Analisis Faktor Yang Mempengaruhi Realisasi Produksi Kelapa Sawit Di PT. Perkebunan Nusantara IV (Persero) Kebun Adolina Perbaungan Deli Serdang

ANALISIS FAKTOR YANG MEMPENGARUHI REALISASI PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (Persero)

KEBUN ADOLINA PERBAUNGAN DELI SERDANG

TUGAS AKHIR

RATRI KUSUMA WARDANI 082407082

PROGRAM STUDI DIII STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

ANALISIS FAKTOR YANG MEMPENGARUHI REALISASI PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (Persero)

KEBUN ADOLINA PERBAUNGAN DELI SERDANG

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

RATRI KUSUMA WARDANI 082407082

PROGRAM STUDI DIII STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

PERSETUJUAN

Judul : ANALISIS FAKTOR YANG MEMPENGARUHI

REALISASI PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (PERSERO) KEBUN ADOLINA PERBAUNGAN DELI SERDANG

Kategori : TUGAS AKHIR

Nama : RATRI KUSUMA WARDANI

Nomor Induk Mahasiswa : 082407082

Program Studi : DIII STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA)

Diluluskan di Medan, Juni 2011 Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua Pembimbing

Prof. Dr. Tulus, M.Si Drs, Pasukat Sembiring, M.Si

PERNYATAAN

ANALISIS FAKTOR YANG MEMPENGARUHI REALISASI PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (Persero)

KEBUN ADOLINA PERBAUNGAN DELI SERDANG

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 2011

RATRI KUSUMA WARDANI 082407082

PENGHARGAAN

Assalamu’alaikum warahmatullahi wabarakatu.

Segala puji dan syukur Penulis ucapkan atas Kehadirat Allah SWT , yang tiada hentinya memberikan nikmat, rahmat dan hidayahnya serta semangat dan kekuatan sehingga Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan sebaik – baiknya.

Adapun tujuan dari penulisan Tugas Akhir ini adalah merupakan salah satu syarat untuk menyelesaikan Program D3 Statistika pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.

Dalam menyelesaikan Tugas Akhir ini Penulis tidak terlepas dari perhatian, bimbingan, fasilitas dan dorongan serta bantuan berbagai pihak secara langsung maupun tidak langsung, pada kesempatan ini Penulis dengan segala kerendahan hati serta rasa hormat perkenankanlah Penulis mengucapkan terima kasih yang sebesar – besarnya kepada :

1. Teristimewa kepada Ayahanda Mulyono dan Ibunda Danita Ewin Tercinta yang selama ini telah memberikan nasehat, arahan dan dukungan kepada Penulis serta Do’a yang tak pernah putus untuk Penulis.

2. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU

3. Bapak Prof. Dr. Tulus, M.Sc selaku Ketua Pelaksana Program Studi Ilmu Komputer dan Statistika FMIPA USU.

4. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU.

5. Bapak Drs. Pasukat Sembiring, M.Si selaku Dosen Pembimbing yang telah memberikan bimbingan kepada penulis sehingga dapat menyelesaikan Tugas Akhir ini dengan sebaik – baiknya.

6. Seluruh Staff Pengajar di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara khususnya Jurusan Matematika.

7. Seluruh Pegawai di Kantor PT. Perkebunan Nusantara IV (Persero) Kebun Adolina Perbaungan yang telah banyak membantu penulis serta memberikan izin kepada penulis untuk riset di Instansi tersebut.

8. Buat sahabat – sahabat seperjuangan Dian Asa Dinanty, Nurhasdila, Rahmat Basyir dan Dedi Karoja serta teman – teman D3 Statistika khusunya stat B ’08 yang telah memberikan dukungan, nasehat serta masukan - masukan yang memotivasi Penulis untuk menyelesaikan Tugas Akhir ini.

9. Dan terima kasih untuk abang Asrul Akmal Nasution, S.ked atas segala motivasinya terhadap penulis selama menyelesaikan tugas akhir ini.

Sekali lagi penulis ucapkan banyak terima kasih kepada semua pihak yang telah banyak membantu penulis dalam menyelesaikan Tugas Akhir ini. Semoga Tugas Akhir ini bermanfaat bagi penulis dan juga bermanfaat bagi para pembaca dan kemajuan ilmu pengetahuan di masa mendatang. Oleh karena itu penulis sangat mengharapkan kritik dan saran yang bersifat membangun. Kalau ada kata atau ejaan yang kurang lengkap penulis mohon maaf sebab penulis hanya seorang Manusia yang

tak luput dari kesalahan dan juga kekhilafan. Sesungguhnya kesempurnaan hanya milik Allah SWT.

Wasalamu’alaikum Warahmatullahi Wabarakatu.

Medan, Juni 2011

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI vi

DAFTAR TABEL viii

DAFTAR GAMBAR ix

BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah 1

1.2 Perumusan Masalah 3

1.3 Tujuan dan Kegunaan 4

1.4 Tinjauan Pustaka 4

1.5 Metodologi Penelitian 4

1.6 Sistematika Penulisan 6

BAB 2 TINJAUAN TEORITIS

2.1 Konsep Dasar Statistika 7

2.2 Konsep Dasar Analisis Regresi 7

2.3 Persamaan Regresi 8

2.3.1. Persamaan Regresi Linier Sederhana 9 2.3.2. Persamaan Regresi Linier Berganda 9

2.5 Koefisien Korelasi 14

2.6 Uji Regresi Linier Berganda 16

2.7 Uji Koefisien Regresi Berganda 17

BAB 3 GAMBARAN UMUM PERUSAHAAN

3.1 Sejarah Singkat Perusahaan 19

3.2 Letak Geografis 20

3.3 Luas Areal Produksi 20

3.4 Struktur Organisasi 20

3.5 Ketenagakerjaan 24

3.6 Sistem Manajemen Keselamatan dan kesehatan Kerja (SMK3) 24 3.7 Sistem Manajemen Mutu (ISO 9001-2008)

dan Sistem Manajemen Lingkungan (ISO 14001-2004) 24

3.8 Jam Kerja 25

3.9 Sistem Pengupahan 26

BAB 4 ANALISIS DATA

4.1 Pengolahan Data 28

4.2 Persamaan Regresi Linier Berganda 29

4.3 Analisis Residu 34

4.4 Koefisien Determinasi 37

4.5 Koefisien Korelasi 38

4.5.1 Perhitungan Korelasi Antara Variabel Y dengan X1 38 4.5.2 Perhitungan Korelasi Antar Variabel Bebas 40

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 47 5.2 Peranan Komputer dalam statistika 47

5.3 Cara Kerja SPSS 49

5.4 Mengoperasikan SPSS 50

5.4.1. Mengaktifkan Program SPSS pada Windows 50

5.4.2. Membuka Lembar Baru 50

5.4.3. Menamai Variabel 51

5.4.4. Pengisian Data 51

5.4.5. Pengolahan Data dengan Persamaan Regresi 51 5.4.6. Pengolahan Data dengan Persamaan Korelasi 54

BAB 6 PENUTUP

6.1 Kesimpulan 56

6.2 Saran 57

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman

1. Tabel 2.1 Data Hasil Pengamatan dari n Responden (X1, X2,…Xk, Y) 11 2. Tabel 3.1 Jumlah Pekerja dalam Satu Shift di PKS Unit Adolina 26 3. Tabel 4.1 Data Produksi Kelapa Sawit, Pemakaian Pupuk, Keadaan Curah

Hujan, dan Jumlah Pohon Menghasilkan di PT Perkebunan Nusantara IV (Persero) Unit Kebun Adolina Perbaungan

dari Tahun 2004 – 2009 29

4. Tabel 4.2 Nilai – Nilai Koefisien 30

5. Tabel 4.3 Jumlah Nilai Koefisien 31

DAFTAR GAMBAR

Halaman

1. Gambar 5.1 Tampilan Awal SPSS 50

2. Gambar 5.2 Layar Kerja Variabel View 51

3. Gambar 5.3 Data Yang Diolah 52

4. Gambar 5.4 Pilih Analyze,Regression,Linier 52

5. Gambar 5.5 Kotak Dialog Linier Regression 53

6. Gambar 5.6 Kotak Dialog, Linier Regression Statistik 53

7. Gambar 5.7 Kotak Dialog Linier Regression Plots 54

8. Gambar 5.8 pilih Analyze, Correlate, Bivariate 54

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Peradaban yang semakin maju dan perkembangan teknologi yang semakin canggih menghasilkan berbagai inovasi dalam berbagai bidang kehidupan, termasuk bidang industri. Kemajuan ini akan memberikan lebih banyak manfaat bila dapat diakses oleh banyak pihak, terutama mahasiswa sebagai agent of change. Dekatnya mahasiswa dengan dunia industri diharapkan dapat menumbuhkan sikap kreatif dan inovatif mahasiswa, sehingga mampu melahirkan berbagai kemajuan dan perbaikan dalam negeri Indonesia tercinta, terutama sektor industri.

Oleh karena itu, peningkatan kualitas sumber daya manusia yang memiliki kemampuan dalam bidangnya akan sangat dibutuhkan dalam menjalin kerjasama antara pihak perusahaan dengan perguruan tinggi. Sumber daya manusia yang berkualitas akan memegang kendali dalam melakukan analisis mutu suatu produk atau menciptakan inovasi produk yang dihasilkan oleh suatu perusahaan.

PT. Perkebunan Nusantara IV Kebun Adolina adalah salah satu perkebunan yang dikelola pemerintah dan termasuk dalam Badan Usaha Milik Negara (BUMN).

Sebagai suatu perusahaan, PT. Perkebunan Nusantara IV Kebun Adolina selalu berusaha untuk meningkatkan hasil produksinya dengan melakukan kontrol yang ketat baik mengenai pemeliharaan bahan baku, maupun terhadap muutu dan pengaruh keberadaan faktor-faktor produksi yang lainnya.

Masalah produksi merupakan salah satu masalah yang memerlukan suatu perencanaan, dalam hal peningkatan produksi maka perlu diselidiki faktor-faktor yang mempengaruhi produksi. Salah satu metode yang dapat digunakan untuk mengetahui faktor-faktor yang mempengaruhi realisasi hasil produksi kelapa sawit yang relevan adalah dengan menggunakan metode program linier.

Berdasarkan latar belakang tersebut, penulis ingin menganalisa faktor-faktor yang mempengaruhi produksi kelapa sawit yang beralokasi di Kebun Adolina Perbaungan – Deli Serdang, sebagai objek penelitian dan memilih judul tugas akhir yaitu :

“Analisis Faktor Yang Mempengaruhi Realisasi Produksi Kelapa Sawit Di PT. Perkebunan Nusantara IV (Persero) Kebun Adolina Perbaungan Deli Serdang”.

Dalam penelitian ini diambil beberapa faktor yang dianggap mempengaruhi produksi. Hal – hal yang mempengaruhi produksi kelapa sawit antara lain adalah :

1. Pemakaian Pupuk

Pemakaian pupuk pada tanaman adalah merupakan penerapan teknologi modern yang sangat besar pengaruhnya untuk menyuburkan tanaman. Satuan penggunaan pupuk adalah Kilogram (Kg)

2. Curah Hujan

Tanaman kelapa sawit di PT. Perkebunan Nusantara IV Kebun adolina memperoleh air secara alamiah yaitu melalui air hujan. Dengan memperoleh kadar air yang cukup diharapkan produksi kelapa sawit dapat meningkat. Curah hujan di ambil dari semua afdeling yang ada, dijumlahkan seluruhnya dalam periode satu tahun dan dinyatakan dalam satuan milimeter (mm)

3. Jumlah Pohon Menghasilkan

Jumlah pohon menghasilkan setiap tahunnya tidaklah tetap, bisa saja dikarenakan adanya peremajaan tanaman, waktu tanam yang berbeda, kesuburan, pertumbuhan tanaman, atau lainnya. Jumlah pohon menghasilkan dihitung dalam satuan batang.

1.2 Perumusan Masalah

Suatu metode tentu ada kelebihan dan kekurangan untuk mendapatkan hasil yang baik dan tepat waktu, tidak cukup hanya dari metode yang baik saja. Tetapi juga harus memperhatikan faktor – faktor yang lain, seperti sarana dan prasarana yang ada. Data yang akan ada memungkinkan untuk mengetahui faktor (variabel) terbaik yang mempengaruhi produksi kelapa sawit di PTP Nusantara IV Kebun Adolina Perbaungan – Deli Serdang selama periode lima tahun.

Produksi kelapa sawit dipengaruhi oleh beberapa faktor yang tidak tetap, namun sangatlah penting untuk mengetahui berapa jumlah produksi tersebut. Masalah yang timbul adalah seberapa besar pengaruh masing – mansing faktor terhadap jumlah produksi kelapa sawit. Dalam penelitian ini penulis menggunakan analisis regresi berganda.

Agar permasalahan tidak menyimpang maka perlu diambil asumsi bahwa penulis mengambil data dengan empat variabel bebas , yang merupakan faktor – faktor yang akan diteliti dan satu variabel tidak bebas yang merupakan jumlah produksi kelapa sawit.

1.3 Tujuan dan Kegunaan

Tujuan dari penulisan tugas akhir ini adalah :

1. Diketahuinya faktor – faktor yang paling dominan dalam mempengaruhi jumlah produksi kelapa sawit sehingga dapat dilakukan kontrol dan peninjauan kembali terhadap faktor – faktor tersebut dalam rangka peningkatan mutu dan hasil produksi.

2. Diketahuinya suatu model linier yang memainkan peranan penting dalam pengambilan keputusan – keputusan atau kebijakan – kebijakan dalam manajemen perusahaan.

3. Untuk mengumpulkan dan mnganalisis data yang diperoleh secara sistematis dan efisien.

4. Sebagai bahan aplikasi teori analisis regresi linier berganda dan korelasi yang penulis dapatkan dari pembelajaran di perkuliahan.

1.4 Tinjauan Pustaka

Prinsip dasar permodelan regresi majemuk tidak berbeda dengan regresi sederhana. Hanya saja pada regresi sederhana digunakan satu variabel terikat, maka pada regresi majemuk digunakan lebih dari satu variabel terikat. Dengan semakin banyaknya variabel bebas berarti semakin tinggi pula kemampuan regresi yang dibuat untuk menerangkan variabel terikat, atau peran faktor – faktor lain diluar variabel bebas yang digunakan, dicerminkan oleh errror semakin kecil. Studi yang menyangkut masalah ini dikenal dengan analisis regresi berganda.

Ŷ = b0 + b1X1i + b2X2i + … + bkXk

Dengan :

i = 1,2,3,…,n

Ŷ = nilai regresi

b0, b1, b2 = koefisien regresi

X1i, X2i, X3i,…Xki = variabel bebas

Kemudian akan dilihat bagaiamana tingkat hubungan antara satu atau beberapa variabel bebas dengan variabel terikat. Dalam regresi sederhana jika koefisien determinansi tersebut diakarkan maka akan di dapat koefisien korelasi (r) yang merupakan ukuran hubungan linier antar dua variabel (X dan Y). Untuk regresi

majemuk dapat dihitung beberapa koefisien korelasi, yaitu korelasi antara Y dengan Xi.

ry, 1,2,…,k =

) ) ( (

) ) ( (

) )( (

2 2

2 2

Yi Y

n Xi

X n

Yi Xi XiYi

n

i i − ∑ − ∑ − ∑ ∑

∑ ∑ − ∑

1.5 Metodologi Penelitian

1) Pengumpulan Data

Data yang dianalisis dalam tugas akhir ini diperoleh langsung yaitu pengambilan data secara sekunder dari PT. Perkebunan Nusantara IV (Persero) Kebun Adolina.

2) Pengolahan Data

Dalam hal ini metode yang digunakan adalah metode Regresi Linier Ganda.

Bentuk umum persamaan regresi linier berganda yang mencakup empat variabel dengan satu variabel tak bebas (dependent variable) dan tiga variabel bebas (independent variable) yaitu :

Dimana :

i = 1,2,...,n

n = ukuran sample

ei = variable kesalahan (galat)

1.6 Sistematika Penulisan

Adapun sistematika penulisan Tugas Akhir ini adalah :

BAB 1 : PENDAHULUAN

Bab ini menjelaskan secara umum yang dimulai dengan Latar Belakang, Perumusan Masalah, Tujuan dan Kegunaan, Tinjauan Pustaka, Metodologi Penelitian, serta Sistematika Penulisan.

BAB 2 : TINJAUAN TEORITIS

Bab ini menguraikan tentang yang mendukung penyelesaian masala, yaitu tinjauan tentang teori regresi linier berganda dan langkah – langkah penyelesaiannya.

BAB 3 : SEJARAH SINGKAT PERUSAHAAN

Di dalam bab ini mendeskripsikan sejarah singkat tempat riset (penelitian) yaitu PT. PERKEBUNAN NUSANTARA IV (PERSERO) KEBUN ADOLINA PERBAUNGAN – DELI SERDANG.

BAB 4 : ANALISIS DATA

Bab ini mengurai tentang metode – metode yang digunakan dalam mengolah data.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menerangkan tentang implementasi sistem yang digunakan untuk menganalisa data dalam penelitian.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang berisikan tentang kesimpulan yang telah dirangkum pada bab-bab yang ada sebelumnya serta beberapa saran atas hasil yang diperoleh dari hasil analisa data yang memungkinkan dapat bermanfaat.

BAB II

TINJAUAN TEORITIS

2.1 Konsep Dasar Statistika

Statistik merupakan cara – cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan memberi interpretasi terhadap sekumpulan data, sehingga kumpulan bahan keterangan dapat memberi pengertian dan makna tertentu. Seperti pengambilan kesimpulan, membuat estimasi dan juga prediksi yang akan datang.

Ruang lingkup statistika meliputi statistik deduktif atau statistik deskriptif dan statistik induktif atau statistik inferensial. Statistik deskriptif terdiri dari menghimpun data, menyusun data, mengolah, menyajikan dan menganalisa data angka. Sedangkan statistik inferensial atau statistik induktif adalah meliputi teori probability,distribusi teoritis, distribusi sampling, penaksiran, pengujian hipotesa, korelasi, komparasi, dan regresi.

Sumber data statistik dapat dikumpulkan langsung oleh peneliti dari pihak yang bersangkutan dan biasanya disebut data primer. Dan data juga dapat diperoleh dari pihak lain atau data yang sudah ada disebut dengan data sekunder.

2.2 Konsep Dasar Analisis Regresi

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

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

Sehingga dapat didefenisikan bahwa, anlisa regresi adalah metode statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan antara variabel – variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.

2.3Persamaan Regresi

Persamaan regresi (regression equation) adalah suatu persamaan matematis yang mendefinisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunujukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel lainnya yang belum diketahui.

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

2.3.1 Persamaan Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu teknik untuk mendapatkan hubungan yang dinyatakan dalam bentuk persamaan matematis yang terdiri dari variable bebas tunggal ( X ) dan variable tak bebas tunggal ( Y ).

Untuk keperluan analisis variabel bebas dapat dinyatakan dengan X1, X2, X3,

..., Xk ( k ≥ 1) sedangkan variabel tak bebas dinyatakan dengan Y.

Bentuk umum dari persamaann regresi linier untuk populasi adalah :

μ y.x = β0 + β1 (2.1)

Dalam hal ini, parameternya adalah β0 dan β1 .

Untuk regresi sederhana jika β0 dan β1 ditaksir oleh b0 dan b1 maka bentuk regresi

linier sederhana untuk sample adalah :

Ŷ = b0 + b1X (2.2)

2.3.2 Persamaan Regresi Linier Berganda

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variable dependent) dengan faktor – faktor yang mempengaruhi lebih dar satu predaktor (variable dependent).

Banyak persoalan penelitian/pengamatan yang terjadi sebagai akibat lebih dari dua variabel, atau dengan kata lain memerlukan lebih dari satu peubah bebas dalam membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi Kumulatif) seorang mahasiswa (Y) bergantung pada jumlah jam belajar (X1), banyaknya buku yang dibaca (X2), jumlah uang (X3) dan banyak faktor lainnya. Untuk memberikan

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

Bentuk umum model regresi linier berganda untuk populasi adalah :

μ y.x = β0 + β1X1+ β2X2 + … + βkXk (2.3)

Dimana :

β0, β1, β2,…, βk adalah koefisien atau parameter model.

Model regresi linier berganda untuk populasi di atas dapat ditaksir berdasarkan sebuah sample acak yang berukuran n dengan model regresi linier berganda untuk sample, yaitu :

Ŷ = b0 + b1X1 + b2X2 + …+ bkXk (2.4)

Dengan :

Ŷ = nilai penduga bagi variabel Y b0 = dugaan bagi parameter konstanta β0

b1, b2, … , bk = dugaan bagi parameter konstanta β1, β2, …, βk e = galat dugaan (error)

Untuk mencari nilai b0, b1, b2, … , bk diperlukan n buah pasang data (X1, X2,….,Xk,Y) yang akan diolah disajikan pada tabel berikut :

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

Nomor Respon Variabel Bebas

Observasi (Yi) X1i X2i … Xki

1 Y1 X11 X21 … Xk1

2 Y2 X12 X22 … Xk2

. . . . … .

. . . . … .

. . . . … .

n Yn X1n X2n … Xkn

Σ Σ Yi Σ X1i Σ X21 … Σ Xkn

Dari tabel 2.1 dapat dilihat bahwz Y1 berpasangan dengan X11, X21, …, Xk1, data Y2 berpasangan dengan X12, X22, …, Xk2 dan umumnya data Yn berpasangan dengan X1n, X2n, …, Xkn.

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

Dan diperoleh tiga persamaan normal yaitu :

∑Yi = nb0 + bi∑X1i + b2∑X2i

∑X1iYi = b0 ∑X1i + b1 ∑X1i2 + b2 ∑X1i X2i

∑X2iYi = b0∑X2i + b1∑X1iX2i + b2∑ (X2i)2

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

Untuk regresi linier berganda dengan empat variabel X1, X2, X3, ditaksir oleh :

Ŷ = b0 + b1X1 + b2X2 + b3X3 (2.6)

Untuk rumus diatas harus diselesaikan dengan lima persamaan normal yaitu :

∑Yi = nb0 + bi∑X1i + b2∑X2i + b3∑X3i (2.7)

∑X1iYi = b0 ∑X1i + b1 ∑(X1i)2 + b2 ∑X1i X2i + b3 ∑X2i X3i (2.8)

∑X2iYi = b0 ∑X2i + b1 ∑X1iX2i + b2 ∑ (X2i)2 + b3 ∑X2i X3i (2.9)

Dengan :

Ŷ = variabel terikat ( nilai duga Y ) X1,X2,X3 = variabel bebas

b0,b1,b2, dan b3 = koefisien regresi linier berganda b0 = nilai Y, apabila X1=X2=X3=0

b1 = besarnya kenaikan / penurunan Y dalam satuan, jika X1 naik / turun satu satuan dimana X2,X3 konstan.

b2 = besarnya kenaikan / penurunan Y dalam satuan, jika X2 naik / turun satu satuan dimana X1,X3 konstan.

b3 = besarnya kenaikan / penurunan Y dalam satuan, jika X3 naik / turun satu satuan dimana X1,X2 konstan.

= atau - = tanda yang menunjukkan arah hubungan antara Y dengan variabel bebas X.

Harga – harga b0,b1,b2, dan b3 adalah koefisien yang ditentukan berdasarkan data hasil pengamatan. Untuk x1 = X1 - X1, x2 = X2 - X 2, x4 = X3 - X 3, dan y = Y -

Y, persamaan liniernya menjadi y = b1x1 + b2x2 +b3x3.

Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dengan Ŷ akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran S2y.12…k , yang dapat ditentukan oleh rumus :

S2 y.12…k = ( )

1

2

− − ∑ ₋

k n

Y Y

(2.11)

Dengan :

Yi = nilai data hasil pengamatan

Ŷ = nilai hasil regresi n = ukuran sampel

k = banyak variabel bebas

2.4Koefisien Determinasi

Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mngetahui proporsi keragaman total dalam variabel tak bebas angkan oleh var(Y) yang dapat dijelaskan atau diterangkan oleh variabel – variabel bebas (X) yang ada didalam model persamaan regresi linier berganda secara bersama – sama. Maka R2 akan ditentukan dengan rumus, yaitu :

R2 = ₂ i reg y JK

∑ (2.12)

Dimana :

JKreg = Jumlah Kuadrat Regresi

Σ yi2= Σ yi2 - n Yi

2

) (∑

Harga R2 yang diperoleh sesuai dengan variansi yang dijelaskan masing – masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variansi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja ( yang bersifat nyata ).

2.5Koefisien Korelasi

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

Dua variabel dikatakan berkorelasi apabila perubahan pada satu variabel akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah yang berlawanan. Hubungan antar variabel dapat dikelompokkan menjadi tiga jenis hubungan sebagai berikut :

1. Korelasi Positif

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

2. Korelasi Negatif

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

3. Korelasi Nihil

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

Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien koefisien korelasi yang disimbolkan dengan “r”. Besarnya koefisien korelasi berkisar antara -1 ≤ r ≤ + 1.

Untuk mencari korelasi antara variabel Y terhadap Xi atau ry.1,2,…,k dapat dicari dengan rumus :

ry, 1,2,…,k =

) ) ( (

) ) ( (

) )( (

2 2

2 2

Yi Y

n Xi

X n

Yi Xi XiYi

n

i i − ∑ − ∑ − ∑ ∑

∑ ∑ −

Sedangkan untuk mengetahui korelasi antar variabel bebas dengan tiga buah variabel bebas adalah :

1. Koefisien korelasi antara X1 dan X2

r12=

) ) ( ( ) ) ( ( ) )( ( 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 ∑ − ∑ − ∑ − ∑ ∑ ∑ − ∑ _(2.15)

2. Koefisien korelasi antara X1 dan X3

r13=

) ) ( ( ) ) ( ( ) )( ( 2 3 2 3 2 1 2 1 3 1 3 1 i i i i i i i i X X n X X n X X X X n ∑ − ∑ − ∑ − ∑ ∑ ∑ − ∑ _(2.16)

3. Koefisien Korelasi antara X2 dan X3

r13=

) ) ( ( ) ) ( ( ) )( ( 2 3 2 3 2 2 2 2 3 2 3 2 i i i i i i i i X X n X X n X X X X n ∑ − ∑ − ∑ − ∑ ∑ ∑ − ∑ _(2.17)

Nilai koefisien korelasi adalah -1 ≤ r ≥ 1. Jika dua variabel berkorelasi negative maka nilai koefisien korelasi akan mendekati -1 ; jika dua variabel tidak berkorelasi maka koefisien koefisien korelasi akan mendekati 0 ; sedangkan jika dua variabel berkorelasi positif maka nilai koefisien korelasi akan mendekati +1.

Untuk lebih memudahkan mengetahui seberapa jauh derajat keeratan antara variabel tersebut, dapat dilihat pada perumusan berikut :

Interval nilai r Arti hubungan

- 1,000 ≤ r ≥ -0,800 Korelasi kuat - 0,790 ≤ r ≥ -0,500 Korelasi sedang

- 0,490 ≤ r ≥ 0,490 Korelasi lemah 0,500 ≤ r ≥ 0,790 Korelasi sedang

0,800 ≤ r ≥ 1,000 Korelasi kuat

2.6 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

H0 : b1 = b2 = b3 = … = bk = 0 ( X1, X2, … Xk tidak mempengaruhi Y)

H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi Y.

2. Menentukan taraf nyata α dan nilai Ftabel dengan derajat kebebasan v1 = k dan v2 = n – k – 1.

3. Menentukan kriteria pengujian H0 diterima bila Fhitung ≤ Ftabel H0 ditolak bila Fhitung > Ftabel

4. Menentukan nilai statistic F dengan rumus :

F =

) 1 /(

/ − −k n JK

k JK res

reg

(2.18)

Dengan :

JKreg = jumlah kuadrat regresi JKres = jumlah kuadrat residu (sisa) (n-k-1) = derajat kebebasan

JK = b1∑ y1 x1i + b1∑ y1 x1i +…+ bk∑ yt xki

Dengan :

x1i = X1i - X 1 x2i = X2i - X 2 xki = Xki - X k

JKres= Σ ( Yt – Yi )2 (2.19)

2.7Uji Koefisien Regresi Berganda

Keberartian adanya variabel – variabel bebas dalam regresi linier ganda 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 ( t - student ).

Dimisalkan populasi mempunyai model regresi berganda sebagai berikut :

μy,x = β0+ β1X1β2X2… + βkXk (2.20)

yang akan ditaksir oleh regresi berbentuk : Yˆ= b0 + b1X1 + b2X2 + … + bkXk.

Adanya kriteria bahwa variabel – variabel tersebut memberikan pengaruh yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis H0 melawan hipotesis tandingan H1 dalam bentuk :

H0= βi = 0,i = 1,2,…,k H1 = βi ≠ 0,i = 1,2,…,k

Untuk menguji hipotesis digunakan kekeliruan baku taksiran S2y1,2,..,,k.

Jadi untuk melihat kekeliruan baku dari koefisien bi adalah :

(

2

)(

2

)

.. 12 2 1

1 i

ij k y b

R X

S S

− =

Dengan :

s2y.12…k =

1 ) ˆ ( 2

− −− ∑

k n

Y Yi

(2.21)

(

)

∑

∑

₂ = − 2

ij ij ji X X

BAB III

GAMBARAN UMUM PERUSAHAAN

3.1 Sejarah Singkat Perusahaan

Pabrik Kelapa Sawit Unit Usaha Adolina didirikan oleh pemerintah Belanda sejak tahun 1926 dengan nama “NV Cultuur Maatschappy Onderneming (NV CMO)” yang bergerak dalam budidaya tembakau. Pada tahun 1938 budidaya tembakau dirubah menjadi kelapa sawit dan karet dengan nama “NV Serdang Cultuur maatschappy (SCM)”. Sejak tahun 1973, budidaya karet diganti menjadi kakao, sedangkan kelapa sawit tetap dipertahankan. Pada tahun 1942, PKS Adolina diambil alih oleh pemerintah Jepang dan diambil kembali oleh Pemerintah Belanda pada tahun 1946 dengan nama tetap “NV SCM”. Pada tahun 1958, perusahaan ini diambil alih oleh pemerintah Republik Indonesia dengan nama Perusahaan Perkebunan Negara (PPN). Nama PPN diganti menjadi PPN BARU SUMUT V tahun 1960. pada tahun 1963 PPN BARU SUMUT V dipisah menjadi dua kesatuan yaitu :

1. PPN Karet III Kebun Adolina Hulu, kantor kesatuan di Pabatu.

Pada tahun 1968 PPn Antan II diganti menjadi PNP VI, dengan penggabungan kembali PPN Karet III Kebun Adolina Hulu dengan PPn Antan II Kebun Adolina Hilir, lalu pada tahun 1978 PNP Vii diubah menjadi bentuk Persero dengan nama PT Perkebunan VI (Persero). Tahun 1994 PTP VI, PTP VII, PTP VIII digabung dan dipimpin oleh Direktur Utama PTP VII. Sejak tanggal 11 Maret 1996 sampai dengan saat ini gabungan PTP VI, PTP VII, dan PTP VIII diberi nama PT Perkebunan Nusantara IV (Persero). Unit usaha Adolina merupakan salah satu Unit Usaha dari PT Perkebunan Nusantara IV (Persero) dan merupakan Badan Usaha Milik Negara (BUMN)

.

3.2 Letak Geografis

Sesuai surat keputusan Direksi PT Perkebunan Nusantara IV (Persero) Nomor : 04.13/Kpts/org/93/XII/1998 tanggal 17 Desember 1998 memutuskan terhitung mulai tanggal 1 Januari 1999 melebur Kebun Bangun Purba dan merubah statusnya menjadi Afdeling Unit Kebun Adolina di Kabupaten Serdang Bedagai tepatnya dipinggiran jalan raya Medan – Pematang Siantar dengan jarak ± 38 km dari kota Medan. Dikelilingi oleh 21 desa, berada di enam Kecamatan yaitu, Perbaungan, Pantai Cermin, Pegajahan (berada di Kabupaten Serdang Bedagai), Galang, Bangun purba dan STM Hilir, dengan ketinggian ± 15 meter diatas permukaan laut.

3.3 Luas Areal Produksi

Luas areal HGU Unit Usaha Adolina seluas 8.965,69 HA, dibagi menjadi 3 bagian yaitu kelapa sawit = 8.344 Ha, Kakao = 150 Ha, dan lain-lain = 471,69 Ha (emplasmen, pondok, bibitan, pabrik, dll). Sesuai Surat Keputusan Direksi Nomor : 04.12/Kpts/71/XII/2009 tentang rasionalisasi areal, Unit Usaha Adolina dari 14 afdeling dibagi menjadi 9 (sembilan) afdeling, yaitu 9 afdeling yang hanya terdiri dari tanaman kelapa sawit.

Produksi tandan buah segar (TBS) kelapa sawit diolah di pabrik Kelapa Sawit (PKS) yang dimiliki oleh Unit Usaha Adolina sendiri. PKS ini didirikan pada tahun 1956 dan direnovasi pada tahun 2000. Realisasi produksi pada tahun 2009 untuk kelapa sawit (TBS) = 126.436,320 ton. Dengan capaian rendemen minyak sawit 24,02 % dan inti sawit 4,91%.

3.4 Struktur Organisasi

Diagram struktur organisasi perusahaan terdapat pada Lampiran. Tugas dan tanggung jawab setiap anggota adalah berikut :

1. Manajer Unit

a. Memimpin dan mengelola seluruh sektor produksi dan pemakaian biaya yang ada di perusahaan berpedoman kepada kebijakan perusahaan.

b. Menyusun dan melaksanakan kebijakan umum kebun, sesuai dengan pedoman dan instruksi kerja direksi.

c. Mengkoordinir penyusunan anggaran belanja tahunan perkebunan. d. Menjaga rahasia perkebunan.

e. Bertanggung jawab kepada pimpinan perusaahan.

2. Kepala Dinas Tanaman

Kepala Dinas Tanaman merupakan wakil Manajer Unit dalam pengelolaan di bidang tanaman yang dibantu oleh Asisten Tanaman.

a. Membuat dan menyusun rencana kerja tahunan atau bulanan yang meliputi target produksi tandan tahunan dan bulanan.

b. Rencana panen, pemeliharaan, rehabilitasi dan lain – lain.

c. Rencana penyediaan tenaga kerja bagi jenis pekerjaan di tiap – tiap afdeling. d. Rencana penyediaan alat, pupuk obat, dan pemberantas hama.

e. Bertanggung jawab kepada Manajer Unit. f. Mengkoordinasi kerja Asisten Tanaman.

3. Kepala Dinas Teknik

Kepala Dinas Pengolahan merupakan wakil Manajer Unit dalam memimpin pekerjaan di bidang pengolahan yang dibantu oleh Asisten Pengolahan.

a. Mengkordinir kerja asisten pengolahan.

b. Menyusun rencana kerja segala kegiatan bagian pengolahan dan laboratorium. c. Bertanggung jawab kepada Manajer Unit.

4. Kepala Dinas Tata Usaha

Kepala Dinas Tata Usaha merupakan wakil Manajer Unit dalam bidang administrasi yang dibantu oleh Asisten Administrasi atau Asisten Tata Usaha.

a. Mengkoordinir segala kegiatan di bidang administrasi.

b. Mengkoordinir segala pembayaran dan penyediaan barang – barang. c. Menyusun rencana anggaran belanja.

d. Menyusun daftar gaji, memeriksa dan meneliti keluar masuknya barang dari gudang.

e. Bertanggung jawab kepada Manajer Unit.

5. Asisten SDM dan Umum

Asisten SDM dan Umum merupakan wakil Manajer Unit dalam bidang pengelolaan SDM dan penerimaan tenaga kerja.

a. Melakukan pengawasan dan penerimaan tenaga kerja berpedoman kepada standar yang ditetapkan direksi.

b. Mengkoordinir kegiatan dalam meningkatkan kesejahteraan karyawan.

c. Menjaga hubungan baik dengan semua pihak dengan didalam dan diluar perusahaan.

d. Bertanggung jawab kepada Manajer Unit.

6. Perwira Pengaman (Pa Pam)

Perwira pengaman (Pa Pam) membantu Manajer Unit dengan memimpin bagian pengamanan dibantu satuan keamanan.

a. Mengkordinir segala kegiatan penjagaan keamanan dan ketertiban pabrik dan perkebunan.

b. Menjaga keamanan informasi dan investasi.

c. Mengatur dan memberikan instruksi kepada satuan kemanan pabrik dan perkebunan.

d. Bertanggung jawab kepada Manajer Unit.

7. Asisten Afdeling

Asisten afdeling membantu Kepala Dinas Tanaman dengan memimpin kegiatan afdeling dibantu oleh mandor dan krani.

a. Memimpin segala kegiatan di afdeling sesuai dengan petunjuk Kepala Dinas Tanaman dan Manajer Unit.

b. Mengawasi produksi hasil panen.

c. Bertanggung jawab kepada Kepala Dinas Tanaman.

8. Asisten Pengolahan

Asisten Pengolahan membantu Kepala Dinas Pengolahan dengan mengawasi segala kegiatan di bidang pengolahn bahan baku.

a. Memimpin segala kegiatan di pabrik sesuai dengan petunjuk Kepala Dinas Pengolahan dan Manajer Unit.

b. Mengawasi kelancaran jalannya proses pengolahan bahan baku. c. Bertanggung jawab kepada Kepala Dinas Pengolahan.

9. Asisten Teknik Pabrik

Asisten Teknik Pabrik membantu Kepala Dinas Teknik dengan memimpin segala kegiatan di bengkel umum yang dibantu dengan mandor.

b. Mengkoordinir pemeliharaan instalasi dan peralatan pabrik.

c. Mempelajari segala kerusakan yang terjadi didalam pabrik dan mencari solusinya.

d. Bertanggung jawab kepada Kepala Dinas Teknik.

10. Asisten Teknik Sipil

Asisten Teknik Sipil membantu Kepala Dinas teknik dengan memimpin segala kegiatan transportasi dan tata letak pabrik yang dibantu oleh mandor.

a. Mengkoordinir pemakaian kendaraan bermotor / traktor. b. Mengawasi pemeliharaan kendaraan bermotor / traktor. c. Mengawasi pemeliharaan bangunan kantor dan pabrik. d. Bertanggung jawab kepada Kepala dinas Teknik.

11. Asisten Tata Usaha

Asisten Tata Usaha membantu Kepala Dinas Tata Usaha dalam bidang tata usaha.

a. Mengkoordinir segala kegiatan di bidang tata usaha dengan petunjuk Kepala Dinas Tata Usaha.

3.5 Ketenagakerjaan

Jumlah seluruh tenaga kerja di Unit Usaha Adolina s/d Mei 2010 adalah berjumlah 1.642 orang, dengan 19 karyawan pimpinan, 1612 karyawan pelaksana dan 11 orang karyawan honor.

3.6 Sistem Manajemen Keselamatan dan Kesehatan Kerja (SMK3)

Pengawasan, pengendalian, dan perlindungan Keselamatan dan Kesehatan kerja di PT Perkebunan Nusantara IV(Persero) menjamin terciptanya tempat kerja yang aman, efisien, produktif, dan efektif di seluruh bagian dan unit – unit uasaha dengan memenuhi peraturan dan perundang-undangan Keselamatan dan Kesehatan Kerja secara berkesinambungan dan terpelihara.

Pengawasan, pengendalian, dan perlindungan Keselamatan dan Kesehatan Kerja dimaksud dilakukan dengan :

1. Meminimalisasi potensi bahaya dengan menjaga dan mempertahankan sistem pengawasan dan perawatan kesiapan, lingkungan, dan tata cara pelaksanaan kerja karyawan.

2. Memakai / mempergunakan alat pelindung diri (APD) di lokasi kerja yang berpotensi menimbulkan kecelakaan dan penyakit akibat kerja.

3. Memastikan bahwa sistem manajemen K3 dipatuhi dan dilaksanakan sesuai kebijakan dan prosedur serta instruksi kerja yang telah ditetapkan.

3.7 Sistem Manajemen Mutu (ISO 9001 – 2008) dan Sistem Manajemen Lingkungan (ISO 14001 – 2004)

Dalam upaya meningkatkan pengelolaan perusahaan kea rah yang lebih baik, maka manajemen PT Perkebunan Nusantara IV (Persero) memutuskan untuk menerapkan Sistem Manajemen dan Lingkungan seacra terintegrasi.

Tujuan dari penerapan ISO 9001-2008 dan ISO 14001-2004 adalah untuk memastikan tercapainya komitmen mutu dan lingkungan serta memberikan kepuasan kepada pihak – pihak yang berkepintangan dan di sisi lain tetap dapat memberikan manfaat bagi lingkungan.

Sistem manajemen mutu dan lingkungan merupakan sistem manajemen perusahaan yang dipakai sebagai acuan bagi semua aspek kegiatan dan diterapkan mulai dari kegiatan penerimaan bahan baku, spare parts, proses pengolahan, penanganan limbah, kepuasan pelanggan, dan pengelolaan lingkungan.

3.8 Jam Kerja

Jam kerja yang berlaku pada PT Perkebunan Nusantara IV Unit Adolina dibagi atas dua bagian, yaitu :

a. Bagian Kantor

Untuk bagian ini hanya ada satu shift dengan 7 jam per hari dan 40 jam per minggu adalah sebagai berikut :

 Hari Senin s/d Kamis

Pukul 06.30 – 09.30 : kerja aktif Pukul 09.30 – 10.30 : istirahat Pukul 10.30 – 15.00 : kerja aktif

 Hari Jumat

Pukul 06.30 – 09.30 : kerja aktif Pukul 09.30 – 10.30 : istirahat Pukul 10.30 – 12.00 : kerja aktif

 Hari Sabtu

Pukul 06.30 – 09.30 : kerja aktif Pukul 09.30 – 10.30 : istirahat Pukul 10.30 – 13.00 : kerja aktif

b. Bagian Pabrik

Adapun jumlah operator yang dibutuhkan dalam satu shift seperti dibawah ini.

Tabel 3.1. Jumlah pekerja dalam satu shift di PKS Unit Adolina

No. Stasiun Jumlah Tenaga Kerja Jumlah Shift

1 Penerimaan TBS 4 2

2 Rebusan 8 2

3 Thresher 1 2

5 Pressan 2 2

6 Klarifikasi 3 2

7 Refericarfing & Kernel 4 2

8

Boiler Operator Pembantu Operator

1 3

2 2

9 Kamar Mesin 2 2

10 Water Treatment 1 2

11 Laboratorium 3 2

12 Limbah 2 2

Sumber : PKS Unit Adolina, 2010

Untuk bagian pabrik pekerja dibagi atas dua shift, yaitu :  Shift I (Pukul 06.30 – 14.30)

 Shift II (Pukul 14.30 – bahan baku habis)

3.9 Sistem Pengupahan

Pembagian upah / gaji karyawan PT Perkebuna Nusantara IVUnit Adolina dilakukan 2 kali setiap bulannya yaitu Remisi II yang disebut sebagai gajian besar, dan Remisi I yang biasanya disebut dengan gajian kecil. Jumlah upah / gaji yang diberikan kepada karyawan disesuaikan dengan golongan (I A s/d IV D). Selain gaji bulana, karyawan juga mendapat upah lembur dihitung luar jam kerja ditambah dengan setiap karyawan juga mendapat 15 Kg beras setiap kali gajian.

Untuk meningkatkan kesejahteraan karyawan, perusahaan juga menyediakan fasilitas seperti :

• Perumahan untuk setiap karyawan pimpinan dan karyawan pelaksana yang berada di lokasi perkebuna sekitar pabrik.

• Air dan listrik untuk keperluan rumah tangga.

• Tunjangan keselamatan kerja, duka cita dan tunjangan lainnya. • Rumah sakit yang memberikan pelayanan kesehatan bagi karyawan. • Tempat penitipan bayi.

• Tempat ibadah disekitar perumahan karyawan. • Sarana olahraga.

BAB IV

ANALISIS DATA

4.1 Pengolahan Data

Setiap data merupakan alat bagi pengambilan keputusan untuk dasar pembuatan keputusan – keputusan atau memcahkan suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan permasalahan.

Untuk membahas dan memecahkan masalah tentang faktor – faktor yang mempengaruhi produksi sawit seperti yang di uraikan pada bagian sebelumnya, penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang diperoleh dari PTP Nusantara IV (Persero) Kebun Unit Adolina adalah data dari tahun 2004 – 2009 mengenai jumlah produksi sawit, serta faktor – faktor yang mempengaruhi produksi kelapa sawit tersebut, diantaranya pemakaian pupuk, jumlah curah hujan setahun, dan jumlah tanaman (pohon) menghasilkan.

Tabel 4.1 Data Produksi Kelapa Sawit, Pemakaian Pupuk, Keadaan Curah Hujan, dan Jumlah Pohon Menghasilkan di PT Perkebunan Nusantara IV (Persero) Unit Kebun Adolina Perbaungan – Deli Serdang dari Tahun 2004 - 2009

Tahun

Jumlah Produksi Kelapa Sawit

(Kg)

Pemakaian Pupuk (Kg)

Jumlah curah Hujan (mm)

Jumlah Tanaman Menghasilkan

(pohon)

2004 1043,39 1,45 0,14 5,95

2005 1096,16 18,7 0,16 5,70

2006 1075,24 16,9 0,17 5,70

2007 1093,35 3,04 0,18 5,98

2008 1144,56 18,2 0,19 5,97

2009 1264,36 13,8 0,15 6,40

Data pada tabel 4.1 disimbolkan menjadi :

Y = Jumlah produksi kelapa sawit (Kg) X1 = Pemakaian Pupuk (Kg)

X2 = Jumlah Curah Hujan (mm)

4.2 Persamaan Regresi Linier Berganda

Untuk mencari persamaan berganda, terlebih dahulu kita menghitung koefisien – koefisien regresinya dengan mencari penggandaan suatu variabel dengan variabel yang lain.

Dengan koefisien – koefisien yang didapat dari perhitungan yang ada, maka dapat ditentukan persamaan untuk mencari regresi linier bergandanya, adapun nilai dai koefisien – koefisien sebgai berikut :

Tabel 4.2 Nilai – Nilai Koefisien

Tahun n Yi X1i X2i X3i (X1i)2 (X2i)2

2004 1 1043.39 1.45 0.14 5.95 2.1025 0.0196 2005 2 1096.16 18.7 0.16 5.70 345.69 0.0256 2006 3 1075.24 16.9 0.17 5.70 285.61 0.0289 2007 4 1093.35 3.04 0.18 5.98 9.2416 0.0324 2008 5 1144.56 18.2 0.19 5.97 331.24 0.0361 2009 6 1264.36 13.8 0.15 6.40 190.44 0.0225 Jumlah 6717.06 72.09 0.99 35.7 1168.3241 0.1651

sambungan dari perhitungan Nilai Koefisien – Koefisien Tabel diatas

(X3i)2 X1iX2i X1iX3i X2iX3i

35.4025 0.203 8.6275 0.833

32.49 2.992 106.59 0.912

32.49 2.873 96.33 0.969

35.7604 0.5472 18.1792 1.0764

35.6409 3.458 108.654 1.1343

40.96 2.07 88.32 0.96

212.7438 12.1432 426.7007 5.8847

sambungan dari perhitungan Nilai Koefisien – Koefisien Tabel diatas

X1iYi X2iYi X3iYi (Yi)2

1512.9155 146.0746 6208.1705 1088662.69

20498.192 175.3856 6248.112 1201566.75

18171.556 182.7908 6128.868 1156141.06

3323.784 196.803 6538.233 1195414.22

20830.992 217.4664 6833.0232 1310017.59

17448.168 189.654 8091.904 1598606.21

Dari tabel 4.2 didapat jumlah dari nilai – nilai :

Tabel 4.3 Jumlah Nilai Koefisien

∑

Y1i

∑

X1i

∑

X2i

∑

3i

( )

2 1

∑

X i

6717.06 72.09 0.99 35.7 1168.3241

( )

2

2

∑

X i

( )

2 3

∑

X i

∑

X1`iX2i

∑

X1`iX3i

∑

X2`iX3i

0.1651 212.7438 12.1432 426.7007 5.8847

∑

X1`iYi

∑

X2`iYi

∑

X3`iYi

( )

2

∑

Yi

∑

n 81785.608 1108.1744 40048.3107 7550408.52 6

Dari data di atas didapat persamaan :

∑Yi = nb0 + bi∑X1i + b2∑X2i + b3∑X3i (4.1)

∑X1iYi = b0∑X1i + b1∑(X1i)2 + b2∑X1i X2i + b3∑X2i X3i (4.2)

∑X2iYi = b0∑X2i + b1∑X1iX2i + b2∑ (X2i)2 + b3∑X2i X3i (4.3)

Dengan persamaan diatas kita substitusikan nilai – nilai yang bersesuaian, sehingga diperoleh persamaan :

6717.06 = 6b0 + 72.09 b1 + 0.99 b2 + 35.7 b3 (1)

81785.61 = 72.09 b0 + 1168.32 b1 + 12.14 b2 + 426.7 b3 (2)

1108.17 = 0.99 b0 + 12.14 b1 + 0.17 b2 + 5.88 b3 (3)

40048.31 = 35.7 b0 + 426.7 b1 + 5.88 b2 + 212.74 b3 (4)

Selanjutnya dengan menggunakan metode substitusi dan eliminasi akan diperoleh nilai koefisien b0, b1, b2, dan b3 .

1. Langkah pertama yaitu mengeliminasikan persamaan (1) dan (2), dimana (pers. (1) x 72,09) dan (pers. (2) x 6) , dalam hal ini b0 dieliminasi :

484.232,86 = 432,54 b0 + 5196,97 b1 + 71,37 b2 + 2573,61 b3 490.713,66 = 432,54 b0 + 7009,92 b1 + 72,84 b2 + 2560,2 b3

- 6480,8 = - 1812,95 b1 – 1,47 b2 + 13,41 b3 (5)

2. Langkah kedua yaitu mengeliminasikan persamaan (1) dan (3), dimana (pers. (1) x 0,99) dan (pers. (3) x 6), dalam hal ini b0 dieliminasi :

6649,89 = 5,94 b0 + 71,37 b1 + 0,98 b2 + 35,34 b3 6649,02 = 5,94 b0 + 72,84 b1 + 1,02 b2 + 35,28 b3

0,87 = - 1,47 b1 – 0,04 b2 + 0,06 b3 (6)

3. Langkah ketiga yaitu mengeliminasikan persamaan (1) dan (4), dimana (pers. (1) x 35,7) dan (pers. (4) x 6), dalam hal ini b0 dieliminasi :

239.799,04 = 214,2 b0 + 2573,61 b1 + 35,34 b2 + 1274,49 b3 240.289, 86 = 214,2 b0 + 2560,2 b1 + 35,28 b2 + 1276,44 b3

- 490,82 = 13,41 b1 + 0,06 b2 – 1,95 b3 (7)

4. Langkah keempat yaitu mengeliminasikan persamaan (5) dan (7), dimana (pers. (5) x 13,41) dan (pers. (7) x 1812,95), dalam hal ini b1 dieliminasi :

- 86.907,53 = -24.311,66 b1 – 19,71 b2 + 179,83 b3 - 889.832,12 = 24.311,66 b1 + 108,78 b2 – 3535, 25 b3

- 976.739,65 = 89,07 b2 – 3455,42 b3 (8)

5. Langkah kelima yaitu mengeliminasikan persamaan (5) dan (6), dimana (pers. (5) x 1,47) dan (pers. (6) x 1812,95), dalam hal ini b1 dieliminasi :

- 9526,78 = -2665,04 b1 – 2,16 b2 + 19,71 b3 1577,27 = -2665,04 b1 – 72,52 b2 – 108,78 b3

6. Langkah keenam yaitu mengeliminasikan persamaan (8) dan (9), dimana (pers. (8) x 70,36) dan (pers. (9) x 89,07), dalam hal ini b2 dieliminasi :

- 6.883.969,1 = 6266,97 b2 – 243.123,35 b3 - 989.037,73 = 6266,97 b2 – 7933,46 b3 67.849.931,37 = 235.189,89 b3

b3 = 288,49

7. Langkah ketujuh yaitu mensubstitusikan nilai b3 kedalam persamaan (9) untuk

mencari nilai b2 :

70,36 b2 – 89,07 b3 = -11.104,05 70,36 b2 – 89,07 (288,49) = -11.104,05 70,36 b2 – 16.341,65 = -11.104,05

70,36 b2 = 5.237,6 b2 = 74,44

8. Langkah kedelapan yaitu mensubstitusikan nilai b2 dan b3 kedalam persamaan (5)

untuk mencari nilai b1 :

-1812,95 b1 + 1,47 b2 + 13,41 b3 = -6480,8 -1812,95 b1 + 1,47 (74,44) + 13,41 (288,49) = -6480,8

-1812,95 b1 = -6480,8 – 109,43 – 3868,65 -1812,95 b1 = 10.243,17

9. Langkah kesembilan yaitu mensubstitusikan nilai b1,b2,dan b3 kedalam persamaan

(1) untuk mencari nilai b0 :

6 b0 + 72.09 b1 + 0.99 b2 + 35.7 b3 = 6.717,06 6 b0 + 72.09 (5,65) + 0.99 (74,44) + 35.7 (288,49) = 6.717,06

6 b0 = 6.717,06 – 407,31 – 73,70 – 10.299,09 6 b0 = -4.062,84

b0 = - 677,14

Sehingga, diperoleh nilai koefisien masing – masing :

b0 = - 677,14

b1 = 5,65

b2 = 74,44

b3 = 288,49

Maka persamaan regresi yang diperoleh adalah :

Ŷ = b0 + b1X1 + b2X2 + b3X3 (4.5)

4.3 Analisis Residu

Dengan didapat analisis regresinya, maka untuk mengetahui seberapa besar penyimpangan hasil produksi sawit yang sebenarnya terhadap hasil produksi sawit yang telah diperkirakan, maka dapat dihitung dengan mencari koefisien – koefisien dari Analisis Residunya sebagai berikut :

Y1 = 1043,39

Ŷ1 = -677,14 + 5,65 (1,45) + 74,44 (0,14) + 288,49 (5,95) = 1.057,9896

Y2 = 1096,16

Ŷ2 = -677,14 + 5,65 (18,7) + 74,44 (0,16) + 288,49 (5,70) = 1.084,8184

Y3 = 1075,24

Ŷ3 = -677,14 + 5,65 (16,9) + 74,44 (0,17) + 288,49 (5,70) = 1.075,3928

Y4 = 1093,35

Ŷ4 = -677,14 + 5,65 (3,04) + 74,44 (0,18) + 288,49 (5,98) = 1.078,6054

Y5 = 114,56

Ŷ5 = -677,14 + 5,65 (18,2) + 74,44 (0,19) + 288,49 (5,97) = 1.162,1189

Y6 = 1264,36

Ŷ6 = -677,14 + 5,65 (13,8) + 74,44 (0,15) + 288,49 (6,40) = 1.258,332

Tabel 4.4 Penyimpangan Nilai Koefisien

Yi Ŷ ( Yi – Ŷ ) (Yi – Ŷ )2

1.043,39 1.057,9896 -14,5996 213,1483

1.096,16 1.084,8184 11,3416 128,6319

1.075,24 1.075,3928 -0,1528 0,0233

1.093,35 1.078,6054 14,7446 217,4032

1.144,56 1.162,1189 -17,5589 308,3150

1.264,36 1.258,332 6,0280 36,3368

Jumlah - - 903,8585

Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus :

( )

1 ˆ 2

123

− −

Υ −

=

∑

k n

Y

S_y i (4.6)

Dimana :

(

)

2

ˆ

∑

Υi −Υ = 903,8585

k = 3

sehingga :

( )

1 ˆ 2

123

− −

Υ −

=

∑

k n

Y

S_y i (4.7)

=

1 3 6

8585 , 903

− −

=

2 8585 , 903

= 451,93

= 21,26

Dengan penyimpangan nilai yang didapat, berarti bahwa rata – rata produksi kelapa sawit sebenarnya akan menyimpang dari rata – rata produksi sawit yang diperkirakan sebesar 21,26 berarti kesalahan bakunya cukup besar.

4.4 Koefisien Determinasi

Untuk menganalisis dan mengetahui seberapa besar pengaruh faktor – faktor yang mempengaruhi produksi sawit, maka akan dilakukan perhitungan :

(

)( )

n Y X Y X Y

X _{i i}

∑

_{i i}

∑

i

∑

i

∑

= − 1

1

1 (4.8)

(

)(

)

13 , 080 . 1 48 , 705 . 80 61 , 785 . 81 6 06 , 717 . 6 09 , 72 61 , 785 . 81 = − = − =

(

)( )

n Y X Y X Y

X _{i i}

∑

_{i i}

∑

i

∑

i

∑

= − 2

2 2 (4.9)

( )(

)

14 , 0 31 , 108 . 1 17 , 108 . 1 6 06 , 717 . 6 99 , 0 17 , 108 . 1 − = − = − =

(

)( )

n Y X Y X Y

X i i

∑

i i

∑

i

∑

i

∑

= − 3

3 3 (4.10)

( )(

)

8 , 81 51 , 966 . 39 31 , 048 . 40 6 06 , 717 . 6 7 , 35 31 , 048 . 40 = − = − =

( )

n Y Y

Yi i i

2 2

2

∑

∑

∑

= − (4.11)

(

)

68 , 952 . 30 84 , 815 . 519 . 7 52 , 408 . 550 . 7 6 06 , 717 . 6 52 , 408 . 550 . 7 2 = − = =

JKreg = b1 Σx1iyi + b2 Σx2iyi + b3 Σx3iyi (4.12)

= (5,65)(1.080,13) + (74,44)(-0,14) + (288,49)(81,8) = 6.102,7345 -10,4216 + 23.598,482

= 29.690.79

R2 =

∑

2

y JK_reg

(4.13)

=

68 , 592 . 30

79 , 690 . 29

= 0,9750

Dari perhitungan diatas, diperoleh koefisien determinasi (R2) sebesar 0,9750. Dengan mencari akar dari koefisien determinasi, maka didapat koefisien korelasinya (R) sebesar 0,9851 aatu 98,51% produksi sawit tersebut dipengaruhi oleh ketiga faktor yang berpengaruh, sedangkan sisanya 1,49% dipengaruhi oleh faktor – faktor lainnya.

4.5 Koefisien Korelasi

Untukk mengukur seberapa besar pengaruh variabel tak bebas terhadap variabel bebas, dapat dilihat dari besarnya koefisien korelasinya, yaitu :

4.5.1 Perhitungan Korelasi Antara Variabel Y dengan Xi

r yx1 = } ) ( { } ) ( {( ) )( ( 2 2 2 1 2 1 1 i i i i i i i Y X n X X n Y X Y X n ∑ − ∑ − ∑ − ∑ ∑ ∑ − ∑ (4.14) =

(

) (

)(

)

} ) 06 , 717 . 6 ( ) 52 , 550408 . 7 ( 6 }{ ) 09 , 72 ( ) 32 , 168 . 1 ( 6 { 06 , 717 . 6 09 , 72 61 , 785 . 81 6 2 2 − − − =

(

7.009,92 5.196,97

)(

45.302.451,12 45.118.895,04

)

86 , 232 . 484 66 , 713 . 490 − − − = ) 08 , 556 . 183 )( 95 , 812 . 1 ( 8 , 480 . 6 = 2 , 995 . 777 . 332 8 , 480 . 6 = 20 , 242 . 18 8 , 480 . 6

ryx1 = 0,355

Ini menunjukkan korelasi lemah antara produksi sawit dengan pupuk yang digunakan. Yang berarti semakin sedikit pupuk yang digunakan maka akan semakin rendah hasil produksi sawit (-0,49 ≤ r ≥ 0,49 = korelasi lemah).

2. Koefisien korelasi antara produksi sawit (Y) dengan curah hujan (X2)

r yx2 =

} ) ( { } ) ( {( ) )( ( 2 2 2 2 2 2 2 2 i i i i i i i i Y X n X X n Y X Y X n ∑ − ∑ − ∑ − ∑ ∑ ∑ −

∑ _(4.15)

=

(

) ( )(

)

} ) 06 , 717 . 6 ( ) 52 , 550408 . 7 ( 6 }{ ) 99 , 0 ( ) 1651 , 0 ( 6 { 06 , 717 . 6 99 , 0 17 , 108 . 1 6 2 2 − − −

=

(

0,99 0,98

)(

183.556,08

)

89 , 649 . 6 02 , 649 . 6 − − = ) 08 , 556 . 183 )( 01 , 0 ( 87 , 0 − = 56 , 835 . 1 87 , 0 − = 84 , 42 87 , 0 − ryx2 = -0,019

Ini menunjukkan korelasi lemah antara produksi sawit dengan curah hujan. Yang berarti semakin rendah tingkat curah hujan maka akan semakin rendah hasil produksi sawit (-0,49 ≤ r ≥ 0,49 = korelasi lemah).

3. Koefisien korelasi antara produksi sawit (Y) dengan jumlah tanaman menghasilkan (X3)

r yx3 =

} ) ( { } ) ( {( ) )( ( 2 2 2 3 2 3 3 3 i i i i i i i i Y X n X X n Y X Y X n ∑ − ∑ − ∑ − ∑ ∑ ∑ −

∑ _(4.16)

=

(

) ( )(

)

} ) 06 , 717 . 6 ( ) 52 , 550408 . 7 ( 6 }{ ) 7 , 35 ( ) 7438 , 212 ( 6 { 06 , 717 . 6 7 , 35 31 , 048 . 40 6 2 2 − − − =

(

1.276,46 1.274,49

)(

183.556,08

)

4 0 , 799 . 239 86 , 289 . 240 − − l = ) 08 , 556 . 183 )( 97 , 1 ( 82 , 490 = 48 , 605 . 361 87 , 0 −

= 34 , 601 82 , 490

ryx3 = 0,816

Ini menunjukkan korelasi kuat antara produksi sawit dengan jumlah tanaman menghasilkan. Yang berarti semakin banyak jumlah tanaman menghasilkan maka akan semakin meningkat hasil produksi sawit (0,80 ≤ r ≥ 1,00 = korelasi kuat).

4.5.2 Perhitungan Korelasi Antar Variabel Bebas

1. Koefisien korelasi antara jumlah pemakaian pupuk (X1) dengan curah hujan (X2)

r12=

} ) ( { } ) ( { ) )( ( 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 ∑ − ∑ − ∑ − ∑ ∑ ∑ − ∑ _(4.17) } ) 99 , 0 ( ) 1651 , 0 ( 6 }{ ) 09 , 72 ( ) 3241 , 168 . 1 ( 6 { ) 99 , 0 )( 09 , 72 ( ) 1432 , 12 )( 6 ( 2 2 − − − = ) 9801 , 0 9906 , 0 )( 9681 , 196 . 5 9446 , 009 . 7 ( 3691 , 71 8592 , 72 − − − = ) 0105 , 0 )( 9765 , 812 . 1 ( 4901 , 1 = 036 , 19 4901 , 1 = 36 , 4 4901 , 1 = = 0,342

2. Koefisien korelasi antara jumlah pemakaian pupuk (X1) dengan jumlah tanaman menghasilkan (X3)

r13=

} ) ( { } ) ( { ) )( ( 2 3 2 3 2 1 2 1 3 1 3 1 i i i i i i i i X X n X X n X X X X n ∑ − ∑ − ∑ − ∑ ∑ ∑ − ∑ _(4.18) } ) 7 , 35 ( ) 7438 , 212 ( 6 }{ ) 09 , 72 ( ) 3241 , 168 . 1 ( 6 { ) 57 , 3 )( 09 , 72 ( ) 7007 , 426 )( 6 ( 2 2 − − − = ) 49 , 274 . 1 4628 , 276 . 1 )( 9681 , 196 . 5 9446 , 009 . 7 ( 613 , 573 . 2 2042 , 560 . 2 − − − = ) 9728 , 1 )( 9765 , 812 . 1 ( 4088 , 13 − = 64 , 567 . 3 4088 , 13 − = 81 , 59 4088 , 13 − = = -0,224

3. Koefisien korelasi antara jumlah curah hujan (X2) dengan jumlah tanaman menghasilkan (X3)

r13=

} ) ( { } ) ( { ) )( ( 2 3 2 3 2 2 2 2 3 2 3 2 i i i i i i i i X X n X X n X X X X n ∑ − ∑ − ∑ − ∑ ∑ ∑ − ∑ (4.19) } ) 7 , 35 ( ) 7438 , 212 ( 6 }{ ) 99 , 0 ( ) 1651 , 0 ( 6 { ) 57 , 3 )( 99 , 0 ( ) 8847 , 5 )( 6 ( 2 2 − − − = ) 49 , 274 . 1 4628 , 276 . 1 )( 9801 , 0 9906 , 0 ( 343 , 35 3082 , 35 − − − =

) 9728 , 1 )( 0105 , 0 (

0348 , 0 − =

0207 , 0

0348 , 0 − =

15 , 0

0348 , 0 l − =

= -0,232

Berdasarkan perhitungan korelasi di atas dapat disimpulkan bahwa korelasi antara variabel bebas X1 dan X2 bersifat lemah, X1 dan X3 bersifat lemah ssecara negatif, serta X2 dan X3 juga bersifat lemah secara negatif.

4.6 Uji Regresi Linier Berganda

Untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas maka kita melakukan uji F dengan menggunakan statistik F.

a. Hipotesa yang digunakan adalah

H0: β1= β2 = 0,i = 1,2,…,k (variabel bebas Xi tidak berpengaruh terhadap Y) H1 : β1 = β2 ≠ 0,i = 1,2,…,k (variabel bebas Xi berpengaruh terhadap Y) Dimana tolak H0 jika ti > ttabel, dan terima H0 jika ti < ttabel

c. Uji statistik dengan rumus : ) 1 ( − − = k n JKres k JKreg F (4.20)

Sehingga diperoleh :

) 1 3 6 ( 86 , 903 3 79 , 690 . 29 − − = F 2 86 , 903 3 79 , 690 . 29 = F 93 , 451 93 , 896 . 9 = F

Fhit = 21,898

Fhit = 21,90

Dimana :

JKres =

∑

(Υ_i −Υˆ_i)2 (4.21)

Ftabel dengan α = 5% v1 = k = 3

v2 = (n – k – 1) = 2 Ftabel = 19,16

Dalam hal ini tingkat keyakinan (confidence level) sebesar 95% atau taraf nyata (significant level) sebesar 5%, maka dari tabel distribusi F, diperoleh nilai F test atau F tabel untuk pembilang (V1) sebesar 3 dan penyebut (V2) sebesar 2 adalah 19,16.

Dengan membandingkan nilai F tabel atau F test yang diperoleh dengan nilai F hitung yang telah dihitung, maka diperoleh :

Fhiung = 21,90 > Ftest = 19,16

d. Kesimpulan

Dapat disimpulkan bahwa koefisien b0, b1, b2, b3 dalam persamaan regresi berganda Ŷ = - 677,14 + 5,65 x1 + 74,44 x2 + 288,49 x3 adalah signifikan berbeda dari nol.

Dari perhitungan sebelumnya didapat harga – harga :

S2y.12…k = 21,26 ; Σ x1i2 = 1.168,3241 ; Σ x2i2 = 0,1651 ; Σ x3i2 = 212,7438

r12 = 0,034 ; r13 = - 0,224 ; r23 = - 0,232 , sehingga dapat dihitung kekeliruan baku koefisien bi sebagai berikut :

Sbi =

∑

)(

1

−

)

(

.

2 2

123 2

i

i

R

X

y

S

Maka : 1. Sb1 =

∑

)(1− ) ( . 2 1 2 1 123 2 R X y S i (4.23) = ) 001156 , 0 1 )( 3241 , 168 . 1 ( 26 , 21 − = ) 998844 , 0 )( 3241 , 168 . 1 ( 26 , 21 = 973517 , 166 . 1 26 , 21

= 0,018218065

= 0,135

2. Sb2 =

∑

)(1− ) ( . 2 2 2 2 123 2 R X y S i (4.24) = ) 050176 , 0 1 )( 1651 , 0 ( 26 , 21 −

= ) 949824 , 0 )( 1651 , 0 ( 26 , 21 = 156815942 , 0 26 , 21

= 135,5729509

= 11,643

3. Sb3 =

∑

)(1− ) ( . 2 3 2 3 123 2 R X y S i (4.25) = ) 053 , 0 1 )( 7438 , 212 ( 26 , 21 − = ) 947 , 0 )( 7438 , 212 ( 26 , 21 = 4683786 , 201 26 , 21

= 0,105525244

Perhitungan statistik : ti = bi i s b (4.26) Dapat dihitung sebagai berikut :

t1 = 1 1 b s b = 135 , 0 65 , 5 = 41,85

t2 = 2 2 b s b = 634 , 11 44 , 74 = 6,39

t3 = 3 3 b s b = 325 , 0 49 , 288 = 887,66

Dari tabel distribusi t dengan dk = 2 dan α = 0,05 diperoleh ttabel sebesar 4,30 dan dari hasil perhitungan di atas diperoleh :

1. t1 = 41,85 > ttabel = 4,30 2. t2 = 6,39 > ttabel = 4,30 3. t3 = 1,3107 > ttabel = 4,30

Sehingga dari ketiga koefisien regresi tersebut variabel X1 (pemakaian pupuk), X2 (curah hujan), X3 (jumlah tanaman menghasilkan) memiliki pengaruh yang berarti atau signifikan terhadap persamaan regresi yang didapat (terhadap Y).

BAB V

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

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

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

5.2 Peranan Komputer Dalam Statistika

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

1. Jumlah input yang besar

Jumlah input yang besar akan dapat diolah oleh komputer dengan mudah semudah mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja sangat efisien pada pengolahan data dengan menggunakan input yang besar.

2. Proyek yang repetitif

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

3. Diperlukan kecepatan yang tinggi

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

4. Diperlukan ketepatan yang tinggi

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

5. Pengolahan hal yang kompleks

Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan mudah menggunakan komputer dalam waktu yang tepat dan cepat.

Saat ini banyak beredar berbagai paket program komputer statistik dari yang ‘kuno’ dan berbasis DOS seperti Microstat sampai yang berbasis Windows seperti SPSS, SAS, Statistika dan lainnya. Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang paling populer dan paling banyak digunakan pemakai di seluruh dunia.

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

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

5.3 Cara Kerja SPSS

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

1. Input

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

Pada statistik, input berupa dat yang telah ditabulasikan pada data ditor bagian view data, sedangkan proses coding dan pendefenisisan variabel pada view variable.

2. Proses

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

3. Output

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

INPUT DATA dengan DATA EDITOR

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

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

Dengan demikian, cara kerja SPSS dapat dilihat dalam sistematika berikut :

5.4 Mengoperasikan SPSS

Adapun langkah – langkah pengolahan data dengan menggunakan program SPSS adalah :

5.4.1 Mengaktifkan Program SPSS pada Windows

Klik tombol start pada windows, kemudian klik program, lalu klik SPSS. Selain cara itu, program SPSS bisa diaktifkan melalui icon shortcut pada tampilan desktop.

PROSES dengan DATA EDITOR

OUTPUT DATA Dengan OUTPUT NAVIGATOR

5.4.2 Membuka Lembar Baru

Dari tampilan yang muncul pada saat membuka SPSS, pilih type in data untuk membuat data baru atau menu File, pilih new, maka akan muncul jendela editor, kemudian klik data.

Gambar 5.1 Tampilan Awal SPSS

5.4.3 Menamai Variabel

Klik variable 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 tipe data sesuai dengan apa yang kita inginkan. 3. Width : Digunakan untuk menengtukan jarak atau lebar kolom.

4. Label : Ketikkan nama sesuai dengan identitas dari nama variabel, nama variabel hanya terdiri dari 8 digit atau karakter.

5. Value : Digunakan untuk mengisi penjelasan nama (label) pada variabel.

7. Columns : Digunakan untuk menentukan lebar kolom.

8. Align : Digunakan untuk menentukan letak pengisisan data, apakah rata kiri, rata kanan atau diletakkan ditengah – tengah kolom. 9. Measure : Digunakan untuk menentukan jenis data.

Gambar 5.2 Layar Kerja Variabel View

5.4.4 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 didefenisikan.

Gambar 5.3 Data yang diolah

5.4.5 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 pilih linier yang keluar pada tampilan jendela editor.

3. Setelah muncul kotak dialog, kemudian sorot variabel yang menjadi variabel tidak bebas, dan pindahkan ke kotak Variable Dependent. Demikian juga sorot Variable Independent.

Gambar 5.5 Kotak Dialog Linier Regression

4. Klik Statistic pada kotak dialog Linier Regression, aktifkan Estimate, Model Fit, Casewise Diagnotics, kemudian klik Continue untuk melanjutkannya, lalu klik OK.

5. Kemudian klik Plots pada kotak tersebut, lalu aktifkan Produce All Partial Plots, kemudian klik Continue, lalu klik Ok pada kotak dialog Linier Regresssion untuk melihat hasilnya atau Outputnya.

Gambar 5.7 Kotak Dialog Linier Regression Plots

6. Akan muncul output regresinya.

5.4.6 Pengolahan Data dengan Persamaan Korelasi

1. Untuk mengetahui korelasi antara variabel tak bebas dengan variabel bebas, maka lakukan Analyze, kemudian pilih sub menu Correlate, kemudian pilih Bivariate.

Gambar 5.8 Pilih Analyze, Correlate, Bivariate

2. Setelah muncul kotak dialog, kemudian sorot variabel – 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.

BAB VI

PENUTUP

6.1 Kesimpulan

Berdasarkan hasil analisis dan pengolahan data pada bab sebelumnya, maka dapat diambil beberapa kesimpulan, yaitu :

1. Persamaan regresi linier yang didapat adalah Ŷ = - 677,14 + 5,65X1i + 74,44X2i + 288,49X3i.

2. Terdapat hubungan fungsional yang signifikan antara pemaikan pupuk (X1), jumlah curah hujan (X2), dan jumlah tanaman menghasilkan (X3) terhadap hasil produksi kelapa sawit (Y).

3. Dari ketiga variabel pemakaian pupuk, jumlah curah hujan, dan tanaman menghasilkan memiliki pengaruh yang nyata terhadap terjadinya kerugian (penurunan) dan juga kenaikan hasil produksi kelapa sawit.

4. Koefisien determinasi (R) sebesar 98,51% menyatakan bahwa produksi kelapa sawit dipengaruhi oleh ketiga faktor X1, X2, X3 dan 1,49% dipengaruhi oleh faktor – faktor lain.

5. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang sangat kuat secara positif terjadi antara hasil produksi kelapa sawit (Y) dengan jumlah tanaman menghasilkan (X3) yaitu sebesar 0,816, artinya semakin banyak jumlah tanaman menghasilkan maka semakin meningkat hasil produksi kelapa sawit, sedangkan pemakaian pupuk dan curah hujan yang memiliki korelasi lemah artinya semakin menurunnya kualitas pupuk yang digunakan dan menurunnya tingkat curah hujan maka semakin menurun pula hasil produksinya. Sedangkan antar variabel bebas, ketiga variabel ( X1, X2, X3) tersebut berkorelasi lemah baik secara positif maupun negatif.

6.2 Saran

Dari analisis dan kesimpulan yang didapat, ada beberapa saran yang mungkin bisa membantu hasil produksi kelapa sawit.

1. Penulis menyarankan agar metode analisis regresi dapat dipergunakan dalam meramalkan atau mengetahui hasil produksi kelapa sawit, ataupun meramalkan hal – hal lain sehingga dapat digunakan sebagai acuan untuk mengambil keputusan.

2. Faktor – faktor yang mempengaruhi hasil produksi perlu diperhatikan sebelum membentuk model regresi agar model yang terbentuk akurat dan dapat dipergunakan untuk berbagi keperluan.

3. dalam meningkatkan produksi sawit bukan hanya dipengaruhi oleh pemakaian pupuk, curah hujan dan jumlah tanaman menghasilkan, melainkan ada beberapa faktor lain yang mendukung peningkatan hasil produksi sawit seperti pemilihan dan penanaman bibit yang berkualitas baik, pembasmian hama, keamanan di lapangan (beban pencurian dan kehilangan buah sawit). Oleh karena itu diharapkan kepada perusahaan yakni pengurus perkebunan agar lebih memperhatikan faktor – faktor tersebut.

DAFTAR PUSTAKA

Sujana M.A.,M.SC.Prof.,DR.,2005.Metode Statistika.Bandung : Tarsito Bandung.

Panduan Tatacara Penulisan Tugas Akhir.2005.Dokumen Nomor Akad/05/2005. Medan : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.

Usman,H,Dkk.1995.Pengantar statistic.Cetakan Pertama.Jakarta : Bumi Aksara.

PT.Inalum Paritohan 2006-2010. Data Insentif karyawan, 2006-2010. Jumlah Tenaga Kerja PT.Inalum Paritohan, 2006-2010. Data Produktifitas Perusahaan.

Syarief Fauzie, dalimunte, doli M ja’far, situmorang Syafrizal Helmi, Muda, Iskandar, Fadli 2010. Analisis Data Untuk Riset Pemasaran Menejemen Bisnis , Medan Penerbit USU Press.

http//www.wikipedia.com

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

Medan, 21 Desember 2010 Nomor : /H5.2.1.8/SPB/2010

Lampiran : 1 Lembar

Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D - III Statistik FMIPA USU

Kepada Yth :

Bapak / Ibu Pimpinan SDM dan Umum Up. SDM PTPN-IV (Persero)

Jl. Suprapto No. 02 Medan

Dengan hormat, bersama ini kami sampaikan kepada Bapak, bahwa Mahasiswa Program Studi Diploma III Statistik FMIPA USU Medan, akan melaksanakan Pengumpulan data / riset di perusahaan yang anda pimpin.

Sehubungan dengan hal tersebut di atas, kami mohon bantuan Saudara agar dapat menerima mahasiswa tersebut di bawah ini untuk melakukan penelitian atau pengumpulan data atas nama :

No. Nama NIM

1. Ratri Kusuma Wardani 082407082

Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Analisis Faktor Yang Mempengaruhi Realisasi Produksi Kelapa Sawit Di PT. Perkebunan Nusantara IV (Persero) Kebun Adolina Perbaungan Deli Serdang”, pada Program Studi Diploma III Statistik FMIPA USU.

Demikian kami sampaikan, atas kerjasama dan bantuannya diucapkan terima kasih. a.n Dekan

Pembantu Dekan I

Dr. Marpongahtun, M.Sc NIP. 19611115 198803 2 Tembusan :

1. Yth. Ketua Program Studi D-III Statistik 2. Arsip

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILM PENGETAHUA ALAM PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

SURAT KETERANGAN Hasil Uji Program Tugas Akhir

Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistka :

Nama : Ratri Kusuma Wardani

NIM : 082407082

Program Studi : Statistika

Judul Tugas Akhir : Analisis Faktor Yang Mempengaruhi Realisasi Produksi Kelapa Sawit Di PT.Perkebunan Nusantara IV (Persero) Kebun Adolina Perbaungan Deli Serdang

Telah melaksanakan test program tugas akhir mahasiswa tersebut di atas pada tanggal ...

Dengan Hasil : Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan Matematika FMIPA USU Medan.

Medan, Juni 2011

Dosen Pembimbing

Drs.Pasukat sembiring, M.Si

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA Nama : Ratri Kusuma Wardani

NIM : 082407082

Judul Tugas Akhir : Analisis Faktor Yang Mempengaruhi Realisasi Produksi Kelapa Sawit Di PT. Perkebunan Nusantara IV (Persero) Kebun Adolina Perbaungan Deli Serdang

Dosen Pembimbing : Drs. Pasukat Sembiring, M.Si Tanggal Mulai Bimbingan : ……….. Tanggal Selesai Bimbingan : ………..

No. Tanggal Asistensi Bimbingan Pembahasan Asistensi Mengenai, Pada BAB Paraf Dosen Pembimbing Keterangan 1. 2. 3. 4. 5. 6. 7.

Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mahasiswa telah selesai

Diketahui Disetujui

Departemen Matematika FMIPA USU Pembimbing Utama

Prof. Dr. Tulus, M. Si Drs. Pasukat Sembiring, M.Si NIP. 19620901 198803 1 002 NIP. 19531113 198503 1 002

Tabel 4.1 Data Produksi Kelapa Sawit, Pemakaian Pupuk, Keadaan Curah Hujan, dan Jumlah Pohon Menghasilkan di PT Perkebunan Nusantara IV (Persero) Unit Kebun Adolina Perbaungan – Deli Serdang dari Tahun 2004 - 2009

Tahun

Jumlah Produksi Kelapa Sawit

(Kg)

Pemakaian Pupuk (Kg)

Jumlah curah Hujan (mm)

Jumlah Tanaman Menghasilkan

(pohon)

2004 1043,39 1,45 0,14 5,95

2005 1096,16 18,7 0,16 5,70

2006 1075,24 16,9 0,17 5,70

2007 1093,35 3,04 0,18 5,98

2008 1144,56 18,2 0,19 5,97

2009 1264,36 13,8 0,15 6,40

Sumber : PTP> Nusantara IV (Persero) Unit Kebun Adolina Data pada tabel 4.1 disimbolkan menjadi :

Y = Jumlah produksi kelapa sawit (Kg) X1 = Pemakaian Pupuk (Kg)

X2 = Jumlah Curah Hujan (mm)