Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Untuk lebih memudahkan mengetahui bagaimana sebenarnya keeratan hubungan antara variabel – variabel tersebut, dapat dilihat perumusan sebagai berikut:
-1,00 ≤ r ≥ -0,80 Berarti Berkorelasi Kuat
-0,79 ≤ r ≥ -0,50 Berarti Berkorelasi Sedang
-0,49 ≤ r ≥ 0,49 Berarti Berkorelasi Lemah
0,50 ≤ r ≥ 0,79 Berarti Berkorelasi Sedang
0,80 ≤ r ≥ 1,00 Berarti Berkorelasi Kuat
2.5 Uji Keberartian Koefisien Korelasi
Setelah diperoleh
1 .x
y
r
dan
2 .x
y
r
maka langkah selanjutnya adalah melakukan uji keberartian koefisien korelasi antara X dan Y. Dengan langkah – langkah sebagai
berikut:
1. Statistik Uji adalah:
t =
2
1 2
r n
n −
−
Dengan : r = Koefisien Korelasi
n= Banyak Pasangan 2.
Kriteria Pengujian Tolak
H Jika
Hitung
t
Tabel
t dan terima
H Jika
Hitung
t
Tabel
t Dengan
Tabel
t diperoleh dari tabel
t dengan dan dk = n – k – 1.
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
BAB 3
ANALISIS DAN EVALUASI
3.1 Analisis Dan Evaluasi Data
Dalam pengambilan data ini, penulis memperoleh data ketersediaan perimbangan beras dan faktor – faktor yang mempengaruhinya yaitu produksi beras dan kebutuhan
dari Badan Ketahanan Pangan Propinsi Sumatera Utara. Data disajikan dalam tabel berikut :
Tabel 3.1 Ketersediaan beras, Produksi beras, dan Kebutuhan beras per bulan
pada tahun 2006 dan 2007 di Kabupaten Tapanuli Selatan.
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Bulan Ketersediaan Beras
ton Produksi
Beras ton Kebutuhan Beras
ton Januari 2006
15402 18522
3120 Februari 2006
22722 25842
3120 Maret 2006
20206 23327
3120 April 2006
26008 29128
3120 Mei 2006
-2465 655
3120 Juni 2006
-3120 -
3120 Juli 2006
47995 51115
3120 Agustus 2006
616 3736
3120 September 2006
26865 29986
3120 Oktober 2006
-1939 1181
3120 November 2006
13487 16607
3120 Desember 2006
31022 34143
3120 Januari 2007
955 9469
8514 Februari 2007
4044 12558
8514 Maret 2007
4194 12709
8514 April 2007
11267 19781
8514 Mei 2007
14882 23397
8514 Juni 2007
18801 27316
8514 Juli 2007
7687 16202
8514 Agustus 2007
4848 13363
8514 September 2007
6404 14919
8514 Oktober 2007
2494 11008
8514
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
November 2007 6076
14590 8514
Desember 2007 16124
24638 8514
Badan Ketahanan Pangan Propinsi Sumatera Utara - Data tidak ada
Dengan : Y
= Jumlah Ketersediaan Beras X
1
= Jumlah Produksi Beras X
2
= Jumlah Kebutuhan Beras
Setelah melihat data yang tersedia, maka penganalisaan dan pembahasan atas data tersebut oleh penulis dikelompokkan dalam empat bagian yaitu :
1. Menentukan persamaan regresi linier berganda
2. Uji keberartian regresi
3. Menentukan koefisien korelasi
4. Uji keberartian korelasi
3.1.1 Menentukan Persamaan Regresi Linier Berganda
Untuk Melihat hubungan antara variabel – variabel bebas yaitu jumlah produksi beras dan jumlah kebutuhan beras X
1
, X
2
terhadap variabel tak bebas yaitu jumlah ketersediaan perimbangan beras Y , Maka langkah pertama yang dilakukan
adalah menentukan persamaan regresi linier berganda. Tabel 3.2
Nilai – nilai yang diperlukan untuk menghitung koefisien – koefisien regersi a
0,
a
1,
a
2
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Tabel 3.2 Nilai - nilai yang diperlukan untuk menghitung koefisien - koefisien regresi a
a
1
, a
2
No Y
X
1
X
2
X
1
X
2
X
1
Y X
2
Y
2 1
X
2 2
X
2
Y 1
15402 18522
3120 57788640
285275844 48054240
343064484 9734400
237221604 2
22722 25842
3120 80627040
587181924 70892640
667808964 9734400
516289284 3
20206 23327
3120 72780240
471345362 63042720
544148929 9734400
408282436 4
26008 29128
3120 90879360
757561024 81144960
848440384 9734400
676416064 5
-2465 655
3120 2043600
-1614575 -7690800
429025 9734400
6076225 6
-3120 3120
-9734400 9734400
9734400 7
47995 51115
3120 159478800
2453264425 149744400
2612743225 9734400
2303520025 8
616 3736
3120 11656320
2301376 1921920
13957696 9734400
379456 9
26865 29986
3120 93556320
805573890 83818800
899160196 9734400
721728225 10
-1939 1181
3120 3684720
-2289959 -6049680
1394761 9734400
3759721 11
13487 16607
3120 51813840
223978609 42079440
275792449 9734400
181899169 12
31022 34143
8514 290693502
1059184146 264121308
1165744449 72488196
962364484 13
955 9469
8514 80619066
9042895 8130870
89661961 72488196
912025 14
4044 12558
8514 106918812
50784552 34430616
157703364 72488196
16353936 15
4194 12709
8514 108204426
53301546 35707716
161518681 72488196
17589636 16
11267 19781
8514 168415434
222872527 95927238
391287961 72488196
126945289
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
No Y
X
1
X
2
X
1
X
2
X
1
Y X
2
Y
2 1
X
2 2
X
2
Y 17
14882 23397
8514 199202058
348194154 126705348
547419609 72488196
221473924 18
18801 27316
8514 232568424
513568116 160071714
746163856 72488196
353477601 19
7687 16202
8514 137943828
124544774 65447118
262504804 72488196
59089969 20
4848 13363
8514 113772582
64783824 41275872
178569769 72488196
23503104 21
6404 14919
8514 127020366
95541276 54523656
222576561 72488196
41011216 22
2494 11008
8514 93722112
27453952 21233916
121176064 72488196
6220036 23
6076 14590
8514 124219260
88648840 51731064
212868100 72488196
36917776 24
16124 24638
8514 209767932
397263112 137279736
607031044 72488196
259983376 Jumlah
294575 434192
145002 2617376682 8637761634
1613810412 11071166336
1049424948 7191148981
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Dari tabel di atas diperoleh nilai – nilai sebagai berikut :
∑
Y
=
294.575
∑
1
X
=
434.192
∑
2
X
=
145.002
∑
2 1
X X
=
2.617.376.682
∑
Y X
1
=
8.637.761.634
∑
Y X
2
=
1.613.810.412
∑
2 1
X
=
11.071.166.336
∑
2 2
X
=
1.049.424.948
∑
2
Y
=
7.191.148.981
n =
24 Y
= 12.273,96
1
X =
18.091,33
2
X =
6.041,75
Persamaan mencari nilai koefisien regresi:
∑
Y
=
∑ ∑
+ +
2 2
1 1
X a
X a
na
∑
1
YX
=
∑ ∑
∑
+ +
2 1
2 2
1 1
1
X X
a X
a X
a
∑
2
YX
=
∑ ∑
∑
+ +
2 2
2 2
1 1
2
X a
X X
a X
a
Dapat kita substitusikan nilai - nilai yang bersesuaian, sehingga diperoleh persamaan di bawah ini :
294.575 = 24a + 434.192 a
1
+ 145.002 a
2
8.637.761.634 = 434.192a + 11.071.166.336a
1
+ 2.617.376.682a
2
1.613.810.412 = 145.002a + 2.617.376.682a
1
+ 1.049.424.948a
2
Setelah persamaan di atas diselesaikan maka di peroleh koefisien – koefisien regresi linier sebagai berikut :
a =
-734,996
a
1
=
1,027
a
2
=
-0,922
Jadi persamaan regeresinya adalah : Yˆ
= -734,996+1,027
1
X +-0,922
2
X
3.1.2 Uji Keberartian Regresi
Setelah persamaan regresi linier berganda diperoleh, maka dibutuhkan suatu pengujian hipotesa mengenai keberartian model regresi dengan kriteria pengujian :
Tolak H jika F
hitung
F
tabel
Terima H jika F
hitung
F
tabel
Dengan F
tabel
diperoleh dari F dengan = 0.05 dan dk pembilang = k, dk penyebut =
n – k -1 Rumus yang digunakan sebagai berikut :
hitung
F
=
1 −
− k n
JK k
JK
res reg
Dengan :
reg
JK
=
∑ ∑
+
2 2
1 1
yx a
yx a
res
JK =
2 1
ˆ Y
Y
n i
i
−
∑
=
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Tabel 3.3 : Tabel Perhitungan Uji Regresi
No Y
X
1
X
2
y Y-
Y x
1
X
1
- X
x
2
X
2
- X
yx
1
Yx
2
Yˆ Y-
Yˆ Y-
Yˆ
2
1 15402
18522 3120
3128,04167 430,66667
-2922 1347143,29
-9139355,749 15410,46
-8,458 71,537764
2 22722
25842 3120
10448,0417 7750,66667
-2922 80979288,34
-30526565,75 22928,1
-206,1 42476,3856
3 20206
23327 3120
7932,04167 5235,66667
-2922 41529526,2
-23175442,75 20345,19
-139,19 19374,69125
4 26008
29128 3120
13734,0417 11036,6667
-2922 151578039,9
-40127436,25 26302,82
-294,82 86918,8324
5 -2465
655 3120
-14738,958 -17436,3333
-2922 256993390,4
43063551,5 -2938,951 473,951
224629,5504 6
-3120 3120
-15393,958 -18091,3333
-2922 278497231,4
44977297,75 -3611,636 491,636
241705,9565 7
47995 51115
3120 35721,0417
33023,6667 -2922
1179639773 -104367953,5
48883,47 -888,47
789377,164 8
616 3736
3120 -11657,958
-14355,3333 -2922
167353877,8 34061639,75
225,236 390,764
152696,5037 9
26865 29986
3120 14591,0417
11894,6667 -2922
173555577 -42631376
27183,99 -318,99
101752,0682 10
-1939 1181
3120 -14212,958
-16910,3333 -2922
240345863 41526711
-2398,749 459,749 211369,143
11 13487
16607 3120
1213,04167 -1484,33333
-2922 -1800558,181
-3544204,499 13443,75
43,247 1870,303009
12 31022
34143 8514
18748,0417 16051,6667
2472 300937315,6
46349846,02 26479,96
4542,04 20630154,61
13 955
9469 8514
-11318,958 -8622,33333
2472 97595831,67
-27983294,73 1139,759
-184,76 34135,88808
14 4044
12558 8514
-8229,9583 -5533,33333
2472 45539102,73
-20346514,48 4312,162
-268,16 71910,85824
15 4194
12709 8514
-8079,9583 -5382,33333
2472 43489029,02
-19975676,98 4467,239
-273,24 74659,55112
No Y
X
1
X
2
y Y-
Y x
1
X
1
- X
x
2
X
2
- X
yx
1
yx
2
Yˆ Y-
Yˆ Y-
Yˆ
2
16 11267
19781 8514
-1006,9583 1689,66667
2472 -1701423,928
-2489452,731 11730,18
-463,18 214538,4915
17 14882
23397 8514
2608,04167 5305,66667
2472 13837399,76
6447731,019 15443,82
-561,81 315636,0942
18 18801
27316 8514
6527,04167 9224,66667
2472 60209783,75
16136478,77 19468,63
-667,63 445727,1464
19 7687
16202 8514
-4586,9583 -1889,33333
2472 8666293,256
-11340107,73 8054,55
-367,55 135093,0025
20 4848
13363 8514
-7425,9583 -4728,33333
2472 35112406,28
-18358825,48 5138,897
-290,9 84621,06461
21 6404
14919 8514
-5869,9583 -3172,33333
2472 18621464,46
-14512004,48 6736,909
-332,91 110828,4023
22 2494
11008 8514
-9779,9583 -7083,33333
2472 69274704,8
-24178501,98 2720,312
-226,31 51217,12134
23 6076
14590 8514
-6197,9583 -3501,33333
2472 21701118,08
-15322902,48 6399,026
-323,03 104345,7967
24 16124
24638 8514
3850,04167 6546,66667
2472 25204939,48
9518265,519 16718,32
-594,32 353218,6397
Jumlah 294575 434192 145002 3.308.507.117,333 165.938.094,250
24.498.328,806264
Y X
1 2
X 12273.96
18091.33 6041,75
Zulfikri Dalimunthe : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Selatan, 2009.
Dari nilai – nilai diatas dapat diketahui nilai jumlah kuadrat regresi JK
reg
,nilai jumlah kuadrat residu JK
res
sehingga diperoleh nilai F
hitung
. JK
reg
= a
1
∑ ∑
+
2 2
1
yx a
yx = 1,027 3.308.507.117,333 + -0,922 165.938.094,250
=
3.397.836.809,501 + -152.994.922,8985
=
3.244.841.886,6028
Untuk JK
res
dapat diketahui dari tabel 3.3 seperti dibawah ini : JK
res
=
∑
=
−
n i
i
Y Y
1 2
ˆ
= 24.498.328,806264
Jadi F
hitung
dapat dicari dengan rumus dibawah ini :
F
hitung
= 1
− − k
n JK
k JK
res reg
=
1 2
24 806264
, 328
. 498
. 24
2 6028
, 886
. 841
. 244
. 3
− −
= 08601257
, 587
. 166
. 1
3014 ,
943 .
420 .
622 .
1
= 1.390,7413886635
F
tabel
= F
1 ;
− −k
n k
α
=
21 ;
2 05
.
F
= 3,47 Jadi karena F
hitung
F
tabel
yaitu1.390,74138806635 3,47 maka H ditolak.
Hal ini berarti persamaan regresi linier ganda Y atas
1
X dan
2
X bersifat nyata yang berarti bahwa jumlah produksi padi dan jumlah kebutuhan beras secara bersama –
sama mempengaruhi jumlah ketersediaan beras.
3.1.3 Menentukan Koefisien Korelasi
Dari tabel 3.2 dapat dicari koefisien korelasi antara variabel tak bebas Y dengan menggunakan rumus:
1
.x y
r
=
{ }{
}
∑ ∑
∑ ∑ ∑
∑ ∑
− −
−
2 2
2 1
2 1
1 1
i i
i i
i i
i i
Y Y
n X
X n
Y X
Y X
n
=
575 .
294 981
. 148
. 191
. 7
24 192
. 434
336 .
166 .
071 .
11 24
575 .
294 192
. 434
634 .
761 .
637 .
8 24
2 2
− −
−
= 0,976
2
.x y
r
=
{ }{
}
∑ ∑
∑ ∑ ∑
∑ ∑
− −
−
2 2
2 2
2 2
2 2
i i
i i
i i
i i
Y Y
n X
X n
Y X
Y X
n
=
575 .
294 981
. 148
. 191
. 7
24 002
. 145
948 .
424 .
049 .
1 24
575 .
294 002
. 145
412 .
810 .
613 .
1 24
2 2
− −
−
= -0,211
Perhitungan koefisien korelasi antar variabel bebas
12
r =
{ }{
}
∑ ∑
∑ ∑
∑ ∑ ∑
− −
−
2 2
2 2
2 1
2 1
2 1
2 1
i i
i i
i i
i i
X X
n X
X n
X X
X X
n
=
2 2
002 .
145 948
. 424
. 049
. 1
24 192
. 434
336 .
166 .
071 .
11 24
002 .
145 192
. 434
682 .
376 .
617 .
2 24
− −
−
= -0,08
Berdasarkan perhitungan korelasi antar variabel X
1
dan X
2
terhadap variabel Y dapat disimpulkan bahwa :
1. Variabel X
1
berkorolasi kuat terhadap Y 2.
Variabel X
2
berkorelasi lemah terhadap Y 3.
Variabel X
1
berkorelasi lemah terhadap X
2
3.1.4 Uji keberartian koefisien koelasi
Setelah koefisien korelasi diperoleh,maka dibutuhkan suatu pengujian hipotesa mengenai keberartian koefisien dengan kriteria pengujian :
Tolak H jika
hitung
t
tabel
t dan terima H
jika
hitung
t
tabel
t dengan
tabel
t diperoleh
dari tabel t dengan α dan dk = n – k - 1
Untuk melakukan pengujian digunakan rumus : t =
2
1 2
r n
r −
−
Nilai
hitung
t
untuk n=24 dan
1
yx
r
= 0,976 adalah sebagai berikut :
1
t =
2
1 2
r n
r −
−
=
2
976 ,
1 2
24 976
, −
−
= 3,625
Nilai
hitung
t
untuk n=24 dan
2 yx
r
= -0,211 adalah sebagai berikut :
2
t =
2
1 2
r n
r −
−
=
2
211 ,
1 2
24 211
, −
− −
−
= -1,06
Untuk taraf nyata = 0.05 dengan dk = 21 dari daftar distribusi student t nilai
tabel
t = 2,08 untuk t
1
= 3,625 maka
hitung
t
tabel
t sehingga
H ditolak yang berarti bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah
ketersediaan beras. Sedangkan untuk
2
t = -1,06 maka
hitung
t
tabel
t sehingga
H diterima yang berarti tidak ada hubungan secara dominan antara kebutuhan beras
terhadap jumlah ketersediaan beras.
BAB 4
IMPLEMENTASI SISTEM
4.1 Sekilas Tentang SPSS
SPSS Statistical Package For Service Solution dibuat pada tahun 1968 oleh mahasiswa dari Standford University. SPSS pada awalnya merupakan salah satu paket
program olah data statistik yang ditujukan untuk analisis data ilmu-ilmu sosial, yang dahulu namanya Social Package For Service Solution. Seiring dengan
perkembangannya, SPSS berubah nama sesuai dengan kebutuhannya. SPSS sudah mampu memproses data statistik pada berbagai bidang ilmu, baik ilmu sosial maupun
non sosial. Penggunaan SPSS Dimaksudkan untuk melakukan analisis dengan cepat.
4.2 Mengaktifkan SPSS
Klik Tombol start pada windows, kemudian klik program, lalu klik SPSS. Selain cara itu, program SPSS bisa diaktifkan melalui icon shortcut pada tampilan desktop.
Gambar 4.1 Mengaktifkan SPSS
4.3 Membuka lembar Baru
Dari tampilan yang muncul pada start saat membuka SPSS, Pilih type in data untuk membuat data baru atau dari menu file, pilih new maka akan muncul jendela editor,
kemudian klik data.
4.4 Menamai Variabel
Klik variabel view, yang terletak disebelah kiri bawah jendela editor, lalu lakukan langkah – langkah sebagai berikut :
1. Name
: Ketik nama variabel yang kita inginkan. 2.
Type : Sesuaikan type data dengan apa yang kita inginkan.
3. Width
: Digunakan untuk menentukan jarak lembar kolom. 4. Label
: Ketikkan nama sesuai dengan identitas dari nama ,hanya terdiri dari 8 digit karakter.
5. Value : Digunakan untuk mengisi penjelasan nama label
pada variabel. 6.
Missing : Digunakan untuk menjelaskan data yang hilang.
7. Columns
: Digunakan untuk menentukan lebar kolom. 8. Align
: Digunakan untuk menentukan letak pengisian data, apakah rata kiri, rata kanan, atau ditengah – tengah
kolom. 9.
Measure : Digunakan untuk menentukan jenis data.
Gambar 4.3 Layar kerja Variabel View
4.5 Pengisian Data
