Analisis Terhadap Jumlah Produksi Beras Luas Panen Dan Kebutuhan Beras Di Propinsi Sumatera Utara Pada Tahun 2000 - 2008

ANALISIS TERHADAP JUMLAH PRODUKSI BERAS LUAS PANEN DAN KEBUTUHAN BERAS DI PROPINSI SUMATERA UTARA

PADA TAHUN 2000 - 2008

TUGAS AKHIR OLEH

RIANG ENJELITA NDRURU NIM : 082407035

PROGRAM STUDI D-III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

ANALISIS TERHADAP JUMLAH PRODUKSI BERAS LUAS PANEN DAN KEBUTUHAN BERAS DI PROPINSI SUMATERA UTARA

PADA TAHUN 2000 - 2008

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

OLEH

RIANG ENJELITA NDRURU NIM : 082407035

PROGRAM STUDI D-III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

PERSETUJUAN

Judul : ANALISIS TERHADAP JUMLAH PRODUKSI BERAS LUAS PANEN DAN KEBUTUHAN BERAS DI PROPINSI SUMATERA UTARA

PADA TAHUN 2000 - 2008

Kategori : TUGAS AKHIR

Nama : RIANG ENJELITA NDRURU

Nomor Induk Mahasiswa : 082407035

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMETIKA

Fakultas : MATEMETIKA DAN ILMU PENGETAHUAN ALAM

(FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Juni 2011

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU Pembimbing

Prof. Dr. Tulus, MSi Drs. Ujian Sinulingga, M.Si

NIP. 19620901 198803 1 002 NIP. 19560303 198403 1 004

PERNYATAAN

ANALISIS TERHADAP JUMLAH PRODUKSI BERAS, LUAS PANEN DAN KEBUTUHAN BERAS DI PROPINSI SUMATERA

UTARA PADA TAHUN 2000-2008

TUGAS AKHIR

Saya mengetahui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing – masing disebut sumbernya.

Medan, Juni 2011

RIANG ENJELITA NDRURU 082407035

PENGHARGAAN

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karna berkat rahmat dan bimbingan-Nya penulis dapat menyelesaikan Tugas Akhir ini yang diajukan guna memenuhi salah satu syarat untuk menyelesaikan pendidikan pada Program Studi D-III Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara Medan.

Pada kesempatan ini penulis menyampaikan ucapan terima kasih kepada:

1. Bapak Drs.Ujian Sinulingga, M.Si selaku dosen pembimbing yang telah memberikan bimbingan dan pengarahan kepada penulis dalam menyelesaikan Tugas Akhir ini.

2. Bapak Drs. Faigiziduhu Bu’ulölö, M.Si dan Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D III Statistika FMIPA USU.

3. Bapak Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA Universitas Sumatera Utara.

4. Bapak Dr. Sutarman, M.Sc selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara Medan.

5. Ibu dr. Kanserina E. Dachi, SpPD atas dukungannya baik secara moril maupun materil, inspirasi, serta doa yang dapat membuat penulis tetap semangat dalam menyelesaikan Tugas Akhir.

6. Kedua orang tua saya tercinta mengucapkan terima kasih yang sebesar-besarnya, karena atas dukungannya baik secara moril maupun materil serta doa restunya yang selalu mengiringi penulis, dan semua saudara saya yang telah memberi nasehat, dukungan.

7. Kepada semua teman – teman angkatan ’08 yang sudah banyak membantu dan memberikan semangat buat penulis sehingga penulis dapat menyelesaikan Tugas Akhir ini.

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI vi

DAFTAR TABEL DAFTAR GAMBAR

BAB 1 PENDAHULUAN 1

1.1Latar Belakang 1

1.2Rumusan Masalah 2

1.3Batasan Masalah 3

1.4Tujuan dan Manfaat Penelitian 3

1.5Metodologi Penelitian 4

1.6Tinjauan Pustaka 5

1.7Sistematika Penulisan 6

BAB 2 LANDASAN TEORI

2.1 Defenisi Analisis Regresi dan Korelasi 7

2.2 Analisis Regresi Sederhana dan Berganda 7

2.2.1 Analisis Regresi Sederhana 7

2.2.2 Analisis Regresi Berganda 9

2.3 Uji Regresi Linier Berganda 10

2.4 Analisis Korelasi Sederhana dan Berganda

2.4.1 Analisis Korelasi Sederhana 13

2.3.2 Analisis Korelasi Berganda 13

14 BAB 3 TNJAUAN UMUM TEMPAT RISET

3.1 Sejarah Singkat Badan Ketahanan Pangan Propinsi Sumatera Utara 16 3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi 16

SumateraUtara, Medan. 17

3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan untuk

Peningkatan Pangan 18

BAB 4 ANALISIS DAN EVALUASI 22

4.1 Data Jumlah Produksi Beras, Luas Panen dan Jumlah Kebutuhan

Beras di Propinsi Sumatera Utara Pada Tahun 2000 – 2008. 22 4.2 Analisis Korelasi Sederhana dan Berganda 26

4.3 Analisis Regresi Linier Berganda 28

4.4 Uji Persamaan Linier Berganda 30

4.5 Standard Error of Estimate 32

4.7 Uji Asumsi dalam Model Regresi 33

4.8 Uji Koefisien Model Regresi Berganda 37

4.9 Uji Kelayakan Model Regresi 38

BAB 5 IMPLEMENTASI SISTEM 40

5.1 Pengertian Implementasi Sistem 40

5.2 Pengertian SPSS 40

5.3 Langkah – langkah Pengolahan Data dengan SPSS 41

BAB 6 KESIMPULAN DAN SARAN 46

6.1 Kesimpulan 46

6.2 Saran 47

DAFTAR PUSTAKA 48

LAMPIRAN 49

DAFTAR TABEL

Halaman

Tabel 2.1 Tingkat Hubungan Nilai r 8

Tabel 2.2 ANAVA 14

Tabel 4.1 Data Jumlah Produksi Beras, Luas Panen, dan Jumlah Kebutuhan Beras di Propinsi Sumatera Utara pada tahun 2000–2009 22 Table 4.2 Hasil Perhitungan Regresi dan Korelasi 23

Tabel 4.3 Variansi dan Standar Deviasi 24

Tabel 4.4 Perhitungan Standar Deviasi dan Standar Error Penduga 25

Tabel 4.5 Analisis Variansi (ANOVA) 31

Tabel 4.6 Dependent Variabel Nilai Kebutuhan 34

Tabel 4.7 Model Summary 36

Tabel 4.8 Coefficients 37

DAFTAR GAMBAR

Halaman Gambar 4.1 Normal P-P Plot of Regression Standardized Residual 33 Gambar 4.2 Regression Standardized Pradicted Value 35 Gambar 5.1 Tampilan Jendela pada Variabel View dalam SPSS 41 Gambar 5.2 Tampilan Jendela pada Variabel View dalam SPSS 42 Gambar 5.3 Tampilan Jendela Pengisian Data View dalam SPSS 43 Gambar 5.4 Tampilan Jendela Pengisian Pengolahan Data dalam SPSS 43 Gambar 5.5 Tampilan Jendela Pengisian Linier Regression 44 Gambar5.6 Tampilan Jendela Pengisian Linier Regression Statistics 45 Gambar 5.7 Tampilan Jendela Pengisian Linier Regression Plot 45

BAB 1

PENDAHULUAN

1.1Latar Belakang

Dengan berkembangnya ilmu pengetahuan dan teknologi yang sangat cepat dan pesat khususnya teknologi pengolahan data, mengharuskan perangkat dunia pendidikan untuk mempersiapkan sumber daya manusia yang mempunyai kemampuan dan berkualitas untuk dapat mengatualisasikan diri dalam menghadapi kemajuan tersebut. Dalam pelaksanaan pembangunan saat ini, ilmu statistika memegang peranan penting baik itu di dalam pekerjaan di perkantoran maupun dalam kehidupan sehari – hari, dikarenakan dalam pengolahan data, statistik mampu membantu peningkatan kreatifitas dan produktifitas.

Beras adalah bagian butir padi (gabah) yang telah dipisah dari sekam. Sekam (Jawa merang) secara anatomi disebut palea (bagian yang ditutupi) dan lemma (bagian yang menutupi). Pada salah satu tahap pemrosesan hasil panen padi, gabah digiling sehingga bagian luarnya (kulit gabah) terlepas dari isinya. Bagian isi inilah yang berwarna putih, kemerahan, ungu, atau bahkan hitam, yang disebut beras.

Peranan sektor pertanian yang strategis harus didukung dan ditingkatkan dalam pelestarian swasembada pangan dalam arti yang luas, yang tidak hanya terbatas pada swasembada beras tetapi mencakup kebutuhan masyarakat secara total termasuk

palawija, hortikultura serta tanaman bahan makanan lainnya yang dapat menggantikan fungsi beras sebagai makan pokok. Komoditas beras merupakan komoditas yang paling penting, karena dibutuhkan penduduk sebagai sumber kalori yang utama. Karena fungsinya yang penting diperlukan perencanaan yang matang untuk mencukupi kebutuhan akan permintaan yang datang dari penduduk.

Masalah kebutuhan beras tidak hanya menyangkut pemenuhan akan banyaknya yang tersedia, tetapi juga menyangkut ketersediaannya untuk dapat memenuhi permintaan dari waktu ke waktu. Untuk itu diperlkukan suatu indikator yang dapat menunjukkan peningkatan dan penurunan jumlah produksi beras terhadap kebutuhan yang diinginkan. Selain melihat peningkatan atau penurunan jumlah produksi beras, perlu juga dilakukan peninjauan terhadap perkembangan jumlah penduduk yang terus menerus bertambah. Semakin bertambahnya jumlah penduduk maka kebutuhan akan beras semakin meningkat sehingga diperlukan peningkatan produksi beras.

1.2Perumusan Masalah

Berdasarkan latar belangka yang telah diuraikan di atas, maka yang menjadi masalah adalah sebagai berikut :

1. Seberapa besar hubungan (korelasi) antara jumlah produksi beras, luas panen dan kebutuhan beras di Propinsi Sumatera Utara pada data tahun 2000-2008. 2. Bagaimana pengaruh antara jumlah produksi beras, luas panen dan kabutuhan

beras di Propinsi Sumatera Utara, sehingga mampu memprediksi kebutuhan beras pada tahun 2012.

1.3Pembatasan Masalah

Dalam penelitian ini analisis terhadap jumlah produksi beras, luas panen, yang mempengaruhi kebutuhan beras hanya dibatasi dalam sektor Ketahanan Pangan dibidang Ketersediaan Pangan yaitu, jumlah produksi beras, luas panen, dan kebutuhan beras di Propinsi Sumatera Utara Medan pada tahun 2000 - 2008, dengan menggunakan analisis regresi dan analisis korelasi.

1.4Tujuan dan Manfaat Penelitian 1.4.1 Tujuan Penelitian

Tujuan penelitian ini adalah menganalisis pengaruh dan hubugan antara jumlah produksi beras, luas panen dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 - 2008.

Selain itu tujuan penelitian ini adalah sebagai berikut :

1. Menentukan apakah jumlah produksi beras dan luas panen mempunyai hubungan dengan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008. 2. Mencari besarnya hubungan (korelasi) antara jumlah produksi beras, luas penen,

dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008.

3. Menentukan apakah jumlah produksi beras, luas penen berpengaruh terhadap jumlah kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008. 4. Mencari bagaimana pengaruh jumlah produksi beras dan luas panen terhadap

1.4.2 Manfaat Penelitian

Manfaat dari penelitian ini adalah :

1. Memberi gambaran seberapa besar hubungan antara jumlah produksi beras, luas panen dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 - 2008. 2. Memberi gambaran tentang pengaruh jumlah produksi beras, luas panen terhadap

kebutuhan beras di propinsi Sumatera Utara pada tahun 2000 - 2008. 3. Memberikan bahan masukan bagi penelitian – penelitian selanjutnya.

1.5Metodologi Penelitian

Metodologi penelitian adalah suatu cara yang digunakan untuk melaksanakan penelitian sehingga tujuan penelitian dapat diperoleh. Metodologi penelitian yang digunakan dalam tugas ini adalah penelitian kuantitatif. Mengumpulkan informasi data dari Badan Ketahanan Pangan (BKP) Propinsi Sumatera Utara, diolah, dianalisis, kemudian menggunakan metode regressi linier dan korelasi untuk memperoleh hubungan antara variabel data.

1.5.1 Sumber Data

Sumber data tugas akhir ini menggunakan data skunder yang diperoleh dari Badan Ketahanan Pangan (BKP) Propinsi Sumatera Utara di Jalan Jend. Besar Abdul Haris Nasution No. 24 Medan yaitu data jumlah produksi beras, luas penen dan kebutuhan beras pada tahun 2000 – 2008.

1.5.2 Analisis dan Evaluasi Data

Metode yang digunakan dalam penelitian ini adalah analisis regresi dan korelasi untuk menganalisis pengaruh dan hubungan antara jumlah produksi dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008. Kemudian untuk meramalkan jumlah produksi beras dan kebutuhan beras di Propinsi Sumatera Utara, penulis menggunakan metode peramalan trend kuadratis. Pengolahan data penelitian ini menggunakan program microfoft excel dan SPSS.

1.6Tinjauan Pustaka

Teori penunjang yang digunakan untuk mewujudkan tulisan ini dikutip dari buku Metode dan Aplikasi Peramalan yang diterbitkan oleh Bina Pura Aksara yang mana di dalam buku tersebut disebutkan bahwa Peramalan Analisis Korelasi dan Analisis Regresi sebagai berikut :

Rumus Korelasi Sederhana :

=

...

1.1

Rumus Korelasi Ganda :

=

... 1.2

Persamaan penduga regresi linier berganda adalah sebagai berikut :

Ŷ = a + + + … + . ... 1.3 Persamaan penduga regresi linier berganda dengan dua variable bebas adalah :

1.7Sistematika Penulisan

Adapun sistematika penulisan tugas akhir ini adalah sebagai berikut :

BAB 1 : PENDAHULUAN

Dalam bab ini dijelaskan mengenai latar belakang, perumusan masalah, pembatasan 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 Ketahanan Pangan Propinsi Sumatera Utara Medan, Visi dan Misi serta Struktur Organisasi Badan Ketahanan Pangan Propinsi Sumatera Utara.

BAB 4 : ANALISA DATA

Bab ini mejelaskan tentang cara menggunakan rumusan untuk memperoleh hasil penelitian.

BAB 5 : IMPLEMENTASI SISTEM

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

BAB 6 : KESIMPULAN DAN SARAN

Bab ini barisi tentang kesimpulan dan saran untuk permasalahan penelitian ini

BAB 2

LANDASAN TEORI

2.1 Defenisi Analisis Regresi dan Korelasi

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

2. 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 (X).

2.2 Analisis Regresi Sederhana dan Berganda 2.2.1 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.

Persamaan regresi linier sederhana Y terhadap X adalah :

1. Model populasi regresi linier sederhana dinyatakan dalam persamaan : = α + β ... 2.3 2. Model sampel (penduga) untuk regresi linier sederhana :

di mana : = variable bebas (independen) = variable terikat (dependen) a = penduga bagi intersep (α)

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

Nilai α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga menggunakan statistik sampel. Komponen sisaan / kesalahan ( = galat) menunjukkan

1) Pengaruh dari variabel yang tidak dimasukkan dalam persamaan regresi karena berbagai pertimbangan.

2) Penetapan persamaan yang tidak sempurna.

3) Kesalahan pengukuran dalam pengumpulan dan pemrosesan data.

Nilai a menunjukkan intersep (konstanta) persamaan tersebut, artinya untuk nilai variable 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 :

2.2.2 Alisis Regresi Berganda

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

1. Model populasi berganda adalah

Y = α + + + … + ... 2.5

2. Sedangkan model penduganya (model sampel) regresi linier ganda adalah

Ŷ = a + + + … + ... 2.6

Koefisien α dan β adalah parameter yang nilainya tidak diketahui, sehingga diduga menggunakan satistik sampel. Nilai a, , dan akan diperoleh dari tiga persamaan normal berikut :

= + b +

Koefisien a, dan dapat dihitung dengan rumus sebagai berikut : a =

=

=

–

Nilai dari a, dan dari tiga persamaan normal di atas dapat juga dihitung dengan metode matriks. Persamaan normal di atas adalah bentuk sistem persamaan

linier (SPL) yang dapat diselesaikan dengan metode determinan, yaitu menggunakan aturan Crammer.

Jika AX = b merupakan suatu persamaan linier dalam k peubah, maka sistem persamaan tersebut mempunyai penyelesaian dengan metode determinan sebagai berikut :

a = = . . . =

dengan adalah matriks yang diperoleh dengan menggantikan anggota – anggota pada kolom ke – j dari matriks A dengan anggota pada matriks b.

2.3 Uji Regresi Linier Berganda

Untuk mengetahui atau menguji kepastian dari persamaan regresi berganda tersebut apakah dan berpengaruh secara simultan dan signifikan terhadap Y dilakukan dengan uji F.

1. Hipotesis yang diuji

: = = 0, berarti dan tidak berpengaruh simultan dan signifikan terhadap Y

: = 0, berarti antara dan berpengaruh simultan dan signifikan terhadap Y.

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

JK res = –

JKT = _–

JKreg = JKT –JKres , JKres + JKreg.

– = – + –

di mana : JKres (Jumlah Kuadrat Residu) adalah variasi yang tidak dijelaskan.

JKreg (Jumlah Kuadrat Regresi) adalah variasi yang dijelaskan.

JKT ( Jumlah Kuadrat Total) adalah variasi total.

=

=

...

2.7

Tabel 2.2 Anova

Suber variasi JK df JKT Fhit

Regresi JKreg k

Resudu JKres (n-k-1)

Total JKT n-1

3. Kriteria pengujian :

Pada tingkat keyakinan 95 % atau taraf nyata 5 %, dengan derajat kebebasan penyebut (n-k-1). Nilai F table diperoleh dari daftar distribusi F.

4. Membuat Kesimpulan 4.1 Standard Error Estimate

Standard error atau kesalahan buku adalah angka yang digunakan untuk mengukur ketetapan suatu penduga atau mengukur jumlah variasi titik –titik observasi di atas dan di bawah regresi populasi. Karena standard error populasinya tidak diketahui, maka diduga dengan (standard error estimate) sehingga adalah standard deviasi yang menggambarkan variasi titik – titik di atas dan di bawah garis regresi sampel. Nilai dapat diperoleh dengan rumus sebagai berikut :

=

...

2.8

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

4.2 Variansi dan Standard Deviasi

Standard deviasi (S) adalah akar kuadrat dari variansi dan menunjukkan standar penyimpangan data dari nilai rata – rata hitungnya. Nilai ) menunjukan sebaran atau fluktuasi data terhadap rata – rata hitungnya. Nilai dapat dihitung dengan rumus sebagai berikut :

2.4 Analisis Korelasi Sederhana dan Berganda 2.4.1 Analisis korelasi Sederhana

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

Rumus korelasi sederhana adalah :

=

...

2.1

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

Table 2.1 Tingkat Hubungan Nilai r

Interval Koefisien Tingkat Hubungan 0,800 - 1,000

0,600 - 0,799 0,400 - 0,599 0,200 - 0,399 0,000 - 0,199

Sangat Kuat Kuat Cukup Kuat Rendah Sangat Rendah

Besar kecilnya sumbangan nilai variable X terhadap Y dapat ditentukan dengan rumus koefisien determinasi sebagai berikut :

= x 100%, di mana : = nilai koefisien determinasi

r = nilai koefisien korelasi

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

Hipotesis :

= Variable X berhubungan secara signifikan dengan variable Y = Variabel X tidak berhubungan secara signifikan dengan variable Y

Dasar Pengambilan Keputusan :

1. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau (0,05 ≤ sig), maka diterima dan ditolak, artinya tidak signifikan.

2. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau

(0,05 ≥ sig), maka ditolak dan diterima, artinya signifikan.

2.4.2 Analisis Korelasi Berganda

Analisis korelasi berganda berfungsi untuk mencari besarnya hubungan antara dua variable bebas (X) atau lebih secara simultan dengan variable terikat (Y).

Rumus korelasi berganda yaitu :

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

Hipotesis :

: Variable dan berhubungan secara simultan dan signifikan terhadap variabel Y.

: Variabel dan tidak berhubungan secara simultan dan signifikan terhadap variabel Y.

Dasar Pengambilan Keputusan :

1. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau (0,05 ≤ sig), maka diterima dan ditolak, artinya tidak signifikan.

2. Jika nilai probabilitas 0,05 lebih besar tau sama dengan nilai probabilitas sig atau (0,05 ≥ sig), maka ditolak dan diterima, artinya signifikan.

BAB 3

TINJAUAN UMUM TEMPAT RISET

3.1 Sejarah Singkat Badan Ketahanan Pangan Propinsi Sumatera Utara

Badan Ketahanan Pangan Propinsi Sumatera Utara adalah lembaga pemerintah yang didirikan pada tanggal 16 Mei 2000 yang beralamat di Jalan Jendral Besar Abdul Haris Nasution No.24 Medan.

Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara Medan berlandaskan pada visi dan misi sebagai berikut:

1. Visi

Terwujudnya ketahanan pangan masyarakat yang berbasis kepada sumber daya lokal yang dimiliki secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan sejahtera.

2. Misi

a. Meningkatkan pemberdayaan dan kemandirian masyarakat untuk mewujudkan ketahanan pangan yang berbasis sumber daya lokal yang dimiliki.

3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan

Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan adalah :

1. Menyiapkan bahan dalam perumusan kebijakan teknis dalam lingkup ketahanan pangan.

2. Menyelenggarakan evaluasi dan pengkajian ketahanan pangan, pembinaan, kewaspadaan dan gizi serta pembinaan penyeragaman konsumsi pangan sumber daya dalam ketahanan pangan.

3. Melaksanakan tugas lain yang terkait dengan ketahanan pangan sesuai dengan ketetapan Kepala Daerah.

4. Mengkoordinasikan perumusan kebijakan dan perencanaan program peningkatan ketahanan pangan daerah yang meliputi aspek-aspek sebagai berikut :

a. Aspek ketersediaan yang bersumber dari produksi, cadangan dan import.

b. Aspek distribusi yang berbasis kepada stabilitas harga pangan, aman dan terjangkau.

c. Aspek konsumsi yang berbasis kepada penganekaragaman konsumsi non beras, bermutu / bergizi dan aman.

5. Mengkoordinasikan monitoring program peningkatan ketahanan pangan melalui Rapat Dewan Ketahanan Pangan dan Rapat Pokja guna mengantisipasi dan memecahkan masalah yang dihadapi melalui hal-hal sebagai berikut :

a. Monitoring pelaksanaan kegiatan tani.

b. Monitoring eksport / import bahan pangan strategis. c. Monitoring harga bahan pangan strategi dan lokal.

d. Monitoring pengadaan / penyiapan / penyaluran cadangan pangan. e. Monitoring daerah rawan pangan.

f. Monitoring kewaspadaan pangan ( bencana alam dan gangguan OPT ). g. Monitoring panganekaragaman konsumsi bahan pangan.

h. Monitoring mutu dan keamanan pangan. i. Supervisi yang terkoordinasi ke lapangan.

6. Melaksanakan pengkajian, analisis dan pembinaan terhadap aspek-aspek ketahanan pangan ( ketersediaan, distribusi, penganekaragaman konsumsi dan kewaspadaan atau keamanan pangan).

7. Memantau dan mengendalikan ketersediaan dan distribusi bahan pangan, terutama sembilan bahan pokok pangan.

8. Mengkoordinasikan palaporan dan evaluasi program peningkatan ketahanan pangan yang meliputi aspek ketersediaan, mutu dan keamanan pangan.

3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan untuk Peningkatan Pangan

Kebijakan Kantor Badan Ketahanan Pangan untuk peningkatan pangan meliputi berbagai aspek diantaranya adalah :

1. Kebijakan dalam aspek ketahanan pangan :

1. Menjaga ketersediaan pangan malalui upaya-upaya paningkatan produksi dan produktivitas bahan nabati dan hewani sesuai potensi wilayah masing-masing yang diwujudkan malalui 4 (empat) usaha pokok yaitu intensivikasi, ekstensivikasi, diversivikasi dan rehabilitasi dangan 8 (delapan) langkah kegiatan utama yaitu :

a. Pemberdayaan kelompok tani dan kelembagaan kelompok ekonomi petani ( KUD, Koptan dan lain-lain ).

b. Pemantapan penyediaan dan penyaluran sarana produksi ( benih, pupuk, obat - obatan dan alsintan ).

c. Penyediaan dan penyaluran kredit modal. d. Peningkatan mutu teknologi.

e. Peningkatan kinerja penyuluh.

f. Mengembangkan kemitraan dalam pemasaran hasil. g. Peningkatan mutu koordinasi.

h. Peningkatan dan pengembangan jaringan irigasi.

2. Perlunya menata ulang kembali mekanisme/tata cara pengadaan dan penyaluran pupuk yang sudah ada secara terkoordinasi dengan pemerintah daerah sehingga pupuk betul-betul tersedia di tengah-tengah petani yang memenuhi prinsip 6 (enam) tepat.

3. Tingkat ketersediaan bahan pangan yang bersumber dari produksi lokal harus diupayakan secara bertahap mencapai titik ideal yaitu sesuai dengan tingkat kebutuhan dan jika terjadi kelebihan (surplus) diprioritaskan untuk perdagangan antar propinsi maupun eksport.

4. Mendukung kebijakan pemerintah untuk tetap melaksanakan larangan import beras pada tahun 2005 dan tahun 2006, mengingat cadangan dan produksi cukup tinggi.

5. Untuk memantapkan ketersediaan gula pemerintah dihimbau nutuk memberikan kepercayaan kepada pemerintah daerah untuk melaksanakan import gula melalui importir daerah sehingga lebih memudahkan dalam pengawasan.

2. Kebijakan dalam aspek distribusi :

1. Mengembangkan kerja sama jaringan distribusi dan informasi pangan dalam daerah dan antar daerah untuk mewujudkan ketersediaan dan stabilitas harga. 2. Peningkatan efisiensi kelancaran distribusi bahan pangan melalui reformasi

berbagai peraturan yang menghambat lalulintas perdagangan, pengembangan saranan dan prasarana distribusi serta pelayanan teknologi pasca panen.

3. Peningkatan kemampuan masyarakat dan pemerintah daerah dalam menstabilkan harga bahan pangan antar waktu maupun antar wilayah.

4. Penguatan pangsa pasar yang bukan saja antar propinsi tetapi juga eksport serta mengembangkan kemitraan pemasaran hasil.

3. Kebijakan dalam aspek penganekaragaman konsumsi :

1. Melakukan upaya-upaya diversifikasi konsumsi pangan yang beragam, bergizi dan berimbang serta aman, sesuai dengan kondisi dan situasi daerah, dengan mengutamakan sumber pangan lokal untuk mencegah ketergantungan terhadap satu jenis pangan tertentu sesuai dengan Pola Pangan Harapan (PPH).

2. Penurunan konsumsi beras sebagai bahan pangan pokok masyarakat.

3. Peningkatan penganekaragaman konsumsi bahan pangan yang seimbang baik jenis nabati, atau hewani maupun mutu dan gizi.

4. Peningkatan konsumsi bahan pangan lokal sebagai basis pada non beras. 4. Kebijakan Dalam Aspek Kewaspadaan dan Keamanan Pangan

1. Melaksanakan pengamatan dini kerawanan pangan serta mengembangkan cadangan pangan daerah untuk mengantisipasi kondisi darurat (bencana alam, kerawanan pangan kronis dan lain-lain) yang mampu memenuhi kebutuhan masyarakat dalam 3 (tiga) bulan.

2. Peningkatan kemampuan fungsi Sistem Kewaspadaan Pangan dan Gizi (SKPG).

3. Peningkatan keberdayaan masyarakat miskin yang berada dalam kondisi kerawanan pangan kronis serta pengembangan jaringan pengamanan pangan bagi kelompok rawan pangan transien (mendadak) karena bencana alam dan sosial.

4. Peningkatan pengembangan keamanan mutu dan gizi pangan. 5. Kebijakan dalam upaya pengentasan kemiskinan :

1. Mengurangi jumlah penduduk yang kelaparan sekurang-kurangnya 1% per tahun dimulai tahun 2005 sebagai komitmen Indonesia dalam deklarasi Roma Tahuh 1996 pada KKT Pangan Dunia melalui Pembangunan Ketahanan Pangan di pedesaan dan perkotaan.

2. Mengembangkan desa mandiri pangan dan menggalang sumber-sumber dana masyarakat yang memadai yang dimulai pada tahun 2005.

6. Kebijakan dalam pemberdayaan masyarakat dalam ketahanan pangan :

Meningkatkan pemberian bantuan langsung masyarakat baik berupa dana penguatan modal bagi lembaga ekonomi pedesaan maupun bantuan dana berupa penguatan modal usaha kelompok petani di pendesaan.

BAB 4

ANALISA DAN EVALUASI

4.1 Data Jumlah Produksi Beras, Luas Panen, dan Kebutuhan Beras Propinsi Sumatera Utara Pada Tahun 2000 - 2008

Data yang akan dianalisis dalam tugas akhir ini adalah data skunder yang diperoleh dari Badan Ketahanan Pangan (BKP) Propinsi Sumatera Utara di Jalan Jend Besar Abdul Haris Nasution No. 24 Medan yaitu, data jumlah produksi beras, luas panen dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008, di mana datanya disajikan pada tabel 4.1 berikut :

Tebel 4.1

Daftar Jumlah Produksi Beras, Luas Panen dan Kebutuhan Beras di Propinsi Sumatera Utara Pada Tahun 2000 - 2008

Periode Tahun Produksi Beras (Dalam ribuan ton)

Luas Panen (Ha)

Kebutuhan Beras (Dalam ribuan ton)

1 2000 2.221,01 847,61 1.910,28

2 2001 2.080,24 801,95 1.944,89

3 2002 1.992,89 768,24 1.972,69

4 2003 2.150,74 825,19 1.996,44

5 2004 2.160,67 826,09 1.942,23

6 2005 2.178,75 822,07 1.972,27

7 2006 1.900,83 705,03 1.934,46

8 2007 2.064,01 750,23 1..756,38

9 2008 2.111,38 748,54 1.758,10

Tabel 4.2 Hasil Perhitungan Analisis Regresi dan Korelasi

Periode Y Y Y

1 2.221,01 847,61 1.910,28 _{4.932.885,42 718.442,71 3.649.169,68 4.242.750,98 1.619.172,43 1.882.550,29} 2 2.080,24 801,95 1.944,89 _{4.327.398,46 643.123,80 3.782.597,11 4.045.837,97 1.559.704,54 1.668.248,47} 3 1.992,89 768,24 1.972,69 3.971.610,55 590.192,70 3.891.505,84 3.931.354,17 1.515.499,37 1.531.017,81 4 2.150,74 825,19 1.996,44 _{4.625.682,55 680.938,54 3.985.772,67 4.293.823,37 1.647.442,32 1.774.769,14} 5 2.160,67 826,09 1.942,23 _{4.668.494,85 682.424,69 3.772.257,37 4.196.518,09 1.604.456,78 1.784.907,88} 6 2.178,75 822,07 1.972,27 _{4.746.951,56 675.799,08 3.889.848,95 4.297.083,26 1.621.344,00 1.791.085,01} 7 1.900,83 705,03 1.934,46 _{3.613.154,69 497.067,30 3.742.135,49 3.677.079,60 1.363.852,33 1.340.142,17} 8 2.064,01 750,23 1.756,38 4.260.137,28 562.845,05 3.084.870,70 3.625.185,88 1.317.688,97 1.548.482,22 9 2.111,38 748,54 1.758,10 _{4.457.925,50 560.312,13 3.090.915,61 3.712.017,18 1.316.008,17 1.580.452,39}

Tabel 4.3 Varians dan Standar Deviasi

Tahun Standar Deviasi Produksi Standar Deviasi Luas Penen

2000 2.221,01 _{2.095,61 125,40 15.725,16} 847,61 _{788,33 59,28 3.514,12}

2001 2.080,24 _{2.095,61 -15,37 236,24} 801,95 _{788,33 13,62 185,50}

2002 1.992,89 _{2.095,61 -102,72 10.551,40} 768,24 _{788,33 -20,09 403,61}

2003 2.150,74 _{2.095,61 55,13 3.039,32} 825,19 _{788,33 36,86 1.358,56}

2004 2.160,67 _{2.095,61 65,06 4.232,80} 826,09 _{788,33 37,76 1.425,82}

2005 2.178,75 _{2.095,61 83,14 6.912,26} 822,07 _{788,33 33,74 1.138,39}

2006 1.900,83 _{2.095,61 -194,78 37.939,25} 705,03 _{788,33 -83,30 6.938,89}

2007 2.064,01 _{2.095,61 -31,60 998,56} 750,23 _{788,33 -38,10 1.451,61}

2008 2.111,38 _{2.095,61 15,77 248,69} 748,54 _{788,33 -39,79 1.583,24}

Tabel 4.3 Perhitungan Standar Deviasi dan Standar Error Penduga

Tahun Standar Deviasi Kebutuhan Beras Standar Error Penduga (Estimasi)

2000 1.910,28 _{1.909,75 0,53 0,28} 2.221,01 847,61 1.939,59 -29,31 _859,11

2001 1.944,89 _{1.909,75 35,14 1.234,82} 2.080,24 801,95 1.981,54 -36,65 _1.343,06 2002 1.972,69 _{1.909,75 62,94 3.961,44} 1.992,89 768,24 1.988,40 -15,71 _246,88 2003 1.996,44 _{1.909,75 86,69 7.515,16} 2.150,74 825,19 1.961,86 34,58 _1.195,90

2004 1.942,23 _{1.909,75 32,48 1.054,95} 2.160,67 826,09 1.950,63 -8,40 _70,52

2005 1.972,27 _{1.909,75 62,52 3.908,75} 2.178,75 822,07 1.910,01 62,26 _3.876,06

2006 1.934,46 _{1.909,75 24,71 610,58} 1.900,83 705,03 1.896,98 37,48 _1.404,97

2007 1.756,38 _{1.909,75 -153,37 23.522,36} 2.064,01 750,23 1.820,81 -64,43 _4.150,73 2008 1.758,10 1.909,75 -151,65 22.997,72 2.111,38 748,54 1.745,91 12,19 148,67

4.2 Analisis Korelasi Sederhana dan Berganda

Rumus koefisien korelasi sederhana : =

Rumus koefisien korelasi ganda :

=

Dari (Tabel 4.2) diperoleh : n = 9

= 18.860,51 = 39.604.218,08 = 36.021.659,13

= 7.094,95 ∑ = 5.611.151,90 = 13.565.183,58 = 17.187,75 ∑ = 32.889.105,43 = 14.901.659,22

Koefisien Korelasi Antara X1 dan Y

=

=

– –

= =

= 0,0389

= 0,0389 adalah koefisien korelasi antara dan Y. Hal ini menunjukkan bahwa arah hubungan antara dan Y positif sebesar 0,0389 dan mempunyai hubungan yang sangat rendah.

Koefisien Korelasi Antara dan Y

=

= = =

0,4568

0,4568 adalah koefisien korelasi antara dan Y. Hal ini menunjukkan bahwa arah hubungan antara dan Y positif sebesar 0,4568 dan mempunyai hubungan yang cukup kuat.

Koefisien Korelasi Antara dan

=

=

= =

= 0,8801

= 0,8801 adalah koefisien korelasi antara dan . Hal ini menunjukkan

bahwa arah hubungan antara dan positif sebesar 0,8801 dan mempunyai hubungan

yang sangat kuat.

=

= –

= –

– =

=

= 0,8909

= 0,8909 adalah koefisien korelasi ganda (R). Hal ini menunjukkan bahwa tingkat hubungan antara variable sebesar 0,8909 yaitu hubungan yang sangat kuat antara jumlah produksi beras dan luas panen secara simultan terhadap nilai kebutuhan beras (Y) di Propinsi Sumatera Utara. R square (koefisien determinasi) adalah pengkuadratan dari koefisien korelasi ganda sebesar 0,8909 yaitu = 0,7937, menunjukkan bahwa sebesar 79,37% variabel Y dapat dijelaskan oleh variabel dan sisanya sebesar 20,63% diterangkan oleh factor – faktor lain.

4.3Analisis Regresi Linear Berganda

Persamaan regresi linier berganda Y atas , ,…, akan ditaksir oleh :

Ŷ = a + + + … + . Penaksiran untuk persamaan regresi linier berganda untuk dua variabel bebas adalah Ŷ = a + + . Nilai a, dan akan diperoleh dari tiga persamaan normal berikut :

Persamaan normal di atas adalah bentuk sistem persamaan linier (SPL) yang dapat dijelaskan dengan metode determinan. Jika AX = b dengan 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 = = =

=

Setelah dihitung nilai determinan , , dan maka diperoleh penyelesaian sebagai berikut :

a = = 2.148,057 = = -1,454 = = 3,564 Penaksiran untuk persamaan regresi linier yaitu Ŷ = a + + adalah

Ŷ = 2.148,057 - 1,454 + 3,564

Ŷ =17.195,72

Konstanta sebesar 2.148,057 menyatakan bahwa jika tidak ada kenaikan nilai dari variabel jumlah produksi beras ( ) dalam luas panen ( ) maka nilai kebutuhan beras adalah 2.148,057 juta ton. Koefisien regresi berganda sebesar -1,454 dan 3,564 menyatakan bahwa setiap pengurangan dan penambahan satu skor, maka nilai jumlah produksi beras dan luas panen akan memberikan pengurangan dan penambahan masing-masing sebesar -1,454 dan 3,564.

4.4 Uji Persamaan Linier Berganda

Untuk mengetahui atau menguji kepastian dari persamaan linier berganda tersebut apakah jumlah produksi beras dan luas panen berpengaruh secara simultan dan signifikan terhadap jumlah produksi beras di Proponsi Sumatera Utara atau tidak berpengaruh dilakukan dengan uji F. Langkah – langkah pengujian persamaan ini adalah sebagai berikut :

1. Hipotesis yang di uji

: = = 0, berarti antara jumlah produksi beras ( ) dan luas panen ( ) tidak berpengaruh simultan dan signifikan terhadap kebutuhan beras ( Y ) di Propinsi Sumatera Utara.

: = 0, berarti antara jumlah produksi beras ) dan luas panen ( ) berpengaruh simultan dan signifikan terhadap kebutuhan beras ( Y ) di Propinsi Sumatera Utara.

2. α = 5 % ( taraf nyata ) 3. Kriteria Pengujian :

ditolak jika

4. Perhitungan Uji Statistik :

JKT = JKres + JKreg

JKres = 13.295,90

JKT = 64.806,064

JKreg = JKT – JKres = 64.806,064 – 13.288,807

F=

=

=

Tabel 4.5 Analisis Varians (Anova)

Suber variasi JK df JKT

Regresi _51.517.257 2 25.758.629

11,63

Resudu _13.288.807 6 2.214.801

Total _64.806.064 8

5. Kriteria Pengujian ditolak jika

Pada tingkat keyakinan sebesar 95% atau taraf nyata atau kesalahan 5% dengan derajat kebebasan pembilang (k) = 2 dan derajat bebas penyebut (n-k-1) = 6, maka di peroleh F table = 5,14 untuk α = 5 % (dilihat dari tabel distribusi F). Dengan demikian diperoleh bahwa = 11,63 5,14 ; jadi ditolak.

Dapat dinyatakan bahwa antara jumlah produksi beras ( ) dan luas panen ( ) berpengaruh secara simultan dan signifikan terhadap kebutuhan beras ( Y ) di Propinsi Sumatera Utara.

4.5 Standard Error of Estimasi (Kesalahan Baku Persamaan Regresi Linier Berganda)

=

=

= 2.215,89

Standar 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. Standar error of estimate berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam suatu peramalan. Kesalahan baku yang terjadi dalam meprediksi jumlah kebutuhan adalah sebesar 2.215,89 ton.

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.

Koefisien korelasi parsial Antara Y dan , apabila konstan =

=

– –

=

= -0.860

Koefisien korelasi parsial antara Y dan , apabila konstan =

=

=

= 0.890679 = 0.891

4.7 Uji Asumsi Dalam Model Regresi 4.7.1 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 :

Gambar 4.1 4.7.2 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 VIP pada table berikut :

Tabel 4.6

Model Correlations Collinearity Statistics Zero-order Partial Part Tolerance VIF 1 (Constant)

Produksi beras .039 -.861 -.766 .225 4.446

Luas Panen .457 .891 .891 .225 4.446

4.7.3 Heteroskedastisitas

Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Kriterianya adalah sebagai berikut :

1. Jika ada pola tertentu, seperti titik – titik yang ada membentuk suatu pola tetentu 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.

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

4.7.4 Uji Non – Autokorelasi

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

Konsekuensi adanya autokorelasi dalam suatu model regresi adalah varians sampel tidak dapat menggambarkan varians populasinya. Selain itu model regresi yang dihasilkan tidak dapat digunakan untuk menaksirkan nilai variabel dependen (Y) pada nilai variabel independen tertentu (X). Untuk mendianogsis adanya autokorelasi dalam suatu model regresi dilakukan pengujian terhadap nilai uji Durbin Waston (DW).

Tabel 4.7

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of

the Estimate Durbin-Watson

1 .892a .795 .727 47.06167 2.012

a. Predictors: (Constant), Luas Panen, Produksi beras b. Dependent Variable: Kebutuhan Beras

Pada table 4.7 di atas menunjukkan nilai koefisien korelasi ganda (R), koefisien determinasi (R Square), standar error penduga, nilai Durbin Waston, Prosedur pengujianya adalah :

1. Menentukan hipotesa

: tidak ada autokorelasi

: ada autokorelasi positif/negatif

2. Menentukan nilai α dan nilai d tabel

Signifikan 5 % pada n = 9 dan k = 2 diperoleh = 0,63 dan du = 1,70 3. Menentukan criteria pengujian

a. Untuk autokorelasi positif

diterima jika d > dan ditolak jika d < serta tidak ada kesimpulan jika .

b. Untuk autokorelasi negatif

diterima jika (4-d) < dan ditolak jika (4-d) < serta tidak ada kesimpulan jika .

4. Menentukan nilai uji statistik

Pada table 4.7 di atas nilai uji statistik diperoleh d = 2.012 (nilai Durbin Watson). 5. Membuat kesimpulan

Nilai d = 2.012 > = 0,63, bararti H1 diterima dapat di ambil kesimpulan bahwaa

4.8 Uji Koefisien Model Regresi Berganda

Tabel 4.8

Model

Unstandardized Coefficients

t Sig.

95.0% Confidence

Interval for B Correlations

B Std. Error Lower Bound

Upper Bound

Zero-order Partial Part

1 (Constant) 2148.057 355.227 6.047 .001 1278.847 3017.267

Produksi beras -1.454 .351 -4.142 .006 -2.313 -.595 .039 -.861 -.766

Luas Panen 3.564 .740 4.818 .003 1.754 5.373 .457 .891 .891

Berdasarkan table 4.8 koefisien di atas diperoleh bentuk estimasi persamaan model regresi linier berganda Ŷ = 2148,057 - 1,454 + 3,564 . Model ini untuk menjelaskan keterkaitan atau pengaruh dan terhadap Y. Jika nilai sig < 0,05 maka variabel dan memiliki pengaruh yang signifikan terhadap Y, artinya kedua variabel bebas secara sendiri – sendiri berpengaruh secara signifikan terhadap Y. Untuk memperkuat penjelasan tersebut dapat diuji dengan uji korelasi parsial. Pada tabel korelasi parsial zero order menampilkan koefisien korelasi biasa sebelum dilakukan uji parsial.

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

1. Hipotesis yang diuji

: koefisien regresi tidak signifikan : koefisien regresi signifikan = 2. Taraf nyata α = 5 %

=

= = -4,142 dan = 4,861 Nilai t table = t(n-k-1);(α) = t(6;0,05) = 2,45

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

Dari hasil di atas maka koefisien regresi yang signifikan hanya koefisien regresi

4.9 Uji Kelayakan Model Regresi ( Uji F )

Uji kelayakan keberatian untuk melihat apakh model yang digunakan dapat menggambarkan/ menjelaskan variabel Y. table ANOVA adalah pengujian apakah model

Ŷ = 2148,057 + -1,454 + 3,564 dapat digunakan untuk menjelaskan nilai variabel Y. Pengujian yang digunakan dengan menyatakan bentuk hipotesis sebagai berikut :

Tabel 4.9

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 51517.257 2 25758.629 .009a

Residual 13288.807 6 2214.801 11.630

Total 64806.064 8

Hipotesis yang diuji :

: = 0, ( model memiliki kelayakan )

Uji kelayakan model dapat dilihat pada nilai sig Regression sebesar 0,000 < 0,05

berarti ditolak, artinya model regresi linier.

Ŷ = 2148,057 - 1,454 + 3,564 memiliki keberatian / kelayakan untuk digunakan menjelaskan variabel Y . Uji kelayakan model regresi dapat juga dengan membandingkan

F hitung dengan Tabel. Dengan α = 5 % dk pembilang = 2, dk penyebut = 6, maka

diperoleh F tabel 5,14. Karena F hit > F table maka ditolak. Hal ini menunjukkan terdapat pengaruh antara dan terhadap Y, sehingga model regresi tersebut memiliki keberatian / kelayakan untuk digunakan menjelaskan variabel Y.

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 implentasi 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 atau analisis data ilmu sosial. SPSS pertama kali dibuat pada tahun 1968 oleh mahasiswa Standford 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 tentunya membutuhkan waktu dan tenaga yang banyak untuk mengolah data tersebut. Faktor kesalahan yang dilakukan manusia relative besar sementara komputer dan perangkat lunak dapat menyelesaikan pekerjaan dengan cepat dan tepat waktu serta mempunyai kesalahan yang relative 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 :

4. Pada kolom name baris ketik Y, pada label ketik Nilai Kebutuhan Beras, 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 nama baris ketiga ketik x2,

pada label ketik luas panen, dan pada kolom measure pilih scale untuk kolom lainnya bias diabaikan (isian default). Maka akan tampil sebagai berikut :

Gambar 5.2 Tampilan jendela pengisian variabel view dalam SPSS

5. Kemudian masukkan data ke dalam halaman data view dengan cara klik data view. 6. Isikan data y, x1 dan x2 seperti gabar berikut :

Gambar 5.3 Tampilan jendela pengisian data view dalam SPSS

7. Selanjutnya, klik Analyze > Regression > Linear

Gambar 5.4 Tampilan jendela pengisian pengolahan data dalam SPSS

Gambar 5.5 Tampilan jendela pengisian linear regression

8. Masukkan variabel kebutuhan beras ke kotak dependen, sedangkan jumlah produksi dan luas panen ke kotak independent (s ).

9. Klik tab Statistik. Beri centang pada kotak Estimate, Confidence intervals, Model vit, 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 :

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 tampil gambar sebagai berukut :

Gambar 5.7 Tampilan jendela pengisian linier regression plots

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

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisis dan evaluasi data pada bab sebelumnya, maka dapat disimpulkan sebagai berikut :

1. Jumlah produksi beras dan luas panen mempunyai hubungan dengan jumlah kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2009

2. Besarnya hubungan antara jumlah Produksi beras dengan jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar 0,0389, sedangkan jumlah Produksi Beras terhadap jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar (0,0389)2 100% = 0,15%. Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah Produksi Beras sebsar 0,15% sedangkan sisanya dijelaskan oleh faktor lain.

3. Besarnya hubunyan antara luas panen dengan jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar 0,4568, sedangkan jumlah Produksi Beras terhadap jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar (0,4568)2 100% = 20,87%. Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah produksi beras sebesar 20,87% sedangkan sisanya di jelaskan oleh faktor lain.

4. Besarnya hubungan antara jumlah Produksi Beras dan Luas Panen di Propinsi Sumatera Utara sebesar 0,8801

5. Besarnya jumlah Produksi Beras dan Luas Panen dengan jumlah Kebutuhan Beras sebesar 0,8909, sedangkan jumlah Produksi Beras dan Luas Panen terhadap jumlah Kebutuhan di Propinsi Sumatera Utara sebesar (0,8909)2 100% = 79,37%. Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah Produksi Beras dan Luas Panen sebesar 79,37 sedangkan sisanya dijelaskan oleh faktor lain.

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

6.2 Saran

1. Dalam meningkatkan kebutuhan dari jumlah kebutuhan beras di Propinsi Sumatera Utara tidak hanya dipengaruhi oleh jumlah produksi beras saja, melainkan ada juga faktor lain seperti mutu, kualitas beras, harga beras dan lainnya. Oleh karena itu diharapkan agar memperhatikan faktor – faktor lain yang tidak dijelaskan dalam penelitian ini

2. Saran untuk petani agar tetap memelihara tanaman padi dengan menerapkan sistem perawatan dan pengolahan lahan dan hasil panen dengan baik dan benar.

Daftar Pustaka

1. Makridakis. 1999. Metode dan aplikasi peramalan. Edisi 2. Jakarta : Binarupa Aksara 2. J.Supranto. 2001. Statistik teori dan aplikasi. Edisi 6. Jakarta : Erlangga

3. Hasan, M.I 1996. Pokok materi statistik 1 ( statistic deskriptif ). Edisi ke- 1 Jakarta : Bumi Aksara.

4. Hasan, M.I 1996. Pokok materi statistik 1 ( statistic deskriptif ). Edisi ke- 2 Jakarta : Bumi Aksara.

5. Iswardono. 1981. Sekelumit Analisis Regresi dan Korelasi. Yogyakarta : BPFE Yogyakatra

6. Sudjana. 1992. Metode Statistika. Bandung : Tarsito

Gambar 5.3 Tampilan jendela pengisian data view dalam SPSS

7. Selanjutnya, klik Analyze > Regression > Linear

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

Gambar 5.5 Tampilan jendela pengisian linear regression

8. Masukkan variabel kebutuhan beras ke kotak dependen, sedangkan jumlah produksi dan luas panen ke kotak independent (s ).

9. Klik tab Statistik. Beri centang pada kotak Estimate, Confidence intervals, Model vit, 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 :

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 tampil gambar sebagai berukut :

Gambar 5.7 Tampilan jendela pengisian linier regression plots

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

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisis dan evaluasi data pada bab sebelumnya, maka dapat disimpulkan sebagai berikut :

1. Jumlah produksi beras dan luas panen mempunyai hubungan dengan jumlah kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2009

2. Besarnya hubungan antara jumlah Produksi beras dengan jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar 0,0389, sedangkan jumlah Produksi Beras terhadap jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar (0,0389)2 100% = 0,15%. Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah Produksi Beras sebsar 0,15% sedangkan sisanya dijelaskan oleh faktor lain.

3. Besarnya hubunyan antara luas panen dengan jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar 0,4568, sedangkan jumlah Produksi Beras terhadap jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar (0,4568)2 100% = 20,87%. Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah produksi beras sebesar 20,87% sedangkan sisanya di jelaskan oleh faktor lain.

4. Besarnya hubungan antara jumlah Produksi Beras dan Luas Panen di Propinsi Sumatera Utara sebesar 0,8801

5. Besarnya jumlah Produksi Beras dan Luas Panen dengan jumlah Kebutuhan Beras sebesar 0,8909, sedangkan jumlah Produksi Beras dan Luas Panen terhadap jumlah Kebutuhan di Propinsi Sumatera Utara sebesar (0,8909)2 100% = 79,37%. Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah Produksi Beras dan Luas Panen sebesar 79,37 sedangkan sisanya dijelaskan oleh faktor lain.

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

6.2 Saran

1. Dalam meningkatkan kebutuhan dari jumlah kebutuhan beras di Propinsi Sumatera Utara tidak hanya dipengaruhi oleh jumlah produksi beras saja, melainkan ada juga faktor lain seperti mutu, kualitas beras, harga beras dan lainnya. Oleh karena itu diharapkan agar memperhatikan faktor – faktor lain yang tidak dijelaskan dalam penelitian ini

2. Saran untuk petani agar tetap memelihara tanaman padi dengan menerapkan sistem perawatan dan pengolahan lahan dan hasil panen dengan baik dan benar.

Daftar Pustaka

1. Makridakis. 1999. Metode dan aplikasi peramalan. Edisi 2. Jakarta : Binarupa Aksara 2. J.Supranto. 2001. Statistik teori dan aplikasi. Edisi 6. Jakarta : Erlangga

3. Hasan, M.I 1996. Pokok materi statistik 1 ( statistic deskriptif ). Edisi ke- 1 Jakarta : Bumi Aksara.

4. Hasan, M.I 1996. Pokok materi statistik 1 ( statistic deskriptif ). Edisi ke- 2 Jakarta : Bumi Aksara.

5. Iswardono. 1981. Sekelumit Analisis Regresi dan Korelasi. Yogyakarta : BPFE Yogyakatra

6. Sudjana. 1992. Metode Statistika. Bandung : Tarsito