Faktor-Faktor Yang Mempengaruhi Produk Domestik Regional Bruto (PDRB) di Kota Medan

PERSETUJUAN

Judul : Faktor-Faktor Yang Mempengaruhi Produk Domestik Regional Bruto (PDRB) Di Kota Medan

Kategori : Tugas Akhir

Nama : Diyah Puspita Sari

Nomor Induk Mahasiswa : 112407062 Program Studi : D3 Statistika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui oleh

Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,

Dr. Faigiziduhu Bu’ulölö, M.Si Prof. Dr. Saib Suwilo, M.Sc NIP. 19531218 198003 1 003 NIP. 19640109 198803 1 004

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DI KOTA MEDAN

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2014

DIYAH PUSPITA SARI 112407062

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Produk Domestik Regional Bruto (PDRB) Di Kota Medan.

Terimakasih penulis sampaikan kepada Bapak Prof. Dr. Saib Suwilo, M.Sc selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda Ir. Mariono Hendro Wibowo dan Ibunda Susi Lawati serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Gambar vii

BAB 1. Pendahuluan 1

1.1. Latar Belakang 1

1.2. Perumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 4

1.6. Lokasi dan Waktu Penelitian 4

1.7. Tinjauan Pustaka 4

1.8. Sistematika Penulisan 6

BAB 2. Landasan Teori 8

2.1. Pengertian Analisis Regresi 8

2.2. Persamaan Regresi 9

2.3. Regresi Linier Berganda 9

2.4. Membentuk Persamaan Regresi Linier Berganda 11

2.5. Kesalahan Standart Estimasi 13

2.6. Koefisien Determinasi 13

2.7. Koefisien Korelasi 14

2.8. Uji Regresi Linier Berganda 16

2.9. Uji Koefisien Regresi Berganda 18

BAB 3. Pengolahan Data 19

3.1. Data dan Pembahasan 19

3.2. Membentuk Persamaan Regresi Linier Berganda 21

3.3. Koefisien Determinasi 23

3.4. Koefisien Korelaasi 23

3.5. Uji Regresi Linier Berganda 24

3.6. Uji Koefisien Regresi Berganda 26

3.6.2. Pengaruh Sektor Industri Pengolahan (X1) Terhadap 27

PDRB (Y)

3.6.3. Pengaruh Sektor Industri Pengolahan (X1) Terhadap 28

PDRB (Y)

BAB 4. Kesimpulan Dan Saran 30

4.1. Kesimpulan 30

4.2. Saran 31

Daftar Pustaka Lampiran

DAFTAR TABEL

Nomor Judul Halaman

Tabel

2.1 Interpretasi Koefisien Korelasi Nilai r 16

3.1. Data Pendapatan di Sektor Pertanian, Industri 19 Pengolahan, Perdagangan dan Pendapatan Regional

Kota Medan Tahun 2002-2012

3.2 CoefficientsaUntuk Menentukan Persamaan Regresi 22 Linier Berganda

3.3 Model Summary untuk Menentukan Koefisien Determinasi 23 3.4 Correlations untuk Menentukan Koefisien Korelasi 23

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

3.1 Tampilan Kotak Dialog Linier Regression 20

3.2 Tampilan Jendela Statistik Regresi Linier 21

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pendapatan regional didefinisikan sebagai nilai produksi barang-barang dan jasa-jasa yang diciptakan dalam suatu perekonomian di dalam suatu wilayah selama satu tahun (Sukirno, 1985). Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun pendapatan rata-rata masyarakat pada wilayah tersebut. Salah satu indikator penting untuk mengetahui kondisi suatu daerah dalam suatu periode tertentu adalah data Produk Domestik Regional Bruto (PDRB), baik atas dasar harga berlaku maupun atas dasar harga konstan.

Produk domestik regional bruto (PDRB) adalah produksi yang dihasilkan penduduk di daerah tertentu dalam jangka waktu satu tahun. PDRB merupakan salah satu indikator keberhasilan pembangunan ekonomi (Untoro dkk, 2004). Perhitungan/penyusunan publikasi PDRB bertujuan untuk mengetahui gambaran ekonomi makro secara sektoral sebagai hasil pelaksanaan pembangunan khususnya pembangunan bidang ekonomi di kota Medan yang sangat diperlukan oleh pemerintah maupun kalangan lainnya. PDRB juga merupakan tujuan perhitungan pendapatan regional. Dengan tersedianya pendapatan regional secara berkala kita dapat mengetahui seberapa besar tingkat pertumbuhan ekonomi suatu daerah, tingkat kemakmuran suatu daerah, tingkat inflasi dan deflasi, dan gambaran struktur perekonomian.

Dalam PDRB terdabat beberapa sektor yang mempengaruhi, antara lain sektor Pertanian, Pertambangan, Listrik , Gas & Air Minum, Bangunan, Industri pengolahan, Perdagangan, Hotel dan Restoran, Pengangkutan & Komunikasi, Keuangan, Persewaan dan Jasa, dan Jasa-jasa. Di Sumatera Utara kontribusi sektor pertanian (terutama perkebunan) terhadap PDRB cukup besar yakni sekitar 37 persen, diikuti oleh sektor perdagangan dan industri yang masing-masing sekitar 17 persen (Wiranta, 1996). Melihat keadaan yang ada, penulis mengambil 3 variabel yang dijadikan sandaran untuk melihat faktor-faktor yang paling berpengaruh terhadap PDRB kota Medan.

Untuk mengetahui apakah sektor pertanian, industri pengolahan dan perdagangan mempengaruhi pendapatan regional di daerah kota Medan maka penulis mengusulkan judul tugas akhir yaitu “Faktor-Faktor Yang Mempengaruhi Produk Domestik Regional Bruto (PDRB) Di Kota Medan”.

Penulis menggunakan teknik analisis regresi linier untuk melihat seberapa besar pengaruh PDRB di kota Medan. Di beberapa literatur yang ada, khususnya buku-buku yang berkenaan dengan statistik, regresi linier menyatakan perubahan itu disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan kita untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya. Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah adalah analisis regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam

analisis regresi menggunakan persamaan regresi hingga didapat sebuah kesimpulan yang dapat diinterpretasikan mengenai masalah yang diidentifikasi.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, perumusan masalah penelitian adalah mencari seberapa besar nilai pengaruh dan mana yang lebih dominan berpengaruh antara sektor pertanian, industri pengolahan dan perdagangan terhadap produk domestik regional bruto di daerah kota Medan.

1.3 Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti pengaruh PDRB kota Medan dengan faktor-faktor yang mempengaruhi yaitu pertanian, industri pengolahan dan perdagangan. Data kuantitatif yang digunakan adalah data pendapatan di bidang pertanian, industri pengolahan, perdagangan dan pendapatan regional kota Medan dari tahun 2002 sampai tahun 2012.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk membuktikan secara empiris seberapa besar pengaruh pendapatan di sektor pertanian, industri pengolahan dan perdagangan terhadap produk domestik regional bruto kota Medan.

1.5 Manfaat Penelitian

Kontribusi yang dapat diambil dari penelitian ini adalah :

1. Kontribusi empiris pada pengaruh pendapatan di sektor pertanian, industri pengolahan dan perdagangan terhadap produk domestik regional bruto kota Medan.

2. Konstribusi kebijakan untuk memberikan masukan bagi pemerintah pusat maupun daerah dalam hal penyusunan kebijakan di masa yang akan datang. 3. Konstribusi teori sebagai bahan referensi dan data tambahan bagi

peneliti-peneliti lainnya yang tertarik pada bidang kajian ini.

1.6 Lokasi dan Waktu Penelitian

Penelitian dan riset data dilakukan penulis di Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Pengambilan data dan riset dilakukan pada tanggal 10, 11, dan 17 Maret 2014.

1.7 Tinjauan Pustaka

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

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis

dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi.

Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dengan variabel independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

Untuk memperkirakan atau meramalkan niai variabel Y (dependent variable), akan lebih baik apabila kita ikut memperhitungkan variabel-variabel lain yang ikut mempengaruhi Y. Dengan demikian, kita mempunyai hubungan antara satu variabel tidak bebas Y dengan beberapa variabel lain yang bebas (independent variable) (Supranto, 2009).

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

Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabelbebas (variabel predictor) dan variabel tidak bebas (variabel respon). Variabel yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tidak bebas(Sudjana, 2001).

Setelah mengetahui hubungan fungsional antara variabel-variabeldimana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabelvariabel itu.

Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut.

Studi yang membahas derajat hubunan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi (Iswardono, 1981). Jika kenaikan didalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positip. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatip. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan.

1.8 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dalam tugas akhir ini. Dalam penyusunan tugas akhir ini penulis membagi enam bab di mana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika penulisannya adalah sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang masalah, rumusan masalah, batasan masalah, tujuan, manfaat, metode penelitian dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi, regresi linier berganda, uji regresi linier berganda dan korelasi regresi linier ganda serta uji koefisien regresi linier berganda.

BAB 3 : PENGOLAHAN DATA

Bab ini menguraikan pengolahan data dengan menggunakan metode analisis regresi linier berganda dengan menggunakan program SPSS (Statistic Product and Service Solution).

BAB 4 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan kesimpulan dari pembahasan serta saran-saran penulis berdasarkan kesimpulan yang di dapat.

BAB 2

LANDASAN TEORI

2.1 Pengertian Analisis Regresi

Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor (variabel independent) dengan variabel outcome (variabel dependen) untuk mengetahui bentuk hubungan variabel-variabel tersebut (Yasril, 2009). Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan). Jadi dengan analisis regresi, peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat pula. Karena merupakan suatu prediksi, maka nilai prediksi tidak selalu tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang dibentuk.

Dapat disimpulkan bahwa analisis regresi adalah metode statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan antara variabelvariabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.

2.2 Persamaan Regresi

Persamaan Regresi adalah suatu persamaan matematis yang mendefenisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel yang nilainya belum diketahui.

Sifat hubungan antara variabel dalam persamaan regresi merupakan hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi dalam mejelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan penganalisisan data untuk mengetahui apakah variabel-variabel tersebut berkorelasi. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan variabel bebas (independent variabel), sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variabel).

2.3 Regresi Linier Berganda

Selain hubungan linier dua variabel (regresi linier sederhana), hubungan linier lebih dari dua variabel dapat juga terjadi. Pada hubungan ini, perubahan satu variabel dipengaruhi oleh lebih dari satu variabel lain. Maka regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variable dependent) dengan faktor-faktor yang mempengaruhi lebih dari satu predaktor (variable independent).

Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih terhadap variabel terikatnya. Dengan demikian multiple regression (regresi berganda) digunakan untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian, tentu saja jika diarahkan untuk menguji variabel-variabel yang ada (Supranto, 2009).

Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai Y atas nilai X. Bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu :

= + + + + + + (2.1)

Model di atas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak mengetahui regresi populasi untuk keperluan analisis, variabel bebas akan dinyatakan dengan _{, , . . . ,} ( 1) sedangkan variabel tidak bebas dinyatakan dengan Y.

= + + + + + (2.2)

dengan: = variabel tidak bebas (dependent) = pengamatan ke-i pada variabel bebas

, , , =koefisien regresi

2.4 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel tak bebas (Y), tergantung kepada dua atau lebih variabel bebas (X). Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu :

= + + + + + (2.3)

dengan: = Variabel terikat (dependen)

, , , , . . . , = koefisien regresi

, , , . . . , = Variabel bebas (independen)

= kesalahan pengganggu (disturbance terma), artinya nilai–nilai dari variabel lain yang tidak dimasukkan dalam persamaan. Nilai ini biasanya tidak dihiraukan dalam perhitungan.

Untuk hal ini, penulis menggunakan regresi linier berganda dengan empat variabel, yaitu satu variabel tak bebas (dependent variable) dan tiga variabel bebas (independent variable). Bentuk umum persamaan regresi linier berganda tersebut yaitu :

= + + + (2.4)

Nilai dari koefisien , , , dapat ditentukan dengan rumus dan persamaan sebagai berikut:

= + +

=

(2.6)

= ( )( ) (2.7)

= ( )( ) (2.8)

= ( )( ) (2.9)

= ( ) (2.10)

= ( ) (2.11)

= ( ) (2.12)

= ( )( ) (2.13)

= ( )( ) (2.14)

= ( )( ) (2.15)

(Hasan, 2002). Untuk mencari harga , , , dapat digunakan metode eliminasi dari persamaan (2.5) diatas.

Harga-harga , , , yang telah didapat kemudian disubstitusikan ke dalam persamaan (2.4) sehingga diperoleh model regresi linier berganda atas

, dan . Dalam persamaan model regresi linier yang diperoleh, maka antara nilai dan akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.

2.5 Kesalahan Standart Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan rumus:

, , ,

=

( ) (2.16)

dengan: _{, , ,} = Kesalahan baku = nilai data sebenarnya = nilai taksiran

= banyak ukuran sampel = banyak variabel bebas

2.6 Koefisien Determinasi

Koefisien determinasi merupan nilai yang menyatakan besarnya keterandalan model, yaitu menyatakan besarnya variasi Y yang dapat diterangkan oleh X menurut persamaan yang diperoleh (Santoso, 1992). Koefisien determinasi digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel.

Nilai koefisien determinasi menunjukkan persentase variasi nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi yang dihasilkan. Koefisien determinasi yang dinyatakan dengan untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabelvariabel bebas (X) yang ada dalam model persamaan regresi linier berganda secara bersama-sama. Maka akan ditetukan dengan rumus, yaitu:

=

(2.17)

dengan: = Jumlah Kuadrat Regresi

= _{1 1} + _{2 2} + + (2.18)

Harga yang diperoleh sesuai dengan variansi yang dijelaskan masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (bersifat nyata).

2.7 koefisien korelasi

Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti, untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas, atau antara variabel bebas itu sendiri. Korelasi linier

berganda merupakan alat ukur mengenai hubungan yang terjadi antara variabel terikat dan dua atau lebih variabel bebas (Hasan, 2002).

Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Besarnya hubungan antara variabel yang satu dengan variabel yag lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “r” yang besarnya adalah akar koefisien determinasi. Atau secara matematis dapat ditulis sebagai berikut:

= (2.19)

Koefisien korelasi (r) dapat digunakan untuk:

1. Mengetahui keeratan hubungan (korelasi linier) antara dua variabel. 2. Mengetahui arah hubungan antara dua variabel.

Sandaran nilainya adalah, -1≤ ≤ 1. Semakin tinggi nilai koefisien korelasi (semakin mendekati 1) maka hubungan antara dua variabel tersebut semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya semakin rendah. Sedangkan apabila dua buah variabel mempunyai r = 2 1, maka dua buah variabel tersebut mempunyai hubungan yang sempurna.

Besarnya hubungan antara variabel yang satu dengan yang lain (koefisien korelasi) selain diturunkan dari koefisien determinasi ( ), dapat pula ditentukan dengan menggunakan formulasi sebagai berikut:

=

( )( )

( ( ) )( ( ) )

(2.20)

dimana: = koefisien korelasi antara Y dan X = Variabel bebas (independen) = Variabel terikat (dependen)

Tabel 2.1. : Interpretasi Koefisien Korelasi Nilai r

R Interpretasi

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

1

Tidak berkorelasi Sangat rendah

Rendah Agak rendah

Cukup Tinggi Sangat tinggi

2.8 Uji Regresi linier Berganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya adalah sebagai berikut:

1. Menentukan formulasi hipotesis

: = = = = = 0( , , , tidak mempengaruhi

: minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi Y.

2. Penentuan nilai kritis. Nilai kritis dalam pengujian hipotesis terhadap koefisien regresi dapat ditentukan dengan menggunakan tabel distribusi F dengan memperhatikan tingkat signifikan (α) dan banyaknya sampel digunakan serta nilai dengan derajat kebebasan = dan

= 1

3. Menentukan kriteria pengujian diterima bila Fhitung ≤ Ftabel ditolak bila Fhitung > Ftabel

4. Menentukan nilai statistik F dengan rumus :

= _/( / ₎

(2.21) dimana:

= jumlah kuadrat regresi = jumlah kuadrat residu (sisa)

1= derajat kebebasan

= + + +

= ( )

2.9 Uji Koefisien Regresi Berganda

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

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut : 1. Menentukan formulasi hipotesis

: = = = = 0 ( , , , tidak mempengaruhiY)

: 0 (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhiY).

2. Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk

yaitun_–k_–1maka di peroleh _{( ; )}. 3. Menentukan kriteria pengujian

diterima bila

ditolak bila >

4. Menentukan nilai statistikthitungdengan rumus : =

BAB 3

PENGOLAHAN DATA

3.1 Data dan Pembahasan

Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara mengenai produk domestik regional bruto kota Medan tahun 2002 s/d 2012, dan beberapa variabel yang dianggap mempengaruhi produk domestik regional bruto yaitu: sektor pertanian, sektor industri pengolahan dan sektor perdagangan.

Tabel 3.1 Data Pendapatan di Sektor Pertanian, Industri Pengolahan, Perdagangan dan PDRB Kota Medan Tahun 2002-2012

Tahun PDRB (Jutaan rupiah) Pertanian (Jutaan rupiah) Industri Pengolahan (Jutaan rupiah) Perdagangan (Jutaan rupiah) 2002 19.660.542,50 810.011,06 3.957.938,12 6.788.650,51 2003 22.542.021,05 888.269,18 4.265.965,28 7.841.083,41 2004 26.379.403.23 998.206,21 4.858.025,89 9.343.861,13 2005 42.792.450,19 1.306.921,44 7.094.919,38 11.271.818,27 2006 48.849.946,89 1.427.430,11 7.960.595,91 12.692.841,73 2007 55.455.584,62 1.577.838,36 9.029.327,78 14.106.440,58 2008 65.221.770,00 1.870.620,00 10.420.820,00 16.917.910,00 2009 72.630.208,14 2.023.057,29 10.860.498,52 19.502.959,16 2010 83.315.016,03 2.225.319,51 12.475.525,44 22.431.933,66 2011 93.610.757,40 2.340.771,21 13.464.885,26 24.263.410,06 2012 105.400.442,18 2.579.127,20 14.567.460,19 26.892.959,91

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t

Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -8279.087 3378980.720 -2.450 .044

X1 -14.993 16.685 -.315 -8.99 .399 .002 452.601

X2 6.448 2.064 .824 3.124 .017 .004 255.915

X3 2.089 .668 .493 3.128 .017 .011 91.565

a. b. Dependent Variable: Y

Tabel 3.2 CoefficientsaUntuk Menentukan Persamaan Regresi Linier Berganda

tabel 3.2 diperoleh :

a = -8279,087

b1= -14,993

b2= 6,448

b3= 2,089

Maka persamaan regresi linier bergandanya adalah :

= + + +

3.3 Koefisien Determinasi

Untuk menentukan koefisien determinasi dilihat dari hasil output pengolahan data pada tabel 3.1 yaitu tabel Model Summary.

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .999a .998 .997 1.51703E6 1.974

a. Predictors: (Constant), X3, X2, X1

b. Dependent Variable: Y

Tabel 3.3 Model Summary untuk Menentukan Koefisien Determinasi

Tabel Model Summary menunjukkan nilai koefisien korelasi (R) yaitu sebesar 0,999. Sedangkan koefisien determinasinya R2 = 0,998. Artinya 99,8% PDRB di Kota Medan dipengaruhi oleh ketiga faktor yang dianalisis, sedangkan 0,2% sisanya dipengaruhi oleh faktor lain.

3.4 Koefisien Korelasi

Untuk menentukan koefisien korelasi dilihat dari hasil output pengolahan data pada tabel 3.1 yaitu tabel Correlations.

Correlations

Y X1 X2 X3

Pearson Correlation Y 1.000 .997 .997 .995

X1 .997 1.000 .998 .994

X2 .997 .998 1.000 .989

Sig. (1-tailed) Y . .000 .000 .000

X1 .000 . .000 .000

X2 .000 .000 . .000

X3 .000 .000 .000 .

N Y 11 11 11 11

X1 11 11 11 11

X2 11 11 11 11

X3 11 11 11 11

Tabel 3.4 Correlations untuk Menentukan Koefisien Korelasi

Tabel Pearson Correlations memaparkan nilai koefisien korelasi antara variabel Y (PDRB) dengan variabel X1 (sektor pertanian) sebesar 0,997. koefisien korelasi antara variabel Y (PDRB) dengan variabel X2(sektor industri pengolahan) sebesar 0,997. Dan koefisien korelasi antara variabel Y (PDRB) dengan variabel X3 (sektor perdagangan) sebesar 0,995. Hubunghan antara variabel Y terhadap X1, X2, dan X3 tergolong tinggi, ditandai dengan tingginya nilai korelasi yang diperoleh.

3.5 Uji Regresi Linier Berganda

Pengujian hipotesa dalam regersi linier berganda perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.

1. Menentukan formulasi hipotesis

: Tidak terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat.

: Terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat.

2. Mencari nilaiFtabeldari Tabel DistribusiF

Dengan taraf nyata α = 0,05 dan nilaiFtabeldengandkpembilang (v1) =k dan

dk penyebut (v2) = n – k – 1 = 11 – 3 – 1 = 7, maka di peroleh ; ( ) =

4,35

3. Menentukan kriteria pengujian

diterima bila

ditolak bila >

Untuk menentukan uji F dilihat dari hasil output pengolahan data pada tabel 3.1 yaitu tabel ANOVAb.

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 8.454E15 3 2.818E15 1224.472 .000a

Residual 1.611E13 7 2.301E12

Total 8.470E15 10

a. Predictors: (Constant), X3, X2, X1

b. Dependent Variable: Pendapatan_Regional

Tabel 3.5 ANOVAbuntuk Menentukan Fhitung

Untuk ,yaitunilai statistik F jika dilihat dari tabel distribusi F dengan

derajat kebebasan pembilang V1= k yaitu 3 dan penyebut V2= n–k–1 yaitu 7, dan =

5% = 0,05 maka :

= ( )( : )

= ( , )( ; )

= 4,35

Dengan demikian dapat kita lihat bahwa nilai (1224.472) >

(4,35), maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa terdapat pengaruh yang signifikan antara sektor pertanian, industri pengolahan dan perdagangan terhadap PDRB kota Medan.

3.6 Uji Koefisien Regresi Berganda

Dari Tabel 3.2 dapat diketahui nilai thitung, kemudian proses selanjutnya dapat dilakukan pengujian sebagai berikut :

3.6.1 Pengaruh Sektor Pertanian (X1) Terhadap PDRB (Y)

1. Menentukan formulasi hipotesis

: Tidak ada pengaruh antara Sektor Pertanian terhadap PDRB di Kota Medan

: Ada pengaruh antara Sektor Pertanian terhadap PDRB di Kota Medan

2. Mencari nilaittabeldari Tabel Distribusit

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk

yaitu n _– k _– 1 = 11 – 3 – 1 = 7, maka diperoleh _{( ; )} = _{( , ; )} =

3. Menentukan kriteria pengujian diterima bila

ditolak bila > 4. Uji Statistik (thitung)

thitung= -0,899

Karenathitung(-0,899)<ttabel(2,36) maka H0diterima. 5. Kesimpulan

Tidak ada pengaruh antara Sektor Pertanian terhadap PDRB di Kota Medan.

3.6.2 Pengaruh Sektor Industri Pengolahan (X_{2) Terhadap PDRB (}Y₎

1. Menentukan formulasi hipotesis

: Tidak ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di Kota Medan

: Ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di Kota Medan

2. Mencari nilaittabeldari Tabel Distribusit

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk

yaitu n _– k _– 1 = 11 – 3 – 1 = 7, maka diperoleh _{( ; )} = _{( , ; )} =

2,36.

3. Menentukan kriteria pengujian diterima bila

4. Uji Statistik (thitung)

thitung= 3,124

Karenathitung(3,124)>ttabel(2,36) maka H0ditolak. 5. Kesimpulan

Ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di Kota Medan.

3.6.3 Pengaruh Sektor Perdagangan (X3) Terhadap PDRB (Y)

1. Menentukan formulasi hipotesis

: Tidak ada pengaruh antara Sektor Perdagangan terhadap PDRB di Kota Medan

: Ada pengaruh antara Sektor Industri Perdagangan terhadap PDRB di Kota Medan

2. Mencari nilaittabeldari Tabel Distribusit

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk

yaitu n _– k _– 1 = 11 – 3 – 1 = 7, maka diperoleh _{( ; )} = _{( , ; )} =

2,36.

3. Menentukan kriteria pengujian diterima bila

ditolak bila > 4. Uji Statistik (thitung)

thitung= 3,128

5. Kesimpulan

Ada pengaruh antara Sektor Perdagangan terhadap PDRB di Kota Medan.

BAB 4

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai berikut:

1. Persamaan regresi linier berganda yang diperoleh adalah: = 8.279,087

14,997 X₁+ 6,449 X₂+ 2,089 X₃. Ini berarti jika nilai X1 bertambah maka akan cenderung menurun dan pada saat X2 dan X3 bertambah maka akan cenderung bertambah.

2. Koefisien determinasi ( ) sebesar 0,9981 berarti sekitar 99,8% produk domestik regional bruto kota Medan dipengaruhi oleh sektor pertanian, industri pengolahan dan perdagangan dan 0,2% dipengaruhi oleh faktor lain.

3. Karena Fhitung> Ftabel maka H0ditolak. Hal ini menunjukkan bahwa minimal ada parameter koefisien regresi yang tidak sama dengan nol atau pendapatan sektor pertanian, industri pengolahan dan perdagangan mempunyai pengaruh terhadap produk domestik regional bruto kota Medan.

4. Uji t menunjukkan bahwa terdapat hubungan yang signifikan antara sektor industri pengolahan dan sektor perdagangan terhadap produk domestik regional bruto, dan tidak terdapat hubungan yang signifikan antara sektor pertanian terhadap produk domestik regional bruto.

5. Berdasarkan gambar histogram dan normal P-P Plot of Regression Standardlized Residual pada lampiran dapat juga dipastikan bahwa model regresi tersebut memenuhi asumsi normalitas.

4.2 Saran

Penulis memberikan beberapa saran terhadap hasil penelitian sebagai berikut: 1. Sektor pertanian di Kota Medan tidak dapat ditingkatkan karena rendahnya

hasil pertanian di kota Medan dan banyaknya lahan yang dijadikan pusat pertokoan sehingga mengurangi lahan pertanian. Jika pemerintah meningkatkan di sektor pertanian tidak akan meningkatkan produk domestik regionall bruto Kota Medan.

2. Peningkatan sektor industri pengolahan dan perdagangan perlu di tingkatkan untuk meningkatkan produk domestik regional bruto kota Medan.

3. Penulis menyarankan agar metode analisis regresi dapat dipergunakan sebaik-baiknya, baik dalam lingkungan pendidikan ataupun lingkungan masyarakat luas, guna kepentingan analisis yang sangat diperlukan dalam mengambil sebuah keputusan.

Algifari. 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.

Ardiningsih, Sri. 1999. Statistik. BPFE. Yogyakarta.

Hamang, Abdul. 2005. Metode Statistika. Graha Ilmu. Yogyakarta.

Hasan, Ir.M.Iqbal. 2002. Pokok-Pokok Statistik 2. Bumi Aksara. Jakarta.

Santoso, Ratno Dwi, dan Mustadjab Hary Kusnadi. 1992. Analisis Regresi. Andi Offset. Yogyakarta.

Sudjana. 2005. Metode Statistika. Tarsito. Bandung.

Supranto, J. 2009. Teori Dan Aplikasi. PT.Gelora. Jakarta.

Trihendradi, C. 2012. Step by Step SPSS 20 Analisis Data Statistik. Andi. Yogyakarta.

Yamin, Sofyan, Lien A. Rachmach dan Heri Kurniawan. 2011. Regresi Dan Korelasi Dalam Genggaman Anda. Salemba Empat. Jakarta.

Yasril, dan Heru Subaris Kasjono. 2009. Analisis Multivariat. Mitra Cendikia Offset. Jogjakarta.

3. Menentukan kriteria pengujian diterima bila

ditolak bila > 4. Uji Statistik (thitung)

thitung= -0,899

Karenathitung(-0,899)<ttabel(2,36) maka H0diterima. 5. Kesimpulan

Tidak ada pengaruh antara Sektor Pertanian terhadap PDRB di Kota Medan.

3.6.2 Pengaruh Sektor Industri Pengolahan (X_{2) Terhadap PDRB (}Y₎

1. Menentukan formulasi hipotesis

: Tidak ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di Kota Medan

: Ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di Kota Medan

2. Mencari nilaittabeldari Tabel Distribusit

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk

yaitu n _– k _– 1 = 11 – 3 – 1 = 7, maka diperoleh _{( ; )} = _{( , ; )} =

2,36.

3. Menentukan kriteria pengujian diterima bila

4. Uji Statistik (thitung)

thitung= 3,124

Karenathitung(3,124)>ttabel(2,36) maka H0ditolak. 5. Kesimpulan

Ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di Kota Medan.

3.6.3 Pengaruh Sektor Perdagangan (X_{3) Terhadap PDRB (}Y₎

1. Menentukan formulasi hipotesis

: Tidak ada pengaruh antara Sektor Perdagangan terhadap PDRB di Kota Medan

: Ada pengaruh antara Sektor Industri Perdagangan terhadap PDRB di Kota Medan

2. Mencari nilaittabeldari Tabel Distribusit

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk

yaitu n _– k _– 1 = 11 – 3 – 1 = 7, maka diperoleh _{( ; )} = _{( , ; )} =

2,36.

3. Menentukan kriteria pengujian diterima bila

5. Kesimpulan

Ada pengaruh antara Sektor Perdagangan terhadap PDRB di Kota Medan.

BAB 4

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai berikut:

1. Persamaan regresi linier berganda yang diperoleh adalah: = 8.279,087 14,997 X₁+ 6,449 X₂+ 2,089 X₃. Ini berarti jika nilai X1 bertambah maka akan

cenderung menurun dan pada saat X2 dan X3 bertambah maka akan cenderung bertambah.

2. Koefisien determinasi ( ) sebesar 0,9981 berarti sekitar 99,8% produk domestik regional bruto kota Medan dipengaruhi oleh sektor pertanian, industri pengolahan dan perdagangan dan 0,2% dipengaruhi oleh faktor lain.

3. Karena Fhitung> Ftabel maka H0ditolak. Hal ini menunjukkan bahwa minimal ada parameter koefisien regresi yang tidak sama dengan nol atau pendapatan sektor pertanian, industri pengolahan dan perdagangan mempunyai pengaruh terhadap produk domestik regional bruto kota Medan.

5. Berdasarkan gambar histogram dan normal P-P Plot of Regression Standardlized Residual pada lampiran dapat juga dipastikan bahwa model regresi tersebut memenuhi asumsi normalitas.

4.2 Saran

Penulis memberikan beberapa saran terhadap hasil penelitian sebagai berikut: 1. Sektor pertanian di Kota Medan tidak dapat ditingkatkan karena rendahnya

hasil pertanian di kota Medan dan banyaknya lahan yang dijadikan pusat pertokoan sehingga mengurangi lahan pertanian. Jika pemerintah meningkatkan di sektor pertanian tidak akan meningkatkan produk domestik regionall bruto Kota Medan.

2. Peningkatan sektor industri pengolahan dan perdagangan perlu di tingkatkan untuk meningkatkan produk domestik regional bruto kota Medan.

3. Penulis menyarankan agar metode analisis regresi dapat dipergunakan sebaik-baiknya, baik dalam lingkungan pendidikan ataupun lingkungan masyarakat luas, guna kepentingan analisis yang sangat diperlukan dalam mengambil sebuah keputusan.

Algifari. 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.

Ardiningsih, Sri. 1999. Statistik. BPFE. Yogyakarta.

Hamang, Abdul. 2005. Metode Statistika. Graha Ilmu. Yogyakarta.

Hasan, Ir.M.Iqbal. 2002. Pokok-Pokok Statistik 2. Bumi Aksara. Jakarta.

Santoso, Ratno Dwi, dan Mustadjab Hary Kusnadi. 1992. Analisis Regresi. Andi Offset. Yogyakarta.

Sudjana. 2005. Metode Statistika. Tarsito. Bandung.

Supranto, J. 2009. Teori Dan Aplikasi. PT.Gelora. Jakarta.

Trihendradi, C. 2012. Step by Step SPSS 20 Analisis Data Statistik. Andi. Yogyakarta.

Yamin, Sofyan, Lien A. Rachmach dan Heri Kurniawan. 2011. Regresi Dan Korelasi Dalam Genggaman Anda. Salemba Empat. Jakarta.

Yasril, dan Heru Subaris Kasjono. 2009. Analisis Multivariat. Mitra Cendikia Offset. Jogjakarta.