Faktor-Faktor yang Mempengaruhi Produksi Listrik di PT PLN (Persero) Cabang Medan
FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI LISTRIK DI PT PLN (Persero) CABANG MEDAN
TUGAS AKHIR
ARFI SULTHANI SYAM 112407050
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2014
(2)
FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI LISTRIK DI PT PLN (Persero) CABANG MEDAN
TUGAS AKHIR
Diajukan untuk melengkapi Tugas Akhir dan memenuhi syarat mencapai gelar Ahli Madya
ARFI SULTHANI SYAM 112407050
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
(3)
PERSETUJUAN
Judul :FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI
LISTRIK DI PT PLN (Persero) CABANG MEDAN
Kategori : TUGAS AKHIR
Nama : ARFI SULTHANI SYAM
Nim : 112407050
Program Studi : D3 STATISTIK
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM
(FMIPA) UNIVERSITAS SUMATERA UTARA
Disetujui di Medan, Juni 2014
Diketahui oleh:
Program Studi D3 Statistika FMIPA USU
Ketua, Pembimbing
Dr. Faigiziduhu Bu’ulölö, M.Si Drs. Pengarapen Bangun, M.Si
(4)
PERNYATAAN
FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI
LISTRIK DI PT PLN (Persero) CABANG MEDAN
TUGAS AKHIR
Saya mengaku bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dari ringksan yang masing-masing disebutkan sumbernya.
Medan, Juli 2014
ARFI SULTHANI SYAM 112407050
(5)
PENGHARGAAN
Puji dan syukur penulis panjatkan kehadiran Allah SWT yang telah memberikan rahmat dan karunianya kepada penulis, sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan judul “FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI LISTRIK DI PT PLN (Persero) CABANG MEDAN”
Terimakasih penulis sampaikan kepada Bapak Drs. Pengarapen Bangun, M.Si selaku Dosen Pembimbing yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU Medan, BapakProf. Dr. Tulus, M.Si, PhD dan Ibu Dr. 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 Medan, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Drs. H. Syamsu Nahar dan Ibu Dra. Hj. Nurhafifah selaku Ayah dan Ibu penulis dan keluarga yang selama ini memberikan doa, bantuan dan dorongan yang diperlukan dalam proses perkuliahan dan penyusunan Tugas Akhir ini. Semoga Allah SWT akan membalasnya.
Medan, Juli 2014 Penulis
112407050
(6)
DAFTAR ISI
Hal
Persetujuan i
Pernyataan ii
Penghargaan iii
Daftar Isi iv
Daftar Tabel vi
Daftar Gambar vii
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Metodologi Penelitian 4
1.7 Tinjauan Pustaka 6
1.8 Lokasi Penelitian 8
1.9 Sistematika Penulisan 8
BAB 2 LANDASAN TEORI
2.1 Pengertian Regresi 10
2.2 Analisis Regresi Berganda 10
2.3 Regresi Linier Sederhana 11
2.4 Regresi Linier Berganda 12
2.5 Membentuk Persamaan Regresi Linier Berganda 12
2.6 Uji Keberartian Regresi 14
2.7 Uji Koefisien Regresi Linier Berganda 15
2.8 Uji Koefisien Korelasi 16
(7)
BAB 3 GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Badan Pusat Statistik 21
3.1.1 Masa Pemerintahan Hindia Belanda 22
3.1.2 Masa Pemerintahan Jepang 22
3.1.3 Masa Kemerdekaan Republik Indonesia 23
3.1.4 Masa Orde Baru Sampai Sekarang 23
3.2 Tugas, Fungsi, dan Kewenangan BPS 23
3.2.1 Tugas 23
3.2.2 Fungsi 24
3.2.3 Kewenangan 24
3.3 Visi dan Misi BPS 25
3.3.1 Visi 25
3.3.2 Misi 25
3.4 Struktur Organisasi BPS 26
3.5 Logo BPS 28
BAB 4 PENGOLAHAN DATA
4.1 Pengolahan Data dan Evaluasi 29
4.2 Menentukan Persamaan Regresi Linier Berganda 31
4.3 Pengujian Keberartian Regresi 36
4.4 Perhitungan Koefisien Determinasi 40
4.5 Pengujian Koefisien Regresi Linier Berganda 41
4.6 Pengujian Koefisien Korelasi 44
4.6.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat 44
4.6.2 Perhitungan Korelasi antar Variabel Bebas 47
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 50
5.2 Pengertian SPSS 50
5.3 Pengolahan Data dengan SPSS 51
5.4 Analisis Regresi dan Korelasi dengan SPSS 56
5.5 Hasil Output Pengolahan Data dalam SPSS 58
BAB 6 PENUTUP
6.1 Kesimpulan 68
6.2 Saran 70
DAFTAR PUSTAKA LAMPIRAN
(8)
DAFTAR TABEL
Tabel 4.1 Data yang akanDiolah 29
Tabel 4.2 Data yang akanDiolah (Simbol) 30
Tabel 4.3 Nilai-nilai yang DiperlukanuntukMenghitungKoefisienRegresi 31
Tabel 4.4 Nilai-nilai yang DiperlukanuntukMenghitungNilaiTaksiran Baku 34
Tabel 4.5 Nilai-nilaiuntukMenghitungKoefisien-koefisienRegresidan
(9)
DAFTAR GAMBAR
Gambar 3.1 Struktur Organisasi BPS Provinsi 23
Gambar 3.2 Logo BPS 30
Gambar 5.1 Tampilan Pengaktifan SPSS 17,0 51
Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS 52
Gambar 5.3 Tampilan Pengisian Variabel pada Variabel View 53
Gambar 5.4 Tampilan Pengisian Data pada Data View 55
Gambar 5.5 Tampilan Menu Analyze (Regression dan Analyze) 56
Gambar 5.6 Tampilan pada Linier Regression 57
Gambar 5.7 Tampilan pada Linier Regression Statistics 57
Gambar 5.8 Tampilan pada Linier Regression Plots 58
Gambar 5.9 Tampilan pada Bagian Descriptive Statistics 58
Gambar 5.10 Tampilan pada Bagian Correlations 59
Gambar 5.11 Tampilan pada Bagian Variabel Entered/Remove 61
Gambar 5.12 Tampilan pada Bagian Model Summary 61
Gambar 5.13 Tampilan pada Bagian ANOVAb 62
Gambar 5.14 Tampilan pada Bagian Coefficients 63
Gambar 5.15 Tampilan pada Bagian Partial Regression Plot
(Produksi-Pelanggan) 65
Gambar 5.16 Tampilan pada Bagian Partial Regression Plot
(Produksi-Banyaknya Permintaan) 66
Gambar 5.17 Tampilan pada Bagian Partial Regression Plot
(10)
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan sangat berperan dalam proses pembangunan. Oleh sebab itu peningkatan serta pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika seiring selalu bertambahnya jumlah pelanggan yang tidak disertai dengan pertambahan produksi listrik yang efisien maka akan terjadi berbagai masalah. Banyak orang tidak dapat melakukan kegiatan sehari-hari sebagaimana mestinya. Hal ini juga dapat mengganggu roda perekonomian dan banyak aspek lain.
Oleh sebab itu, energi listrik sangat dibutuhkan karena di masa modernisasi ini hampir semua peralatan sehari-hari menggunakan alat elektronik yang juga menggunakan energi listrik. Dengan berkurangnya pasokan energi listrik seiring bertambahnya jumlah pelanggan akan sangat mempengaruhi kualitas kehidupan sehari-hari.
Energi listrik membawa peranan yang sangat penting bagi masyarakat, industri dan pemerintah. Seperti pada bidang produksi, penelitian atau riset, bidang pertahanan dan keamanan, bidang komunikasi dan mass media, bidang rumah tangga dan lain-lain. Bahkan tingkat produksi dan penjualan listrik telah menjadi salah satu ukuran
(11)
Mengingat bahwa Perusahaan Listrik Negara (PLN) adalah sebuah BUMN yang mengurusi semua aspek kelistrikan yang ada di Indonesia dan betapa pentingnya peran yang dijalankannya dalam pengaliran listrik yang juga mendukung kemajuan suatu Negara dan merupakan pilar dalam kehidupan sehari-hari, mendorong minat penulis untuk menganalisa faktor-faktor yang mempengaruhi produksi listrik di wilayah cakupan Cabang Medan. Karena sudah semestinya seiring meningkatnya jumlah pelanggan dan jumlah permintaan listrik yang dapat dilihat dari penjualan listrik setiap tahunnya, PLN juga seharusnya menaikkan jumlah produksi listriknya dari berbagai cara, seperti penggunaan Anggaran Pendapatan dan Belanja Daerah (APBD). Untuk membantu masyarakat mengetahui besar pengaruh jumlah pelanggan listrik, jumlah permintaan listrik terhadap produksi listrik khususnya di PT. PLN
(Persero) Cabang Medan. Maka penulis memilih judul “FAKTOR-FAKTOR
YANG MEMPENGARUHI PRODUKSI LSITRIK DI PT PLN (Persero)
CABANG MEDAN”.
1.2 Perumusan Masalah
Sebagai rumusan masalah yang akan dianalisis dalam penelitian ini adalah sebagai berikut:
a. Apakah jumlah pelanggan listrik dan banyaknya pelanggaran listrik, dan APBD
memiliki hubungan yang signifikan terhadap produksi listrik di PT PLN (Persero) Cabang Medan?
(12)
b. Apakah jumlah pelanggan listrik dan banyaknya pelanggaran listrik, dan APBD memiliki pengaruh yang besar terhadap produksi listrik di PT PLN (Persero) Cabang Medan?
c. Sektor manakah yang lebih mempengaruhi produksi listrik di PT PLN (Persero)
Cabang Medan?
1.3 Batasan Masalah
Pembatasan masalah bertujuan untuk memperjelas arah dan tujuan dari suatu masalah yang akan diteliti sehingga tidak menimbulkan kekeliruan. Untuk mengarahkan agar penelitian ini tidak menyimpang dari tujuan yang diinginkan, maka penulis hanya meneliti pengaruh jumlah pelanggan listrik rumah tangga dan banyaknya permintaan listrik, dan APBD terhadap produksi listrik di PT PLN (Persero) Cabang Medan diluar faktor lain yang mungkin mempengaruhi. Metode analisa data dengan menggunakan Metode Regresi Berganda. Data kuantitatif yang digunakan adalah data jumlah produksi listrik oleh PT PLN (Persero) Cabang Medan, jumlah pelanggan listrik rumah tangga oleh PT PLN (Persero) Cabang Medan, banyaknya permintaan listrik oleh PT PLN (Persero) Cabang Medandari tahun 2004-2012, dan APBD Kota Medan.
(13)
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk mengetahui dan menganalisis apakah secara signifikan terdapat korelasi positif, negatif ataupun tidak berkorelasi antara jumlah pelanggan listrik rumah tangga dan jumlah penjualan listrik terhadap produksi listrik di PT PLN (Persero) Cabang Medan dari tahun 2004-2012.
1.5 Manfaat Penelitian
Adapun yang menjadi manfaat dari penelitian ini adalah:
a. Dapat menuangkan ilmu dan mengaplikasikan teori-teori statistika yang diperoleh
penulis selama kuliah untuk menyelesaikan permasalahan yang diteliti.
b. Penelitian ini bermanfaat bagi penulis yaitu untuk memperluas dan memperdalam
pemahaman penulis dalam bidang statistika, serta melatih penulis membuat karya ilmiah dan dengan penelitian ini penulis menjadi lebih banyak membaca.
c. Penelitian ini diharapkan menjadi pendukung dalam pengembangan teori-teori
yang sudah ada.
1.6 Metodologi Penelitian
Metode yang digunakan penulis dalam melaksakan penelitian ini adalah:
(14)
Metode ini merupakan metode pengumpulan data yang digunakan untuk memperoleh data maupun informasi yang dibutuhkan dengan cara membaca dan mempelajari buku-buku perkuliahan atau umum, serta mencari sumber informasi yang berhubungan dengan objek yang diteliti yang bersifat teoritis yang mendukung penulisan tugas akhir.
2. Metode Pengumpulan Data
Untuk memperoleh data yang dibutuhkan, penulis melakukan riset dengan mengambil data sekunder di Badan Pusat Statistik (BPS) Provinsi Sumatera utara.
3. Metode Pengolahan Data
Adapun pengolahan data dalam menganalisis faktor-faktor yang mempengaruhi produksi listrik di PT.PLN (Persero) Cabang Medan dengan menggunakan perumusan:
Analisis Regresi
Persamaan penduga regresi linier berganda, adalah sebagai berikut:
�= �0+ �1�1+ �2�2 + … +����
dimana:
(15)
�0 = dugaan bagi parameter konstanta�0
�� = dugaan bagi parameter koefisien regresi ��
�� = variable bebas (independent variable)
1.7 Tinjauan Pustaka
(Sudjana. 1992) “Metoda Statistika”, edisi 6 Tarsito, Bandung.
Jika data terdiri atas dua atau lebih variable, maka sewajarnya untuk mempelajari cara bagaimana data itu berhubungan. Hubungan yang didapat biasanya dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan fungsional antara variable-variabel. Studi yang menyangkut masalah ini disebut analisis regresi.
(Hartono, 2004) “Statistik Untuk Penelitian”, LSFK2P & Pustaka Belajar,
Yogyakarta.
Mencari regresi dengan beberapa variabel atau disebut dengan regresi ganda (multiple
regression) bertujuan untuk menghitung persamaan regresi, menguji tingkat
(16)
(Wibisono, Yusuf, 2005) “Metode Statistik”, Gajah Mada University Press,
Yugyakarta.
Analisis regresi telah lama dikembangkan untuk mempelajari pola dan mengukur hubungan statistik antara dua variabel atau lebih.Teknik analisis regresi menjelaskan bentuk hubungan antara dua variabel atau lebih yang mengandung sebab akibat yang disebut analisis regresi.
Persamaan matematik yang memungkinkan melakukan peramalan nilai-nilai suatu variabel tak bebas dari satu atau lebih variabel bebas disebut persamaan regresi.Istilah ini berasal dari hasil pengamatan yang dilakukan oleh Sir Francis Galton (1822-1911) yang membandingkan tinggi badan anak laki-laki dengan tinggi badan bapaknya.Galton menyatakan bahwa tinggi badan anak laki-laki dengan tinggi badan bapaknya pada beberapa generasi kemudian cenderung “mundur”.
(Lungan, Richard, 2006) “Aplikasi Statistik & Hitung Peluang”, Graha Ilmu,
Yogyakarta.
Persamaan regresi yang menyatakan hubungan linier antara satu peubah tak bebas
dengan satu peubah bebas disebut regresi linier sederhana.Sedangkan regresi yang
menyatakan hubungan linier satu peubah tak bebas denga beberapa peubah bebas
disebut regresi linier ganda.
Regresi dan korelasi dapat digunakan untuk mendeskripsi data, mendapatkan hubungan sebab akibat antara peubah tak bebas dengan peubah bebas, mengetahui
(17)
faktor-faktor lain selain peubah bebas yang mempengaruhi peubah tak bebas, menentukan ramalan atau prakiraan serta membangun model.
1.8 Lokasi Penelitian
Penelitian dan riset data dilakukan di Kantor Badan Pusat Statistika (BPS) Sumatera Utara.
1.9 Sistematika Penulisan
Adapun sistematika penulisan yang akan diuraikan oleh penulis antara lain:
BAB 1 : PENDAHULUAN
Bab ini menguraikan tentang Latar Belakang, Identifikasi Masalah, Tujuan Penelitian, Manfaat Penelitian, Metodologi Penelitian, dan Sistematika Penulisan.
BAB 2 : TINJAUAN TEORITIS
Bab ini menguraikan tentang teori-teori yang berhubungan dengan penelitian berdasarkan kutipan-kutipan keustakaan.
BAB 3 : GAMBARAN UMUM TEMPAT RISET
Bab ini menguraikantentang sejarah berdirinya Badan Pusat Statistika (BPS) Sumatera Utara, moto, visi dan misi, serta struktur organisasi.
(18)
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan proses pengolahan data dengan regresi linier berganda, analsis korelasi, dan koefisien berganda.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menguraikan tentang pengolahan data dengan program SPSS, sehingga hasil outputnya membantu dalam menyelesaikan permasalahan dalam penulisan.
BAB 6 : KESIMPULAN DAN SARAN
Bab ini terdiri atas kesimpulan dari analisis yang telah dilakukan serta saran berdasarkan kesimpulan yang tentunya bermanfaat bagi pembaca dan pihak yang membutuhkan.
(19)
BAB 2
LANDASAN TEORI
2.1 Pengertian Regresi
Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel yaitu
variabel tak bebas (dependent variable) satu atau lebih variabel yang menerangkan
dengan tujuan untuk memperkirakan ataupun meramalkan nilai-nilai dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang
menerangkan sering disebut variabel bebas (independent variable).
2.2 Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk peramalan, dimana dalam model terdapat beberapa variabel bebas X dan variabel tak bebas Y. Regresi linier yaitu untuk menentukan suatu persamaan dari garis yang menunjukkan hubungan antara variabel bebas dan variabel tak bebas, yang merupakan persamaan penduga yang berguna untuk menaksir atau meramalkan variabel tak bebas.
Untuk mempelajari hubungan-hubungan antara beberapa variabel, dapat dilakukan dengan dua cara, yaitu:
(20)
1. Analisis regresi sederhana (simple analisis regression)
2. Analisis regresi berganda (multiple analisis regression)
Analisis regresi sederhana merupakan hubungan antara dua variabel, yaitu variabel
bebas (dependent variable) dan variabel tak bebas (independent variable).Sedangkan
analisis regresi linier berganda merupakan hubungan antara satu variabel bebas
(dependent variable) dengan lebih dari dua variabel tak bebas (independent variable).
2.3 Regresi Linier Sederhana
Analisis regresi linier sederhana berguna untuk mendapatkan hubungan matematis dalam bentuk persamaan antara variabel bebas dan variabel tak bebas, dimana jumlah jumlah variabel tak bebasnya hanya satu. Bentuk umum model regresi linier sederhana yaitu:
�� = �0+ �1��+ ℇ
dimana:
�� = Variabel tak bebas
� = Variabel bebas
�0 = Parameter intersep
�1 = Kemiringan garis
(21)
2.4 Regresi Linier Berganda
Regresi linier berganda digunakan untuk memodelkan hubungan antara variabel bebas dan variabel tak bebas, dengan jumlah variabel tak bebas satu dan jumlah variabel bebasnya lebih dari satu. Secara umum persamaan regresi linier berganda dapat ditulis sebagai berikut:
�� = �0+ �1�1� +�2�2�+ . . . +����� +ℇ� (untuk populasi)
�� = �0+ �1�1� +�2�2�+ . . . +����� (untuk sampel)
dimana:
�� = Pengamatan ke i pada variabel tak bebas
��� = Pengamatan ke i pada variabel bebas
�0,�1,�2,… ,��, = Koefisien regresi untuk data populasi
�0,�1,�2, … ,�� = Koefisien regresi untuk data sampel
ℇ� = Pengamatan ke i variabel kesalahan
2.5 Membentuk Persamaan Regresi Linier Berganda
Dalam regresi linier berganda variabel tak bebas (Y) bergantung kepada dua atau lebih variabel bebas (X). bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:
(22)
Ŷ= �0+ �1�1� +�2�2�+ . . . +�����
Dalam hal ini penulis menggunakan model regresi linier berganda dengan tiga variabel, yaitu:
Ŷ= �0+ �1�1 +�2�2+�3�3+ ℇ�
Untuk regresi linier berganda tiga variabel bebas X1,X2, X3akan ditaksir oleh:
Ŷ= �0+ �1�1+�2�2+�3�3
Koefisien-koefisien b0, b1, b2, b3 dapat dihitung dengan menggunakan persamaan:
∑Y = b0n + b1∑X1+ b2∑X2 + b3∑X3
∑YX1 = b0∑X1+ b1∑X12+ b2∑X1X2+ b3∑X1X3 ∑YX2 = b0∑X2+ b1∑X2X1+ b2∑X22 + b3∑X2X3
∑YX3 = b0∑X3+ b1∑X3X1+ b2∑X3X2+ b3∑X32
Harga-harga b0, b1, b2, b3 didapat dengan menggunakan persamaan diatas dengan
(23)
2.6 Uji Keberartian Regresi
Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan, terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan keberartiannya.Uji keberartian dilakukan untuk mengetahui apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah kuadrat untuk
regresi yang ditulis ����� dan jumlah kuadrat untuk sisa (residu) yang ditulis dengan
�����.
Secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:
����� =�1∑�1��1� + �2∑�2��2� + … +��∑�����
����� = ∑�� − Ŷ� 2
Dengan derajat kebebasan dk = (n – k – 1) untuk sampel ukuran n.
Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:
�ℎ�� = �����
� �����
(�−�−1)
Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan
(24)
2.7 Uji Koefisien Regresi Linier Berganda
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran ��.12…�, jumlah
kuadrat-kuadrat ∑���2 dengan ��� =�� − X jdan koefisien korelasi ganda antara
masing-masing variabel bebas X dengan variabel tak bebas Y dalam regresi yaitu Ri.
Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien b, yakni:
�� � = � ��.12…� �∑���2�(1− ��2)
Selanjutnya hitung statistik:
�� = ��� � �
Dengan kriteria pengujian: jika �� >������ maka H0 ditolak dan jika �� <������ maka
H0 diterima yang akan berdistribusi t dengan derajat kebebasan dk = (n-k-1) dan
������ =�(�−�−1,�
2)
(25)
2.8 Uji Koefisien Korelasi
Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antar variabel.Koefisien korelasi biasanya disimbolkan dengan r.
Koefisien korelasi dapat dirumuskan sebagai berikut:
�= �∑��� −(∑��)(∑�) �[�∑��2−(∑�
�)2][�∑��2−(∑��)2]
dimana:
n : banyaknya pasangan data X dan Y
∑�� ∶ jumlah nilai dari variabelXi
∑� ∶ jumlah nilai dari variabel Y
∑��2 ∶ jumlah nilai kuadrat dari variabelXi
∑��2 ∶ jumlah nilai kuadrat dari variabelY i
(26)
Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah plus (+) atau minus (-) yang menunjukan arah korelasi. Makna dari sifat korelasi:
1. Tanda positif (+) pada koefisien korelasi menunjukkan hubungan yang searah
(korelasi positif). Artinya jika suatu nilai variabel mengalami kenaikan maka nilai variabel yang lain juga mengalami kenaikan dan demikian juga sebaliknya.
2. Tanda negatif (-) pada koefisien korelasi menunjukkan hubungan yang berlawanan
arah (korelasi negatif). Artinya jika suatu nilai variabel mengalami kenaikan maka nilai variabel yang lain juga mengalami penurunan dan demikian juga sebaliknya. Untuk lebih memudahkan mengetahui bagaimana sebenarnya derajat keeratan antara variabel-variabel tersebut, dapat dilihat pada Tabel 2.1 berikut:
Tabel 2.1 Interval Koefisien Nilai r
Interval Koefisien Nilai r Tingkatan Hubungan
-1,000 ≤ r ≤ -0,800 Sangat Kuat
-0,799 ≤ r ≤ -0,600 Kuat
-0,599 ≤ r ≤ -0,400 Cukup Kuat
-0,399 ≤ r ≤ -0,200 Lemah
-0,199 ≤ r ≤ 0,000 Sangat Lemah
0,000 ≤ r ≤ 0,199 Sangat Lemah
0,200 ≤ r ≤ 0,399 Lemah
0,400 ≤ r ≤ 0,599 Cukup Kuat
0,600 ≤ r ≤ 0,799 Kuat
(27)
Analisis ini bertujuan untuk mengukur kekuatan dan derajat hubungan antar dua variabel.Derajat hubungan antara dua variabel disebut korelasi sederhana sedangkan derajat yang berkaitan dengan tiga atau lebih variabel disebut sebagai korelasi berganda.Korelasi dapat bersifat linier atau non linier.
2.9 Uji Koefisien Determinasi
Uji koefisien determinasi yang disimbolkan dengan R2 bertujuan untuk mengetahui
seberapa besar kemampuan variabel independent menjelaskan variabel dependent.
Nilai R2 dikatakan baik jika berada di atas 0,5 karena nilai R2 berkisar antara 0 dan
1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel dependent dijelaskan oleh variabel independent yang digunakan dalam model.
Koefisien determinasi dapat dihitung dari:
�2 = �1∑�����+ ��∑�����+ … +��∑�����
∑(��− Ȳ�)�
Sehingga rumus umum koefisien determinasi yaitu:
�2 = �����
(28)
Harga �2 diperoleh sesuai variansi yang dijelaskan oleh masing-masing variabel yang tinggal dalam regresi.Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.
2.10 Pengujian Hipotesis
Pengujian hipotesis merupakan salah satu tujuan untuk membuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak menutup kemungkinan terjadinya kesalahan dalam mengambil keputusan antara menolak atau menerima suatu hipotesis.
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat
signifikansi atau probabilitas (α) dan tingkat kepercayaan atau atau confidence
interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai 0,1.
Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan yaitu kesahan menolak hipotesis ketika hipotesis tersebut benar dan tingkat kepercayaan pada umumnya adalah sebesar 95%. Yang dimaksud dengan tingkat kepercayaan adalah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: H0 (hipotesis 0) dan H1 (hipotesis alternatif). H0 bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan
(29)
memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti.
Dalam uji keberartian regresi, langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain:
H0 :�0 = �1 = . . . = �k = 0
Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.
H1 : minimal satu parameter koefisien regresi �k ≠ 0
Terdapat hubunga fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.
Pilihan taraf α yang diinginkan
Hitung statistik Fhitung dengan menggunakan rumus:
����= �����
� �����
(�−�−�)
1. Nilai Ftabelmengggunakan daftar tabel Fdengan taraf signifikan α yaitu Ftabel =
F(1-α)(k),(n-k-1)
2. Kriteria pengujian:
Fhitung ≥ Ftabel maka H0 ditolak H1 diterima
(30)
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen.BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal – hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran – ukuran lainnya.
Setiap sepuluh tahun sekali, BPS menyelenggarakan samping itu, BPS juga melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setia karena BPS merupakan instansi vertikal, yakni instansi di daerah, sehingga bukan merupakan bagian dari instansi milik daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka
(31)
penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS menyelenggarakan:
1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol),
2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan
3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).
Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:
3.1.1 Masa pemerintahan Hindia Belanda
Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur
pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en
Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan
memublikasi data statistik.
Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan
namaCentraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan
dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme
statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen (IUA)
yang sekarang disebut Kantor Bea Cukai.
3.1.2 Masa pemerintahan Jepang
Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Pada
(32)
3.1.3 Masa kemerdekaan Republik Indonesia
Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati.Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.
3.1.4 Masa orde baru sampai sekarang
Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi BPS.
3.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.
3.2.1 Tugas
(33)
3.2.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:
1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.
2. Pengkoordinasian kegiatan statistik nasional dan regional.
3. Penetapan dan penyelenggaraan statistik dasar.
4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang kegiatan
statistik; dan
5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang
perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.
3.2.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai
kewenangan:
1. Penyusunan rencana nasional secara makro di bidangnya;
2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro.
3. Penetapan sistem informasi di bidangnya;
4. Penetapan dan penyelenggaraan statistik nasional;
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang
(34)
1. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik. 2. Penyusunan pedoman penyelenggaraan survei statistik sektoral.
3.3 Visi dan Misi BPS
3.3.1 Visi
Pelopor data
3.3.2 Misi
1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk
penyelenggaraan statistik yang efektif dan efisien.
2. Menciptakan insan statistik yang kompeten dan profesional, didukung
pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.
3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan
kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.
(35)
5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem (SSN) yang efektif dan efisien.
3.4 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.
Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan seksi di lingkungan
(36)
Gambar 3.1 Struktur organisasi BPS Provinsi
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu – individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.
Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai / staf tersebut.
Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah
K E P A L A
Bagian Tata Usaha
Bidang I ntegrasi Pengolahan & Diseminasi Statistik Bidang
Neraca Wilayah & Analisis Statistik Bidang Stat. Distribusi Bidang Stat. Produksi Bidang Stat. Sosial
Seksi St at ist ik Kependudukan
Seksi St at ist ik Ket ahanan Sosial
Seksi St at ist ik Kesej aht eraan
Rakyat
Seksi St at ist ik Konst ruksi, Pert
am-bangan & Energi Seksi St at ist ik
I ndust ri Seksi St at ist k
Pert anian
Seksi St at ist k Niaga & Jasa Seksi St at ist k Keuangan & Harga
Produsen Seksi St at ist k Harga Konsumen &
Perdag. Besar
Seksi Analisis St at ist ik
Lint as Sekt or Seksi Neraca Konsumsi Seksi Neraca Produksi Seksi Diseminasi dan Layanan St at ist ik
Seksi Jaringan dan Ruj ukan St at ist ik
Seksi I nt egrasi Pengolahan Dat a SubBag Bina Program SubBag Urusan Dalam SubBag Kepegaw aian dan Hukum SubBag Keuangan SubBag Perlengkapan Tenaga Fungsional
(37)
kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.
Adapun tujuan dari struktur organisasi dan staf di Kantor Badan Pusat Statistik (BPS) adalah :
a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai
departemen dan kegiatan – kegiatan yang saling berhubungan satu sama lain.
b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi
manajemen.
c. Pembuatan keputusan yaitu membuat keputusan – keputusan dan mengamati
bagaimana pelaksanaan dari keputusan tersebut.
3.5 Logo BPS
Logo BPS adalah sebagai berikut:
(38)
BAB 4
PENGOLAHAN DATA
4.1 Pengolahan Data dan Evaluasi
Data yang diolah pada Tugas Akhir Ini adalah data sekunder yang diperoleh dari Badan Pusat Statistika (BPS) Sumatera Utara.Yaitu jumlah pelanggan listrik, banyaknya permintaan listrik, APBD, dan produksi listrik pada tahun 2004-2012.
Adapun datanya sebagai berikut:
Tabel 4.1: Data yang akan diolah
Sumber: Badan Pusat Statistka (BPS) Provinsi Sumatera Utara
Tahun
Produksi Jumlah Pelanggan
Listrik Rumah Tangga Banyaknya Permintaan Energi
(Ratusan gwh)
APBD (Ratusan
gwh) (Ratusan ribu) (Ratusan Milyar)
2004 23,1846 3,56634 6,24673 14,4
2005 24,5606 3,71886 6,59089 16,4
2006 24,9547 3,85775 6,87284 22
2007 26,5618 4,18504 7,06351 17,18
2008 29,2278 4,32858 7,93851 17,48
2009 30,0391 4,45065 8,738 20,09
2010 33,039 4,6186 10,16737 22
2011 34,9697 4,81336 10,60765 29
(39)
Dari data tersebut, disimbolkan menjadi:
Y = Produksi (Ratusan gwh)
X1 =Jumlah Pelanggan Listrik Rumah Tangga (Ratusan ribu)
X2 =Banyaknya Permintaan (Ratusan gwh)
X3 =APBD(Ratusan Milyar)
Tabel 4.2: Data yang akan diolah (simbol)
No Y X₁ X₂ X₃
1 23,1846 3,56634 6,24673 14,4
2 24,5606 3,71886 6,59089 16,4
3 24,9547 3,85775 6,87284 22
4 26,5618 4,18504 7,06351 17,18 5 29,2278 4,32858 7,93851 17,48
6 30,0391 4,45065 8,738 20,09
7 33,039 4,6186 10,16737 22
8 34,9697 4,81336 10,60765 29
9 41,3997 4,98454 12,05998 36,8
Kemudian penulis mengelompokkan analisa dan pembahasan menjadi 5 kelompok yaitu:
1. Menentukan persamaan regresi linier berganda
2. Uji keberartian regresi
(40)
4. Uji koefisien berganda
5. Menentukan nilai korelasi
4.2 Menentukan Persamaan Regresi Linier Berganda
Untuk menentukan hubungan antar variabel bebas (jumlah pelanggan, banyaknya permintaan, APBD) terhadap variabel tak bebas (produksi listrik), maka langkah pertama yang harus dilakukan adalah menentukan persamaan regresi linier berganda.
Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien regresi b0, b1, b2, b3
adalah sebagai berikut:
Tabel 4.3: Nilai-nilai yang Diperlukan untuk Menghitung Koefisien Regresi
No Y X₁ X₂ X₃ YX₁ YX₂ YX₃
1 23,1846 3,56634 6,24673 14,4 82,6842 144,8279 333,8582 2 24,5606 3,71886 6,59089 16,4 91,3374 161,8762 402,7938 3 24,9547 3,85775 6,87284 22 96,269 171,5097 549,0034 4 26,5618 4,18504 7,06351 17,18 111,1622 187,6195 456,3317 5 29,2278 4,32858 7,93851 17,48 126,5149 232,0252 510,9019 6 30,0391 4,45065 8,738 20,09 133,6935 262,4817 603,4855 7 33,039 4,6186 10,16737 22 152,5939 335,9197 726,858 8 34,9697 4,81336 10,60765 29 168,3218 370,9463 1014,121 9 41,3997 4,98454 12,05998 36,8 206,3585 499,2796 1523,509 ∑ 267,937 38,52372 76,28548 195,35 1168,935 2366,486 6120,863
(41)
Sambungan Tabel 4.3
X₁X₂ X₁X₃ X₂X₃ X₁² X₂² X₃² Y² 22,278 51,3553 89,9529 12,7188 39,0216 207,36 537,5257 24,5106 60,9893 108,0906 13,8299 43,4398 268,96 603,2231 26,5137 84,8705 151,2025 14,8822 47,2359 484 622,7371 29,5611 71,899 121,3511 17,5146 49,8932 295,1524 705,5292 34,3625 75,6636 138,7652 18,7366 63,0199 305,5504 854,2643 38,8898 89,4136 175,5464 19,8083 76,3526 403,6081 902,3475 46,959 101,6092 223,6821 21,3315 103,3754 484 1091,576 51,0584 139,5874 307,6219 23,1684 112,5222 841 1222,88 60,1135 183,4311 443,8073 24,8456 145,4431 1354,24 1713,935 334,2465 858,8189 1760,02 166,8359 680,3039 4643,871 8254,017
Dari Tabel 4.3 diperoleh:
n =9 ∑X₁X₂= 334,2465 ∑YX3 = 6120,8629
∑Y = 267,9370 ∑X1X3 = 858,8189 ∑X₁² = 166,8359
∑X1 = 38,52372 ∑X2X3 = 1760,0199 ∑X₂² = 680,3039
∑X2 = 76,28548 ∑YX1 = 1168,9353 ∑X₃² = 4643,8709
(42)
Sehingga didapat suatu persamaan:
∑Y = b0n + b1∑X1+ b2∑X2+ b3∑X3
∑YX1 = b0∑X1+ b1∑X12+ b2∑X1X2+ b3∑X1X3 ∑YX2 = b0∑X2+ b1∑X2X1+ b2∑X22 + b3∑X2X3 ∑YX3 = b0∑X3+ b1∑X3X1+ b2∑X3X2+ b3∑X32
Kita dapat subtitusikan nilai-nilai yang bersesuaian, sehingga diperoleh persamaan:
267,9370 = 9b0 + 38,52372b1 + 76,28548b2 + 195,35b3
1168,9353 = 38,52372b0 + 166,8359b1 + 334,2465b2 + 858,8189b3
2366,4858 = 76,28548b0+ 334,2465b1+ 680,3039b2+ 1760,0199b3
6120,8629 = 195,35b0 + 858,8189b1 + 1760,0199b2 + 4643,8709b3
Setelah persamaan di atas diselesaikan, maka didapat koefisien:
b0 = 0,970
b1 = 2,358
b2 = 1,800
(43)
Dengan demikian diperoleh persamaan regresi linier berganda:
Ŷ= b0 + b1X1i+ b2X2i + b3X3i
Ŷ= 0,970 + 2,358�� + 1,800��+ 0,159��
Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga Ŷ yang diperoleh
dari persamaan regresi diatas untuk tiap harga X1, X2, dan X3 yang diketahui:
Table 4.4: Nilai-nilai yang Diperlukan untuk Menghitung Nilai Taksiran Baku
No Y X₁ X₂ X₃ Ŷ Y-Ŷ (Y-Ŷ)²
1 23,1846 3,56634 6,24673 14,4 22,91314 0,27146 0,07369 2 24,5606 3,71886 6,59089 16,4 24,21027 0,35033 0,12273 3 24,9547 3,85775 6,87284 22 25,93569 -0,98099 0,96233 4 26,5618 4,18504 7,06351 17,18 26,28426 0,27754 0,07703 5 29,2278 4,32858 7,93851 17,48 28,24543 0,98237 0,96505 6 30,0391 4,45065 8,738 20,09 30,38734 -0,34824 0,12127 7 33,039 4,6186 10,16737 22 33,65992 -0,62092 0,38555 8 34,9697 4,81336 10,60765 29 36,02467 -1,05497 1,11297 9 41,3997 4,98454 12,05998 36,8 40,28271 1,11699 1,24767 ∑ 267,937 38,5237 76,28548 195,35 267,9435 -0,00645 5,06829
(44)
Dari Table 4.4 diperoleh hasil sebagai berikut:
n = 9 ∑X3 = 195,35
∑Y = 267,9370 ∑Ŷ = 267,94345
∑X1 = 38,5237 ∑Y− Ŷ = -0,00645
∑X2 = 76,28548 ∑�Y− Ŷ�
2
= 5,06829
Dengan k = 3, n = 9, dan ∑�Y− Ŷ�2 = 5,06829didapat:
Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus:
s
y .123 = �∑ �
Y− Ŷ�2
9 i=1
n−k−1
sehingga:
sy .123 = ��,����� 9−3−1
= 1,00680499
Ini berarti bahwa rata-rata jumlah produksi listrik yang sebenarnya akan menyimpang dari rata-rata jumlah produksi listrik yang diperkirakan sebesar1,00680499%.
(45)
4.3 Pengujian Keberartian Regresi
Perumusan hipotesa:
H0 :Tidak terdapat pengaruh yang sigifikan terhadap variabel bebas (pelanggan,
banyaknya permintaan,dan APBD) terhadap jumlah produksi listrik.
H1 :Terdapat pengaruh yang sigifikan terhadap variabel bebas (pelanggan,
banyaknya permintaan,dan APBD) terhadap jumlah produksi listrik.
Kriteria pengujian hipotesisnya:
Jika Fhitung> Ftabel maka H0 ditolak
Jika Fhitung< Ftabel maka H0 diterima
Untuk menguji model regresi yang telah terbentuk, maka dapat diambil:
x1i = X1i - X 1
x2i = X2i - X 2
x3i = X3i - X 3
y1 = Yi - Ȳ
(46)
Table 4.5: Nilai-nilai untuk Menghitung Koefisien-koefisien Regresi dan Perhitungan Uji Regresi
No Y X₁ X₂ X₃ X₁ᵢ X₂ᵢ X₃ᵢ yᵢ (X₁ᵢ)(X₂ᵢ) (X₂ᵢ)(X₃ᵢ) (X₁ᵢ)(X₃ᵢ)
1 23.1846 3.56634 6.24673 14.40 -0.71407 -2.22943 -7.3056 -6.5862 22.27796 89.95291 51.35530 2 24.5606 3.71886 6.59089 16.40 -0.56155 -1.88527 -5.3056 -5.2102 24.51060 108.09060 60.98930 3 24.9547 3.85775 6.87284 22.00 -0.42266 -1.60332 0.2944 -4.8161 26.51370 151.20248 84.87050 4 26.5618 4.18504 7.06351 17.18 -0.09537 -1.41265 -4.5256 -3.2090 29.56107 121.35110 71.89899 5 29.2278 4.32858 7.93851 17.48 0.04817 -0.53765 -4.2256 -0.5430 34.36248 138.76515 75.66358 6 30.0391 4.45065 8.73800 20.09 0.17024 0.26184 -1.6156 0.2683 38.88978 175.54642 89.41356 7 33.0390 4.61860 10.16737 22.00 0.33819 1.69121 0.2944 3.2682 46.95902 223.68214 101.60920 8 34.9697 4.81336 10.60765 29.00 0.53295 2.13149 7.2944 5.1989 51.05844 307.62185 139.58744 9 41.3997 4.98454 12.05998 36.80 0.70413 3.58382 15.0944 11.6289 60.11345 443.80726 183.43107 ∑ 267.93700 38.52372 76.28548 195.35000 0.00000 0.00000 0.0000 0.0000 334.24649 1760.01992 858.81894
(47)
(X₁ᵢ)(yᵢ) (X₂ᵢ)(yᵢ) (X₃ᵢ)(yᵢ) (X₁ᵢ)² (X₂ᵢ)² (X₃ᵢ)² yᵢ²
4.70301 14.68345 48.1157 0.50990 4.97038 53.3711 43.3777 2.92579 9.82262 27.6429 0.31534 3.55426 28.1489 27.1460 2.03558 7.72174 -1.4181 0.17864 2.57065 0.0867 23.1946 0.30605 4.53318 14.5224 0.00910 1.99559 20.4807 10.2975 -0.02615 0.29193 2.2944 0.00232 0.28907 17.8553 0.2948 0.04568 0.07026 -0.4335 0.02898 0.06856 2.6100 0.0720 1.10527 5.52724 0.9623 0.11437 2.86018 0.0867 10.6813 2.77075 11.08143 37.9232 0.28403 4.54323 53.2089 27.0288 8.18823 41.67591 175.5321 0.49579 12.84373 227.8423 135.2318 22.05421 95.40774 305.1415 1.93848 33.69565 403.6906 277.3246
(48)
JKreg = b1∑x1y1+ b2∑x2y1+ b3∑x3y1
= (2,358 x 22,05421) + (1,8 x 95,40774) + (0,159 x 305,1415)
= 272,256
Untuk JKres dapat diketahui dari table 4.2
JKres = ∑�Yi−Ŷi�2 = 5,06829
Jadi Fhitung dapat dicari dengan rumus dibawah ini:
Fhit = JKreg
k JKres
(n−k−1)
=
272,2552577 3
�,����� (9−3−1)
= 89,529
Dengan demikian dapat disimpulkan bahwa:
Dari table distribusi Ftabel untuk dkpembilang = 3, dkpenyebut = n-k-1 = 9-3-1 = 5 dan
Ftabel(0,05) = 5,41. Sehingga didapat Fhitung (89,529) > Ftabel (5,41) maka H0 ditolak
dan H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2, dan
(49)
4.4 Perhitungan Koefisien Determinasi
Berdasarkan Tabel 4.5 didapat harga ∑y12 =277,3246 sedangkan JKreg yang telah
dihitung adalah = 272,2552577
Maka selanjutnya dengan rumus:
R2 = JKreg ∑yi2
= 272,2552577 277,3246 = 0,982
Sehingga didapat koefisien determinasi:
R = √R = �0,982 = 0,991
Dari hasil perhitungan didapat didapat nilai koefisien determinasi sebesar 0,982 dan
dengan mencari akar dari R2, diperoleh koefisien korelasi gandanya sebesar 0,991
Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 99,1% jumlah produksi kelapa sawit dipengaruhi oleh banyaknya pelanggan, permintaan, dan APBD. Sedangkan 0,9% sisanya dipengaruhi oleh faktor-faktor lain.
(50)
4.5 Pengujian Koefisien Regresi Linier Berganda
Dari perhitungan didapat persamaan penduga regresi berganda:
Ŷ= 0,970 + 2,358X1 + 1,800X2+ 0,159X3
Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam persamaan regresi di atas, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.
1. Hipotesis Pengujian
H0 : Tidak ada pengaruh yang signifikan antara koefisien X1, X2, X3 terhadap Y
H1 : Ada pengaruh yang signifikan antara koefisien X1, X2, X3 terhadap Y
2. Taraf nyata signifikan (α) diambil sebesar 0,05
3. Kriteria pengujian : terima H0 jika ti< ttabel dan tolak H0 jika ti> ttabel
(51)
Dapat dihitung kekeliruan baku koefisien b1 sebagai berikut :
Sb 1 = � S
2y .123
(∑x12)(1−R2)
= � 1,0136562878889 (166,8359)(1−0,982)
= �1,0136562878889 (166,8359)(0,018)
= �0,3375426884504474 = 0,5809842411377846
Sb 2 = � S
2y .123
(∑X22)(1−R2)
= � 1,0136562878889 (680,3039)(1−0,982)
= �1,0136562878889 (680,3039)(0,018)
= �0,0827780617104356 = 0,2877117684600955
(52)
Sb 3 = � S
2y .123
(∑X32)(1−R2)
= � 1,0136562878889 (4643,8709)(1−0,982)
= � 1,00680499 (4643,870)(0,018)
= �0,0120446116182313 = 0,1097479458497117
Diperoleh distribusi stude nt ti =
bi
sb i
t1 = b1
sb 1 = 0,922
t2 = b2
sb 2 = 2,243
t3 = b3
sb 3= 1,350
Dari table distribusi t dengan dk=5 dan α=0,05 diperoleh ttabel = 2,75 dan hasil dari
perhitungan di atas diperoleh:
1. t1 = 0,922>2,75
(53)
4.6 Pengujian Koefisien Korelasi
4.6.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel terikat, maka dari Table 4.3 dapat dihitung besar koefisien korelasinya yaitu:
1. Koefisien korelasi antara Produksi Listrik (Y) dengan Pelanggan (X1)
rYX 1 = n∑YX1− (∑X1)(∑Y)
�[n∑X12−(∑X1)2][n∑Y2−(∑Y)2]
= 9(1168,9353)−(38,52372)(267,9370)
�[9(166,8359)−(38,52372)2][9(8254,0174)−(267,9370)2]
= 10520,4177 – 10321,92996564
�[1501,5231 – 1484,0770026384][74286,1566 −71790,235969] = 198,48773436
�[17,4460973616][2495,920631] = 198,48773436
�43544,07433525211 = 198,48773436
208,6721695273524 = 0,9511940897992272 = 0,951
Ini berarti variabel X1 (Pelanggan) berkorelasi kuat terhadap variabel Y (Produksi
(54)
2. Koefisien korelasi antara Produksi Listrik (Y) dengan Permintaan (X2)
rYX 2 = n∑YX2− (∑X2)(∑Y)
�[n∑X22−(∑X2)2][n∑Y2−(∑Y2)2]
= 9(2366,4858)− (76,28548)(267,9370)
�[9(680,3039)−(76,28548)2][9(8254,0174)−(267,9370)2]
= 21298,3722 – 20439,70265476
�[6122,7351 – 5819,4744588304][74286,1566 −71790,235969] = 858,66954524
�[303,2606411696][2495,920631] = 858,66954524
�756914,4908654926 = 858,66954524
870,0083280437565 = 0,9869670410750525 = 0,987
Ini berarti variabel X2 (Permintaan) berkorelasisangatkuat terhadap variabel Y
(55)
3. Koefisien korelasi antara Produksi Listrik (Y) dengan APBD (X3)
rYX 3 = n∑YX3− (∑X3)(∑Y)
�[n∑X32−(∑X3)2][n∑Y2−(∑Y)2]
= 9(6120,8629)− (195,35)(267,9370)
�[9(4643,8709)−(195,35)2][9(8254,0174)−(267,9370)2]
= 55087,7661 – 52341,49295
�[41794,8381 – 38161,6225][74286,1566 −71790,235969] = 2746,27315
�[3633,2156][2495,920631] = 2746,27315
√9068217,772911044 = 2746,27315
3011,348165342401 = 0,9119746370103767
= 0,912
Ini berarti variabel X3 (APBD) berkorelasi sangat kuat terhadap variabel Y
(56)
4.6.2 Perhitungan Korelasi antar Variabel Bebas
1. Koefisien korelasi antara Pelanggan (X1) dengan Permintaan (X2)
r12 =
n∑X1X2− (∑X1)(∑X2) �[n∑X12−(∑X1)2][n∑X22−(∑X2)2]
= 9(334,2465)− (38,52372)(76,28548)
�[9(166,8359)−(38,52372)2][9(680,3039)−(76,28548)2]
= 3008,2185−2938,8004715856
�[1501,5231−1484,0770026384][6122,7351 −5819,4744588304] = 69,4180284144
�[17,4460973616][303,2606411696] = 69,4180284144
�5290,714671786083 = 69,4180284144
72,73729904104278 = 0,954366320025578
= 0,954
Ini berarti variabel X1 (Pelanggan) berkorelasi sangat kuat terhadap variabel X2
(57)
2. Koefisien korelasi antara Pelanggan (X1) dengan APBD (X3)
r13 = n∑X1X3− (∑X1)(∑X3) �[n∑X12−(∑X1)2][n∑X32−(∑X3)2]
= 9(858,8189)− (38,52372)(195,35)
�[9(166,8359)−(38,52372)2][9(4643,8709)−(195,35)2]
= 7729,3701−7525,608702
�[1501,5231−1484,0770026384][41794,8381 −38161,6225] = 203,761398
�[17,4460973616][3633,2156] = 203,761398
�63385,43309328396 = 203,761398
251,764638289979 = 0,8093328728926199
= 0,809
Ini berarti variabel X1 (Pelanggan) berkorelasi sangat kuat terhadap variabel X3
(APBD) yaitu sebesar 0,809
(58)
r12 =
n∑X2X3− (∑X2)(∑X3) �[n∑X22−(∑X2)2][n∑X32−(∑X3)2]
= 9(1760,0199)− (76,28548)(195,35)
�[9(680,3039)−(76,28548)2][9(4643,8709)−(195,35)2]
= 15840,1791−14902,368518
�[6122,7351−5819,4744588304][41794,8381 −38161,6225] = 937,810582
�[303,2606411696][3633,2156] = 937,810582
√1101811,292363393 = 937,810582
1049,671992749827 = 0,8934320325563955
= 0,893
Ini berarti variabel X2 (Permintaan) berkorelasi kuat terhadap variabel X3 (APBD)
(59)
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah penerapan hasil desain tertulis dalam programming
dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun
prosedur untuk menyelesaikan desain sistem, yang mana dalam hal ini implementasi sistem digunakan untuk menganalisa data-data yang dianggap mempengaruhi jumlah produksi PT PLN (Persero) Cabang Medan. Pengolahan data pada tugas akhir ini
menggunakan software SPSS.
5.2 Pengertian SPSS
SPSS (Statistical Product and Service Solution) merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien, dengan hasil perhitungan yang akurat.
SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stamford University
pada tahun 1968 dan dioperasionalkan pada komputer mainframe.Seiring dengan
(60)
berbagai bidang ilmu sosial maupun non sosial.Program ini dapat dioperasikan dalam
sistem windows sekitar tahun 1992.
5.3 Pengolahan Data dengan SPSS
1. Memulai SPSS pada windows yaitu sebagai berikut:
Pilih menu Start dari Windows
Selanjutnya pilih menu Program
Pilih SPSS Statistics 17
(61)
Gambar 5.2 Memasukkan Data ke dalam SPSS
2. Memasukkan data ke dalam SPSS
SPSS data editor mempunyai 2 tipe lingkungan kerja yaitu: Data View dan Variabel
View. Untuk menyusun definisi posisi tampilan SPSS data editor harus berada pilih
“Variabel View”.Lakukan dengan mengklik tab Sheet Variabel View yang berada di
bagian kiri bawah atau langsung menekan Ctrl+T. Tampilan Variabel View juga
(62)
Tampilannya adalah sebagai berikut:
Gambar 5.3 Tampilan Pengisian Variabel pada Variabel View
Pada tampilan jendela Variabel View terdapat kolom-kolom berikut:
Nama : untuk memasukkan nama variabel yang akan diuji
Type : untuk mengidentifikasikan tipe variabel apakah bersifat
numeric/string
Width : untuk menuliskan panjang pendek variabel
Decimals : untuk menuliskan jumlah desimal dibelakang koma
(63)
pengukurannyaordinal atau nominal bukan scale
missing : untuk menuliskan ada tidaknya jawaban kosong
Columns : untuk menuliskan lebar kolom
Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau
angka data view
Measure : untuk menentukan skala pengukuran variabel, misalnya nominal,
ordinalatau scale
2.1 Pengisian Variabel
Letakkan pointer pada baris pertama di bawah name:
Nama :klik ganda pada sel tersebut dan ketik Jumlah_Produksi_Listrik
Type : pilih numeric karena data dalam bentuk angka
Width : untuk keseragaman ketik 8
Decimal : Isi sesuai data yang pada table 4.1
Label : Tidak perlu diisi
Value and Missing: abaikan karena data tidak dikategorisasikan
(64)
Measure : Pilih nominal
Begitu seterusnya untuk mengisi X1, X2, X3 dengan Name dan Label yang sesuai
dengan Variabel yang dimaksudkan.
2.2 Pengisian Data
1. Aktifkan jendelan dengan mengklik Data View
2. Ketikkan data yang sesuai dengan setiap variabel yang telah didefinisikan pada
Variabel View
Tampilan adalah sebagai berikut:
(65)
5.4 Analisis Regresi dan Korelasi dengan SPSS
Langkah-langkah sebagai berikut:
1. Lampirkan lembar kerja dimana sudah terdapat data yang akan dianalisis
2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression dan
klik Linier seperi gambar berikut:
Gambar 5.5 Tampilan Menu Analyze, Regression, Linier
3. Setelah itu akan muncul kotak dialog Linier Regression, pada kotak dialog ini
akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas
Y (Jumlah Produksi Listrik) pada kotak Dependent, dan variabel bebas X
(Pelanggan, Permintaan, dan APBD) pada kotak Independent seperti gambar
(66)
Gambar 5.6 Tampilan pada Linier Regression
4. Klik kotak Statistics pada kotak dialog Linier Regression, kemudian aktifkan
Estimate, Model Fit, Descriptive dan Partial Correlation lalu klik Continue
(67)
5. Selanjutnya klik kotak Plots pada kotak dialog Linier Regression dan pilih
Produce All Partial Plot. Lalu ketik Continueuntuk melanjutkan, seperti gambar
berikut:
Gambar 5.8 Tampilan pada Linier Regression Statistics
6. Kemudian klik Ok untuk mengakhiri pengisian prosedur analisis.
5.5 Hasil Output Pengolahan Data dalam SPSS
a. Bagian Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N
Produksi 29.7707778 5.88774741 9
Jumlah_Pelanggan 4.2804133 .49225000 9
Banyaknya_Permintaan 8.4761644 2.05230512 9
APBD 21.7056 7.10361 9
(68)
Interpretasi:
1) Rata-rata jumlah produksi listrik (dengan jumlah data 9) adalah: 29.7707778 ratus
gwh dengan standard deviasi 5.888.
2) Rata-rata pelanggan (dengan jumlah data 9) adalah: 5.88774741ratus ribu dengan
standard deviasi 0,493.
3) Rata-rata permintaan (dengan jumlah data 9) adalah: 8.4761644 ratus gwh dengan
standard deviasi 2.0523
4) Rata-rata APBD (dengan jumlah data 9) adalah: 21.7056ratus milyar (2,17 triliun)
dengan standard deviasi 0,642.
b.Bagian Correlation
Correlations
Produksi
Jumlah_Pelangg an
Banyaknya_Per
mintaan APBD
Pearson Correlation Produksi 1.000 .951 .987 .912
Jumlah_Pelanggan .951 1.000 .954 .809
Banyaknya_Permintaan .987 .954 1.000 .893
APBD .912 .809 .893 1.000
Sig. (1-tailed) Produksi . .000 .000 .000
Jumlah_Pelanggan .000 . .000 .004
Banyaknya_Permintaan .000 .000 . .001
APBD .000 .004 .001 .
N Produksi 9 9 9 9
Jumlah_Pelanggan 9 9 9 9
Banyaknya_Permintaan 9 9 9 9
(69)
Interpretasi:
1) Besar hubungan antar variabel jumlah produksilistrik dengan pelanggan yang
dihitung dengan koefisien korelasi adalah 0,951, variabeljumlah produksi listrik dengan permintaan diperoleh 0,987, dan variabel jumlah produksi listrik dengan APBDdiperoleh 0,921. Dapat disimpulkan bahwa ketiga faktor yaitu pupuk, curah hujan dan luas lahan terpupuk sangat mempengaruhi jumlah produksi listrik.
2) Terjadi korelasi yang kuat antara variabelX1 (Pelanggan) dengan variabel X2
(Permintaan) yaitu sebesar 0,954, terjadi korelasi yang sangat kuat antara variabel
X1 (Pelanggan) dengan variabel X3 (APBD) yaitu sebesar 0,809, dan terjadi
korelasi yang kuat antara variabel X2 (Permintaan) dengan variabel X3 (APBD)
yaitu sebesar 0,691.
3) Tingkat signifikan koefisien korelasi satu sisi dari output (diukur dari probabilitas)
menghasilkan angka 0,000 yaitu probabilitas antara hasil produksi dengan Pelanggan, 0,000 yaitu probabilitas antara hasil produksi dengan curah hujan, dan 0,000yaitu probabilitas antara hasil produksi dengan luas lahan terpupuk. Karena probabilitas di bawah 0,05, maka korelasi antara jumlah produksi listrik dengan pelanggan, permintaan, dan luas APBD adalah nyata.
(70)
c. Bagian variabel enterd/removed Variables Entered/Removed Model Variables Entered Variables
Removed Method
1 APBD,
Jumlah_Pelangg an,
Banyaknya_Per mintaana
. Enter
a. All requested variables entered.
Gambar 5.11 Tampilan pada Bagian Variabel Enterd/Removed
Interpretasi:
Table variables entered menunjukkan bahwa tidak ada variabel yang dikeluarkan
(removed) atau dengan kata lain ketiga variabel bebas dimasukkan dalam perhitungan
regresi.
d. Bagian model summary
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .991a .982 .971 1.00680499
a. Predictors: (Constant), APBD, Jumlah_Pelanggan, Banyaknya_Permintaan
b. Dependent Variable: Produksi
(71)
Interpretasi:
1) Angka R Square adalah 0,982, dan nilai R adalah 0,991. Hal ini berarti 99%
jumlah produksi listrik dipengaruhi oleh pelanggan, permintaan, dan APBD. Sedangkan 0,9% sisanya dipengaruhi oleh faktor-faktor lain.
2) Standard error of estimate adalah 1.00680499, ini berarti rata-rata nilai akan
menyimpang dari kebenarannya yaitu sebesar 1.00680499.
e. Bagian Anova
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 272.256 3 90.752 89.529 .000a
Residual 5.068 5 1.014
Total 277.325 8
a. Predictors: (Constant), APBD, Jumlah_Pelanggan, Banyaknya_Permintaan b. Dependent Variable: Produksi
Gambar 5.13 Tampilan pada Bagian ANOVAb
Interpretasi:
Dari perhitungan sebelumnya diperoleh nilai distribusi Ftabel untuk dkpembilang = 3,
dkpenyebut = n-k-1 = 9-3-1 = 5 dan Ftabel (0,05) = 5,41. Sehingga didapat Fhitung (89,529)
> Ftabel (5,41) maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan regresi
(72)
yang signifikan antara jumlah pelanggan, banyaknya permintaan, dan APBD terhadap jumlah produksi listrik.
f. Bagian Coefficients
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients
T Sig.
B Std. Error Beta
1 (Constant) .970 6.029 .161 .878
Jumlah_Pelanggan 2.358 2.558 .197 .922 .399
Banyaknya_Permintaan 1.800 .802 .627 2.243 .075
APBD .159 .118 .192 1.350 .235
a. Dependent Variable: Produksi
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 22.9124203 40.2823410 29.7707778 5.83369817 9
Residual -1.05431128 1.11735928 .00000000 .79594923 9
Std. Predicted Value -1.176 1.802 .000 1.000 9
Std. Residual -1.047 1.110 .000 .791 9
a. Dependent Variable: Produksi
Gambar 5.14 Tampilan pada Bagian Coefficients
Interpretasi:
1) Konstanta sebesar 0,970 menyatakan jika tidak jumlah pelanggan, banyaknya
permintaan, dan APBD (variabel bebas) maka jumlah produksi listrik sebesar 0,970 ratus gwh.
(73)
a) Koefisien regresi X1 sebesar 2,358 menyatakan bahwa setiap jumlah pelanggan,
maka terjadi kenaikan jumlah produksi listrik sebanyak 2,358 ratus gwh
b) Koefisien regresi X2 sebesar 1,800 menyatakan bahwa setiap penambahan
banyaknya permintaan, maka terjadi kenaikan jumlah produksi listrik sebanyak 1,800 ratus gwh.
c) Koefisien regresi X3 sebesar 0,159 menyatakan bahwa setiap penambahanAPBD,
maka terjadi kenaikan jumlah produksi listrik sebanyak 0,159 gwh.
2) Uji t untuk menguji signifikansi konstanta dan variabel dependent
a) Untuk jumlah pelanggan, pada tabel dapat dilihat bahwa thitung sebesar 0,922. Dan
nilai ttabel dapat dilihat pada table t dengan dk = 5 dan α = 0,05 yaitu 2,02. Karena
thitung = 0,922< ttabel = 2,02 maka H0 diterima, ini berarti koefisien regresi tidak
signifikan. Artinya jumlah pelanggantidak berpengaruh terhadap jumlah produksi listrik.
b) Untuk banyaknya permintaan, pada tabel dapat dilihat bahwa thitung sebesar 2,,243.
Dan nilai ttabel dapat dilihat pada table t dengan dk = 5 dan α = 0,05 yaitu 2,02.
Karena thitung = 2,243> ttabel = 2,02 maka H0 ditolak, ini berarti koefisien regresi
signifikan. Artinya banyaknya permintaanbenar-benar berpengaruh terhadap jumlah produksi listrik.
c) Untuk APBD, pada tabel dapat dilihat bahwa thitung sebesar 0,159. Dan nilai ttabel
(74)
0,159 < ttabel = 2,02aka H0 diterima, ini berarti koefisien regresi tidak signifikan.
Artinya APBD tidakmempengaruhijumlah produksi listrik.
g. Bagian Gambar (Chart)
Setelah diuraikan bagian output angka, sekarang beralih ke bagian output berupa chart untuk menganalisis hubungan setiap variabel bebas dengan variabel tidak bebas.
Gambar 5.15 Tampilan pada Bagian Partial Regression Plot
(Produksi-Pelanggan)
Interpretasi:
Dari gambar terlihat bahwa data terpencar menyebar dan hampir membentuk suatu pola atau trend garis tertentu.Maka dapat dikatakan bahwa model regresi memenuhi
(75)
Gambar 5.16 Tampilan pada Bagian Partial Regression Plot (Produksi –
Banyaknya Permintaan)
Interpretasi:
Dari gambar terlihat bahwa data terpencar menyebar hampir membentuk suatu pola atau trend garis tertentu.Maka dapat dikatakan bahwa model regresi dapat memenuhi syarat untuk memprediksi jumlah produksi listrik.
(76)
Gambar 5.17 Tampilan pada Bagian Partial Regression Plot (Produksi – APBD)
Interpretasi:
Dari gambar terlihat bahwa data terpencar menyebar dan hampir membentuk suatu pola atau trend garis tertentu.Maka dapat dikatakan bahwa model regresi memenuhi syarat untuk memprediksi jumlah produksi listrik.
(77)
BAB 6
PENUTUP
6.1 Kesimpulan
Berdasarkan analisis data yang telah dilakukan, maka dapat diperoleh beberapa kesimpulan antara lain:
1. Dari hasil perhitungan diperoleh persamaan penduga jumlah produksi listrik untuk
jumlah pelanggan, banyak permintaan, dan APBD adalah:
Ŷ = �,��� + �,����� + �,�����+ �,�����
Persamaan ini mempunyai arti:
d) Konstanta sebesar 0,970 menyatakan bahwa jika tidak ada jumlah pelanggan,
banyaknya permintaan, dan APBD maka jumlah produksi listrik adalah 0,970 ratus gwh.
e) Koefisien regresi X1 sebesar 2,358 menyatakan bahwa setiap penambahan jumlah
pelanggan, maka terjadi kenaikan jumlah produksi listrik sebanyak 2,358 ratus
gwh.
f) Koefisien regresi X2 sebesar 1,800 menyatakan bahwa setiap penambahan
(78)
g) Koefisien regresi X3 sebesar 0,159menyatakan bahwa setiap penambahan
banyaknya permintaan, maka terjadi kenaikan sebanyak 0,159 ratus gwh.
2. Besar hubungan antar variabel jumlah produksi listrik dengan pelanggan yang
dihitung dengan koefisien korelasi adalah 0,951, variabel jumlah produksi listrik dengan permintaan diperoleh 0,987, dan variabel jumlah produksi listrik dengan APBD diperoleh 0,921. Dapat disimpulkan bahwa ketiga faktor yaitu pelanggan, banyaknya permintaan dan APBD sangat mempengaruhi jumlah produksi listrik.
3. Terjadi korelasi yang kuat antara variabel X1 (Pelanggan) dengan variabel X2
(Permintaan) yaitu sebesar 0,954, terjadi korelasi yang sangat kuat antara variabel
X1 (Pelanggan) dengan variabel X3 (APBD) yaitu sebesar 0,809, dan terjadi
korelasi yang kuat antara variabel X2 (Permintaan) dengan variabel X3 (APBD)
yaitu sebesar 0,691.
4. Angka R Square adalah 0,982, dan nilai R adalah 0,991. Hal ini berarti 99,1%
jumlah produksi listrik dipengaruhi oleh jumlah pelanggan, banyaknya permintaan, dan APBD. Sedangkan 0,9% sisanya dipengaruhi oleh faktor-faktorlain.
5. Dari hasil pengujian ketiga koefisien regresi tersebut semuanya memiliki pengaruh
yang signifikan terhadap jumlah produksi listrik, namun yang paling besar tingkat signifikannya yaitu banyaknya permintaan.
(79)
6. Dari perhitungan sebelumnya diperoleh nilai distribusi Ftabel untuk dkpembilang = 3,
dkpenyebut = n-k-1 = 9-3-1 = 5 dan Ftabel (0,05) = 5,41. Sehingga didapat Fhitung
(89,529) > Ftabel (5,41) maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan
regresi linier berganda Y atas X1, X2, dan X3 bersifat nyata. Ini berarti terdapat
pengaruh yang signifikan antara jumlah pelanggan, banyaknya permintaan, dan APBD terhadap jumlah produksi listrik.
7. Dari perhitungan diperoleh nilai thitung sebesar 2,565, dan nilai ttabel yaitu sebesar
2,31. Karena thitung (2,565)> ttabel (2,31) maka H0 ditolak, ini berarti koefisien
regresi signifikan. Artinya pelanggan benar-benar berpengaruh terhadap jumlah produksi listrik.
6.2 Saran
Berdasarkan analisis yang didapat, penulis dapat memberikan saran sebagai berikut:
1) PT PLN (Persero) Cabang Medan sebaiknya memperhatikan produksi listriknya
secara terus-menerus agar sesuai denga kebutuhan, melihat selalu bertambahnya pelanggan yang juga mempengaruhi banyaknya permintaan listrik.
(80)
2) PT PLN (Persero) Cabang Medan sebaiknya memperhatikan banyaknya permintaan guna meningkatkan jumlah produksi listrik, karena banyaknya permintaan merupakan faktor utama demi menghindari kekurangan pasokan listrik.
3) Penelitian selanjutnya sebaiknya menggunakan lebih banyak variabel bebas yang
(81)
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi Teori, Kasus dan Solusi. Yogyakarta : BPFE
Hakim Abdul. 2002. Statistik Induktif untuk Ekonomi dan Bisnis. Yogyakarta :
Ekonisia.
Hartono. 2004. StatistikUntukPenelitian. Yogyakarta: LSFK2P &PustakaBelajar.
Lungan. Richard. 2006. AplikasiStatistik&Hitungpeluang. Yogyakarta: GrahaIlmu.
Santoso, Dwi, Ratno&Kusnadi, Hary, Mustadjab. 1992. AnalisisRegresi. Yogyakarta: Andi Offset.
Sudjana. 1992. MetodaStatistikaEdisi 6. Bandung: Tarsito.
Wibisono, Yusuf. 2005. MetodeStatistik. Yogyakarta: Gajah Mada University Press.
Yamin, Sofyan, dkk. 2011. RegresidanKorelasiDalamGenggamanAnda. Jakarta: SalembaEmpat.
(82)
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi Teori, Kasus dan Solusi. Yogyakarta : BPFE
Hakim Abdul. 2002. Statistik Induktif untuk Ekonomi dan Bisnis. Yogyakarta :
Ekonisia.
Hartono. 2004. StatistikUntukPenelitian. Yogyakarta: LSFK2P &PustakaBelajar.
Lungan. Richard. 2006. AplikasiStatistik&Hitungpeluang. Yogyakarta: GrahaIlmu.
Santoso, Dwi, Ratno&Kusnadi, Hary, Mustadjab. 1992. AnalisisRegresi. Yogyakarta: Andi Offset.
Sudjana. 1992. MetodaStatistikaEdisi 6. Bandung: Tarsito.
Wibisono, Yusuf. 2005. MetodeStatistik. Yogyakarta: Gajah Mada University Press.
Yamin, Sofyan, dkk. 2011. RegresidanKorelasiDalamGenggamanAnda. Jakarta: SalembaEmpat.
(1)
BAB 6
PENUTUP
6.1 Kesimpulan
Berdasarkan analisis data yang telah dilakukan, maka dapat diperoleh beberapa kesimpulan antara lain:
1. Dari hasil perhitungan diperoleh persamaan penduga jumlah produksi listrik untuk jumlah pelanggan, banyak permintaan, dan APBD adalah:
Ŷ = �,��� + �,����� + �,�����+ �,�����
Persamaan ini mempunyai arti:
d) Konstanta sebesar 0,970 menyatakan bahwa jika tidak ada jumlah pelanggan, banyaknya permintaan, dan APBD maka jumlah produksi listrik adalah 0,970 ratus gwh.
e) Koefisien regresi X1 sebesar 2,358 menyatakan bahwa setiap penambahan jumlah
pelanggan, maka terjadi kenaikan jumlah produksi listrik sebanyak 2,358 ratus gwh.
f) Koefisien regresi X2 sebesar 1,800 menyatakan bahwa setiap penambahan
(2)
g) Koefisien regresi X3 sebesar 0,159menyatakan bahwa setiap penambahan
banyaknya permintaan, maka terjadi kenaikan sebanyak 0,159 ratus gwh.
2. Besar hubungan antar variabel jumlah produksi listrik dengan pelanggan yang dihitung dengan koefisien korelasi adalah 0,951, variabel jumlah produksi listrik dengan permintaan diperoleh 0,987, dan variabel jumlah produksi listrik dengan APBD diperoleh 0,921. Dapat disimpulkan bahwa ketiga faktor yaitu pelanggan, banyaknya permintaan dan APBD sangat mempengaruhi jumlah produksi listrik.
3. Terjadi korelasi yang kuat antara variabel X1 (Pelanggan) dengan variabel X2
(Permintaan) yaitu sebesar 0,954, terjadi korelasi yang sangat kuat antara variabel X1 (Pelanggan) dengan variabel X3 (APBD) yaitu sebesar 0,809, dan terjadi
korelasi yang kuat antara variabel X2 (Permintaan) dengan variabel X3 (APBD)
yaitu sebesar 0,691.
4. Angka R Square adalah 0,982, dan nilai R adalah 0,991. Hal ini berarti 99,1% jumlah produksi listrik dipengaruhi oleh jumlah pelanggan, banyaknya permintaan, dan APBD. Sedangkan 0,9% sisanya dipengaruhi oleh faktor-faktorlain.
(3)
6. Dari perhitungan sebelumnya diperoleh nilai distribusi Ftabel untuk dkpembilang = 3,
dkpenyebut = n-k-1 = 9-3-1 = 5 dan Ftabel (0,05) = 5,41. Sehingga didapat Fhitung
(89,529) > Ftabel (5,41) maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan
regresi linier berganda Y atas X1, X2, dan X3 bersifat nyata. Ini berarti terdapat
pengaruh yang signifikan antara jumlah pelanggan, banyaknya permintaan, dan APBD terhadap jumlah produksi listrik.
7. Dari perhitungan diperoleh nilai thitung sebesar 2,565, dan nilai ttabel yaitu sebesar
2,31. Karena thitung (2,565)> ttabel (2,31) maka H0 ditolak, ini berarti koefisien
regresi signifikan. Artinya pelanggan benar-benar berpengaruh terhadap jumlah produksi listrik.
6.2 Saran
Berdasarkan analisis yang didapat, penulis dapat memberikan saran sebagai berikut:
1) PT PLN (Persero) Cabang Medan sebaiknya memperhatikan produksi listriknya secara terus-menerus agar sesuai denga kebutuhan, melihat selalu bertambahnya pelanggan yang juga mempengaruhi banyaknya permintaan listrik.
(4)
2) PT PLN (Persero) Cabang Medan sebaiknya memperhatikan banyaknya permintaan guna meningkatkan jumlah produksi listrik, karena banyaknya permintaan merupakan faktor utama demi menghindari kekurangan pasokan listrik.
3) Penelitian selanjutnya sebaiknya menggunakan lebih banyak variabel bebas yang secara langsung dapat mempengaruhi produksi listrik.
(5)
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi Teori, Kasus dan Solusi. Yogyakarta : BPFE
Hakim Abdul. 2002. Statistik Induktif untuk Ekonomi dan Bisnis. Yogyakarta : Ekonisia.
Hartono. 2004. StatistikUntukPenelitian. Yogyakarta: LSFK2P &PustakaBelajar.
Lungan. Richard. 2006. AplikasiStatistik&Hitungpeluang. Yogyakarta: GrahaIlmu.
Santoso, Dwi, Ratno&Kusnadi, Hary, Mustadjab. 1992. AnalisisRegresi. Yogyakarta: Andi Offset.
Sudjana. 1992. MetodaStatistikaEdisi 6. Bandung: Tarsito.
Wibisono, Yusuf. 2005. MetodeStatistik. Yogyakarta: Gajah Mada University Press.
Yamin, Sofyan, dkk. 2011. RegresidanKorelasiDalamGenggamanAnda. Jakarta: SalembaEmpat.
(6)
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi Teori, Kasus dan Solusi. Yogyakarta : BPFE
Hakim Abdul. 2002. Statistik Induktif untuk Ekonomi dan Bisnis. Yogyakarta : Ekonisia.
Hartono. 2004. StatistikUntukPenelitian. Yogyakarta: LSFK2P &PustakaBelajar.
Lungan. Richard. 2006. AplikasiStatistik&Hitungpeluang. Yogyakarta: GrahaIlmu.
Santoso, Dwi, Ratno&Kusnadi, Hary, Mustadjab. 1992. AnalisisRegresi. Yogyakarta: Andi Offset.
Sudjana. 1992. MetodaStatistikaEdisi 6. Bandung: Tarsito.
Wibisono, Yusuf. 2005. MetodeStatistik. Yogyakarta: Gajah Mada University Press.
Yamin, Sofyan, dkk. 2011. RegresidanKorelasiDalamGenggamanAnda. Jakarta: SalembaEmpat.