Analisis Produk Domestik Regional Bruto (Pdrb) Dan Jumlah Tenaga Kerja Terhadap Pendapatan Perkapita Kota Padangsidimpuan

(1)

PERKAPITA KOTA PADANGSIDIMPUAN

TUGAS AKHIR

OLEH

ISMED SULAIMAN SITANGGANG 102407037

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2012

(2)

ANALISIS PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DAN JUMLAH TENAGA KERJA TERHADAP PENDAPATAN

PERKAPITA KOTA PADANGSIDIMPUAN

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

OLEH

ISMED SULAIMAN SITANGGANG 102407037

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2012

(3)

Judul : ANALISIS PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DAN JUMLAH TENAGA

KERJA TERHADAP PENDAPATAN

PERKAPITA KOTA PADANGSIDIMPUAN

Kategori : TUGAS AKHIR

Nama : ISMED SULAIMAN SITANGGANG

Nomor Induk Mahasiswa : 102407037

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (MIPA) UNIVERSITAS SUMATERA UTARA

Disahkan di Diketahui

Ketua Departemen Matematika FMIPA USU Pembimbing

Prof. Dr. Tulus, M.Si Drs. Gim Tarigan, M.Si

(4)

ANALISIS PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DAN

JUMLAH TENAGA KERJA TERHADAP PENDAPATAN PERKAPITA KOTA PADANGSIDIMPUAN

TUGAS AKHIR

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

Medan, Juni 2013

ISMED SULAIMAN SITANGGANG 102407037

(5)

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya. Penulis dapat menyelesaikan

penyusunan Tugas Akhir ini dengan judul “ANALISIS PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DAN JUMLAH TENAGA KERJA TERHADAP

PENDAPATAN PERKAPITA KOTA PADANGSIDIMPUAN”.

Terimakasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si, selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas

akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu‟ulolo, M.Si dan Bapak

Drs. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3

Statisika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika

FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak H. Syahluddin Sitanggang, Ibu Hj. Nuraidah Nasution dan keluarga yang selama ini memberikan bantuan dan dukungan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis

(6)

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 Identifikasi Masalah 3

1.3 Rumusan Masalah 3

1.4 Batasan Masalah 3

1.5 Tujuan Penelitian 4

1.6 Manfaat Penelitian 4

1.7 Tinjauan Pustaka 4

1.8 Metode Penelitian 6

1.8.1 Lokasi Penelitian 6

1.8.2 Metode Pengumpulan Data 6

1.9 Sistematika Penelitian 7

BAB 2 LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi 9

2.2 Persamaan Regresi 10

2.2.1 Regresi Linier Sederhana 11

2.2.2 Regresi Linier Berganda 12

2.3 Uji Regresi Linier Berganda 15

2.3.1 Uji F (Simultan) 15

2.3.2 Uji t (Uji Parsial) 16

2.4 Koefisien Determinasi 18

2.5 Koefisien Korelasi 18

BAB 3 SEJARAH DAN STRUKTUR BADAN PUSAT STATISTIK (BPS)

3.1 Sejarah Singkat BPS 21

3.1.1 Masa Pemerintahan Hindi Belanda 21

3.1.2 Masa Pemerintahan Jepang 22

3.1.3 Masa Kemerdekaan Republik 22

3.1.4 Masa Orde Baru Sampe Sekarang 23

3.2 Visi dan Misi BPS 24

3.2.1 Visi BPS 25

3.2.2 Misi BPS 25

(7)

4.3 Analisis Residu 33

4.4 Uji Regresi Linier Berganda 34

4.4.1 Uji F (Simultan) 34

4.4.2 Uji t (Uji Parsial) 37

4.4.2.1 Apakah X1 mempengaruhi Y ? 37

4.4.2.2 Apakah X2 mempengaruhi Y ? 40

4.5 Koefisien Determinasi 43

4.6 Koefisien Korelasi 44

BAB 5 IMPLEMENTASI SITEM

5.1 Pengertian Implementasi Sistem 47

5.2 Peranan Komputer Dalam Statistika 47

5.3 Cara kerja SPSS 49

5.4 Mengoperasikan SPSS 51

5.4.1 Mengaktifkan Program SPSS Pada windows 51

5.4.2 Perumusan Data 52

5.4.3 Menyimpan Data 55

5.5 Analisis Regresi Dengan SPSS 56

5.6 Analisis Korelasi Dengan SPSS 57

BAB 6 PENUTUP

6.1 Kesimpulan 59

6.2 Saran 61

DAFTAR PUSTAKA LAMPIRAN

(8)

Tabel 2.1. Data Hasil Pengamatan dari n Responden (X1,X2,…,Xk Y) 13

Tabel 4.1. Data Pendapatan Perkapita, PDRB, dan Jumlah Tenaga Kerja 29

Tabel 4.2. Nilai-Nilai koefisien 30

Tabel 4.3. Penyimpangan Nilai Koefisien 34

Tabel 4.4. Nilai koefisien untuk uji F 36

Tabel 4.5. Nilai koefisien pengaruh X1 terhadap Y 38

Tabel 4.6. Nilai koefisien pengaruh X2 terhadap Y 41

(9)

Gambar 5.1. Sistematika cara kerja SPSS 51

Gambar 5.2. Tampilan SPSS saat dibuka pada windows 52

Gambar 5.3. Tampilan pada pengisian Variabel View 54

Gambar 5.4. Tampilan pada Data View 55

Gambar 5.5. Tampilan saat membuat persamaan regresi 56

Gambar 5.6. Tampilan pada kotak dialog regresi 57

Gambar 5.7. Tampilan analisis korelasi 58

(10)

PENDAHULUAN

1.1 Latar Belakang

Di era globalisasi ini sangat diperlukan adanya dukungan dan koordinasi dari berbagai pihak untuk mewujudkan adanya pembangunan yang terpadu dan berkesinambungan. Diantaranya adalah pembangunan dalam bidang ekonomi yang bertujuan untuk meningkatkan pendapatan masyarakat secara baik dan dapat diterimanya secara adil dan merata.

Produk Domestik Regional Bruto (PDRB) merupakan ukuran kinerja makro kegiatan ekonomi di suatu wilayah. PDRB suatu wilayah menggambarkan struktur ekonomi daerah, peranan sektor - sektor ekonomi dan pergeserannya yang didasarkan pada PDRB atas dasar harga berlaku. Di samping itu PDRB menunjukkan laju pertumbuhan ekonomi baik secara total maupun per sektor dengan membandingkan PDRB tahun berjalan terhadap tahun sebelumnya menggunakan dasar harga konstan tahun 2000.

PDRB Kota Padangsidimpuan pada tahun 2011 atas dasar harga berlaku tahun 2010 sebesar 2,304 Triliun Rupiah, sedangkan pada tahun 2010 sebesar 2,09 Triliun. Berdasarkan atas dasar harga konstan 2000 PDRB Kota

(11)

Padangsidimpuan tahun 2011 sebesar 992,128 Miliar dan tahun 2010 sebesar 936,051 Miliar.

Apabila PDRB dikaitkan dengan sejumlah penduduk akan

menggambarkan tingkat pendapatan perkapita suatu wilayah. PDRB perkapita Kota Padangsidimpuan atas dasar harga berlaku tahun 2011 sebesar 11,918 Juta Rupiah lebih tinggi bila dibandingkan tahun 2010 sebesar 10,96 Juta Rupiah.

Jumlah tenaga kerja terdaftar di Kota Padangsidimpuan tahun 2011 sebesar 127.627 orang, dengan tenaga kerja perempuan sebesar 74.409 orang lebih besar dari tenaga kerja laki - laki yang hanya sebesar 53.218 orang. Pencari kerja terbesar pada tahun 2011 adalah yang berpendidikan SLTA yaitu sekitar 41% kemudian diikuti oleh yang berpendidikan sarjana sebesar 38%, sarjana muda sebesar 21%, dan selebihnya pendidikan lainnya.

Berdasarkan latar belakang di atas, maka penulis tertarik untuk menganalisis pendapatan perkapita Kota Padangsidimpuan. Untuk mencapai tujuan yang dimaksud, maka penulis mencoba membuat Tugas Akhir yang

berjudul “ANALISIS PRODUK REGIONAL DOMESTIK BRUTO (PDRB)

DAN JUMLAH TENAGA KERJA TERHADAP PENDAPATAN PERKAPITA KOTA PADANGSIDIMPUAN.”

(12)

1.2 Identifikasi Masalah

Dengan memanfaatkan data dari Badan Pusat Statistik, memungkinkan penulis untuk mengolah data dengan menggunakan metode Analisis Regresi Linier Berganda, dan juga melihat sektor mana yang paling berpengaruh terhadap pendapatan perkapita Kota Padangsidimpuan.

1.3 Rumusan Masalah

Bagaimana menentukan pendapatan perkapita Kota Padangsidimpuan di masa yang akan datang maka diperlukan analisis faktor - faktor yang memberikan pengaruh terhadap pendapatan perkapita tersebut, adapun faktor - faktor yang mempengaruhinya adalah PDRB dan jumlah tenaga kerja. Sebagai rumusan masalah yang akan di analisis dalam penelitian ini adalah variabel bebas mana yang paling berpengaruh terhadap variabel tak bebas tersebut.

1.4 Batasan Masalah

Agar permasalahan yang dibahas dalam penelitian ini tidak menyimpang dari sasaran yang dituju, maka perlu dibuat batasan masalah yaitu hanya mengenai pengaruh PDRB dan jumlah tenaga kerja terhadap pendapatan perkapita Kota Padangsidimpuan dan faktor yang lain tidak diperhitungkan. Metode analisa data yang dipergunakan adalah Metode Regresi Linier Berganda.

(13)

1.5 Tujuan Penelitian

Adapun tujuan dari penelitian yang dilakukan ini adalah untuk mengetahui bagaimana faktor PDRB dan jumlah tenaga kerja mempengaruhi pendapatan perkapita Kota Padangsidimpuan dengan analisis regresi linier berganda dan mengetahui besarnya derajat hubungan antara satu faktor dengan faktor lain dengan analisis korelasi.

1.6 Manfaat Penelitian

Adapun yang menjadi manfaat penelitian ini adalah informasi yang dihasilkan diharapkan dapat dipergunakan oleh pemerintah Kota Padangsidimpuan sebagai acuan dalam pengambilan keputusan guna mengatasi permasalahan pemerintahan yang dihadapi. Penelitian ini bermanfaat bagi penulis yaitu untuk memperluas dan memperdalam pemahaman penulis dalam bidang statistika. Penelitian ini diharapkan menjadi pendukung dalam pengembangan teori - teori yang sudah ada.

1.7 Tinjauan Pustaka

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

(14)

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dengan variabel independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

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

Setelah mengetahui hubungan fungsional antara variabel - variabel di mana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat atau lemahnya hubungan antara variabel -variabel itu. Dengan kata lain perlu dilakukan suatu cara untuk mengetahui derajat hubungan antara variabel - variabel tersebut.

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lain. Untuk mengetahui keeratan hubungan antara dua variabel dengan menggunakan

(15)

koefisien korelasi adalah dengan menggunakan nilai absolut dari koefisien korelasi tersebut. Besarnya koefisien korelasi (r) antara dua macam variabel adalah 0 sampai dengan 1. Apabila dua buah variabel mempunyai nilai r = 0, berarti antara dua variabel tersebut tidak ada hubungan. Sedangkan apabila dua buah variabel mempunyai r = 1, maka dua buah variabel tersebut mempunyai hubungan yang sempurna.

1.8 Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah sebagai berikut:

1.8.1 Lokasi Penelitian

Dalam penyusunan tugas akhir ini data yang digunakan diperoleh dari Badan Pusat Statistik (BPS) Propinsi Sumatera Utara. Data tersebut telah dikumpulkan

dalam bentuk buku yang berjudul “PADANGSIDIMPUAN DALAM ANGKA”,

data tersebut diperoleh dari buku pada edisi 2008 sampai edisi 2012.

1.8.2 Metode Pengumpulan Data

Keperluan data untuk riset ini penulis peroleh dengan menggunakan data sekunder (data yang telah tersedia) atau data yang telah dikumpulkan. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk

(16)

angka - angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.9 Sistematika Penulisan

Adapun sistematika penulisan yang digunakan penulis antara lain:

BAB 1 : PENDAHULUAN

Pada bab ini akan diuraikan latar belakang, rumusan masalah, pembatasan masalah, tujuan penelitian, manfaat penelitian, tinjauan pustaka, metode penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian analisa regresi berganda, korelasi berganda dan koefisien determinasi.

BAB 3 : GAMBARAN UMUM

Dalam bab ini penulis menguraikan sejarah singkat berdirinya Badan Pusat Statistika (BPS) Propinsi Sumatera Utara.

BAB 4 : PENGOLAHAN DATA

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

(17)

BAB 5 : IMPLEMENTASI SISTEM

Dalam bab ini penulis menguraikan pengetian dan tujuan implementasi sistem, rancangan program yang dipakai dan hasil outputnya.

BAB 6 : PENUTUP

Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan dari pembahasan serta saran penulis berdasarkan kesimpulan yang didapat.

(18)

BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Perubahan suatu variabel dapat disebabkan karena adanya perubahan pada variabel - variabel lain yang mempengaruhinya. Misalnya pada seorang karyawan terhadap perubahan tingkat produktivitas karena adanya perubahan upah yang diterimanya. Dalam artian bahwa karyawan tersebut semakin produktif sebagai akibat adanya tambahan upah yang diterimanya. Dalam hal ini berarti bahwa perubahan produktivitas disebabkan oleh adanya perubahan upah. Dalam fenomena alam banyak sekali kejadian yang saling berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel yang lainnya. Teknik yang digunakan untuk menganalisis hal - hal semacam ini disebut dengan analisis regresi.

Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang di bentuk.

(19)

Sedemikian hingga dapat didefenisikan bahwa analisa regresi adalah metode statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan antara variabel - variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramal atau memperkirakan nilai dari suatu variabel lain yang diketahui.

2.2 Persamaan Regresi

Persamaan Regresi (regression equation) adalah suatu persamaan matematis yang mendefenisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi estimatis, yaitu suatu formula matematis yang menunjukkan hubungan ketertarikan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel lain yang nilainya belum diketahui.

Sifat hubungan antarvariabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relasionship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan variabel bebas (independent variable), sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel tak bebas (dependent variable).

(20)

2.2.1 Regresi linier Sederhana

Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk persamaan antara variabel bebas tunggal dengan variabel tak bebas tunggal. Regresi linier sederhana hanya memiliki satu variabel bebas X yang dihubungkan dengan satu variabel tak bebas Y.

Bentuk umum Regresi Linier Sederhana:

Y α+ bX (2.1)

Dengan:

Y = variabel terikat X = variabel bebas

α = intersep

b = koefisien regresi/slop

Persamaan regresi linier sederhana dengan satu variabel bebas ditaksir oleh:

Ŷ = α + bX (2.2)

Nilai α dan b dapat ditentukan dengan menggunakan persamaan normal berikut:

ΣY = αn + bΣX

ΣXY = αΣX + bΣX2

(2.3)

Dalam bentuk matriks dapat dituliskan:

= (2.4)

Atau dengan rumusan Metode Kuadrat Terkecil ditulis:

α =

(21)

2.2.2 Regresi Linier Berganda

Banyak persoalan penelitian atau pengamatan yang terjadi sebagai akibat lebih dari dua variabel, atau dengan kata lain memerlukan lebih dari satu variabel bebas dalam membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi Kumulatif) seorang mahasiswa (Y) bergantung pada jumlah jam belajar (X1),

banyaknya buku yang dibaca (X2), jumlah uang (X3) dan banyak faktor lainnya.

Untuk memberikan gambaran tentang suatu permasalahan atau persoalan, biasanya sangat sulit ditentukan sehingga diperlukan suatu model yang dapat memprediksi dan meramalkan respon yang penting terhadap persoalan tersebut, yaitu regresi liner berganda.

Analisis regresi linier berganda memberikan kemudahan bagi pengguna untuk memasukkan lebih dari satu variabel prediktor hingga k-prediktor dimana banyaknya k kurang dari jumlah observasi (n). sehingga model regresi dapat ditunjukkan sebagai berikut:

Y = 0 + 1X1 + 2X2 + … + kXk + (2.6)

Dengan:

Y = variabel tak bebas

0,…, k = koefisien regresi

X1,…, Xk = variabel bebas

= error

Karena model diduga dari sampel, maka secara umum ditunjukkan sebagai berikut:

(22)

Ŷ = b0 + b1X + b2X2 + … + bkXk (2.7)

Dengan:

Ŷ = nilai penduga bagi variabel Y

b0,b1,b2,…,bk = dugaan bagi parameter konstan 0, 1, 2,…, k

X1,X2,…,Xk = variabel bebas X1,X2,…,Xk

Untuk mencari nilai b0, b1, b2, …, bk diperlukan n buah pasang data

(X1, X2, X3, Y) yang dapat di sajikan dalam tabel 2.1. berikut.

Tabel 2.1. Data Hasil Pengamatan dari n Responden (X1,X2,…,Xk,Y)

Responden X1 X2 ... Xk Y

1 X11 X21 ... Xk1 Y1

2 X12 X22 ... Xk2 Y2

. . . . . . . . . . . . . . . . . . N X1n X2n . Xkn Yn

Dari tabel 2.1. dapat dilihat bahwa Y1 berpasangan dengan X11, X21, …, Xk1 data

Y2 berpasangan dengan X12, X22, …, Xk2 dan umumnya data Yn berpasangan

dengan X1n,X2n, …, Xkn.

Persamaan regresi berganda dengan dua variabel bebas X1, X2, ditaksir

oleh:

(23)

Nilai b0,b1,b2 dapat ditentukan dengan menggunakan persamaan normal berikut:

ΣYi = b0n + b1ΣX1i + b2ΣX2i

ΣYiΣ1i = b0ΣX1i + b1ΣX1i2 + b2ΣX1iX2i

ΣYiΣX2i = b0ΣX2i + b1ΣX2iX1 + b2ΣX2i2 (2.9)

Dalam bentuk matriks dapat dituliskan:

= (2.10)

Dengan rumusan Metode Kuadrat Terkecil ditulis:

b1 =

b2 =

b0 = (2.11)

Dengan:

= - = -

Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan 3 variabel, yaitu satu variabel tak bebas (dependent variable) dan dua variabel bebas (independent variable).

(24)

Dalam persamaan model regresi linier yang diperoleh, maka antara Y

dengan Ŷ akan menimbulkan perbedaan hasil yang sering disebut sebagai

kekeliruan. Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran S_y,1,2,…,k yang dapat ditentukan oleh rumus:

Sy,1,2,…,k = (2.12)

Dengan:

Yi = nilai data sebenarnya

Ŷ = nilai taksiran n = banyaknya data k = banyak variabel bebas

2.3 Uji Regresi Linier Berganda

2.3.1 Uji F (Simultan)

Uji F ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar pengaruh koefisien regresi secara bersama - sama terhadap variabel tak bebas. Nilai Fhitung dapat diperoleh dengan rumus:

F =

(2.13)

Dengan:

JKreg = jumlah kuadrat regresi

JKres = jumlah kuadrat residu (sisa)

(25)

Dengan: x1j = X1 -

x2i = X2 -

xkj = Xi -

JKreg = ∑(Y - )2

Untuk uji F ini digunakan hipotesa sebagai berikut: H0 : b1=b2=bn...=bn=0 (tidak ada pengaruh)

H1 : b1 b2 0…bi=1 (minimal terdapat satu pengaruh)

Kriteria pengambilan keputusan:

a. H0 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama

tidak berpengaruh secara simultan dan signifikan terhadap variabel tak bebasnya.

b. H1 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama

berpengaruh secara simultan dan signifikan terhadap variabel tak bebasnya.

2.3.2 Uji t (Uji Parsial)

Keberartian adanya variabel - variabel bebas dalam regresi linier berganda perlu diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel tak bebas. Dan cara tepat untuk mengujinya adalah dengan menggunakan uji statistik t (t-student).

(26)

Adanya kriteria bahwa variabel - variabel tersebut memberikan pengaruh yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis H0

melawan tandingan H1 dalam bentuk:

H0 = i = 0,i = 1,2,…,k.

H1 = i 0,i = 1,2,…,k.

Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran S2_y,1,2,…,kjadi untuk melihat kekeliruan baku dari koefisien bi adalah:

Sbi = (2.14)

Dengan:

S2y,1,2,3 =

Σ xij = Σ( Xi - i)

Ri 2

Perhitungan t-statistik adalah:

ti = (2.15)

Dengan:

bi = nilai taksiran parameter b ke-i

= standar deviasi nilai taksiran parameter bke-i

Dan distribusi t-statistik serta dk = ( n-k-1 ), ttabel = t(α,n-k-1) dimana kriteria

(27)

2.4 Koefisien Determinasi

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

R2 = (2.16)

Dengan:

JKreg = jumlah kuadrat regresi

∑yi2 = ∑Yi2–

2.5 Koefisien Korelasi

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui adanya derajat hubungan linier antara satu variabel dengan variabel yang lain. Hubungan antara satu variabel dengan variabel yang lainnya dapat merupakan hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan sebab akibat.

Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel akan diikuti oleh perubahan variabel lain. Baik dengan arah yang sama maupun

(28)

dengan dengan arah yang berlawanan. Hubungan antarvariabel dapat dikelompokkan menjadi 3 jenis hubungan sebagai berikut:

1. Korelasi positif

Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus). Artinya apabila variabel yang satu meningkat, maka akan diikuti dengan peningkatan variabel lain.

2. Korelasi Negatif

Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan yang lain dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan pada variabel yang lain dan sebaliknya.

3. Korelasi Nihil

Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan pada variabel yang lain dengan arah yang tidak teratur (acak), artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan pada variabel yang lain.

Besarnya hubungan antara variabel yang satu dengan variabel yang lain

dinyatakan dengan koefisien korelasi yang disimbolkan dengan “r”. besarnya

(29)

Untuk mencari korelasi antara variabel Y terhadap Xi atau ry.1,2,…,k dapat diperoleh

dengan rumus:

r_{y.1, 2, …, k}= (2.17)

Sedangkan untuk mengalami korelasi antar variabel bebas dengan variabel bebasnya adalah:

Koefisien korelasi antara X1 dan X2

r 12 = (2.18)

Nilai koefisien korelasi -1 r 1. Jika dau variabel berkorelasi negatif maka nilai koefisien akan mendekati -1, jika dua variabel tidak berkorelasi maka koefisien korelasi akan mendekati 0, sedangkan jika dua variabel berkorelasi positif maka nilai koefisien korelasi akan mendekati +1.

Untuk lebih memudahkan mengetahui seberapa jauh derajat kerataan antarvariabel tersebut, berikut ini diberikan nilai – nilai dari Koefisien Korelasi (KK) sebagai patokan.

1. KK = 0, tidak ada korelasi.

2. 0 < KK 0,20, korelasi sangat rendah/lemah sekali. 3. 0,20 < KK 0,40, korelasi rendah/lemah tapi pasti. 4. 0,40 < KK 0,70, korelasi yang cukup berarti. 5. 0,70 < KK 0,90, korelasi yang tinggi, kuat.

6. 0,90 < KK 1,00, korelasi sangat tinggi, kuat sekali, dapat diandalkan. 7. KK = 1, berarti korelasi sempurna.

(30)

BAB 3

SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Badan Pusat Statistik (BPS)

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal - hal tersebut Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran - ukuran lainnya. Berikut ini beberapa masa peralihan di BPS yaitu:

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverbeid en

Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan

(31)

Pada bulan Maret 1923, dibentuk suatu Komisi untuk statistik yang anggotanya merupakan tiap - tiap Departemen. Komisi tersebut diberi tugas merencanakan tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan dipindahkan ke Jakarta. Bersama dengan itu, beralih juga pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang disebut sekarang Kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini juga CKS diganti nama menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik

Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KPPURI (Kantor Penyelidikan Perangkaan Umum Republik Indonesia). Tahun 1946, kantor KPPURI dipindahkan ke Yogyakarta sebagai

(32)

hasil dari perjanjian Linggarjati. Sementara itu, pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44, lembaga KPS berada di bawah dan bertanggung jawab kepada Menteri Perekonomian. Selanjutnya, keputusan Menteri Perekonomian tanggal 24 September 1953 No. 18.009/M KPS dibagi menjadi 2 (dua) bagian, yaitu bagian research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

Dengan Keputusan Presiden RI No. 131 tahun 1957, kementerian perekonomian dipecah menjadi kementerian perdagangan dan kementerian perindustrian. Untuk selanjutnya, Keputusan Presiden RI No. 172 tahun 1957, terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan Organisasi Biro Pusat Statistik.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan Struktur Organisasi yaitu:

(33)

1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS. 2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi, suasana, dan tata kerja BPS.

4. Undang - Undang No. 16 tahun 1997 tentang Statistik. 5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.

6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata kerja BPS.

7. PP 51 tahun 1999 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti Undang - Undang Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.

3.2 Visi dan Misi Badan Pusat Statistik

(34)

3.2.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.2.2 Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan misi mengarahkan pembangunan statistik pada penyajian data statistik yang bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi di antara 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 suatu tujuan yang ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai/staf.

(35)

Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah struktur organisasi ini dan staf. Struktur ini mengandung unsur - unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan keputusan, dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat Statistik (BPS) Propinsi Sumatera Utara adalah:

1. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan - kegiatan yang saling berhubungan satu sama lain. 2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

3. Pembuatan keputusan yaitu membuat keputusan - keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut:

1. Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat Statistik sebagaimana lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor. 2. Kepala Kantor dibantu tata usaha yang terdiri dari:

Sub Bagian Urusan Dalam, Sub Bagian Perlengkapan, Sub Bagian Keuangan, Sub Bagian Kepegawaian, Sub Bagian Bina Potensi/Bina Program

(36)

a. Bidang Statistik Produksi

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

b. Bidang Statistik Distibusi

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

c. Bidang Statistik Kependudukan

Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan statistik demografi dan rumah tangga, statistik tenaga kerja, serta statistik kesejahteran.

d. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Bidang IPDS mempunyai tugas untuk penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan program komputer. e. Bidang Neraca Wilayah dan Analisis Statistik

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

(37)

STRUKTUR ORGANISASI BADAN PUSAT STATISTIK (BPS) KEPALA WAKIL KEPALA DEPUTI ADMINISTRASI DEPUTI Perencanaan dan Analisis Statistik DEPUTI Statistik Produksi dan Kependudukan DEPUTI Statistik Distribusi dan Neraca Nasional

Pusat Pendidikan dan Pelatihan Statistik dan

Komputer

Biro Umum Biro

Perencanaan Biro Statistik Peretanian Biro Statistik Harga dan Keuangan Biro Kepegawaian dan Hukum Biro Metodologi Statistik Biro Statistik Industri Biro Statistik Perdagangan dan Jasa Biro Perlengkapan dan Penggandaan Biro Penyajian dan Pelayanan Statistik Biro Statistik Demografi dan Tenaga Kerja Biro Neraca Produksi Biro Analisis dan Pengembangan Statistik Biro Statistik Kesejahteraan Rakyat Biro Neraca Konsultasi Biro Sistem Informasi Statistik Inspektorat

(38)

BAB 4

PENGOLAHAN DATA

4.1 Data dan Pembahasan

Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik Propinsi Sumatera Utara. Yaitu pendapatan perkapita, PDRB dan jumlah tenaga kerja Kota Padangsidimpuan dari tahun 2007 sampai 2011, datanya adalah sebagai berikut:

Tabel 4.1. Data Pendapatan Perkapita, PDRB dan Jumlah Tenaga Kerja Tahun Pendapatan perkapita

( Juta Rupiah )

PDRB ( Ratusan Miliar Rupiah )

Jumlah tenaga kerja ( Ratusan ribu jiwa )

2007 8,166 7,88 1,23

2008 9,253 8,36 1,26

2009 9,901 8,85 1,27

2010 10,964 9,36 1,43

2011 11,918 9,92 1,28

Sumber : Badan Pusat Statistik Propinsi Sumatera Utara

4.2 Pembentukan Persamaan Regresi Linier Berganda

Untuk membentuk persamaan Regresi Linier Berganda, diperlukan pencarian nilai b0, b1,b2, sehingga akan membentuk persamaan berikut:

(39)

Tabel 4.2. Nilai - Nilai Koefisien

Tahun Y X1 X2 Y2 X12

2007 8,166 7,88 1,23 66,683556 62,0944

2008 9,253 8,36 1,26 85,618009 69,8896

2009 9,901 8,85 1,27 98,029801 78,3225

2010 10,964 9,36 1,43 120,209296 87,6096

2011 11,918 9,92 1,28 142,038724 98,4064

Jumlah 50,202 44,37 6,47 512,579386 396,3225

Sambungan Tabel 4.2.

Tahun X22 YX1 YX2 X1X2

2007 1,5129 64,34808 10,04418 9,6924

2008 1,5876 77,35508 11,65878 10,5336

2009 1,6129 87,62385 12,57427 11,2395

2010 2,0449 102,62304 15,67852 13,3848

2011 1,6384 118,22656 15,25504 12,6976

Jumlah 8,3967 450,17661 65,21079 57,5479

Keterangan:

Y = Pendapatan perkapita (Jutaan Rupiah) X1 = PDRB (Ratusan Miliar Rupiah)

X2 = Jumlah tenaga kerja (Ratusan ribu jiwa)

Dari tabel di atas diperoleh:

n = 5 ∑X12 = 396,3225

∑Y = 50,202 ∑X22 = 8,3967

∑X1 = 44,37 ∑YX1 = 450,17661

∑X2 = 6,47 ∑YX2 = 65,21079

∑Y2

(40)

Dari data tersebut diperoleh persamaan normal sebagai berikut:

∑Y = b0n + b1∑X1 + b2∑X2

∑YX1 = b0∑X1 + b1∑X12 + b2∑X1X2

∑YX2 = b0∑X2 + b1∑X1X2 + b2∑X22

Harga - harga koefisen regresi b0, b1, dan b2 di cari dengan substitusi dan

eliminasi dari persamaan normal di atas. Selanjutnya substitusi nilai jumlah pada tabel 3.2. ke dalam persamaan normal, sedemikian hingga dapat diperoleh:

5b0 + 44,37b1 + 6,47b2 = 50,202 …1)

44,37b0 + 396,3225b1 + 57,5479b2 = 450,17661 …2)

6,47b0 + 57,5479b1 + 8,3967b2 = 65,21079 …3)

Selanjutnya dilakukan langkah perhitungan sebagai berikut: 1. Eliminasi persamaan (1) dan (2)

5b0 + 44,37b1 + 6,47b2 = 50,202 | x 44,37

44,37b0 + 396,3225b1 + 57,5479b2 = 450,17661 | x 5 +

--- 221,85b0 + 1.968,6969b1 + 287,0739b2 = 2.227,46274

221,85b0 + 1.981,6125b1 + 287,7395b2 = 2.250,88305 -

---

(41)

2. Eliminasi persamaan (1) dan (3)

5b0 + 44,37b1 + 6,47b2 = 50,202 | x 6,47

6,47b0 + 57,5479b1 + 8,3967b2 = 65,21079 | x 5 +

--- 32,35b0 + 287,0739b1 + 41,8609b2 = 324,80694

32,35b0 + 287,7395b1 + 41,9835b2 = 326,05395 -

---

- 0,6656b1 - 0,1226b2 = -1,24701 …5)

3. Eliminasi persamaan (4) dan (5)

- 12,915b1 - 0,6656b2 = -23,42031 | x 0,6656

- 0,6656b1 - 0,1226b2 = -1,24701 | x 12,915 +

--- - 8,596224b1 - 0,44302336b2 = -15,58855834

- 8,596224b1 - 1,583379b2 = -16,10513415 -

--- 1,14035564b2 = 0,51657581

b2 =

b2 = 0,453

4. Substitusi harga koefisien regresi b2 ke persamaan (4)

-12,9156b1 - 0,6656b2 = -23,42031

-12,9156b1– 0,6656(0,453) = -23,42031

-12,9156b1– 0,3015168 = -23,42031

(42)

-12,9156b1 = -23,1187932

b1 =

b1 = 1,79

5. Substitusi harga koefisien regresi b1 dan b2 ke persamaan (1)

5b0 + 44,37b1 + 6,47b2 = 50,202

5b0 + 44,37(1,79) + 6,47(0,453) = 50,202

5b0 + 79,4223 + 2,93091 = 50,202

5b0 + 82,35321 = 50,202

5b0 = 50,202 – 82,35321

5b0 = -32,15121

b0 =

b0 = -6,43

Sedemikian hingga diperoleh persamaan regresi linier berganda sebagai berikut:

Ŷ = -6,43 + 1,79X1 + 0,453X2

4.3 Analisis Residu

Setelah mendapatkan persamaan regresi, langkah selanjutnya adalah menghitung kesalahan baku. Untuk menghitung kekeliruan baku tafsiran diperlukan harga Ŷ yang diperoleh dari persamaan regresi diatas untuk tiap harga X1 dan X2 yang

(43)

Tabel 4.3. Penyimpangan Nilai Koefisien

Tahun Y X1 X2 Ŷ Y- Ŷ (Y- Ŷ)2

2007 8,166 7,88 1,23 8,23239 -0,06639 0,004407632

2008 9,253 8,36 1,26 9,10518 1,14782 0,021850752

2009 9,901 8,85 1,27 9,98681 -0,08581 0,007363356

2010 10,964 9,36 1,43 10,97219 -0,00819 0,000067076

2011 11,918 9,92 1,28 11,90664 0,01136 0,000129050

Jumlah 50,202 44,37 6,47 50,20321 -0,00121 0,033817866

Sedemikian hingga diperoleh: =

= = 0,13

Hasil yang diperoleh menunjukkan nilai pendapatan perkapita penduduk akan menyimpang dari nilai rata - rata pendapatan perkapita penduduk yang sebenarnya sebesar 0,13 atau 13%.

4.4 Uji Regresi Linier Berganda

4.4.1 Uji F (Simultan)

(44)

1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 PDRB dan jumlah tenaga kerja tidak berpengaruh secara

simultan dan signifikan terhadap pendapatan perkapita penduduk Kota Padangsidimpuan.

H1 : b1 b2 0 PDRB dan jumlah tenaga kerja berpengaruh secara

simultan signifikan terhadap pendapatan perkapita penduduk Kota Padangsidimpuan.

2. Menentukan taraf nyata

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 2

dan dk penyebut (v2) =5 – 2 – 1 = 2, maka diperoleh F(2;2;0,05) = 19,00.

3. Kriteria pengujian

H0 diterima apabila Fhitung Ftabel

H0 ditolak apabila Fhitung Ftabel

4. F-hitung

F =

Untuk menguji model regresi linier berganda yang telah terbentuk, maka dilakukan pengujian dengan menggunakan uji F yang memerlukan nilai - nilai yj, x1j, dan x2j, nilai - nilai tersebut dapat diperoleh melalui rumus berikut:

yj = Y -

x1j = X1 -

(45)

Tabel 4.4. Nilai koefisien untuk uji F

yj x1j x2j x1jyj x2jyj yj2

-1,8744 -0,994 -0,064 1,863154 0,119962 3,513375

-0,7874 -0,514 -0,034 0,404724 0,026772 0,619999

-0,1394 -0,024 -0,024 0,003346 0,003346 0,019432

0,9236 0,486 0,136 0,448870 0,125610 0,853037

1,8776 1,046 -0,014 1,963970 -0,026290 3,525382

0 0 0 4,684062 0,249402 8,531225

Selanjutnya dapat di peroleh nilai perhitungan Fhitung,

JKreg = b1∑yix1i + b2∑yix2i

JKreg = 1,79(4,684062) + 0,453(0,249402)

JKreg = 8,38447098 + 0,112979106

JKreg = 8,497450086

(Y - Ŷ)2 dapat dilihat pada tabel 4.3 JKres = (Y - Ŷ)2

= 0,033817866

F =

(46)

F =

F = 251,27

5. Didapat Fhitung = 251,27 Ftabel = 19,00. Fhitung > Ftabel maka H0 ditolak dan

H1 diterima. Hal ini berarti bahwa PDRB dan jumlah tenaga kerja berpengaruh

secara simultan dan signifikan terhadap pendapatan perkapita penduduk Kota Padangsidimpuan.

4.4.2 Uji t (Uji Parsial)

4.4.2.1 Apakah X1 mempegaruhi Y ?

Langkah - langkah pengujiannya sebagai berikut: 1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 PDRB tidak berpengaruh secara signifikan terhadap

pendapatan perkapita penduduk Kota Padangsidimpuan. H1 : b1 b2 0 PDRB berpengaruh secara signifikan terhadap pendapatan

perkapita penduduk Kota Padangsidimpuan. 2. Menentukan taraf nyata

Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan ( ) = (1- ) = (1-0,025) = 0,975 dan dk = n – k = 5 - 2 = 3. Dengan t(3;0,975) = 3,18.

3. Kriteria pengujian

H0 diterima apabila thitung ttabel

(47)

4. t-hitung t =

Tabel 4.5. Nilai koefisien pengaruh X1 terhadap Y

Y X1 X2 X12 X22 x1j2

8.166 7.88 1.23 62.0944 1.5129 0.988036

9.253 8.36 1.26 69.8896 1.5876 0.264196

9.901 8.85 1.27 78.3225 1.6129 0.000576

10.964 9.36 1.43 87.6096 2.0449 0.236196

11.918 9.92 1.28 98.4064 1.6384 1.094116

50.202 44.37 6.47 396.3225 8.3967 2.583120

Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai

Sb1, rumusannya sebagai berikut:

Sb1 =

Nilai Sb1 dapat diperoleh melalui pencarian, pertama nilai kesalahan baku

tafsirannya, = =

= =

(48)

Kedua, menentukan nilai korelasi antara X1 dan X2 yang dicari dengan

rumusan: r12 =

r12 =

r12=

r12 = 0,529

Ketiga menentukan nilai Sb1.

Sb1 =

(49)

Kemudian nilai thitung dapat diperoleh sebagai berikut:

t =

t = 18,775

5. Didapat thitung = 18,775 ttabel = 3,18. thitung ttabel maka H0 ditolak dan H1

diterima. Hal ini berarti bahwa PDRB berpengaruh secara signifikan terhadap pendapatan perkapita Kota Padangsidimpuan.

4.4.2.2 Apakah X2 mempegaruhi Y ?

Langkah - langkah pengujiannya sebagai berikut: 1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 Jumlah tenaga kerja tidak berpengaruh secara signifikan

terhadap pendapatan perkapita penduduk Kota

Padangsidimpuan.

H1 : b1 b2 0 Jumlah tenaga kerja berpengaruh secara signifikan terhadap

pendapatan perkapita penduduk Kota Padangsidimpuan. 2. Menentukan taraf nyata

Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan ( ) = (1- ) = (1-0,025) = 0,975 dan dk = n – k = 5 - 2 = 2, maka diperoleh t(2;0,975) = 3,18.

3. Kriteria pengujian

(50)

H0 ditolak apabila thitung ttabel

4. t-hitung t =

Tabel 4.6. Nilai koefisien pengaruh X2 terhadap Y

Y X1 X2 X12 X22 X2j2

8.166 7.88 1.23 62.0944 1.5129 0.988036

9.253 8.36 1.26 69.8896 1.5876 0.264196

9.901 8.85 1.27 78.3225 1.6129 0.000576

10.964 9.36 1.43 87.6096 2.0449 0.236196

11.918 9.92 1.28 98.4064 1.6384 1.094116

50.202 44.37 6.47 396.3225 8.3967 2.583120

Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai

Sb2, rumusannya sebagai berikut:

Sb2 =

Nilai Sb2 dapat diperoleh melalui pencarian, pertama nilai kesalahan baku

tafsirannya, = =

= =

(51)

Kedua, menentukan nilai korelasi antara X1 dan X2 yang dicari dengan

rumusan: r12 =

r12 =

r12=

r12 = 0,529

Ketiga menentukan nilai Sb2.

Sb2 =

(52)

Kemudian nilai thitung dapat diperoleh sebagai berikut:

t =

t = 0,463

5. Didapat thitung = 0,463 ttabel = 3,18. thitung ttabel maka H0 diterima dan H1

ditolak. Hal ini berarti bahwa jumlah tenaga kerja tidak berpengaruh secara signifikan terhadap pendapatan perkapita penduduk Kota Padangsidimpuan.

4.5 Koefisien Determinasi

Mencari koefisien determinasi dengan menggunakan rumus: R2 =

= = 0,996

Diperoleh nilai koefisien determinasi 0,996. Ini berarti sekitar 99,6% pendapatan perkapita penduduk ditentukan oleh PDRB dan jumlah tenaga kerja melalui hubungan regresi linier berganda sisanya 0,4% lagi dipengaruhi oleh faktor lain.

Koefisien korelasi bergandanya diperoleh dengan: R =

(53)

= 0,998

Dari hasil perhitungan diperoleh korelasi (R) antara PDRB dan jumlah tenaga kerja terhadap pendapatan perkapita penduduk sebesar 0,998. Nilai korelasi tersebut menyatakan bahwa hubungan antara PDRB dan jumlah tenaga kerja terhadap pendapatan perkapita penduduk Kota Padangsidimpuan sangat tinggi.

4.6 Koefisien Korelasi

Koefisien korelasi antara variabel tak bebas (Y) dengan variabel bebas (X) sehingga dapat diketahui seberapa besar hubungan antarvariabel.

1. Koefisien korelasi antara Y dan X1

ry.x1 =

ryx1 =

ryx1 = 0,998

Koefisien korelasi antara PDRB (X1) dengan pendapatan perkapita penduduk

Kota Padangsidimpuan (Y) adalah 0,998 yang berarti nilai tersebut menunjukkan korelasi sangat tinggi dengan arah yang sama (korelasi positif).

(54)

2. Koefisien korelasi antara Y dan X2

ryx2 =

ryx2 = 0,545

Koefisien korelasi antara jumlah tenaga kerja (X2) dengan pendapatan

perkapita Kota Padangsidimpuan (Y) adalah 0,545 yang berarti nilai tersebut menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).

3. Koefisien korelasi X1 dan X2

r12 =

(55)

r12 =

r12 = 0,528

Koefisien korelasi antara PDRB (X1) dengan jumlah tenaga kerja (X2) adalah

0,528 yang berarti nilai tersebut menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).

(56)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

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

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming. Dalam pengolahan data pada tugas akhir ini penulis menggunakan perangkat lunak (software) sebagai implementasi sistem yaitu SPSS Statistic 17.0 for windows dalam masalah memperoleh perhitungan.

5.2 Peranan Komputer Dalam Statistika

Komputer memegang peranan sangat penting dalam statistika, komputer dalam bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai berikut:

1. Jumlah input yang besar

Jumlah input yang besar akan dapat diolah oleh komputer dengan mudah semudah mengolah data yang jumlahnya sedikit sehingga komputer akan

(57)

dapat bekerja sangat efisien pada pengolahan data dengan menggunakan input yang besar.

2. Proyek yang repetitif

Perintah pengolahan yang berulang - ulang akan lebih efisien dengan menggunakan komputer, karena di sini perintah hanya dilakukan satu kali kemudian diulang - ulang (di-copy) untuk menjalankan perintah pengolahan yang lain.

3. Diperlukan kecepatan yang tinggi

Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah oleh komputer, yang membedakan hanya proses pemasukan data saja. 4. Diperlukan ketepatan yang tinggi

Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Kesalahan informasi yang mungkin dihasilkan hanya terjadi pada proses pemasukan data saja.

5. Pengolahan hal yang kompleks

Hubungan antarfenomena yang kompleks akan dipecahkan dengan mudah menggunakan komputer dalam waktu yang tepat dan cepat.

Saat ini banyak beredar berbagai paket program komputer statistik dari

yang „kuno‟ dan berbasis DOS seperti Microstat sampai yang berbasis wnidows seperti SPSS, SAS, statistika dan lainnya. Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang paling populer dan paling banyak digunakan pemakai di seluruh dunia.

(58)

SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Standford University, yang dioperasikan pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC ( dapat dipakai untuk komputer desktop ) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya sistem operasi windows, SPSS pada tahun 1992 juga mengeluarkan versi windows.

Hal ini membuat SPSS yang tadinya ditujukan bagi pengolahan data statistik untuk ilmu sosial ( SPSS saat itu adalah singkatan dari Statistical Package for the Social Sciences ), sekarang diperluas untuk melayani berbagai user, seperti untuk proses produksi di pabrik, riset ilmu - ilmu sains dan lainnya. Sedemikian hingga sekarang kepanjangan SPSS adalah Statistical Product and Services Solutions.

5.3 Cara Kerja SPSS

Cara kerja komputer, statistik, dan SPSS pada prinsipnya adalah sama, yaitu meliputi 3 bagian: input, proses, dan output.

1. Input

Pada komputer, input berupa data yang akan diolah dengan komputer. Pada inputing dapat melalui keyboard, mouse, touch, screen, atau hardisk.

Pada statistik, input berupa data yang telah ditabulasikan pada data editor bagian view data, sedangkan proses coding dan pendefenisian variabel pada variable view.

(59)

2. Proses

Pada komputer, proses berupa eksekusi program komputer dimana komputer menjalankan perintah - perintah sesuai dengan apa yang telah diprogramkan. Pada statistik, proses berupa analisis perhitungan, baik secara deksriptif maupun inferensi, baik dengan statistik parametrik ataupun non-parametrik. Pada SPSS, proses berupa eksekusi program SPSS untuk menganalisis input yang ada di data editor sesuai dengan perintah dari pemakai.

3. Output

Pada komputer, output berupa hasil pengolahan yang telah diproses dengan program komputer yang dikehendaki. Bentuk output komputer bisa dalam bentuk cetakan, tampilan, gambar, maupun suara.

Pada statistik, output berupa hasil analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau bentuk tabel serta kesimpulan yang diperoleh dari hasil analisis.

Pada SPSS, output berupa hasil analisis program SPSS yang disajikan dalam output navigator.

Dengan demikian, cara kerja SPSS dapat di lihat dalam sistematika pada gambar 5.1. berikut.

Gambar 5.1. Sistematika cara kerja SPSS

INPUT DATA

dengan DATA EDITOR

PROSES dengan DATA EDITOR

OUTPUT DATA

dengan OUTPUT

(60)

5.4 Mengoperasikan SPSS

Adapun langkah - langkah pengolahan data dengan menggunakan program SPSS sebagai berikut.

5.4.1 Mengaktifkan Program SPSS Pada windows

Klik Start, kemudian All Program, Statistics 17.0, SPSS Statitics 17.0. Akan tampak tampilan seperti gambar 5.2. berikut.

Gambar 5.2. Tampilan SPSS saat dibuka pada windows

5.4.2 Perumusan Data

Langkah - langkahnya sebagai berikut:

Buka lembar kerja baru dari menu file, pilih new, lalu klik data. Pada menu Data View isilah kolom dengan ketentuan data yang akan diolah. Pada pemasukan Data

(61)

view hanya akan didefenisikan seperlunya saja, jadi tidak akan menjelaskan proses pemasukan data diluar dari yang diperlukan.

1. Input variabel Y ( Pendapatan perkapita )

1. Name

Letakkan pointer pada kolom name, klik ganda pada sel tersebut, ketik Y.

2. Type

Karena Y berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric.

3. Width

Untuk keseragaman ketik 8.

4. Decimals

Untuk keseragaman ketik 3.

5. Label

Label adalah keterangan untuk nama variabel. Maka untuk Y ketik Pendapatan perkapita.

2. Input variabel X1 ( PDRB )

1. Name

letakkan pointer pada kolom name, klik ganda pada sel tersebut, ketik X1.

2. Type

Karena X1 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih

tipe numeric.

3. Width

(62)

4. Decimals

Untuk keseragaman ketik 2.

5. Label

Label adalah keterangan untuk nama variabel. Maka untuk X1 ketik

PDRB.

3. Input variabel X2 ( Jumlah tenaga kerja )

1. Name

Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik X2.

2. Type

Karena X2 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih

tipe numeric.

3. Width

Untuk keseragaman ketik 8.

4. Decimals

Untuk keseragaman ketik 2.

5. Label

Label adalah keterangan untuk nama variabel, maka untuk X2 Jumlah

tenaga kerja.

(63)

Gambar 5.3. Tampilan pada pengisian Variabel View

Setelah proses variable view selesai, klik pada data view dan isikan data pada kolom yang sudah didefenisiskan sebelumnya. Tampilannya pada gambar 5.4. berikut.

(64)

5.4.3 Menyimpan Data

Setelah semua data diisikan dan didefenisikan untuk setiap variabel ke dalam SPSS data editor, maka langkah selanjutnya adalah menyimpan file tersebut dengan langkah - langkah sebagai berikut:

1. Dari menu SPSS, pilih menu file, kemudian pilih submenu save as. 2. Beri nama file tersebut.

3. Setelah menemukan direktori yang dituju, klik save.

4. Apabila mau menyimpan file yang telah telah diberi nama tanpa mengganti dengan nama baru, tinggal klik save.

5.5 Analisis Regresi Dengan SPSS

Adapun langkah - langkah analisis regresi dalam SPSS adalah sebagai berikut: 1. Buka analyze, regression, linear … akan tampak tampilan seperti gambar 5.5.

berikut.

(65)

2. Masukkan variabel

Y pada kotak dependent X1 pada kotak independent (s) X2 pada kotak independent (s)

3. Abaikan pilihan yang lain, klik OK seperti yang terlihat pada gambar 5.6. berikut.

Gambar 5.6. Tampilan pada kotak dialog regresi 4. Tampilan outputnya dapat dilihat pada lampiran 1.

5.6 Analisis Korelasi Dengan SPSS

Adapun langkah - langkah analisis korelasi dalam SPSS adalah sebagai berikut: 1. Buka analyze, correlate, bivarate, akan tampak seperti gambar 5.7. berikut.

(66)

Gambar 5.7. Tampilan analisis korelasi

2. Masukkan variabel Y, X1, dan X2.

3. Pada correlation coefficients, pilih pearson, klik OK seperti yang terlihat pada gambar 5.8. berikut:

Gambar 5.8. Tampilan pada kotak dialog korelasi 4. Tampilan outputnya dapat dilihat pada lampiran 1.

(67)

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan penulis maka dapat di ambil beberapa kesimpulan sebagai berikut:

1. Dari persamaan perhitungan diperoleh bahwa persamaan penduga:

Ŷ = -6,43 + 1,79X1 + 0,453X2

Ini berarti bahwa PDRB mempengaruhi pendapatan perkapita sebesar 1,79 dan jumlah tenaga kerja mempengaruhi pendapatan perkapita sebesar 0,453. Serta nilai konstan -6,43.

2. Kesalahan baku sebesar 0,13. Ini berarti nilai pendapatan perkapita penduduk akan menyimpang dari nilai rata - rata pendapatan perkapita yang sebenarnya sebesar 0,13 atau 13%.

3. Melalui uji keberartian regresi linier diperoleh Fhitung = 251,27 dan Ftabel =

19,00. Maka Fhitung Ftabel maka H0 ditolak dan H1 diterima. Hal ini berarti

bahwa PDRB dan jumlah tenaga kerja berpengaruh secara simultan dan signifikan terhadap pendapatan perkapita penduduk Kota Padangsidimpuan. 4. Melalui perhitungan nilai thitung = 18,775 ttabel = 3,18. thitung ttabel maka H0

ditolak dan H1 diterima. Hal ini berarti bahwa PDRB berpengaruh secara

(68)

5. Melalui perhitungan nilai thitung = 0,463 ttabel = 3,18. thitung ttabel maka H0

diterima dan H1 ditolak. Hal ini berarti bahwa jumlah tenaga kerja tidak

berpengaruh secara signifikan terhadap pendapatan perkapita Kota Padangsidimpuan.

6. Melalui perhitungan R2 didapat nilai koefisien determinasi 0,996. Hal ini menunjukkan bahwa sekitar 99,6% pendapatan perkapita Kota Padangsidimpuan dipengaruhi oleh PDRB dan jumlah tenaga kerjanya sisanya 0,4% dipengaruhi oleh faktor lain.

7. Melalui perhitungan didapat korelasi (R) antara PDRB dan jumlah tenaga kerja terhadap pendapatan perkapita Kota Padangsidimpuan sebesar 0,998. Nilai korelasi tersebut menyatakan bahwa hubungan antara PDRB dan jumlah tenaga kerja terhadap pendapatan perkapita Kota Padangsidimpuan tinggi.

8. Koefisien korelasi antara PDRB (X1) dengan pendapatan perkapita (Y)

adalah 0,998, hal ini menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).

9. Koefisien korelasi antara jumlah tenaga kerja (X2) dengan pendapatan

perkapita (Y) adalah 0,545, hal ini menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).

10. Koefisien korelasi antara PDRB (X1) dengan pendapatan perkapita (Y)

adalah 0,528, hal ini menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).

(69)

6.2 Saran

Dari hasil penelitian yang dilakukan, maka penulis dapat memberikan beberapa saran, yaitu:

1. Sebaiknya pemerintah Kota Padangsidimpuan dapat mempertahankan kestabilan pendapatan perkapita penduduknya, begitu juga dengan PDRB kota tersebut.

2. Jumlah tenaga kerja sebaiknya di tingkatkan demi kesejahteraan masyarakatnya, agar angka pengangguran berkurang.

(70)

DAFTAR PUSTAKA

Algifari. 2000. Analisis Regresi teori, Kasus, dan Solusi,Edisi Kedua. BPFE. Yogyakarta.

Badan Pusat Statistik. Padangsidimpuan Dalam Angka 2009-2012. BPS.Medan.

Hartono. 2004. Statistik untuk Penelitian. LSFK2P. Pekan Baru.

Hasan, M M, Iqbal, Ir. 1994. Pokok-Pokok Materi Statistik 2 ,Edisi 2. Bumi Aksara. Jakarta.

Pasaribu, Amudi. 1989. Pengantar Statistik. Ade Putra. Medan.

Santoso, Singgih. 1992. Mengolah Data Statistik Secara Profesional. PT.Elex Media Komputindo. Jakarta.

Sudjana. 2005. Metoda Statistika. Tarsito. Bandung.

(71)

Lampiran 1

Hasil tampilan output SPSS Linear Regression

(1)

Gambar 5.7. Tampilan analisis korelasi

2. Masukkan variabel Y, X1, dan X2.

3. Pada correlation coefficients, pilih pearson, klik OK seperti yang terlihat pada gambar 5.8. berikut:

Gambar 5.8. Tampilan pada kotak dialog korelasi 4. Tampilan outputnya dapat dilihat pada lampiran 1.

(2)

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan penulis maka dapat di ambil beberapa kesimpulan sebagai berikut:

1. Dari persamaan perhitungan diperoleh bahwa persamaan penduga: Ŷ = -6,43 + 1,79X1 + 0,453X2