Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Utara
ANALISA KORELASI TERHADAP FAKTOR YANG
MEMPENGARUHI KETERSEDIAAN BERAS
DI KABUPATEN TAPANULI UTARA
TUGAS AKHIR
DICKY WIJAYA
062407050
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2010
(2)
(3)
PERNYATAAN
ANALISA KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN TAPANULI UTARA
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 2010
DICKY WIJAYA 062407050
(4)
PENGHARGAAN
Dengan Nama Yang Maha Sempurna
Segala puji dan syukur penulis panjatkan kehadirat Allah SWT yang tiada terkira atas segala kenikmatan yang telah diberikan kepada penulis sehingga dapat menyelesaikan Tugas Akhir ini dengan baik. Shalawat beserta salam kepada junjungan mulia Rasulullah Saw keluarga dan sahabat.
Penulisan Tugas Akhir ini bertujuan untuk melengkapi persyaratan dalam menyelesakan perkuliahan pada jurusan Statistika Program Diploma III Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara. Penulis menyadari sepenuhnya bahwa penyajian Tugas Akhir ini masih banyak terdapat kekurangan dan masih jauh dari kesempurnaan karena keterbatasan ilmu dan kemampuan penulis.
Oleh karena itu penulis mengharapkan saran dan kritik yang bersifat konstruktif dari pembaca demi kesempurnaan Tugas Akhir ini.
Penyelesaian Tugas Akhir ini tak lepas dari bantuan serta sokongan berbagai pihak. Untuk itu izinkan penulis menyampaikan terima kasih kepada :
1. Bapak Prof. Dr. Eddy Marlianto, M.Sc, Selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam USU
2. Bapak Dr. Saib Suwilo, M.Sc, Selaku Ketua Jurusan D-3 Statistika dan Ilmu Komputer FMIPA USU
3. Bapak Drs. Suwarno Ariswoyo, Msi, Selaku Dosen Pembimbing Penulis dalam Penulisan Tugas Akhir ini
4. Seluruh Staf dan pegawai jurusan D-3 Statistika dan Ilmu Komputer FMIPA USU
5. Kepada orangtua saya yang telah memberikan bantuan dan dorongan dalam Penulisan Tugas Akhir ini.
6. Seluruh rekan- rekan kuliah yang telah membantu dalam penyelesaian Tugas Akhir penulis.
Akhirul kalam penulis memanjatkan doa Kepada Allah SWT agar segala kebaikan dan bantuan yang diberikan kepada penulis dapat dibalas oleh Allah SWT. Semoga apa yang penulis perbuat akan selalu diberkati oleh sang pemilik ilmu.
(5)
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar Isi v
Daftar Tabel vi
Daftar Gambar vii
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang Masalah 1
1.2 Identifikasi Masalah 2
1.3 Ruang Lingkup 2
1.4 Maksud dan Tujuan 3
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 3
1.7 Sistematika Penulisan 5
BAB 2 LANDASAN TEORI 6
2.1 Regresi Linier Sederhana 6
2.2 Regresi Linier Berganda 10
2.3 Uji Keberartian Regresi 11
2.4 Koefisien Korelasi 12
2.5 Uji Keberartiaan Koefisien Korelasi 16
BAB 3 ANALISIS DAN EVALUASI 17
3.1 Analisis dan Evaluasi Data 17
3.1.1 Menentukan Persamaan Regresi Linier Berganda 19
3.1.2 Uji Keberartian Regresi 23
3.1.3 Menentukan Koefisien Korelasi 28
3.1.4 Uji Kebertian Koefisien Korelasi 29
BAB 4 IMPLEMENTASI SISTEM 31
4.1 Sekilas Tentang SPSS 31
4.2 Mengaktifkan SPSS 31
4.3 Membuka Lembar Baru 32
4.4 Menamai Variabel 33
4.5 Pengisian Data 34
4.6 Pengolahan Data Dengan Persamaan Regresi 34
4.7 Pengolahan Data Dengan Persamaan Korelasi 37
BAB 5 PENUTUP 39
5.1 Kesimpulan 39
5.2 Saran 40
DAFTAR PUSTAKA 41
(6)
DAFTAR TABEL
Halaman Tabel 3.1 Tabel Ketersediaan Beras, Produksi Beras dan Kebutuhan
Beras Per Bulan Pada Tahun 2006 dan 2007 17
Tabel 3.2 Tabel Nilai-nilai yang diperlukan untuk menghitung koefisien
Regresi a0, a1,a2 20
(7)
DAFTAR GAMBAR
Halaman
Gambar 4.1 Mengaktifkan SPSS 32
Gambar 4.2 Tampilan saat membuka SPSS 32
Gambar 4.3 Layar kerja variable view 33
Gambar 4.4 Data yang diolah 34
Gambar 4.5 Pilih Analyze, Regresion, Linier 35
Gambar 4.6 Kotak dialog Linier Regresion 35
Gambar 4.7 Kotak dialog Linier Regresion Statistic 36
Gambar 4.8 Kotak dialog Linier Regresion Plot 36
Gambar 4.9 Kotak dialog Linier Regresion Options 37
Gambar 4.10 Pilih analyze, correlate, bivariate 38
(8)
BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Sektor pertanian dalam tatanan pembangunan nasional khususnya padi memegang
peranan penting karena selain bertujuan menyediakan pangan bagi seluruh penduduk ,
juga merupakan sektor andalan penyumbang devisa negara dari sektor non migas.
Besarnya kesempatan kerja yang dapat diserap dan besarnya jumlah penduduk yang
masih bergantung pada sektor ini masih perlu ditumbuh kembangkan.
Penduduk Indonesia khususnya Sumatera Utara sangat bergantung pada nasi
sebagai makanan pokok. Ketergantungan yang sangat besar ini menjadi tantangan
bagi negara yang mengkonsumsi nasi sebagai makanan pokok untuk selalu dapat
mencukupi kebutuhan beras tanpa melakukan impor dari negara lain.
Situasi ketersediaan pangan perlu diketahui secara periodik. Untuk itu
diperlukan pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan. Tujuan
dari pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan adalah untuk
memantau tingkat ketersediaan dibandingkan dengan tingkat kebutuhan pangan
masyarakat, sehingga informasi ini menjadi acuan bagi institusi yang bersangkutan
(9)
Oleh karena hal di atas, maka penulis meras tertarik dan terdorong untuk
mengadakan penelitian tentang ketersediaan beras dengan judul “ANALISA KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN TAPANULI UTARA”.
1.2 Identifikasi Masalah
Sesuai dengan judul diatas, maka yang menjadi permasalahan adalah bagaimana
korelasi antara beberapa faktor yang mempengaruhi ketersediaan beras di Kabupaten
Tapanuli Utara dan seberapa erat korelasi tersebut.
1.3 Ruang Lingkup
Untuk mengarahkan penelitian ini agar tidak menyimpang dari sasaran yang dituju
maka perlu membuat batasan ruang lingkup permasalahan. Sebagai pembatasan
masalah ini adalah penganalisaan data kuantitatif statistik yakni menggunakan analisa
korelasi dan regresi linier berganda. Data kuantitatif yang digunakan adalah
ketersediaan beras dan faktor-faktor yang mempengaruhinya yaitu produksi padi dan
konsumsi, sehingga proses penganalisaannya dilakukan dengan analisa korelasi dan
(10)
1.4 Maksud dan Tujuan
Maksud diadakannya penelitian ini adalah untuk mengaplikasikan pengetahuan yang
didapat selama perkualiahan tentang penerapan analisa korelasi dan regresi linier.
Tujuan diadakannya penelitian ini adalah untuk mengetahui apakah secara
signifikan (meyakinkan) terdapat korelasi positif, negatif atau tidak berkorelasi antara
jumlah ketersediaan beras dengan jumlah produksi beras dan jumlah kebutuhan beras.
1.5 Manfaat Penelitian
Penelitian ini dilakukan dengan harapan dapat memberikan manfaat antara
lain:
1. Bagi penulis, bermanfaat untuk menambah pengetahuan mengenai analisa
korelasi dan regresi linier berganda.
2. Bagi pihak Badan Ketahanan Pangan, dapat bermanfaat sebagai masukan
dalam pengambilan kebijakan.
1.6 Metodologi Penelitian
1.6.1 Lokasi dan Waktu Penelitian
Penelitian dilakukann penulis mulai tanggal 01 Maret 2010. Adapun lokasi penelitaian
ini diadakan di Badan Ketahanan Pangan Propinsi Sumatera Utara yang terletak di Jl.
(11)
1.6.2 Teknik Pengumpulan Data
Untuk memperoleh data yang diperlukan maka penulis melakukan penelitian yang
dilakukan langsung ke Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara.
Pengumpulan data dilakukan dengan cara wawancara dengan pegawai, staf, dan dari
(12)
1.7 SISTEMATIKA PENULISAN
BAB 1 PENDAHULUAN
Berisi tentang latar belakang, identifikasi masalah, ruang lingkup,
maksud dan tujuan, manfaat, metodologi penelitian, dan sistematika
penulisan.
BAB 2 LANDASAN TEORI
Dalam bab ini menjelaskan tentang sesuatu yang mencakup
penyelesaian masalah dengan judul dan masalah yang diutarakan.
BAB 3 ANALISA PEMBAHASAN
Bab ini berisikan tentang hasil analisa dan pembahasan mengenai
ketersediaan beras di Kabupaten Tapanuli Utara.
BAB 4 IMPLEMENTASI SISTEM
Pada bab ini langkah langkah pengolahan data dengan memakai sistem
komputerisasi.
BAB 5 KESIMPULAN DAN SARAN
(13)
BAB 2
LANDASAN TEORI
2.1 Regresi Linier Sederhana
Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
satu peubah acak tak bebas Y dengan satu peubah bebas X. Hubungan linier Y dan X
dari satu populasi disebut garis regresi populasi yang dinyatakan persamaan sebagai
berikut:
µ
Y.X = E (Y/X) =α + βX (1)µ
Y.X = rata-rata Y untuk nilai X tertentuα = jarak titik pangkal dengan titik potong garis regresi dengan sumbu Y (intercept)
= nilai Y tanpa pengaruh X
β = kemiringan (slope ataugradien) garis regresi
= besarnya peubah Y sebagai akibat peubahan X satu satuan
Kalau ingin menduga rataan
µ
Y.X , maka nilai Y perlu ditentukan untuk(14)
dan
µ
Y.X pada umumnya tidak sama. Perbedaan tersebut tergantung pada ketepatanmodel untuk menggambarkan keadaan yang sebenarnya dan ketepatan pengukuran
peubah Y dan X.
Perbedaan antara Yi dan
µ
Y.X disebut galat acak (random error) dan dinyatakandengan simbol εi.Dengan demikian:
εi = Yi -
µ
Y.X (2)Dari persamaan ini diperoleh model regresi l;inier sederhana dari suatu populasi
sebagai berikut:
Yi = α + βXi+ εi (3)
Paramenter βo dan β1diduga dengan menggunakan garis regresi. Bentuk persamaan
garis regresi adalah sebagai berikut:
Ŷ = a + b X (4)
Dimana:
a = intersept, jarak titik pangkal dan titik potong garis regresi dengan sumbu Y
(15)
Dalam hal ini:
a merupakan penduga titik bagi α b merupakan penduga titik bagi β
Ŷ merupakan penduga titik bagi
µ
Y.XNilai a dan b diperoleh dengan menggunakan metode kuadrat terkecil (least –
squares methode). Metode kuadrat terkecil merupakan satu cara memperoleh a dan b,
prinsip dari kuadrat terkecil meliputi meminimumkan jumlah dari simpangan kuadrat
(the sum of squared deviations) dari nilai-nilai observasi terhadap nilai rata-ratanya.
Cara meminimumkannya adalah sebagai berikut:
S =
å
=
n
i 1
ei2 =
å
=n
i 1
(Yi – Ŷ)2 =
å
=n
i 1
(Yi – a – bXi)2 (5)
Menghitung turunan S terhadap a dan b, hasilnya sebagai berikut:
a ¶¶ S =
å
¶ -¶ i i i a bXY
a )
( 2
=
å
- --i
i i a bX
Y )( 1)
(
2 = -2
å
--i
i i a bX
Y ) ( b ¶ ¶S =
å
¶ -¶ i i i a bXY
b )
( 2
=
å
- --i
i i
i a bX X
Y )( )
( 2
= -2
å
- -ii i
i Y a bX
X ( )
Samakan kedua hasil turunan tersebut dengan nol (0), maka diperoleh syarat minimum
(16)
-2
å
- -ii i a bX
Y )
( = 0
-2
å
--i
i i
i Y a bX
X ( )= 0 (5)
Dari dua persyaratan diatas diperoleh persamaan normal sebagai berikut:
n a + b
å
= n i i X 1 =
å
= n i i Y 1 aå
= n i i X 1+ b
å
= n i i X 1 2 =
å
= n i i iY X 1 (6)dan dari persamaan normal diperoleh:
b =
å
å
å
å
å
= = = = = ÷ ø ö ç è æ -÷ ø ö ç è æ ÷ ø ö ç è æ -n i n i i i n i n i i n i i i i X n X Y X n Y X 1 1 2
1 1 1
1 1 =
å
å
= = -n i i i n i i X X Y Y X X 1 2 1 ) ( ) )( (a =Ŷ – bX (7)
atau
a =
å
å
å å
å å
-2 2 2 ) ( ) ( ) )( ( ) )( ( i i i i i i i X X n Y X X X Y b =
å
å
å
å å
-2 2 ) ( ) )( ( i i i i i i X X n Y X Y X n (8)
(17)
Dengan menyelesaikan persamaan-persamaan ini, maka akan memperoleh
nilai koefisien a dan nilai koefisien b.
2.2 Regresi Linier berganda
Bila regresi linier sederhana digunakan untuk mengetahui hubungan dua variabel yaitu
satu variabel bebas ( X ) dan satu variabel tak bebas (Y ), maka regresi linier berganda
digunakan untuk mengetahui hubungan antara dua variabel atau lebih variabel bebas
( X ) dengan variabel tak bebas ( Y ) dan juga digunakan untuk meramalkan nilai
variabel tak bebas Y jika seluruh variabel bebasnya sudah diketahui nilainya dan
semua koefisien regresi parsial sudah dihitung.
Bila jika dalam regresi linier sederhana hanya ada satu variabel bebas X yang
dihubungkan dengan variabel tak bebas y linier dalam X, sehingga bentuk taksiran
Y = a + bX, maka dalam regresi linier berganda terdapat sejumlah ( sebut saja k buah,
k>1) variabel bebas yang yang dihubungkan dengan linier dalam semua variabel
bebas. Jika variabel bebas X1, X2, X3, …,Xk dan variabel tak bebas Y, maka
bentuk umum linier berganda atas X1, X2, X3, … Xk akan ditaksir oleh :
Ù
Y =a + b1X1+b2X2+b3X3+…+bkXk
Dengan konstanta a dan koefisien b1,b2,b3,…,bk dapat ditaksir berdasarkann buah pasangan data X1, X2, X3, … , Xkdan Y, seperti halnya mencari a dan b dalam
model YÙ= a+ bX diperlukan n buah pasangan data X dan Y, maka untuk mencari a,
(18)
Dengan menggunakan metode kuadrat terkecil, maka koefisien – koefisien a,
b1, b2 dapat dihitung dengan sistem persamaan :
å
Y = na+b1å
X1+b2å
X2å
YX1=å
+å
+ 2å
1 2 21 1
1 b X b X X
X a
å
YX2=å
+å
+å
2 2 2 2 1 1
2 b X X b X
X a
Untuk mendapatkan harga – harga a, b1,dan b2 dari persamaan di atas disusun
menurut datanya dan kemudian dapat diselesaikan dengan metode eliminasi dan
substitusi.
2.3 Uji Keberartian Regresi
Uji keberartian regresi diperlukan untuk mengetahui apakah sekelompok variabel
bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas.
Langkah – langkah untuk pengujian keberartian regresi adalah sebagai berikut:
1. Kumpulkan data dalam bentuk tabel.
2. Statistik uji adalah:
F =
) 1 (n-k -JKres
k JKreg
(19)
Dengan:
F = Statistik F yang menyebar mengikuti distribusi derajat kebebasanV1 = k
danV2= n – k – 1
Jkreg = Jumlah kuadrat regresi:
b1
å
yix1i +b2å
yix2i +bå
yix3i3 + ...+bk
å
yixkix1i = X1i-X, X2i-X , X3i-X, Xki-X
y = Y1-Y
dengan derajat kebebasan (dk) = k
JKres = Jumlah Kuadrat Residu (sisa) =
å
(Y -Yˆ)2 Dengan derajat kebebasann – k – 13. Kriteria Pengujian.
a. Ho:B1=B2=...=Bk=0 (ini berarti bahwa antara Y denganX1 dan X2 tidak ada hubungan)
0 :
1Bj¹
H ( ini berarti bahwa Y tergantung pada X1 dan X2 atau kedua –
duanya)
b. Tolak H0 Jika FHitung > FTabel
Terima H0Jika FHitung < FTabel
2.4 Koefisien Korelasi
Dalam kehidupan, kadang kita dihadapkan pada situasi dimana harus mencari
hubungan antara dua variabel yang kita amati. Misalkan bagaimana hubungan antara
ketersediaan beras dengan jumlah produksi beras. Untuk melihat hubungan tersebut
(20)
Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan
hubungan antar variabel. Analisa korelasi adalah cara untuk mengetahui ada atau
tidaknya hubungan antar variabel misalnya hubungan dua variabel. Apabila terdapat
hubungan antara variabel maka perubahan – perubahan yang terjadi pada salah satu
variabel akan mengakibatkan terjadinya perubahan pada variabel lainnya. Jadi, dari
analisis korelasi dapat diketahui hubungan antara variabel tersebut.
Korelasi yang terjadi antara dua variabel dapat berupa korelasi positf, korelasi
negatif, tidak ada korelasi ataupun korelasi sempurna.
1. Korelasi Positif.
Korelasi Positif adalah korelasi dua variabel, dimana apabila variabel
bebas X meningkat maka variabel tak bebas Y cenderung meningkat pula.
Semakin dekat nilai koefisien korelasi ke +1, maka semakin kuat korelasi
positifnya.
2. Korelasi Negatif.
Korelasi Negatif adalah korelasi dua variabel, dimana apabila variabel
bebas X meningkat maka variabel tak bebas Y cenderung menurun.
Semakin dekat nilai koefisien korelasi ke -1, maka semakin kuat korelasi
negatifnya.
3. Tidak ada Korelasi
Tidak adanya korelasi terjadi apabila variabel bebas X dan variabel tak
bebas Y tidak menunjukkan adanya hubungan. Hasil perhitungan korelasi
(21)
4. Korelasi Sempurna
Korelasi Sempurna adalah korelasi dua variabel dimana kenaikan atau
penurunan harga variabel X berbanding dengan kenaikan atau penurunan
harga variabel tak bebas Y. Hasil perhitungan korelasi +1 atau -1, maka
menunjukan berkorelasi positif atau negatif yang sempurna.
Jika yang diukur korelasi antara variabel X dengan variabel Y dinotasikan
xy
r , maka rumus yang digunakan adalah:
) ) ( ( ) ( ) )( ( 2 2 2
2
å
å
å
å
å
-å å
-= i i i i i i i i xy Y Y n X X n Y X Y X n r Dimana :n = Banyaknya pasangan dataX danY
å
Xi = Jumlah nilai – nilai dari variabel Xå
Y1 = Jumlah nilai – nilai dari variabelYå
2i
X = Jumlah kuadrat nilai – nilai dari variabelX
å
2i
Y = Jumlah kuadrat nilai – nilai dari variabelY
å
XiYi = Jumlah hasil kali nilai-nilai variabelX danYSedangkan untuk menghitung korelasi antara variabel tak bebas dengan dua
(22)
1 .x y
r =
å
å
å
å
å
-å
å
-) ) ( ( ) ( ) )( ( 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n 2 .x yr =
å
å
å
å
å
-å
å
-) ) ( ( ) ( ) ( ) ( 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X nUkuran yang dipakai untuk mengetahui derajat hubungan antara dua variabel
atau lebih terutama untuk data kuantitatif disebut koefisien korelasi. Besar kecilnya
hubungan antara dua variabel dinyatakan dengan bilangan. Koefisien Korelasi ini
bergerak antara 0,000 sampai 1,000 atau antara 0,000 sampai -0,000 tergantung
kepada arah korelasi. Koefisien yang bertanda positif menunjukan arah korelasi yang
positif, koefisien korelasi yang bertanda negatif menunjukkan arah korelasi yang
negatif, sedang koefisien yang bernilai 0,000 menunjukkan tidak adanya hubungan.
Untuk lebih memudahkan mengetahui bagaimana sebenarnya keeratan
hubungan antara variabel – variabel tersebut, dapat dilihat perumusan sebagai berikut:
-1,00 ≤ r ≤ -0,80 Berarti Berkorelasi Kuat -0,79 ≤ r ≤ -0,50 Berarti Berkorelasi Sedang -0,49 ≤ r ≤ 0,49 Berarti Berkorelasi Lemah 0,50 ≤ r ≤ 0,79 Berarti Berkorelasi Sedang 0,80 ≤ r ≤ 1,00 Berarti Berkorelasi Kuat
(23)
2.5 Uji Keberartian Koefisien Korelasi
Setelah diperoleh ry.x1 dan ry.x2 maka langkah selanjutnya adalah melakukan uji
keberartian koefisien korelasi antara X dan Y. Dengan langkah – langkah sebagai
berikut:
1. Statistik Uji adalah:
0
t =
2
1 2 r n n
-Dengan :
r = Koefisien Korelasi
n=Banyak Pasangan
2. Kriteria Pengujian
Tolak H0 Jika tHitung > tTabel dan terima H0Jika tHitung < tTabel
(24)
BAB 3
ANALISIS DAN EVALUASI
3.1 Analisis Dan Evaluasi Data
Dalam pengambilan data ini, penulis memperoleh data ketersediaan ( perimbangan )
beras dan faktor – faktor yang mempengaruhinya yaitu produksi beras dan kebutuhan
dari Badan Ketahanan Pangan Propinsi Sumatera Utara.
Data disajikan dalam tabel berikut :
Tabel 3.1 Ketersediaan beras, Produksi beras, dan Kebutuhan beras per bulan
pada tahun 2006 dan 2007 di Kabupaten Tapanuli Utara.
Bulan Ketersediaan Beras
( ton )
Produksi Beras ( ton )
Kebutuhan Beras ( ton )
Januari 2006 -855 2565 3420
Februari 2006 -1.087 2333 3420
Maret 2006 -2.299 1121 3420
April 2006 -1.988 1432 3420
Mei 2006 10.204 13624 3420
Juni 2006 12.959 16379 3420
Juli 2006 3.664 8198 3420
(25)
September 2006 -983 2437 3420
Oktober 2006 -3.057 363 3420
November 2006 -3.282 138 3420
Desember 2006 199 3619 3420
Januari 2007 -4.756 1190 5946
Februari 2007 15.235 21181 5946
Maret 2007 3.247 9213 5946
April 2007 -4.682 1264 5946
Mei 2007 -3.672 2274 5946
Juni 2007 7.703 13649 5946
Juli 2007 -3.870 2076 5946
Agustus 2007 -5.250 696 5946
September 2007 -5.944 2 5946
Oktober 2007 -4.892 1054 5946
November 2007 -5.921 25 5946
Desember 2007 -5.946 - 5946
Badan Ketahanan Pangan Propinsi Sumatera Utara ( - ) Data tidak ada
Dengan :
Y = Jumlah Ketersediaan Beras
X1 = Jumlah Produksi Beras
(26)
Setelah melihat data yang tersedia, maka penganalisaan dan pembahasan atas
data tersebut oleh penulis dikelompokkan dalam empat bagian yaitu :
1. Menentukan persamaan regresi linier berganda
2. Uji keberartian regresi
3. Menentukan koefisien korelasi
4. Uji keberartian korelasi
3.1.1 Menentukan Persamaan Regresi Linier Berganda
Untuk Melihat hubungan antara variabel – variabel bebas yaitu jumlah produksi beras
dan jumlah kebutuhan beras ( X1 , X2 ) terhadap variabel tak bebas yaitu jumlah
ketersediaan ( perimbangan ) beras ( Y ), Maka langkah pertama yang dilakukan
adalah menentukan persamaan regresi linier berganda.
Tabel 3.2 Nilai – nilai yang diperlukan untuk menghitung koefisien – koefisien regersi a,b1,b2
(27)
Tabel 3.2 Nilai – nilai yang diperlukan untuk menghitung koefisien – koefisien regresi a, b1, b2
No Y X1 X2 X1X2 X1Y X2Y X12 X22 Y2
1 -855 2565 3420 8772300 -2193075 -2924100 6579225 11696400 731025
2 -1087 2333 3420 7978860 -2535971 -3717540 5442889 11696400 1181569
3 -2299 1121 3420 3833820 -2577179 -7862580 1256641 11696400 5285401
4 -1988 1432 3420 4897440 -2846816 -6798960 2050624 11696400 3952144
5 10204 13624 3420 46594080 139019296 34897680 185613376 11696400 104121616
6 12959 16379 3420 56016180 212255461 44319780 268271641 11696400 167935681
7 3664 8198 3420 28037160 30037472 12530880 67207204 11696400 13424896
8 293 3713 3420 12698460 1087909 1002060 13786369 11696400 85849
9 -983 2437 3420 8334540 -2395571 -3361860 5938969 11696400 966289
10 -3057 363 3420 1241460 -1109691 -10454940 131769 11696400 9345249
11 -3282 138 3420 471960 -452916 -11224440 19044 11696400 10771524
12 199 3619 3420 12376980 720181 680580 13097161 11696400 39601
13 -4756 1190 5946 7075740 -5659640 -28279176 1416100 35354916 22619536
14 15235 21181 5946 125942226 322692535 90587310 448634761 35354916 232105225
15 3247 9213 5946 54780498 29914611 19306662 84879369 35354916 10543009
16 -4682 1264 5946 7515744 -5918048 -27839172 1597696 35354916 21921124
17 -3672 2274 5946 13521204 -8350128 -21833712 5171076 35354916 13483584
18 7703 13649 5946 81156954 105138247 45802038 186295201 35354916 59336209
(28)
20 -5250 696 5946 4138416 -3654000 -31216500 484416 35354916 27562500
21 -5944 2 5946 11892 -11888 -35343024 4 35354916 35331136
22 -4892 1054 5946 6267084 -5156168 -29087832 1110916 35354916 23931664
23 -5921 25 5946 148650 -148025 -35206266 625 35354916 35058241
24 -5946 0 5946 0 0 -35354916 0 35354916 35354916
(29)
Dari tabel di atas diperoleh nilai – nilai sebagai berikut :
å
Y = -4.980å
X1 = 108.546å
X2 = 112.392å
X1X2 = 504.155.544å
X1Y = 789.822.476å
X2Y = -64.389.048å
2 1X = 1.303.294.852
å
2 2X = 564.615.792
å
2Y = 850.064.888
n = 24
Y = -207,5
1
X = 4522,75
2
X = 4683
Persamaan mencari nilai koefisien regresi:
å
Y = na+b1å
X1 +b2å
X2å
YX1=å
+å
+ 2å
1 2 21 1
1 b X b X X
X a
å
YX2 =å
+å
+å
2 2 2 2 1 1
2 b X X b X
X a
(30)
Dapat kita substitusikan nilai - nilai yang bersesuaian, sehingga diperoleh
persamaan di bawah ini :
-4.980 = 24a + 108.546 b1 + 112.392 b2
789.822.476 = 108.546 a + 1.303.294.852 b1 + 504.155.544 b2
-64.389.048 = 112.392 a + 504.155.544 b1 + 564.615.792 b2
Setelah persamaan di atas diselesaikan maka di peroleh koefisien – koefisien
regresi linier sebagai berikut :
a = -191,240
b1 = 0,995
b2 = -0,964
Jadi persamaan regeresinya adalah :
Yˆ = -191,240+0,995X1+(-0,964)X2
3.1.2 Uji Keberartian Regresi
Setelah persamaan regresi linier berganda diperoleh, maka dibutuhkan suatu pengujian
hipotesa mengenai keberartian model regresi dengan kriteria pengujian :
TolakH0 jika Fhitung >Ftabel
TerimaH0 jika Fhitung <Ftabel
Hipotesa yang diuji adalah:
Ho : β1 = β2 = 0, Jumlah produksi padi dan jumlah kebutuhan beras secara
(31)
H1 : β1 = β2 ¹ 0, Jumlah produksi padi dan jumlah kebutuhan beras secara
sama mempengaruhi jumlah ketersediaan beras
Dengan Ftabel diperoleh dariF dengan α = 0.05 dan dk pembilang =k, dk penyebut =
n – k -1
Rumus yang digunakan sebagai berikut :
hitung
F =
) 1 (n-k -JK
k JK
res reg
Dengan :
reg
JK =
å
+å
22 1
1 yx b yx
b
res
JK = 2
1
) ˆ (Y Y
n
i
i
(32)
Tabel 3.3 Tabel Perhitungan Uji Regresi
No Y X1 X2
y
(Y-Y )
x1 (X1-X )
x2
(X2-X ) yx1 yx2 Y
ˆ Y-Yˆ (Y-Yˆ )2
1 -855 2565 3420 -647,5 -1957,75 -1263 1267643,125 817792,5 -935,945 80,945 6552,093025
2 -1087 2333 3420 -879,5 -2189,75 -1263 1925885,125 1110808,5 -1166,785 79,785 6365,646225
3 -2299 1121 3420 -2091,5 -3401,75 -1263 7114760,125 2641564,5 -2372,725 73,725 5435,375625
4 -1988 1432 3420 -1780,5 -3090,75 -1263 5503080,375 2248771,5 -2063,28 75,28 5667,0784
5 10204 13624 3420 10411,5 9101,25 -1263 94757664,38 -13149724,5 10067,76 136,24 18561,3376
6 12959 16379 3420 13166,5 11856,25 -1263 156105315,6 -16629289,5 12808,985 150,015 22504,50022
7 3664 8198 3420 3871,5 3675,25 -1263 14228730,38 -4889704,5 4668,89 -1004,89 1009803,912
8 293 3713 3420 500,5 -809,75 -1263 -405279,875 -632131,5 206,315 86,685 7514,289225
9 -983 2437 3420 -775,5 -2085,75 -1263 1617499,125 979456,5 -1063,305 80,305 6448,893025
10 -3057 363 3420 -2849,5 -4159,75 -1263 11853207,63 3598918,5 -3126,935 69,935 4890,904225
11 -3282 138 3420 -3074,5 -4384,75 -1263 13480913,88 3883093,5 -3350,81 68,81 4734,8161
12 199 3619 3420 406,5 -903,75 -1263 -367374,375 -513409,5 112,785 86,215 7433,026225
13 -4756 1190 5946 -4548,5 -3332,75 1263 15159013,38 -5744755,5 -4739,134 -16,866 284,461956
14 15235 21181 5946 15442,5 16658,25 1263 257245025,6 19503877,5 15151,911 83,089 6903,781921
(33)
17 -3672 2274 5946 -3464,5 -2248,75 1263 7790794,375 -4375663,5 -3660,554 -11,446 131,010916
18 7703 13649 5946 7910,5 9126,25 1263 72193200,63 9990961,5 7657,571 45,429 2063,794041
19 -3870 2076 5946 -3662,5 -2446,75 1263 8961221,875 -4625737,5 -3857,564 -12,436 154,654096
20 -5250 696 5946 -5042,5 -3826,75 1263 19296386,88 -6368677,5 -5230,664 -19,336 373,880896
21 -5944 2 5946 -5736,5 -4520,75 1263 25933282,38 -7245199,5 -5921,194 -22,806 520,113636
22 -4892 1054 5946 -4684,5 -3468,75 1263 16249359,38 -5916523,5 -4874,454 -17,546 307,862116
23 -5921 25 5946 -5713,5 -4497,75 1263 25697894,63 -7216150,5 -5898,309 -22,691 514,881481
24 -5946 0 5946 -5738,5 -4522,75 1263 25953800,88 -7247725,5 -5923,184 -22,816 520,569856
Jumlah -4980 108546 112392 812345771 -41067708 1117969,557
Y X 1 X2
(34)
Dari nilai – nilai diatas dapat diketahui nilai jumlah kuadrat regresi (JKreg),nilai
jumlah kuadrat residu(JKres)sehingga diperoleh nilaiFhitung.
JKreg =b1
å
+å
22 1 b yx
yx
= (0,995)(812.345.771) + (-0.964)(-41.067.708)
= (808.284.042,145) + (39.589.270,512)
=847.873.312,657
Untuk JKres dapat diketahui dari tabel 3.3 seperti dibawah ini :
JKres =
å
= -n i i Y Y 1 2 ) ˆ ( = 1.117.969,557
JadiFhitung dapat dicari dengan rumus dibawah ini :
Fhitung =
1 --k n JK k JK res reg = 1 2 24 557 1.117.969, 2 2,657 847.873.31 -= 646 , 236 . 53 329 , 656 . 936 . 423
(35)
Ftabel =F(a)(k;n-k-1)
= F(0.05)(2;21)
= 3,47
Jadi karena Fhitung > Ftabel yaitu 7.963,249 > 3,47 maka H0 ditolak. Hal ini
berarti persamaan regresi linier ganda Yatas X1 dan X2 bersifat nyata yang berarti
bahwa jumlah produksi padi dan jumlah kebutuhan beras secara bersama – sama
mempengaruhi jumlah ketersediaan beras.
3.1.3 Menentukan Koefisien Korelasi
Dari tabel 3.2 dapat dicari koefisien korelasi antara variabel tak bebas Y dengan
menggunakan rumus:
1
.x y
r =
{
å
-å
å
å å
}{
å å
-}
-) ) ( ( ) ( ) )( ( 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n = ) ) 980 . 4 ( ) 888 . 064 . 850 )( 24 (( ) 546 . 108 ( ) 852 . 294 . 303 . 1 )( 24 ( ) 980 . 4 )( 546 . 108 ( ) 476 . 822 . 789 ( 24 2
2 -
= 0,978
2
.x y
r =
{
å
å
-å
å
}{
å å
å
-}
-) ) ( ( ) ( ) )( ( 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X n = ) ) 980 . 4 ( ) 888 . 064 . 850 )( 24 (( ) 392 . 112 ( ) 792 . 615 . 564 )( 24 ( ) 980 . 4 )( 392 . 112 ( ) 048 . 389 . 64 ( 24 2
2 -
= -0,228
(36)
Perhitungan koefisien korelasi antar variabel bebas
12
r =
{
å
å
-å
}{
å å
å
-å
}
-) ) ( ( ) ( ) )( ( 2 2 2 2 2 1 2 1 2 1 2 1 i i i i i i i i X X n X X n X X X X n = 2 2((24(564.615.792) (112.392))
) 546 . 108 ( ) 852 . 294 . 303 . 1 )( 24 ( ) 392 . 112 )( 546 . 108 ( ) 544 . 155 . 504 ( 24 = -0,024
Berdasarkan perhitungan korelasi antar variabel X1 dan X2 terhadap variabel
Y dapat disimpulkan bahwa :
1. Variabel X1 berkorelasi kuat terhadap Y
2. Variabel X2 berkorelasi lemah terhadap Y
3. Variabel X1 berkorelasi lemah terhadap X2
3.1.4 Uji keberartian koefisien korelasi
Setelah koefisien korelasi diperoleh,maka dibutuhkan suatu pengujian hipotesa
mengenai keberartian koefisien dengan kriteria pengujian :
Tolak H0 jika thitung > ttabel dan terima H0 jika thitung < ttabeldengan ttabel diperoleh
dari tabel tdengan a dan dk =n – k - 1
Untuk melakukan pengujian digunakan rumus :
0 t = 2 1 2 r n r
(37)
1 t = 2 1 2 r n r =
(
)
2978 , 0 1 2 24 978 , 0 = 21,947
Nilai thitung untuk n=24 dan ryx2= -0,228 adalah sebagai berikut :
2 t = 2 1 2 r n r =
(
)
2228 , 0 1 2 24 228 , 0 = -1,098
Untuk taraf nyata α = 0.05 dengan dk = 21 dari daftar distribusi student tnilai tabel
t = 2,08 untuk t1 = 21,947 maka thitung > ttabel sehingga H0 ditolak yang berarti
bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah
ketersediaan beras. Sedangkan untuk t2 = -1,098 maka thitung < ttabel sehingga H0
diterima yang berarti tidak ada hubungan secara dominan antara kebutuhan beras
terhadap jumlah ketersediaan beras.
BAB 4
(38)
4.1 Sekilas Tentang SPSS
SPSS ( Statistical Package For Service Solution ) dibuat pada tahun 1968 oleh
mahasiswa dari Standford University. SPSS pada awalnya merupakan salah satu paket
program olah data statistic yang ditujukan untuk analisis data ilmu-ilmu social, yang
dahulu namanya Social Package For Service Solution. Seiring dengan
perkembangannya, SPSS berubah nama sesuai dengan kebutuhannya. SPSS sudah
mampu memproses data statistic pada berbagai bidang ilmu, baik ilmu sosial maupun
non sosial. Penggunaan SPSS Dimaksudkan untuk melakukan analisis dengan cepat.
4.2 Mengaktifkan SPSS
Klik Tombolstartpada windows, kemudian klikprogram, lalu klik SPSS. Selain cara
(39)
4.3 Membuka lembar Baru
Dari tampilan yang muncul pada start saat membuka SPSS, Pilih type in data untuk
membuat data baru atau dari menu file, pilih new maka akan muncul jendela editor,
kemudian klik data.
4.4 Menamai Variabel
Klik variabel view, yang terletak disebelah kiri bawah jendela editor, lalu lakukan
langkah – langkah sebagai berikut :
1. Name : Ketik nama variabel yang kita inginkan.
2. Type : Sesuaikan type data dengan apa yang kita inginkan.
3. Width : Digunakan untuk menentukan jarak / lembar kolom.
4. Label : Ketikkan nama sesuai dengan identitas dari nama
(40)
5. Value : Digunakan untuk mengisi penjelasan nama ( label )
pada variabel.
6. Missing : Digunakan untuk menjelaskan data yang hilang.
7. Columns : Digunakan untuk menentukan lebar kolom.
8. Align : Digunakan untuk menentukan letak pengisian data,
apakah rata kiri, rata kanan, atau ditengah – tengah
kolom.
9. Measure : Digunakan untuk menentukan jenis data.
Gambar 4.3 Layar kerja Variabel View
4.5 Pengisian Data
1. Aktifkan jendela data dengan mengklik data view, yang terletak disudut kiri
bawah jendela editor.
2. Selanjutnya ketikkan data yang sesuai untuk setiap variabel yang telah
(41)
Gambar 4.4 Data yang diolah
4.6 Pengolahan Data Dengan Persamaan Regresi
1. Tampilkan file yang akan ditentukan oleh persamaan regresi pada jendela
editor yang tampak.
2. Pilih menu analyze, kemudian pilih sub menu Regression dengan cursor, dan
(42)
Gambar 4.5 Pilih Analyze, Regresion, Linier
3. Setelah muncul kotak dialog, kemudian sorot variabel yang menjadi variabel
tidak bebas dan pindahkan ke kotak variabel dependent,demikian juga sorot
variabel independent.
(43)
4. Klik statistic pada kotak dialoglinier regression, aktifkan estimate, model fit,
casewise diagnostics, kemudian klik continiue untuk melanjutkannya.
Gambar 4.7 Kotak dialog Linier Regresion Statistic
5. Kemudian klik plots pada kotak tersebut, pilih Histogram dan Normal
probability plot. Kemudian klikcontinue.
Gambar 4.8 Kotak dialog Linier Regresion Plot
6. Pilih kolom Options dengan mengklik pilihan tersebut.
(44)
Untuk stepping method criteria, digunakan uji F dengan standard eror 0,05.
oleh karena itu angka entry dipilih 0,05. kemudian klik continiue, lalu klik OK
pada kotak dialog linier regression untuk melihat hasilnya / outputnya.
Gambar 4.9 : Kotak Dialog Linier Regresion Options
4.7 Pengolahan Data Dengan Persamaan Korelasi
1. Untuk mengetahui korelasi antara variabel tak bebas dengan variabel bebas
maka lakukan analyze, kemudian pilih sub menu Corelate, kemudian pilih
(45)
Gambar 4.10 Pilih Analyze, correlate, bivariate
2. Setelah muncul kotak dialog, kemudian sorot variebel – variabel yang akan
ditentukan korelasinya dan pindahkan ke kotak variables
3. Pada kolom correlation coefficients, pilih pearson, sedang pada kolom test of
significant, pilih two tailed, lalu klik OK.
(46)
BAB 5
PENUTUP
5.1 Kesimpulan
Berdasarkan analisa yang telah dilakukan, maka dapat diambil beberapa kesimpulan
yaitu:
1. Dari hasil perhitungan diperoleh bahwa persamaan penduga dari
jumlah ketersediaan beras untuk jumlah produksi beras dan jumlah
kebutuhan beras adalah
Yˆ = -191.240+0,995X1+(-0,964)X2 yang berarti bahwa untuk setiap pertambahan X1 ( jumlah produksi beras ) sebesar satu ton,maka rata
-rata ketersediaan beras Yˆ bertambah sebesar 0,995 ton dan setiap
pertambahan X2( kebutuhan beras ) sebesar satu ton,maka rata – rata
ketersediaan berkurang sebesar 0,964 ton.
2. Melalui uji keberartian regresi, dimana α = 0.05 disimpulkan bahwa
0
H ditolak. Hal ini berarti bahwa persamaan regresi linier ganda Yatas
1
X dan X2bersifat nyata yang berarti bahwa jumlah produksi beras
dan jumlah kebutuhan beras secara bersama-sama mempengaruhi
(47)
3. Berdasarkan perhitungan korelasi antara variabel X1 dan X2 terhadap
variabel Y dapat disimpulkan bahwa variabel X1 berkorelasi kuat
terhadap variabel Y, variabel X2 berkorelasi lemah terhadap variabel
Y, dan variabel X1 berkorelasi lemah terhadap variabel X2.
4. Melalui uji keberatian koefisien korelasi, dengan α = 0.05 disimpulkan bahwa untuk t1= 21,843 maka thitung > ttabel sehingga H0 ditolak yang
berarti bahwa ada hubungan secara dominan antara jumlah produksi
beras terhadap jumlah ketersediaan beras. Sedangkan untuk t2 =
-1,098 maka thitung < ttabel sehingga H0 diterima yang berarti bahwa
tidak ada hubungan secara dominan antara jumlah kebutuhan beras
terhadap jumlah ketersediaan beras.
Saran
1. Badan Ketahanan Pangan lebih memperhatikan ketersediaan beras di
Kabupaten Tapanuli Utara, agar daerah tersebut memenuhi kebutuhan beras
di daerah tersebut.
2. Bagi masyarakat Tapanuli Utara lebih memberdayakan areal persawahan
(48)
DAFTAR PUSTAKA
Ahmad Noer. 2004.Statistik Deskriptif dan Probabilita. Yogyakarta: BPFE.
Algifari. 1997.Analisis Regresi. Yogyakarta: BPFE.
Hartono. 2004. Statistika untuk Penelitian. Pekanbaru: Lembaga Studi Filsafat, Kemasyarakatan, Kependidikan dan Perempuan.
Iswandono. 2001.Sekelumit Analisis Regresi dan Korelasi. Yogyakarta: BPFE.
Mulanto, Sri. 2007. Pengolahan Data Statistik dengan SPSS 15.0. Semarang: Andi Offset.
Richard Lungan. 2006.Aplikasi Statistika dan Hitung Peluang. Yogyakarta: Graha Ilmu.
(49)
L
A
M
P
I
R
A
N
(50)
OUTPUT SPSS
Regression
Variables Entered/Removedb
Model Variables Entered
Variables
Removed Method
1 Kebutuhan Beras,
Produksi Berasa . Enter
a. All requested variables entered.
b. Dependent Variable: Ketersediaan Beras
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .999a .999 .999 230.72006
a. Predictors: (Constant), Kebutuhan Beras, Produksi Beras b. Dependent Variable: Ketersediaan Beras
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 8.479E8 2 4.240E8 7.964E3 .000a
Residual 1117866.628 21 53231.744
Total 8.490E8 23
a. Predictors: (Constant), Kebutuhan Beras, Produksi Beras b. Dependent Variable: Ketersediaan Beras
(51)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -191.240 185.395 -1.032 .314
Produksi Beras .995 .008 .973 122.887 .000
Kebutuhan Beras -.964 .037 -.205 -25.857 .000
a. Dependent Variable: Ketersediaan Beras
Casewise Diagnosticsa
Case
Number Std. Residual
Ketersediaan
Beras Predicted Value Residual
7 -4.350 3664.00 4667.5728 -1.00357E3
a. Dependent Variable: Ketersediaan Beras
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value -5.9259E3 1.5150E4 -2.0750E2 6071.72231 24
Residual -1.00357E3 1.51112E2 .00000 220.46065 24
Std. Predicted Value -.942 2.529 .000 1.000 24
Std. Residual -4.350 .655 .000 .956 24
(52)
(53)
(54)
Correlations
Correlations
Ketersediaan
Beras Produksi Beras Kebutuhan Beras
Ketersediaan Beras Pearson Correlation 1 .978** -.228
Sig. (2-tailed) .000 .284
N 24 24 24
Produksi Beras Pearson Correlation .978** 1 -.024
Sig. (2-tailed) .000 .913
N 24 24 24
Kebutuhan Beras Pearson Correlation -.228 -.024 1
Sig. (2-tailed) .284 .913
N 24 24 24
(55)
(56)
(57)
(58)
(1)
(2)
Correlations
Correlations
Ketersediaan
Beras Produksi Beras Kebutuhan Beras
Ketersediaan Beras Pearson Correlation 1 .978** -.228
Sig. (2-tailed) .000 .284
N 24 24 24
Produksi Beras Pearson Correlation .978** 1 -.024
Sig. (2-tailed) .000 .913
N 24 24 24
Kebutuhan Beras Pearson Correlation -.228 -.024 1
Sig. (2-tailed) .284 .913
N 24 24 24
**. Correlation is significant at the 0.01 level (2-tailed).
(3)
(4)
(5)
(6)