faktor produksi produksi dan mutu tembakau temanggungtemanggung (Y) Data faktor-faktor produksi dan mutu tembakau temanggungtemanggung (X) 26 Melakukan regresi OLS antara Y dan X DIAGRAM ALIR Uji Multikolinea r-itas dan Autokorelasi Ya Tidak Pendugaan nilai koefisien autokorelasi ( ) Melakukan transformasi variabel (Y* dan X*) Melakukan regresi ridge antara Y* dan X* Menentukan nilai θ Mencari persamaan regresi ridge Menghitung nilai VIF masing-masing variabel prediktor dan nilai statistik hitung Durbin Watson Mendapatkan model terbaik 26

27 27

28 Deskripsi Variabel Mean Varian Minimum Maximum Produksi Mutu Variabel Mean Varian Minimum Maximum Elevasi WHC % Kerikil %Carbon Organik % Nitrogen Fosfor Kalium % Pasir % Debu % Liat Bobot Isi

29 Identifikasi Hubungan Antara Variabel Prediktor dan Variabel Respon 800 X1 X2 X3 X X5 X6 X7 X X1 X2 X3 X4 Y ,15 0,30 0, X X10 3 X11 X5 X6 X7 X Y ,6 1,2 1,8 0,15 0,30 0, X9 X10 X ,6 1,2 1,8 29

30 Korelasi Antara Variabel Respon dan Variabel Prediktor Variabel Y1 Y2 X a (0.755) b X (0.266) (0.002) X (0.803) X (0.972) (0.056) X (0.387) (0.052) X (0.049) (0.837) X (0.640) (0.001) X (0.178) X (0.117) (0.002) X (0.657) (0.001) X (0.086) (0.035) 30

31 Korelasi Antar Variabel Prediktor X2 X1 X2 X3 X4 X5 X6 X7 X8 X9 X a b X X X (0.025) (0.052) Banyak variabel prediktor yang saling berkorelasi MULTIKOLINEARITAS X (0.332) (0.005) (0.099) (0.677) (0,803) X (0.010) (0.177) (0.509) (0.803) (0.512) (0.053) X (0.036) (0.316) X (0.004) (0.016) (0.012) (0.475) X (0.577) (0.210) X (0.007) (0.043) (0.153) (0.051)

32 Pendugaan Model Regresi dengan Metode OLS Pemodelan Model OLS R 2 Produksi Ŷ = X X X X X X X7 24.5% X X X10-45 X11 Mutu Ŷ = X X2 63.8% X X X X X X X X X11 32

33 Uji Signifikansi Parameter Source of Sum of Mean df Variation Square Square F hitung P-Value Regression Error Total Source of Sum of Mean df Variation Square Square F hitung P-Value Regression Error Total Parameter Dugaan t hitung P-value β β β β β β β β β β β β Parameter Dugaan t hitung P-value β β Β β β β β β β β β β

34 Variabel VIF X X X X X X X X X X X Terjadi kasus multikolinearitas 34

35 Uji Asumsi Residual Uji Normalitas Residual Percent 99, , RESI Mean -1,56552E-13 StDev 81,67 N 61 KS 0,102 P-Value 0,110 Residual Berdistribusi Normal Uji Autokorelasi Uji Durbin Watson dw hitung = (d U = dan d L =1.1936) tidak dapat disimpulkan, nilai dw hitung berada di dalam selang d U dan d L. Uji Heteroskedastisitas Uji Glejser Parameter Dugaan t hitung P-value β β β β β β β β β β β β Tidak ada parameter yang berpengaruh signifikan Residual Identik/Homoskedastisitas 35

36 Uji Asumsi Residual Uji Normalitas Residual Percent 99, ,1-5,0-2,5 0,0 RESI2 2,5 5,0 Mean 2,626678E-14 StDev 1,787 N 61 KS 0,101 P-Value 0,119 Residual Berdistribusi Normal Uji Autokorelasi Uji Durbin Watson dw hitung = (d U = dan d L =1.1936) tidak dapat disimpulkan, nilai dw hitung berada di dalam selang d U dan d L. Uji Heteroskedastisitas Uji Glejser Parameter Dugaan t hitung P-value β β Β β β β β β β β β β Tidak ada parameter yang berpengaruh signifikan Residual Identik/Homoskedastisitas 36

37 Pendugaan Model Regresi Produksi dengan Kombinasi GLS dan Regresi Ridge Metode Koefisien Autokorelasi ( ) Durbin Watson AR(1) Residual cochrane orcutt iterative procedure

38 Kombinasi Durbin Watson dan Regresi Ridge Parameter Dugaan VIF β β β β β β β β β β β β

39 Model dan Nilai RMSE Pemodelan Produksi dengan Kombinasi antara GLS dan Regresi Ridge Model RMSE Ŷ = X X X X X X X X X X X Ŷ = X X X X X X X X X X X11 Ŷ = X X X X X X X X X X X Nilai Durbin Watson Kombinasi Ketiga Metode dalam Pemodelan Produksi Metode Durbin Watson dan Regresi Ridge AR(1) Residual dan Regresi Ridge Cochrane Orcutt Iterative Procedure dan Regresi Ridge Nilai d u = dan d L = Nilai Koefisien Autokorelasi ( ) Nilai Durbin Watson (d)

40 Model regresi produksi tembakau temanggung terbaik: Ŷ = X X X X X X X X X X X11 40

41 Pendugaan Model Regresi Mutu dengan Kombinasi GLS dan Regresi Ridge Metode Koefisien Autokorelasi ( ) Durbin Watson AR(1) Residual cochrane orcutt iterative procedure

42 Kombinasi Durbin Watson dan Regresi Ridge Parameter Dugaan VIF β β β β β β β β β β β β

43 Model dan Nilai RMSE Pemodelan Mutu dengan Kombinasi antara GLS dan Regresi Ridge Model RMSE Ŷ = X X X X X X X X X X X Ŷ = X X X X X X X X X X X Ŷ = X X X X X X X X X X X Nilai Durbin Watson Kombinasi Ketiga Metode dalam Pemodelan Mutu Metode Durbin Watson dan Regresi Ridge AR(1) Residual dan Regresi Ridge Cochrane Orcutt Iterative Procedure dan Regresi Ridge Nilai d u = dan d L = Nilai Koefisien Autokorelasi ( ) Nilai Durbin Watson

44 Model regresi mutu tembakau temanggung terbaik: Ŷ = X X X X X X X X X X X11 44

45 45

46 Rata-rata produksi tembakau Temanggung di Kabupaten Temanggung pada bulan Mei-Agustus 2010 adalah 688,77 kg/hektar dan rata-rata mutu tembakau Temanggung yang dihasilkan adalah sebesar 14,54. Elevasi terendah yang digunakan sebagai lahan tanam tembakau Temanggung adalah 557 m dpl dan tertinggi m dpl, sehingga dapat disimpulkan bahwa wilayah Kabupaten Temanggung baik di kawasan rendah maupun tinggi dijadikan sebagai lahan tanam tembakau. Tanah di Kabupaten Temanggung mengandung lebih banyak persentase pasir dibandingkan kerikil, debu, dan liat, selain itu kandungan karbon organik dan nitrogen dalam tanah di Kabupaten Temanggung beragam di setiap lokasi. Kombinasi metode Durbin Watson dan regresi ridge memberikan hasil yang terbaik karena dapat mengatasi adanya autokorelasi sekaligus multikolinearitas pada pemodelan produksi tembakau Temanggung. Namun pada pemodelan mutu tembakau, kasus yang mampu diatasi adalah multikolinearitas, sedangkan kasus autokorelasi masih belum teratasi. Nilai koefisien autokorelasi dengan pendekatan Durbin Watson untuk pemodelan produksi sebesar 0,16922, sedangkan untuk pemodelan mutu sebesar 0, Variabel yang berpengaruh terhadap produksi tembakau adalah kandungan karbon organik dalam tanah, kalium dalam tanah, dan bobot isi tanah. Sementara variabel yang berpengaruh terhadap mutu tembakau adalah persentase kerikil dalam tanah, kandungan kalium dalam tanah, dan persentase pasir dalam tanah. 46

47 Pada penelitian selanjutnya disarankan untuk melakukan pendugaan koefisien autokorelasi dengan pendekatan lainnya dan melakukan analisis dengan memperhatikan efek lokasi. Selain itu, juga dilakukan penelitian untuk mencari kadar/persentase karbon organik, kalium, dan bobot isi tanah yang dapat memaksimalkan produksi tembakau Temanggung serta mencari kadar/persentase kerikil, pasir, dan kalium yang dapat memaksimalkan mutu tembakau Temanggung. 47

48 Daftar Pustaka Basuki, S., Rochman, F., dan Yulaikah, S Biologi Tembakau Temanggung. Monograf Tanaman Tembakau Temanggung. Malang: Balai Penelitian Tanaman Tembakau dan Serat. Daniel, W. W Statistika Nonparametrik Terapan. Jakarta: PT Gramedia. Draper, N dan H. Smith Applied Regression Analysis, Third Edition. New York: John Wiley & Sons, Inc. Isdijoso, S. H. dan Mukani Usaha Tani, Kelambagaan, dan Pemasaran Tembakau Temanggung. Monograf Tanaman Tembakau Temanggung. Malang: Balai Penelitian Tanaman Tembakau dan Serat. Gujarati, D. N Bacic Econometrics, Fourth Edition. USA: The McGraw Hill Companies. Hoerl, A.E., Kennard, R.W., dan Baldwin, K.F Ridge Regression, some simulation. Communication in Statistics, A4, Jen, J. dan Hsu, C Multicollinearity, Autocorrelation, and Ridge Regression.Canada: The University of British Columbia. e=1 [Diakses pada 10 April 2012 Pukul WIB]. 48

49 Daftar Pustaka (Lanjutan) McVay, Kent A. & Rice, Charles W Soil Organic carbon and The Global Carbon Cycle. Kansas: Kansas State University. [Diakses pada 21 Februari 2012 Pukul WIB]. Montgomery, D.C. dan Peck, E.A Introduction to Linear Regression Analysis, Second Edition. New York: John Wiley & Sons, Inc. Nurnasari, E. dan Djumali Pengaruh Kondisi Ketinggian Tempat Terhadap Produksi dan Mutu Tembakau Temanggung. Buletin Tanaman Tembakau, Serat dan Minyak Industri Volume 2 Nomor 2 Sutanto, R Dasar-Dasar Ilmu Tanah Konsep Dan Kenyataan. Yogyakarta: Kanisius. Sutedjo, M.M dan A.G. Kartasapoetra Pengantar Ilmu Tanah. Jakarta: PT Rineka Cipta. Wiroatmodjo, J. dan Najib, M Pengaruh Dosis Nitrogen dan Kalium Terhadap Produksi dan Mutu Tembakau Temanggung Pada Tumpang Sisip Kubis-Tembakau Di Pujon Malang. Jurnal Agronomi Indonesia Volume 23 Nomor 2. 49

50 50

51 Correlations: Produksi; Mutu Pearson correlation of Produksi and Mutu = 0,160 P-Value = 0,218 51

52 Kombinasi AR(1) Residual dan Regresi Ridge Parameter Dugaan VIF β β β β β β β β β β β β

53 Kombinasi Cochrane-Orcutt Iterative Procedure Regresi Ridge Parameter Dugaan VIF β β β β β β β β β β β β

54 Kombinasi AR(1) Residual dan Regresi Ridge Parameter Dugaan VIF β β β β β β β β β β β β

55 Kombinasi Cochrane-Orcutt Iterative Procedure Regresi Ridge Parameter Dugaan VIF β β β β β β β β β β β β