Faktor-Faktor Yang Mempengaruhi Ketahanan Pangan Di Kabupaten Karo Tahun 2013

(1)

FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013

TUGAS AKHIR

YESENIA ANASTASIA BR GINTING 122407031

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(2)

FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

YESENIA ANASTASIA BR GINTING 122407031

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(3)

PERSETUJUAN

Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013

Kategori : TUGAS AKHIR

Nama : YESENIA ANASTASIA BR GINTING

Nim : 122407031

Program Studi : D3 STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2015

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

Dr.Faigiziduhu Bu’ulölö,M.Si Drs. Gim Tarigan, M.Si NIP. 19531218 198003 1 003 NIP. 195502021986011001

(4)

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2015

YESENIA ANASTASIA BR GINTING 122407031

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, atas segala berkat dan kasih karunia-Nya tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan dengan judul Faktor-Faktor Yang Mempengaruhi Ketahanan Pangan Di Kabupaten Karo Tahun 2013.

Dalam penulisan dan penyusunan Tugas Akhir ini tentunya tidak lepas dari keterlibatan berbagai pihak, oleh karena itu dengan segala kerendahan hati penulis mengucapkan terima kasih dan penghargaan yang sebesarnya kepada :

1. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA Universitas Sumatera Utara.

2. Bapak Prof. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA Universitas Sumatera Utara.

3. Bapak Dr. Suwarno Ariswoyo, M.Si selaku Sekretaris Program Studi D3 Statistika FMIPA Universitas Sumatera Utara.

4. Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi D3 Statistika FMIPA Universitas Sumatera Utara.

5. Bapak Drs. Gim Tarigan, M,Si selaku Dosen Pembimbing yang telah meluangkan waktu, tenaga dan pikiran selama penyusunan Tugas Akhir ini.

6. Segenap tenaga pengajar, staff dan Civitas Akademica Universitas Sumatera Utara.

Penulis juga mengucapkan terima kasih dan penghormatan yang sebesarnya kepada kedua orang tua saya Drs. Demas Ginting dan Alemida Br Keliat atas segala pengorbanan, bimbingan, dukungan moril dan material selama ini serta saudara saya Yudit Kurniawan Ginting yang memberikan motivasi bagi penulis selama penyusunan Tugas Akhir ini dan juga seluruh rekan-rekan kuliah yang selama ini memberikan dukungan dan semangat kepada penulis. Terkhusus,

(6)

penulis mempersembahkan Tugas Akhir ini kepada Edward Marolop Sinaga, S.STP yang telah memberikan semangat, nasehat serta menjadi motivasi penulis. Semoga Tuhan Yang Maha Esa membalasnya.

Penulis menyadari bahwa Tugas Akhir ini terdapat banyak kekurangan baik dari penulisan maupun substansi, oleh karena itu penulis mengharapkan kritik dan saran yang membangun dari berbagai pihak guna perbaikan Tugas Akhir ini.

Akhir kata penulis berharap Tugas Akhir ini dapat memberikan manfaat bagi penulis pribadi dan Kabupaten Karo sebagai lokasi penelitian.

Penulis

(7)

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL v

DAFTAR GAMBAR vi

BAB 1. PENDAHULUAN 1

1.1. Latar Belakang 1

1.2. Rumusan Masalah 4

1.3. Batasan Masalah 4

1.4. Maksud dan Tujuan Penelitian 4

1.5. Metode Penelitian 5

1.6. Tinjau Pustaka 6

BAB 2. LANDASAN TEORI 8

2.1. Pengertian Korelasi 8

2.2. Kegunaan Korelasi Pearson Product Moment (PPM) 8 2.3. Pola atau Bentuk Hubungan antara 2 Variabel 9 2.4. Menghitung Nilai Koefisien Korelasi (r) 10 2.5. Uji Keberartian Koefisien Korelasi 11

BAB 3. PENGOLAHAN DATA 13

3.1 Penyajian Data 13

3.2 Persamaan Korelasi Pearson Product Moment 21 3.3 Perhitungan Korelasi antara Variabel Terikat (Dependent)

dengan Variabel Bebas (Independent) 27 3.4 Uji Keberartian Koefisien Korelasi 33

(8)

BAB 4. IMPLEMENTASI SISTEM 38 4.1 Pengertian Implementasi Sistem 38

4.2 Sekilas Tentang Program SPSS 38

4.3 Pengolahan Data Dengan SPSS 40

BAB 5. KESIMPULAN DAN SARAN

5.1 Kesimpulan 44

5.2 Saran 45

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman

Tabel 2.1 Interpretasi Koefisien Korelasi (r) 11 Tabel 3.1 Jumlah Produksi Padi Menurut Kecamatan Di Kabupaten

Karo Tahun 2013 14

Tabel 3.2 Jumlah Penduduk Menurut Kecamatan Di Kabupaten Karo

Tahun 2013 15

Tabel 3.3 Stok Beras Menurut Kecamatan Di Kabupaten Karo Tahun

(9)

Tabel 3.4 Luas Areal Panen Padi Menurut Kecamatan Di Kabupaten

Karo Tahun 2013 17

Tabel 3.5 Rata-Rata Produktivitas Lahan Padi Menurut Kecamatan Di

Kabupaten Karo Tahun 2013 18

Tabel 3.6 Jumlah Konsumsi Beras Menurut Kecamatan Di Kabupaten

Karo Tahun 2013 19

Tabel 3.7 Rata-Rata Harga Beras Menurut Kecamatan Di Kabupaten

Karo Tahun 2013 20

Tabel 3.8 Nilai-Nilai Yang Diperlukan Untuk Menghitung Korelasi

(10)

DAFTAR GAMBAR

Halaman

Gambar 4.1 Tampilan Pada Monitor Untuk Membuka SPSS 40 Gambar 4.2 Tampilan Jendela Variable View Dalam SPSS 41 Gambar 4.3 Tampilan Pengisian Data pada Data View Dalam SPSS 41

Gambar 4.4 Tampilan Menu Analyze 42

Gambar 4.5 Tampilan Kotak Dialog Bivariate Correlation 42

(11)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Ketahanan pangan adalah ketersediaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dikatakan memiliki ketahanan pangan jika penghuninya tidak berada dalam kondisi kelaparan atau dihantui ancaman kelaparan. Ketahanan pangan merupakan ukuran kelentingan terhadap gangguan di masa depan atau ketiadaan suplai pangan.

World Health Organization mendefinisikan tiga komponen utama ketahanan pangan, yaitu ketersediaan pangan, akses pangan, dan pemanfaatan pangan. Ketersediaan pangan adalah kemampuan memiliki sejumlah pangan yang cukup untuk kebutuhan dasar. Akses pangan adalah kemampuan memiliki sumber daya, secara ekonomi maupun fisik, untuk mendapatkan bahan pangan bernutrisi. Pemanfaatan pangan adalah kemampuan dalam memanfaatkan bahan pangan dengan benar dan tepat secara proporsional. FAO menambahkan komponen keempat, yaitu kestabilan dari ketiga komponen tersebut dalam kurun waktu yang panjang.

Thomas Malthus memberi peringatan pada tahun 1798 bahwa jumlah manusia akan meningkat secara eksponensial, sedangkan usaha pertambahan persediaan pangan hanya dapat meningkat secara aritmatika, sehingga akan terjadi sebuah kondisi dimana dunia akan mengalami kekurangan pangan akibat pertambahan ketersediaan pangan yang tidak sebanding dengan pertambahan penduduk. Pemikiran Malthus telah mempengaruhi kebijakan pangan internasional, antara lain melalui Revolusi Hijau yang sempat dianggap berhasil meningkatkan laju produksi pangan dunia sehingga melebihi laju pertambahan penduduk. Pada saat itu, variabel yang dianggap sebagai kunci sukses penyelamat ketersediaan pangan adalah teknologi (Nasoetion, 2008).

(12)

Saat ini permasalahan pangan kembali menyeruak, banyak anggapan yang mendengungkan berbagai faktor penyebab, salah satunya adalah determinasi teknologi untuk industrialisasi yang dianggap telah menggeser input pangan. Sebuah kenyataan yang ironis karena pada dua abad yang lalu, teknologi diyakini sebagai penyelamat ketersediaan pangan, namun saat ini yang terjadi adalah kebalikan dari harapan yang diyakini oleh Revolusi Hijau.

Hingga awal tahun 2000-an, sebelum pemanasan global menjadi suatu isu penting, dunia selalu optimis mengenai ketersediaan pangan. Bahkan waktu itu, FAO memprediksi bahwa untuk 30 tahun ke depan, peningkatan produksi pangan akan lebih besar daripada pertumbuhan penduduk dunia. Peningkatan produksi pangan yang tinggi itu akan terjadi di negara-negara maju. Selain kecukupan pangan, kualitas makanan juga akan membaik. Prediksi ini didasarkan pada data historis selama dekade 80-an hingga 90-an yang menunjukkan peningkatan produksi pangan di dunia rata-rata per tahun mencapai 2,1%, sedangkan laju pertumbuhan penduduk dunia hanya 1,6% per tahun. Memang, untuk periode 2000-2015 laju peningkatan produksi pangan diperkirakan akan menurun menjadi rata-rata 1,6% per tahun, namun ini masih lebih tinggi jika dibandingkan dengan laju pertumbuhan penduduk dunia yang diprediksi 1,2% per tahun.Untuk periode 2015-2030 laju pertumbuhan produksi pangan diprediksikan akan lebih rendah lagi yakni 1,3% per tahun tetapi juga masih lebih tinggi daripada pertumbuhan penduduk dunia sebesar 0,8% per tahun. Juga FAO memprediksi waktu itu bahwa produksi biji-bijian dunia akan meningkat sebesar 1 miliar ton selama 30 tahun ke depan, dari 1,84 miliar ton di tahun 2000 menjadi 2,84 miliar ton di tahun 2030 (Siswono, 2002).

Masalah kecukupan pangan dunia menjadi isu penting, dan banyak kalangan yakin bahwa dunia sedang menghadapi krisis pangan sejak tahun 2007 karena laju pertumbuhan penduduk dunia yang tetap tinggi setiap tahun, sementara lahan yang tersedia untuk kegiatan-kegiatan pertanian semakin sempit dan akibatnya harga pangan dunia melejit. World Food Program (WFP) menyatakan sekitar 100 juta orang di tiap benua terancam kelaparan. Badan PBB

(13)

ini menyebut krisis pangan tersebut sebagai the silent tsunami, petaka yang melanda diam-diam.

Kabupaten Karo sebagai salah satu penghasil padi mempunyai tingkat produksi padi yang berfluktuasi dari waktu ke waktu. Produksi pada dasarnya merupakan hasil kali luas panen dengan produktivitas per hektare lahan, sehingga seberapa besar produksi suatu wilayah sangat tergantung berapa luas panen pada tahun yang bersangkutan atau berapa tingkat produktivitasnya. Kondisi luas panen di Kabupaten Karo semakin terancam dengan semakin bertambahnya jumlah penduduk setiap tahun yang menyebabkan permintaan terhadap lahan perumahan dan infrastruktur, dan perubahan fungsi lahan pertanian untuk pengembangan industri dan lain-lain semakin meningkat. Selain luas panen, konsumsi per kapita penduduk Kabupaten Karo juga menjadi faktor yang berpengaruh terhadap ketahanan pangan di Kabupaten Karo. Pemikiran belum dikatakan makan jika belum makan nasi sudah melekat dalam budaya masyarakat Sumatera Utara terkhususnya pada budaya masyarakat Karo yang membuat konsumsi per kapita per tahun tergolong tinggi.

Setiap daerah di Kabupaten Karo memiliki kondisi dan karakteristik pangan beras yang berbeda, misalnya kondisi stok beras, luas panen padi, produktivitas lahan, jumlah konsumsi beras dan harga beras. Kondisi-kondisi inilah yang akan digunakan untuk mengukur ketahanan pangan di Kabupaten Karo dengan rasio ketersediaan beras di tiap daerah di Kabupaten Karo sebagai proxy.

Berdasarkan urian diatas penulis penulis mencoba untuk menganalisis hubungan faktor-faktor yang mempengaruhi ketahanan pangan, maka penulis

memilih judul Tugas Akhir ini: “FAKTOR-FAKTOR YANG MEMPENGARUHI

KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013”.

(14)

Permasalahan ketahanan pangan telah melanda Indonesia, begitu pula yang terjadi di Kabupaten Karo. Peningkatan produksi padi di Kabupaten Karo yang diharapkan dapat mengimbangi peningkatan jumlah dan konsumsi penduduk di Kabupaten Karo. Adapun faktor-faktor yang mempengaruhi ketahanan pangan adalah jumlah penduduk, stok beras, luas areal panen padi, produktivitas lahan, jumlah konsumsi beras, dan harga beras. Permasalahan yang akan dianalisis adalah bagaimana pengaruh jumlah penduduk, stok beras, luas panen padi, produktivitas lahan,jumlah konsumsi beras, dan harga beras terhadap ketahanan pangan di Kabupaten Karo.

1.3Batasan Masalah

Untuk mengarahkan penelitian ini agar tidak menyimpang dari maksud dan tujuan penelitian serta tepat kepada sasaran yang dituju, maka perlu diadakan pembatasan masalah yaitu pada data ketahanan pangan tahun 2013 di Kabupaten Karo.

1.4Maksud dan Tujuan Penelitian

Maksud dari penelitian ini adalah untuk dapat mengaplikasikan ilmu pengetahuan terutama ilmu Statistika yang telah dipelajari selama perkuliahan dengan cara pengumpulan, mengamati dan memberikan penyajian data yang diharapkan dapat dipergunakan seefisien mungkin agar pihak yang membutuhkannya dapat mengambil suatu keputusan yang bersifat membangun, untuk memberikan informasi tentang ketahanan pangan di Kabupaten Karo serta faktor-faktor yang mempengaruhinya, sebagai sarana meningkatkan pengetahuan dan wawasan pembaca mengenai analisa korelasi, serta sebagai acuan bagi Pemerintah untuk meningkatkan ketahanan pangan di Kabupaten Karo.

(15)

1. Untuk menganalisa pengaruh stok beras, luas panen, rata-rata produksi, harga beras, jumlah konsumsi beras, jumlah penduduk dan harga bahan bakar terhadap ketahanan pangan di Kabupaten Karo.

2. Untuk mengetahui faktor-faktor yang mempunyai hubungan erat dengan ketahanan pangan di Kabupaten Karo.

3. Untuk tambahan literatur dan pengetahuan pembaca yang sedang mempelajari analisa data yang menggunakan analisa korelasi.

1.5Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya adalah:

1. Metode Penelitian Kepustakaan (Studi Literatur)

Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yamg diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram. Data sekunder yang digunakan diperoleh dari Badan Pusat Statistik Kabupaten Karo. Data yang telah dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Metode Analisa Data

Metode analisa data yang digunakan adalah Analisa Korelasi serta pengolahan data menggunakan program komputer SPSS dan Microsoft Excel.

(16)

Korelasi digunakan untuk mengukur keeratan hubungan antara variabel-variabel. Rumus yang digunakan adalah:

2 2

( )( )

i i

n X Y X Y

n X X n Y Y

dengan: yx r

= Koefisien korelasi antara Y dan X i

= Variabel bebas (indipendent) Y _{= Variabel terikat (dependent)} n = Banyak data

1.6Tinjau Pustaka

Penulis menggunakan buku-buku statistika untuk mendukung serta merangkum penelitian ini, termasuk buku yang memuat informasi mengenai analisa korelasi. Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk mencari hubungan antara dua variabel yang bersifat kuantitatif. Analisis korelasi merupakan studi pembahasan mengenai derajat hubungan atau derajat asosiasi antara dua variabel, misalnya variabel X dan variabel Y. Adapun pengertian korelasi yang lebih spesifik, yaitu mengisyaratkan hubungan yang bersifat substantif numerik (angka/bilangan). Dari definisi ini, sekaligus memperlihatkan bahwa tujuan dari analisis korelasi adalah untuk melihat/menentukan seberapa erat hubungan antara dua variabel.

Menurut Karl Pearson pada awal 1900, korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara dua variabel atau lebih. Menurut Sulaiman (2003, p.133), korelasi adalah salah satu teknik yang digunakan untuk

(17)

mencari hubungan antara dua variabel atau lebih yang sifatnya kuantitatif dan kualitatif.

Menurut Pratisto (2005,p.83), korelasi diartikan sebagai hubungan. Analisis korelasi bertujuan untuk mengetahui pola dan keeratan hubungan antara dua atau lebih variabel. Menurut Irianto (2004, p.133), korelasi merupakan suatu hubungan antara satu variabel dengan variabel lainnya.

(18)

BAB 2

LANDASAN TEORI

2.1 Pengertian Korelasi

Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara dua variabel atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900. Oleh sebab itu terkenal dengan sebutan Korelasi Pearson Product Moment (PPM).

Korelasi Pearson Product Moment (PPM) sering disingkat Korelasi merupakan salah satu teknik analisis statistik yang paling banyak digunakan oleh para peneliti. Karena peneliti umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya. Besarnya angka korelasi disebut koefisien korelasi dinyatakan dengan lambang r.

Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal balik), melainkan hanya merupakan hubungan searah saja. Akibatnya, dalam korelasi dikenal penyebab dan akibatnya. Data penyebab atau yang mempengaruhi disebut variabel bebas (independent) dan data akibat atau yang dipengaruhi disebut variabel terikat (dependent). Variabel bebas (independent) dilambangkan dengan huruf X atau X1, X2, X3 ... Xn (tergantung

banyaknya variabel bebas). Variabel terikat (dependent) dilambangkan dengan huruf Y.

2.2 Kegunaan Korelasi Pearson Product Moment (PPM) Adapun kegunaan dari korelasi ini adalah sebagai berikut:

1. Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara variabel satu dengan yang lainnya.

(19)

2. Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam persen. Dengan demikian, maka r2 disebut koefisien determinasi atau koefisien penentu. Hal ini disebabkan r2x 100% terjadi dalam variabel terikat Y yang mana ditentukan oleh variabel X.

2.3 Pola atau Bentuk Hubungan antara 2 Variabel

Korelasi yang terjadi antara dua variabel adalah sebagai berikut: 1. Korelasi Linear Positif (+1)

Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang lainnya secara teratur dengan arah yang sama. Jika nilai variabel X mengalami kenaikan, maka variabel Y akan ikut naik. Jika nilai variabel X mengalami penurunan, maka variabel Y akan ikut turun.

Apabila nilai koefisien korelasi mendekati +1 (positif satu) berarti pasangan data variabel X dan variabel Y memiliki korelasi linear positif yang kuat/erat/sempurna.

2. Korelasi Linear Negatif (-1)

Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang lainnya secara teratur dengan arah yang berlawanan. Jika nilai variabel X mengalami kenaikan, maka variabel Y akan turun. Jika Nilai variabel X mengalami penurunan, maka nilai variabel Y akan naik.

Apabila nilai koefisien korelasi mendekati -1 (negatif Satu) maka hal ini menunjukan pasangan data variabel X dan variabel Y memiliki korelasi linear negatif yang kuat/erat/sempurna.

3. Tidak Berkorelasi (0)

Kenaikan nilai variabel yang satunya bisa diikut dengan penurunan variabel lainnya atau kadang-kadang diikuti dengan kenaikan variabel yang lainnya. Arah hubungannya tidak teratur, bisa searah atau pun berlawanan.

(20)

2 2 2 2 ( )( ) i i i yx i i

n X Y X Y

n X X n Y Y

Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data variabel X dan variabel Y memiliki korelasi yang sangat lemah atau berkemungkinan tidak berkorelasi.

2.4 Menghitung Nilai Koefisien Korelasi (r)

1. Untuk menghitung korelasi antara variabel bebas (independent) dengan variabel terikat (dependent) dapat digunakan rumus sebagai berikut:

2.1

dengan: i yx r

= Koefisien korelasi antara Y dan X i

X _{= Variabel bebas (indipendent)} Y _{= Variabel terikat (dependent)} n = Banyak data

Nilai r selalu terletak antara -1 dan 1, sehingga nilai r tersebut dapat ditulis:

1 r _.

Untuk r = +1, berarti ada korelasi positif sempurna antara variabel X dan variabel Y sebaliknya jika r = -1, berarti korelasi negatif sempurna antara variabel X dan variabel Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y.

Jika kenaikan didalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa variable tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut

(21)

tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel 2.1 berikut:

Tabel 2.1 Interpretasi Koefisien Korelasi (r)

R Interpretasi

0 0,01 – 0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99

Tidak berkorelasi Sangat rendah

Rendah Agak rendah

Cukup Tinggi Sangat tinggi

2.5 Uji Keberartian Koefisien Korelasi

Langkah-langkah untuk uji keberartian koefisien korelasi adalah sebagai berikut: 1. Menentukan Hipotesa

H0 : Tidak terdapat hubungan yang signifikan antara variabel bebas

(independent) dengan variabel terikat (dependent).

H1 : Terdapat hubungan yang signifikan antara variabel bebas

(independent) dengan variabel terikat (dependent).

2. Menentukan Taraf Nyata (Significant Level)

α = 0,05 dk = n-2

3. Menentukan Kriteria Pengujian

H0 ditolak jika thitung > ttabel atau thitung < – ttabel

(22)

2

1

hitung

n

t

r

4. Menentukan Nilai Uji Statistik thitung dapat dicari dengan rumus:

2.2

5. Membuat Kesimpulan

Menyimpulkan tantang penerimaan atau penolakan H0 (sesuai dengan kriteria

(23)

BAB 3

PENGOLAHAN DATA

3.1 Penyajian Data

Pada dasarnya data merupakan alat untuk pengambilan keputusan dalam memecahkan suatu persoalan. Keputusan yang baik jika pengambilan keputusan tersebut didasarkan atas data yang baik juga. Salah satu kegunaan dari data adalah untuk memberikan informasi mengenai gambaran tentang suatu keadaan permasalahan.

Data yang akan diolah dalam tugas akhir adalah data yang diambil dari Badan Pusat Statistik (BPS) Kabupaten Karo dan Badan Ketahanan Pangan (BKP) Kabupaten Karo, yaitu data mengenai Ketahanan Pangan di Kabupaten Karo. Data yang dikumpulkan adalah data mengenai ketahanan pangan dan faktor-faktor yang mempengaruhinya yaitu:

1. Jumlah Produksi Padi (Y) 2. Jumlah Penduduk (X1)

3. Stok Beras (X2)

4. Luas Areal Panen Padi (X3)

5. Produktivitas Lahan (X4)

6. Jumlah Konsumsi Beras (X5)

7. Harga Beras (X6)

Adapun data Ketahanan Pangan beserta faktor-faktor yang mempengaruhinya dapat dilihat pada uraian tabel berikut ini:

(24)

Tabel 3.1 Jumlah Produksi Padi Menurut Kecamatan Di Kabupaten Karo Tahun 2013

No. Kecamatan Jumlah Produksi Padi

(Per Ton)

1 Mardingding 25.514

2 Laubaleng 26.767

3 Tigabinanga 2.782

4 Juhar 14.856

5 Munte 11.464

6 Kutabuluh 4.733

7 Payung 5.843

8 Tiganderket 3.923

9 Simpang Empat 5.460

10 Naman Teran 1.684

11 Merdeka 11

12 Kabanjahe 1.541

13 Berastagi 135

14 Tigapanah 4.471

15 Dolat Rakyat 584

16 Merek 1.456

17 Barusjahe 10.316

Jumlah 121.504

(25)

Tabel 3.2 Jumlah Penduduk Menurut Kecamatan Di Kabupaten Karo Tahun 2013

No. Kecamatan Jumlah Penduduk

1 Mardingding 17.684

2 Laubaleng 18.359

3 Tigabinanga 20.626

4 Juhar 13.726

5 Munte 20.404

6 Kutabuluh 10.972

7 Payung 11.232

8 Tiganderket 13.659

9 Simpang Empat 19.707

10 Naman Teran 13.263

11 Merdeka 13.794

12 Kabanjahe 66.635

13 Berastagi 44.091

14 Tigapanah 30.388

15 Dolat Rakyat 8.599

16 Merek 18.712

17 Barusjahe 22.904

Jumlah 364.755

(26)

Tabel 3.3 Stok Beras Menurut Kecamatan Di Kabupaten Karo Tahun 2013

No. Kecamatan Stok Beras

(Per Ton)

1 Mardingding 158.946

2 Laubaleng 166.751

3 Tigabinanga 17.330

4 Juhar 92.546

5 Munte 71.419

6 Kutabuluh 29.483

7 Payung 36.402

8 Tiganderket 24.437

9 Simpang Empat 34.017

10 Naman Teran 10.269

11 Merdeka 70

12 Kabanjahe 9.599

13 Berastagi 838

14 Tigapanah 27.856

15 Dolat Rakyat 3.637

16 Merek 9.073

17 Barusjahe 64.269

Jumlah 756.943

(27)

Tabel 3.4 Luas Areal Panen Padi Menurut Kecamatan Di Kabupaten Karo Tahun 2013

No. Kecamatan Luas Areal Panen Padi

(Ha)

1 Mardingding 4.506

2 Laubaleng 4.848

3 Tigabinanga 646

4 Juhar 2.695

5 Munte 2.150

6 Kutabuluh 1.184

7 Payung 1.209

8 Tiganderket 816

9 Simpang Empat 1.375

10 Naman Teran 395

11 Merdeka 2

12 Kabanjahe 388

13 Berastagi 31

14 Tigapanah 1.126

15 Dolat Rakyat 147

16 Merek 349

17 Barusjahe 2.201

Jumlah 24.068

(28)

Tabel 3.5 Rata-Rata Produktivitas Lahan Padi Menurut Kecamatan Di Kabupaten Karo Tahun 2013

No. Kecamatan Produktivitas Lahan

(Kw/Ha)

1 Mardingding 56,62

2 Laubaleng 55,21

3 Tigabinanga 43,06

4 Juhar 55,12

5 Munte 53,32

6 Kutabuluh 39,97

7 Payung 48,33

8 Tiganderket 48,07

9 Simpang Empat 39,71

10 Naman Teran 41,73

11 Merdeka 56,01

12 Kabanjahe 39,71

13 Berastagi 43,39

14 Tigapanah 39,71

15 Dolat Rakyat 39,71

16 Merek 41,73

17 Barusjahe 46,87

Jumlah 788

(29)

Tabel 3.6 Jumlah Konsumsi Beras Menurut Kecamatan Di Kabupaten Karo Tahun 2013

No. Kecamatan Jumlah Konsumsi Beras

(Per Kalori)

1 Mardingding 6.189.400

2 Laubaleng 6.425.650

3 Tigabinanga 7.219.100

4 Juhar 4.804.100

5 Munte 7.141.400

6 Kutabuluh 3.840.200

7 Payung 3.931.200

8 Tiganderket 4.780.650

9 Simpang Empat 6.897.450

10 Naman Teran 4.642.050

11 Merdeka 4.827.900

12 Kabanjahe 23.322.250

13 Berastagi 15.431.850

14 Tigapanah 10.635.800

15 Dolat Rakyat 3.009.650

16 Merek 6.549.200

17 Barusjahe 8.016.400

Jumlah 6.189.400

(30)

Tabel 3.7 Rata-Rata Harga Beras Menurut Kecamatan Di Kabupaten Karo Tahun 2013

No. Kecamatan Harga Beras

(Rupiah)

1 Mardingding 11.500

2 Laubaleng 11.000

3 Tigabinanga 11.250

4 Juhar 10.391

5 Munte 10.547

6 Kutabuluh 10.547

7 Payung 10.547

8 Tiganderket 10.391

9 Simpang Empat 10.425

10 Naman Teran 10.625

11 Merdeka 10.625

12 Kabanjahe 10.122

13 Berastagi 10.422

14 Tigapanah 10.422

15 Dolat Rakyat 10.234

16 Merek 10.391

17 Barusjahe 10.500

Jumlah 179.939

(31)

3.2 Persamaan Korelasi Pearson Product Moment

Untuk mencari persamaan korelasi atau hubungan faktor-faktor yang mempengaruhi ketahanan pangan, maka diperlukan nilai-nilai seperti Tabel 3.8 berikut:

Tabel 3.8 Nilai-Nilai Yang Diperlukan Untuk Menghitung Korelasi Pearson Product Moment

No. Y X1 X2 X3 X4 X5 X6

1 25.514 17.684 158.946 4.506 56,62 6.189.400 11.500 2 26.767 18.359 166.751 4.848 55,21 6.425.650 11.000 3 2.782 20.626 17.330 646 43,06 7.219.100 11.250 4 14.856 13.726 92.546 2.695 55,12 4.804.100 10.391 5 11.464 20.404 71.419 2.150 53,32 7.141.400 10.547 6 4.733 10.972 29.483 1.184 39,97 3.840.200 10.547 7 5.843 11.232 36.402 1.209 48,33 3.931.200 10.547 8 3.923 13.659 24.437 816 48,07 4.780.650 10.391 9 5.460 19.707 34.017 1.375 39,71 6.897.450 10.425 10 1.648 13.263 10.269 395 41,73 4.642.050 10.625 11 11 13.794 70 2 56,01 4.827.900 10.625 12 1.541 66.635 9.599 388 39,71 23.322.250 10.122 13 135 44.091 838 31 43,39 15.431.850 10.422 14 4.471 30.388 27.856 1.126 39,71 10.635.800 10.422 15 584 8.599 3.637 147 39,71 3.009.650 10.234 16 1.456 18.712 9.073 349 41,73 6.549.200 10.391 17 10.316 22.904 64.269 2.201 46,87 8.016.400 10.500 Jumlah 121.504 364.755 756.943 24.068 788 127.664.250 179.939

(32)

Lanjutan Tabel 3.8

No. YX1 YX2 YX3 YX4

1 451.189.576 4.055.343.538 114.966.084 1.444.603 2 491.415.353 4.463.423.584 129.766.416 1.477.806 3 57.381.532 48.211.619 1.797.172 119.793 4 203.913.456 1.374.858.224 40.036.920 818.863 5 233.911.456 818.752.850 24.647.600 611.260 6 51.930.476 139.543.754 5.603.872 189.178 7 65.628.576 212.699.774 7.064.187 282.392 8 53.584.257 95.867.331 3.201.168 188.579 9 107.600.220 185.730.520 7.507.500 216.817 10 21.857.424 16.923.521 650.960 68.771

11 151.734 768 22 616

12 102.684.535 14.791.843 597.908 61.193

13 5.952.285 113.129 4.185 5.858

14 135.864.748 124.546.347 5.034.346 177.543

15 5.021.816 2.123.822 85.848 23.191

16 27.244.672 13.210.621 508.144 60.759 17 236.277.664 663.001.294 22.705.516 483.511 Jumlah 2.251.609.780 12.229.142.540 364.177.848 6.230.732

(33)

Lanjutan Tabel 3.8

No. YX5 YX6 Y2 X12

1 157.916.351.600 293.411.000 650.964.196 312.723.856 2 171.995.373.550 294.437.000 716.472.289 337.052.881 3 20.083.536.200 31.297.500 7.739.524 425.431.876 4 71.369.709.600 154.368.696 220.700.736 188.403.076 5 81.869.009.600 120.910.808 131.423.296 416.323.216 6 18.175.666.600 49.918.951 22.401.289 120.384.784 7 22.970.001.600 61.626.121 34.140.649 126.157.824 8 18.754.489.950 40.763.893 15.389.929 186.568.281 9 37.660.077.000 56.920.500 29.811.600 388.365.849 10 7.650.098.400 17.510.000 2.715.904 175.907.169 11 53.106.900 116.875 121 190.274.436 12 35.939.587.250 15.598.002 2.374.681 4.440.223.225 13 2.083.299.750 1.406.970 18.225 1.944.016.281 14 47.552.661.800 46.596.762 19.989.841 923.430.544 15 1.757.635.600 5.976.656 341.056 73.942.801 16 9.535.635.200 15.129.296 2.119.936 350.138.944 17 82.697.182.400 108.318.000 106.419.856 524.593.216

(34)

Jumlah 788.063.423.000 1.314.307.030 1.963.023.128 11.123.938.259

Lanjutan Tabel 3.8

No. X22 X32 X42

1 25.263.772.284 20.304.036 3205,82

2 27.805.890.612 23.503.104 3048,14

3 300.323.406 417.316 1854,16

4 8.564.697.926 7.263.025 3038,21

5 5.100.741.266 4.622.500 2843,02

6 869.256.195 1.401.856 1597,6

7 1.325.141.592 1.461.681 2335,79

8 597.179.176 665.856 2310,72

9 1.157.127.630 1.890.625 1576,88

10 105.454.970 156.025 1741,39

11 4.870 4 3137,12

12 92.138.114 150.544 1576,88

13 702.229 961 1882,69

14 775.983.789 1.267.876 1576,88

15 13.225.452 21.609 1576,88

16 82.323.479 121.801 1741,39

17 4.130.532.898 4.844.401 2196,8

(35)

Lanjutan Tabel 3.8

No. X52 X62

1 38.308.672.360.000 132.250.000

2 41.288.977.922.500 121.000.000

3 52.115.404.810.000 126.562.500

4 23.079.376.810.000 107.972.881

5 50.999.593.960.000 111.239.209

6 14.747.136.040.000 111.239.209

7 15.454.333.440.000 111.239.209

8 22.854.614.422.500 107.972.881

9 47.574.816.502.500 108.680.625

10 21.548.628.202.500 112.890.625

11 23.308.618.410.000 112.890.625

12 543.927.345.062.500 102.454.884

13 238.141.994.422.500 108.618.084

14 113.120.241.640.000 108.618.084

15 9.057.993.122.500 104.734.756

16 42.892.020.640.000 107.972.881

17 64.262.668.960.000 110.250.000

(36)

2 2 2 2

(

)(

)

i i i yx i i

n

X Y

X

Y

r

n

X

n Y

Y

Dari Tabel 3.8 diatas diperoleh harga-harga sebagai berikut:

n = 17 ∑YX4 = 6.230.732

∑Y = 121.504 ∑YX5 = 788.063.423.000

∑X1 = 364.755 ∑YX6 = 1.314.307.030

∑X2 = 756.943 ∑Y2 = 1.963.023.128

∑X3 = 24.068 ∑X12 = 11.123.938.259

∑X4 = 788 ∑X22 = 76.184.495.889

∑X5 = 127.664.250 ∑X32 = 68.093.220

∑X6 = 177.495 ∑X42 = 37.240

∑Y X1 = 2.251.609.780 ∑X52 = 1.362.682.436.727.500 ∑Y X2 = 12.229.142.540 ∑X62 = 1.906.586.453

∑Y X3 = 364.177.848

Untuk mengetahui berapa besar korelasi atau hubungan faktor-faktor yang mempengaruhi ketahanan pangan, maka dapat dihitung menggunakan rumus sebagai berikut: 3.1 dengan: i yx r

= Koefisien korelasi antara Y dan X i

= Variabel bebas (indipendent) Y _{= Variabel terikat (dependent)} n = Banyak data

(37)

1 1 1 2 2 2 2 1 1 2 2

(

)(

)

17(2251609780) (364755)(121504)

=

{17(11123938259) (364755) }{17(1963023128) (121504) }

38277366260 44319191520

=

{189106950403 133046210025}{33371393176 14763

n

X Y

X

Y

r

n

X

n

Y

222016}

6041825260

=

(56060740378)(18608171160)

6041825260

=

1043187852310150000000

6041825260

=

32298418728

0,187

=

3.3 Perhitungan Korelasi Antara Variabel Terikat (Dependent) Dengan Variabel Bebas (Independent)

1. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Jumlah Penduduk (X1)

Nilai yang negatif menandakan hubungan yang tidak searah antara jumlah penduduk dengan jumlah produksi padi, artinya penambahan jumlah penduduk akan menurunkan jumlah produksi padi. Dan sebaliknya penurunan jumlah penduduk akan meningkatkan jumlah produksi padi. Hubungan antara jumlah penduduk dengan jumlah produksi padi tergolong lemah, ini ditandai dengan nilai r yang tinggi yaitu -0,187.

(38)

2. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Stok Beras (X2) 2 2 2 2 2 2 2 2 2 2 2

(

)(

)

17(12229142540) (756943)(121504)

=

{17(76184495889) (756943) }{17(1963023128) (121504) }

207895423180 91971602272

=

{1295136430113 572962705249}{33371393176

n

X Y

X

Y

r

n

X

n

Y

14763222016}

115923820908

=

(722173724864)(18608171160)

115923820908

=

13438332279524059722240

115923820908

=

115923821018

0,999

=

=1

Nilai yang positif menandakan hubungan yang searah antara stok beras dengan jumlah produksi padi, artinya penambahan stok beras akan meningkatkan jumlah produksi padi. Dan sebaliknya penurunan stok beras akan menurunkan jumlah produksi padi. Hubungan antara stok beras dengan jumlah produksi padi tergolong sangat kuat, ini ditandai dengan nilai r yang tinggi yaitu 0,999 atau dapat dibulatkan menjadi 1.

(39)

3. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Luas Areal Panen Padi (X3)

3 3 3 2 2 2 2 3 3 2 2

(

)(

)

17(364177848) (24068)(121504)

=

{17(68093220) (24068) }{17(1963023128) (121504) }

6191023416 2924358272

=

{1157584740 579268624}{33371393176 14763222016}

n

X Y

X

Y

r

n

X

n

Y

3266665144

=

(578316116)(18608171160)

3266665144

=

10761405271114414560

3266665144

=

3280458089

0,996

=

Nilai yang positif menandakan hubungan yang searah antara luas areal panen padi dengan jumlah produksi padi, artinya penambahan luas areal panen padi akan meningkatkan jumlah produksi padi. Dan sebaliknya penurunan luas areal panen padi akan menurunkan jumlah produksi padi. Hubungan antara luas areal panen padi dengan jumlah produksi padi tergolong kuat, ini ditandai dengan nilai r yang tinggi yaitu 0,996.

(40)

4. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Produktivitas Lahan (X4)

4 4 4 2 2 2 2 4 4 2 2

(

)(

)

17(6230732)

(788)(121504)

=

{17(37240)

(788) }{17(1963023128)

(121504) }

105922444 95745152

=

{633080

620944}{33371393176 14763222016}

10177292

=

(12136)(1

n

X Y

X

Y

r

n

X

n

Y

8608171160)

10177292

=

225828765197760

10177292

=

15027600

0,678

=

Nilai yang negatif menandakan hubungan yang tidak searah antara produktivitas lahan dengan jumlah produksi padi, artinya penambahan produktivitas lahan akan menurunkan jumlah produksi padi. Dan sebaliknya penurunan produktivitas lahan akan meningkatkan jumlah produksi padi. Hubungan antara produktivitas lahan dengan jumlah produksi padi tergolong kuat, ini ditandai dengan nilai r yang tinggi yaitu -0,678.

(41)

5. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Jumlah Konsumsi Beras (X5)

5 5 5 2 2 2 2 5 5 2 2

(

)(

)

17(788063423000) (127664250)(121504)

=

{17(1362682436727500) (127664250) }{17(1963023128) (121504) }

13397078191000 15511717032000

=

{23165601424367500 16298

n

X Y

X

Y

r

n

X

n Y

Y

160728062500}{33371393176 14763222016}

2114638841000

=

(6867440696305000)(18608171160)

2114638841000

=

127790551907993019563800000

2114638841000

=

11304446554697

0,187

=

Nilai yang negatif menandakan hubungan yang tidak searah antara jumlah konsumsi beras dengan jumlah produksi padi, artinya penambahan jumlah konsumsi beras akan menurunkan jumlah produksi padi. Dan sebaliknya penurunan jumlah konsumsi beras akan meningkatkan jumlah produksi padi. Hubungan antara dengan jumlah konsumsi beras jumlah produksi padi tergolong lemah, ini ditandai dengan nilai r yang rendah yaitu -0,187.

(42)

6. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Harga Beras (X6) 6 6 6 2 2 2 2 6 6 2 2

(

)(

)

17(1314307030) (179939)(121504)

=

{17(1906586453) (179939) }{17(1963023128) (121504) }

22343219510 21863308256

=

{32411969701 32378043731}{33371393176 147632

n

X Y

X

Y

r

n

X

n

Y

22016}

479911254

=

(33925970)(18608171160)

479911254

=

631300256529025200

479911254

=

794544056

0,604

=

Nilai yang positif menandakan hubungan yang searah antara harga beras dengan jumlah produksi padi, artinya penambahan harga beras akan meningkatkan jumlah produksi padi. Dan sebaliknya penurunan harga beras akan menurunkan jumlah produksi padi. Hubungan antara harga beras dengan jumlah produksi padi tergolong kuat, ini ditandai dengan nilai r yang tinggi yaitu 0,604.

(43)

2

1

hitung

n

t

r

3.4 Uji Keberartian Koefisien Korelasi

Setelah koefisien korelasi diperoleh, maka dibutuhkan suatu pengujian keberartian koefisien korelasinya dengan langkah-langkah sebagai berikut:

1. Hipotesa Pengujian

H0 : Tidak terdapat hubungan yang signifikan antara variabel X1, X2, X3,

X4, X5, X6 Terhadap variabel Y

H1 : Terdapat hubungan yang signifikan antara variabel X1, X2, X3, X4, X5,

X6 Terhadap variabel Y

2. Taraf Nyata (Significant Level)

α = 0,05

α/2 = 0,025 dk = n-2 dk = 17-2

= 15

t0,025;15 = –2,132 (pengujian sisi kiri)

t0,025;15 = 2,132 (pengujian sisi kanan)

3. Kriteria Pengujian

H0 ditolak jika thitung > 2,132atau thitung < –2,132

H0 diterima jika –2,132 ≤ thitung≤ 2,132

4. Nilai Uji Statistik

thitung dapat dicari dengan rumus:

(44)

2 ₁ 2

17 2

=0,999

2 1 (0, 999)

15 =0,999

1 (0, 998) 15 =0,999 0, 002 n t r r 5

2

1 17 2

= 0,187

2 1 ( 0,187)

15 = 0,187

1 (0, 035)

15 = 0,187

0,965

= 0,187 15,544

= 0,187 3,943

= 0, 737

n

t

r

x

Dengan menggunakan rumus 3.2 diatas maka dapat dihitung thitung antara

variabel terikat (dependent) dengan variabel bebas (independent).

a. Nilai thitung variabel jumlah produksi padi (Y) dengan jumlah penduduk (X1) untuk n = 17 dan ryx1 = – 0,817

Maka –ttabel≤ thitung≤ ttabel yaitu –2,132 < –0,737 < 2,132

H0 diterima, berarti tidak terdapat hubungan yang signifikan antara

jumlah penduduk (X1) dengan jumlah produksi padi (Y).

b. Nilai thitung variabel jumlah produksi padi (Y) dengan stok beras (X2) untuk n = 17 dan ryx2 = 0,999

(45)

3 ₁ 2

17 2

=0,996

2 1 (0, 996)

15 =0,996

1 (0, 992) 15

=0,996

0, 008 =0,996 1875 =0,996 43, 301 =43,128

t r

Maka thitung > ttabel yaitu 86,516 > 2,132

H0 ditolak, berarti terdapat hubungan yang signifikan antara stok beras

(X2) dengan jumlah produksi padi (Y).

c. Nilai thitung variabel jumlah produksi padi (Y) dengan luas areal panen padi (X3) untuk n = 17 dan ryx3 = 0,996

Maka thitung > ttabel yaitu 43,128 > 2,132

H0 ditolak, berarti terdapat hubungan yang signifikan antara luas areal

(46)

2 2 1

17 2

= 0, 678

2 1 ( 0, 678)

15 = 0, 678

1 (0, 460) 15

= 0, 678

0, 54 = 0, 678 27, 778 = 0, 678 5, 271 = 3, 574

n t r r x 5

2

1 17 2

= 0,187

2 1 ( 0,187)

15 = 0,187

1 (0, 035)

15 = 0,187

0,965

= 0,187 15,544

n

t

r

d. Nilai thitung variabel jumlah produksi padi (Y) dengan produktivitas lahan (X4) untuk n = 17 dan ryx4 = –0,678

Maka thitung < ttabel yaitu –3,574 < –2,132

H0 ditolak, berarti terdapat hubungan yang signifikan antara

produktivitas (X4) dengan jumlah produksi padi (Y).

e. Nilai thitung variabel jumlah produksi padi (Y) dengan jumlah konsumsi beras (X5) untuk n = 17 dan ryx5 = –0,187

(47)

2

6 ₁

2

17

2 =0,604

2

1 (0,604)

15 =0,604

1 (0, 365)

15 =0,604

0, 635

=0,604 23, 622

=0,604 4, 860

=2,935

n

t

r

x

Maka –ttabel≤ thitung≤ ttabel yaitu –2,132 < –0,737 < 2,132

H0 diterima, berarti tidak terdapat hubungan yang signifikan antara

jumlah konsumsi beras (X5) dengan jumlah produksi padi (Y).

f. Nilai thitung variabel jumlah produksi padi (Y) dengan harga beras (X6) untuk n = 17 dan ryx6 = 0,604

Maka thitung > ttabel yaitu 2,935 > 2,132

H0 ditolak, berarti terdapat hubungan yang signifikan antara harga

(48)

BAB 4

IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem yang disetujui,menginstal, dan memulai baru atau sistem yang diperbaiki.

Tahapan implementasi merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini menggunakan software yaitu SPSS 18.0 for Windows dalam memperoleh hasil perhitungan.

4.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket komputer yang digunakan untuk mengolah data statistik. Banyak program lain yang juga dapat digunakan untuk olah data statistik, misalnya Microstat, SAS, Statistica, SPSS-2000, dan lain-lain. Namun SPSS lebih populer dibandingkan dengan program lainnya.

SPSS (Statistical Product and Service Solution) adalah program komputer yang dipakai untuk analisis statistika. Sejak tanggal 28 Juli 2009, SPSS disebut sebagai PASW (Predictive Analytics Software), karena perusahaan ini telah dibeli oleh perusahaan IBM dengan harga US$1,2 miliar. Dengan SPSS kita dapat memakai hampir dari seluruh tipe file data dan menggunakannya untuk untuk membuat laporan berbentuk tabulasi, chart (grafik), plot (diagram) dari berbagai distribusi, statistik deskriptif dan analisis statistik yang kompleks.

(49)

SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai populernya sistem operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang). Pada awalnya SPSS dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu social, sehingga kepanjangan SPSS itu sendiri adalah Statistical Package for the Social Sciens. Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna, seperti untuk proses produksi di pabrik, riset ilmu sains dan lainnya. Dengan demikian, sekarang kepanjangan dari SPSS adalah Statistical Product and Service Solution. (Hartono.2008)

(50)

4.3 Pengolahan Data Dengan SPSS

Secara umum ada beberapa tahapan yang harus dilakukan dalam mengoprasikan SPSS agar hasil yang diperoleh berdayaguna yakni, tahapan penyiapan data yang mencakup pemasukan (input) data, penyimpanan data, tahap proses analisis data, dan tahapan analisis hasil.

Adapun langkah-langkah pengolahan data dengan menggunakan program SPSS adalah:

1. Memulai SPSS pada Windows yaitu sebagai berikut: a. Pilih menu Start dari Windows

b. Selanjutnya pilih Program

c. Pilih SPSS Inc, PASW Statistics 18.0 Tampilannya adalah sebagai berikut:

(51)

2. Memasukan Data Kedalam SPSS

SPSS Data Editor mempunyai dua area kerja yaitu, Data View dan Variable View. Data View merupakan suatu area untuk mengisi atau menginput data, sedangkan Variable View merupakan suatu area untuk membuat atau mendefinisikan variabel data.

Gambar 4.2 Tampilan Jendela Variable View dalam SPSS

3. Melakukan pemasukan (entry) data dengan mengklik pada icon data view pada jendela yang aktif

(52)

4. Untuk mengolah data dengan persamaan korelasi yaitu sebagai berikut: a. Klik menu Analyze pada baris toolbar

b. Pilih menu Correlate

c. Kemudian pilih menu Bivariate, sehingga muncul kotak dialog Bivariate Correlations.

Gambar 4.4 Tampilan Menu Analyze

5. Masukkan variabel jumlah produksi padi, jumlah penduduk, stok beras, luas areal panen padi, produktivitas lahan, jumlah konsumsi beras, dan harga beras pada kotak variables, kemudian centang pearson pada correlation coefficients, dan klik two-tailed pada test of significance, klik OK.

(53)

6. Hasil Output Analisa Korelasi Pearson dalam SPSS

(54)

BAB 5

KESIMPULAN DAN SARAN

5.5Kesimpulan

Berdasarkan analisis yang telah dilakukan, maka dapat diambil beberapa kesimpulan, yaitu:

1. Berdasarkan perhitungan korelasi antara variabel X1, X2, X3, X4, X5, X6

terhadap Y dapat disimpulkan bahwa variabel-variabel yang berkorelasi kuat terhadap variabel Y adalah variabel X2, X3, X4, dan X6. Artinya

variabel stok beras, luas areal panen padi, produktivitas lahan, dan harga beras berkorelasi kuat terhadap variabel jumlah produksi padi.

2. Berdasarkan perhitungan korelasi antara variabel X1, X2, X3, X4, X5, X6

terhadap Y dapat disimpulkan bahwa variabel-variabel yang berkorelasi lemah terhadap variabel Y adalah variabel X1 dan X6. Artinya variabel

jumlah penduduk dan jumlah konsumsi beras berkorelasi lemah terhadap jumlah produksi padi.

3. Melalui uji keberartian koefisien korelasi dengan α=0,05 disimpulkan bahwa nilai uji keberartian koefisien korelasi (t0) yang mempunyai

hubungan yang signifikan antara variabel X terhadap variabel Y adalah t2=86,516; t3=43,128; t4=-3,574; t6=2,935. Artinya terdapat hubungan yang

signifikan antara variabel stok beras, luas areal panen padi, produktivitas lahan, dan harga beras terhadap variabel jumlah produksi padi.

4. Melalui uji keberartian koefisien korelasi dengan α=0,05 disimpulkan bahwa nilai uji keberartian koefisien korelasi (t0) yang mempunyai

hubungan yang signifikan antara variabel X terhadap variabel Y adalah t1=-0,737; t5=-0,737.Artinya tidak terdapat hubungan signifikan antara

variabel jumlah penduduk dan jumlah konsumsi beras terhadap jumlah produksi padi.

(55)

5.6Saran

1. Dalam upaya meningkatkan ketahanan pangan di Kabupaten Karo, pemerintah Kabupaten karo perlu menjaga areal yang digunakan untuk menanam padi dan melakukan penyuluhan bagi petani tentang bagaimana cara menigkatkan produktivitas lahan yang digunakan. Perlu dikeluarkannya berbagai kebijakan untuk menjaga atau bahkan menambah luas areal penanaman padi serta melindungi lahan pertanian untuk menjamin jumlah produksi padi di tiap kecamatan di Kabupaten Karo. 2. Penelitian ini masih terbatas karena adanya keterbatasan data. Penelitian

ini hanya menitik pada jumlah produksi padi yang dipengaruhi oleh jumlah penduduk, stok beras, luas areal panen padi, produktivitas lahan, jumlah konsumsi beras dan harga beras untuk mewujudkan ketahanan pangan di Kabupaten Karo. Masih banyak aspek yang bisa dijadikan indikator ketahanan pangan, seperti aspek distribusi, perilaku petani dalam berproduksi, pengaruh impor beras, dan berbagai aspek lainnya yang nantinya dapat melanjutkan penelitian ini. Oleh karenanya diperlukan studi lanjutan yang lebih mendalam dengan data dan metode yang lebih lengkap, sehingga dapat melengkapi hasil penelitian yang telah ada dan hasilnya dapat dipergunakan sebagai bahan pertimbangan berbagai pihak yang berkaitan dengan usaha-usaha untuk mencapai ketahanan pangan.

(56)

DAFTAR PUSTAKA

Hadi Sutrisno.2001.Statistik.Jilid 2.Yogyakarta:Andi Yogyakarta.

http://teknikelektonika.com/pengertian-analisis-korelasi-sederhana-rumus-pearson Kustituanto Bambang.1984.Statistik Analisa Runtun Waktu dan Regresi-Korelasi.Yogyakarta:BPFE Yogyakarta.

Nugroho, Djuzali, Abuzar .1995.Rumus-Rumus Statistika Serta Penerapannya.Jakarta:Raja Grafindo Persada.

Sudjana.2005.Metode Statistika.Edisi ke-6.Bandung:Tarsito. thesis.binus.ac.id/Asli/Bab3/2011-1-00460-mn%203.pdf

(1)

2. Memasukan Data Kedalam SPSS

Gambar 4.2 Tampilan Jendela Variable View dalam SPSS

3. Melakukan pemasukan (entry) data dengan mengklik pada icon data view pada jendela yang aktif

(2)

4. Untuk mengolah data dengan persamaan korelasi yaitu sebagai berikut: a. Klik menu Analyze pada baris toolbar

b. Pilih menu Correlate

c. Kemudian pilih menu Bivariate, sehingga muncul kotak dialog Bivariate Correlations.

Gambar 4.4 Tampilan Menu Analyze

Gambar 4.5 Tampilan Kotak Dialog Bivariate Correlation

(3)

6. Hasil Output Analisa Korelasi Pearson dalam SPSS

(4)

BAB 5

KESIMPULAN DAN SARAN

5.5Kesimpulan

Berdasarkan analisis yang telah dilakukan, maka dapat diambil beberapa kesimpulan, yaitu:

1. Berdasarkan perhitungan korelasi antara variabel X1, X2, X3, X4, X5, X6 terhadap Y dapat disimpulkan bahwa variabel-variabel yang berkorelasi kuat terhadap variabel Y adalah variabel X2, X3, X4, dan X6. Artinya variabel stok beras, luas areal panen padi, produktivitas lahan, dan harga beras berkorelasi kuat terhadap variabel jumlah produksi padi.

2. Berdasarkan perhitungan korelasi antara variabel X1, X2, X3, X4, X5, X6 terhadap Y dapat disimpulkan bahwa variabel-variabel yang berkorelasi lemah terhadap variabel Y adalah variabel X1 dan X6. Artinya variabel jumlah penduduk dan jumlah konsumsi beras berkorelasi lemah terhadap jumlah produksi padi.

3. Melalui uji keberartian koefisien korelasi dengan α=0,05 disimpulkan bahwa nilai uji keberartian koefisien korelasi (t0) yang mempunyai hubungan yang signifikan antara variabel X terhadap variabel Y adalah t2=86,516; t3=43,128; t4=-3,574; t6=2,935. Artinya terdapat hubungan yang signifikan antara variabel stok beras, luas areal panen padi, produktivitas lahan, dan harga beras terhadap variabel jumlah produksi padi.

4. Melalui uji keberartian koefisien korelasi dengan α=0,05 disimpulkan bahwa nilai uji keberartian koefisien korelasi (t0) yang mempunyai hubungan yang signifikan antara variabel X terhadap variabel Y adalah t1=-0,737; t5=-0,737.Artinya tidak terdapat hubungan signifikan antara variabel jumlah penduduk dan jumlah konsumsi beras terhadap jumlah produksi padi.

(5)

5.6Saran

(6)

DAFTAR PUSTAKA

Hadi Sutrisno.2001.Statistik.Jilid 2.Yogyakarta:Andi Yogyakarta.

http://teknikelektonika.com/pengertian-analisis-korelasi-sederhana-rumus-pearson Kustituanto Bambang.1984.Statistik Analisa Runtun Waktu dan Regresi-Korelasi.Yogyakarta:BPFE Yogyakarta.

Nugroho, Djuzali, Abuzar .1995.Rumus-Rumus Statistika Serta Penerapannya.Jakarta:Raja Grafindo Persada.

Sudjana.2005.Metode Statistika.Edisi ke-6.Bandung:Tarsito. thesis.binus.ac.id/Asli/Bab3/2011-1-00460-mn%203.pdf

Usman, Purnomo.2006.Pengantar Statistika.Edisi ke-2.Jakarta:Bumi Aksara.