Analisis Jumlah Penduduk Dan Pendapatan Perkapita Terhadap Pertumbuhan Ekonomi Kota Medan

KOTA MEDAN

TUGAS AKHIR

OLEH

EMMA ALAMSARI TARIGAN 102407025

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2012

Judul : ANALISIS JUMLAH PENDUDUK DAN PENDAPATAN PERKAPITA TERHADAP PERTUMBUHAN EKONOMI KOTA MEDAN

Kategori : TUGAS AKHIR

Nama : EMMA ALAMSARI TARIGAN

Nomor Induk Mahasiswa : 102407025 Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (MIPA) UNIVERSITAS SUMATERA UTARA

Disahkan di Diketahui

Ketua Departemen Matematika FMIPA USU Pembimbing

Prof. Dr. Tulus, M.Si Drs. Gim Tarigan, M.Si NIP. 19620901 198803 1 002 NIP. 19550202 198601 1 001

ANALISIS JUMLAH PENDUDUK DAN PENDAPATAN PERKAPITA TERHADAP PERTUMBUHAN EKONOMI KOTA MEDAN

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 2013

EMMA ALAMSARI TARIGAN 102407025

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya. Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul “ANALISIS JUMLAH PENDUDUK DAN PENDAPATAN PERKAPITA TERHADAP PERTUMBUHAN EKONOMI KOTA MEDAN”.

Terimakasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si, selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu‟ulolo, M.Si dan Bapak Drs. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3

Statisika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika

FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan - rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Kastro Tarigan, Ibu Rismawati Siregar dan seluruh keluarga yang selama ini memberikan bantuan dan dukungan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

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 Identifikasi Masalah 3

1.3 Perumusan Masalah 4

1.4 Pembatasan Masalah 4

1.5 Maksud Dan Tujuan 4

1.6 Manfaat Penelitian 5

1.7 Tinjauan Pustaka 5

1.8 Metode Penelitian 6

1.8.1 Lokasi Penelitian 6

1.8.2 Metode Pengumpulan Data 7

1.9 Sistematika Penulisan 7

BAB 2 LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi 9

2.2 Persamaan Regresi 10

2.2.1 Regresi Linier Sederhana 11

2.2.2 Regresi Linier Berganda 12

2.3 Uji Keberartian Regresi Linier 15

2.3.1 Uji F (Simultan) 15

2.3.2 Uji t-statistik 16

2.4 Koefisien Determinasi 17

2.5 Koefisien Korelasi 18

BAB 3 SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Badan Pusat Statistik (BPS) 21 3.1.1 Masa Pemerintahan Hindia Belanda 21

3.1.2 Masa Pemerintahan Jepang 22

3.1.3 Masa Kemerdekaan Republik 22

3.1.4 Masa Orde Baru Sampai Sekarang 23 3.2 Visi dan Misi Badan Pusat Statistik 24 3.2.1 Visi Badan Pusat Statistik 25 3.2.2 Misi Badan Pusat Statistik 25 3.3 Struktur Organisasi Badan Pusat Statistik 25

4.3 Analisis Residu 34

4.4 Uji Regresi Linier Berganda 35

4.4.1 Uji F (Simultan) 35

4.4.2 Uji t 38

4.4.2.1 Apakah X1 mempengaruhi Y 38 4.4.2.2 Apakah X2 mempengaruhi Y 41

4.5 Koefisien Determinasi 44

4.6 Koefisien Korelasi 45

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertiana Implementasi Sistem 48 5.2 Peranan Komputer dalam Statistika 48 5.3 Cara Kerja SPSS Statistic 17.0 50 5.4 Mengoperasikan SPSS Statistic 17.0 51 5.4.1 Mengaktifkan Program SPSS pada Windows 52

5.4.2 Pemasukan Data 52

5.4.3 Menyimpan Data 56

5.5 Analisa Regresi dengan SPSS Statistic 17.0 56 5.6 Analisis Korelasi dengan SPSS Statistic 17.0 57 BAB 6 PENUTUP

6.1 Kesimpulan 58

6.2 Saran 60

DAFTAR PUSTAKA

Tabel 2.1. Data hasil pengamatan dari n responden (X1, X2, … , Xk,Y) 13 Tabel 4.1. Data Pertumbuhan ekonomi, Jumlah penduduk dan Pendapatan

perkapita 29

Tabel 4.2. Nilai - nilai Koefisien 30

Tabel 4.3. Penyimpangan nilai koefisien 34 Tabel 4.4. Nilai - nilai koefisien untuk uji F 37 Tabel 4.5. Nilai - nilai koefisien pengaruh X1 terhadap Y 39 Tabel 4.6. Nilai - nilai koefisien pengaruh X2 terhadap Y 42

Gambar 2.1. Korelasi positif 18

Gambar 2.2. Korelasi negatif 19

Gambar 2.3. Korelasi nol 19

Gambar 5.1. Sistematika cara kerja SPSS 51 Gambar 5.2. Tampilan saat membuka SPSS Statistic 17.0 pada desktop 52

Gambar 5.3. Tampilan pada pengisian variable view 55

Gambar 5.4. Tampilan pada data view 55

Gambar 5.5. Tampilan kotak dialog Linear Regression 56 Gambar 5.6. Tampilan kotak dialog Bivariate Correlation 57

PENDAHULUAN

1.1 Latar Belakang

Kota Medan adalah Ibukota Propinsi Sumatera Utara, Indonesia. Kota ini merupakan kota terbesar di Pulau Sumatera. Kota Medan merupakan pintu gerbang wilayah Indonesia bagian barat. Secara geografis Kota Medan terletak pada 3° 30' – 3° 43' Lintang Utara dan 98° 35' - 98° 44' Bujur Timur. Kota Medan memiliki luas 26.510 hektar (265,10 km²) atau 3,6% dari keseluruhan wilayah Sumatera Utara. Dengan demikian, dibandingkan dengan kota/kabupaten lainnya, Kota Medan memiliki luas wilayah yang relatif kecil dengan jumlah penduduk yang relatif besar dan meningkat setiap tahunnya.

Dengan diberlakukannya UU nomor 22 Tahun 1999 tentang Otonomi Daerah, maka telah terjadi perubahan sistem penyelenggaraan pemerintahan di Indonesia yang sebelumnya menganut sistem sentralistik menjadi sistem desentralistik. Tentu saja, keberhasilan penyelenggaraan pemerintah daerah sekarang ini dan masa yang akan datang sangat ditentukan oleh pemerintah daerah itu sendiri. Pemerintah Kota Medan dalam melaksanakan pembangunan khususnya pembangunan di bidang ekonomi tidak terlepas dari dampak positif maupun dampak negatif, untuk mengukur hasil pembangunan tersebut di perlukan alat ukur yaitu berupa indikator ekonomi, salah satu indikator kinerja makro untuk

bidang ekonomi yang sering di gunakan secara luas adalah Produk Domestik Regional Bruto (PDRB) yang menunjukkan pertumbuhan ekonomi. Pembentukan angka PDRB ini secara intuisi dipengaruhi oleh banyak faktor terutama faktor ekonomi seperti produktivitas dan efisiensi. Selain itu, dapat diketahui juga bahwa PDRB yang cukup meningkat dalam segi ekonomi merupakan cerminan dari tingkat pendapatan masyarakat yang lebih baik di daerah tersebut, sedangkan dalam bidang non ekonomi peningkatan tersebut mengindikasikan adanya perbaikan tingkat kesehatan, pendidikan, perumahan, lingkungan hidup dan aspek lainnya dalam masyarakat.

Di era dunia yang global saat ini diperlukan adanya koordinasi yang menyeluruh dari berbagai pihak demi terwujudnya pembangunan yang sukses dan berkesinambungan. Badan Pusat Statistik Kota Medan bekerjasama dengan Badan Perencanaan Pembangunan Daerah Kota Medan telah menghitung pendapatan regional secara berkala, yang mana hasilnya digunakan sebagai ukuran dan bahan evaluasi terhadap hasil pembangunan yang telah dicapai, dan juga untuk perencanaan dan dasar pengambilan keputusan bagi Pemerintah Daerah dalam melanjutkan pembangunan disegala sektor.

Pendapatan perkapita merupakan gambaran besarnya pendapatan rata - rata yang diterima oleh setiap penduduk sebagai hasil dari proses yang terjadi di suatu daerah. Semakin banyak kegiatan ekonomi di suatu daerah akan menimbulkan peningkatan proses produksi yang akan menghasilkan pendapatan. Oleh sebab itu, besar maupun kecilnya PDRB perkapita belum mencerminkan kemakmuran masyarakat secara keseluruhan, karena pendapatan yang ada

tersebut belum pasti dinikmati oleh penduduk daerah yang bersangkutan, namun hanya menumpuk dibeberapa gelintir masyarakat.

Masyarakat adil dan makmur tercapai bila telah terpenuhinya kebutuhan materil dan spiritual, namun kriteria dan tolak ukurnya sebagai patokan belum ada yang pasti. Jadi untuk analisa yang dilakukan semata - mata hanya berdasarkan pada kebutuhan secara fisik/materil. Sesuai dengan pembahasan sebelumnya maka penulis mencoba untuk menganalisis faktor yang mendukung perkembangan pertumbuhan ekonomi Kota Medan. Untuk mencapai tujuan yang diinginkan tersebut, maka penulis mencoba membuat sebuah Tugas Akhir yang berjudul “ANALISIS JUMLAH PENDUDUK DAN PENDAPATAN

PERKAPITA TERHADAP PERTUMBUHAN EKONOMI KOTA

MEDAN”.

1.2 Identifikasi Masalah

Dengan memanfaatkan data sekunder dari Badan Pusat Statistik, memungkinkan penulis untuk menghitung data dengan menggunakan metode Analisis Regresi Linier Berganda, hal ini dilakukan untuk melihat sektor manakah yang paling memberikan pengaruh terhadap pertumbuhan ekonomi Kota Medan.

1.3 Perumusan Masalah

Bagaimana menentukan pertumbuhan ekonomi Kota Medan di masa yang akan datang maka diperlukan analisis komponen - komponen yang memberikan pengaruh terhadap pertumbuhan ekonomi tersebut, sebagaimana jumlah penduduk yang meningkat setiap tahunnya sebaiknya diiringi dengan peningkatan pendapatan perkapitanya agar terjadi keseimbangan pertumbuhan ekonomi.

1.4 Pembatasan Masalah

Untuk mengarahkan pembahasan dalam Tugas Akhir ini agar tidak menyimpang dari sasaran yang dituju, maka perlu membuat batasan ruang lingkup permasalahan. Sebagai batasan masalah mengarah pada analisis untuk mengetahui sektor mana di antara jumlah penduduk dan pendapatan perkapita yang paling berpengaruh terhadap pertumbuhan ekonomi Kota Medan dengan menggunakan metode Analisis Regresi Linier Berganda.

1.5 Maksud Dan Tujuan

Adapun tujuan dari penelitian ini adalah untuk mengetahui dan menganalisis apakah secara signifikan terdapat korelasi antara jumlah penduduk dan pendapatan perkapita terhadap pertumbuhan ekonomi Kota Medan serta meneliti sektor manakah yang paling mempengaruhi pertumbuhan ekonomi Kota Medan.

1.6 Manfaat Penelitian

Kontribusi yang dapat diambil dari penelitian ini adalah untuk mengamati dan memberikan penyajian data tentang pertumbuhan ekonomi disegala bidang yang diharapkan dapat dipergunakan bagi pihak - pihak yang membutuhkannya dalam mengambil suatu keputusan atau kebijakan dan juga sebagai sarana meningkatkan pengetahuan dan wawasan penulis mengenai riset dan menganalisis data.

1.7 Tinjauan Pustaka

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya (Algifari, 2000).

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dengan variabel independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

Regresi linier sederhana berguna untuk mendapatkan hubungan pengaruh dari dua variabel. Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya (Sudjana, 2001).

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lain. Untuk mengetahui keeratan hubungan antara dua variabel dengan menggunakan koefisien korelasi adalah dengan menggunakan nilai absolut dari koefisien korelasi tersebut. Besarnya koefisien korelasi (r) antara dua macam variabel adalah 0 sampai dengan 1. Apabila dua buah variabel mempunyai nilai r = 0, berarti antara dua variabel tersebut tidak ada hubungan. Sedangkan apabila dua buah variabel mempunyai r = 1, maka dua buah variabel tersebut mempunyai hubungan yang sempurna.

1.8 Metode Penelitian

1.8.1 Lokasi Penelitian

Dalam menyusun Tugas Akhir ini data yang digunakan oleh penulis diperoleh dari Kantor Badan Pusat Statistik Propinsi Sumatera Utara yang berlamatkan di jalan Asrama Nomor 179.

1.8.2 Metode Pengumpulan Data

Keperluan data untuk penelitian ini penulis dapatkan dengan menggunakan data sekunder (data yang tersedia). Pengumpulan data yang dilakukan penulis dimulai pada tanggal 18 Maret - 24 Maret 2013.

1.9 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut:

BAB 1 : PENDAHULUAN

Pada bab ini berisi tentang latar belakang masalah, identifikasi masalah, pembatasan masalah, perumusan masalah, maksud dan tujuan penelitian, metode penelitian dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang konsep teori-teori yang digunakan dalam penyelesaian masalah yang dihadapi sesuai dengan judul yang diutarakan.

BAB 3 : SEJARAH DAN STRUKTUR BPS

Pada bab ini dijelaskan tentang sejarah singkat berdirinya Badan Pusat Statistik Propinsi Sumatera Utara beserta visi dan misinya.

BAB 4 : PENGOLAHAN DATA

Pada bab ini dilakukan analisis data yang telah dikumpulkan beserta pembahasannya.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini berisi tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh yaitu dengan menggunakan Program SPSS Statistic 17.0.

BAB 6 : PENUTUP

Bab ini berisi tentang kesimpulan dan saran dari hasil analisis data yang diperoleh dalam penyelesaian Tugas Akhir ini.

BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel - variabel lain yang mempengaruhinya. Misalnya pada kinerja seorang pegawai terhadap perubahan tingkat produktivitas karena adanya perubahan gaji yang diterimanya. Dalam artian bahwa pegawai tersebut semakin produktif sebagai akibat adanya tambahan gaji yang diterimanya. Dalam hal ini berarti bahwa perubahan produktivitasnya disebabkan oleh adanya perubahan gaji. Dalam fenomena alam banyak sekali kejadian yang saling berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel yang 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 analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai

prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang di bentuk.

Dengan demikian dapat didefenisikan bahwa : analisis 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.

2.2 Persamaan Regresi

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

Sifat hubungan antarvariabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan 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 nilainnya akan mempengaruhi nilai variabel lain disebut

dengan variabel bebas (independent variable), sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variable).

2.2.1 Regresi Linier Sederhana

Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk persamaan antara variabel bebas tunggal dengan variabel terikat tunggal. Regresi linier sederhana hanya memiliki satu variabel bebas X yang dihubungkan dengan satu variabel terikat Y.

Bentuk umum Regresi Linier Sederhana:

Y = α + bX (2.1)

Dengan:

Y : variabel terikat X : variabel bebas α : intersep

b : koefisien regresi/slop

Persamaan regresi linier sederhana dengan satu variabel bebas ditaksir oleh:

Ŷ = α + bX (2.2)

Nilai α dan b dapat ditentukan dengan menggunakan persamaan normal berikut:

ΣY = αn + bΣX

ΣXY = αΣX + bΣX2

(2.3)

Dalam bentuk matriks dapat ditulis sebagai berikut:

Dalam Metode Kuadrat Terkecil nilai αdan b dapat ditentukan sebagai berikut:

α =

b = (2.5)

2.2.2 Regresi Linier Berganda

Banyak persoalan penelitian/pengamatan yang terjadi dengan lebih dari dua variabel, atau dengan kata lain memerlukan lebih dari satu variabel bebas dalam membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi Kumulatif) seorang mahasiswa (Y) bergantung pada jumlah jam belajar setiap hari (X1), banyaknya buku yang dibaca (X2), jumlah uang yang dimiliki (X3) dan faktor - faktor lainnya. Untuk memberikan gambaran tentang suatu permasalahan/persoalan, biasanya sangat sulit ditentukan sehingga diperlukan suatu model yang dapat memprediksi atau meramalkan respon yang penting terhadap persoalan tersebut, yaitu regresi linier berganda.

Analisis regresi linier berganda memberikan kemudahan kepada pengguna untuk memasukkan lebih dari satu variabel prediktor hingga k-prediktor dimana banyaknya k kurang dari jumlah observasi (n).

Dengan demikian model regresi linier berganda dapat ditunjukkan sebagai berikut:

Y = + X1 + X2 + ... + Xk + (2.6)

Dengan:

Y = variabel terikat (dependent)

X1,…,Xk = variabel bebas (independent)

= error

Karena model diduga dari sampel, maka persamaannya secara umum ditunjukkan sebagai berikut:

Ŷ = b0 + b1X1 + b2X2 + ... + bkXk (2.7)

Dengan:

= nilai penduga bagi variabel Y

b0,…,bk = dugaan bagi parameter konstanta ,..., X1,…,Xk = variabel bebas X1,…,Xk

Untuk mencari nilai b0,b1,b2,...,bk diperlukan n buah pasang data (X1,X2,...,Xk,Y) yang dapat di lihat dalam tabel 2.1 berikut.

Tabel 2.1. Data hasil pengamatan dari n responden (X1,X2,...,Xk,Y)

Responden X1 X2 ... Xk Y 1 X11 X21 ... Xk1 Y1 2 X12 X22 ... Xk2 Y2

. . . . . . . . . . . . . . . . . . N X1n X2n . Xkn Yn

Dari Tabel 2.1. dapat di lihat bahwa Y1 berpasangan dengan X11,X21,...,Xk1, data Y2 berpasangan dengan X12,X22,...,Xk2 dan umumnya data Yn berpasangan dengan X1n,X2n,...,Xkn.

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

Ŷ = b0 + b1X1 + b2X2 (2.8)

Nilai b0, b1, b2 dapat ditentukan dengan menggunakan persamaan normal berikut: ∑Yi = b0n + b1∑X1i + b2∑X2i

∑Yi∑1i = b0∑X1i + b1∑X1i2 + b2∑X1iX2i

∑Yi∑X2i = b0∑X2i + b1∑X2iX1 + b2∑X2i2 (2.9)

Dalam bentuk matrix dapat dituliskan:

= (2.10)

Dalam bentuk Metode Kuadrat Terkecil nilai b0, b1, b2 ditentukan sebagai berikut:

b1 =

b2 = (2.11)

b0 = (2.11)

Dengan:

= - = -

= - = -

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

Sy.1,2,...,k =

(2.12)

Dengan:

Yi adalah nilai data sebenarnya, i adalah nilai taksiran n = banyaknya data

k = banyak variabel bebasnya

2.3 Uji Keberartian Regresi Linier

2.3.1 Uji F (Simultan)

Uji F ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar pengaruh koefisien regresi secara bersama - sama terhadap variabel terikatnya. Nilai Fhitung dapat diperoleh dengan rumus:

F =

(2.13)

Dengan:

JKreg = jumlah kuadrat regresi JKres = jumlah kuadrat residu (sisa) JKres = ∑(Yi – i)2

JKreg = b1∑yjx1j + b2∑yjx2j + ... + bk∑yjxkj Dimana: x1j = X1 -

x2i = X2 - xkj = Xi -

Untuk uji F ini digunakan hipotesa sebagai berikut: H0 : b1=b2=bn...=bn=0 (tidak ada pengaruh)

H1 : b1 b2 0…bi=1 (minimal terdapat satu pengaruh) Kriteria pengambilan keputusan:

a. H0 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama tidak berpengaruh secara simultan dan signifikan terhadap variabel terikatnya. b. H1 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama

berpengaruh secara simultan dan signifikan terhadap variabel terikatnya.

2.3.2 Uji t-statistik

Uji t-statistik merupakan pengujian untuk mengetahui apakah masing - masing koefisien regresi signifikan atau tidak terhadap variabel terikatnya, dengan menganggap variabel bebas lainnya konstan.

Nilai thitung diperoleh dengan rumus:

t = (2.14)

Dengan:

bi = nilai taksiran parameter b ke-i

Dalam uji t ini digunakan perumusan hipotesa sebagai berikut: H0 : bi = b (tidak ada pengaruh)

H1 : bi b (minimal terdapat satu pengaruh)

Dengan bi adalah koefisien variabel ke-i nilai parameter hipotesis, dan biasanya b dianggap = 0. Artinya tidak ada pengaruh variabel Xi terhadap Y.

Pengujian dilakukan melalui uji-t dengan membandingkan thitung dengan ttabel. Hasil pengujian menunjukkan:

a. H0 diterima apabila thitung ttabel dengan tingkat kepercayaan sebesar (α). Artinya tidak terdapat pengaruh variabel bebas terhadap variabel terikat secara signifikan.

b. H0 ditolak apabila thitung ttabel dengan tingkat kepercayaan sebesar (α). Artinya terdapat pengaruh variabel bebas terhadap variabel terikat secara signifikan.

2.4 Koefisien Determinasi

Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel. Koefisien determinasi digunakan untuk mengetahui proporsi keragaman total dalam variabel terikat (Y) yang dapat dijelaskan atau diterangkan oleh variabel - variabel bebas (X) yang ada dalam model persamaan regresi linier berganda secara bersama - sama.

Maka R2 ditentukan oleh rumus:

Dengan:

JKreg = jumlah kuadrat regresi

∑yi2 = ∑Yi2– 2.5 Koefisien Korelasi

Analisis korelasi adalah alat statistik yang digunakan untuk mengetahui adanya derajat hubungan linier antara satu variabel dengan variabel yang lain. 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 di kelompokkan menjadi 3 jenis hubungan sebagai berikut:

1. Korelasi Positif

Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X) meningkat atau menurun maka variabel lainnya (Y) cenderung untuk meningkat atau menurun pula.

Gambar 2.1. Korelasi positif 2. Korelasi Negatif

Korelasi negatif terjadi apabila perubahan pada variabel yang satu (X) diikuti dengan perubahan variabel lain (Y) dengan arah yang berlawanan (berbanding terbalik) begitu juga sebaliknya.

Gambar 2.2. Korelasi negatif 3. Korelasi Nol

Korelasi nol terjadi apabila kedua variabel (X dan Y) tidak menunjukkan adanya hubungan.

Gambar 2.3. Korelasi nol

Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan „r‟.

Untuk mencari korelasi antara variabel terikat dengan variabel bebas atau ry.1,2,...,k dapat di cari dengan rumus:

r_y.1,2,…,k = (2.16)

Sedangkan untuk mengetahui korelasi antarvariabel bebas dengan variabel bebas lainnya dapat di cari dengan rumus:

r12 = (2.17)

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

Untuk lebih memudahkan mengetahui seberapa jauh derajat keerataan antarvariabel tersebut, berikut ini diberikan nilai - nilai dari Koefisien Korelasi (KK) sebagai patokan.

1. KK = 0, tidak ada korelasi.

2. 0 < KK 0,20, korelasi sangat rendah/lemah sekali. 3. 0,20 < KK 0,40, korelasi rendah/lemah tapi pasti. 4. 0,40 < KK 0,70, korelasi yang cukup berarti. 5. 0,70 < KK 0,90, korelasi yang tinggi, kuat.

6. 0,90 < KK 1,00, korelasi sangat tinggi, kuat sekali, dapat diandalkan. 7. KK = 1, berarti korelasi sempurna.

BAB 3

SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Badan Pusat Statistik (BPS)

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal - hal tersebut Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran - ukuran lainnya. Berikut ini beberapa masa peralihan di BPS yaitu:

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverbeid en

Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu Komisi untuk statistik yang anggotanya merupakan tiap – tiap Departemen. Komisi tersebut diberi tugas merencanakan tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan dipindahkan ke Jakarta. Bersama dengan itu, beralih juga pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang disebut sekarang Kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini juga CKS diganti nama menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik

Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KPPURI (Kantor Penyelidikan Perangkaan Umum Republik Indonesia). Tahun 1946, kantor KPPURI dipindahkan ke Yogyakarta sebagai hasil dari perjanjian Linggarjati. Sementara itu, pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44, lembaga KPS berada di bawah dan bertanggung jawab kepada Menteri Perekonomian. Selanjutnya, keputusan Menteri Perekonomian tanggal 24 September 1953 No. 18.009/M KPS dibagi menjadi 2 (dua) bagian, yaitu bagian

research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

Dengan Keputusan Presiden RI No. 131 tahun 1957, kementerian perekonomian dipecah menjadi kementerian perdagangan dan kementerian perindustrian. Untuk selanjutnya, Keputusan Presiden RI No. 172 tahun 1957, terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang

handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan Organisasi Biro Pusat Statistik.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan Struktur Organisasi yaitu:

1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS. 2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi, suasana, dan tata kerja BPS.

4. Undang – Undang No. 16 tahun 1997 tentang Statistik. 5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.

6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata kerja BPS.

7. PP 51 tahun 1999 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti Undang - Undang Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.

3.2 Visi dan Misi Badan Pusat Statistik

Adapun visi dan misi dari Badan Pusat Statistik Propinsi Sumatera Utara adalah:

3.2.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.2.2 Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan misi mengarahkan pembangunan statistik pada penyajian data statistik yang bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi di antara 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 suatu tujuan yang ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai/staf.

Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah struktur organisasi ini dan staf. Struktur ini mengandung unsur - unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan keputusan, dan ukuran satuan yang menunjukkan suatu kelompok kerja.

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

1. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan - kegiatan yang saling berhubungan satu sama lain. 2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

3. Pembuatan keputusan yaitu membuat keputusan - keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut:

1. Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat Statistik sebagaimana lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor. 2. Kepala Kantor dibantu tata usaha yang terdiri dari :

Sub Bagian Urusan Dalam, Sub Bagian Perlengkapan, Sub Bagian Keuangan, Sub Bagian Kepegawaian, Sub Bagian Bina Potensi/Bina Program

3. Sedangkan Bidang Penunjang Statistik terdiri dari 5 (lima) bidang yaitu: a. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas melaksanakan kegiatan statistik pertanian, industri, konstruksi pertambangan dan energi.

b. Bidang Statistik Distibusi

Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan statistik konsumen, perdagangan besar, statistik keuangan dan harga produsen serta niaga dan jasa.

c. Bidang Statistik Kependudukan

Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan statistik demografi dan rumah tangga, statistik tenaga kerja, serta statistik kesejahteran.

d. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Bidang IPDS mempunyai tugas untuk penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan program komputer. e. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

STRUKTUR ORGANISASI BADAN PUSAT STATISTIK (BPS) KEPALA WAKIL KEPALA DEPUTI ADMINISTRASI DEPUTI Perencanaan dan Analisis Statistik DEPUTI Statistik Produksi dan Kependudukan DEPUTI Statistik Distribusi dan Neraca Nasional

Pusat Pendidikan dan Pelatihan Statistik dan

Komputer

Biro Umum Biro Perencanaan Biro Statistik Peretanian Biro Statistik Harga dan Keuangan Biro Kepegawaian dan Hukum Biro Metodologi Statistik Biro Statistik Industri Biro Statistik Perdagangan dan Jasa Biro Perlengkapan dan Penggandaan Biro Penyajian dan Pelayanan Statistik Biro Statistik Demografi dan Tenaga Kerja Biro Neraca Produksi Biro Analisis dan Pengembangan Statistik Biro Statistik Kesejahteraan Rakyat Biro Neraca Konsultasi Biro Sistem Informasi Statistik Inspektorat

BAB 4

PENGOLAHAN DATA

4.1 Data dan Pembahasan

Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Propinsi Sumatera Utara. Data yang diambil adalah data mengenai pertumbuhan ekonomi, jumlah penduduk, pendapatan perkapita Kota Medan dari tahun 2002-2011.

Tabel 4.1. Data Pertumbuhan ekonomi, Jumlah penduduk dan Pendapatan perkapita

Tahun Pertumbuhan ekonomi (Triliun

Rupiah)

Jumlah penduduk (Juta/jiwa)

Pendapatan perkapita (Miliar Rupiah)

2002 20,82 1,964 12,86

2003 22,02 1,994 14,45

2004 23,63 2,006 16,47

2005 25,27 2,036 20,91

2006 27,23 2,067 23,63

2007 29,35 2,083 26,62

2008 31,37 2,102 31,48

2009 33,43 2,121 34,81

2010 35,82 2,098 39,72

2011 38,58 2,117 44,21

4.2 Pembentukan Persamaan Regresi Linier Berganda

Untuk membentuk persamaan Regresi Linier Berganda, diperlukan perhitungan masing - masing satuan variabel yang disusun dalam sebuah tabel. Hasil pencarian nilai koefisien regresi b0, b1, dan b2 akan membentuk persamaan berikut:

Ŷ = b0 + b1X1 + b2X2 Table 4.2. Nilai - nilai Koefisien

Tahun Y X1 X2 Y2 X12

2002 20,82 1,964 12,86 433,4724 3,857296 2003 22,02 1,994 14,45 484,8804 3,976036 2004 23,63 2,006 16,47 558,3769 4,024036 2005 25,27 2,036 20,91 638,5729 4,145296 2006 27,23 2,067 23,63 741,4729 4,272489 2007 29,35 2,083 26,62 861,4225 4,338889 2008 31,37 2,102 31,48 948,0769 4,418404 2009 33,43 2,121 34,81 1.117,565 4,498641 2010 35,82 2,098 39,72 1.283,072 4,401604 2011 38,58 2,117 44,21 1.488,416 4,481689 Jumlah 287,52 20,5880 265,16 8.591,329 42,414380

Sambungan Tabel 4.2.

Tahun X22 YX1 YX2 X1X2

2002 165,3796 40,89048 267,7452 25,25704 2003 208,8025 43,90788 318,1890 28,81330 2004 271,2609 47,40178 389,1861 33,03882 2005 437,2281 51,44972 528,3957 42,57276 2006 558,3769 56,28441 643,4449 48,84321 2007 708,6244 61,13605 781,2970 55,44946 2008 990,9904 65,93974 987,5276 66,17096

Tahun X22 YX1 YX2 X1X2 2009 1.211,736 70,90503 1.163,6980 73,83201 2010 1.577,678 75,15036 1.422,7700 83,33256 2011 1.954,524 81,67386 1.705,6220 93,59257 Jumlah 8.084,601 594,73930 8.207,8760 551,90270

Keterangan:

Y = Pertumbuhan ekonomi (Triliun Rupiah) X1 = Jumlah penduduk (Juta/jiwa)

X2 = Pendapatan perkapita (Miliar Rupiah)

Dari tabel di atas diperoleh nilai - nilai:

n = 10 ∑X12 = 42,41438

∑Y = 287.52 ∑X22 = 8.084,601

∑X1 = 20,588 ∑YX1 = 594,7393

∑X2 = 265,16 ∑YX2 = 8.207,876

∑Y2

= 8.591,329 ∑X1X2 = 550,9027

Dari data tersebut diperoleh persamaan normal sebagai berikut: ∑Y = b0n + b1∑X1 + b2∑X2

∑YX1 = b0∑X1 + b1∑ + b2∑X1X2

∑YX2 = b0∑X2 + b1∑X1X2 + b2∑

Harga - harga koefisen regresi b0, b1, dan b2 dicari dengan substitusi dan eliminasi dari persamaan normal di atas, dengan demikian diperoleh:

10b0 + 20,588b1 + 265,16b2 = 287.522,59 …1) 20,588b0 + 42,41438b1 + 550,9027b2 = 594,7393 …2) 265,16b0 + 550,9027b1 + 8.084,601b2 = 8.207,876 …3)

Selanjutnya dilakukan perhitungan eliminasi dan substitusi sebagai berikut:

1. Eliminasi persamaan (1) dan (2)

10b0 + 20,588b1 + 265,16b2 = 287,52 | x 2,059 20,588b0 + 42,41438b1 + 550,9027b2 = 594,7393 | x 1 + --- 20,58b0 + 42,38657b1 + 545,9114b2 = 591,9562

20,58b0 + 42,441438b1 + 550,9027b2 = 594,7393 - ---

- 0,02781b1 - 4,9913b2 = -2,7931 …4)

2. Eliminasi persamaan (1) dan (3)

10b0 + 20,588b1 + 265,16b2 = 287,52 | x 26,516 265,16b0 + 550,9027b1 + 8.084,601b2 = 8.207,876 | x 1 + --- 265,16b0 + 545,9114b1 + 7.030,983b2 = 7.623,88

265,16b0 + 550,9027b1 + 8.084,601b2 = 8.207,876 - ---

3. Eliminasi persamaan (4) dan (5)

- 0,02781b1 - 4,9913b2 = - 2,7931 | x 4,9913 - 4,9913b1 - 1.053,618b2 = - 583,996 | x 0,02781 + --- - 0,138808b1 - 24,9130771b2 = - 13,9412

- 0,138808b1 - 29,301117b2 = - 16,2409 - --- 4,38804b2 = 2,2997

b2 = b2 = 0,524

4. Substitusi harga koefisien regresi b2 ke persamaan (4) - 0,02781b1 - 4,9913b2 = - 2,7931

- 0,02781b1 - 4,9913 (0,524) = - 2,7931 - 0,02781b1 - 2,6154412 = - 2,7931

- 0,02781b1 = - 2,7931 + 2,6154412 - 0,02781b1 = - 0,1776588

b1 = b1 = 6,4

5. Substitusi harga koefisien regresi b1 dan b2 ke persamaan (1) 10b0 + 20,588b1 + 265,16b2 = 287,52

10b0 + 20,588(6,4) + 265,16(0,524) = 287,52 10b0 + 131,7632 + 138,94384 = 287,52

10b0 + 270,70704 = 287,52

10b0 = 287,52 - 270,70704 10b0 = 16,81

b0 = b0 = 1,68

Sedemikian hingga diperoleh persamaan regresi linier bergandanya sebagai berikut:

Ŷ = 1,68 + 6,4X1 + 0,524X2

4.3 Analisis Residu

Setelah diperoleh persamaan regresi linier berganda, langkah selanjutnya adalah menghitung nilai kesalahan baku tafsirannya dengan menggunakan harga Ŷ yang diperoleh dari persamaan regresi linier berganda di atas dan substitusi harga X1 dan X2 yang diketahui.

Table 4.3. Penyimpangan nilai koefisien

Tahun Y X1 X2 Ŷ Y- (Y-Ŷ)2

2002 20.82 1.964 12.86 20,98824 -0,16824 0,028304698 2003 22.02 1.994 14.45 22,01340 0,00660 0,000043560 2004 23.63 2.006 16.47 23,14868 0,48132 0,231668942 2005 25.27 2.036 20.91 25,66724 -0,39724 0.157799618 2006 27.23 2.067 23.63 27,29092 -0,06092 0.003711246 2007 29.35 2.083 26.62 28,96008 0,38992 0.152037606 2008 31.37 2.102 31.48 31,62832 -0,25832 0.066729222 2009 33.43 2.121 34.81 33,49484 -0,06484 0.004204226

Tahun Y X1 X2 Ŷ Y- (Y-Ŷ)2 2010 35.82 2.098 39.72 35,92048 -0,10048 0.010096230 2011 38.58 2.117 44.21 38,39484 0,18516 0.034284226 Jumlah 287.52 20.588 265.16 287,50700 0,01296 0,688879574

Dengan demikian diperoleh nilai kesalahan baku tafsirannya adalah:

=

=

=

= = 0,313

Hasil yang diperoleh menunjukkan nilai pertumbuhan ekonomi yang diperkirakan akan menyimpang dari nilai rata - rata pertumbuhan ekonomi yang sebenarnya sebesar 0,313 atau 31,3%.

4.4 Uji Regresi Linier Berganda

4.4.1 Uji F (Simultan)

Langkah - langkah pengujiannya sebagai berikut: 1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 Jumlah penduduk dan pendapatan perkapita tidak berpengaruh secara simultan dan signifikan terhadap pertumbuhan ekonomi Kota Medan.

H1 : b1 b2 0 Jumlah penduduk dan pendapatan perkapita berpengaruh secara simultan dan signifikan terhadap pertumbuhan ekonomi Kota Medan.

2. Menentukan taraf nyata

Dengan taraf nyata b = 0,05, dk pembilang (v1) = k = 2, dan dk penyebut (v2) = n – k – 1 = 7, maka diperoleh F(2;7;0,05) = 4,74.

3. Kriteria pengujian

H0 diterima apabila Fhitung Ftabel H0 ditolak apabila Fhitung Ftabel 4. F-hitung

F =

Untuk menguji model regresi linier berganda yang telah terbentuk, maka dilakukan pengujian dengan menggunakan uji F yang memerlukan nilai - nilai y, x1, dan x2, nilai - nilai tersebut dapat diperoleh melalui rumus berikut:

yj = Y - x1j = X1 - x2j = X2 -

Table 4.4. Nilai - nilai koefisien untuk uji F

yj x1j x2j yjx1j yjx2j yj2 -7,932 -0,0948 -13,656 0,751954 108,3149 62,91662 -6,732 -0,0648 -12,066 0,436234 81,22831 45,31982 -5,122 -0,0528 -10,406 0,270442 51,45561 26,23488 -3,482 -0,0228 -5,606 0,07939 19,52009 12,12432 -1,522 0,0082 -2,886 -0,01248 4,392492 2,316484 0,598 0,0242 0,104 0,014472 0,062192 0,357604 2,618 0,0432 4,964 0,113098 12,99575 6,853924 4,678 0,0622 8,294 0,290972 38,79933 21,88369 7,068 0,0392 13,204 0,277066 93,32587 49,95662 9,828 0,0582 17,694 0,57199 173,8966 96,58958 0 0 0 2,793134 583,9957 324,55360

Dari nilai - nilai diatas dapat dihitung nilai jumlah kuadrat regresi (JKreg) dan nilai jumlah kuadrat residu (JKres) yang selanjutnya dapat dihitung nilai Fhitung.

JKreg = b1∑yjx1j + b2∑yjx2j

JKreg = 6,4(2,793134) + 0,524(583,9957) JKreg = 17,8760576 + 306,0137468 JKreg = 323,8898044

(Yi - Ŷ)2 dapat dilihat pada Tabel 4.3. JKres = (Yi - Ŷ)2

JKres = 0,688879574

F =

F =

F =

F = 1.645,6

5. Didapat Fhitung = 1.645,6 dan Ftabel = 4,74. Fhitung > Ftabel maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa jumlah penduduk dan pendapatan perkapita penduduk berpengaruh secara simultan dan signifikan terhadap pertumbuhan ekonomi Kota Medan.

4.4.2 Uji t

4.4.2.1 Apakah X1 mempengaruhi Y ?

Langkah - langkah pengujiannya sebagai berikut: 1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 Jumlah penduduk tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

H1 : b1 b2 0 Jumlah penduduk berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

2. Menentukan taraf nyata

Dengan taraf nyata b = 0,05 maka nilai tingkat signifikan ( ) = (1- ) = (1-0,025) = 0,975 dan dk = n – k = 10 - 2 = 8, maka diperoleh t(8;0,975) = 2,31. 3. Kriteria pengujian

H0 diterima apabila thitung ttabel H0 ditolak apabila thitung ttabel 4. t-hitung

t =

Tabel 4.5. Nilai - nilai koefisien pengaruh X1 terhadap Y

Y X1 X2 X12 X22 x1j2

20.82 1.964 12.86 3,857296 165,3796 0,0089870 22.02 1.994 14.45 3,976036 208,8025 0,0041990 23.63 2.006 16.47 4,024036 271,2609 0,0027878 25.27 2.036 20.91 4,145296 437,2281 0,0005198 27.23 2.067 23.63 4,272489 558,3769 0,0000673 29.35 2.083 26.62 4,338889 708,6244 0,0005856 31.37 2.102 31.48 4,418404 990,9904 0,0018662 33.43 2.121 34.81 4,498641 1.211,7361 0,0038688 35.82 2.098 39.72 4,401604 1.577,6784 0,0015366 38.58 2.117 44.21 4,481689 1.954,5241 0,0033872 287.52 20.588 265.16 42,414380 8.084,6014 0,0278056

Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai Sb1, rumusannya sebagai berikut:

Nilai Sb1 dapat diperoleh melalui pencarian, pertama nilai kuadrat dari kesalahan baku tafsirannya.

=

=

= =

Kedua menentukan nilai korelasi antara X1 dan X2 yang dicari dengan rumusan:

r12 =

r12 = r12 = r12 = r12 = r12 = r12 = 0,922

Ketiga menentukan nilai Sb1,

Sb1 =

Sb1 =

Sb1 =

Sb1 = Sb1 =

Sb1 = 4,858804169

Kemudian nilai thitung dapat diperoleh sebagai berikut:

t =

t = t = 1,32

5. Didapat thitung = 1,32 dan ttabel = 2,31. thitung ttabel maka H0 diterima dan H1 ditolak. Hal ini berarti bahwa jumlah penduduk tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

4.4.2.2 Apakah X2 mempegaruhi Y ?

Langkah - langkah pengujiannya sebagai berikut: 1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 Pendapatan perkapita tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

H1 : b1 b2 0 Pendapatan perkapita berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

2. Menentukan taraf nyata

Dengan b = 0,05 maka nilai tingkat signifikan ( ) = (1- ) = (1-0,025) = 0,975 dan dk = n – k = 10 - 2 = 8. Dengan demikian t(8;0,975) = 2,31.

3. Kriteria pengujian

H0 diterima apabila thitung ttabel H0 ditolak apabila thitung ttabel 4. t-hitung

t =

Tabel 4.6. Nilai - nilai koefisien pengaruh X2 terhadap Y

Y X1 X2 X12 X22 x2j

20.82 1.964 12.86 3,857296 165,3796 186,4863 22.02 1.994 14.45 3,976036 208,8025 145,5884 23.63 2.006 16.47 4,024036 271,2609 100,9221 25.27 2.036 20.91 4,145296 437,2281 31,42724 27.23 2.067 23.63 4,272489 558,3769 8,328996 29.35 2.083 26.62 4,338889 708,6244 0,010816 31.37 2.102 31.48 4,418404 990,9904 24,6413 33.43 2.121 34.81 4,498641 1.211,7361 68,79044 35.82 2.098 39.72 4,401604 1.577,6784 174,3456 38.58 2.117 44.21 4,481689 1.954,5241 313,0776 287.52 20.588 265.16 42,41438 8.084,6014 1.053,6190

Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai Sb2, rumusannya sebagai berikut:

Nilai Sb2 dapat diperoleh melalui pencarian, pertama nilai kuadrat dari kesalahan baku tafsirannya,

=

= =

=

Kedua menentukan nilai korelasi antara X1 dan X2 yang dicari dengan rumusan,

r12 =

r12 = r12 = r12 = r12 = r12 = r12 = 0,922

Ketiga menentukan nilai Sb2,

Sb2 =

Sb2 =

Sb2 =

Sb2 = Sb2 =

Sb2 = 0,0249

Kemudian nilai t-hitung dapat diperoleh sebagai berikut:

t =

t = t = 21,04

5. Didapat thitung = 21,04 dan ttabel = 2,31. thitung ttabel maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa pendapatan perkapita berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

4.5 Koefisien Determinasi

Mencari koefisien determinasi dengan menggunakan rumus:

R2 = =

Didapat nilai koefisien determinasi 0,998. Hal ini berarti bahwa sekitar 99,8% pertumbuhan ekonomi ditentukan oleh jumlah penduduk dan pendapatan perkapita melalui hubungan regresi linier berganda sedangkan sisanya 0,2% lagi dipengaruhi oleh faktor lain.

Koefisien korelasi berganda diperoleh: R =

= = 0,999

Dari hasil perhitungan didapat korelasi (R) antara jumlah penduduk dan pendapatan perkapita terhadap pertumbuhan ekonomi sebesar 0,999. Nilai korelasi tersebut menyatakan bahwa hubungan antara jumlah penduduk dan pendapatan perkapita terhadap pertumbuhan ekonomi tinggi.

4.6 Koefisien Korelasi

Dari Tabel 4.2 dapat diperoleh koefisien korelasi antara variabel tak bebas (Y) dengan variabel bebas (X), sehingga dapat dilihat besar hubungan korelasi dari veriabel - variabelnya.

1. Koefisien korelasi antara Y dan X1 ry.x1 =

ryx1 = ryx1 =

ryx1 = ryx1 = ryx1 = ryx1 = 0,930

Nilai korelasi antara jumlah penduduk (X1) dengan pertumbuhan ekonomi Kota Medan (Y) adalah 0,930 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif).

2. Koefisien korelasi antara Y dan X2 ryx2 =

ryx2 = ryx2 = ryx2 = ryx2 = ryx2 = ryx2 = 0,999

Koefisien korelasi antara pendapatan perkapita (X2) dengan pertumbuhan ekonomi Kota Medan (Y) adalah 0,999 yang berarti nilai tersebut menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).

3. Koefisien korelasi X1 dan X2 r12 =

r12 = r12 = r12 = r12 = r12 = r12 = 0,922

Koefisien korelasi antara jumlah penduduk (X1) dengan pendapatan perkapita (X2) adalah 0,922 yang berarti nilai tersebut menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang digunakan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan mulai menggunakan program yang dibuat. Tahapan implementasi sistem merupakan tahapan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data tugas akhir ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu program SPSS 17.0 For Windows dalam masalah memperoleh hasil perhitungan.

5.2 Peranan Komputer dalam Statistika

Komputer memegang peranan yang 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 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 pegolahan yang berulang - ulang akan lebih efisien dengan menggunakan komputer, karena disini perintah hanya dilakukan satu kali kemudian diulang - ulang (di-copy) untuk melanjutkan perintah pengolahan yang lain.

3. Diperlukan kecepatan yang tinggi

Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu 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 diprogram dengan benar akan melakukan proses pengolahan yang tepat. Kesalahan informasi yang mungkin terjadi hanya pada proses pemasukan data saja.

5. Pengolahan hal yang kompleks

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

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 popular dan paling banyak digunakan di seluruh dunia.

SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Standford 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 sebagai pengolahan data statistik untuk ilmu sosial (SPSS saat itu adalah singkatan Statistical Package for the Social Sciences), sekarang diperluas untuk melayani berbagai jenis user, seperti untuk proses produksi di pabrik, riset ilmu - ilmu sains dan lainnya. Sehingga sekarang kepanjangan SPSS adalah Statistical Product and Service Solutions.

5.3 Cara Kerja SPSS Statistic 17.0

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 komputer. Proses inputing

Pada statistik, input berupa data yang telah di kumpulkan, di edit dan di tabulasi, kemudian siap untuk di analisis.

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 data yang telah diproses dengan program komputer yang dikehendaki. Bentuk output komputer bisa dalam bentuk cetakan, tampilan, gambar, maupun suara.

Pada statistik, output berupa hasil analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau tabel 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 gambar 5.1. sistematika berikut.

Gambar 5.1. Sistematika cara kerja SPSS

INPUT DATA

dengan DATA EDITOR

PROSES dengan DATA

OUTPUT DATA

dengan

5.4 Mengoperasikan SPSS Statistic 17.0

Adapun langkah - langkah pengolahan data dengan menggunakan program SPSS Statistic 17.0 adalah sebagai berikut.

5.4.1 Mengaktifkan Program SPSS pada Windows

Klik start, kemudian pilih SPSS Statitistic 17.0. Tampilannya dapat dilihat pada gambar 5.2. berikut.

Gambar 5.2. Tampilan saat membuka SPSS Statistic 17.0 pada desktop

5.4.2 Pemasukan Data

Langkah - langkah pemasukan data sebagai berikut:

Buka lembar kerja baru dari menufile, pilih new, lalu klik data. Pada menu Data View isilah kolom dengan ketentuan data yang akan diolah.

1). Name

Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik Y.

2). Type

Karena Y berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric.

3). Width

Untuk keseragaman ketik 8. 4). Decimals

Untuk keseragaman ketik 2. 5). Label

Label adalah keterangan untuk nama variabel. Maka untuk Y ketik pertumbuhan ekonomi.

2. Input variabel X1 ( jumlah penduduk ) 1). Name

Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik X1.

2). Type

Karena X1 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric.

3). Width

Untuk keseragaman ketik 8. 4). Decimals

5). Label

Label adalah keterangan untuk nama variabel. Maka untuk X1 ketik jumlah penduduk.

3. Input variabel X2 ( pendapatan perkapita ) 1). Name

Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik X2.

2). Type

Karena X2 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric.

3). Width

Untuk keseragaman ketik 8. 4). Decimals

Untuk keseragaman ketik 2. 5). Label

Label adalah keterangan untuk nama variabel. Maka untuk X2 ketik pendapatan perkapita.

Setelah proses pada variable view selesai, penulisan yang di input dapat di lihat tampilannya pada gambar 5.3. berikut.

Gambar 5.3. Tampilan pada pengisian variable view

Setelah proses pada variable view selesai, klik data view dan isikan data pada kolom yang sudah didefenisikan sebelumnya. Tampilannya pada gambar 5.4. berikut.

5.4.3 Menyimpan Data

Setelah semua data diisikan dan didefenisikan untuk setiap variabel ke dalam SPSS data editor. Maka langkah selanjutnya adalah menyimpan file database tersebut dengan langkah - langkah sebagai berikut:

1. Dari menu SPSS, pilih menu file, kemudian pilih submenu save as.

2. Beri nama file tersebut.

3. Setelah menemukan direktori yang dituju, klik save

4. Apabila mau menyimpan file yang telah diberi nama tanpa mengganti dengan nama baru, klik save saja.

5.5 Analisis Regresi dengan SPSS Statistic 17.0

Adapun langkah - langkah analisis regresi dalam SPSS adalah sebagai berikut: 1. Buka Analyze, Regression, Linier. Akan muncul tampilan kotak dialog

seperti gambar 5.5. berikut.

2. Masukkan variabel Y pada kotak dependen, dan variabel X1, X2 pada kotak independen.

3. Abaikan pilihan yang lain, kemudian klik ok. 4. Tampilan outputnya dapat di lihat pada lampiran 1.

5.6 Analisis Korelasi dengan SPSS Statistic 17.0

Adapun langah - langkah analisis korelasi dalam SPSS adalah sebagai berikut: 1. Buka Analyze, Correlate, Bivariate. Akan muncul tampilan kotak dialog

seperti gambar 5.6. berikut.

Gambar 5.6. Tampilan kotak dialog Bivariate Correlation 2. Pindahkan variabel Y, X1, dan X2 ke dalam kotak variables. 3. Pada Correlation Coefficients, pilih Pearson.

4. Pada Test of Significance, pilih Two-tailed.

5. Abaikan pilihan lainnya, lalu klik ok.

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan penulis, maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Dari perhitungan diperoleh persamaan regresi: = 1,68 + 6,4X1 + 0,524X2

Ini berarti bahwa jumlah penduduk mempengaruhi pertumbuhan ekonomi sebesar 6,4 dan pendapatan perkapita mempengaruhi pertumbuhan ekonomi sebesar 0,542. Serta nilai konstanta 1,68.

2. Kesalahan baku sebesar 0,313. Hal ini berarti pertumbuhan ekonomi yang diperkirakan akan menyimpang dari rata - rata pertumbuhan ekonomi yang sebenarnya sebesar 0,313 atau 31,3%.

3. Melalui uji keberartian regresi linier berganda didapat Fhitung = 1.645,6 Ftabel = 4,74 maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa jumlah penduduk dan pendapatan perkapita berpengaruh secara simultan dan signifikan terhadap pertumbuhan ekonomi Kota Medan.

4. Melalui perhitungan thitung untuk pengujian X1 mempengarui Y, diperoleh hasil t 1,32 t = 2,31 maka H diterima dan H ditolak. Hal ini

berarti bahwa jumlah penduduk tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

5. Melalui perhitungan thitung untuk pengujian X2 mempengarui Y, diperoleh hasil thitung 21,04 ttabel = 2,31 maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa pendapatan perkapita berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

6. Melalui perhitungan R2 diperoleh nilai koefisien determinasi 0,998. Nilai ini menunjukkan bahwa sekitar 99,8% pertumbuhan ekonomi Kota Medan ditentukan oleh jumlah peduduk dan pendapatan perkapita melalui hubungan regresi linier berganda, sedangkan sisanya 0,2% lagi dipengaruhi oleh faktor lain.

7. Melalui perhitungan R diperoleh nilai koefisien korelasi sebesar 0,999 artinya hubungan antara jumlah penduduk dan pendapatan perkapita terhadap pertumbuhan ekonomi Kota Medan tinggi.

8. Koefisien korelasi antara jumlah penduduk (X1) dengan pertumbuhan ekonomi Kota Medan (Y) adalah sebesar 0,930 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif). 9. Koefisien korelasi antara pendapatan perkapita (X2) dengan pertumbuhan

ekonomi Kota Medan (Y) adalah sebesar 0,999 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif). 10. Koefisien korelasi antara jumlah penduduk (X1) dengan pendapatan

perkapita (X2) adalah sebesar 0,922 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif).

6.2 Saran

Adapun saran yang dapat penulis berikan adalah:

1. Pertumbuhan ekonomi yang pesat saat ini sebaiknya diiring dengan peningkatan pendapatan perkapita masyarakatnya agar tidak terjadi ketimpangan ketika jumlah penduduk terus meningkat.

2. Penelitian selanjutnya sebaiknya lebih banyak menggunakan variabel bebas lain yang mempengaruhi pertumbuhan ekonomi kota Medan di masa mendatang.

DAFTAR PUSTAKA

Algifari. 1997. Analisis Regresi Teori, Kasus dan Solusi. BPFE. Yogyakarta.

BPS. 2010. Medan Dalam Angka 2004-2012. Badan Pusat Statistik. Medan.

Hartono. 2004. Statistik untuk Penelitian. LSFK2P. Pekan Baru.

Hasan, Iqbal. 1999. Pokok-pokok Materi Statistika I. Bumi Aksara. Jakarta.

Iswardono. 1981. Sekelumit Analisa Regresi dan Korelasi. Edisi Pertama. BPFE. Yogyakarta.

Pasaribu, Amudi. 1989. Pengantar Statistik. Ade Putra. Medan.

Sudjana. 2001. Metode Statistika.Edisi ke-6. Tarsito. Bandung.

Lampiran 1 Hasil tampilan output SPSS Linear Regression

Hasil tampilan output SPSS Bivariate Correlation

kotak independen.

3. Abaikan pilihan yang lain, kemudian klik ok. 4. Tampilan outputnya dapat di lihat pada lampiran 1.

5.6 Analisis Korelasi dengan SPSS Statistic 17.0

Adapun langah - langkah analisis korelasi dalam SPSS adalah sebagai berikut: 1. Buka Analyze, Correlate, Bivariate. Akan muncul tampilan kotak dialog

seperti gambar 5.6. berikut.

Gambar 5.6. Tampilan kotak dialog Bivariate Correlation 2. Pindahkan variabel Y, X1, dan X2 ke dalam kotak variables.

3. Pada Correlation Coefficients, pilih Pearson. 4. Pada Test of Significance, pilih Two-tailed. 5. Abaikan pilihan lainnya, lalu klik ok.

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan penulis, maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Dari perhitungan diperoleh persamaan regresi: = 1,68 + 6,4X1 + 0,524X2

Ini berarti bahwa jumlah penduduk mempengaruhi pertumbuhan ekonomi sebesar 6,4 dan pendapatan perkapita mempengaruhi pertumbuhan ekonomi sebesar 0,542. Serta nilai konstanta 1,68.

2. Kesalahan baku sebesar 0,313. Hal ini berarti pertumbuhan ekonomi yang diperkirakan akan menyimpang dari rata - rata pertumbuhan ekonomi yang sebenarnya sebesar 0,313 atau 31,3%.

3. Melalui uji keberartian regresi linier berganda didapat Fhitung = 1.645,6

Ftabel = 4,74 maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa jumlah

penduduk dan pendapatan perkapita berpengaruh secara simultan dan signifikan terhadap pertumbuhan ekonomi Kota Medan.

4. Melalui perhitungan thitung untuk pengujian X1 mempengarui Y, diperoleh

terhadap pertumbuhan ekonomi Kota Medan.

5. Melalui perhitungan thitung untuk pengujian X2 mempengarui Y, diperoleh

hasil thitung 21,04 ttabel = 2,31 maka H0 ditolak dan H1 diterima. Hal ini

berarti bahwa pendapatan perkapita berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

6. Melalui perhitungan R2 diperoleh nilai koefisien determinasi 0,998. Nilai ini menunjukkan bahwa sekitar 99,8% pertumbuhan ekonomi Kota Medan ditentukan oleh jumlah peduduk dan pendapatan perkapita melalui hubungan regresi linier berganda, sedangkan sisanya 0,2% lagi dipengaruhi oleh faktor lain.

7. Melalui perhitungan R diperoleh nilai koefisien korelasi sebesar 0,999 artinya hubungan antara jumlah penduduk dan pendapatan perkapita terhadap pertumbuhan ekonomi Kota Medan tinggi.

8. Koefisien korelasi antara jumlah penduduk (X1) dengan pertumbuhan

ekonomi Kota Medan (Y) adalah sebesar 0,930 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif). 9. Koefisien korelasi antara pendapatan perkapita (X2) dengan pertumbuhan

ekonomi Kota Medan (Y) adalah sebesar 0,999 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif). 10. Koefisien korelasi antara jumlah penduduk (X1) dengan pendapatan

perkapita (X2) adalah sebesar 0,922 yang berarti nilai tersebut

6.2 Saran

Adapun saran yang dapat penulis berikan adalah:

1. Pertumbuhan ekonomi yang pesat saat ini sebaiknya diiring dengan peningkatan pendapatan perkapita masyarakatnya agar tidak terjadi ketimpangan ketika jumlah penduduk terus meningkat.

2. Penelitian selanjutnya sebaiknya lebih banyak menggunakan variabel bebas lain yang mempengaruhi pertumbuhan ekonomi kota Medan di masa mendatang.

DAFTAR PUSTAKA

Algifari. 1997. Analisis Regresi Teori, Kasus dan Solusi. BPFE. Yogyakarta.

BPS. 2010. Medan Dalam Angka 2004-2012. Badan Pusat Statistik. Medan.

Hartono. 2004. Statistik untuk Penelitian. LSFK2P. Pekan Baru.

Hasan, Iqbal. 1999. Pokok-pokok Materi Statistika I. Bumi Aksara. Jakarta.

Iswardono. 1981. Sekelumit Analisa Regresi dan Korelasi. Edisi Pertama. BPFE. Yogyakarta.

Pasaribu, Amudi. 1989. Pengantar Statistik. Ade Putra. Medan.

Sudjana. 2001. Metode Statistika.Edisi ke-6. Tarsito. Bandung.

Lampiran 1 Hasil tampilan output SPSS Linear Regression

Hasil tampilan output SPSS Bivariate Correlation