Analisa Terhadap Jumlah Produksi Karet, Jumlah Ekspor Karet Dan Nilai Devisa Karet Di Indonesia Pada Tahun 1988-2008

(1)

ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA

PADA TAHUN 1988-2008

TUGAS AKHIR

LAILA ELFI SYAHRI PANE 072407054

PROGRAM STUDI DIII STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN

2010

(2)

ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA

PADA TAHUN 1988-2008

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

LAILA ELFI SYAHRI PANE 072407054

PROGRAM STUDI DIII STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2010

(3)

PERSETUJUAN

Judul : ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA PADA TAHUN 1988-2008

Kategori : TUGAS AKHIR

Nama : LAILA ELFI SYAHRI PANE

Nomor Induk Mahasiswa : 072407054

Program studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA)

UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 28 Juni 2010

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua Pembimbing

Dr. Saib Suwilo, M.Sc Drs. Faigiziduhu Buulolo, M.Si NIP. 19640109 198803 1 004 NIP. 19531218 198003 1 003

(4)

PERNYATAAN

ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA

PADA TAHUN 1988-2008

TUGAS AKHIR

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

Medan, 28 Juni 2010

LAILA ELFI SYAHRI PANE 072407054

(5)

PENGHARGAAN

Puji syukur kehadirat Allah SWT karena berkat rahmat dan keridhoan-Nya lah sehingga penulis dapat menyelesaikan tugas akhir ini. Shalawat dan salam penulis hadiahkan ke roh nabi Muhammad SAW yang kita nantikan syafa’atnya di hari kelak.

Terima kasih penulis sampaikan kepada bapak Drs. Faigiziduhu Bu’ulolo M.Si yang telah banyak membimbing dan mengarahkan penulis dalam menyelesaikan tugas akhir ini. Terima kasih juga penulis sampaikan kepada bapak Dr. Saib Suwilo, M.Sc selaku ketua Departemen Matematika dan bapak Drs. Henry Rani Sitepu, M.Si selaku sekretaris Departemen Matematika. Terima kasih juga penulis ucapkan kepada dekan dan pembantu dekan serta semua dosen dan pegawai Departemen Matematika di Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara.

Terima kasih penulis ucapkan kepada ibunda tercinta Rosdiani Hasibuan sebagai sumber inspirasi bagi penulis dan yang selalu memberi semangat dan do’a sehingga penulis dapat menyelesaikan tugas akhir ini.Buat ayahanda, bg Mail dan keluarga terima kasih atas dukungan dan bantuannya. Dan tidak lupa terima kasih buat temen-temen yang sudah banyak membantu dan memberikan semangat buat penulis sehingga penulis dapat menyelesaikan tugas akhir ini.

(6)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Gambar viii Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 4

1.3 Batasan Masalah 5

1.4 Tujuan dan Manfaat Penelitian 5

1.5 Metodologi Penelitian 6

1.6 Tinjauan Pustaka 7

1.7 Sistematika Penulisan 8

Bab 2 Landasan Teori 10

2.1 Defenisi Analisis Korelasi dan Regresi 10

2.2 Analisis Korelasi Sederhana dan Berganda 10

2.2.1 Analisis Korelasi Sederhana 10

2.2.2 Analisis Korelasi Berganda 12

2.3 Analisis Regresi Sederhana dan Berganda 13

2.3.1 Analisis Regresi Sederhana 13

2.3.2 Analisis Regresi Berganda 15

2.4 Uji Regresi Linier Berganda 16

Bab 3 Tinjauan Umum Tempat Riset 20

3.1 Kegiatan Badan Pusat Statistik (BPS) 20

3.1.1 Pengumpulan Data 20

3.1.2 Pengolahan Data 21

3.1.3 Ruang Lingkup Kegiatan Kantor BPS Propsu 22

3.2 Struktur Organisasi Badan Pusat Statistik 23

3.3 Visi dan Misi Badan Pusat Statistik 30

Bab 4 Analisa Data 31

4.1 Data Jumlah Produksi karet, Jumlah Ekspor Karet dan Nilai Devisa Karet di Indonesia Tahun 1988-2008 31

4.2 Analisis Korelasi Sederhana dan Berganda 36

4.3 Analisis Regresi Linier Berganda 39

(7)

4.5 Standard Error of Estimate 42

4.6 Koefisien Korelasi Parsial 43

4.7 Uji Asumsi dalam Model Regresi 44

4.8 Uji Koefisien Model Regresi Berganda 48

4.9 Uji Kelayakan Model Regresi 50

Bab 5 Implementasi Sistem 52

5.1 Pengertian Implementasi Sistem 52

5.2 Pengertian SPSS 52

5.3 Langkah-langkah Pengolahan Data dengan SPSS 53

Bab 6 Kesimpulan dan Saran 58

6.1 Kesimpulan 58

6.2 Saran 59

Daftar Pustaka 60

(8)

DAFTAR TABEL

Halaman

Tabel 2.1 Tingkat Hubungan Nilai r 11

Tabel 2.2 ANOVA 18

Tabel 4.1 Data Jumlah Produksi Karet, Jumlah Ekspor Karet, dan Nilai 32 Devisa Karert di Indonesia pada Tahun 1988-2008

Tabel 4.2 Hasil Perhitungan Analisa Regresi dan Korelasi 33

Tabel 4.3 Variansi dan Standar Deviasi 34

Tabel 4.4 Perhitungan Standar Deviasi dan Standar Error Penduga 35

Tabel 4.5 Analisis Varians (ANOVA) 41

Tabel 4.6 Dependent Variabel Nilai Devisa 45

Tabel 4.7 Model Summary 47

Tabel 4.8 Coefficients 48

(9)

DAFTAR GAMBAR

Halaman Gambar 4.1 Normal P-P Plot of Regression Standardized Residual 44 Gambar 4.2 Regression Standardized Pradicted Value 46

Gambar 5.1 Tampilan Jendela pada Variabel View dalam SPSS 53

Gambar 5.2 Tampilan Jendela pada Variabel View dalam SPSS 54 Gambar 5.3 Tampilan Jendela Pengisian Data View dalam SPSS 55

Gambar 5.4 Tampilan Jendela Pengisian Pengolahan Data dalam SPSS 56

Gambar 5.6 Tampilan Jendela Pengisian Linier Regression Statistics 57

(10)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Karet merupakan komoditi ekspor yang mampu memberikan kontribusi di dalam upaya peningkatan devisa Indonesia. Ekspor Karet Indonesia selama 20 tahun terakhir terus menunjukkan adanya peningkatan dari 1.0 juta ton pada tahun 1985 menjadi 1.3 juta ton pada tahun 1995 dan 2.0 juta ton pada tahun 2005. Pendapatan devisa dari komoditi ini pada semester pertama tahun 2006 mencapai US$ 2.0 milyar, dan diperkirakan nilai ekspor karet pada tahun 2006 akan mencapai US $ 4,2 milyar (Kompas, 2006). Sejumlah lokasi di Indonesia memiliki keadaan lahan yang cocok untuk perkebunan karet, sebagian besar berada di wilayah Sumatera dan Kalimantan.

Luas area perkebunan karet tahun 2005 tercatat mencapai lebih dari 3.2 juta ha yang tersebar di seluruh wilayah Indonesia. Diantaranya 85% merupakan perkebunan karet milik rakyat, dan hanya 7% perkebunan besar negara serta 8% perkebunan besar milik swasta. Produksi karet secara nasional pada tahun 2005 mencapai 2.2 juta ton. Jumlah ini masih akan bisa ditingkatkan lagi dengan melakukan peremajaan dan memberdayakan lahan-lahan pertanian milik petani serta lahan kosong/tidak produktif yang sesuai untuk perkebunan karet.

Karet merupakan komoditas perkebunan yang sangat penting peranannya di Indonesia. Selain sebagai sumber lapangan kerja bagi sekitar 1,4 juta kepala keluarga

(11)

(KK), komoditas ini juga memberikan kontribusi yang signifikan sebagai salah satu sumber devisa non-migas, pemasok bahan baku karet dan berperan penting dalam mendorong pertumbuhan sentra-sentra ekonomi baru di wilayah-wilayah pengembangan karet.

Sebagai penghasil devisa negara, karet memberikan kontribusi yang sangat berarti. Sampai dengan tahun 1998 komoditas karet masih merupakan penghasil devisa terbesar dari subsektor perkebunan dengan nilai US$ 1,1 miliar, namun pada tahun 2003 turun menjadi nomor dua setelah kelapa sawit dengan nilai US$ 1,4 miliar (nilai ekspor minyak sawit mencapai US$ 2,4 miliar). Pada tahun 2005 pendapatan devisa dari komoditas karet mencapai US$ 2,6 miliar, atau sekitar 5% dari pendapatan devisa non-migas. Di samping itu, perusahaan besar yang bergerak di bidang karet juga memberikan sumbangan pendapatan kepada negara dalam bentuk berbagai jenis pajak dan pungutan perusahaan.

Ditengah ancaman pelemahan pertumbuhan ekonomi dunia akibat krisis keuangan, perekonomian Indonesia juga akan mendapat tekanan yang cukup berat. Pelemahan pertumbuhan ekonomi di negara-negara industri memberikan tekanan yang cukup besar terhadap kinerja ekspor komoditas, namun diharapkan dengan bangsa yang cukup besar dan adanya ekspektasi perbaikan perekonomian dunia dalam 2-3 tahun ke depan, ekspor komoditas masih tetap menjadi tumpuan perekonomian dalam jangka panjang. Ekspor komoditas yang selama ini menopang perekonomian pasca krisis 1997, diharapkan dapat kembali menjadi salah satu faktor penting dalam penguatan perekonomian Indonesia ke depan.

(12)

Kinerja ekspor komoditas pertanian menunjukkan pertumbuhan yang cukup baik khususnya hasil perkebunan. Salah satu komoditas yang selama ini menjadi andalan ekspor adalah karet dan barang karet (pertumbuhan ekspor karet dan barang karet mencapai sekitar 65% dalam 3 tahun terakhir) di samping CPO yang tetap menjadi primadona ekspor.

Peranan karet dan barang karet terhadap ekspor nasional tidak dapat dianggap kecil mengingat Indonesia merupakan produsen karet no 2 (dua) terbesar di dunia dengan produksi sebesar 2,55 juta ton pada tahun 2007 setelah Thailand (produksi sebesar 2,97 juta ton) dan negara yang memiliki luas lahan karet terbesar di dunia dengan luas lahan mencapai 3,4 juta hektar di tahun 2007.

Dengan posisi yang cukup strategis tersebut, karet diharapkan menjadi salah satu penggerak kebangkitan ekonomi melalui peningkatan produksi yang akan meningkatkan ekspor karet. Strategi optimalisasi ekspor karet dinilai tepat mengingat harganya yang cukup tinggi di pasar internasional dan kemampuan pasar dalam negeri untuk mengolah karet menjadi barang industri masih rendah.

Perkembangan harga karet menunjukkan tren cukup baik akibat meningkatnya permintaan dari negara berkembang yang sedang mengalami pertumbuhan ekonomi tinggi yang dimotori oleh industrialisasi seperti Cina (rata-rata pertumbuhan ekonomi sebesar 10%) dan India (8%). Disamping dari negara tersebut, permintaan dari negara industri juga cukup tinggi seperti Amerika Serikat, Jepang, Korea dan negara-negara industri di Eropa.

(13)

Tingginya pertumbuhan permintaan dari negara tersebut relatif tidak diikuti dengan pertumbuhan produksi dari negara-negara produsen karet. Kondisi tersebut mengakibatkan terjadinya over demand pasar yang mendorong terjadinya peningkatan harga di pasar internasional, disamping terjadinya kenaikan harga minyak dunia yang juga berperan dalam mendorong kenaikan harga karet internasional. Menurut perkiraan IRSG (International Rubber Study Group), pada tahun 2020 dengan proyeksi permintaan dunia mencapai 10,9 juta ton dengan rata-rata pertumbuhan konsumsi per tahun sebesar 9%, akan terjadi kekurangan pasokan karet bila produksi karet tidak mengalami pertumbuhan yang tinggi (diatas 9%).

1.2Rumusan Masalah

Karet merupakan komoditi ekspor yang mampu memberikan kontribusi di dalam upaya peningkatan devisa Indonesia, melihat hal tersebut maka penulis ingin mengetahui bagaimana hubungan antara jumlah produksi karet, jumlah ekspor karet, dan nilai devisa karet. Berdasarkan uraian di atas maka masalah dalam tugas akhir ini dirumuskan sebagai berikut :

1. Seberapa besarkah hubungan (korelasi) antara jumlah produksi karet, jumlah ekspor karet dan nilai devisa karet di Indonesia pada tahun 1988-2008?. 2. Bagaimana pengaruh antara jumlah produksi karet, jumlah ekspor karet dan

(14)

1.3Batasan Masalah

Dalam penelitian ini analisis terhadap jumlah produksi karet dan jumlah ekspor karet yang mempengaruhi pendapatan devisa negara hanya dibatasi pada sektor pertanian dibidang perkebunan karet yaitu, jumlah produksi karet, jumlah ekspor karet dan nilai devisa karet di Indonesia pada tahun 1988-2008, dengan menggunakan analisis regresi dan analisis korelasi.

1.4 Tujuan dan Manfaat Penelitian

1.4.1 Tujuan

Penelitian ini bertujuan untuk menganalisis pengaruh dan hubungan antara jumlah produksi karet, jumlah ekspor karet dan nilai devisa karet di Indonesia pada tahun 1988-2008.

Selain tujuan tersebut, penelitian ini diharapkan dapat memberi manfaat sebagai berikut :

1. Menentukan apakah jumlah produksi karet dan jumlah ekspor karet mempunyai hubungan dengan nilai devisa karet di Indonesia pada tahun 1988-2008.

2. Mencari besarnya hubungan (korelasi) antara jumlah produksi karet, jumlah ekspor karet dan nilai devisa karet di Indonesia pada tahun 1988-2008.

3. Menentukan apakah jumlah produksi karet dan jumlah ekspor karet berpengaruh terhadap besarnya nilai devisa karet di Indonesia pada tahun 1988-2008.

(15)

4. Mencari bagaimana pengaruh jumlah produksi karet dan jumlah ekspor karet terhadap nilai devisa karet di Indonesia pada tahun 1988-2008.

1.4.2 Manfaat

Manfaat dari penelitian ini salah satunya penulis dapat mengaplikasikan ilmu yang diperoleh sewaktu duduk di bangku perkuliahan. Selain itu manfaatnya adalah :

1. Penelitian ini dapat memberi gambaran seberapa besar hubungan antara jumlah produksi karet, jumlah ekspor karet dan nilai devisa karet di Indonesia 2. Penelitian ini dapat memberi gambaran tentang pengaruh jumlah produksi,

jumlah ekspor terhadap besarnya nilai devisa karet di Indonesia pada tahun 1988-2008.

3. Hasil penelitian ini dapat memberi bahan masukan bagi penelitian-penelitian selanjutnya yang berkenaan dengan masalah karet di Indonesia.

1.5 Metodologi Penelitian

Metodologi penelitian adalah suatu cara yang digunakan untuk melaksanakan penelitian sehingga tujuan penelitian diperoleh. Metodologi penelitian yang digunakan dalam tugas akhir ini adalah penelitian kuantitatif. Pada bagian ini akan diuraikan mengenai sumber data serta analisa dan evaluasi data.

1.5.1 Sumber Data

Sumber data tugas akhir ini, menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara di Jalan Asrama No.179 Medan yaitu data

(16)

jumlah produksi karet dan besarnya nilai devisa karet di Indonesia pada tahun 1988-2008.

1.5.2 Analisa dan Evaluasi Data

Metode yang digunakan dalam penelitian ini adalah analisis regresi dan korelasi untuk menganalisis pengaruh dan hubungan antara jumlah produksi dan besarnya nilai devisa karet di Indonesia pada tahun 1988-2008. kemudian untuk meramalkan jumlah produksi karet dan besarnya nilai devisa karet di Indonesia, penulis menggunakan metode peramalan trend kuadratis. Pengolahan data penelitian ini menggunakan program komputer microsoft excel dan SPSS.

1.6 Tinjauan Pustaka

Teori penunjang yang digunakan untuk mewujudkan tulisan ini dikutip dari buku Metode dan Aplikasi Peramalan yang diterbitkan oleh Binapura Aksara yang mana di dalam buku tersebut disebutkan bahwa persamaan analisis korelasi dan analisis regresi sebagai berikut :

Rumus korelasi sederhana adalah : r

xy=

{

₂ ₂

}{

₂ ₂

}

) ( ) ( ) )( ( Y Y n X X n Y X XY n ∑ − ∑ ∑ − ∑ ∑ ∑ − ∑

Rumus korelasi ganda adalah : R

2 2 2 2 1 2 1 2 1 2 1 2 . 1 1 ) )( )( ( 2 x x x x y x y x y x y x y x x r r r r r r − − + =

Persamaan penduga regresi linier berganda adalah sebagai berikut :

n n i

i b X b X

X b a

(17)

Persamaan penduga regresi linier berganda dengan dua variabel bebas adalah :

2 2 1 1X b X

b a

Y∧ = + +

1.7 Sistematika Penulisan

Adapun sistematika penulisan tugas akhir ini adalah sebagai berikut :

BAB 1 : PENDAHULUAN

Dalam bab ini dijelaskan mengenai latar belakang, identifikasi masalah, batasan masalah, tujuan dan manfaat penelitian, metode penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menjelaskan uraian tentang teori-teori yang akan digunakan dalam penelitian ini.

BAB 3 : TINJAUAN UMUM TEMPAT RISET

Bab ini memaparkan kegiatan Badan Pusat Statisik (BPS), Visi dan Misi Badan Pusat Statistik dan Struktur Organisasi Badan Pusat Statistik.

(18)

BAB 4 : ANALISA DATA

Bab ini menjelaskan tentang cara menggunakan rumus yang telah ditentukan penulis.

PAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang bagaimana mengolah dan menganalisa data dengan menggunakan program excel dan SPSS.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan dan saran untuk permasalahan penelitian ini.

(19)

BAB 2

LANDASAN TEORI

2.1 Defenisi Analisis Korelasi dan Regresi

a) Analisis Korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau derajat hubungan linear antara dua variabel atau lebih. Semakin nyata hubungan linier ( garis lurus ), maka semakin kuat atau tinggi derajat hubungan garis lurus anrata kedua variabel atau lebih. Ukuran untuk derajat hubungan garis lurus ini dinamakan koefisien korelasi.

b) Analisis Regresi adalah metode statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan/pengaruh antara dua atau lebih variabel bebas (X) dengan variabel terikat (Y). Tujuan pokok penentuan metode ini adalah untuk meramalkan atau memperkirakan nilai dari satu variabel (Y) dalam hubungannya dengan variabel yang lain yang diketahui (X).

2.2 Analisis Korelasi Sederhana dan Berganda

2.2.1 Analisis Korelasi Sederhana

Kegunaan analisis korelasi sederhana untuk mengetahui derajat hubungan antara variabel bebas X (independent) dengan variabel terikat Y (dependent). Rumus korelasi sederhana

(20)

r

=

( ) ( )( )

( )

{

_∑

−

∑

_∑

}

−

∑

{

_∑

∑

−

( )

_∑

}

−

2 2

y y

n x x

y x xy

Koefisien korelasi sederhana dilambangkan (r) adalah suatu ukuran arah dan kekuatan hubungan linear antara dua variabel bebas (X) dan variabel terikat (Y), dengan ketentuan nilai r tidak lebih dari harga (-1≤ r ≤ +1 ). Ap ab ila n ilai r = -1 artinya korelasinya negatif sempurna(menyatakan arah hubungan antara X dan Y adalah negatif dan sangat kuat) ; r = 0 artinya tidak ada korelasi ; dan r = 1 berarti korelasinya sangat kuat dengan arah yang positif. Sedangkan arti harga r akan dikonsultasikan dengan tabel sebagai berikut :

Tabel 2.1 Tingkat Hubungan Nilai r

Interval Koefisien Tingkat Hubungan 0,80 – 1,000

0,60 – 0,799 0,40 – 0, 599 0,20 – 0. 399 0,00 – 0, 199

Sangat Kuat Kuat

Cukup Kuat Rendah

Sangat Rendah

Besar kecilnya sumbangan nilai variabel X terhadap Y dapat ditentukan dengan rumus koefisien determinan sebagai berikut :

R2 = r2 x 100%, di mana : R2 = nilai koefisien determinasi r = nilai koefisien korelasi

(21)

Pengujian signifikansi berfungsi apabila peneliti ingin mencari makna dari hubungan variabel X terhadap Y, maka hasil korelasi tersebut diuji signifikansi sebagai berikut :

Hipotesis :

H₀ : Variabel X berhubungan secara signifikan dengan variabel Y

H1 : Variabel Y tidak berhubungan secara signifikan dengan variabel Y

Dasar Pengambilan Keputusan :

 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 ≤ Sig] maka Ho diterima dan H₁ ditolak, artinya tidak signifikan.

 Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 ≥ Sig] maka Ho ditolak dan H₁ diterima, artinya signifikan.

2.2.2 Analisis Korelasi Berganda

Analisis korelasi berganda berfungsi untuk mencari besarnya hubungan antara dua varibel bebas (X) atau lebih secara simultan dengan variabel terikat (Y). Rumus korelasi berganda yaitu :

RX₁.X₂.Y=

2 1 2 1 2 1 2 1 . 2 . . . . 2 . 2 1 ) ).( ).( ( 2 X X X X Y X Y X Y X Y X r r r r r r − − +

Selanjutnya untuk mengetahui signifikan korelasi ganda bandingkan antara nilai probabilitas 0,05 dengan nilai probabilitas Sig sebagai berikut :

(22)

Hipotesis :

H0 : Variabel X dan 1 X berhubungan secara simultan dan signifikan terhadap 2

variabel Y.

H₁ : Variabel X dan ₁ X tidak berhubungan secara simultan dan signifikan terhadap ₂

variabel Y.

Dasar Pengambilan Keputusan :

 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [ 0,05≤ Sig ] maka Ho diterima dan H1 ditolak, artinya tidak signifikan.

 Jika nilai Probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [ 0,05≥ Sig] maka Ho ditolak dan H₁diterima, artinya signifikan.

2.3 Analisis Regresi Sederhana dan Berganda.

2.3.1 Analisis Regresi Sederhana

Analisis regresi sederhana adalah proses mengestimasi (menaksir) sebuah fungsi hubungan antara variabel dependen (Y) dengan variabel independen (X). dalam suatu persamaan regresi besarnya nilai variabel dependen adalah tergantung pada nilai variabel lainnya. Sedangkan variabel independent adalah variabel yang nilainya tidak tergantung pada nilai variabel lainnya.

Persamaan regresi linear sederhana Y terhadap X adalah :

a. Model populasi regresi linear sederhana dinyatakan dalam persamaan :

(23)

b. Model sampel (penduga) untuk regresi linear sederhananya Yi =a+bXi ^

di mana: X _i= variabel bebas (independent)

Y i= variabel terikat (dependent)

α = penduga bagi intersep (α)

b = penduga bagi koefisien regresi (ß) i = 1,2,3,…

Nilai α dan ß adalah parameter yang nilainya tidak diketahui sehinggga diduga menggunakan statistik sampel. Komponen sisaan/kesalahan ( ε_j= galat ) menunjukkan :

a) Pengaruh dari variabel yang tidak dimasukkan dalam persamaan regresi karena berbagai peertimbangan.

b) Penetapan persamaan yang tidak sempurna

c) Kesalahan pengukuran dalam pengumpulan dan pemrosesan data.

Nilai a menunjukkan intersep (konstanta) persamaan tersebut. Artinya jika nilai variabel X = 0 maka besarnya Y = a. Parameter b menunjukkan besarnya koefisien (slope) persamaan tersebut. Nilai ini menunjukkan besarnya perubahan nilai Y jika nilai X berubah sebesar satu satuan. Dengan menggunakan metode kuadrat terkecil nilai a dan b dapat dihitung dengan menggunakan rumus sebagai berikut :

∑

∑ ∑

− −

2 2

) ( ) (

) )( ( ) (

X X

Y X XY

dan α =

n X b n

∑

(24)

2.3.2 Analisis Regresi Berganda

Regresi berganda adalah bentuk hubungan atau pengaruh dari dua atau lebih variabel bebas X dengan variabel terikat Y. persamaan regresi linear berganda dari Y terhadap X adalah :

1. Model populasi regresi berganda adalah

Y =α+β1X1_i +β2X2_i +...+β_nX_n +ε_i

a) Sedangkan model penduganya (model sampel ) regresi linier ganda adalah

n n i

i b X b X

X b a

Y∧ = + ₁ ₁ + ₂ ₂ +...+

α dan ß adalah parameter yang nilainya tidak diketahui sehingga diduga menggunakan statistik sampel. Nilai a,b₁,dan b akan diperoleh dari tiga persamaan ₂

normal berikut :

∑

Y =an+b

∑

X1 +b

∑

+ 2

∑

1 2

2 1 1 1

1Y a X b X b X X

∑

2 2 2 1 1 2

2Y a X b X X b X

Koefisien a,b₁,dan b dapat dihitung dengan rumus sebagai berikut : ₂

2 2 1 1 − − − − −

=Y b X b X

a 1 b =

∑

− − 2 2 1 2 2 1 2 2 2 1 1 2 2 ) ( ) )( ( ) )( ( ) )( ( i i i i i i i i i i i X X X X Y X X X Y X X 2 b =

∑

− − 2 2 1 2 2 1 2 1 2 1 2 1 2 ) ( ) )( ( ) )( ( ) )( ( i i i i i i i i i i i X X X X Y X X X Y X X

(25)

Nilai dari a,b₁,dan b dari tiga persamaan normal di atas dapat juga dihitung ₂

dengan metode determinan matriks. Persamaan normal di atas adalah bentuk sistem persamaan linear (SPL) yang dapat diselesaikan dengan metode determinan, yaitu menggunakan aturan Crammar.

Jika Ax = b merupakan suatu persamaan linear dalam k peubah, maka sistem tersebut mempunyai suatu penyelesaian sebagai berikut :

A A

a= 1

A A

b₁ = 2

A A

b_k = k

Dengan A_jadalah matriks yang diperoleh dengan menggantikan anggota –

amggota pada kolom ke – j dari matriks A dengan anggota pada matriks b.

2.4 Uji Regresi Linier Berganda

Untuk mengetahui atau menguji kepastian dari persamaan regresi berganda tersebut apakah X₁ dan X₂berpengaruh secara simultan dan signifikan terhadap Y dilakukan

dengan uji F.

1. Hipotesa yang diuji

0 : ₁ ₂

0 β =β =

H ,berarti antara X dan ₁ X tidak berpengaruh simultan dan signifikan ₂

terhadap y. 0 : ₁ ₂

0 β =β ≠

H ,berarti antara X dan ₁ X berpengaruh simultan dan signifikan ₂

(26)

2. Perhitungan uji statistik ( taraf nyata α = 5 % )

JK res =

∑

− ^ 2

) (Y_i Yi

JKT =

∑

−

∑

Y Y

2 2 ( )

JK reg = JKT-Jkres, JK res + JK reg

= −

∑

₌n − i i Y Y 1 2 ) (

∑

− + = n i i Y Y 1 2 ^ ) (

∑

= − − n i i Y Y 1 2 ^ ) (

dimana : JK res ( Jumlah Kuadrat Residu) variasi yang tidak dijelaskan JK reg (Jumlah Kuadrat Regresi) adalah variasi yang dijelaskan. JKT (Jumlah Kuadrat Total) adalah variasi total.

) 1 /( / − − = = k n JKres k JKreg KTres KTreg Fhitung

Tabel 2.2 ANOVA

Sumber variasi JK df KT F hit

Regresi Jkreg k Jkreg / k

Residu Jkres (n-k-1) Jkres/ (n-k-1) JKreg/ JK res

Total JKT n-1

3. Kriteria pengujian :

Pada tingkat keyakinan sebesar 95% atau taraf nyata sebesar 5 %, dengan derajat kebebasan pembilang (df = k) dan derajat kebebasan penyebut (n-k-1). Nilai F tabel diperoleh dari daftar distribusi F.

(27)

4. Membuat Kesimpulan

Standart Error of Estimate

Standar error atau kesalahan baku adalah angka yang digunakan untuk mengukur ketepatan suatu penduga atau mengukur jumlah variasi titik – titik observasi di atas dan di bawah regresi populasi. Karena standard error populasinya tidak diketahui, maka σ_e Diduga dengan S (standard error estimate) sehingga _e S adalah standard e

deviasi yang menggambarkan variasi titik – titik di atas dan di bawah garis regresi sampel. Nilai S dapat diperoleh dengan rumus sebagai berikut : _e

S =

1 ) (

^ 2

− −

−

∑

k n

Y Y

Apabila semua titik observasi berada pada garis regresi, berarti standar error penduga sama dengan nol. Dengan demikian, standard error penduga berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam meramalkan data.

Varians dan Standard Deviasi

Standar deviasi (S) adalah akar kuadrat dari varians dan menunjukkan standar penyimpangan data dari nilai rata – rata hitungnya. Varians (S2) menunjukkan

sebaran atau fluktuasi data terhadap rata – rata hitungnya. Nilai S2 dapat dihitung dengan rumus sebagai berikut :

1 ) (

1 1 2

− − =

∑

−

n X X

n i

(28)

BAB 3

TINJAUAN UMUM TEMPAT RISET

3.1 Kegiatan Badan Pusat Statistik (BPS)

Badan Pusat Statistik (BPS) adalah lembaga negara non-departemen dan bertanggung jawab langsung kepada Presiden. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain : di bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan dan keagamaan. Selain hal-hal di atas Badan Pusat Statistika 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 defenisi, klasifikasi dan ukuran-ukuran lainnya. Adapun kegiatan dari Badan Pusat Statistik (BPS) antara lain:

3.1.1 Pengumpulan Data

Cara pengumpulan data statistik adalah sensus, survei sektoral, studi khusus, dan pemanfaatan catatan administrasi.

Sensus adalah kegiatan yang berskala besar yang dilakukan sepuluh tahun sekali sebagai upaya pengumpulan data secara menyeluruh. BPS melakukan tiga macam sensus yaitu:

(29)

1. Sensus Penduduk yang dilaksanakan pada tahun berakhiran 0 (nol). 2. Sensus Pertanian yang dilaksanakan pada tahun berakhiran 3 (tiga). 3. Sensus Ekonomi yang dilaksanakan pada tahun yang berakhiran 6 (enam).

Survei Antar Sensus adalah kegiatan pengumpulan data yang berkaitan dengan sensus. Survei Sekroral adalah survei yang bebas penyelenggaraanya dan tidak berkaitan dengan salah satu sensus. Pemanfaatan catatan administrasi dilakukan bekerja sama dengan departemen/instansi pemerintah atau swasta yang mengelola administrasi. Survei khusus dilaksanakn guna menghasilkan data staristik yang beragam, lebih lengkap untuk memenuhi berbagai keperluan dan diusahakan pelaksanaannya dilakukan secara teratur.

Studi khusus dilakukan untuk mempelajari kegiatan aspek statistik guna memberi masukan untuk pengumpulan data statistik yang baru, penyempurnaan metode yang sudah ada sebelum diimplementasikan secara nasional. Disamping itu, studi khusus dimaksudkan untuk memenuhi permintaan data yang lebih spesifik yang belum terdapat pada sensus atau survei.

3.1.2 Pengolahan Data

Kegiatan selanjutnya adalah pengolahan data, kegiatan ini dilakukan dengan dua cara yaitu cara komputerisasi dan manual. Di bidang perangkat keras saat ini BPS mempunyai jaringan yang tersebar di Indonesia hingga tingkat Kabupaten / Kotamadya dan dikelompokkan menurut Lokal Area Network untuk keperluan Resource Sharing.

(30)

Dengan semakin memasyarakatnya penggunaan komputer, memungkinkan untuk pengiriman data secara elektronik. Di bidang perangkat lunak BPS dilengkapi dengan berbagai bahasa pemrograman.

3.1.3 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatera Utara

a. Merencanakan kegiatan Badan Pusat Statistik untuk dilaksanakan misalnya, jenis data yang akan dikumpulkan, kegunaan data dan lain-lain.

b. Mengumpulkan Data Badan Pusat Statistik

Sesudah dikumpulkan data sebelumnya agar data yang diperlukan itu dapat dipergunakan sebaik-baiknya.

c. Mengolah Data Badan Pusat Statistik

Sesudah dikumpulkan data tersebut satu persatu kemudian data diolah kembali supaya dengan mudah menemukannya saat dibutuhkan.

d. Menyajikan Data Badan Pusat Statistik

Kantor Badan Pusat Statistik adalah merupakan suatu sumber atau pusat informasi yang dapat mempermudah masyarakat untuk mengetahui tentang perkembangan Negara Indonesia.

e. Menganalisa Data Badan Pusat Statistik

Kemudian data tersebut dianalisa atau dibahas, data statistik tersebut juga disebarluaskan. Misalnya indikator pendapatan, proyeksi keadaan perekonomian dan ketenagakerjaan di Indonesia, analisa Badan Pusat Statistik Perbankan, dan lembaga keuangan lainnya.

(31)

f. Memasyarakatkan Data Badan Pusat Statistik

Sesudah selesai dikerjakan seluruhnya, data tersebut disebarluaskan kepada seluruh lapisan masyarakat agar suatu tujuan dapat tercapai.

3.2Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu dalam rangka kerja sama untuk mencapai tujuan yang telah ditetapkan. Dengan adanya struktur organisasi pemisahan tugas diantara para pegawai / staf akan lebih jelas.

Struktur organisasi yang diterapkan di kantor Badan Pusat Staristik adalah struktur organisasi yang mengandung unsur-unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukkan lokasi kekuasaaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut. Dalam organisasi kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin seorang kepala kantor. Kepala kantor dibantu bagian tata usaha terdiri dari :

a. Sub Bagian Urusan Dalam b. Sub Bagian Urusan Perlengkapan c. Sub Bagian Urusan Keuangan d. Sub Bagian Urusan Kepegawaian

(32)

e. Sub Bagian Urusan Bina Potensi / Bina Program

Bidang Penunjang Statistik terdiri dari lima bidang yaitu :

1. Bidang Statistik Produksi

Bidang statistik produksi mempunyai tugas untuk melaksanakan kegiatan statistik pertanian, industri, konstruksi pertambangan dan energi.

2. Bidang Statistik Distribusi

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

3. Bidang Statistik Sosial

Bidang statistik sosial kependudukan mempunyai tugas yaitu melaksanakan kegiatan demografi dan rumah tangga, ketenegakerjaan, serta ststistik kesejahteraan.

4. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Penyiapan data, penyusunan sistem dan program serta operasional pengolahan data dengan komputer.

(33)

5. Bidang Neraca Wilayah dan Analisis Statistik

Mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

Tugas dan Wewenang Masing-Masing Bagian di Badan Pusat Statistik

Wewenang adalah hak untuk melakukan sesuatu atau memerintahkan orang lain untuk melakukan atau tidak melakukan sesuatu agar tercapai tujuan tertentu. Tugas adalah kewajiban untuk melakukan sesuatu agar tercapai tujuan tertentu.

1. Bagian Tata Usaha

a. Menyusun progran kerja tahunan tiap bidang.

b. Mengatur dan melaksanakan penghimpunan barang dan penyusunan program kerja tahunan baik rutin maupun proyek kantor statistik propinsi dan menyampaikan ke Bidang Pusat Statistik.

c. Mengatur dan melaksanakn urusan dalam yang meliputi surat-surat penggandaan atau percetakan kearsipan, rumah tangga dan pemeliharaan gedung keamanan dan lingkungan serta dinas di dalam maupun di luar negeri. d. Mengatur dan melaksanakan urusan perlengkanapan dan perbekalan yang

meliputi penyusunan, penyimpanan atau penggudangan, inventarisasi dan penghapusan serta pemeliharaan perlengkapan.

e. Mengatur dan melaksanakan urusan dan keuangan yang meliputi tata usaha keuangan, perbankan, vertikasi dan pembukuan.

(34)

f. Mengatur dan melaksanakan urusan dan mutassi pegawai, pembinaan pegawai, kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum, organisasi tata laksana serta penyajian.

g. Menyusun laporan kegiatan bagian secara berkala dan sewaktu-waktu.

h. Mengatur dan melaksanakan urusan penyelanggaraan berbagai pelatihan teknis dan pelatihan administrarif.

2. Bidang Statistik Produksi

a. Menyusun program kerja tahunan yang meliputi kegiatan statitik di bidang pertanian, industri, konstruksi energi dan statistik produksi lainnya yang ditemuka n.

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik produksi.

c. Mengatur dan mengkoordinasikan penyelenggaraaan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya.

d. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian proyek untuk menyiapkan program pelatihan petugas laporan.

e. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap pelaksanaan lapangan produksi.

f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil pengumpulan data statistik produksi.

g. Bersama-sama dengan bidang pengolahan data, mengatur dan menyiapkan data statistik produksi melalui komputer sesuai yang diterapkan.

(35)

i. Maengatur dan menyiapkan hasil pengolahan statistik produksi yang akan dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan. j. Membantu kepala kantor Badan Pusat Statistik Propinsi melakukan pembinaan

secara teratur, petugas pencacah, pengawas dan pemeriksaan pengumpulan data statistik produksi, Kabupaten, Kotamadya, maupun di Kecamatan.

3. Bidang Statistik Distribusi

a. Menyusun program kerja tahunan yang meliputi pelaksanaan kegiatan statistik di bidang pertanian, industri pertambangan, energi dan statistik produksi lainnya yang ditentukan.

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik distribusi.

c. Membantu kepala kantor Badan Pusat Statistik memimpin proyek untuk menyiapkan proyek tugas lapangan.

d. Mengatur dan mengkoordinasi penyelenggaraaan petugas lapangan di pusat pelatihan serta mengatur pelatihan.

e. Mengatur dan melaksanakan dokumen yang diperlukan untuk pelaksanaan lapangan, melakukan pembinaan, dan pengawasan terhadap kegiatan statistik produksi.

f. Melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik produksi.

g. Mengatur dan melaksanakan penerimaan dan pemeriksaan dokumen hasil pengumuman data statistik distribusi.

(36)

h. Mengatur dan melaksanakan pengolahan data statistik distribusi secara sederhana sesuai yang diterapkan oleh pusat.

i. Bersama-sama dengan bidang pengolahan data, mengatur dan menyiapkan data statistik distribusi melalui komputer sesuai yang diterapkan.

j. Mengatur dan mengevaluasi hasil kegiatan statistik distribusi sebagai bahan masukan untuk penyempurnaan selanjutnya.

k. Membantu kepala kantor Badan Pusat Statistik Propinsi melakukan pembinaan secara terarur terhadap petugas pencacah, pengawas dan pemeriksaan penyimpulan data statistik produksi, kabupaten, kotamadya, ataupun di kecamatan.

4. Bidang Statistik Sosial

a. Menyusun program kerja tahunan di bidang statistik kependudukan meliputi pelaksanaan kegiatan statistik demokratis, rumah tangga dan statistik kependudukan lainnya.

b. Mengatur keikutsertaan program lainnya yang diselenggarakan oleh statistik bidang penduduk.

c. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian untuk menyiapkan pengolahan latihan tugas lapangan.

d. Mengatur dan mengkoordinasi penyelenggaraan latihan tugas lapangan di pusat serta mengatur penjatahan pelatihannya.

e. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanaan tugas lapangan.

(37)

f. Melakukan pembinaan dan pengawasan lapangan terhadap pengawasan kegiatan statistik kependudukan.

g. Bersama-sama dengan bidang pengolahan data mengatur dan menyiapkan data statistik kependudukan melalui komputer sesuai yang ditetapkan.

h. Mengatur dan melaksanakan penerimaan dokumen hasil dari pengumpulan data statistik kependudukan.

i. Mengatur dan menyiapkan pengolahan data statistik kependudukan yang akan dikirim ke pusat sesuai dengan jadwal yang ditetapkan.

j. Mengatur dan melaksanakan evaluasi hasil pengolahan statistik kependudukan sebagai bahan untuk penyempurnaan.

5. Bidang Integrasi Pengolahan dan Diseminasi Statistik

a. Menyusun program kerja tahunan.

b. Melaksanakan penyusunan, pemeliharaan, penyelesaian permasalahan dan pengembangan sistem jaringan komunikasi data sesuai dengan aturan yang ditetapkan serta membantu penyerapan teknologi informasi.

c. Mengatur dan melaksanakan keikutsertaan dalam program latihan yang diselenggarakan oleh Badan Pusat Statistik dalam bidang pengolahan, penyajian dan pelayanan statistik.

d. Melaksanakan koordinasi pengolahan dan pemeliharaan perangkat keras dan perangkat lunak serta menyusun sistem pengolahan data.

e. Mengatur integrasi penggunaan sistem dan program aplikasi pengolahan data statistik seperti data statistik kependudukan, data statistik produksi dan data statistik distribusi termasuk sarana pendukungnya.

(38)

f. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data termasuk bahan komputer yang bekerja sama dengan satuan organisasi terkait.

3.3Visi dan Misi 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.

Dalam menunjang pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif, dan efisien. Peningkatan kesadaran mesyarakat akan arti dan kegunaan statistik, serta pengembanan ilmu pengetahuan statistik.

(39)

BAB 4

ANALISA DAN EVALUASI

4.1 Data Jumlah Produksi Karet, Jumlah Ekspor Karet, dan Nilai Devisa Karet di Indonesia Pada Tahun 1988-2008

Data yang akan dianalisa dalam tugas akhir ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara di Jalan Asrama No. 179 Medan yaitu data jumlah produksi karet, jumlah ekspor karet, dan nilai devisa karet di Indonesia pada tahun 1988-2008. Datanya adalah sebagai berikut :

Tabel 4.1

Data Jumlah Produksi Karet, Jumlah Ekspor Karet dan Nilai Devisa Karet di Indonesia pada Tahun 1988-2008

Periode Tahun Produksi Karet (dalam ribuan ton)

Ekspor Kopi (dalam ribuan ton)

Nilai Devisa Karet (dalam jutaaan US$)

1 1988 1.173,3 1.131,9 1.243,1

2 1989 1.180,2 1.151,8 1.007,6

3 1990 1.228,7 1.077,3 846,9

4 1991 1.301,5 1.220,0 1.056,6

5 1992 1.365,4 1.267,8 1.036,7

6 1993 1.437,0 1.214,3 976,8

7 1994 1.464,5 1.244,8 1.271,8

8 1995 1.532,1 1.323,8 1.962,8

9 1996 1.527,7 1.434,3 1.918,0

(40)

Periode Tahun Produksi Karet (dalam ribuan ton)

Ekspor Kopi (dalam ribuan ton)

Nilai Devisa Karet (dalam jutaaan US$)

11 1998 1.513,8 1.641,2 1.101,5

12 1999 1.488,3 1.494,6 849,1

13 2000 1.547,9 1.379,6 888,6

14 2001 1.547,3 1.453,4 786,2

15 2002 1.630,4 1.496,4 1.038,4

16 2003 1.792,3 1.662,0 1.494,6

17 2004 2.065,8 1.875,2 2.181,4

18 2005 2.270,9 1.674,7 2.133,4

19 2006 2.637,2 1.948,0 3.690,8

20 2007 2.764,7 2.097,1 4.243,3

21 2008 2.892,2 1.798,9 4.795,8

Jumlah 32.974,0 29.240,4 31.208,6 Sumber : BPS Sumatera Utara

(41)

4.2 Analisis Korelasi Sederhana dan Berganda

Rumus koefisien korelasi ssederhana :

r

_xy

=

( ) ( )( )

( )

{

_∑

∑

−

_∑

}

∑

{

_∑

∑

−

( )

_∑

}

− 2 2 2 2 y y n x x n y x xy n

Rumus koefisian korelasi ganda : R_X _._X _._Y 2 1 =

2 1 2 1 2 1 2 1 . 2 . . . . 2 . 2 1 ) ).( ).( ( 2 X X X X Y X Y X Y X Y X r r r r r r − − +

Dari (Tabel 4.4) diperoleh : n = 21

∑

X1 =35.871,2

∑

=66.577.356,68

2 1

∑

X₁Y =72.516.603,62

∑

X2 =31.039,3

∑

=47.539.081,91

2 2

∑

X₂Y =58.294.375,09

∑

Y = 36.004,4 2 88.356.523,62

∑

Y =

∑

X₁X₂ =55.679.107,3

Koefisien Korelasi antara X dan 1 Y

r

X₁Y

=

(

) (

)( )

(

)

{

_∑

∑

−

_∑

∑

}

{

_∑

∑

−

( )

_∑

}

− 2 2 2 1 2 1 1 1 Y Y n X X n Y X Y X n

r

X1Y

=

{

₂

}{

₂

}

) 4 , 004 . 36 ( ) 62 , 523 . 356 . 88 ( 21 ) 2 , 871 . 35 ( ) 68 , 356 . 577 . 66 ( 21 ) 4 , 004 . 36 )( 2 , 871 . 35 ( ) 62 , 603 . 516 . 72 ( 21 − − −

=

) 7 , 176 . 170 . 559 ( 8 , 500 . 381 . 111 7 , 642 . 327 . 231

=

3 , 043 . 562 . 249 7 , 642 . 327 . 231

(42)

r

X₁Y

=

0,9269 adalah koefisien korelasi antara X dan 1 Y. Hal ini menunjukkan

arah hubungan antara X dan ₁ Yantara positif sebesar 0,9269 dan mempunyai

hubungan yang sangat kuat.

Koefisien Korelasi antara X₂ dan Y

r

X2Y

=

(

) (

)( )

(

)

{

_∑

∑

−

_∑

∑

}

{

_∑

∑

−

( )

_∑

}

− 2 2 2 2 2 2 2 2 Y Y n X X n Y X Y X n

r

X2Y

=

{

₂

}{

₂

}

) 4 , 004 . 36 ( ) 62 , 523 . 356 . 88 ( 21 ) 3 , 039 . 31 ( ) 91 , 081 . 539 . 47 ( 21 ) 4 , 004 . 36 )( 3 , 039 . 31 ( ) 09 , 375 . 294 . 58 ( 21 − − −

=

8 , 361 . 661 . 139 504 . 630 . 106

r

X2Y

=

0,7635

r

X₂Y

=

0,7635 adalah koefisien korelasi antara X2 dan Y. Hal ini menunjukkan

arah hubungan antara X₂ dan Y adalah positif sebesar 0,7635 dan mempunyai

hubungan yang kuat.

Koefisien Korelasi antara X₁ dan X ₂

r

X₁X₂

=

(

)

(

)(

)

(

)

{

_∑

−

_∑

∑

}

{

_∑

∑

−

(

_∑

)

}

− 2 2 2 2 1 2 1 2 1 2 1 X X n X X n X X X X n

r

X₁X₂

=

{

}{

}

) 3 , 039 . 31 ( ) 91 , 081 . 539 . 47 ( 21 ) 2 , 871 . 35 ( ) 68 , 356 . 577 . 66 ( 21 ) 3 , 039 . 31 )( 2 , 871 . 35 ( ) 3 , 107 . 679 . 55 ( 21 − − −

(43)

=

10 , 963 . 331 . 62 14 , 315 . 844 . 55

r

X₁X₂

=

0,8959

r

X₁X₂

=

0,8959 adalah koefisien antara X1 dan X2. Hal ini menunjukkan arah

hubungan antara X1 dan X2 adalah positif sebesar 0,8959 dan mempunyai hubungan

sangat kuat.

Koefisien Korelasi antara X₁,X₂ dan Y

R_X _._X _._Y 2 1 = 2 1 2 1 2 1 2 1 . 2 . . . . 2 . 2 1 ) ).( ).( ( 2 X X X X Y X Y X Y X Y X r r r r r r − − +

RX₁.X₂.Y = ₂

2 2 ) 89 , 0 ( 1 ) 89 , 0 ).( 76 , 0 ).( 92 , 0 ( 2 ) 76 , 0 ( ) 92 , 0 ( −− + = 80263681 , 0 1 179424 , 0 −

= 0,8630

R_X _._X _._Y 2

1 = 0,9289

R_X_._X _._Y 2

1 = 0,9289. Koefisien korelasi ganda (R) menunjukkan tingkat hubungan antar variabel 0,9289 yaitu hubungan yang sangat kuat antara jumlah produksi karet (X₁)

dan jumlah ekspor karet (X₂) secara simultan terhadap nilai devisa karet (Y) di

Indonesia. R square (koefisien determinasi) adalah pengkuadratan dari koefisien korelasi ganda 0,9289 yaitu (0,9289)2= 0,8628. R square = 0,8628 menunjukkan

(44)

bahwa sebesar 86,28% variabel Y dapat dijelaskan variabel X₁ dan X , sisanya ₂

sebesar 13,72% diterangkan oleh faktor-faktor lain.

4.3 Analisis Regresi Linear Berganda

Persamaan regresi linear berganda Y atas X ,₁ X ,…,₂ X_n akan ditaksir oleh :

n n i

i b X b X

X b a

Y∧ = + ₁ ₁ + ₂ ₂ +...+ . Penaksir untuk persamaan regresi linear berganda untuk dua variabel bebas adalah ₁ ₁ ₂ ₂

X b X b a

Y = + + . Nilai a,b₁,dan b akan ₂ diperoleh dari tiga persamaan normal berikut :

∑

Y =an+b

∑

X1 +b

∑

+ 2

∑

1 2

2 1 1 1

1Y a X b X b X X

∑

2 2 2 1 1 2

2Y a X b X X b X

Persamaan normal di atas adalah berbentuk sistem persamaan linear (SPL) yang dapat diselesaikan dengan metode determinan. Jika Ax = b dengan A_j adalah

matriks yang diperoleh dengan menggantikan anggota-anggota pada kolom ke-j dari matriks A dengan anggota pada matriks b maka, persamaan tersebut sebagai berikut :

A A

a= 1

A A

b1 = 2

A A

bn = k

21 35.871,2 31.039,3 a 36.004,4 A = 35.871,2 66.577.356,68 55.679.107,3 b1 = 72.492.642,62 31.039,3 55.679.107,3 47.539.081,91 b2 58.294.375,09

(45)

Setelah dihitung nilai determinan A,A1, A2,dan A3 maka diperoleh penyelesaian

sebagai berikut :

A A

a= 1 = -966,426

A A

b₁ = 2 = 2,763

A A

b₂ = 3 = 1,381

Penaksir untuk persamaan regresi linear berganda yaitu ₁ ₁ ₂ ₂

X b X b a

Y = + +

adalah 1 2

381 , 1 763 , 2 246 ,

966 X X

Y =− + + .

Konstanta sebesar -966,246 menyatakan bahwa jika tidak ada kenaikan nilai dari variabel jumlah produksi karet (X ) dan jumlah ekspor karet (₁ X ) maka nilai 2

devisa karet adalah 966,246 juta US$. Koefisien regresi berganda sebesar 2,763 dan 1,381 menyatakan bahwa setiap pengurangan dan penambahan satu skor, maka nilai jumlah produksi karet dan jumlah ekspor karet akan memberikan pengurangan dan penambahan sebesar 2,763 dan 1,381.

4.4 Uji Persamaan Linear Berganda

Untuk mengetahui atau menguji kepastian dari persamaan linear berganda tersebut apakah jumlah produksi karet dan jumlah ekspor karet berpengaruh secara simultan dan signifikan terhadap pendapatan devisa karet di Indonesia atau tidak berpengaruh dilakukan dengan uji F. Langkah-langkah pengujian persamaan ini adalah sebagai berikut:

1. Hipotesis yang di uji

0 : ₁ ₂

0 β =β =

H , berarti antara jumlah produksi karet (X₁) dan jumlah ekspor karet

(X₂) tidak berpengaruh simultan dan signifikan terhadap nilai devisa karet (Y)

(46)

0 : ₁ ₂

0 β =β ≠

H ,berarti antara jumlah produksi karet (X₁) dan jumlah ekspor karet

(X₂) berpengaruh simultan dan signifikan terhadap nilai devisa karet (Y)

di Indonesia .

2. α = 5 % ( taraf nyata )

3. Kriteria Pengujian : H ditolak jika ₀ F_hit >F_tabel 4. Perhitungan uji statistik :

JKT = JK res + JK reg JK res = 3142667,757 JKT = 26627125,52

JK reg = JKT-Jkres = 26.627.125,52-3.142.667,757 = 23.484.457,76

255 , 67 6532 , 592 . 174

88 , 228 . 742 . 11 ) 1 /(

= =

− − =

k n JKres

k JKreg KTres

KTreg F

Tabel 4.5 Analisis Varians (ANOVA)

Sumber Variasi JK dk KT F _hit

Regresi 23.484.457,76 2 11.742.228,88

Residu 3.142.667,76 18 174.592,65 67,255 Total 26.627.125,52 20

(47)

5. Kriteria Pengujian

H ditolak jika F_hit >F_tabel

Pada tingkat keyakinan sebesar 95% atau taraf nyata atau kesalahan 5% dengan derajat kebebasan pembilang (k) =2 dan derajat kebebasan penyebut (n-k-1) =18, maka diperoleh F tabel =3,55 untuk α =5%( dilihat dari tabel distribusi F).

Diperoleh F_hit >F_tabel = 67,255 > 3,55 , H ditolak. ₀

Dapat disimpulkan bahwa antara jumlah produksi karet (X₁)dan jumlah

ekspor karet (X₂) berpengaruh secara simultan dan signifikan terhadap nilai devisa

karet (Y ) di Indonesia .

4.5 Standard Error of Estimate (Kesalahan Baku Persamaan Regresi Linear Berganda)

S =

1 ) (

^ 2

− −

−

∑

k n

Y Y

= 417,84

18 757 , 3142667

Standard Error of Estimate atau kesalahan baku adalah angka yang digunakan untuk mengukur ketepatan suatu penduga atau mengukur jumlah variasi titik-titik observasi di atas dan di bawah garis regresi populasi. Standard Error of Estimate berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam suatu peramalan. Kesalahan baku yang terjadi dalam memprediksi nilai devisa adalah sebesar 417,84 US$.

(48)

4.6 Koefisien Korelasi Parsial

Koefisien korelasi parsial adalah angka yang digunakan untuk mengukur keeratan hubungan antara dua variabel, jika variabel lainnya konstan pada persamaan yang melibatkan lebih dari dua variabel.

Koefisian korelasi parsial antara Y dan X₁, apabilaX₂ konstan

) 1

)( 1

( 2 1 2

2 1 2 1 2 .

1 ₂ ₂

X X YX X X YX YX X YX r r r r r r − − − = = ) 8959 , 0 1 )( 7635 , 0 1 ( ) 8959 , 0 ( 7635 , 0 9269 , 0 2 2 − − − = 286903854 , 0 24288035 , 0 2 . 1X YX

r = 0,846556595 = 0,847

Koefisian korelasi parsial antara Y dan X₂, apabila X₁ konstan

) 1

)( 1

( 1 1 2

2 1 1 2 1 .

2 ₂ ₂

X X YX X X YX YX X YX r r r r r r − − − = = ) 8959 , 0 1 )( 9269 , 0 1 ( ) 8959 , 0 ( 9269 , 0 7635 , 0 2 2 − − − = 166732919 , 0 06690971 , 0 − 1 . 2X YX

(49)

4.7 Uji Asumsi Dalam Model Regresi

1. Uji Normalitas

Uji ini merupakan pengujian terhadap normalitas kesalahan pengganggu/error yang digunakan untuk melihat apakah variabel bebas dan variabel terikat mempunyai distribusi normal. Asumsi kenormalan dapat diperiksa dengan menggunakan plot normal P-P Plot sebagai berikut :

(50)

2. Uji Non-multikolinearitas

Multikolinearitas adalah antara variabel independen dalam model memiliki hubungan/korelasi sempurna atau mendekati sempurna (koefisien korelasinya tinggi). Pengujian ini dapat dilihat dari nilai VIF pada tabel berikut :

Tabel 4.6

Model

Correlations Collinearity Statistics

Zero-order Partial Part Tolerance VIF

1 (Constant)

Jumlah Produksi .927 .848 .550 .200 5.009

Jumlah Ekspor .761 -.406 -.152 .200 5.009

a.Dependent Variabel : Nilai Devisa

3. Heteroskedastisidas

Heteroskedastisidas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisidas.

Kriterianya adalah sebagai berikut :

1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur, maka terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

(51)

Gambar 4.2

Dapat dilihat bahwa dari plot gambar 4.2 di atas sebaran data disekitar nilai nol secara acak dan tidak membentuk pola tertentu sehingga mengindikasikan bahwa tidak terjadi heteroskedastisitas dalam model regresi.

4. Uji Non-autokorelasi

Adanya penyimpangan autokorelasi dalam model regresi berarti ada korelasi antara sampel yang diurutkan berdasarkan waktu. Penyimpangan asumsi ini karena menggunakan data time series.

Konsekuensi adanya autokorelasi dalam suatu model regresi adalah varians sampel tidak dapat menggambarkan varians polulasinya. Selain itu model regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependent (Y) pada nilai variabel independent tertentu (X). untuk mendiagnosis adanya autokorelasi

(52)

dalam suatu model regresi dilakukan pengujian terhadap nilai uji Durbin Watson (DW).

Tabel 4.7

Model Summaryb

Model R R Square

Adjusted

R Square

Std. Error of the

Estimate Durbin-Watson

1 .939a .882 .869 417.84286 1.019

a. Predictors: (Constant), Jumlah Ekspor, Jumlah Produksi

b. Dependent Variable: Nilai Devisa

Pada tabel 4.7 di atas menunjukkan nilai koefisien korelasi ganda(R), koefisien determinasi (R Square), standar error penduga, nilai Durbin Watson. Prosedur pengujiannya adalah sebagai berikut :

1. Menentukan hipotesa

H₀ : tidak ada autokorelasi

H₁ : ada autokorelasi positif/negatif

2. Menentukan nilai α dan nilai d tabel

Signifikan 5% pada n= 21 dan k=2 diperoleh d =1,13 dan_L d = 1,54 u

3. Menentukan Kriteria Pengujian a. Untuk autokorelasi positif

H₀ diterima jika d>d dan H_u 1 ditolak jika d<d serta tidak ada kesimpulan jika L

(53)

b. Untuk autokorelasi negatif

H0 diterima jika (4-d)< d dan Hu 1 ditolak jika (4-d)< d serta tidak ada kesimpulan L

jika d <d<_L d . u

4. Menentukan nilai uji statistik

Pada tabel 4.7 di atas nilai uji statistik diperoleh d =1,019 (nilai Durbin-Watson).

5. Membuat kesimpulan

Nilai d= 1,019 <d =1,13, berarti HL 1ditolak dapat di ambil kesimpulan bahwa tidak

terdapat autokorelasi.

4.8 Uji Koefisien Model Regresi Berganda

Tabel 4.8 Standardized

Coefficients

t Sig.

95.0% Confidence Interval for B Correlations

Beta Lower Bound Upper Bound

Zero-order Partial Part

1 -1.715 .104 -2150.504 217.652

Jumlah Produksi

1.232 6.798 .000 1.909 3.617 .927 .848 .550

Jumlah Ekspor

-.341 -1.883 .076 -2.922 .160 .761 -.406

-.152

Berdasarkan tabel 4.8 koefisien di atas diperoleh bentuk estimasi persamaan

model regresi linear berganda ₁ ₂

381 , 1 763 , 2 426 ,

966 X X

Y =− + − . Model ini untuk

menjeleskan keterkaitan atau pengaruh X1 dan X terhadap 2 Y. Jika nilai sign< 0,05

(54)

kedua variabel bebas secara sendiri-sendiri berpengaruh secara signifikan terhadap Y . Untuk memperkuat penjelasan tersebut dapat didukung dengan uji korelasi parsial. Pada tabel korelasi parasial zero order menampilkan koefisien korelasi biasa sebelum dilakukan uji parsial.

Analisis koefisien regresi secara sendiri-sendiri signifikan atau tidak digunakan uji sebagai berikut :

1. Hipotesis yang diuji

H₀ : koefisien regresi tidak signifikan

H₁ : koefisien regresi signifikan

t t t

SB B b t₀ = − 2. Taraf nyata α 5 %

3. Nilai uji statistik t (t hitung) ₀

t t t

SB B b t₀ = −

407 , 0

0 763 , 2

− =

t = 6,789 dan

733 , 0

0 381 , 1

− −

t = -1,884

Nilai t tabel = t(n₋k₋1);(α)=t(18;0,05) =2,10

Jika t hitung > t tabel maka H0 ditolak dan jika t hitung < t tabel maka H0 diterima.

Dari hasil di atas maka koefisien regresi yang signifikan hanya koefisien regresi variabel jumlah produksi, dimana t hitung > t tabel yaitu 6,798 > 2,10

(55)

4.9 Uji Kelayakan Model Regresi (Uji F)

Tabel 4.9

ANOVAb

Model Sum of Squares Df Mean Square F Sig.

1 Regression 2.348E7 2 1.174E7 67.255 .000a

Residual 3142667.757 18 174592.653

Total 2.663E7 20

a. Predictors: (Constant), Jumlah Ekspor, Jumlah Produksi

Uji kelayakan/keberartian untuk melihat apakah model yang digunakan dapat menggambarkan/menjelaskan variabel Y. Tabel ANOVA adalah pengujian apakah

model ₁ ₂

381 , 1 763 , 2 426 ,

966 X X

Y =− + − dapat digunakan untuk menjelaskan nilai variabel Y. Pengujian yang dilakukan dengan menyatakan bentuk hipotesis sebagai berikut :

Hipotesis yang diuji : 0 : ₁ ₂

0 β =β =

H (model tidak memiliki kelayakan) 0

: 1 2 0 β =β ≠

(56)

Uji kelayakan model dapat dilihat pada nilai Sign Regression sebesar 0,000<0,05 berarti H0 ditolak. Artinya model regresi linear

2 1

381 , 1 763 , 2 426 ,

966 X X

Y =− + − memiliki keberartian /kelayakan untuk digunakan menjelaskan variabel Y . Uji kelayakan model regresi dapat juga dengan membandingkan F hitung dengan F tabel. Dengan α = 5 %, dk pembilang = 2, dk penyebut = 18, maka diperoleh F tabel = 3,56. Karena F hit > F tabel maka H₀

ditolak. Hal ini menunjukkan terdapat pengaruh antara X1 dan X terhadap 2 Y.

Sehingga model regresi tersebut memiliki keberartian/kelayakan untuk digunakan menjelaskan variabel Y.

(57)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah tahap penerapan hasil desain tertulis ke dalam programming dengan menggunakan perangkat lunak (software) sebagai implementasi atau prosedur yang dilakukan untuk menyelesaikan desain sistem. Dalam analisa dan evaluasi data yang digunakan pada tugas akhir ini adalah satu perangkat lunak sebagai implementasi sistem yaitu software SPSS versi 17 for windows untuk memperoleh hasil perhitungan.

5.2 Pengertian SPSS

SPSS ( Statistical Product and Service Sollution) merupakan suatu program statistika untuk pengolahan ataupun analisis data ilmu sosial. SPSS pertama kali dibuat pada tahun 1968 oleh mahasiswa Stanford University. Seiring dengan perkembangan software ini, SPSS sudah mampu memproses data statistik pada berbagai ilmu bidang sosial maupun non sosial.

Dalam pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dengan adanya perangkat lunak tersebut sangat terbantu karena ada kalanya data yang sangat rumit dan tidak dapat dikerjakan secara manual atau dengan menggunakan tenaga yang

(58)

tentunya membutuhkan waktu dan tenaga yang banyak untuk mengolah data tersebut. Faktor kesalahan yang dilakukan manusia relatif besar sementara komputer dan perangkat lunak dapat menyelesaikan pekerjaan dengan cepat dan tepat waktu serta mempunyai kesalahan yang relatif kecil.

5.3 Langkah-langkah Pengolahan Data dengan SPSS

Langkah-langkah yang dilakukan dalam menyelesaikan program linier berganda dengan SPSS sesuai dengan data dalam tulisan sebagai berikut :

1. Bukalah program SPSS dengan menggunakan klik ganda pada ikon SPSS 17 pada desktop atau ikon pada start menu.

2. Klik Cancel untuk memulai membuat variabel dan data baru.

3. Klik variabel view pada SPSS data editor, maka akan tampil sebagai berikut :

(59)

4. Pada kolom Name baris pertama ketik y, pada Label ketik Nilai Devisa, dan pada kolom Measure pilih Scale. Pada kolom Name baris kedua ketik x1, pada Label ketik Jumlah Produksi, pada kolom Measure pilih Scale. Pada kolom Name baris ketiga ketik x2, pada Label ketik Jumlah Ekspor, dan pada kolom Measure pilih Scale untuk kolom lainnya bisa diabaikan (isian default). Maka akan tampil sebagai berikut :

Gambar 5.2 Tampilan jendela pengisian variabel view dalam SPSS

5. Kemudian masukkan data ke halaman Data View dengan cara klik Data View. 6. Isikan data y, X dan ₁ X seperti gambar berikut : ₂

(60)

Gambar 5.3 Tampilan jendela pengisian data view dalam SPSS

7. Selanjutnya, kliklah Analyze > Regression >Linear.

Gambar 5.4 Tampilan jendela pengisian pengolahan data dalam SPSS

(61)

Gambar 5.5 Tampilan jendela pengisian linier regression

8. Masukkan variabel Nilai Devisa ke kotak Dependent, sedangkan Jumlah Produksi dan Jumlah Ekspor ke kotak Independent (s).

9. Klik tab Statistics. Beri centang pada kotak Estimate, Confidence intervals, Model fit, Deskriptives, Part and Partial Correlation, Colinearity diagnostics, kemudian pada Residual berikan centang pada Durbin-Waston, Casewise diagnosis serta All case, sehingga akan tampil sebagai berikut :

(62)

Gambar 5.6 Tampilan jendela pengisian linier regression statistics

Kemudian klik Continue, kemudian Plot dan berikan tanda centang pada pilihan Normal probability plot dan isi pada sumbu X ZPRED dan sumbu Y ZRESID kemudian klik Continue, akan tampak gambar sebagai berikut :

Gambar 5.7 Tampilan jendela pengisian linier regression plots

Kliklah OK untuk mengakhiri pengisian prosedur analisis. Kemudian akan muncul output regresinya.

(63)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisa dan evaluasi data pada bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut :

1. Jumlah produksi karet dan jumlah ekspor karet mempunyai hubungan dengan nilai nilai devisa karet di Indonesia pada tahun 1988-2008.

2. Besarnya hubungan antara jumlah produksi karet dengan nilai devisa karet di Indonesia sebesar 0,9269, sedangkan sumbangan jumlah produksi karet terhadap nilai devisa karet di Indonesia sebesar (0,9269)2×100%=85,91%. Artinya nilai devisa karet dijelaskan oleh jumlah produksi karet sebesar 85,91% sedangkan sisanya dijelaskan oleh faktor lain.

3. Besarnya hubungan antara jumlah ekspor karet dengan nilai devisa karet di Indonesia sebesar 0,7635, sedangkan sumbangan jumlah ekspor karet terhadap nilai devisa karet di Indonesia sebesar (0,7635) 2×100%=58,29%. Artinya nilai devisa karet dijelaskan oleh jumlah ekspor karet sebesar 58,29% sedangkan sisanya dijelaskan oleh faktor lain.

4. Besarnya hubungan antara jumlah produksi karet dengan jumlah ekspor karet di Indonesia sebesar 0,8959.

5. Besarnya hubungan jumlah produksi karet dan jumlah ekspor karet dengan nilai devisa karet sebesar 0,9289, sedangkan sumbangan jumlah produksi karet

(64)

dan nilai ekspor karet terhadap nilai devisa karet di Indonesia sebesar (0,9289)2×100%=86,29%. Artinya nilai devisa karet dijelaskan oleh jumlah produksi karet dan jumlah ekspor karet sebesar 86,29% sedangkan sisanya dijelaskan oleh faktor lain.

6. Model persamaan regresi dapat digunakan untuk menjelaskan nilai variabel

Ysehingga model tersebut memiliki keberartian /kelayakan untuk digunakan menjelaskan variabel Y.

6.2 Saran

1. Dalam meningkatkan pendapatan dari nilai devisa karet di Indonesia tidak hanya dipengaruhi oleh jumlah produksi karet dan jumlah ekspor karet saja, melainkan ada juga faktor lain seperti mutu atau kualitas karet yang di ekspor, harga karet, nilai tukar rupiah terhadap dollar dan lainnya. Oleh karena itu diharapkan agar memperhatikan faktor-faktor lain yang tidak dijelaskan dalam penelitian ini.

2. Salah satu kebijakan yang harus diterapkan untuk meningkatkan jumlah ekspor karet, hasil devisa ekspor karet, dan pendapatan petani karet di Indonesia adalah meningkatkan kualitas karet Indonesia, karena rendahnya kualitas karet menyebabkan harga yang diterima petani maupun harga ekspor karet menjadi rendah. Pada tahun yang akan datang diharapkan ekspor karet di Indonesia tidak lagi berupa bahan mentah tapi dalam bentuk hasil olahan dengan mutu yang dikehendaki konsumen sehingga harga jual karet meningkat.

3. Saran untuk petani agar tetap memelihara tanaman karet dengan menerapkan sistem perawatan dan pengolahan hasil panen yang baik dan benar.

(65)

DAFTAR PUSTAKA

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

BPS. 2008. Statistik Indonesia. 1988-2007. Medan.

Hasan, M.I. 1996. Pokok-pokok Materi Statistik 1 ( Statistik Deskriptif ). Edisi ke-1 Jakarta : Bumi Aksara.

Hasan, M.I. 1996. Pokok-pokok Materi Statistik 2 ( Statistik Deskriptif ). Edisi ke- 1 Jakarta : Bumi Aksara.

Hadi, S. 2004. Statistik. Jilid 3. Edisi ke-1. Yogyakarta : ANDI Yogyakarta.

Iswardono. 1981. Sekelumit Analisa Regresi dan Korelasi. Yogyakarta : BPFE-Yogyakarta.

Sembiring,R.K. 1995. Analisis Regresi. Bandung

Sudjana. 1983. Metode Statistika. Bandung : Tarsito.

Sugiarto. 2000. Metode Statistika Untuk Bisnis dan Ekonomi. Jakarta : PT Gramedia Pustaka Utama

Sugiyono. 1999. Metode Penelitian Bisnis. Bandung : Alfabeta. .

(1)

Gambar 5.3 Tampilan jendela pengisian data view dalam SPSS

7. Selanjutnya, kliklah Analyze > Regression >Linear.

Gambar 5.4 Tampilan jendela pengisian pengolahan data dalam SPSS Maka akan tampil sebagai berikut :

(2)

Gambar 5.5 Tampilan jendela pengisian linier regression

8. Masukkan variabel Nilai Devisa ke kotak Dependent, sedangkan Jumlah Produksi dan Jumlah Ekspor ke kotak Independent (s).

(3)

Gambar 5.6 Tampilan jendela pengisian linier regression statistics

Gambar 5.7 Tampilan jendela pengisian linier regression plots

Kliklah OK untuk mengakhiri pengisian prosedur analisis. Kemudian akan muncul output regresinya.

(4)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisa dan evaluasi data pada bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut :

1. Jumlah produksi karet dan jumlah ekspor karet mempunyai hubungan dengan nilai nilai devisa karet di Indonesia pada tahun 1988-2008.

4. Besarnya hubungan antara jumlah produksi karet dengan jumlah ekspor karet di Indonesia sebesar 0,8959.

5. Besarnya hubungan jumlah produksi karet dan jumlah ekspor karet dengan nilai devisa karet sebesar 0,9289, sedangkan sumbangan jumlah produksi karet

(5)

6. Model persamaan regresi dapat digunakan untuk menjelaskan nilai variabel Ysehingga model tersebut memiliki keberartian /kelayakan untuk digunakan menjelaskan variabel Y.

6.2 Saran

3. Saran untuk petani agar tetap memelihara tanaman karet dengan menerapkan sistem perawatan dan pengolahan hasil panen yang baik dan benar.

(6)

DAFTAR PUSTAKA

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

BPS. 2008. Statistik Indonesia. 1988-2007. Medan.

Hasan, M.I. 1996. Pokok-pokok Materi Statistik 1 ( Statistik Deskriptif ). Edisi ke-1 Jakarta : Bumi Aksara.

Hasan, M.I. 1996. Pokok-pokok Materi Statistik 2 ( Statistik Deskriptif ). Edisi ke- 1 Jakarta : Bumi Aksara.

Hadi, S. 2004. Statistik. Jilid 3. Edisi ke-1. Yogyakarta : ANDI Yogyakarta.

Iswardono. 1981. Sekelumit Analisa Regresi dan Korelasi. Yogyakarta : BPFE-Yogyakarta.

Sembiring,R.K. 1995. Analisis Regresi. Bandung

Sudjana. 1983. Metode Statistika. Bandung : Tarsito.

Sugiarto. 2000. Metode Statistika Untuk Bisnis dan Ekonomi. Jakarta : PT Gramedia Pustaka Utama

Sugiyono. 1999. Metode Penelitian Bisnis. Bandung : Alfabeta. .