Faktor-Faktor Yang Mempengaruhi Kemiskinan Di Kabupaten Toba Samosir

FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN

DI KABUPATEN TOBA SAMOSIR

TUGAS AKHIR

MUHAMMAD IMAM

112407125

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA MEDAN

FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN

DI KABUPATEN TOBA SAMOSIR

TUGAS AKHIR

Diajukan Untuk Melengkapi Tugas dan Memenuhi Syarat Memperoleh Ahli Madya

MUHAMMAD IMAM

112407125

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA MEDAN

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Gambar viii

BAB 1. Pendahuluan 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 3

1.3 Batasan Masalah 4

1.4 Maksud dan Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Lokasi Penelitian 5

1.7 Metode Penelitian 5

1.8 Tinjauan Pustaka 6

1.9 Sistematika Penulisan 8

BAB 2. Landasan Teori 10

2.1 Pengetian Analisis Regresi 10

2.2 Persamaan Regresi 11

2.3 Analisis Regresi Linier Sederhana 13

2.5 Kesalahan Standar Estimasi 16

2.6 Koefisien Determinasi 17

2.7 Koefisien Korelasi 17

2.8 Uji Regresi Linier Berganda 21

2.9 Uji Koefisien Regresi Linier Berganda 22

BAB 3. Sejarah tempat riset 24

3.1 Sejarah Badan Pusat Statistik 24

3.2 Visi dan Misi BPS 24

3.3.1 Visi 24

3.3.2 Misi 24

3.3 Kedudukan 25

3.4 Tugas, Fungsi, dan Kewenangan BPS 25

3.4.1 Tugas 26

3.4.2 Fungsi 26

3.4.3 Kewenangan BPS 26

3.5 Landasan Hukum 27

3.6 Struktur Organisasi 28

3.7 Logo BPS 28

BAB 4. Pengolahan Data 29

4.1 Pengolahan Data 29

4.2 Persamaan Regresi Linear Berganda 30

4.3 Kesalahan Standar Estimasi 37

4.4 Koefisien Determinasi 39

4.5 Menghitung Koefisien Korelasi antara Variabel

4.6 Uji Regresi Linier Berganda 44

4.7 Uji Koefisien Regresi Linier Ganda 46

BAB 5. Implementasi Sistem 51

5.1 Pengertian Implementasi Sistem 51

5.2 SPSS dalam statistika 51

5.3 Mengaktifkan SPSS 52

5.4 Mengoperasikan SPSS 52

5.5 Input Data (Data View) 54

BAB 6. Kesimpulan dan Saran 62

6.1 Kesimpulan 62

6.2 Saran 62

Daftar Pustaka

DAFTAR TABEL

Nomor Judul Halaman

Tabel

2.1 Interpretasi Koefisien Korelasi Nilai r 28

4.1 Tingkat Kepadatan Penduduk Kabupaten Asahan tahun 2012 39 4.2 Nilai- nilai yang dibutuhkan untuk menghitung Koefisien

Regresi Linier Berganda 41

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

3.1 Logo BPS 37

5.1 Tampilan Pengaktifan Program Excel 62

5.2 Jendela Microsoft Excel 63

5.3 Input data dalam excel 65

5.4 Tampilan cara pengaktifan SPSS 66

5.5 Kotak Dialog Awal SPSS 67

5.6 Tampilan Awal Jendela Data View 67

5.7 Tampilan Sheet Variabel View 69

5.8 Tampilan Input Data Pada Data View 70 5.9 Pengolahan data dengan regresi linear 71

5.10 Jendela Regresi Linear 71

5.11 Tampilan Jendela Statistik Regresi Linier 72

5.12 Tampilan Regresi Plots 73

5.13 Uji Normalitas 73

BAB 1 PENDAHULUAN

1.1.Latar Belakang

Pembangunan ekonomi daerah adalah suatu proses di mana pemerintah daerah dan masyarakatnya mengelola sumber daya yang ada dan membentuk suatu pola kemitraan antara pemerintah daerah dengan sektor swasta untuk menciptakan suatu lapangan kerja baru dan merangsang perkembangan pertumbuhan ekonomi dalam wilayah tersebut. Salah satu indikator utama keberhasilan pembangunan adalah laju penurunan jumlah penduduk miskin.

Dalam upaya untuk mencapai tujuan pembangunan ekonomi daerah, pemerintah daerah dan masyarakatnya harus secara bersama-sama mengambil inisiatif pembangunan daerah. Efektivitas dalam menurunkan jumlah penduduk miskin merupakan pertumbuhan utama dalam memilih strategi atau instrumen pembangunan. Kemiskinan merupakan masalah kompleks tentang kesejahteraan yang dipengaruhi oleh berbagai faktor yang saling berkaitan, antara lain tingkat pendapatan masyarakat, pengangguran, kesehatan, pendidikan, akses terhadap barang dan jasa, lokasi, geografis, gender dan lokasi lingkungan.

Penyebab kemiskinan bermuara pada teori lingkaran kemiskinan (vicious

circle of poverty), yang dimaksud lingkaran kemiskinan adalah satu rangkaian

kekuatan yang saling mempengaruhi suatu keadaan di mana suatu negara akan tetap miskin dan akan banyak mengalami kesukaran untuk mencapai tingkat pembangunan yang lebih baik. Adanya keterbelakangan, ketertinggalan SDM

(yang tercermin oleh rendahnya IPM), ketidak sempurnaan pasar dan kurangnya modal menyebabkan rendahnya produktifitas. Rendahnya produktifitas mengakibatkan rendahnya pendapatan yang mereka terima (yang tercermin oleh rendahnya PDRB per kapita). Rendahnya pendapatan akan berimplikasi pada rendahnya tabungan dan investasi. Rendahnya investasi berakibat pada rendahnya akumulasi modal sehingga proses penciptaan lapangan kerja rendah (tercermin oleh tingginya jumlah pengangguran). Rendahnya akumulasi modal disebabkan oleh keterbelakangan dan seterusnya (Mudrajad, 1997).

Sadono (1997) mengemukakan bahwa perkembangan jumlah penduduk bisa menjadi faktor penghambat pembangunan karena akan menurunkan produktivitas, dan akan banyak terdapat pengangguran. Faktor lain yang juga berpengaruh terhadap tingkat kemiskinan adalah pendidikan sangat besar karena pendidikan memberikan kemampuan untuk berkembang lewat penguasaan ilmu dan keterampilan. Pendidikan juga menanamkan kesadaran akan pentingnya martabat manusia. Mendidik dan memberikan pengetahuan berarti menggapai masa depan. Hal tersebut harusnya menjadi semangat untuk terus melakukan upaya mencerdaskan bangsa (Suryawati, 2005).

PDRB merupakan salah satu indikator indikator pertumbuhan ekonomi suatu wilayah. PDRB adalah nilai bersih barang dan jasa-jasa akhir yang dihasilkan oleh berbagai kegiatan ekonomi di suatu daerah dalam suatu periode (Sasana, 2006). Semakin tinggi PDRB suatu daerah, maka semakin besar pula potensi sumber penerimaan daerah tersebut.

Kabupaten Toba Samosir merupakan salah satu Kabupaten di Sumatera Utara yang masih banyak terdapat penduduk miskin dan pada bidang

ketenagakerjaan masih tingginya angka pengangguran yang disebabkan antara lain tidak sebandingnya jumlah pertumbuhan angkatan kerja dengan laju pertumbuhan kesempatan kerja, serta rendahnya kompetensi tenaga kerja. Akibatnya, angkatan kerja yang begitu besar di Kabupaten Toba samosir belum terserap secara optimal oleh sektor-sektor formal.

Perkembangan ekonomi Kabupaten Toba Samosir tidak dapat dilepaskan dari kondisi ekonomi yang dialami oleh Provinsi Sumatera Utara. Sebagai salah satu daerah Kabupaten yang terletak di Provinsi Sumatera Utara, Kabupaten Toba Samosir menjadi pusat perekonomian dan pemerintahan dengan pertumbuhan ekonomi paling tinggi diantara daerah lainnya di Sumatera Utara.

Berdasarkan penjelasan di atas maka penulis mengambil judul tugas akhir yaitu “Analisis Faktor yang Mempengaruhi Kemiskinan di Kabupaten Toba Samosir”.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah di atas, perumusan masalah penelitian adalah mencari seberapa besar nilai pengaruh dan mana yang lebih dominan berpengaruh antara jumlah penduduk, pendapatan, dan pengangguran terhadap kemiskinan di Kabupaten Toba samosir.

1.3 Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti faktor yang mempengaruhi kemiskinan di Kabupaten Toba samosir dengan faktor-faktor yang mempengaruhi yaitu jumlah penduduk, pendapatan dan pengangguran. Data kuantitatif yang digunakan adalah data jumlah penduduk miskin, data jumlah penduduk, data pengangguran dan data pendapatan pada tahun 2007 sampai tahun 2012.

1.4 Maksud dan Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk membuktikan secaraempiris seberapa besar pengaruh jumlah penduduk, pendapatan dan pengangguran terhadap kemiskinan di Kabupaten Toba Samosir dari tahun 2007 sampai tahun 2012.

1.5 Manfaat Penelitian

Kontribusi yang dapat diambil dari penelitian ini adalah :

1. Kontribusi empiris pada pengaruh pendidikan, pendapatan dan pengangguran terhadap kemiskinan di Kabupaten Toba Samosir.

2. Konstribusi kebijakan untuk memberikan masukan bagi pemerintah pusat maupun daerah dalam hal penyusunan kebijakan di masa yang akan datang.

3. Konstribusi teori sebagai bahan referensi dan data tambahan bagi peneliti- peneliti lainnya yang tertarik pada bidang kajian ini.

1.6. Lokasi Penelitian

Penelitian dan riset data dilakukan di Badan Pusat Statistik Propinsi Sumatera Utara.

1.7 Metode Penelitian

Metode penelitian yaitu suatu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu

dapat terwujud. Metode penelitian yang digunakan penulis adalah dengan cara sebagai berikut:

a. Penelitian kepustakaan yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir.

b. Pengumpulan data untuk keperluan riset ini, telah dilakukan oleh penulis dengan menggunakan data sekunder yang diperoleh dari kantor Badan Pusat Statistik Propinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.8Tinjauan Pustaka

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan kita untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya (Algifari, 2000).

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan

persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dengan variabel independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

Bentuk hubungan antara variabel dapat searah atau dapat berlawanan arah. Hubungan antara variabel searah artinya perubahan nilai yang satu dengan nilai yang lain searah. Hubungan antara variabel berlawanan arah artinya perubahan nilai yang satu dengan nilai yang lain berlawanan arah. (Usman dkk. 1995).

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya (Sujana, 2001).

Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel bebas (variabel predictor) dan variabel tidak bebas (variabel respon). Variabel yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tidak bebas (Sujana, 2001.). Setelah mengetahui hubungan fungsional antara variabel-variabel dimana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut. Studi yang membahas derajat hubunan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi.

Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi (Iswardono, 1981). Jika kenaikan didalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positip. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatip. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan.

1.9Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dalam tugas akhir ini. Dalam penyusunan tugas akhir ini penulis membagi enam bab di mana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika penulisannya adalah sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang masalah, rumusan masalah, batasan masalah, tujuan, manfaat, metode penelitian dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi linier berganda, uji regresi linier berganda,koefisien determinasi dan korelasi regresi linier ganda serta uji koefisien regresi linier berganda.

BAB 3 : SEJARAH SINGKAT TEMPAT RISET

Bab ini menjelaskan tentang sejarah, visi, misi,kedudukan, tugas, fungsi dan struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara.

BAB 4 : PENGOLAHAN DATA

Bab ini menguraikan pengolahan data dengan menggunakan metode analisis regresi linier berganda, korelasi ganda, dan pengujian koefisien regresi linier berganda.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang digunakan untuk mengolah/menganalisis data. Penulis menggunakan program SPSS (Statistic Product andService Solution).

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan kesimpulan dari pembahasan serta saran-saran penulis berdasarkan kesimpulan yang di dapat.

BAB 2

LANDASAN TEORI

2.1 Pengertian Analisis Regresi

Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang pengetahuan, terutama para peneliti yang dalam penelitiannya banyak

menggunakan statistik sebagai dasar analisis maupun perancangan (Hartono, Drs.2004) maka dapat dikatakan bahwa statistik mempunyai pengaruh yang penting dan besar terhadap kemajuan berbagai bidang ilmu pengetahuan. Statistik harus dan penting dipelajari oleh para peneliti.

Regresi adalah suatu proses memperkirakan secara sistematis tantang apa yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memprediksi perubahan (Riduwan,Drs. M.B.A,2007). Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian analisis regresi juga dapat diartikan sebagai analisis perkiraan. Karena dapat merupakan suatu prediksi maka nilai prediksi tidak memberikan jawaban pasti tentang apa yang sedang dianalisis, semakin kacil tingkat penyimpangan antara nilai prediksi dengan nilai rilnya, maka semakin tepat persamaan regresi yang dibentuk. Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai

variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.

Ada beberapa defenisi regresi yang dapat dijabarkan yaitu :

1. Analisis regresi merupakan suatu teknik untuk membangun sebuah persamaan garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan (Mason, 1996:489)

2. Persamaan regresi adalah suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan variabel yang nilainya belum diketahui (Algifri, 2002: 2)

3. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bantuk persamaan matematik yang menyatakan hubungan fungsional antar variabel – variabel. (Sudjana, 2005: 310)

2.2 Persamaan Regresi

Model analisis regresi merupakan suatu model yang parameternya linier (biasanya fungsinya berbentuk garis lurus). Dan secara kuantitatif dapat digunakan untuk menganalisis pangaruh suatu variabel terhadap variabel lainnya. Analisis regresi menyangkut studi tentang hubungan antara suatu variabel Y yang disebut variabel respon atau variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya (Sugiyono.Dr,2010). Dan variabel X merupakan variabel predictor atau variabel independen yaitu variabel bebas (tidak dipengaruhi variabel lainnya).

Sifat hubungan antara variabel dalam persamaan regresi merupakan

hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan penganalisisan data untuk mengetahui apakah variabel – variabel tersebut

berkolerasi. Sehingga membentuk sebuah pola garis lurus seperti gambar 2.1 berikut ini:

Gambar 2.1 pola garis lurus

Antara variabel babas (X) dan variabel terikat (Y) membentuk pola sebuah garis yang lurus, dan dalam aflikasinya jika nilai X meningkat maka nilai Y juga akan meningkat, jika nilai X mengalami penurunan maka nilai Y juga akan mengalami penurunan. Untuk mengetahui hubungan – hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu:

1. Analisis Regresi Linier Sederhana (simple analisis regresi)

2.3 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu perubahan regresi linier untuk populasi adalah

Y= a + bx Dengan :

Y = Subyek dalam variabel dependen yang diprediksikan

X = Subyek pada variabel independen yang mempunyai nilai tertentu.

a = parameter intercept

b = parameter koefisien regresi variabel bebas

Persamaan model regresi sederhana hanya memungkinkan bila pengaruh yang ada itu hanya dari independent variabel (variabel bebas) terhadap dependent

variabel (variabel tak bebas). Jadi harga b merupakan fungsi dari koefisien

korelasi. Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila koefisien korelasi positif maka harga b juga positif (Sudjana,2005).

2.4 Analisis Regresi Linier Berganda

Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu variabel terikat (Y) dan satu variabel bebas (X) dengan satu predictor (a).

Pada regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan lebih dari satu untuk variabel bebas.

Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih terhadap variabel terikatnya. Dengan demikian multiple regression (regresi berganda) digunakan untuk untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika diarahkan untuk menguji variabel – variabel yang ada (Supranto.J.MA.2009).

Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi / perkiraan nilai Y dan nilai X. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:

k k

o

a

x

a

x

a

x

a

Y

_{1 1 2 2}

....

(2.2)

Dengan:

Y variabel tidak bebas (dependen)

k

o a

a ,..., koefisien regresi

k x

x₁,..., variabel bebas (indpenden)

) ( ... ... ... ) ( ... ) ( ... 2 2 1 1 2 2 2 2 2 1 1 2 2 1 2 1 2 2 1 1 1 1 2 2 1 1 1 ki k ki i ki i ki o i ki ki i k i i i i o i i ki i k i i i i o i i ki k i i o X a X X a X X a X a Y X X X a X a X X a X a Y X X X a X X a X a X a Y X X a X a X a n a Y (2.3)

Untuk kasus dua variabel persamaan regesinya dapat diestimasikan sebgai berikut

= b

0

+ b

1

X

1

+ b

2

X

2

+

e

i

(2.4)

Maka estimasinya adalah

b0 = (2.5)

b1 = (2.6)

b2 = (2.7)

Dengan :

= – (2.8)

= – (2.9)

= – (2.10)

= – (2.11)

= – (2.13)

2.5 Kesalahan Standart Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan rumus:

1 ) ( 2 ,..., 2 , 1 , k n Y Y

Sy k i

(2.14) Dengan:

Yi = nilai data hasil pengamatan

= nilai hasil regresi

n = ukuran sampel

k = banyak variabel bebas

2.6 Koefisien Determinasi

Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi keragaman total dalam

variabel tak bebes (Y) yang dapat dijelaskan atau diterangkan oleh variabel – variabel bebas (X) yang ada didalam model persamaan regresi linier berganda secara bersama – sama. Maka R2 akan ditentukan dengan rumus, yaitu:

R2 = ₂

y JKreg

(2.15)

Dengan:

JKreg = Jumlah Kuadrat Regresi

Harga R2 yang diperoleh sesuai dengan variansi yang dijelaskan masing – masing variabel yang tinggal dalam regresi.

2.7 Koefisien Korelasi

Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas, atau antara variabel bebas itu sendiri. Studi yang membahas derajat hubungan antara variabel – variabel tersebut dikenal dengan nama analisis korelasi

Analisis korelasi adalah alat statistik yang dapat digunakan untuk

mengetahui derajat hubungan linier antara satu variabel dengan variabel yang lain. Umumnya analisis korelasi digunakan, dalam hubungan dengan analisis regresi, untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel dependent.

Sandaran nilainya adalah, -1 1. Semakin tinggi nilai koefisien korelasi (semakin mendekati nilai 1) maka hubungan antara dua variabel tersebut

semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya semakin rendah. Adapun jika nilainya bertanda negative, maka terjadi hubungan yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel lain akan turun.

a. Korelasi Positif

Jika suatu korelasi bertanda positif r > 0 maka gambar grafiknya seperti ditunjukkan oleh gambar 2.2 berikut :

Gambar 2.2 korelasi positif

Terjadinya korelasi positif apabila pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus).

Jika suatu korelasi betanda negative r<0 maka contoh gambar grafikya seperti ditunjukkan oleh gambar berikut:

Gambar 2.3 korelasi negatif

Korelasi negative terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik).

Jika suatu korelasi tidak menunjukkan adanya hubungan r = 0 maka gambar grafiknya seperti ditunjukkan oleh gambar 2.4 berikut:

Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan variabel yang satu diikuti perubahan pada variabel yang lain dengan arah yang tidak teratur (acak).

Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “r”.

Bentuk umum korelasi adalah:

(2.16)

Tabel 2.1 Interpretasi Koefisien Korelasi nilai r

R Interpretasi

0

0,01 – 0,20

0,21 – 0,40

0,41 – 0,60

0,61 – 0,80

0,81 – 0,99

1

Tidak berkorelasi

Sangat rendah

Rendah

Agak rendah

Cukup

Tinggi

2.8 Uji Regresi Linier Berganda

Pengujian hipotesa bagi koefisien – koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel – variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas. Langkah – langkah pengujiannya sebagai berikut:

1. Menentukan Formulasi hipotesis

H0 : b1=b2=b3=…=bk = 0 (X1,X2,…,Xk tidak mempengaruhi Y)

H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan

nol atau mempengaruhi Y.

2. Menentukan taraf nyata dan nilai Ftabel dengan derajat kebebasan v1 = k dan

v2 = n-k-1

3. Menentukan kriteria pengujian H0 diterima bila Fhitung Ftabel

H0 ditolak bila Fhitung > Ftabel

4. Menentukan nilai statistic F dengan rumus

F =

(2.17)

Dengan:

JKreg = jumlah kuadrat regresi

JKres = jumlah kuadrat residu (sisa)

JKreg = b1∑y1x1i + b2∑y2x2i + …+ bk∑yixki

Dengan:

x1i = X1i - 1

x2i = X2i - 2

xki = Xki - k

JKreg = ∑ ( 1)2 (2.18)

5. Membuat kesimpulan apakah H0 diterima atau ditolak.

2.9 Uji Koefisien Regresi Linier Berganda Perumusan Hipotesa:

H0 : bi = 0 dimana i = 1,2,…,k (variabel bebas (X1 dan X2) tidak

mempengaruhi variabel dependen (Y))

Hi : bi 0 dimana i = 1,2,…,k (minimal ada satu parameter koefisien

regresi yang tidak sama dengan nol atau mempengaruhi

variabel dependen (Y))

Dengan:

Ttab dapat dilihat pada tabel distribusi t dengan derajat kebebasan (dk = n – k – 1 )

Kriteria Pengujian

H0 ditolak jika

t

hitung

> t

tabel

Bentuk kekeliruan baku koefisien bi, yaitu

:

=

(2.19)

Selanjutnya hitung Statistik t, yaitu:

=

(2.20)

BAB 3

SEJARAH TEMPAT RISET

1.1Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah lembaga negara non departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian,pertambangan,kependudukan,sosial,ketenagakerjaan,

keuangan,pendapatan, dan keagamaan. Selain hal – hal di atas BPS juga bertugas untuk melaksanakan koordinasi dilapangan, kegiatan statistik dari segenap instansi baik dipusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yangserupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi dan ukuran-ukuran lainnya.

1.2Visi dan Misi 1.2.1 Visi

Visi dari Badan Pusat Statistik adalah pelopor data statistik terpercaya untuksemua.

3.2.2 Misi

1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.

2. Menciptakan insan statistik yang kompeten dan profesional, didukung pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.

3. Meningkatkan penerapan standar klasifikasi, konsep dan

definisi,pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.

5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik yang diselenggarakan pemerintah dan swasta, dalam kerangka SistemStatistik Nasional (SSN) yang efektif dan efisien.

1.3Kedudukan

BPS Propinsi Sumatera Utara adalah Perwakilan Badan Pusat Statistik RI diPropinsi Sumatera Utara yang berada di bawah dan bertanggung jawab kepada Kepala BPS RI dan melaksanakan koordinasi dengan Kepala Daerah setempat.

1.4Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik

Tugas, fungsi, dan kewenangan BPS telah menetapkan dalam Keputusan Presiden RI (Keppres) Nomor 103 Tahun 2001. Dalam menjalankan tugas, fungsi, dan kewenangannya seperti tercantum di bawah ini. BPS juga dibatasi oleh 10 prinsipetika perstatistikaan yang tercantum dalam United Nations Fundamental principles of Official Statistics.

1.4.1 Tugas

Tugas BPS Propinsi Sumatera Utara adalah melaksanakan penyelenggaraan statistik dasar di Propinsi Sumatera Utara sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

1.4.2 Fungsi

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:

1. Pengkajian, penyusunan, dan perumusan kebijakan dibidang statistik. 2. Pengkoordinasian kegiatan statistik nasional dan regional.

3. Penetapan dan penyelenggaraan statistik dasar.

4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah dibidang kegiatan statistik, dan

5. Penyelenggaraan pembinaan dan pelayanan administrasi umum dibidang perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian,keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.

1.4.3 Kewenangan

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai kewenangan:

1. Penyusunan rencana nasional secara makro dibidangnya

2. Perumusan kebijakan dibidangnya untuk mendukung pembangunan secaramakro

3. Penetapan sistem informasi dibidangnya

4. Penetapan dan penyelenggaraan statistik nasional

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu:

a. Perumusan dan pelaksanaan kebijakan tertentu dibidang kegiatan statistik b. Penyusunan pedoman penyelenggaraan survei statistik sektoral.

1.5Landasan Hukum

1. Undang-Undang Nomor 16 Tahun 1997 tentang Statistik menjamin kepastian hukum bagi penyelenggara dan pengguna statistik baik pemerintah maupun masyarakat. Dengan adanya Undang-Undang Statistik ini maka kepentingan masyarakat pengguna statistik akan terjamin terutama atas nilai informasi yang diperolehnya.

2. Peraturan Pemerintah Republik Indonesia Nomor 51 Tahun 1999 tentang Penyelenggaraan Statistik yang mengamanatkan bahwa BPS berkewajiban menyelenggarakan kegiatan statistik dasar.

3. Keputusan Presiden Republik Indonesia Nomor 103 Tahun 2001 tentang Kedudukan, Tugas, Fungsi, Kewenangan, Susunan Organisasi, dan Tata Kerja Lembaga Pemerintah Non Departemen yang menetapkan kedudukan

BPS sebagai lembaga pemerintah non departemen yang mempunyai tugas menyelenggarakan kegiatan statistik dasar.

4. Keputusan Kepala Badan Pusat Statistik Nomor 121 Tahun 2001 tentang Organisasi dan Tata Kerja Perwakilan Badan Pusat Statistik di Daerah.

1.6 Struktur Organisasi

Bentuk strukur organisasi yang diterapkan Kantor Badan Pusat Statistik Propinsi Sumatera Utara adalah : Struktur Organisasi Garis (Line) dan staf. Wewenang mengenai tugas dan tanggung jawab perusahaan dipegang sepenuhnya olehpejabat pimpinan (Kepala Kantor). Selanjutnya mengenai urusan–urusan dalamfungsi organisasi atau perusahaan, pimpinan berwenang kepada pejabat staf (Kepala Bagian) yang memberikan bahan masukan kepada pimpinan dalam pengambilan keputusan dan tidak berwenang memberikan perintah kepada pegawai yang ada dalam organisasi walaupun seorang pegawai termasuk ke dalam satuan organisasi yang dipimpin oleh seorang pejabat lain. Berikut bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara.

3.7 Logo BPS

BAB 4

PENGOLAHAN DATA

4.1Data dan Pembahasan

Data merupakan alat untuk mengambil suatu keputusan atau untuk memecahkan suatu persoalan.Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut didasarkan atas data yang baik.Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan atau permasalahan. Untuk membahas dan memecahkan masalah tentang faktor yang mempengaruhi kemiskinan di Kota Tebing Tinggi seperti yang diuraikan sebelumnya, penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang dikumpulkan adalah data mengenai penduduk miskin, jumlah pendapatan, jumlah penduduk dan jumlah pengangguran di Kota Tebing Tinggi dari tahun 2007 sampai tahun 2012.

Table 4.1 Jumlah Penduduk Miskin,Pengangguran,Jumlah Penduduk dan Pendapatan di Kabupaten Toba Samosir tahun 2007-2012

Tahun

Jumlah Penduduk Miskin

Jumlah Pengangguran

Jumlah Penduduk

2007 20.5 15.59 171375

2008 19.78 14.08 172746

2009 17.34 14.5 175325

2010 17.6 13.49 173129

2011 15.5 9.5 174748

2012 16.4 8.45 174865

4.2Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung koefisien-koefisien regresinya dengan mencari penggandaan suatu variable dengan variabel lainnya.Dengan koefisien-koefisien yang didapat dari perhitungan-perhitungan yang ada, maka dapat ditentukan untuk mencari persamaan regresi linier bergandanya. Adapun nilai-nilai koefisiennya adalah sebagai berikut:

Tabel 4.2 Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda

Y

20.5 15.59 171375 319.595 3513187.5

19.78 14.08 172746 278.5024 3416915.88

17.34 14.5 175325 251.43 3040135.5

17.6 13.49 173129 237.424 3047070.4

15.5 9.5 174748 147.25 2708594

16.4 8.45 174865 138.58 2867786

= 107.12

= 75.61

1042188

= 1372.7814

= 18593689.28

Sambungan table 4.2

²

²

243.0481 29369390625 2671736 420.25

198.2464 29841180516 2432264 391.2484

210.25 30738855625 2542213 300.6756

181.9801 29973650641 2335510 309.76

90.25 30536863504 1660106 240.25

71.4025 30577768225 1477609 268.96

²= 995.1771

²= 181037709136

= 13119438

∑ y²=

1931.144

n = 6 = 18593689.28

= 107.12 = 995.1771

181037709136

= 1042188 = 13119438

Untuk kasus dua variabel, persamaan umum tersebut dapat diestimasikan sebagai berikut. Dari persamaan :

= b

0

+ b

1

X

1

+b

2

X

2

+

e

i (4.1)

Maka estimasinya adalah:

b

0

=

(4.2)

b

1

=

(4.3)

b

2

=

(4.4)

Dengan Rumus:

=

–

=

–

=

–

=

–

Maka diperoleh nilai sebagai berikut:

=

(4.5)

= 995,1771 –

= 995,1771 952,812

= 42,3651

∑ =

(4.6)

=181037709136

= 181037709136 –

= 181037709136 – 30172951522

= 150864757614

∑x1x2 = –

(4.7)

= 181037709136 –

= 181037709136 –13133305

∑x1 y = –

(4.8)

= 1372,7814 –

= 1372,7814 –1349,8905

= 22,8909

∑x2 y = –

(4.9)

= 18593689.28–

= 18593689,28 –18606530

= -12841

=

–

(4.10)

= 1931.144 –

=

1931,144 – 1912,448

Sehingga dapat dicari:

b

1

=

(4.11)

=

=

=

= 626753893579479

b

2

=

(4.12)

=

=

=

b

0

=

(

4.13)

=

=

=

= -498303,85

Dengan demikian diperoleh persamaan regresi linier berganda atas X1, X2 dan Y

sebagai berikut:

= b

0

+ b

1

X

1

+ b

2

X

2

+

e

i (4.14)

4.3 Kesalahan Standart Estimasi

Dengan didapat persamaan regresi linier bergandanya, maka dapat diketahui seberapa besar penyimpangan tingkat kemiskinan di Kabupaten Toba Samosir. Maka penyimpangan ataupun kesalahan standart estimasi dapat dicari sebagai berikut:

20.5

-8149.37

8169.868

66746745

19.78

-4230.44

4250.217

18064346

17.34

3146.095

-3128.76

9789108

17.6

-3135.89

3153.489

9944494

15.5

1488.825

-1473.33

2170687

16.4

1821.965

-1805.56

3260063

Dari tabel 4.3 diatas, maka dapat dihitung kesalahan standar estimasinya dengan menggunakan rumus sebagai berikut:

1 )

( 2

,..., 2 , 1 ,

k n

Y Y

Sy k i

Dengan :

∑(Y

- )

2

= 109975442

n = 6

k = 2

diperoleh

1 )

( 2

,..., 2 , 1 ,

k n

Y Y

S_{y k} i

(4.16)

Sy,1,2 =

Sy,1,2 =

Sy,1,2 =

Sy,1,2 = 6054,624

4.4 Koefisien Determinasi

Untuk mengetahui dan menganalisis seberapa besar pengaruh faktor – faktor yang mempengaruhi kemiskinan di Kabupaten Toba Samosir, maka dapat dilakukan perhitungan sebagai berikut:

∑yx1 = –

(4.17)

= 1372,7814 –

= 1372,7814 –1349,8905

= 22,8909

∑x2 y = –

(4.18)

= 18593689,28 –

= 18593689,28 –18606529,76

=

–

(4.19)

= 1931,144 –

= 1931,144 – 1912,449

= 18,695

=

+

(4.20)

= ((1,1417 x 22,8909) + (2,8694 x -12840,48)) = 26,13454053 + (-36844,47)

= -36818,3

Dengan demikian dapat diperoleh nilai

=

(4.21)

=

=

-1969,420

R

=

Dari perhitungan diatas, diperoleh koefisien korelasinya (R) adalah sebesar 44,3778. Sedangkan koefisien determinasinya (R2) adalah sebesar -1969,420. Nilai tersebut digunakan untuk mengetahui persentase pengaruh variabel independen terhadap perubahan variabel dependen.

4.5 Menghitung Koefisien Korelasi antara Variabel Dependen (Y) dengan Variabel Independen (X)

Untuk mengukur seberapa besar hubungan variabel depanden (Y) terhadap variabel independen (Xi). Dapat dilihat dari seberapa besarnya nilai koefisien

korelasinya, yaitu:

1 Koefisien korelasi antara Y (Tingkat Kepadatan Penduduk) dengan X1

(Luas Wilayah)

ryx1 = _{2 2 2}

1 2 1 1 1 1

Y

Y

n

X

X

n

Y

X

Y

X

n

(4.22) =

=

–

=

=

= 0,004817 = 0,004

Nilai positif nenandakan hubungan yang searah antara Y (jumlah penduduk miskin) dengan X1 (jumlah pengangguran), artinya peningkatan Y (jumlah

penduduk miskin) akan meningkatkan X1 (jumlah pengangguran), dan sebaliknya

penurunan Y (jumlah penduduk miskin) akan menurunkan X1 (jumlah

pengangguran). Hubungan anatara Y (jumlah penduduk miskin) dengan X1

(jumlah pengangguran), tergolong rendah, ini ditandai dengan nilai r yang rendah yaitu sebesar 0,004

2. Koefisien korelasi antara Y (tingkat kepadatan penduduk) dengan X2

(jumlah PUS yang menikah)

ryx1 = _{2 2 2}

2 2 2 2 2

Y

Y

n

X

X

n

Y

X

Y

X

n

(4.23) =

=

– –

=

=

= 0,975

Nilai yang positif menandakan hubungan yang searah antara Y (jumlah penduduk miskin) dengan X2 (jumlah pengangguran), artinya peningkatan Y (jumlah

penduduk miskin) akan meningkatanX2 (jumlah pengangguran), dan sebaliknya

penurunan Y (jumlah penduduk miskin) akan menurunkan X2 (jumlah

pengangguran). Hubungan antar Y dengan X2 tergolong tinggi, ini ditandai

BAB 5

IMPLEMENTASI SISTEM

5.1Pengertian Implementasi Sistem

Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil desain tertulis ke dalam programming.Dalam pengolahan data dalam hal ini menggunakan software IBM SPSS 20 for windows sebagai implementasi system dalam memperoleh hasil perhitungan.

5.2SPSS dalam Statistika

SPSS (Statistic Package for Service Solution) merupakan salah satu paket program komputer yang digunakan dalam mengolah data statistik. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user, sehingga SPSS yang sebelumnya disingkat dari Statistical Package for the Social Sciences berubah menjadi Statistical Product and Service Solutions. Penggunaan SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.

5.3Mengaktifkan SPSS

Harus dipastikan terlebih dahulu bahwa SPSS telah terinstal pada komputer. Jika pada menu pilihan windows sudah tersedia SPSS, maka SPSS dapat dibuka dengan cara memilih menu start kemudian klik IBM SPSS 20, seperti gambar berikut

5.4 Mengoperasikan SPSS

Setelah mengklik pilihan IBM SPSS 20, maka akan muncul tampilan jendela seperti gambar berikut ini:

Gambar 5.2 Tampilan Jendela Awal SPSS

5.4Input Variabel (Variable View)

Setelah jendela Variable View terbuka, maka lakukan pengisian variabel-variabel yang akan dianalisis seperti berikut:

a. Name : digunakan untuk memberikan nama variable b. Type : digunakan untuk menentukan tipe data c. Width : digunakan untuk menentukan lebar kolom d. Decimals : digunakan untuk memberikan nilai decimal e. Label : digunakan untuk memberi nama variable

f. Value : digunakan untuk menjelaskan nilai datapada kolom g. Missing : digunakan untuk menentukan data yanghilang h. Columns : digunakan menentukan lebar kolom

i. Align : digunakan untuk menentukan rata kanan,kiri, atau tengah j. Measure : digunakan untuk menentukan tipe atauukuran data,

yaitu nominal, ordinal atauskala.

5.5Input Data (Data View)

Setelah selesai mengisi Variable View, klik pilihan Data View dan masukkan data berdasarkan jenis variabel yang telah didefinisikan terlebih dahulu pada Variable View.

Gambar 5.4 Tampilan Jendela Data View

5.6Pengolahan Data dengan Analisis Regresi

Pada layar kerja Data View, klik Analyze yang terdapat pada menu kemudian pilih Regression dan klik Linier, seperti gambar 5.5 dibawah ini:

Kemudian dilanjutkan untuk melengkapi jendela-jendela Linier Regression. Pada kotak dependen isikan variabel Y (jumlah penduduk miskin) sedangkan pada kotak independen isikan dengan variabel X1 (jumlah pengangguran),X2(jumlah

penduduk) dan X3(pendapatan). Pilih Methode: Enter, seperti pada gambar 5.6

berikut

23Gambar 5.6 Tampilan Jendela Regresi Linier

Kemudian klik Statistics dan pilih Estimates, Durbin Watson,Descriptive, dan Collinierity Diagnostics, lalu klik continue, seperti gambar 5.7 berikut ini:

Kemudian dilanjutkan dengan memilih Plots, maka pada layar akan tampak tampilan Windows Linier Regression: Plots. Masukkan variable SDRESID pada kotak pilihan Y, dan masukkan variabel ZPRED pada kotak pilihan X. Pada kolom Standarized Residual Plots pilih Histogram dan Normal Probability Plots.Pilih continue kemudian klik OK.

Gambar 5.8 Tampilan Jendela Regresi Linier Plot

Dilanjutkan klik Save dan pilih Residual Standardized dan terakhir klik OK, seperti gambar 5.9 di bawah ini:

Descriptive Statistics

Mean Std. Deviation N Jlh_Penduduk_Miskin 17.8533 1.93365 6 Jlh_pengangguran 12.6017 2.91084 6 Jlh_Penduduk 173698.00 1532.182 6 Pendapatan 3316267.7900 731809.30723 6

Variables Entered/Removeda

Model Variables Entered Variables Removed Method 1 Pendapatan, Jlh_Penduduk, Jlh_penganggur anb

. Enter

a. Dependent Variable: Jlh_Penduduk_Miskin b. All requested variables entered.

Correlations

Jlh_Penduduk _Miskin

Jlh_penganggu ran

Jlh_Penduduk Pendapatan

Pearson Correlation

Jlh_Penduduk_Miskin 1.000 .813 -.867 -.880 Jlh_pengangguran .813 1.000 -.622 -.947 Jlh_Penduduk -.867 -.622 1.000 .710 Pendapatan -.880 -.947 .710 1.000

Sig. (1-tailed)

Jlh_Penduduk_Miskin . .024 .013 .010 Jlh_pengangguran .024 . .094 .002 Jlh_Penduduk .013 .094 . .057 Pendapatan .010 .002 .057 .

N

Jlh_Penduduk_Miskin 6 6 6 6

Jlh_pengangguran 6 6 6 6

Jlh_Penduduk 6 6 6 6

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .945a .893 .732 1.00129 1.981 a. Predictors: (Constant), Pendapatan, Jlh_Penduduk, Jlh_pengangguran

b. Dependent Variable: Jlh_Penduduk_Miskin

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 16.690 3 5.563 5.549 .156b Residual 2.005 2 1.003

Total 18.695 5 a. Dependent Variable: Jlh_Penduduk_Miskin

b. Predictors: (Constant), Pendapatan, Jlh_Penduduk, Jlh_pengangguran

Coefficientsa

Model Unstandardized Coefficients

Standardized Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) 129.804 70.136 1.851 .205

Jlh_pengangguran .030 .493 .045 .061 .957 .097 10.290 Jlh_Penduduk -.001 .000 -.493 -1.462 .281 .472 2.121

Pendapatan -1.287E-006 .000 -.487 -.590 .615 .079 12.712 a. Dependent Variable: Jlh_Penduduk_Miskin

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index

Variance Proportions (Constant) Jlh_pengangg

uran

Jlh_Penduduk Pendapatan

1

1 3.919 1.000 .00 .00 .00 .00

2 .079 7.023 .00 .03 .00 .02

3 .001 61.708 .01 .95 .01 .81

4 1.620E-005 491.893 .99 .02 .99 .17 a. Dependent Variable: Jlh_Penduduk_Miskin

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N Predicted Value 15.6137 20.5490 17.8533 1.82701 6 Std. Predicted Value -1.226 1.475 .000 1.000 6 Standard Error of Predicted

Value .630 .979 .811 .117 6

Adjusted Predicted Value 14.2514 20.6391 17.7017 2.61248 6 Residual -.91008 .78631 .00000 .63327 6 Std. Residual -.909 .785 .000 .632 6 Stud. Residual -1.411 1.298 -.003 1.052 6 Deleted Residual -2.23384 2.41242 .15165 2.04754 6 Stud. Deleted Residual -15.644 2.313 -2.252 6.653 6 Mahal. Distance 1.144 3.945 2.500 .944 6 Cook's Distance .003 1.387 .646 .528 6 Centered Leverage Value .229 .789 .500 .189 6 a. Dependent Variable: Jlh_Penduduk_Miskin

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai berikut:

1. Persamaan regresi linier berganda yang diperoleh adalah: B0=-498303,85 b1=1,41 b2=2,86

2. Koefisien determinasi adalah -1969,420

3. Berdasarkan gambar histogram dan normal P-P Plot of Regression Standardlized Residual pada lampiran dapat juga dipastikan bahwa model regresi tersebut memenuhi asumsi normalitas

6.2 Saran

Penulis memberikan beberapa saran terhadap hasil penelitian sebagai berikut: 1. Semoga pemerintah dapat mengambil tindak cepat untuk mengatasi

DAFTAR PUSTAKA

Algifari.2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta : BPFE

BPS Provinsi Sumatera Utara. Kabupaten Toba Samosir Dalam Angka 2013.

Medan : BPS Provinsi Sumatera Utara

Sudjana. 2001. Metode Statistika. Bandung: Tarsito.

Sadono Sukirno. 1997. Ekonomi Pembangunan, jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.

Mudrajad Kuncoro. 1997 Ekonomi Pembangunan, Teori Masalah, dan Kebijakan, Edisi ketiga, Yogyakarta: UPP AMP YKPN

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .945a .893 .732 1.00129 1.981

a. Predictors: (Constant), Pendapatan, Jlh_Penduduk, Jlh_pengangguran b. Dependent Variable: Jlh_Penduduk_Miskin

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 16.690 3 5.563 5.549 .156b

Residual 2.005 2 1.003

Total 18.695 5

a. Dependent Variable: Jlh_Penduduk_Miskin

b. Predictors: (Constant), Pendapatan, Jlh_Penduduk, Jlh_pengangguran

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) 129.804 70.136 1.851 .205

Jlh_pengangguran .030 .493 .045 .061 .957 .097 10.290

Jlh_Penduduk -.001 .000 -.493 -1.462 .281 .472 2.121

Pendapatan -1.287E-006 .000 -.487 -.590 .615 .079 12.712 a. Dependent Variable: Jlh_Penduduk_Miskin

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index

Variance Proportions (Constant) Jlh_pengangg

uran

Jlh_Penduduk Pendapatan

1

1 3.919 1.000 .00 .00 .00 .00

2 .079 7.023 .00 .03 .00 .02

3 .001 61.708 .01 .95 .01 .81

4 1.620E-005 491.893 .99 .02 .99 .17

a. Dependent Variable: Jlh_Penduduk_Miskin

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 15.6137 20.5490 17.8533 1.82701 6

Std. Predicted Value -1.226 1.475 .000 1.000 6

Standard Error of Predicted

Value .630 .979 .811 .117 6

Adjusted Predicted Value 14.2514 20.6391 17.7017 2.61248 6

Residual -.91008 .78631 .00000 .63327 6

Std. Residual -.909 .785 .000 .632 6

Stud. Residual -1.411 1.298 -.003 1.052 6

Deleted Residual -2.23384 2.41242 .15165 2.04754 6 Stud. Deleted Residual -15.644 2.313 -2.252 6.653 6

Mahal. Distance 1.144 3.945 2.500 .944 6

Cook's Distance .003 1.387 .646 .528 6

Centered Leverage Value .229 .789 .500 .189 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai

berikut:

1.

Persamaan regresi linier berganda yang diperoleh adalah:

B0=-498303,85 b1=1,41

b2=2,86

2.

Koefisien determinasi adalah -1969,420

3.

Berdasarkan gambar histogram dan normal P-P Plot of Regression

Standardlized Residual pada lampiran dapat juga dipastikan bahwa

model regresi tersebut memenuhi asumsi normalitas

6.2 Saran

Penulis memberikan beberapa saran terhadap hasil penelitian sebagai berikut:

1. Semoga pemerintah dapat mengambil tindak cepat untuk mengatasi

kemiskinan di Kabupaten Toba Samosir

DAFTAR PUSTAKA

Algifari.2000.

Analisa Regresi Teori, Kasus dan Solusi, Edisi 2

. Yogyakarta :

BPFE

BPS Provinsi Sumatera Utara.

Kabupaten Toba Samosir Dalam Angka 2013.

Medan : BPS Provinsi Sumatera Utara

Sudjana. 2001.

Metode Statistika

. Bandung: Tarsito.

Sadono Sukirno. 1997. Ekonomi Pembangunan, jakarta: Lembaga Penerbit

Fakultas Ekonomi Universitas Indonesia.

Mudrajad Kuncoro. 1997 Ekonomi Pembangunan, Teori Masalah, dan

Kebijakan, Edisi ketiga, Yogyakarta: UPP AMP YKPN