BAB 3
PENGOLAHAN DATA
Padababiniakandiuraikanbagaimanacarapengolahan data denganmenggunakanbeberapametode. Adapunmetode yang
digunakandalampenyelesaiantugasakhiriniadalahanalisisregresi linier berganda, kesalahanstandartestimasi analisisresidu, koefisiendeterminasi,
koefisienkorelasi, ujiregresi linier bergandadanujikoefisien regresi linier berganda.
3.1 Pengolahan Data
Data merupakanalatuntukmengambilkeputusanatauuntukmemecahkansuatupersoalan.K
eputusan yang baikdapatdihasilkanjikapengambilankeputusantersebutdidasarkanatas data yang
baik.Salah satukegunaan data adalahuntukmemperolehdanmengetahuigambarantentangsuatukeadaanpermasala
han.
Untukmembahasdanmemecahkanmasalahtentangproduksi perikanan laut di Kabupaten Langkat seperti yang diuraikansebelumnya, penulismengumpulkan
data yang berhubungandenganpermasalahantersebut.Data yang dikumpulkanadalah data produksi perikanan laut serta faktor–faktor yang
mempengaruhi, diantaranya adalah jumlah nelayan, jumlah kapal dan jumlah alat penangkapan.Adapundatanyaadalahsebagaiberikut:
Tabel3.1: Produksi Perikanan Laut di Kabupaten Langkat
No Tahun
Produksi Perikanan
Laut ton
Jumlah Nelayan
Orang Jumlah
Kapal Buah
Jumlah Alat Penangkapan
Unit
1 2004
14.876,80 14.179
3.053 2.847
2 2005
16.077,90 14.828
4.374 4.860
3 2006
16.428,10 14.910
3.924 6.606
4 2007
16.938,10 14.910
3.973 6.606
5 2008
16.938,10 15.035
4.027 6.895
6 2009
16.943,00 15.131
4.059 6.962
7 2010
17.304,49 17.555
3.923 7.341
8 2011
17.547,50 17.984
3.891 7.487
9 2012
16.943,00 16.285
4.117 7.189
10 2013
22.220,48 18.320
5.926 7.866
Sumber: BPS Provinsi Sumatera Utara
keterangan: � = Produksi Perikanan Laut
�
1
= Jumlah Nelayan �
2
= Jumlah Kapal �
3
= Jumlah Alat Penangkapan
3.2 Persamaan Regresi Linier Berganda
Dari data tersebut akan di bentuk persamaan regresi linier berganda maka terlebih dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka
diperlukan jumlah-jumlah variabel seperti pada Tabel 3.2 berikut:
Tabel 3.2: Data Perhitungan Variabel Terikat dan Variabel Bebas
Lanjutan Tabel 3.2 No
� �
�
�
�
�
�
1 14.876,80
14.179,00 3.053,00
2.847,00 2
16.077,90 14.828,00
4.374,00 4.860,00
3 16.428,10
14.910,00 3.924,00
6.606,00 4
16.938,10 14.910,00
3.973,00 6.606,00
5 16.938,10
15.035,00 4.027,00
6.895,00 6
16.943,00 15.131,00
4.059,00 6.962,00
7 17.304,49
17.555,00 3.923,00
7.341,00 8
17.547,50 17.984,00
3.891,00 7.487,00
9 16.943,00
16.285,00 4.117,00
7.189,00 10
22.220,48 18.320,00
5.926,00 7.866,00
Σ
172.217,47 159.137,00
41.276,00 64.659,00
No �
�
�
� �
�
� �
�
� �
1 221.319.178,20
201.044.041,00 9.320.809,00
8.105.409,00 2
258.498.868,40 219.869.584,00
19.131.876,00 23.619.600,00
3 269.882.469,60
222.308.100,00 15.397.776,00
43.639.236,00 4
286.899.231,60 222.308.100,00
15.784.729,00 43.639.236,00
5 286.899.231,60
226.051.225,00 16.216.729,00
47.541.025,00 6
287.065.249,00 228.947.161,00
16.475.481,00 48.469.444,00
7 299.44.5374,20
308.178.025,00 15.389.929,00
53.890.281,00 8
307.914.756,30 323.424.256,00
15.139.881,00 56.055.169,00
9 287.065.249,00
265.201.225,00 16.949.689,00
51.681.721,00 10
493.749.731,40 335.622.400,00
35.117.476,00 61.873.956,00
Σ
2.998.739.339,32 2.552.954.117,00 174.924.375,00 438.515.077,00
Lanjutan Tabel 3.2
Dari Tabel 3.2 berikut diperoleh harga-harga sebagai berikut: n = 10
1 2
X X Σ
= 662.306.777,00
Y Σ
= 172.217,47
1 3
X X Σ
= 1.043.126.408,00
1
X Σ
= 159.137,00
2 3
X X Σ
= 272.283.725,00
2
X Σ
= 41.267,00
1
YX Σ
= 2.760.210.667,45
3
X Σ
= 64.659,00
2
YX Σ
= 722.079.638,65
2
Y Σ
= 2.998.739.339,32
3
YX Σ
= 1.130.655.242,57
2 1
X Σ
= 2.552.954.117,00
2 3
X Σ
= 438.515.077,00
2 2
X Σ
= 174.924.375,00
No
��
�
��
�
��
�
�
�
�
�
�
�
�
�
�
�
�
�
1
210.938.147,20 45.418.870,40
42.354.249,60 43.288.487,00
40.367.613,00 8.691.891,00
2
238.403.101,20 70.324.734,60
78.138.594,00 64.857.672,00
72.064.080,00 21.257.640,00
3
244.942.971,00 64.463.864,40
108.524.028,60 58.506.840,00
98.495.460,00 25.921.944,00
4
252.547.071,00 67.295.071,30
111.893.088,60 59.237.430,00
98.495.460,00 26.245.638,00
5
254.664.333,50 68.209.728,70
116.788.199,50 60.545.945,00
103.666.325,00 27.766.165,00
6
256.364.533,00 68.771.637,00
117.957.166,00 61.416.729,00
105.342.022,00 28.258.758,00
7
303.780.322,00 67.885.514,27
127.032.261,10 68.868.265,00
128.871.255,00 28.798.743,00
8
315.574.240,00 68.277.322,50
131.378.132,50 69.975.744,00
134.646.208,00 29.131.917,00
9
275.916.755,00 69.754.331,00
121.803.227,00 67.045.345,00
117.072.865,00 29.597.113,00
10
407.079.193,60 131.678.564,50
174.786.295,70 108.564.320,00
144.105.120,00 46.613.916,00
Σ
2.760.210.667,45 722.079.638,65
1.130.655.242,57 662.306.777,00
1.043.126.408,00 272.283.725,00
Berdasarkan rumus umum 2.2 persamaan regresi linier berganda dengan tiga variabel bebas yaitu:
1 1
2 2
3 3
o
Y b
b X b X
b X = +
+ +
Dan diperoleh melalui persamaan-persamaan berikut: ∑�
= �
� + �
1
∑�
1
+ �
2
∑�
2
+ �
3
∑�
3
∑��
1
= �
∑�
1
+ �
1
∑�
1 2
+ �
2
∑�
1
�
2
+ �
3
∑�
1
�
3
∑��
2
= �
∑�
2
+ �
1
∑�
1
�
2
+ �
2
∑�
2 2
+ �
3
∑�
2
�
3
∑��
3
= �
∑�
3
+ �
1
∑�
1
�
3
+ �
2
∑�
2
�
3
+ �
3
∑�
3 2
Harga-harga yang diperoleh disubstitusi ke dalam persamaan tersebut maka didapatkan:
172.217,47 =10 b
+159.137,00b
1
+ 41.267,00b
2
+ 64.659,00b
3
2.760.210.667,45 = 159.137,00b
+ 2.552.954.117,00b
1
+ 662.306.777,00 b
2
+ 1.043.126.408,00b
3
722.079.638,65 =41.267,00b
+ 662.306.777,00b
1
+ 174.924.375,00b
2
+ 272.283.725,00 b
3
1.130.655.242,57 = 64.659,00b
+ 1.043.126.408,00b
1
+ 272.283.725,00b
2
+ 483.515.077,00 b
3
Setelah persamaan diatas diselesaikan, maka diperoleh nilai koefisien- koefisien linier bergandanya antara lain:
b = 2.649,4492
b
1
= 0,3971
b
2
= 1,9234 b
3
= 0,0488
Dari koefisien-koefisien yang diperoleh dibentukklah model persamaan regresi linier berganda:
1 1
2 2
3 3
o
Y b
b X b X
b X
Λ
= + +
+
1 2
3
2.649, 4492 0, 3971 1, 9234
0, 0488 Y
X X
X
Λ
= +
+ +
3.3 Uji keberartian Regresi
