Pendahuluan

Energi merupakan salah satu komponen penting dalam mendukung aktivitas ekonomi dan pembangunan suatu negara. Selama beberapa dekade terakhir, konsumsi energi berbasis bahan bakar fosil seperti gas alam masih menjadi sumber energi utama di banyak negara. Namun, penggunaan energi fosil secara terus-menerus dapat menimbulkan berbagai permasalahan, seperti keterbatasan sumber daya serta dampak negatif terhadap lingkungan.

Seiring meningkatnya kesadaran global terhadap isu lingkungan dan keberlanjutan, penggunaan energi terbarukan mulai menjadi perhatian utama dalam kebijakan energi di berbagai negara. Energi terbarukan seperti tenaga surya, angin, dan air dianggap lebih ramah lingkungan serta berpotensi menggantikan sebagian penggunaan energi fosil dalam jangka panjang.

Peningkatan konsumsi energi terbarukan diharapkan dapat mengurangi ketergantungan terhadap energi berbasis fosil, termasuk gas alam. Dengan semakin berkembangnya teknologi energi bersih, banyak negara mulai meningkatkan investasi serta penggunaan energi terbarukan dalam sistem energi mereka.

Berdasarkan hal tersebut, penelitian ini bertujuan untuk menganalisis pengaruh konsumsi energi terbarukan terhadap konsumsi gas pada berbagai negara menggunakan metode regresi linear sederhana.

Deskripsi Data

Data yang digunakan dalam penelitian ini merupakan data sekunder yang memuat informasi mengenai konsumsi energi terbarukan dan konsumsi gas pada berbagai negara.

Variabel dependen dalam penelitian ini adalah Gas Consumption (Gas_Y) yang menunjukkan tingkat konsumsi gas pada masing-masing negara. Sementara itu, variabel independen adalah Renewable Energy Consumption (Renewable_X) yang menggambarkan tingkat konsumsi energi yang berasal dari sumber terbarukan.

Data yang digunakan berbentuk cross-section, di mana setiap observasi merepresentasikan satu negara. Seluruh data kemudian dianalisis menggunakan metode regresi linear sederhana untuk melihat pengaruh konsumsi energi terbarukan terhadap konsumsi gas.

Persiapan Data

Data dibaca dari file Excel kemudian dilakukan pengecekan nama variabel serta tipe data. Variabel yang akan digunakan dalam analisis regresi adalah Renewable Energy Consumption (Renewable_X) sebagai variabel independen dan Gas Consumption (Gas_Y) sebagai variabel dependen.

library(readxl)

data1 <- read_excel("D:/Downloads/Statistika Undip/Semester 6/Data Konsumsi Energi Terbarukan dan Konsumsi Gas.xlsx")

Selanjutnya dilakukan penyesuaian nama variabel agar lebih mudah digunakan dalam analisis.

names(data1) <- c("Country","Renewable_X","Gas_Y")
names(data1)
## [1] "Country"     "Renewable_X" "Gas_Y"

Variabel yang akan digunakan dalam model regresi harus bertipe numerik. Oleh karena itu dilakukan konversi tipe data pada variabel konsumsi energi terbarukan dan konsumsi gas.

data1$Renewable_X <- as.numeric(data1$Renewable_X)
data1$Gas_Y <- as.numeric(data1$Gas_Y)

Langkah berikutnya adalah menampilkan sebagian data untuk memastikan data telah terbaca dengan benar.

head(data1)
## # A tibble: 6 × 3
##   Country    Renewable_X Gas_Y
##   <chr>            <dbl> <dbl>
## 1 Algeria           0.27  2.67
## 2 Argentina        14.1   2.65
## 3 Australia        15.0   2.6 
## 4 Austria          40.1   1.84
## 5 Azerbaijan        2.32  2.18
## 6 Bangladesh        1.01  2.45

Ringkasan Data

summary(data1)
##    Country           Renewable_X        Gas_Y      
##  Length:69          Min.   : 0.01   Min.   :0.600  
##  Class :character   1st Qu.: 7.89   1st Qu.:1.620  
##  Mode  :character   Median :14.98   Median :2.180  
##                     Mean   :17.90   Mean   :2.123  
##                     3rd Qu.:24.55   3rd Qu.:2.670  
##                     Max.   :72.09   Max.   :3.950

Visualisasi Data

Visualisasi dilakukan untuk melihat pola hubungan antara konsumsi energi terbarukan dan konsumsi gas. Scatter plot digunakan untuk mengetahui apakah terdapat kecenderungan hubungan antara kedua variabel.

plot(data1$Renewable_X, data1$Gas_Y,
     pch=19,
     col="steelblue",
     xlab="Renewable Energy Consumption",
     ylab="Gas Consumption",
     main="Scatter Plot Renewable Energy vs Gas Consumption")

Scatter plot di atas menunjukkan sebaran data antara konsumsi energi terbarukan dan konsumsi gas pada berbagai negara. Pola sebaran titik dapat memberikan gambaran awal mengenai arah hubungan antar variabel sebelum dilakukan pemodelan regresi.

Model Regresi

Hubungan antara konsumsi energi terbarukan dan konsumsi gas dianalisis menggunakan model regresi linear sederhana dengan persamaan sebagai berikut:

\[ Y = \beta_0 + \beta_1 X + \varepsilon \]

dengan:

  • \(Y\) : Gas Consumption
  • \(X\) : Renewable Energy Consumption
  • \(\beta_0\) : intercept
  • \(\beta_1\) : koefisien regresi
  • \(\varepsilon\) : error

Model regresi kemudian diestimasi menggunakan fungsi lm() pada R.

model <- lm(Gas_Y ~ Renewable_X, data = data1)
summary(model)
## 
## Call:
## lm(formula = Gas_Y ~ Renewable_X, data = data1)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.57297 -0.39972 -0.00674  0.44711  1.69571 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  2.499943   0.138051  18.109  < 2e-16 ***
## Renewable_X -0.021068   0.006038  -3.489 0.000861 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.7132 on 67 degrees of freedom
## Multiple R-squared:  0.1538, Adjusted R-squared:  0.1411 
## F-statistic: 12.18 on 1 and 67 DF,  p-value: 0.0008609

Berdasarkan hasil estimasi model regresi diperoleh persamaan sebagai berikut:

\[ Gas_Y = 2.4999 + -0.0211 \times Renewable\_X \]

Interpretasi koefisien regresi adalah sebagai berikut:

  • Intercept (2.499943) menunjukkan nilai konsumsi gas ketika konsumsi energi terbarukan bernilai nol.
  • Koefisien Renewable_X (-0.021068) menunjukkan bahwa setiap peningkatan satu satuan konsumsi energi terbarukan akan menurunkan konsumsi gas sebesar 0.021068 satuan, dengan asumsi faktor lain konstan.

Nilai p-value sebesar 0.000861 menunjukkan bahwa variabel konsumsi energi terbarukan memiliki pengaruh yang signifikan terhadap konsumsi gas pada tingkat signifikansi 5%.

Uji Asumsi Model Regresi

Sebelum melakukan interpretasi lebih lanjut, model regresi perlu diuji apakah telah memenuhi asumsi klasik regresi linear.

Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah residual model regresi berdistribusi normal.

error <- model$residuals
ks <- ks.test(error, "pnorm", mean(error), sd(error))
ks
## 
##  Exact one-sample Kolmogorov-Smirnov test
## 
## data:  error
## D = 0.054786, p-value = 0.9786
## alternative hypothesis: two-sided

Interpretasi:

Nilai p-value = 0.9786.

Jika p-value > 0,05 maka residual berdistribusi normal sehingga asumsi normalitas terpenuhi.

Uji Homoskedastisitas

Uji ini dilakukan untuk mengetahui apakah varians residual bersifat konstan.

library(lmtest)
## Warning: package 'lmtest' was built under R version 4.3.3
## Warning: package 'zoo' was built under R version 4.3.3
bp <- bptest(model)
bp
## 
##  studentized Breusch-Pagan test
## 
## data:  model
## BP = 0.0097142, df = 1, p-value = 0.9215

Interpretasi:

Nilai p-value = 0.9215.

Jika p-value > 0,05 maka tidak terjadi heteroskedastisitas sehingga asumsi homoskedastisitas terpenuhi.

Uji Non-Autokorelasi

Uji autokorelasi dilakukan menggunakan uji Durbin-Watson.

dw <- dwtest(model)
dw
## 
##  Durbin-Watson test
## 
## data:  model
## DW = 1.819, p-value = 0.2214
## alternative hypothesis: true autocorrelation is greater than 0

Interpretasi:

Nilai statistik Durbin-Watson = 1.819 dengan p-value = 0.2214.

Nilai DW yang mendekati 2 menunjukkan bahwa tidak terdapat autokorelasi pada residual model regresi.

Uji Signifikansi

Uji F

Uji F digunakan untuk mengetahui apakah model regresi secara keseluruhan signifikan.

anova(model)
## Analysis of Variance Table
## 
## Response: Gas_Y
##             Df Sum Sq Mean Sq F value    Pr(>F)    
## Renewable_X  1  6.194  6.1938  12.175 0.0008609 ***
## Residuals   67 34.084  0.5087                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Nilai p-value F pada model regresi adalah 12.18.

Interpretasi:

Jika p-value < 0,05 maka model regresi signifikan secara keseluruhan dalam menjelaskan hubungan antara variabel independen dan variabel dependen.

Uji t

Uji t digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen.

summary(model)$coefficients
##                Estimate  Std. Error   t value     Pr(>|t|)
## (Intercept)  2.49994258 0.138050741 18.108868 1.645949e-27
## Renewable_X -0.02106774 0.006037787 -3.489316 8.608985e-04

Interpretasi:

Nilai koefisien untuk Renewable Energy Consumption adalah -0.0211 dengan p-value 8.609^{-4}.

Jika p-value < 0,05 maka variabel konsumsi energi terbarukan berpengaruh signifikan terhadap konsumsi gas.

Koefisien Determinasi

Koefisien determinasi digunakan untuk mengukur seberapa besar variasi variabel dependen dapat dijelaskan oleh variabel independen.

summary(model)$r.squared
## [1] 0.1537768

Nilai R² = 0.154.

Interpretasi:

Sekitar 15.38% variasi konsumsi gas dapat dijelaskan oleh konsumsi energi terbarukan dalam model regresi, sedangkan sisanya dipengaruhi oleh faktor lain di luar model.

Persamaan Model Regresi

Berdasarkan hasil estimasi regresi linear sederhana diperoleh model sebagai berikut:

\[ Gas\_Y = 2.4999 - 0.0211 \times Renewable\_X \]

Interpretasi koefisien regresi:

  • Nilai intercept sebesar 2.4999 menunjukkan nilai konsumsi gas ketika konsumsi energi terbarukan bernilai nol.

  • Koefisien Renewable Energy Consumption sebesar -0.0211 menunjukkan bahwa setiap peningkatan satu satuan konsumsi energi terbarukan akan mengubah konsumsi gas sebesar -0.0211 satuan dengan asumsi variabel lain konstan.

Distribusi Residual

hist(model$residuals,
     main="Histogram Residual",
     xlab="Residual")

Kesimpulan

Berdasarkan hasil analisis regresi linear sederhana, diperoleh bahwa variabel Renewable Energy Consumption memiliki nilai p-value sebesar 8.609^{-4}.

Karena p-value < 0,05, maka konsumsi energi terbarukan berpengaruh signifikan terhadap konsumsi gas.

Nilai koefisien determinasi sebesar 0.154 menunjukkan bahwa sekitar 15.38% variasi konsumsi gas dapat dijelaskan oleh konsumsi energi terbarukan dalam model regresi. Sisanya dipengaruhi oleh faktor lain yang tidak dimasukkan dalam model penelitian ini.

Secara umum, hasil penelitian menunjukkan bahwa peningkatan penggunaan energi terbarukan cenderung berkaitan dengan perubahan pada tingkat konsumsi gas pada berbagai negara.