Analisis faktor-faktor yang mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal tahun 2013

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL

TAHUN 2013

TUGAS AKHIR

MUHAMMAD HARRIS 112407114

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL

TAHUN 2013 TUGAS AKHIR

Diajukan untuk melengkapi Tugas Akhir dan memenuhi syarat mencapai gelar Ahli Madya

MUHAMMAD HARRIS 112407114

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

PERSETUJUAN

Judul : Analisis faktor-faktor yang mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal tahun 2013

Kategori : Tugas Akhir Nama : Muhammad Harris

Nim : 112407114

Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara

Disetujui di Medan, Juni 2014

Diketahui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

Dr. Faigiziduhu Bu’ulölö, M.Si Drs. Agus Salim Harahap, M.Si NIP. 19531218 198003 1 003 NIP. 19540828 198103 1 004

PERNYATAAN

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL

TAHUN 2013

TUGAS AKHIR

Saya mengaku bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dari ringksan yang masing-masing disebutkan sumbernya.

Medan, Juni 2014

MUHAMMDA HARRIS 112407114

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan lipahan dan karunianya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul “ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL TAHUN 2013”.

Terimakasih penulis sampaikan kepada Bapak Drs. Agus Salim harahap, M.Si selaku Dosen Pembimbing yang telah meluangkan waktuya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU Medan, Bapak Prof. Dr. Tulus, M.Si, dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Yais Hasyim Lubis dan Ibu Fauziah Nasution dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa membalasnya.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Gambar vii

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 2

1.5 Manfaat Penelitian 3

1.6 Metodologi Penelitian 3

1.7 Tinjauan Pustaka 5

1.8 Lokasi Penelitian 6

1.9 Sistematika Penulisan 6

BAB 2 LANDASAN TEORI

2.1 Pengertian Regresi 8

2.2 Analisis Regresi Berganda 8

2.3 Regresi Linier Sederhana 9

2.4 Regresi Linier Berganda 10

2.5 Membentuk Persamaan Regresi Linier Berganda 10

2.6 Uji Koefisien Korelasi 11

2.7 Uji Keberartian Regresi 13

2.8 Uji Koefisien Determinasi 14

BAB 3 GAMBARAN UMUM TEMPAT RISET

3.1 Sejarah Badan Pusat Statistika (BPS) 17 3.1.1 Masa Pemerintahan Hindia Belanda 18

3.1.2 Masa Pemerintahan Jepang 19

3.1.3 Masa Pemerintahan Republik Indonesia 19 3.1.4 Masa Orde Baru sampai Sekarang 19 3.2 Tugas, Fungsi dan Kewenangan BPS 20

3.2.1 Tugas 20

3.2.2 Fungsi 20

3.2.3 Kewenangan 20

3.3 Visi dan Misi BPS 21

3.3.1 Visi 21

3.3.2 Misi 21

3.4 Struktur Organisasi BPS 22

3.5 Logo BPS 24

BAB 4 PENGOLAHAN DATA

4.1 Pengolahan Data dan Evaluasi 25

4.2 Menentukan Persamaan Regresi Linier Berganda 28

4.3 Pengujian Koefisien Korelasi 33

4.3.1 Perhitungan Korelasi antara Variabel Bebas dan

Variabel Terikat 33

4.3.2 Perhitungan Korelasi antar Variabel Bebas 36 4.4 Pengujian Keberartian Regresi 39 4.5 Perhitungan Koefisien Determinasi 43

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 44

5.2 Pengertian SPSS 44

5.3 Pengolahan Data dengan SPSS 45

5.4 Analisis Regresi dan Korelasi dengan SPSS 50 5.5 Hasil Output Pengolahan Data dalam SPSS 54

BAB 6 PENUTUP

6.1 Kesimpulan 63

6.2 Saran 65

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman

Gambar 2.1 Interval Koefisien Nilai r 12

Tabel 4.1 Data yang akan Diolah 26

Tabel 4.2 Data yang akan Diolah (Simbolis) 27 Tabel 4.3 Nilai-nilai yang Diperlukan untuk Menghitung Koefisien

Regresi 28

Tabel 4.4 Nilai-nilai yang Diperlukan untuk Menghitung Nilai

Taksiran Baku 31

Tabel 4.5 Nilai-nilai untuk Menghitung Koefisien-koefisien Regresi

DAFTAR GAMBAR

Halaman Gambar 3.1 Struktur Organisasi BPS Propinsi Sumatera Utara 23 Gambar 3.2 Logo BPS (Badan Pusat Statistika) 24 Gambar 5.1 Tampilan Pengaktifan SPSS 17,0 45 Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS 46 Gambar 5.3 Tampilan Pengisian Variabel pada Variabel View 49 Gambar 5.4 Tampilan Pengisian Data pada Data View 50 Gambar 5.5 Tampilan Menu Analyze (Regression dan Analyze) 51 Gambar 5.6 Tampilan pada Linier Regression 52 Gambar 5.7 Tampilan pada Linier Regression Statistics 52 Gambar 5.8 Tampilan pada Linier Regression Plots 53

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Jagung merupakan salah satu tanaman pangan yang banyak ditanam di setiap Negara, termasuk Indonesia. Jagung adalah sumber pangan kedua setelah padi. Hampir 70% hasil produksi jagung ini dimanfaatkan untuk konsumsi dan sisanya untuk berbagai keperluan, baik sebagai pakan ternak, kebutuhan permintaan pasar, maupun kebutuhan industri.

Peluang mengembangkan tanaman jagung ini cukup menjanjikan di Kabupaten Mandailing Natal, karena lahan di daerah tersebut sangat mendukung pertumbuhan komoditi itu. Beberapa faktor yang mempengaruhi hasil produksi jagung antara lain produktifitas, luas panen, dan curah hujan. Pentingnya mengetahui beberapa faktor yang mempengaruhi hasil produksi sebagai tolak ukur dalam pengambilan keputusan untuk menunjang pencapaian hasil produksi yang maksimal membuat penulis termotivasi untuk meneliti faktor-faktor apa saja yang berpengaruh terhadap hasil produksi jagung di Kabupaten Mandailing Natal.

Dari uraian di atas, penulis memilih judul “ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL TAHUN 2013”.

1.2 Perumusan Masalah

jagung merupakan salah satu bahan baku untuk memenuhi kebutuhan rumah tangga, permintaan pasar, maupun industri makanan di Indonesia. Berdasarkan hal diatas dapat dirumuskan masalah penelitian sebagai berikut:

1. Untuk mengetahui bagaimana hubungan antara beberapa faktor yang mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal.

2. Untuk mengetahui seberapa erat hubungan faktor-faktor tersebut.

1.3 Batasan Masalah

Agar permasalahan yang dibahas dalam penelitian tidak menyimpang, maka penulis mengambil tiga faktor yang mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal yaitu: produktifitas (XІ), luas panen (XЇ) dan curah hujan (XЈ). Lalu akan dianalisis secara regresi linier berganda untuk mengetahui ketiga faktor diatas yang sangat mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal.

1.4 Tujuan Penelitian

Tujuan penulis dalam menyusun penelitian ini berdasarkan rumusan masalah diatas diantaranya yaitu:

1. Untuk mengetahui faktor yang sangat berpengaruh terhadap produksi jagung di Kabupaten Mandailing Natal.

2. Untuk mengetahui seberapa besar faktor-faktor tersebut mempengaruhi produksi jagung di Kabupaten Mandailing Natal.

1.5 Manfaat Penelitian

Penelitian ini diharapkan tidak hanya memberikan informasi khususnya kepada warga di Kabupaten Mandailing Natal mengenai hubungan faktor-faktor yang mempengaruhi hasil produksi jagung, serta faktor yang sangat mempengaruhi hasil produksi jagung di kabupaten tersebut. Namun dapat mengatasi faktor-faktor yang mempengaruhinya dan dapat meningkatkan hasil produksi di waktu mendatang.

1.6 Metodologi Penelitian

Untuk mendukung penyusunan Tugas Akhir ini, penulis menggunakan beberapa metode penelitian untuk memperoleh data. Metode yang digunakan sebagai berikut:

1. Metode Penelitian Kepustakaan (Studi Literature)

Metode ini digunakan untuk memperoleh informasi yang dibutuhkan dengan cara membaca dan mempelajari buku-buku perkuliahan atau umum, serta mencari sumber informasi yang berhubungan dengan objek yang diteliti yang bersifat teoritis yang mendukung penulisan tugas akhir.

2. Metode Pengumpulan Data

Untuk memperoleh data yang dibutuhkan, penulis melakukan riset dengan mengambil data skunder di BPS (Badan Pusat Statistika) Propinsi Sumatera Utara, Jalan Asrama, No.179, Medan.

3. Metode Pengolahan Data

Adapun pengolahan data dalam menganalisis faktor-faktor yang mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal, dengan menggunakan perumusan:

Analisis Regresi

Persamaan penduga regresi linier berganda, adalah sebagai berikut:

dimana:

= variable tak bebas (dependent variable)

= dugaan bagi parameter konstanta

= dugaan bagi parameter koefisien regresi

1.7 Tinjauan Pustaka

(Sudjana. 1992) “Metoda Statistika”, edisi 6 Tarsito, Bandung.

Jika data terdiri atas dua atau lebih variable, maka sewajarnya untuk mempelajari cara bagaimana data itu berhubungan. Hubungan yang didapat biasanya dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan fungsional antara variable-variabel. Studi yang menyangkut masalah ini disebut analisis regresi.

(Wibisono, Yusuf, 2005) “Metode Statistik”, Gajah Mada University Press,

Yugyakarta.

Analisis regresi telah lama dikembangkan untuk mempelajari pola dan mengukur hubungan statistik antara dua variabel atau lebih. Teknik analisis regresi menjelaskan bentuk hubungan antara dua variabel atau lebih yang mengandung sebab akibat yang disebut analisis regresi.

Persamaan matematik yang memungkinkan melakukan peramalan nilai-nilai suatu variabel tak bebas dari satu atau lebih variabel bebas disebut persamaan regresi. Istilah ini berasal dari hasil pengamatan yang dilakukan oleh Sir Francis Galton (1822-1911) yang membandingkan tinggi badan anak laki-laki dengan tinggi badan bapaknya. Galton menyatakan bahwa tinggi badan anak laki-laki dengan tinggi badan bapaknya pada beberapa generasi kemudian cenderung “mundur”.

(Lungan, Richard, 2006) “Aplikasi Statistik & Hitung Peluang”, Graha Ilmu,

Yogyakarta.

Persamaan regresi yang menyatakan hubungan linier antara satu peubah tak bebas dengan satu peubah bebas disebut regresi linier sederhana. Sedangkan regresi yang menyatakan hubungan linier satu peubah tak bebas denga beberapa peubah bebas disebut regresi linier ganda.

1.8 Lokasi Penelitian

Penelitian dan riset data dilakukan di BPS (Badan Pusat Statistika) Propinsi Sumatera Utara, Jalan Asrama No.179, Medan.

1.9 Sistematika Penulisan

Adapun sistematika penulisan yang akan diuraikan oleh penulis antara lain:

BAB 1 : PENDAHULUAN

Bab ini menguraikan tentang Latar Belakang, Identifikasi Masalah, Tujuan Penelitian, Manfaat Penelitian, Metodologi Penelitian, dan Sistematika Penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi linier sederhana, regresi linier berganda, uji keberartian regresi, uji korelasi, dan uji koefisien determinasi untuk regresi linier berganda.

BAB 3 : GAMBARAN UMUM TEMPAT RISET

Bab ini menguraikan tentang sejarah berdirinya Badan Pusat Statistika, moto, visi dan misi, serta struktur organisasi.

BAB 4 : PENGOLAHAN DATA

Bab ini menguraikan proses pengolahan data dengan regresi linier berganda, uji keberartian regresi, uji korelasi, dan uji koefisien determinasi untuk regresi linier berganda.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan tentang pengolahan data dengan program SPSS, sehingga hasil outputnya membantu dalam menyelesaikan permasalahan dalam penulisan.

BAB 6 : PENUTUP

Bab ini terdiri atas kesimpulan dari analisis yang telah dilakukan serta saran berdasarkan kesimpulan yang tentunya bermanfaat bagi pembaca dan pihak yang membutuhkan.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel yaitu variabel tak bebas (dependent variable) satu atau lebih variabel yang menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan nilai-nilai dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas (independent variable).

2.2 Analisis Regresi Berganda

Analisis regresi berganda digunakan untuk peramalan, dimana dalam model terdapat variabel bebas X dan variabel tak bebas Y. Regresi linier yaitu untuk menentukan suatu persamaan dari garis yang menunjukkan hubungan antara variabel bebas dan variabel tak bebas, yang merupakan persamaan penduga yang berguna untuk menaksir atau meramalkan variabel tak bebas.

Untuk mempelajari hubungan-hubungan antara beberapa variabel, dapat dilakukan dengan dua cara, yaitu:

1. Analisis regresi sederhana (simple analisis regression) 2. Analisis regresi berganda (multiple analisis regression)

Analisis regresi sederhana merupakan hubungan antara dua variabel, yaitu variabel bebas (dependent variable) dan variabel tak bebas (independent variable). Sedangkan analisis regresi linier berganda merupakan hubungan antara satu variabel bebas (dependent variable) dengan lebih dari dua variabel tak bebas (independent variable).

2.3 Regresi Linier Sederhana

Analisis regresi linier sederhana berguna untuk mendapatkan hubungan matematis dalam bentuk persamaan antara variabel bebas dan variabel tak bebas, dimana jumlah jumlah variabel tak bebasnya hanya satu. Bentuk umum model regresi linier sederhana yaitu:

dimana:

Variabel tak bebas

Variabel bebas

Parameter intersep

Kemiringan garis

2.4 Regresi Linier Berganda

Regresi linier berganda digunakan untuk memodelkan hubungan antara variabel bebas dan variabel tak bebas, dengan jumlah variabel tak bebas satu dan jumlah variabel bebasnya lebih dari satu. Secara umum persamaan regresi linier berganda dapat ditulis sebagai berikut:

(untuk populasi)

(untuk sampel)

dimana:

Pengamatan ke i pada variabel tak bebas Pengamatan ke i pada variabel bebas Koefisien regresi untuk data populasi

Koefisien regresi untuk data sampel

Pengamatan ke i variabel kesalahan

2.5 Membentuk Persamaan Regresi Linier Berganda

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

Dalam hal ini penulis menggunakan model regresi linier berganda dengan tiga variabel, yaitu:

Untuk regresi linier berganda tiga variabel bebas X1, X2, X3 akan ditaksir oleh:

Koefisien-koefisien b0, b1, b2, b3 dapat dihitung dengan menggunakan persamaan:

Harga-harga b0, b1, b2, b3 didapat dengan menggunakan persamaan diatas dengan menggunakan metode eliminasi atau subtitusi.

2.6Uji Koefisien Korelasi

Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antar variabel. Koefisien korelasi biasanya disimbolkan dengan r.

√[ ][ ]

dimana:

n : banyaknya pasangan data X dan Y

Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut:

Gambar 2.1 Interval Koefisien Nilai r

Interval Koefisien Nilai r Tingkatan Hubungan

0,800 - 1,000 Sangat Kuat

0,600 - 0,799 Kuat

0,400 - 0,599 Cukup kuat

0,200 - 0,399 Lemah

0,001 - 0,199 Sangat Lemah

2.7Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan, terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan keberartiannya. Uji keberartian dilakukan untuk mengetahui apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.

Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah kuadrat untuk regresi yang ditulis dan jumlah kuadrat untuk sisa (residu) yang ditulis dengan .

Secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:

( )

Dengan derajat kebebasan dk = (n – k – 1) untuk sampel ukuran n.

Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:

Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang dan penyebut

2.8 Uji Koefisien Determinasi

Uji koefisien determinasi yang disimbolkan dengan bertujuan untuk mengetahui seberapa besar kemampuan variabel independent menjelaskan variabel dependent. Nilai dikatakan baik jika berada di atas 0,5 karena nilai berkisar antara 0 dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel bebas dijelaskan oleh variabel tak bebas yang digunakan dalam model.

Koefisien determinasi dapat dihitung dari:

Sehingga rumus umum koefisien determinasi yaitu:

Harga diperoleh sesuai variansi yang dijelaskan oleh masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.

2.9 Pengujian Hipotesis

Pengujian hipotesis merupakan salah satu tujuan untuk membuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak menutup kemungkinan terjadinya kesalahan dalam mengambil keputusan antara menolak atau menerima suatu hipotesis.

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai 0,1.

Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar dan tingkat kepercayaan pada umumnya adalah sebesar 95%. Yang dimaksud dengan tingkat kepercayaan adalah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: H0 (hipotesis 0) dan H1 (hipotesis alternatif). H0 bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penelitian dengan keadaan yang sesungguhnya yang diteliti. H1 bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti.

Dalam uji keberartian regresi, langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain:

1. H0 : 0 = 1 = . . . = k = 0

Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.

H1 : minimal satu parameter koefisien regresi k≠ 0

Terdapat hubunga fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.

2. Pilihan taraf α yang diinginkan

3. Hitung statistik Fhitung dengan menggunakan rumus:

4. Nilai Ftabel mengggunakan daftar tabel F dengan taraf signifikan α yaitu Ftabel = F(1-α)(k),(n-k-1)

5. Kriteria pengujian:

Fhitung ≥ Ftabel maka H0 ditolak H1 diterima Fhitung < Ftabel maka H0 diterima H1 ditolak

BAB 3

GAMBARAN UMUM TEMPAT RISET

3.1Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal – hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran – ukuran lainnya.

Setiap sepuluh tahun sekali, BPS menyelenggarakan sensus penduduk. Di samping itu, BPS juga melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap provinsi, kabupaten dan kota di seluruh Indonesia. Dinamakan perwakilan BPS di daerah, karena BPS merupakan instansi vertikal, yakni instansi pemerintah pusat yang berada di daerah, sehingga bukan merupakan bagian dari instansi milik daerah.

Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS menyelenggarakan:

1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol), 2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan 3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).

Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan memublikasi data statistik.

Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen (IUA) yang sekarang disebut Kantor Bea Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Pada masa ini CKS diganti namanya menjadi Shomubu Chasasitsu gunseikanbu

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi BPS.

3.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik

Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.

3.2.1 Tugas

BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

3.2.2 Fungsi

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:

1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik. 2. Pengkoordinasian kegiatan statistik nasional dan regional.

3. Penetapan dan penyelenggaraan statistik dasar.

4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang kegiatan statistik; dan

5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.

3.2.3 Kewenangan

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai kewenangan:

1. Penyusunan rencana nasional secara makro di bidangnya;

2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro.

3. Penetapan sistem informasi di bidangnya;

4. Penetapan dan penyelenggaraan statistik nasional;

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu:

1. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik. 2. Penyusunan pedoman penyelenggaraan survei statistik sektoral.

3.3 Visi dan Misi BPS

3.3.1 Visi

Pelopor data statistik terpercaya untuk semua.

3.3.2 Misi

1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.

2. Menciptakan insan statistik yang kompeten dan profesional, didukung pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.

3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.

5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik Nasional (SSN) yang efektif dan efisien.

3.4 Struktur Organisasi BPS

Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.

Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan seksi di lingkungan perwakilan dan cabang perwakilan BPS.

Gambar 3.1 Struktur organisasi BPS Provinsi

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu -individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.

Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai / staf tersebut.

Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi lini dan staf. Struktur ini mengandung unsur – unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam

K E P A L A

Bagian Tata Usaha

Bidang Integrasi Pengolahan & Diseminasi Statistik Bidang

Neraca Wilayah & Analisis Statistik Bidang Stat. Distribusi Bidang Stat. Produksi Bidang Stat. Sosial Seksi Statistik Kependudukan Seksi Statistik Ketahanan Sosial Seksi Statistik Kesejahteraan Rakyat Seksi Statistik Konstruksi,

Pertam-bangan & Energi Seksi Statistik

Industri Seksi Statistk

Pertanian

Seksi Statistk Niaga & Jasa Seksi Statistk Keuangan & Harga

Produsen Seksi Statistk Harga Konsumen &

Perdag. Besar Seksi Analisis Statistik Lintas Sektor Seksi Neraca Konsumsi Seksi Neraca Produksi Seksi Diseminasi dan Layanan Statistik Seksi Jaringan dan Rujukan Statistik Seksi Integrasi Pengolahan Data SubBag Bina Program SubBag Urusan Dalam SubBag Kepegawaian dan Hukum SubBag Keuangan SubBag Perlengkapan Tenaga Fungsional

pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi dan staf di Kantor Badan Pusat Statistik (BPS) adalah :

a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan – kegiatan yang saling berhubungan satu sama lain. b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

c. Pembuatan keputusan yaitu membuat keputusan – keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

3.5 Logo BPS

Logo BPS adalah sebagai berikut:

BAB 4

PENGOLAHAN DATA

4.1 Pengolahan Data dan Evaluasi

Pada dasarnya data merupakan alat bagi pengambilan keputusan untuk memecahkan suatu persoalan. Keputusan dikatakan baik jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah satu dari kegunaan data yaitu untuk memperoleh data dan mengetahui gambaran suatu keadaan atau permasalahan.

Untuk mengetahui gambaran keadaan atau permasalahan hasil produksi jagung, penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang diperoleh dari BPS (Badan Pusat Statistika) Propinsi Sumatera Utara yaitu data hasil produksi jagung di kabupaten Simalungun serta faktor-faktor yang mempengaruhinya, diantaranya yaitu produktifitas, luas panen dan curah hujan. Data yang diambil yaitu data dari tahun 2001 sampai 2012.

Tabel 4.1: Data yang akan diolah

Tahun Produksi

(Ribu Ton) Produktifitas (Ribu Ton/Ha) Luas Panen (Ribu Ha) Curah Hujan (Ribu mm)

2012 383.796 5.9370 64.643 0.145

2011 371.070 5.7140 64.935 2.150

2010 322.271 5.0580 63.712 1.490

2009 311.724 4.7360 65.820 2.286

2008 298.861 4.5990 64.971 2.859

2007 204.196 3.4259 59.604 1.380

2006 204.196 3.4259 59.604 1.962

2005 249.250 3.3867 73.597 0.000

2004 200.579 3.3515 59.847 0.783

2003 187.188 3.3514 55.854 2.422

2002 156.920 3.2913 47.677 2.228

2001 186.264 3.2843 56.714 2.091

Sumber: BPS (Badan Pusat Statistika) Propinsi Sumatera Utara

Dari data tersebut, disimbolkan menjadi:

Y = Produksi Jagung (ribu ton)

X1 = Produktifitas (ribu ton/ha)

X2 = Luas Panen (ribu ha)

Tabel 4.2: Data yang akan diolah (Simbol)

No Y X1 X2 X3

1 383.796 5.9370 64.643 0.145

2 371.070 5.7140 64.935 2.150

3 322.271 5.0580 63.712 1.490

4 311.724 4.7360 65.820 2.286

5 298.861 4.5990 64.971 2.859

6 204.196 3.4259 59.604 1.380

7 204.196 3.4259 59.604 1.962

8 249.250 3.3867 73.597 0.000

9 200.579 3.3515 59.847 0.783

10 187.188 3.3514 55.854 2.422

11 156.920 3.2913 47.677 2.228

12 186.264 3.2843 56.714 2.091

Kemudian penulis mengelompokkan analisa dan pembahasan menjadi 4 kelompok:

1. Menentukan persamaan regresi linier berganda 2. Menentukan nilai korelasi

3. Uji keberartian regresi 4. Uji kofisien determinasi

4.2 Menentukan Persamaan Regresi Linier Berganda

Untuk menentukan hubungan antar variabel bebas (produktifitas, luas panen, curah hujan) terhadap variabel terikat (produksi jagung), maka langkah pertama yang harus dilakukan adalah menentukan persamaan regresi linier berganda.

Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien regresi b1, b2, b3 adalah sebagai berikut:

Tabel 4.3: Nilai-nilai yang diperlukan untuk menghitung koefisien regresi

No Y XІ XЇ XЈ YXІ YXЇ YXЈ

1 383.796 5.9370 64.643 0.145 2278.597 24809.725 55.650 2 371.070 5.7140 64.935 2.150 2120.294 24095.430 797.801 3 322.271 5.0580 63.712 1.490 1630.047 20532.530 480.184 4 311.724 4.7360 65.820 2.286 1476.325 20517.674 712.601 5 298.861 4.5990 64.971 2.859 1374.462 19417.298 854.444 6 204.196 3.4259 59.604 1.380 699.555 12170.898 281.790 7 204.196 3.4259 59.604 1.962 699.555 12170.898 400.633 8 249.250 3.3867 73.597 0.000 844.135 18344.052 0.000 9 200.579 3.3515 59.847 0.783 672.241 12004.051 157.053 10 187.188 3.3514 55.854 2.422 627.342 10455.199 453.369 11 156.920 3.2913 47.677 2.228 516.471 7481.475 349.618 12 186.264 3.2843 56.714 2.091 611.747 10563.776 389.478

Sambungan tabel 4.3

XІXЇ XІXЈ XЇXЈ XІ² XЇ² XЈ² Y²

383.785 0.861 9.373 35.248 4178.717 0.021 147299.370 371.039 12.285 139.610 32.650 4216.554 4.623 137692.945 322.255 7.536 94.931 25.583 4059.219 2.220 103858.597 311.724 10.826 150.465 22.430 4332.272 5.226 97171.852 298.802 13.149 185.752 21.151 4221.231 8.174 89317.897 204.197 4.728 82.254 11.737 3552.637 1.904 41696.006 204.197 6.722 116.943 11.737 3552.637 3.849 41696.006 249.251 0.000 0.000 11.470 5416.518 0.000 62125.563 200.577 2.624 46.860 11.233 3581.663 0.613 40231.935 187.189 8.117 135.278 11.232 3119.669 5.866 35039.347 156.919 7.333 106.224 10.833 2273.096 4.964 24623.886 186.266 6.867 118.589 10.787 3216.478 4.372 34694.278

3076.202 81.049 1186.279 216.089 45720.693 41.833 855447.683

Dari table 4.2 diperoleh:

= 3.076,315 = 81.049 = 216,089

= 49,561 = 1186.279 = 45.720,693

= 736,978 = 13.550,7693 = 41.833

= 19.796 = 192.563,007 = 855.447,683

Sehingga didapat suatu persamaan:

Kita dapat subtitusikan nilai-nilai yang bersesuaian, sehingga diperoleh persamaan:

0 0

0 0 0 0 0

00 0 0 0

0

Setelah persamaan di atas diselesaikan, maka didapat koefisien: b0 = -217,756

b1 = 64,612 b2 = 3,366 b3 = 0,317

Dengan demikian diperoleh persamaan regresi linier berganda:

Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga yang diperoleh dari persamaan regresi diatas untuk tiap harga X1, X2, dan X3 yang diketahui:

Tabel 4.4: Nilai-nilai yang Diperlukan untuk Menghitung Nilai Taksiran Baku

No Y XІ XЇ XЈ Y- (Y- )²

1 383.796 5.9370 64.643 0.145 383.4797 0.31625 0.10002

2 371.070 5.7140 64.935 2.150 370.6897 0.38027 0.14461

3 322.271 5.0580 63.712 1.490 323.9784 -1.70742 2.91528

4 311.724 4.7360 65.820 2.286 310.5212 1.20279 1.44669

5 298.861 4.5990 64.971 2.859 298.9933 -0.13228 0.01750

6 204.196 3.4259 59.604 1.380 204.6628 -0.46677 0.21788

7 204.196 3.4259 59.604 1.962 204.8473 -0.65127 0.42415

8 249.250 3.3867 73.597 0.000 248.7930 0.45704 0.20888

9 200.579 3.3515 59.847 0.783 200.4843 0.09467 0.00896

10 187.188 3.3514 55.854 2.422 187.5570 -0.36899 0.13616

11 156.920 3.2913 47.677 2.228 156.0885 0.83147 0.69134

12 186.264 3.2843 56.714 2.091 186.0114 0.25264 0.06383

Dari table 4.2.2 diperoleh:

n = 12 = 19.796

= 3.076,315 = 3076,1066

= 49,561 = 0,20839

= 736,978 ( ) = 6,37528 Dengan k = 3, n = 12, dan ( )2 = 6,37528 didapat:

Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus:

sy₁₂₃ √ ( )

2 12

i 1

n k 1

sehingga:

sy₁₂₃ √_{12 3 1}

= 0,892

Ini berarti bahwa rata-rata hasil produksi jagung yang sebenarnya akan menyimpang dari rata-rata hasil produksi yang diperkirakan sebesar 0,892%.

4.3 Pengujian Koefisien Korelasi

4.3.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel terikat, maka dari table 4.2.1 dapat dihitung besar koefisien korelasinya yaitu:

1. Koefisien korelasi antara Produksi Jagung (Y) dengan Produktifitas (X1)

√[ ][ ]

0 0

√[ ][ 0 ]

0

√[ ][ 0 ]

0 0

√[ ][ 0 0 ] 0 0

√ 0 0 0 0 0 _{0 0} 0

Ini berarti variabel X1 (Produktifitas) berkorelasi sangat kuat terhadap variabel Y (Produksi Jagung) yaitu sebesar 0,969.

2. Koefisien korelasi antara Produksi Jagung (Y) dengan Luas Panen (X2)

√[ ][ ]

00 0

√[ 0 ][ 0 ]

0 0

√[ ][ 0 ]

0

√[ ][ 0 0 ]

0

√ 00 0 _{0 0} 0

Ini berarti variabel X2 (Luas Panen) berkorelasi kuat terhadap variabel Y (Produksi Jagung) yaitu sebesar 0,656.

3. Koefisien korelasi antara Produksi Jagung (Y) dengan Curah Hujan (X3)

√[ ][ ]

0

√[ ][ 0 ]

0

√[ 0 ][ 0 ]

0 0

√[ 0 ][ 0 0 ]

0 0 √ 0 0

0

Ini berarti variabel X3 (Curah Hujan) berkorelasi sangat lemah terhadap variabel Y (Produksi Jagung) yaitu sebesar -0,182.

4.3.2 Perhitung Korelasi antar Variabel Bebas

1. Koefisien korelasi antara Produktifitas (X1) dengan Luas Panen (X2)

√[ ][ ]

0 0

√[ 0 ][ 0 ]

√[ 0 ][ ]

0

√[ ][ ]

0 √ 0

0 0 0

Ini berarti variabel X1 (Produktifitas) berkorelasi cukup kuat terhadap variabel X2 (Luas Panen) yaitu sebesar 0,448.

2. Koefisien korelasi antara Produktifitas (X1) dengan Curah Hujan (X3)

√[ ][ ]

0

√[ 0 ][ ]

0

√[ 0 ][ 0 0 ]

√[ ][ 0 ]

√ 0 0 0 069

Ini berarti variabel X1 (Produktifitas) berkorelasi sangat lemah terhadap variabel X3 (Curah Hujan) yaitu sebesar 0 069.

3. Koefisien korelasi antara Luas Panen (X2) dengan Curah Hujan (X3)

√[ ][ ]

√[ 0 ][ ]

√[ ][ 0 0 ]

√[ ][ 0 ]

√ 0

₀₀ 0 454

Ini berarti variabel X2 (Luas Panen) berkorelasi cukup kuat terhadap variabel X3 (Curah Hujan) yaitu sebesar -0,454.

4.4 Pengujian Keberartian Regresi

Perumusan hipotesa:

H0 : Tidak terdapat pengaruh yang sigifikan terhadap variabel bebas (produktifitas, luas panen, curah hujan) terhadap produksi jagung. H1 : Terdapat pengaruh yang sigifikan terhadap variabel bebas (produktifitas,

Luas panen, curah hujan) terhadap produksi jagung.

Kriteria pengujian hipotesisnya:

Jika Fhitung > Ftabel maka H0 ditolak

Jika Fhitung < Ftabel maka H0 diterima

Untuk menguji model regresi yang telah terbentuk, maka dapat diambil:

x1i = X1i - _{X ฀1}

x2i = X2i - X ฀2 x3i = X3i - X ฀3 y1 = Yi -

Tabel 4.4: Nilai-nilai untuk Menghitung Koefisien-koefisien Regresi dan Perhitungan Uji Regresi

No Y XІ XЇ XЈ XІᵢ XЇᵢ XЈᵢ yᵢ

1 383.796 5.9370 64.6430 0.145 1.8069 3.2282 -1.5047 127.4364

2 371.070 5.7140 64.9350 2.150 1.5839 3.5202 0.5003 114.7104

3 322.271 5.0580 63.7120 1.490 0.9279 2.2972 -0.1597 65.9114

4 311.724 4.7360 65.8200 2.286 0.6059 4.4052 0.6363 55.3644

5 298.861 4.5990 64.9710 2.859 0.4689 3.5562 1.2093 42.5014

6 204.196 3.4259 59.6040 1.380 -0.7042 -1.8108 -0.2697 -52.1636

7 204.196 3.4259 59.6040 1.962 -0.7042 -1.8108 0.3123 -52.1636

8 249.250 3.3867 73.5970 0.000 -0.7434 12.1822 -1.6497 -7.1096

9 200.579 3.3515 59.8470 0.783 -0.7786 -1.5678 -0.8667 -55.7806

10 187.188 3.3514 55.8540 2.422 -0.7787 -5.5608 0.7723 -69.1716

11 156.920 3.2913 47.6770 2.228 -0.8388 -13.7378 0.5783 -99.4396

12 186.264 3.2843 56.7140 2.091 -0.8458 -4.7008 0.4413 -70.0956

Sambungan Tabel 4.4: Nilai-nilai untuk Menghitung Koefisien-koefisien Regresi dan Perhitungan Uji Regresi

(XІᵢ)(XЇᵢ) (XЇᵢ)(XЈᵢ) (XІᵢ)(XЈᵢ) (XІᵢ)(yᵢ) (XЇᵢ)(yᵢ) (XЈᵢ)(yᵢ)

5.8330 -4.8573 -2.7188 230.2670 411.3860 -191.7493 5.5757 1.7613 0.7925 181.6917 403.7998 57.3934 2.1316 -0.3668 -0.1482 61.1603 151.4095 -10.5239 2.6692 2.8032 0.3856 33.5462 243.8895 35.2302 1.6675 4.3006 0.5671 19.9296 151.1421 51.3984 1.2752 0.4883 0.1899 36.7327 94.4596 14.0668 1.2752 -0.5656 -0.2199 36.7327 94.4596 -16.2924 -9.0560 -20.0965 1.2263 5.2851 -86.6101 11.7284 1.2207 1.3588 0.6748 43.4298 87.4547 48.3432 4.3301 -4.2948 -0.6014 53.8628 384.6516 -53.4235 11.5231 -7.9450 -0.4851 83.4083 1366.0844 -57.5092 3.9759 -2.0746 -0.3733 59.2857 329.5077 -30.9355

32.4210 -29.4886 -0.7105 845.3320 3631.6343 -142.2734

(XІᵢ)² (XЇᵢ)² (XЈᵢ)² yᵢ²

3.2649 10.4211 2.2640 16240.0403 2.5088 12.3916 0.2503 13158.4797 0.8610 5.2770 0.0255 4344.3148 0.3671 19.4055 0.4049 3065.2186 0.2199 12.6463 1.4625 1806.3704 0.4959 3.2791 0.0727 2721.0394 0.4959 3.2791 0.0976 2721.0394 0.5526 148.4052 2.7214 50.5462 0.6062 2.4581 0.7511 3111.4735 0.6063 30.9229 0.5965 4784.7079 0.7036 188.7281 0.3345 9888.2307 0.7153 22.0978 0.1948 4913.3908

0

=

Untuk JKres dapat diketahui dari table 4.2.2

( )

6,37528

Jadi Fhitung dapat dicari dengan rumus dibawah ini:

= 27.956,97

Dengan demikian dapat disimpulkan bahwa:

Dari table distribusi Ftabel untuk dkpembilang = 3, dkpenyebut = n-k-1 = 12-3-1 = 8 dan Ftabel (0,05) = 4,07. Sehingga didapat Fhitung (27.956,97) > Ftabel (4,07) maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2, dan X3 bersifat nyata. Ini berarti terdapat pengaruh yang signifikan antara produktifitas, luas lahan, dan curah hujan terhadap hasil produksi jagung.

4.5 Perhitungan Koefisien Determinasi

Berdasarkan tabel 4.4 didapat harga 0 sedangkan JKreg yang telah dihitung adalah = .

Maka selanjutnya dengan rumus:

₀ 0

Sehingga didapat koefisien determinasi:

√

√0 0

Dari hasil perhitungan didapat didapat nilai koefisien determinasi sebesar

0 dan dengan mencari akar dari R2, diperoleh koefisien korelasi gandanya sebesar 0 . Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya

hasil produksi jagung dipengaruhi oleh produktifitas, luas lahan, dan curah hujan. Sedangkan 0,0000545% sisanya dipengaruhi oleh faktor-faktor lain.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah penerapan hasil desain tertulis dalam programming dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun prosedur untuk menyelesaikan desain sistem, yang mana dalam hal ini implementasi sistem digunakan untuk menganalisa data-data yang dianggap mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal. Pengolahan data pada tugas akhir ini menggunakan software SPSS.

5.2 Pengertian SPSS

SPSS (Statistical Product and Service Solution) merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien, dengan hasil perhitungan yang akurat.

SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stamford University pada tahun 1968 dan dioperasionalkan pada komputer mainframe. Seiring dengan perkembangan software ini, SPSS sudah mampu memproses data statistik pada berbagai bidang ilmu sosial maupun non sosial. Program ini dapat dioperasikan dalam sistem windows sekitar tahun 1992.

5.3 Pengolahan Data dengan SPSS

1) Memulai SPSS pada windows yaitu sebagai berikut:

 Pilih menu Start dari Windows

 Selanjutnya pilih menu Program

 Pilih SPSS Statistics 17

2) Memasukkan data ke dalam SPSS

SPSS data editor mempunyai 2 tipe lingkungan kerja yaitu: Data View dan

Variabel View. Untuk menyusun definisi posisi tampilan SPSS data editor harus

berada pilih “Variabel View”. Lakukan dengan mengklik tab Sheet Variabel View yang berada di bagian kiri bawah atau langsung menekan Ctrl+T. Tampilan Variabel View juga dimunculkan dari View lalu pilih Variabel.

Tampilannya adalah sebagai berikut:

Pada tampilan jendela Variabel View terdapat kolom-kolom berikut:

Name : untuk memasukkan nama variabel yang akan diuji

Type : untuk mengidentifikasikan tipe variabel apakah bersifat numeric/string

Width : untuk menuliskan panjang pendek variabel

Decimals : untuk menuliskan jumlah desimal dibelakang koma

Label : untuk menuliskan label variabel

Value : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan scale

missing : untuk menuliskan ada tidaknya jawaban kosong

Columns : untuk menuliskan lebar kolom

Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau

angka data view

Measure : untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal atau scale

3) Pengisian Variabel

Letakkan pointer pada baris pertama di bawah name:

Name : klik ganda pada sel tersebut dan ketik Hasil_Produksi

Type : pilih numeric karena data dalam bentuk angka

Width : untuk keseragaman ketik 8

Decimal : Isi sesuai data yang pada table 4.1.1

Label : tidak perlu diisi

Value and Missing: abaikan karena data tidak dikategorisasikan

Align : pilih center

Measure : pilih nominal

Begitu seterusnya untuk mengisi X1, X2, X3 dengan Name dan Label yang sesuai dengan Variabel yang dimaksudkan.

Gambar 5.3 Tampilan Pengisian Variabel pada Variabel View

4) Pengisian Data

1. Aktifkan jendelan dengan mengklik Data View

2. Ketikkan data yang sesuai dengan setiap variabel yang telah didefinisikan pada Variabel View

Gambar 5.4 Tampilan Pengisian Data pada Data View

5.4 Analisis Regresi dan Korelasi dengan SPSS Langkah-langkah sebagai berikut:

1. Lampirkan lembar kerja dimana sudah terdapat data yang akan dianalisis 2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression

Gambar 5.5 Tampilan Menu Analyze, Regression, Linier

3. Setelah itu akan muncul kotak dialog Linier Regression, pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (Hasil_Produksi) pada kotak Dependent, dan variabel bebas X (Produktifitas, Luas_Panen, dan Curah_Hujan) pada kotak Independent

Gambar 5.6 Tampilan pada Linier Regression

4. Klik kotak Statistics pada kotak dialog Linier Regression, kemudian aktifkan

Estimate, Model Fit, Descriptive dan Partial Correlation lalu klik Continue

untuk melanjutkan seperti pada gambar berikut:

5. Selanjutnya klik kotak Plots pada kotak dialog Linier Regression dan pilih

Produce All Partial Plot. Lalu ketik Continue untuk melanjutkan, seperti

gambar berikut:

Gambar 5.8 Tampilan pada Linier Regression Statistics

5.5 Hasil Output Pengolahan Data dalam SPSS

a. Bagian Descriptive Statistics

Descriptive Statistics

Mean Std. Deviation N

Hasil_Produksi 256.35958 77.930535 12

Produktifitas 4.130083 1.0179123 12

Luas_Panen 61.41483 6.461858 12

Curah_Hujan 1.64967 .913325 12

Interpretasi:

1) Rata-rata hasil produksi jagung (dengan jumlah data 12) adalah: 256,35958 ribu ton dengan standard deviasi 77,93.

2) Rata-rata produktifitas (dengan jumlah data 12) adalah: 4,1301 ribu ton dengan standard deviasi 1,0179.

3) Rata-rata luas panen (dengan jumlah data 12) adalah: 61,415 ribu ha dengan standard deviasi 6,462.

4) Rata-rata curah hujan (dengan jumlah data 12) adalah: 1,64967 ribu mm dengan standard deviasi 0,013325.

b.Bagian Correlation

Correlations

Hasil_Produksi Produktifitas Luas_Panen Curah_Hujan

Pearson Correlation Hasil_Produksi 1.000 .969 .656 -.182

Produktifitas .969 1.000 .448 -.069

Luas_Panen .656 .448 1.000 -.454

Curah_Hujan -.182 -.069 -.454 1.000

Sig. (1-tailed) Hasil_Produksi . .000 .010 .286

Produktifitas .000 . .072 .415

Luas_Panen .010 .072 . .069

Curah_Hujan .286 .415 .069 .

N Hasil_Produksi 12 12 12 12

Produktifitas 12 12 12 12

Luas_Panen 12 12 12 12

Curah_Hujan 12 12 12 12

Interpretasi:

1) Besar hubungan antar variabel hasil produksi jagung dengan produktifitas yang dihitung dengan koefisien korelasi adalah 0,969, variabel hasil produksi jagung dengan luas panen diperoleh 0,656, dan variabel hasil produksi jagung dengan curah hujan diperoleh -0,182. Dapat disimpulkan bahwa produktifitas, dan luas panen sangat mempengaruhi hasil produksi jagung. Sedangkan curah hujan berpengaruh kecil terhadap hasil produksi jagung.

2) Terjadi korelasi yang cukup kuat antara variabel X1 (Produktifitas) dengan variabel X2 (Luas Panen) yaitu sebesar 0,448, terjadi korelasi yang sangat

lemah antara variabel X1 (Produktifitas) dengan variabel X3 (Curah Hujan)

yaitu sebesar -0,069, dan terjadi korelasi yang cukup kuat antara variabel X2 (Luas Panen) dengan variabel X3 (Curah Hujan) yaitu sebesar -0,454.

3) Tingkat signifikan koefisien korelasi satu sisi dari output (diukur dari probabilitas) menghasilkan angka 0,000 yaitu probabilitas antara hasil produksi dengan produktifitas, 0,010 yaitu probabilitas antara hasil produksi dengan luas panen, dan 0,286 yaitu probabilitas antara hasil produksi dengan curah hujan. Karena probabilitas antara hasil produksi dengan produktifitas dan luas panen di bawah 0,05, maka korelasi antara hasil produksi jagung dengan produktifitas dan luas panen adalah nyata. Sedangkan korelasi antara hasil produksi jagung dengan curah hujan tidak nyata karena nilai probabilitas 0,286 > 0,05.

c. Bagian variabel enterd/removed

Variables Entered/Removed

Model Variables Entered

Variables

Removed Method

1 Curah_Hujan,

Produktifitas, Luas_Panena

. Enter

Interpretasi:

Tabel variables entered menunjukkan bahwa tidak ada variabel yang dikeluarkan (removed) atau dengan kata lain ketiga variabel bebas dimasukkan dalam perhitungan regresi.

d.Bagian model summary

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

1 1.000a 1.000 1.000 .892441

a. Predictors: (Constant), Curah_Hujan, Produktifitas, Luas_Panen

b. Dependent Variable: Hasil_Produksi

Interpretasi:

1) Angka R Square adalah 1,000, dan nilai R adalah 1,000. Hal ini berarti 100% hasil produksi jagung dipengaruhi oleh produktifitas, luas panen dan curah hujan.

2) Standard error of estimate adalah 0,892441, ini berarti rata-rata nilai akan menyimpang dari kebenarannya yaitu sebesar 0,892441.

e. Bagian Anova

ANOVAb

Model Sum of Squares Df Mean Square F Sig.

1 Regression 66798.480 3 22266.160 27956.703 .000a

Residual 6.372 8 .796

Total 66804.852 11

a. Predictors: (Constant), Curah_Hujan, Produktifitas, Luas_Panen b. Dependent Variable: Hasil_Produksi

Interpretasi:

Dari perhitungan sebelumnya diperoleh nilai distribusi Ftabel untuk dkpembilang = 3, dkpenyebut = n-k-1 = 12-3-1 = 8 dan Ftabel (0,05) = 4,07. Sehingga didapat Fhitung (27.956,703) > Ftabel (4,07) maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2, dan X3 bersifat nyata. Ini berarti terdapat pengaruh yang signifikan antara produktifitas, luas panen, dan curah hujan terhadap hasil produksi jagung.

f. Bagian Coefficients

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 156.10147 383.49814 256.35958 77.926819 12

Residual -1.725230 1.184532 .000000 .761077 12

Std. Predicted Value -1.287 1.632 .000 1.000 12

Std. Residual -1.933 1.327 .000 .853 12

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients

t Sig.

Correlations

B

Std.

Error Beta

Zero-order Partial Part

1 (Constant) -217.756 3.189 -68.284 .000

Produktifitas 64.612 .300 .844 215.391 .000 .969 1.000 .744

Luas_Panen 3.366 .053 .279 63.620 .000 .656 .999 .220

Curah_Hujan .317 .335 .004 .943 .373 -.182 .316 .003

a. Dependent Variable: Hasil_Produksi

Interpretasi:

1) Konstanta sebesar -217,756 menyatakan jika tidak ada produktifitas, luas panen dan curah hujan (variabel bebas) maka hasil produksi akan menurun sebesar 217,756 ribu ton pertahun.

a) Koefisien regresi X1 sebesar 64,612 menyatakan bahwa setiap kenaikan produktifitas, maka terjadi kenaikan hasil produksi jagung sebanyak 64,612 ribu ton.

b)Koefisien regresi X2 sebesar 3,366 menyatakan bahwa setiap penambahan luas panen, maka terjadi kenaikan hasil produksi jagung sebanyak 3,366 ribu ton.

c) Koefisien regresi X3 sebesar 0,317 menyatakan bahwa setiap pemambahan curah hujan, maka terjadi kenaikan hasil produksi jagung sebanyak 0,317 ribu ton.

g. Bagian Gambar (Chart)

Setelah diuraikan bagian output angka, sekarang beralih ke bagian output berupa chart untuk menganalisis hubungan setiap variabel bebas dengan variabel tidak bebas.

Interpretasi:

Dari gambar terlihat bahwa data membentuk suatu pola atau trend garis tertentu. Maka dapat dikatakan bahwa model regresi memenuhi syarat untuk memprediksi hasil produksi jagung

Interpretasi

Dari gambar terlihat bahwa data membentuk suatu pola atau trend garis tertentu. Maka dapat dikatakan bahwa model regresi dapat memenuhi syarat untuk memprediksi hasil produksi jagung.

Interpretasi:

Dari gambar terlihat bahwa data terpencar menyebar hampir tidak membentuk suatu pola atau trend garis tertentu. Maka dapat dikatakan bahwa model regresi tidak memenuhi syarat untuk memprediksi hasil produksi jagung.

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasar analisis data yang telah dilakukan, maka dapat diperoleh beberapa kesimpulan antara lain:

1. Dari hasil perhitungan diperoleh persamaan penduga hasil produksi jagung untuk produktifitas, luas panen dan curah hujan adalah:

Persamaan ini mempunyai arti:

d)Koefisien regresi X1 sebesar 64,612 menyatakan bahwa setiap kenaikan produktifitas, maka terjadi kenaikan hasil produksi jagung sebanyak 64,612 ribu ton.

e) Koefisien regresi X2 sebesar 3,366 menyatakan bahwa setiap penambahan luas panen, maka terjadi kenaikan hasil produksi jagung sebanyak 3,366 ribu ton.

f) Koefisien regresi X3 sebesar 0,317 menyatakan bahwa setiap pemambahan curah hujan, maka terjadi kenaikan hasil produksi jagung sebanyak 0,317 ribu ton.

DAFTAR PUSTAKA

Badan Pusat Statistika. Sumatera Utara Dalam Angka 2002-2013.

Hartono. 2004. Statistik Untuk Penelitian. Yogyakarta: LSFK2P & Pustaka Belajar.

Sudjana. 1992. Metoda Statistika Edisi 6. Bandung: Tarsito. Usman, Husein. 2006. Pengantar Statistika. Jakarta: Bumi Aksara.

Wibisono, Yusuf. 2005. Metode Statistik. Yogyakarta: Gajah Mada University Press.

Yamin, Sofyan, dkk. 2011. Regresi dan Korelasi Dalam Genggaman Anda. Jakarta: Salemba Empat.

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients

t Sig.

Correlations

B

Std.

Error Beta

Zero-order Partial Part

1 (Constant) -217.756 3.189 -68.284 .000

Produktifitas 64.612 .300 .844 215.391 .000 .969 1.000 .744

Luas_Panen 3.366 .053 .279 63.620 .000 .656 .999 .220

Curah_Hujan .317 .335 .004 .943 .373 -.182 .316 .003

a. Dependent Variable: Hasil_Produksi

Interpretasi:

1) Konstanta sebesar -217,756 menyatakan jika tidak ada produktifitas, luas panen dan curah hujan (variabel bebas) maka hasil produksi akan menurun sebesar 217,756 ribu ton pertahun.

a) Koefisien regresi X1 sebesar 64,612 menyatakan bahwa setiap kenaikan produktifitas, maka terjadi kenaikan hasil produksi jagung sebanyak 64,612 ribu ton.

b)Koefisien regresi X2 sebesar 3,366 menyatakan bahwa setiap penambahan luas panen, maka terjadi kenaikan hasil produksi jagung sebanyak 3,366 ribu ton.

c) Koefisien regresi X3 sebesar 0,317 menyatakan bahwa setiap pemambahan curah hujan, maka terjadi kenaikan hasil produksi jagung sebanyak 0,317 ribu ton.

g. Bagian Gambar (Chart)

Setelah diuraikan bagian output angka, sekarang beralih ke bagian output berupa chart untuk menganalisis hubungan setiap variabel bebas dengan variabel tidak bebas.

Interpretasi:

Dari gambar terlihat bahwa data membentuk suatu pola atau trend garis tertentu. Maka dapat dikatakan bahwa model regresi memenuhi syarat untuk memprediksi hasil produksi jagung

Interpretasi

Dari gambar terlihat bahwa data membentuk suatu pola atau trend garis tertentu. Maka dapat dikatakan bahwa model regresi dapat memenuhi syarat untuk memprediksi hasil produksi jagung.

Interpretasi:

Dari gambar terlihat bahwa data terpencar menyebar hampir tidak membentuk suatu pola atau trend garis tertentu. Maka dapat dikatakan bahwa model regresi tidak memenuhi syarat untuk memprediksi hasil produksi jagung.

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasar analisis data yang telah dilakukan, maka dapat diperoleh beberapa kesimpulan antara lain:

1. Dari hasil perhitungan diperoleh persamaan penduga hasil produksi jagung untuk produktifitas, luas panen dan curah hujan adalah:

Persamaan ini mempunyai arti:

d)Koefisien regresi X1 sebesar 64,612 menyatakan bahwa setiap kenaikan produktifitas, maka terjadi kenaikan hasil produksi jagung sebanyak 64,612 ribu ton.

e) Koefisien regresi X2 sebesar 3,366 menyatakan bahwa setiap penambahan luas panen, maka terjadi kenaikan hasil produksi jagung sebanyak 3,366 ribu ton.

f) Koefisien regresi X3 sebesar 0,317 menyatakan bahwa setiap pemambahan curah hujan, maka terjadi kenaikan hasil produksi jagung sebanyak 0,317 ribu ton.

DAFTAR PUSTAKA

Badan Pusat Statistika. Sumatera Utara Dalam Angka 2002-2013.

Hartono. 2004. Statistik Untuk Penelitian. Yogyakarta: LSFK2P & Pustaka Belajar.

Sudjana. 1992. Metoda Statistika Edisi 6. Bandung: Tarsito. Usman, Husein. 2006. Pengantar Statistika. Jakarta: Bumi Aksara.

Wibisono, Yusuf. 2005. Metode Statistik. Yogyakarta: Gajah Mada University Press.

Yamin, Sofyan, dkk. 2011. Regresi dan Korelasi Dalam Genggaman Anda. Jakarta: Salemba Empat.