Faktor - Faktor yang Mempengaruhi Hasil Produksi Padi Di Kota Medan Pada Tahun 2002-2011

(1)

TUGAS AKHIR

RANDY SEPTIADI

112407082

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA


(2)

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

RANDY SEPTIADI

112407082

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014


(3)

Judul :Faktor - Faktor yang Mempengaruhi Hasil

Produksi Padi Di Kota Medan Pada Tahun 2002-2011 Kategori :Tugas Akhir

Nama :Randy Septiadi

Nomor Induk Mahasiswa :112407082 Program Studi :D3 Statistika Departemen :Matematika

Fakultas :Matematika dan Ilmu Pengetahuan Alam

Disetujui di Medan, Juli 2014

Disetujui oleh

Ketua Program Studi D3 Statistika Dosen Pembimbing Ketua,

Dr. Faigizuduhu Bu’ulölö, M.Si Drs.Gim Tarigan, M.Si NIP. 19531218 198003 1 003 NIP. 19550202 198601 1 001


(4)

FAKTOR - FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADIDI KOTA MEDAN PADA

TAHUN 2002-2011

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya

Medan, Juli 2014

RANDY SEPTIADI 112407082


(5)

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan maha penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir dengan judul “FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI KOTA MEDAN PADA TAHUN 2002-2011”.

Terima kasih penulis sampaikan kepada bapak Drs.Gim Tarigan,M.Si selaku Pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr.Suwarno Ariswoyo selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si.PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan dosen Program Studi D3 Statistika FMIPA USU, pegawai dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Misral dan Ibu Sumiati, dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan, semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis


(6)

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Lampiran vii

Bab 1. Pendahuluan

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Maksud Dan Tujuan Penelitian 3

1.4 Batasan Masalah 3

1.5 Tinjauan Pustaka 4

1.6 Metodologi Penelitian 5

1.7 Sistematika Penulisan 6

Bab 2. Landasan Teori

2.1 Pengertian Regresi 9

2.2 Analisa Regresi Linier 10

2.3 Analisa Regresi Liniear Sederhana 12 2.4 Analisis Regresi Liniear Berganda 13

2.5 Koefisien Determinasi 16

2.6 Koefisien Korelasi 17

2.7 Uji Regresi Linier Berganda 21 Bab 3. Gambaran Umum Badan Pusat Statistik

3.1 Sejarah Singkat Badan Pusat Statistik 23 3.2 Logo Intstansi Badan Pusat Statistik 23 3.3 Visi dan Misi Badan Pusat Statistik 24 3.3.1 Visi Badan Pusat Statistik 25 3.3.2 Misi Badan Pusat Statistik 25 3.4 Struktur Organisasi Badan Pusat Statistik 25

3.5 Job Description 26

Bab 4. Analisis dan Pengolahan Data


(7)

4.5 Koefisien Determinasi 39

4.6 Koefisien Korelasi 40

4.7 Pengujian Koefisien Regresi Liniear Ganda 42 Bab 5. Implementasi Sistem

5.1 Pengertian Implementasi Sistem 46

5.2 Pengaktifan Excel 46

5.2.1 Pengisian Data 48

5.3 Pengaktifan SPSS 50

5.3.1 Pengisian Data SPSS 52

Bab 6. Penutup

6.1 Kesimpulan 57

6.2 Saran 59


(8)

Nomor Judul Halaman Tabel

4.1 Data yang akan diolah 28 4.2 Perhitungan masing-masing variabel 30 4.3 Selisih nilai sebenarnya dengan nilai perkiraan 35 4.4 Nilai-nilai yang di perlukan untuk Uji Regresi Linier Ganda 38


(9)

Nomor Judul Lamp

1. Hasil Perhitungan Program SPSS

2. Surat Permohonan Penelitian Tugas Akhir 3. Surat Riset Pengumpulan Data

4. Kartu Bimbingan Tugas Akhir

5. Surat Keterangan Hasil Uji Program Tugas Akhir 6. Data Sumber Pengolahan


(10)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Pembangunan pertanian di Indonesia diarahkan untuk meningkatkan pendapatan, kesejahteraan, daya beli, taraf hidup, kapasitas dan kemandirian serta akses masyarakat pertanian dalam proses pembangunan melalui peningkatan kualitas dan kuantitas produksi dan distribusi serta keanekaragaman hasil pertanian. Swasembada pangan harus dimantapkan secara efisien melalui peningkatan ketersediaan, keragaman jenis, dan mutu pangan secara merata sehubungan dengan kecenderungan meningkatnya kebutuhan konsumsi pangan masyarakat yang bergizi seimbang dan permintaan pasar global.

Daya hasil (produksi) tanaman padi dari tahun ke tahun semakin meningkat, tetapi kebutuhan akan beraspun dari tahun ketahun semakin tinggi seiring dengan bertambahnya penduduk Indonesia, ini karena beras merupakan makanan pokok masyarakat Indonesia. Akan tetapi luas pertanaman padi dari tahun ketahun semakin berkurang, karena banyak alih fungsi lahan yang tadinya lahan pertanian menjadi lahan perumahan, produksi, atau bahkan perkantoran. Oleh karena itu untuk mempertahankan produksi padi diperlukan teknologi yang tepat guna, mulai dari penyediaan bibit yang berkualitas baik, teknik pengolahan, pemupukan, dan pemanenan yang oprimal.


(11)

Padi (Oriza sativa) adalah salah satu tanaman budidaya terpenting dalam peradaban. Dalam usaha mempertahankan kelangsungan hidupnya, manusia berusaha, memenuhi kebutuhan primer yaitu makanan. Dalam sejarah hidup manusia dari tahun ketahun mengalami perubahan yang diikuti pula oleh perubahan kebutuhan bahan makanan pokok. Hal ini dibuktikan dibeberapa daerah yang semula makanan pokoknya ketela, sagu, jagung akhimya beralih makan nasi. Padi merukan sumber makanan pokok pertama masyarakat Indonesia. Selain sebagai makanan pokok, dipercaya bahwa ada bagian-bagian dari tanaman padi bisa dijadikan sebagai obat.

Padi merupakan bahan makanan yang menghasilkan beras. Bahan makanan ini merupakan makanan pokok bagi sebagian besar penduduk Indonesia. Meskipun padi dapat digantikan oleh makanan lainnya, namun padi memiliki nilai tersendiri bagi orang yang biasa makan nasi dan tidak dapat dengan mudah digantikan oleh bahan makanan yang lain. Padi adalah salah satu bahan makanan yang mengandung gizi dan penguat yang cukup bagi tubuh manusia, sebab didalamnya terkandung bahan yang mudah diubah menjadi energi. Oleh karena itu padi disebut juga makanan energy.

Berdasarkan uraian diatas maka untuk melengkapi persyaratan kelulusan dalam membuat Tugas Akhir, penulis mengajukan judul “Faktor-Faktor yang Mempengaruhi Hasil Produksi Padi Di Kota Medan Pada Tahun


(12)

1.2Perumusan Masalah

Berdasarkan uraian pada latar belakang, maka masalah yang dapat diidentifikasi adalah sebagai berikut:

1. Faktor apa saja yang mempengaruhi hasil produksi padi di kota medan?

2. Faktor apa yang paling dominan mempengaruhi hasil produksi padi di kota

medan?

3. Berapa besar pengaruhi kedua faktor tersebut? 4. Berapa besar korelasi kedua faktor tersebut?

1.3Maksud dan Tujuan Penelitian

Adapun yang menjadi maksud dan tujuan penelitian ini diadakan adalah untuk melihat hubungan antara curah hujan dan luas panen di daerah kota medan. Bagi penulis penelitian ini merupakan suatu kesempatan untuk mengaplikasikan ilmu yang diperoleh dalam perkuliahan, khususnya dalam bidang regresi dan penerapan metode statistika.

1.4Batasan Masalah

Dalam penelitian ini analisis terhadap Hasil produksi padi dipengaruhi oleh curah hujan dan luas panen, dengan menggunakan analisis regresi dan korelasi.


(13)

1.5Tinjauan Pustaka

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen.

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions). Dalam penelitian ini penulis menggunakan Analisis Regresi Linier Berganda.

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen ( , ) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.


(14)

Rumus yang digunakan dalam regresi berganda adalah:

Ŷ =

Dimana:

Ŷ = Variabel tak bebas ( nilai estimasi ) = Koefisien regresi

X = Variabel bebas

Setelah dilihat pengaruh antar variabel yang ada, kemudian dilihat juga hubungan atau keeratan antar variabel tersebut dengan menggunakan metode korelasi ( r ). Adapun rumus dari korelasi adalah :

=

1.6Metodologi Penelitian

Metodologi penelitian adalah 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.


(15)

Metode penelitian yang digunakan penulis adalah:

1. Metode penelitian kepustakaan

Merupakan suatu cara penelitian yang digunakan untuk memperoleh ilmu ataupun rumus-rumus yang dapat digunakan untuk mencari model regresi liniernya serta korelasi dari data yang telah diperoleh serta dapat membantu penulis untuk menyelesaikan tugas akhir ini.

2. Metode pengumpulan data

Pengumpulan data untuk keperluan riset ini. Penulis melakukannya dengan menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). Data sekunder tersebut adalah data yang diperoleh dan dirangkum ulang berdasarkan data yang telah tersedia dan disusun oleh Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian diatur/disusun dan disajikan dalam bentuk tabel yang berisi angka-angka yang diperlukan, dengan tujuan untuk mendapatkan gambaran yang jelas tentang data tersebut.

Dalam hal ini penulis mengambil pedoman dari literatur-literatur buku tentang regresi linier dan tugas akhir tahun sebelumnya. Penulis mengambil kebaikan tugas akhir sebelumnya yaitu cara penulisannya yang tepat dan jelas.

1.7Sistematika Penulisan


(16)

Bab 1 : PENDAHULUAN

Dalam bab ini terdapat penjelasan mengenai latar belakang, perumusan masalah, maksud dan tujuan penelitian, batasan masalah, tinjauan pustaka, metodologi penelitian, metode analisis yang digunakan, dan sistematika penulisannya.

Bab 2 : LANDASAN TEORI

Pada bab ini diuraikan mengenai pengertian regresi,analisis regresi linier, analisis regresi linier sederhana, analisis regresi linier berganda,koefisien determinasi, koefisien korelasi, pengujian regresi linier berganda.

Bab 3 : GAMBARAN UMUM

Dalam bab ini penulis menguraikan gambaran mengenai sejarah singkat berdirinya Badan Pusat Statistik (BPS).

Bab 4 : PENGOLAHAN DATA

Bab ini merupakan bab yang berisikan mengenai proses pembentukan regresi linier berganda, mencari koefisien determinasi dan koefisien korelasi.


(17)

Bab 5 : IMPLEMENTASI SISTEM

Dalam bab ini diuraikan tentang pengertian dan tujuan implementasi sistem, rancangan program yang dipakai dan hasil outputnya.

Bab 6 : KESIMPULAN DAN SARAN

Pada bab ini, penulis memberikan beberapa kesimpulan dan beberapa saran kepada pembaca sesuai hasil analisa yang telah diperoleh.


(18)

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Statistika merupakan salah satu cabang pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua bidang ilmu pengetahuan, terutama para peneliti yang dalam penelitiannya banyak menggunakan statistika sebagai dasar analisis maupun perancangannya (ratno dan mustadjab, 1992: 1) maka dapatlah dikatakan bahwa statistika mempunyai sumbangan yang penting dan besar terhadap kemajuan berbagai bidang ilmu pengetahuan. Statistika harus dan penting dipelajari oleh para peneliti.

Analisis regresi adalah satu cabang statistika yang banyak mendapatkan perhatian dan dipelajari oleh para ilmuan, khususnya para peneliti, baik ilmuan bidang sosial maupun eksakta. Banyak buku atau literature yang membahas hal-hal yang berkaitan dengan analisis regresi, dimana satu dengan lainnya saling melengkapi, tetapi dalam hal-hal tertentu masih banyak masalah yang belum dan banyak sekali dibahas.

Regresi pertama kali digunakan sebagi konsep staistika pada tahun 1877 oleh sir Francis Galton. Dia telah melakukan kecenderungan tinggi badan anak. Hasil studi tersebut merupakan suatu kesimpulan bahwa kecenderungan tinggi badan anak yang lahir terhadap orang tuanya adalah menurun (regress) mengarah pada tinggi badan rata-rata penduduk.


(19)

Istilah regresi pada mulanya bertujuan untuk membuat perkiraan nilai satu variabel (tinggi badan anak) terhadap satu variabel yang lain (tinggi badan orang tua). Pada perkembangan selanjutnya, analisis regresi dapat digunkan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut.

Ada beberapa definisi regresi yang dapat dijabarkan yaitu:

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

b. 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, 2000: 2) c. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk

persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. (Sudjana, 2002: 310).

2.2 Analisa Regresi Linear

Sebelum melakukan analisis korelasi dalam sebuah penelitian maka terlebih dahulu harus diketahuai apakah variabel-variabel yang akan dikorelasikan merupakan regresi linear atau non linear, karena hal ini akan dipergunakan dalam menganalisa data.


(20)

Yang dimaksud dengan analisa regresi linear adalah jika hubungan persamaan tersebut searah dan membentuk sebuah pola garis lurus seperti gambar 2.2 berikut ini

Gambar 2.2 pola garis lurus

Antara variabel bebas (X) dan variabel terikat (Y) membentuk sebuah pola garis yang lurus, dan dalam aplikasinya jika nilai X meningkat maka nilai Y juga meningkat dan jika nilai X mengalami penurunan makan nilai Y juga mengalami penurunan.

Didalam teorinya analisa regresi linear mempunyai dua bentuk persamaan yaitu:


(21)

b. Analisa regresi linear berganda (multiple analisis regresi).

2.3 Analisa regresi linear sederhana

Yang dimaksud dengan hubungan linear sederhana adalah yang ditunjukkan dengan persamaan Y = a + . Persamaan ini hanya memiliki 2 variabel saja, hanya satu variabel terikat (Y) dan satu variabel bebas (X). Sehingga setiap nilai X bertambah dengan satu satuan maka nilai Y akan bertambah dengan b kalau nilai X = 0 maka nilai Y sebesar a saja.

Penggunaan model regresi sederhana hanya memungkinkan bila pengaruh yang ada itu hanya dari independent variabel (variabel bebas) terhadap dependent variabel (variabel terikat), tidak boleh ada pengaruh timbal balik, yaitu jika variabel terikat juga berpengaruh terhadap variabel bebas.

Dalam regresi linear sederhana dihindari sifat autokorelasi, yang dimaksud dengan auto korelasi adalah hubungan antara nilai suatu variabel dengan nilai variabel yang lain sama (Pangestu, 2004: 155). Misalnya kalau pada tahun pembelian bak penampungan air banyak sekali, maka pembelian bak mandi 10 tahun lagi juga akan banyak, karena usia bak air tersebut memang hanya bertahan 10 tahun. Yang dibeli 10 tahun sebelumnya akan rusak, sehingga pemebelian secara bersama-sama setiap 10 tahun sekali, sehingga pembelian akan melonjak. Dengan kata lain ada hubungan antara pembelian bak air yang sama dengan pembelian 10 tahun yang akan datang. Inilah yang dimaksud adanya auto korelasi.


(22)

Ciri penting dari regresi sederhana adalah apabila terdapat homoscedasticity. Homoscedasticity adalah kesamaan distribusi Y pada setiap nilai X. Artinya berapapun besarnya X, kalau diamati nilai Y nya dan dihitung deviasi standartnya relative sama, misalnya jika pada nilai diamati nilai Y dan dicatat deviasi satndartnya, dan dibandingkan dengan nilai Y pada maka nilainya sama, yang berarti distribusi nilai Y terhadap nilai X selalu sama. gejala ini yang dimaksud dengan homoscedasticity. Kalau distribusinya tidak sama maka tidak boleh terjadi pada regresi linear sederhana.

Model regresi linier sederhanaya adalah: Keterangan :

Ŷ = Variabel terikat (dependent variable)

= Variabel bebas (independent variable)

a = Konstanta (intrcept)

b = Kemiringan (slope)

2.4 Analisis Regresi Linear Berganda

Jika dalam regresi linear sederhana hanya memiliki 2 variabel saja yaitu satu variabel terikat (Y) dan satu variabel bebas (X) dengan satu prediktor (a). Pada regresi linear berganda terdapat lebih dari 2 variabel, satu variabel untuk variabel terikat, dan lebih dari satu untuk variabel tertutup.

Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih


(23)

terhadap variabel terikatnya, atau untuk meramalkan dua variabel bebas atau lebih terhadap variabel terikatnya. Dengan demikinan multiple regression (regresi berganda) digunakan untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika regresi diarahkan untuk menguji variabel-variabel yang ada.

Pada dasarnya rumus pada regresi berganda sama dengan rumus pada regresi sederhana, hanya saja pada regresi berganda ditambahkan variabel-variabel lain yang juga diikutsertakan dalam penelitian. Adapun rumus yang dipakai disesuaikan dengan jumlah variabel yang diteliti. Rumusnya adalah sebagai berikut:

Untuk 2 prediktor :

Untuk 3 prediktor :

Untuk n prediktor :

Pada dasarnya regresi berganda digunakan untuk menghitung dan atau menguji tingkat signifikansi, antara lain:

a. Menghitung persamaan regresinya

b. Menguji apakah persamaan regresinya signifikan c. Dan bagaimana kesimpulannya?

Untuk hal ini penulis menggunakan regresi linear berganda dengan 3 variabel, yaitu 1 variabel terikat, dan 2 variabel bebas. Secara umum model regresi linier berganda adalah sebagai berikut:


(24)

Keterangan :

= Variabel terikat (dependent variable)

= Variabel bebas (independent variable)

= Konstanta regresi

= Koefisien regresi variabel bebas ɛ = Pengamatan variabel error

Adapun untuk mencari nilai: , di taksir ∑ = n + ∑ + ∑

∑ = ∑ + ∑ + ∑ ∑ = ∑ + ∑ + ∑

Untuk menghitung nilai koefisien b0, b1, b2 dapat menggunakan rumus sebagai

berikut:

∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ s = n ∑ - ∑ ∑ t = n ∑ – ∑ u = tq - r2


(25)

sehingga :

b1

=

b2 =

b0 = ∑ ∑

`

2.5 Koefisien Determinasi

Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel. Koefisien determinasi adalah untuk mengetahui proporsi keragaman total dalam variabel tak bebas Y yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas X yang ada di dalam model persamaan regresi linier berganda secara bersama-sama. Maka R2 akan ditentukandengan rumus:

=

∑ Dengan:

= Jumlah kuadrat regresi

Harga R yang diperoleh sesuai dengan variasi yang dijelaskan masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variansi yang


(26)

dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (yang bersifat nyata).

2.6 Koefisien Korelasi

Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti, untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel yang terikat dengan yang bebas, atau antara variabel bebas itu sendiri.

Untuk mengukur seberapa kuat hubungan antara variabel tersebut maka digunakan metode analisis korelasi. Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linear antara satu variabel dengan variabel yang lain (algifri,2000:45). Umumnya analisis korelasi digunakan, dalam hubungannya dengan analisis regresi, untuk mengukur ketepatan garis regresi dalam menjelaskan (explaining) variasi nilai variabel dependen.Hasil dari perhitungan korelasi diinterpretasikan pada sebuah hubungan yang didasarkan pada nilai angka yang muncul.

Sandaran nilainya adalah ,-1≤ r ≤1. Semakin tinggi nilai koefisien korelasi (semakin mendekati nilai 1) maka hubungannya antara dua varibel tersebut semakin tinggi, jika nilai koefisiennya mendekati nilai 0 mka hubungnnya semakin rendah. Adapun jika nilainya bertanda negatif, maka terjadi hubungan yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel lain akan turun.

Secara jelas dapat dilihat di tabel berikut:


(27)

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 Sangat tinggi

Sumber : Hartono, M. Pd statistik untuk penelitian

Jika suatu korelasi bertanda positif r > 0 maka contoh gambar grafiknya seperti ditunjukkan oleh gambar 2.6.2 berikut:

Gambar 2.6.2 korelasi positif

Jika suatu korelasi bertanda negatif r < 0 maka contoh gambar grafiknya seperti ditunjukkan oleh gambar 2.6.3 berikut:


(28)

Gambar 2.6.3 korelasi negatif

Jika suatu korelasi tidak menunjukkan adanya hubungan r = 0 maka contoh gambar grafiknya seperti ditunjukkan oleh gambar 2.6.4 berikut:

Gambar 2.6.4 korelasi nol


(29)

=

Dalam hal ini penulis menggunakan empat variabel dalam penelitiannya, untuk hubungan 3 variabel dapat dihitung dengan menggunakan rumus sebagai berikut:

a. Koefisien korelasi antara dan Y

=

– √

b. Koefisien korelasi antara dan Y

=

– √

c. Koefisien korelasi ana dan

=


(30)

Uji regresi linier berganda perlu dilakukan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas.

Pada dasarnya pengujian hipotesis tentang parameter koefisien regresi secara keseluruhan atau pengujian persamaan regresi dengan menggunakan statistik F yang dirumuskan sebagai berikut:

F =

Dengan:

F = Statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan = k dan = n-k-1

= Jumlah kuadrat regresi = b1 ∑ + b2 ∑ , dengan derajat kebebasa dk = k

= Jumlah kuadrat residu (sisa) = ∑( –Ŷ), dengan derajat kebebasan dk = n-k-1

Dalam pengujian persamaan regresi terutama menguji hipotesis tentang parameter koefisien regresi secara keseluruhan melibatkan intersep serta k buah variabel penjelasan sebagai berikut:

Dengan persamaan penduganya adalah:


(31)

Langkah-langkah yang dibutuhkan dalam pengujian hipotesis ini adalah sebagai berikut:

a. Menentukan formulasi hipotesis

H0 : = = ... = = 0 ( , ,...,tidak mempengaruhi Y )

H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi Y

b. Menentukan taraf nyata α dan Ftabel dengan derajat kebebasan = k dan = n-k-1. Pilih taraf nyata α yang diinginkan

c. Menentukan kriteria pengujian diterima bila H0 ditolak bila  d. Menentukan nilai statistik F


(32)

BAB 3

GAMBARAN UMUM

3.1Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah lembaga non departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal-hal diatas BPS juga bertugas untuk melaksanakan koordinasi dilapangan, kegiatan satistik dari segenap instansi baik dipusat maupun didaerah dengan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran-ukuran lainnya.

3.2Logo Instansi Badan Pusat Statistik

Badan Pusat Statistik mempunyai logo seperti yang ada pada gambar dibawah ini


(33)

Logo BPS terdiri dari 3 warna yang masing-masing mempunyai makna. Adapun makna yang dimaksud adalah :

1. Biru

Memiliki makna tentang Sensus Penduduk yang dilakukan oleh pihak BPS setiap 10 tahun sekali (tahun berakhiran angka 0) yang mencakup index pembangunan manusia, kemiskinan, kependudukan, kesehatan, ketahanan sosial, konsumsi dan pangelaran, pendidikan, perumahan, sosial budaya, tenaga kerja.

2. Hijau

Memiliki makna tentang Sensus Pertanian yang dilakukan setiap 10 tahun sekali (tahun berakhiran angka 3) yang mencakup index tanaman pangan, hortikultura, kehutanan, perkebunan, perikanan dan peternakan.

3. Orange

Memiki makna tentang Sensus Ekonomi yang dilakukan setiap 10 tahun sekali (tahun berakhiran angka 6) yang mencakup index kegiatan ekspor-impor, industri, inflasi, harga produsen, harga perdagangan, keuangan, komunikasi, konstruksi, neraca arus dana, nilai tukar petani, pariwisata, produk domestik bruto, produk domestik regional bruto, transportasi, upah buruh, dan usaha mikro kecil.

3.3 VISI dan MISI Badan Pusat Statistik


(34)

3.3.1 Visi Badan Pusat Statistik

Visi BPS adalah “Pelopor data statistik terpercaya untuk semua’’.

3.3.2 Misi Badan Pusat Statistik

Misi BPS yaitu:

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

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

3. Meningkatkan penerapan standar klasifikasi, konsep dan defenisi,pengukuran dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak. 5. Meningkatkan koordinasi, integritas, dan singkronisasi kegiatan statistik

yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik Nasional (SSN) yang efektif dan efisien.

3.4 Struktur Organisasi Badan Pusat Statistik (BPS)

Setiap perusahaan baik perusahaan pemerintah maupaun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi. Dimana


(35)

organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Propinsi Sumatera Utara adalah struktur organisasi berbentuk Lini dan staff.

1. Bagian Tata Usaha 2. Bidang Statistik Produksi 3. Bidang Statistik Distribusi 4. Bidang Statistik Kependudukan

5. Bidang Pengolahan, Penyajian, dan Pelayanan Statistik 6. Bidang Neraca Wilayah dan Analisis Statistik

3.5 Job Description

Dalam menjalankan suatu organisasi maka diperlukan personal-personal jabatan tertentu dalam organisasi tersebut dimana masing-masing diberi tugas dan fungsi job description atau pembagian kerja. Kepala kantor dibantu bagian tata usaha yang terdiri dari :

1. Sub Bagian Urusan Dalam 2. Sub Bagian Perlengkapan


(36)

3. Sub Bagian Keuangan 4. Sub Bagian Kepegawaian 5. Sub Bagian Bina Program

Sedangkan bidang penunjang statistik ada 5 bidang, yaitu: 1. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan statistik pertanian, industri, serta statistik konstruksi pertambangan dan energi.

2. Bidang Statistik Distribusi

Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistik keuangan dan harga produsen serta Statistik Kesejahteraan.

3. Bidang Statistik Sosial

Bidang Statistik Kependudukan mempunyai tugas untuk melaksanakan kegiatan statistik demografi dan rumah tangga, statistik ketenagakerjaan, dan statistik kesejahteraan.

4. Bidang Integrasi Pengolahan dan Distribusi Sosial

Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan kegiatan dan penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu melaksanakan kegiatan penyusunan neraca produksi, neraca konsumen, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.


(37)

BAB 4

PENGOLAHAN DATA

4.1 Data dan Pembahasan

Setiap data yang telah didapat merupakan alat pengambil keputusan dalam pemecahan persoalan yang ada. Dalam hal ini persoalan yang diteliti tentang Hasil Produksi Padi seperti yang telah dijelaskan di bab pendahuluan. Pengumpulan data dilakukan dengan mengambil data sekunder di Kantor Badan Pusat Statistik Kota Medan. Dalam hal ini penulis mengambil tiga buah data yaitu data Luas Panen, Curah Hujan, dan Hasil Produksi Padi yang secara keseluruhan data yang diambil adalah data pada tahun 2002 – 2011 sebanyak 10 tahun.

Pengambilan data diatas dimaksudkan untuk melihat apakah variabel bebas (Luas Panen dan Curah Hujan) mempengaruhi nilai produksi Padi yang ada. Adapun data yang di ambil adalah sebagai berikut :

Tabel 4.1 Data hasil Produksi Padi, Luas Panen, dan Curah Hujan di Kota

Medan pada tahun 2002 – 2011

Tahun Curah Hujan Luas Panen Hasil Produksi Padi

2002 1.451 9.639 58.407

2003 2..265 9.611 58.916

2004 2.055 8.076 45.174


(38)

2006 2.764 8.693 41.870

2007 2.732 7.791 42.754

2008 2.113 7.609 43.661

2009 2.184 8.318 40.779

2010 1.605 7.619 39.169

2011 2.593 6.771 30.074

Sumber : BPS Kota Medan

4.2 Persamaan Regresi Linier Berganda

Dalam mencari persamaan regresi linier berganda, maka terlebih dahulu kita menghitung koefisien – koefisien regresinya dengan mencari hubungan fungsional antara variabel yang ada.

Dengan koefisien yang didapat dari perhitungan, maka dapat ditentukan persamaan regresinya. Adapun perhitungan koefisiennya adalah sebagai berikut :


(39)

Tabel 4.2 Perhitungan masing-masing variabel

Keterangan :

Y = Produksi Padi

X1 = Curah Hujan

X2 = Luas Panen

Y

1451 9639 58407 2105401 92910321 3411377649 13986189 84748557 562985073 2265 9611 58916 5130225 92371321 3471095056 21768915 133444740 566241676 2055 8076 45174 4223025 65221776 2040690276 16596180 92832570 364825224 2083 8096 40.806 4338889 65545216 1665129636 16863968 84998898 330365376 2764 8693 41870 7639696 75568249 1753096900 24027452 115728680 363975910 2732 7791 42754 7463824 60699681 1827904516 21285012 116803928 333096414 2113 7609 43661 4464769 57896881 1906282921 16077817 92255693 332216549 2184 8.318 40779 4769856 69189124 1662926841 18166512 89061336 339199722 1605 7619 39169 2576025 58049161 1534210561 12228495 62866245 298428611 2593 6771 30074 6723649 45846441 904445476 17557203 77981882 203631054


(40)

Dari tabel 4.2 diperoleh :

n = 10 � (X2)2 = 683298171 � X1 = 21845 � (Y)2 = 20177159832 � X2 = 82223 � (X1X2) = 178557743 � Y = 441610 � (YX1) = 950722529 � (X1)2 = 49435359 � (YX2) = 3694965609

Dari persamaan :

� Y = b0 n + b1 ∑ + b2 ∑ � YX1 = b0 ∑ + b1 ∑ + b2 ∑ � YX2 = b0 ∑ + b1 ∑ + b2 ∑

Untuk menghitung nilai koefisien b0, b1, b2 dapat menggunakan rumus sebagai

berikut:

p =n ∑ - ∑ ∑ q = n ∑ - (∑ )2 r = n ∑ - ∑ ∑ s = n ∑ - ∑ ∑ t = n ∑ - (∑ )2 u = tq - r2


(41)

sehingga :

b1

=

b2 =

b0 =

Dengan rumus diatas maka diperoleh :

p = n ∑ - ∑ ∑

= 10 (950722529) – (441610) (21845)

= 9507225290 – 9646970450

= -139745160

q = n ∑ - (∑ )2

= 10 (683298171) – (82223)2

= 6832981710 – 6760621729

= 72359981

r = n ∑ - ∑ ∑

= 10 (178.557743) – (21.845) (82.223)


(42)

s = n ∑ - ∑ ∑

= 10 (3694965609) – (441610) (82223) = 36949656090 – 36310499030

= 639157060

t = n ∑ - (∑ )2 = 10 (49435359) – (21845)2

= 494353590 – 477204025 = 17149565

u = tq - r2

= (17149565) (72359981) – (-10584005)2 = 124094219755827 – 11202116184 = 112892103571824

b1 =

=

=

= = -2.96488018


(43)

b2 =

=

=

= = 8,3993492667

b0 =

=

=

=

= -18424,18872


(44)

b0 = -18424,18872

b1 = -2,96488018

b2 = 8,3993492667

dari seluruh harga yang didapat maka didapatlah persamaan regresi linier bergandanya sebagai berikut :

Ŷ = b0 + b1X1 + b2X2

Ŷ = -18424,18872 - 2.96488018 X1 + 8.3993492667X2

4.3Analisa Residu

Untuk mengetahui seberapa besar tingkat kesalahan baku taksiran dari persamaan regresi yang telah didapatkan, maka diperlukan harga Ŷ.

Table 4.3 Selisih nilai sebenarnya dengan nilai perkiraan

Tahun X1 X2 Y Ŷ Y - Ŷ (Y - Ŷ)2

2002 1451 9639 58407 62481,9029 -4074,902897 16604833,62 2003 2265 9611 58916 59820,97225 -904,9722525 818974,7778 2004 2055 8076 45174 46874,29698 -1700,296978 2891009,813 2005 2083 8096 40806 46968,07903 -6162,079031 37971217,99 2006 2764 8693 41870 50226,43678 -8356,43678 69830035,66 2007 2732 7791 42754 42347,69164 406,3083581 165086,4818 2008 2113 7609 43661 42574,08432 1086,915683 1181385,703 2009 2184 8318 40779 48631,09169 -7852,091687 61655343,86 2010 1605 7619 39169 44168,6428 -4999,642797 24996428,1 2011 2593 6771 30074 33743,07636 -3669,076362 13462121,35 21845 82223 441610 477836,2747 -36226,27474 229576437,4


(45)

S

y.12

= √

Ŷ

Dimana :

k = 2

n = 10

Ʃ (Y - Ŷ)2 = 229576437,4 Sehingga :

Sy12 =

=

= √ = 5726,834545

Dengan penyimpangan nilai yang telah didapatkan diatas, maka hasil produksi padi yang sebenarnya akan menyimpang dari hasil sebenarnya sebesar 5726,834545


(46)

4.4 Uji Regresi Linear Berganda

1. Perumusan hipotesa :

H0 : �1 = �2 = 0 ( X1, X2 tidak mempengaruhi Y )

H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan 0 atau mempengaruhi Y

2. Dengan taraf nyata α = 5 % 3. Kriteria pengujian

H0 diterima jika Fhit≤ Ftab

H0 ditolak jika Fhit > Ftab

4. Perhitungan uji statistic

5. Untuk menguji model regresi yang telah terbentuk, maka dapat diambil :

x1 = X1 - ̅1 x2 = X2 - ̅2 y = Y - ̅ Dengan :

̅1 = 2184,5 ̅2 = 8222,3 ̅ = 44161


(47)

Table 4.4 Nilai-nilai yang di perlukan untuk Uji Regresi Linier Ganda

Dari table 4.4 diatas didapat perhitungan sebagai berikut :

JKreg = b1 ∑ + b2∑

= (-2,96488018) (-13974516) + (8,839934927) (63915706)

= 41432765,5134929 + 565010681,832171 = 606443447,345664

Untuk JKres dapat dilihat dari table 4.3 yaitu � (Y - Ŷ)2 = 229576437,4, maka nilai Fhit dapat dicari dengan rumus :

F =

=

=

Y X1 X2 Y2 X1Y X2Y

14246 -733,5 1416,7 202948516 -10449441 137317194 14755 80,5 1388,7 217710025 1187777,5 141810305 1013 -129,5 -146,3 1026169 -131183,5 8180988 -3355 -101,5 -126,3 11256025 340532,5 -27162080 -2291 579,5 470,7 5248681 -1327634,5 -19915663 -1407 547,5 -431,3 1979649 -770332,5 -10961937

-500 -71,5 -613,3 250000 35750 -3804500

-3382 -0,5 95,7 11437924 1691 -28131476

-4992 -579,5 -603,3 24920064 2892864 -38034048 -14087 408,5 -1451,3 198443569 -5754539,5 -95383077 675220622 -13974516 63915706


(48)

= = 9,25

6. Kesimpulan

Dari table distribusi F dengan dk pembilang = 2 , dk penyebut = 7 dan α = 0,05 , diperoleh Ftab = 4,74. Karena Fhit lebih besar dari pada Ftab maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2 bersifat nyata atau ini berarti bahwa jumlah Curah Hujan dan Luas Panen secara bersama-sama mempengaruhi hasil produksi padi .

4.5 Koefisien Determinasi

Koefisien determinasi digunakan untuk menganalisa seberapa besar pengaruh faktor-faktor yang mempengaruhi hasil produksi padi.

Berdasarkan tabel 4.5 dapat dilihat harga

y

2= 675220622 sedangkan JKreg yang telah dihitung adalah 606443447,345664.

Maka selanjutnya dengan rumus :

R2 = 2

y

JK

reg

.


(49)

R2 = = 0,9

Dan untuk koefisien korelasi ganda, kita gunakan :

R = √ = √ = 0,95

Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 0,9 dan dengan mencari akar dari R2 diperoleh koefisien korelasinya sebesar 0,95.Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 95% Hasil Produksi Padi yang dipengaruhi oleh kedua faktor yang dianalisis.

4.6 Koefisien Korelasi

Koefisien korelasi digunakan untuk melihat keeratan hubungan antara variabel bebas dan variabel terikat atau antara variabel bebas yang ada.

a. Koefisien korelasi antara Curah Hujan ( X1) dan Produksi Padi (Y)

r

x1y= –

= –


(50)

=

=

=

=

-0,41

Angka koefisien diatas menunjukkan korelasi lemah dan searah (negatif) antara curah hujan dengan hasil produksi padi yang digunakan, artinya semakin kecil curah hujan yang digunakan maka akan semakin kecil hasil produksi padi yang dihasilkan.

b. Koefisien korelasi antara Luas Panen (X2) dan Produksi Padi (Y)

r

x2y

=

– √

=

=

=

=


(51)

= 0,91

Angka koefisien diatas menunjukkan korelasi sangat kuat dan searah (positif) antara luas panen dengan hasil produksi padi artinya semakin besar luas panen maka semakin besar hasil produksi padi yang dihasilkan.

4.7 Pengujian Koefisien Regresi Linier Ganda

Ŷ = -18424,18872 - 2.96488018 X1 + 8.3993492667 X2 Hipotesis

H0 : bi = 0 dimana i = 1,2, … ,k (variabel bebas Xi tidak berpengaruh terhadap Y)

H1 : bi dimana i = 1,2, … ,k (variabel bebas Xi berpengaruh terhadap Y) 1. Dengan taraf nyata α = 5 %

2. Kriteria pengujian Terima H0 jika thit < ttab Tolak H0 jika thit > ttab 3. Statistik pengujian

Dari perhitungan yang sebelumnya didapat harga-harga :

Sy122 = � (X1)2 = 477204025 � (X2)2 = 6760621729 R1 = = -0,3


(52)

Maka kekeliruan baku koefisien bi adalah sebagai berikut :

S

bi

=

( )( )

S

b1

=

( )( )

=

=

=

S

b2

=

( )( )

=

=


(53)

-10,78138247

383,3449968

Dari tabel distribusi t dengan dk = 7 dan α = 0,05 diperoleh ttab sebesar 4,74 dan dari hasil perhitungan diatas diperoleh :

1. 10,78860409 > 2. 384,3449968 >

Sehingga dari kedua koefisien regresi tersebut variabel X1 dan X2 memiliki pengaruh yang berarti atau signifikan terhadap Hasil Produksi Padi.


(54)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah tahapan penerapan hasil desain tetulis ke dalam programming dengan menggunkan perangkat lunak (software) sebagai implementasi ataupun prosedur untuk menyelesaikan desain system, yang mana dalam hal ini implementasi system digunakan untuk menganalisis data jumlah produksi jagung pada tahun 2010 di Kabupaten Labuhan Batu.

Adapun impementasi sistem yang digunakan adalah Microsoft excel. Dan SPSS(Statistical Product and service solution) 16.0 for windows.

Diharapkan dengan menggunkan Microsoft excel dan SPSS l6.0 dapat meningkatkan pengetahunan penulis dalam menggunakan aplikasi ilmu stastistik.

5.2 Pengaktifan Excel

Sebelum mengoperasikan excel, pastikan bahwa program tersebut telah tersedia di komputer, kemudian lanjutkan langkah-langkah sebagai berikut :

a. Dari Windows klik start, pilih program dan klik Microsoft excel

b. Klik windows Excel maka secara otomatis jendela utama excel akan tampil dan langsung digunakan untuk mengolah data.

Pada setiap Lembar Kerja excel memiliki 256 kolom dan 65.536 baris yang siap untuk digunkan. Pada setiap baris dan kolom terdapat sel-sel yang didindentifikasi dengan alamat yang kombinasi antar baris dan abjad kolom.


(55)

Gambar 5.1 cara mengaktifkan program excel


(56)

Beberapa istlah dlam Microsoft Excel:

1. Worksheet adalah tempat lembar kerja yang memasukkan data ataupun rumus. Worksheet tersedia sebanyak tiga sheet yang terdiri dari 65.536 bris dan 256 kolom

2. Workbook adalah buku kerja yangterdiri dari beberaa worksheet. Workbook ini tempat menyimpan worksheet sehingga mempermudah mengorganisir file-file sesuai dengan kebutuhan yang diperlukan

3. Cell adalah perpotongan baris dan kolom yang ditandai dengan poiter sel pada posisi tertentu yang ditunjukkan ppada name book.

4. Pointer cell adalah tanda penunjuk keaktifan sel berupa kotak bingkai tebal. 5. Range adalah kumpulan beberapa sel yang menunjukkan kelompok area

6. Gridlines adalah garis bantu sel pada area kerja.

7. Fil handell adalah bagian bawah kanan pointer sel berfungsi untuk memindahkan atau mengopi data dan rumus dengan mengguunkan mouse.

5.2.1 Pengisian Data

dalam hal pengolahan data computer memiliki banyak kelebihan dari manusia yaitu dalam hal kecepatan, ketepatan, dan khandalan. Manusia sangat terbantu dengan adanya computer karena kadang kala data yang banyak dan rumit tidak dapt dikerjakan dengan manula dan meembutuhkan banyak waktu dan tenaga. Maka dari itu computer diharapkan dapat melakukan pekerjaan dengan cepat dan tepat dengan kesalhan yang kecil.


(57)

Proses pengisian data pada lembar kerja excel dengan cara mnegtik data yang kita inginkan di sel yang tersedia , ada dua cara mengisi data, dengan menggunkan keyboard atau sub menu yang terdapat pada menu excel.

Cara mengisikan data dengan menggunakann keyboard, langkah-langkahnya: 1. Letakkan pinter dan sel yang ingin diisi data

2. Ketik data

3. Tekan enter

Hasil dari memasukkan data dapt dilihat pada gambar berikut ini:


(58)

5.3 Pengaktifan SPSS

Berikut ini adalah langkah-langkah yang dilakukan dalam menyelesaikan program linear berganda dengan SPSS sesuai dengan data dalam penulisan ini:

1. Klik start lalu all Program pilih SPSS Inc lalu klik SPSS

Gambar 5.4 Tampilan cara pengaktifan SPSS

2. Memasukkan data ke SPSS

Setelah program SPSS aktif maka akan muncul kotak doalog sebagai berikut,


(59)

Untuk membuat lembar kerja baru klik cancel dan akan tampil sebagai berikut:

Gambar 5.6 Tampilan jendela Data View dalam SPSS

Saat program sudah berjalan seperti gambar diatas maka selanjutnya klik variable view pada sudut kiri bawah program, kemudian lakukan petunjuk untuk pengisian data sebagai berikut.

A. Kolom name dapat diisi dengan variabel yang kita miliki daalam penelitian, dalam penelitian ini yang memiliki 3 variabel dapat di ketik Y, X1, dan X2.

B. Untuk kolom type maka dapat diisikan seluruhnya dengan tipe data Numeric.

Karena penelitian ini dengan metode kuantitaif.

C. Untuk kolom width diisikan seluruhnya dengan angka 8 artinya jumlah karakter yang digunkan terbatas 8 angka atau huruf saja.


(60)

D. Kolom Decimal semuanya diisikan dengan angka 2, yang artinya perhitungna dilakunkan dengan aturan 2 desimal dibelakang koma.

E. Kolom label diisikan berdasarkan indentitas dari variabel yang dimiliki, dalam hal ini variabel Y diabeli dengan Produksi Padi, variabel X1 dengan dengan label Curah Hujan, variabel X2 dilabeli dengan Luas Panen.

F. Kolom Values digunkan untuk menuliskan nilai kuantitatif dari variabel yang berskala ordinal dan nominal, dalam hal ini kita menggunkan bentuk data skala, maka untuk kolom ini diabaikan saja seluruhnya

G. Kolom missing digunakan untuk penjelasan dat yang hilang atu rusak, dalam hal ini kolom missing kita abaikan saja.

H. Kolom columns digunkan untuk menentukan lebar kolom, untuk ketiga variabel kita isiskan angka 8.

Kolom align digunkan untuk menentukan letak pengisian data apakah rata kiri, rata kana atau tengah, dalam hal ini seluruh variabel kita isi right(kanan).

J. Kolom measure digunkan untuk menentukan jenis data, dalam hal ini data kita gunkan data scale. Maka seluruh variabel kita gunkan scale.

5.3.1 Pengisian data pada SPSS

Setelah selesai melakukan pengisisan pada variabel view selanjutnya dilakukan pengisisan data pada pada data view. Isiskan data sesuai variebl yang tersedia seperti gambar dibawah ini.


(61)

Gambar 5.7 Tampilan pengisian data view dalam SPSS

Setelah dilakukan pengisisan data seperti diatas selanjutnya dilakukan proses analisa data.

a. Pilih menu analyze, kemudian pilih menu Regression, pilih Linear seprti tampilan berikut:


(62)

b. Pada kolom dependent pindahkan variabel produksi, sedangkan pda kolom independent pindahkan variabel luas, intensitas hujan, dan hari hujan.

c. Pada kolom method pilih enter.

Gambar 5.9 Tampilan jendela linear regression

d. Kemudian klik kotak stastistik, pada pilihan regression coefficient cek estimate

, model fit dan descriptive. Kemudian pada pilihan residuals kosongkan saja. Lalu klik continue.


(63)

Gambar 5.10 Tampilan pada pengisian liniear regression statistic

e. Klik plots untuk membuat grafik, dan berikan tanda ceklis pada pilihan produce all partial plot lalu klik continue.


(64)

f. Klik plots, pada pilihan stepping method criteria masukkan angka 0.05 pada kolom entri. Kemudian ceklis include constant in equation. Pada pilihan missing values ceklis exclude case listwise. Lalu klik continue.

Gambar 5.12 Tampilan pengisian linear regression options


(65)

BAB 6

PENUTUP

6.1Kesimpulan

Berdasarkan perhitungan yang telah dilakukan maka didapat kesimpulan sebagai berikut :

1. Dengan menggunakan rumus yang ada maka didapat nilai – nilai koefisien regresinya yaitu :

b0 = -18424,18872 b1 = - 2.96488018 b2 = 8.3993492667

sehingga persamaan linier berganda yang didapat adalah : Ŷ = -18424,18872 – 2,96488018 X1 + 8,3993492667 X2

Yang berarti bahwa Hasil Produksi Padi dipengaruhi oleh dua faktor yang menjadi variabel yaitu Curah Hujan (X1) dan Luas Panen (X2). Dimana jumlah tenaga kerja sebesar – 2,96488018 dan nilai investasi 8,3993492667

2. Dengan penyimpangan nilai yang telah didapatkan diatas, maka hasil produksi padi yang sebenarnya akan menyimpang dari hasil sebenarnya sebesar 606443447,345664


(66)

3. Dari table distribusi F dengan dk pembilang = 2 , dk penyebut = 7 dan α = 0,05 , diperoleh Ftab = 4,74. Karena Fhit lebih kecil dari pada Ftab maka H0 diterima dan H1 ditolak. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2 bersifat nyata atau ini berarti bahwa curah hujan dan luas panen secara bersama-sama mempengaruhi hasil produksi padi .

4. Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 1,136284475 dengan mencari akar dari R2 diperoleh koefisien korelasinya sebesar 1,065966451. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 58,3% Hasil Produksi Padi yang dipengaruhi oleh kedua factor yang dianalisis.

5. Angka koefisien diatas menunjukkan korelasi lemah dan searah (negatif) antara curah hujan dengan hasil produksi padi yang digunakan, artinya semakin kecil curah hujan yang digunakan maka akan semakin kecil hasil produksi padi yang dihasilkan.

6. Angka koefisien diatas menunjukkan korelasi sangat kuat dan searah (positif) antara luas panen dengan hasil produksi padi artinya semakin besar luas panen maka semakin besar hasil produksi padi yang dihasilkan.


(67)

7. Dari tabel distribusi t dengan dk = 7 dan α = 0,05 diperoleh ttab sebesar 4,74 dan dari hasil perhitungan diatas diperoleh :

10,78860409 < >

Sehingga dari kedua koefisien regresi tersebut variabel X1 dan X2 memiliki pengaruh yang berarti atau signifikan terhadap Hasil Produksi Padi.

8. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang kuat terjadi antara jumlah nilai produksi (Y) dengan Jumlah Pemupukan (X2) yaitu sebesar 0,86.


(68)

6.2Saran

Melihat hubungan yang kuat antara curah hujan dan lua panen maka disarankan agar pihak pemerintah Kota Medan dan terkhususnya bagi masyarakat unutuk meningkatkan luas panen agar nilai produksi padi menghasilkan maksimal.


(69)

DAFTAR PUSTAKA

Algifri.2000.Analisis Regresi teori, kasus, dan solusi.Yogyakarta. BPFE- YOGYAKARTA.

Hartono, Drs.2004. Statistik Untuk Penelitian.Yogyakarta. LSFK2P Santoso, Ratno Dwi dkk. 1992. Analisis Regresi. Yogyakarta. Andi Offset. Sudjana,M.A. M.Sc. Metoda Statistika.Bandung.Tarsito 2005


(1)

f. Klik plots, pada pilihan stepping method criteria masukkan angka 0.05 pada kolom entri. Kemudian ceklis include constant in equation. Pada pilihan missing values ceklis exclude case listwise. Lalu klik continue.

Gambar 5.12 Tampilan pengisian linear regression options


(2)

BAB 6

PENUTUP

6.1Kesimpulan

Berdasarkan perhitungan yang telah dilakukan maka didapat kesimpulan sebagai berikut :

1. Dengan menggunakan rumus yang ada maka didapat nilai – nilai koefisien regresinya yaitu :

b0 = -18424,18872 b1 = - 2.96488018 b2 = 8.3993492667

sehingga persamaan linier berganda yang didapat adalah : Ŷ = -18424,18872 – 2,96488018 X1 + 8,3993492667 X2

Yang berarti bahwa Hasil Produksi Padi dipengaruhi oleh dua faktor yang menjadi variabel yaitu Curah Hujan (X1) dan Luas Panen (X2). Dimana jumlah tenaga kerja sebesar – 2,96488018 dan nilai investasi 8,3993492667

2. Dengan penyimpangan nilai yang telah didapatkan diatas, maka hasil produksi padi yang sebenarnya akan menyimpang dari hasil sebenarnya


(3)

3. Dari table distribusi F dengan dk pembilang = 2 , dk penyebut = 7 dan α = 0,05 , diperoleh Ftab = 4,74. Karena Fhit lebih kecil dari pada Ftab maka H0 diterima dan H1 ditolak. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2 bersifat nyata atau ini berarti bahwa curah hujan dan luas panen secara bersama-sama mempengaruhi hasil produksi padi .

4. Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 1,136284475 dengan mencari akar dari R2 diperoleh koefisien korelasinya sebesar 1,065966451. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 58,3% Hasil Produksi Padi yang dipengaruhi oleh kedua factor yang dianalisis.

5. Angka koefisien diatas menunjukkan korelasi lemah dan searah (negatif) antara curah hujan dengan hasil produksi padi yang digunakan, artinya semakin kecil curah hujan yang digunakan maka akan semakin kecil hasil produksi padi yang dihasilkan.

6. Angka koefisien diatas menunjukkan korelasi sangat kuat dan searah (positif) antara luas panen dengan hasil produksi padi artinya semakin besar luas panen maka semakin besar hasil produksi padi yang dihasilkan.


(4)

7. Dari tabel distribusi t dengan dk = 7 dan α = 0,05 diperoleh ttab sebesar 4,74 dan dari hasil perhitungan diatas diperoleh :

10,78860409 < >

Sehingga dari kedua koefisien regresi tersebut variabel X1 dan X2 memiliki pengaruh yang berarti atau signifikan terhadap Hasil Produksi Padi.

8. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang kuat terjadi antara jumlah nilai produksi (Y) dengan Jumlah Pemupukan (X2) yaitu sebesar 0,86.


(5)

6.2Saran

Melihat hubungan yang kuat antara curah hujan dan lua panen maka disarankan agar pihak pemerintah Kota Medan dan terkhususnya bagi masyarakat unutuk meningkatkan luas panen agar nilai produksi padi menghasilkan maksimal.


(6)

DAFTAR PUSTAKA

Algifri.2000.Analisis Regresi teori, kasus, dan solusi.Yogyakarta. BPFE- YOGYAKARTA.

Hartono, Drs.2004. Statistik Untuk Penelitian.Yogyakarta. LSFK2P Santoso, Ratno Dwi dkk. 1992. Analisis Regresi. Yogyakarta. Andi Offset. Sudjana,M.A. M.Sc. Metoda Statistika.Bandung.Tarsito 2005