Faktor-faktor yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera Utara

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH

PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA

TUGAS AKHIR

SITI SURATEMI

112407049

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH

PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

SITI SURATEMI 112407049

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

PERSETUJUAN

Judul : Faktor-faktor yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera Utara

Kategori : Tugas Akhir Nama : Siti Suratemi

Nim : 112407049

Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

Drs. Faigiziduhu Bu’ulölö, M.Si Dr. Elly Rosmaini, M.Si NIP. 19531218 198003 1 003 NIP. 19600520 198503 2 002

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH

PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA

TUGAS AKHIR

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

Medan, Juli 2014

SITI SURATEMI 112407049

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan Tugas Akhir ini dengan judul Analisis Regresi Pengaruh Pasangan Usia Subur (PUS), Akseptor KB dan Jumlah Posyandu Terhadap Jumlah Kelahiran Di Kota Medan Tahun 2012.

Terimakasih penulis sampaikan kepada Ibu Dr. Elly Rosmaini, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris program studi D3 Statistika FMIPA USU, 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 Medan, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Sukari, Ibu Saidah dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR viii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan dan Manfaat 4

1.4.1 Tujuan Penelitian 4

1.4.2 Manfaat Penelitian 4

1.5 Metodologi Penelitian 5

1.6 Sistematika Penulisan 8

BAB 2 LANDASAN TEORI 10

2.1 Pengertian Regresi 10

2.2 Analisis Regresi Linier 10

2.3 Regresi Linier Sederhana 11

2.4 Regresi Linier Berganda 12

2.5 Kesalahan Standard Estimasi 14

2.6 Koefisien Determinan 15

2.7 Koefisien Korelasi 16

BAB 3 SEJARAH SINGKAT TEMPAT RISET 22 3.1 Sejarah Badan Pusat Statistik (BPS) 22

3.2 Visi dan Misi 23

3.3 Kedudukan dan Fungsi Badan Pusat Statistik 24 3.4 Tata Kerja Badan Pusat Statistik 25

3.5 Tugas Badan Pusat Statistik 26

3.6 Struktur Organisasi Badan Pusat Statistik 28

BAB 4 ANALISIS DATA 31

4.1 Pengolahan Data 31

4.2 Membentuk Persamaan Reegresi Linier 33

4.3 Kesalahan Standart Estimasi 36

4.4 Uji Regresi Linier Berganda 39

4.5 Perhitungan Koefisien Determinasi Dan

Koefisien Korelasi Berganda 44 4.6 Perhitungan Koefisien Korelasi Antar Variabel 45

4.6.1 Perhitungan Korelasi antara Variabel Bebas

dan VariabeTerikat 46

BAB 5 IMPLEMENTASI SISTEM 50

5.1Pengertian Implementasi Sistem 50

5.2Tujuan Implementasi Sistem 50

5.3Pengenalan SPSS 50

5.4Langkah-Langkah Pengolahan SPSS 51

5.4.1 Cara Mengaktifkan SPSS Pada Program Windows 51

5.5 Mengenal lingkungan SPSS 52

5.6 Menyusun Definisi Variable View 53 5.7 Pemasukan Data ke dalam SPSS Statistics 17.0 53

5.8 Pengolahan Data 56

BAB 6 KESIMPULAN DAN SARAN 60

6.1Kesimpulan 60

6.2Saran 61

Daftar Pustaka Lampiran

Daftar Tabel

Nomor Judul Halaman

Tabel

Tabel 2.1 Interpretasi Koefisien Korelasi 19

Tabel 4.1 Jumlah Penduduk Miskin (ribuan jiwa), Luas Wilayah (ribuan km2), Kepadatan Penduduk (ratusan jiwa/km2), dan Tingkat Pengangguran (%) di Provinsi Suatera Utara

Tahun 2012 31

Tabel 4.2 Harga-Harga yang Diperlukan Untuk Menghitung

Koefisien �₀,�₁,�₂,�₃ 33 Tabel 4.3 Nilai-Nilai �� Yang Diperoleh Dari Persaman Regresi Linier

Berganda Untuk Menghitung Kekeliruan Tafsiran Baku 37 Tabel 4.4 Harga-harga yang diperlukan untuk Uji Regresi 41

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

5.1 Tampilan Pengaktifan SPSS 52

5.2 Tampilan Jendela Awal SPSS 52

5.3 Tampilan Pengisian Variable View 55

5.4 Tampilan Pengisian Data View 56

5.5 Tampilan Jendela Regresi Linier 57

5.6 Tampilan Jendela Regresi Linier Statistik 57 5.7 Tampilan Jendela Regresi Linier Polts 58 5.4 Tampilan Cara Pengaktifan SPSS 58

5.5 Kotak Dialog Awal SPSS 59

5.6 Tampilan Jendela Data View Dalam SPSS 59 5.7 Tampilan Pengisian Variabel View Dalam SPSS 59 5.8 Tampilan Jendela Regresi Linier Options 59

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Kemiskinan merupakan hal klasik yang belum tuntas terselesaikan terutama di Negara bagian berkembang, artinya kemiskinan menjadi masalah yang dihadapi dan menjadi perhatian di setiap Negara. Persoalan kemiskinan merupakan salah satu permasalahan pokok yang di hadapi bangsa indonesia sejak dulu hingga sekarang.

Kemiskinan diartikan sebagai suatu keadaan dimana seseorang tidak sanggup untuk memelihara dirinya sendiri yang sesuai dengan taraf kehidupan kelompoknya dan juga tidak mampu untuk memanfaatkan tenaga mental maupun fisiknya dalam kelempok tersebut. Menurut sejarah keadaan kaya dan miskin berdampingan tidak merupakan problema sosial sampai saatnya perdagangan berkembang pesat dan timbulnya nilai-nilai sosial yang baru dengan berkembangnya perdagangan ke seluruh dunia dan di terapkannya taraf kehidupan tertentu sebagai suatu kebiasaan masyarakat. Kemiskinan muncul sebagai problema sosial, pada waktu itu orang sadar akan kedudukan ekonominya sehingga mereka mampu mengatakan apakah dirinya miskin atau kaya.

Kemiskinan dianggap sebagi problema sosial apabila perbedaan kedudukan ekonomi dan warga masyarakat di tetapkan secara tegas. Pada masyarakat yang masih sederhana susunan-susunan dan organisasinya, kemiskinan bukan merupakan problema sosial karena mereka menganggap

semuanya sudah di takdirkan sehingga usaha-usaha untuk mengatasinya mereka tidak terlalu memperhatikan keadaan tersebut kecuali apabila mereka betul-betul menderita karenanya. Pada masyarakat modern yang kompleks kemiskinan menjadi problema sosial, seorang merasa miskin bukan karena kurang makan, pakaian atau perumahan tapi harta miliknya dianggap kurang cukup untuk memenuhi taraf-taraf kehidupan yang ada.

Dengan semakin meningkatnya jumlah kepadatan penduduk dan tingkat pengangguran memungkinkan semakin bertambahnya jumlah penduduk miskin pada Negara atau daerah tersebut. Untuk itu penulis tertarik ingin meneliti faktor– faktor mana yang paling berpengaruh terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.

Penulis menggunakan teknik analisis regreasi linier berganda untuk melihat pengaruh faktor–faktor jumlah penduduk miskin di Provinsi Sumatera Utara. Di beberapa literatur yang ada, khususnya buku-buku yang berkenaan dengan statistik, regresi linier diartikan sebagai suatu teknik untuk membangun persamaan garis lurus dan menggunakan perkiraan tersebut untuk melihat pengaruh antar variabel dan dapat dijadikan prediksi kedepannya, jadi dengan sederhana juga dapat disebutkan bahwa analisis regresi linier adalah sebuah model matematika yang digunakan untuk melihat hubungan antar variabel bebas (independent variable) dengan variabel terkait (dependent variable) hingga didapat suatu kesimpulan yang dapat di interpretasikan mengenai masalah yang di identifikasi.

Berdasarkan masalah diatas, penulis mengambil judul “Faktor-faktor yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera Utara”.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah diatas, penulis merumuskan masalah penelitian sebagai berikut:

1. Apa sajakah faktor yang mempengaruhi jumlah penduduk miskin di Provinsi Sumatera Utara.

2. Bagaimana besar nilai faktor-faktor yang mempengaruhi penduduk miskin di Provinsi Sumatera Utara.

3. Bagaimana hubungan korelasi antara faktor-faktor yang mempengaruhi (luas wilayah, kepadatan penduduk, tingkat pengangguran terbuka) dengan jumlah penduduk miskin di Provinsi Sumatera Utara.

1.3 Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti pengaruh penduduk miskin di kota medan dengan variabel-variabel yang mempengaruhinya yaitu luas wilayah, kepadatan penduduk, tingkat pengangguran. Data kuantitatif yang digunakan adalah data penduduk miskin

tahun 2012, data luas wilayah tahun 2012, data kepadatan penduduk tahun 2012, dan data tingkat pengangguran tahun 2012.

1.4 Tujuan dan Manfaat

1.4.1 Tujuan Penelitian

Tujuan dari penelitian ini adalah sebagai berikut:

1. Untuk mengetahui seberapa besar pengaruh yang diberikan variabel-variabel yang diteliti terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.

2. Mengetahui hubungan antar variabel yang diteliti.

3. Sebagai sarana aplikasi ilmu yang didapat saat perkuliahan.

1.4.2 Manfaat Penelitian

Manfaat yang dapat diambil dari penelitian ini adalah:

1. Untik mengetahui pengaruh luas wilayah, kepadatan penduduk, dan tingkat pengangguran terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.

2. Untuk mengetahui hubungan antara variabel terikat dan bebas.

3. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis mengenai riset dan menganalisis data.

1.5 Metodologi Penelitian 1. Penulisan Kepustakaan

Penulisan kepustakaan yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi dan bahan-bahan yang bersifat teotitis yang mendukung penulisan tugas akhir.

Metode pengumpulan data yang digunakan ialah data sekunder, yaitu data yang diolah diperoleh dari kantor Badan Pusat Statisti Provinsi Sumatera Utara.

2. Teknik dan Analisa Data

Metode yang digunaka adalah dengan metode hitung korelasi dan regresi.

a. Regresi Ganda

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.

Untuk keperluan analisis, variabel bebas akan dinyatakan dengan �1,�2, … ,��(� ≥1) sedangkan variabel tidak bebas dinyatakan dengan �.

dengan:

�� = variabel tidak bebas (dependent) �0, … ,�� = koefisisen regresi

�1, … ,�� = vaeriabel bebas (independent)

Kofisien-koefisien �₀, … ,�_� dapat dihitung dengan menggunakan persamaan:

ƩY₁ = �₀�+�₁ƩX_1�+�₂ƩX_2�+⋯+�_�ƩX_��

ƩX_1��_� = �₀ƩX_1�+�₁(ƩX_1�)2+ �₂ƩX_1��_2�+⋯+�_�ƩX_1��_��

ƩX_2��_� = �₀ƩX_2�+�₁ƩX_1��_2�+�₂(ƩX_2�)2+⋯+�_�ƩX_1��_��

ƩX_���_� = �₀ƩX_�� +�₁ƩX_1��_��+�₂ƩX_2��_��+⋯+�_�(ƩX_��)2

b. Kesalahan Standar Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, mskin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya.

Kesalahan standar estimasi dapat ditentukan dengan:

�

_{�,1,2,…,�}

=

�

Ʃ(��−Ŷ)2

�−�−1

Dengan�_� adalah nilai data sebenarnya ��_� adalah nilai taksiran.

c. Koefisien Korelasi Linier Ganda

Menguji keberartian regresi linier ganda dimaksudkan untuk meyakinkan apakah regresi yang didapat berdasarkan penelitian ada, artinya bila dipakai untuk membuat kesimpulan mengenai sejumlah perubahan yang dipelajari.

Hipotesa:

�0: Tidak terdapat hubungan fungsioanal yang signifikan antara semua

faktor yang mempengaruhi terhadap faktor yang dipengaruhi.

�1: Terdapat hubungan fungsional yang signifikan antara semua faktor yang mempengaruhi terhadap faktor yang dipengaruhi.

d. Kofisien korelasi

Analisa korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lain. Ukuran yang dipakai untuk mengetahui derajat

Untuk menghitung koefisien korelasi (�) antara dua variabel dapat digunakan dengan:

���= �Ʃ�����−

(Ʃ�_��)(Ʃ�_�)

�{�Ʃ�_��2 −(Ʃ�_��)2}{�Ʃ�_�2−(Ʃ�_�)2} dengan:

��� = koefisien korelasi antara � dan �

��� = variabel bebas

�� = variabel tak bebas

1.6 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari tugas akhir ini, yaitu sebagai berikut:

BAB 1: PENDAHULUAN

Pada bab ini akan diuraikan latar belakang, maksud dan tujuan, identifikasi masalah, batasan masalah, metode penelitian dan landasan teori serta sistematika penulisan.

BAB 2: LANDASAN TEORI

Dalam bab ini menguraikan teoritis dan analisa tentang segala sesuatu yang berhubungan dengan masalah tugas akhir.

BAB 3: GAMBARAN UMUM TEMPAT RISET

Dalam bab ini penulis menguraikan tentang sejarah singkat berdirinya Badan Pusat Statistik (BPS) Sumatera Utara.

BAB 4: ANALISIS DAN PEMBAHASAN

Pada bab ini penulis menjelaskan mengenai tentang analisis faktor-faktor yang mempengaruhi jumlah penduduk miskin dengan metode regresi linier berganda dan analisa korelasi untuk melihat hubungan antar variabel. Dimana objek penelitiannya adalah jumlah penduduk miskin di Provinsi Sumatera Utara tahun 2012.

BAB 5: IMPLEMENTASI SISTEM

Pada bab ini membahas tentang yang digunakan dalam analisis data serta dalam penggunaan dari software.

BAB 6: KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang berisi kesimpulan dari pembahasan serta saran penulis berdasarkan kesimpulan yang didapat dari pengamatan.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing variabel independent. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan.

2.2 Analisis Regresi Linier

Analisis regresi linier adalah salah satu analisis yang paling populer dan luas pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut. Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis ini terdiri dari dua bentuk, yaitu:

1. Analisis Regresi Sederhana (simple analisis regresi) 2. Analisis Regresi Berganda (multipe analisis regresi)

Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (independent variable) dan variabel tak bebas (dependent variable). Seangkan analisis regresi berganda merupakan hubungan antara tiga variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dan satu variabel tak bebas.

2.3 Regresi Linier Sederhana

Regresi linier sederhana adalah hubungan secara linier antara satu variabel independen (�) dengan variabel dependen (�). Analisis regresi linier sederhana dipergunakan untuk mengetahui arah hubungan antara variabel tidak bebas dengan variabel bebas apakah positif atau negatif dan untuk memprediksi nilai dari variabel tak bebas apabila nilai variabel bebas mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Rumus regresi linier sederhana adalah sebagai berikut:

�� = � + �_� (2.1) dengan:

�� = Variabel tak bebas � = Variabel bebas � = Parameter intercept

2.4 Regresi Linier Berganda

Analisis regresi linier berganda adalah hubungan secara linier antara dua atau lebih variabel bebas(�₁,�₂, … ,�_�) dengan variabel tidak bebas (�). Analisis ini digunakan untuk mengetahui arah hubungan antara variabel tak bebas dengan variabel tidak bebas apakah masing-masing variabel bebas berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel tidak bebas apabila nilai variabel bebas mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Analisis regresi linier berganda sebenarnya sama dengan analisis regresi linier sederhana, hanya variabel bebasnya lebih dari satu variabel penduga. Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai � atas nilai�. Bentuk persamaan regresi linier sederhana yang mencakup dua atau lebih variabel, yaitu:

� = β₀+β_1�1�+β_2�2�+⋯+β_{1�����} (2.2)

dengan:

� = Pengamatan ke-i pada variabel tak bebas

��� = Pengamatan ke-i pada variabel bebas

β0 = Parameter intercept

β1,β2, … ,β� = Parameter koefisien regresi variabel bebas

Model diatas merupakan model regresi untuk populasi, sedangkan apabila hanya untuk menarik sebagian berupa sampel untuk populasi secara acak, dan tidak mengetahui regresi populasi, sehingga model populasi perlu diduga berdasarkan model populasi sebagai berikut:

��= �₀+�₁�₁+�₂�₂+⋯+�_��_� (2.3)

dengan:

�� = Variabel tidak bebas (dependent)

�0, … ,�� = koefisien regresi

�1, … ,�� = variabel bebas (independent)

Untuk hal ini, penulis menggunakan regresi linier berganda satu variabel terikat (dependent variable) dan tiga variabel bebas (independent variable). Bentuk umum regresi linier berganda tersebut, yaitu:

��= �₀+�₁�_1�+�₂�_2�+⋯+�_��_�� (2.4)

dengan:

� = Jumlah Penduduk Miskin �1 = Luas Wilayah

�2 = Kepadatan Penduduk

�3 = Tingkat Pengangguran

Untuk rumus diatas, dapat diselesaikan oleh empat persamaan variabel yang terbentuk:

∑ � = �₀�+�₁∑ �₁+�₂∑ �₂+�₃∑ �₃ (2.5) ∑ � �1 = �0∑ �1 +�1∑ �12+�2∑ �1�2+�3∑ �1�3 (2.6) ∑ � �2 = �0∑ �2+�1∑ �2�1+�2∑ �22+�3∑ �2�3 (2.7) ∑ � �3 = �0∑ �3+�1∑ �1�3+�2∑ �2�3+�3∑ �32 (2.8)

Dengan b₀, b₁, b₂, b₃ adalah koefisien yang ditentukan berdasarkan data hasil pengamatan. Untuk menghitung nilai �= � − ��, �₁ = �₁− ��₁, �₂ = �₂ − ��₂, dan �₃ = �₃− ��₃.

2.5 Kesalahan Standard Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan srandar estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. (Algifari, 2000. Analisa Regresi Teori, kasus dan solusi, Edisi 2) Kesalahan standar estimasi dapat ditentukan dngan rumus:

�_{�,1,2,…,�}

=

�_�

=

�Ʃ_{�−�−1}(��Ŷ)2

(2.9)

dengan:

�� = nilai data sebenarnya �� = nilai taksiran

2.6 Koefisien Determinan

Koefisien determinasi (�2) adalah satu ukuran yang digunakan untuk mengukur pengaruh variabel bebas terhadap variansi variabel tidak bebas, dengan 0 < �2 <

1. Koefisien determinasi pad

besar kemampuan semua variabel bebas dalam menjelaskan terikatnya. Secara sederhana koefisien determinasi dihitung dengan mengkuadratkan Koefisien Korelasi (�). Secara umum koefisien determinasidigunakan sebagai informasi mengenai kecocokan suatu model. Dalam regresi, koefisien determinasi di jadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Jika �2sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna.

Hipotesa:

�0: Tidak terdapat hubungan fungsional yang signifikan antara semua faktor yang mempengaruhi terhadap faktor yang dipengaruhi.

�1: Terdapat hubungan fungsional yang signifikan antara semua faktor yang mempengaruhi terhadap faktor yang dipengaruhi.

Koefisien determinasi yang dinyatakan dengan �2 digunakan untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel terikat (�) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (�) yang ada dalam model persamaan regresi linier berganda secara bersama-sama. Maka R2 ditentukan dengan rumus, yaitu:

_�2

= ��_Ʃ����₂ (2.10) dengan:

����� = Jumlah Kuadrat Regresi

Harga �2 yang diperoleh sesuai dengan variansi yang dijelaskan masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja.

2.7 Koefisien Korelasi

Setelah mendapatkan hasil jumlah pengaruh pada variabel yang diteliti selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas atau antara variabel bebas itu sendiri.

Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan kekuatan hubungan linear dan arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan

searah. Artinya jika nilai variabel � tinggi, maka nilai variabel� akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel� tinggi, maka nilai variabel � akan menjadi rendah dan sebaliknya. Dengan kata lain koefisien korelasi sederhana (�) merupakan akar dari koefisien determinasi. Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbulkan dengan huruf “�”. Besarnya koefisien korelasi akan berkisar antara -1 (negatif satu) sampai dengan +1 (positif satu).

dengan:

+ menunjukkan korelasi positif - menunjukkan korelasi negatif

0 menunjukkan tidak adanya hubungan

Apabila koefisien korelasi mendekati + 1 atau – 1, berarti hubungan antar variabel tersebut semakin kuat. Sebaliknya, apabila koefisien korelasi mendekati angka 0, berarti hubungan antar variabel tersebut semakin lemah. Dengan kata lain, besarnya nilai korelasi bersifat absolut, sedangkan tanda “ + “ atau “–“ hanya menunjukkan arah hubungan saja.

Untuk menganalisis keterkaitan antar variabel, perlu diukur besarnya nilai koefisien korelasi. Untuk menghitung koefisien korelasi (r) antara dua variabel dapat digunakan rumus:

�

_��

=

�Ʃ�����−(Ʃ���)(Ʃ��)

���Ʃ�_��2−(Ʃ�_��)2���Ʃ�_�2−(Ʃ�_�)2�

(2.11)

dengan:

��� = Koefisien korelasi antara � dan � ��� = Variabel bebas

�� = Variabel teriat

Nilai r selalu terletak antara −1 dan 1, sehingga nilai r tersebut dapat ditulis −1≤ � ≤ +1. Untuk� = +1, berarti ada korelasi positif sempurna antara � dan �, sebaliknya jika� = −1, berarti korelasi negatif sempurna antara� dan �, sedangkan� = 0, berarti tidah ada korelasi antara � dan �.

Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan didalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu variabel diikuti oleh penurunan didalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam Tabel 2.1

Tabel 2.1 Interpretasi Koefisien Korelasi

R Interpretasi

0 Tidak Berkorelasi

0,01−0,20 Sangat Rendah

0,21−0,40 Rendah

0,41−0,60 Agak Rendah

0,61−0,80 Cukup

0,81−0,99 Tinggi

1 Korelasi Sempurna

dengan:

� = koefisien korelasi

+ = menunjukkan korelasi positif –. = menunjukkan korelasi negatif

0 = menunjukkan tidak ada korelasi (korelasi nihil)

Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis:

1. Korelasi positif

Terjadinya korelasi potitif apabila perubahan antara variabel yang satu diikuti dengan variabel yang lainnya dengan arah yang sama (berbanding lurus). Artinya variabel yang satu meningkat, maka akan diikuti peningkatan variabel yang lainnya.

2. Korelasi negatif

(berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.

3. Korelasi nihil

Korelasi nihil artinya tidak adanya korelasi antara variabel.

Dalam hal ini penulis menggunakan empat variabel dalam penelitiannya, untuk hubungan empat variabel dapat dihitung dengan menggunakan rumus sebagai berikut:

a. Koefisien Korelasi antara Y dan X1

�

_��1

=

�Ʃ�1�1−(Ʃ�1)(Ʃ�)

���Ʃ�12−(Ʃ�1)2�{�Ʃ�2−(Ʃ�)2}

(2.12)

b. Koefisien Korelasi antara Y dan X2

�

_��2

=

�Ʃ�2�1−(Ʃ�2)(Ʃ�)

���Ʃ�₂2−(Ʃ�₂)2�{�Ʃ�2−(Ʃ�)2}

(2.13)

c. Koefisien Korelasi antara Y dan X3

�

_��3

=

�Ʃ�3�1−(Ʃ�3)(Ʃ�)

���Ʃ�₃2_−(Ʃ�3)2_�{�Ʃ�2−(Ʃ�)2}

d. Koefisien Korelasi antara X1 dan X2

�

_�1�2

=

�Ʃ�1�2−(Ʃ�1)(Ʃ�2)

���Ʃ�₁2−(Ʃ�₁)2���Ʃ�₂2−(Ʃ�₂)2�

(2.15)

e. Koefisien Korelasi antara X1 dan X3

�

_�1�3

=

�Ʃ�1�3−(Ʃ�1)(Ʃ�3)

���Ʃ�₁2_−(Ʃ�1)2_{���Ʃ�3}2_−(Ʃ�3)2_� (2.16)

f. Koefisien Korelasi antara X2 dan X3

�

_�2�3

=

�Ʃ�2�3−(Ʃ�2)(Ʃ�3)

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Badan Pusat Statistik (BPS)

Seiring dengan perkembangan jaman, khususnya pada pemerintahan Orde Baru, untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, mutlak dibutuhkan data statistik. Untuk mendapatkan data secara tepat dan akurat, salah satu unsurnya adalah pembenaan organisasi BPS.

Kegiatan Statistik di Indonesia sudah dilaksanakan sejak masa Pemerintahan Hindia Belanda. Pada bulan Februari 1920, di kantor Statistik untuk pertama kalinya didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik.

Dalam masa orde baru ini, BPS telah mengalami empat kali perubahan stuktur organisasi:

1. Peraturan pemerintah No.16 Tahun 1980 tentang organisasi BPS.

2. Peraturan pemerintah No.6 tahun 1980 tentang organisasi BPS.

3. Peraturan pemerintah No.2 Tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja BPS.

4. Undang – undang No.16 tahun 1997 tentang statistik

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

7. Peraturan Pemerintah No. 51 tahun 1998 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan peraturan pemerintah No.16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan daerah. Tahun 1980, peraturan pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah No.16 tahun 1968. berdasarkan peraturan pemerintah No. 6 tahun 1980 di tiap provinsi terdapat perwakilan BPS dengan nama kantor satistik provinsi dan di kabupaten atau kotamadya terdapat cabang perwakilan BPS dengan nama kantor statistik kabupaten atau kotamadya. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No.6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juli 1998 dengan keputusan presiden RI No. 89 tahun 1998, ditetapkan BPS sekaligus mengatur tata kerja dan stuktur organisasi BPS yang baru.

3.2 Visi dan Misi

Adapun visi Badan Pusat Statistik adalah menjadi sumber informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang muktahir.

Sedangkan misi Badan Pusat Statistik adalah:

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.

3.3 Kedudukan dan Fungsi Badan Pusat Statistik

BPS adalah Lembaga Pemerintah Non Departemen yang berada di bawah dan bertanggung jawab kepada Presiden. BPS dipimpin oleh seorang Kepala. dalam melaksanakan tugasnya berdasarkan beberapa ketentuan perundangan:

1. UU No.16 tentang statistik

2. Keputusan presiden No. 86 tahun 1998 tentang BPS

3. Peraturan pemerintah No.51 tahun 1999 tentang penyelenggaraan statistik.

Fungsi yang diselenggarakan Badan Pusat Statistik adalah:

1. Perumusan kebijaksanaan perencanaan, pengumpulan, pengolahan, penyajian data, dan analisis di bidang statistik produksi dan kependudukan serta bidang statistik distribusi dan neraca nasional.

2. Pembinaan dan pelaksanaan kooordinasi kegiatan statistik dengan departemen dan instansi lainnya dalam mengembangkan bebagai jenis statistik yang diperlukan, serta pelaksanaan kerjasama di bidang statistik dengan lembaga/organisasi lain baik di dalam maupun luar negeri.

3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik produksi dan kependudukan serta statistik distribusi dan neraca nasional secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder.

4. Penyebarluasan statistik melalui berbagai cara baik langsung maupun tidak langsung.

5. Pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan, serta memberikan pelayanan administrasi di lingkungan BPS.

3.4 Tata Kerja Badan Pusat Statistik

Para deputi wajib melaksanakan koordinasi dan kerja sama teknis statistik di dalam dan di luar negeri sesuai dengan bidang tugas masing–masing dan harus melaporkan kepada kepala BPS. Dalam melaksanakan tugasnya wajib menerapkan prinsip koordinasi, integrasi, sibronisasi dan sinlifiksi, baik dalam

lingkungan masing–masing antara satuan unit organisasi di lingkungan BPS maupun dengan instansi lainnya di luar BPS sesuai bidang masing–masing.

3.5 Tugas Badan Pusat Statistik

Menurut Keputusan Presiden RI Nomor 6 Tahun 1992 tugas PBS adalah:

1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah, antara lain dibidang pertanian, agraria, pertambangan, perindustrian, perhubungan, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan nasional, pendidikan, dan keagamaan.

2. Atas nama pemerintah malaksanakan koordinasi di lapangan kegiatan statistik dari segenap instansi pemerintah baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan lain – lain.

3. Mengadakan segala daya agar masyarakat menyadari akan tujuan dan kegunaan statistik.

Berdasarkan Keppres ini Kepala berada di bawah dan bertanggung jawab langsung kepada Presiden serta mempunyai tugas:

1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina aparatur BPS agar berdayaguna dan berhasilguna.

2. Menentukan kebijakan teknis pelaksanaan di bidang statistik yang secara fungsional menjadi tanggung jawabnya sesuai dengan peraturan

perundang-undangan yang berlaku serta kebijakan umum yang telah ditetapkan oleh Pemerintah.

3. Membina dan melaksanakan koordinasi dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan, serta melaksanakan kerjasama di bidang statistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.

Wakil Kepala BPS berada di bawah dan bertanggung jawab langsung kepada Kepala BPS serta mempunyai tugas:

1. Membantu Kepala BPS dalam membina dan mengembangkan administrasi BPS agar berdayaguna dan berhasil guna.

2. Membantu Kepala BPS dalam mengkoordinasikan tugas – tugas Deputi, Pusat Pendidikan dan Pelatihan Statistik dan Perwakilan BPS di daerah.

3. Mewakili Kepala BPS dalam hal Kepala BPS berhalangan.

Deputi Administrasi mempunyai tugas menyelenggarakan pembinaan pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan, pengendalian, serta memberikan pelayanan administrasi di lingkungan BPS.

Deputi Perencanaan dan Analisis Statistik adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan perencanaan program dan metodologi statistik, system informasi

statistik, pengolahan hasil sensus, survei dan data sekunder serta analisis dan pengembangan statistik.

Deputi Statistik Produksi dan Kependudukan adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik pertanian, industri, konstruksi, pertambangan dan energi, kesejahteraan rakyat, serta statistik demografi dan ketenagakerjaan.

Deputi Statistik Produksi dan Neraca Nasional adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik harga dan keuangan, perdagangan dan jasa, serta neraca nasional.

3.6 Struktur Organisasi Badan Pusat Statistik

Struktur organisasi BPS dipimpin oleh seorang kepala dibantu oleh bagian tata usaha. Tata usaha terdiri dari:

1. Sub bagian urusan dalam

2. Sub bagian perlengkapan dan perbekalan 3. Sub bagian keuangan

Uraian tugas bagian Tata Usaha:

1. Menyusun program kerja tahunan bagian

2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja tahunan, baik rutin maupun proyek kantor BPS provinsi dan menyimpannya ke BPS.

3. Mengatur dan melaksanakan urusan dalam yang meliputi surat menyurat, pengadaan dan percetakan arsip, rumah tangga, pemeliharaa gedung, keamanan dan ketertiban lingkungan, serta perjalanan dinas dalam dan luar negeri.

4. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan, penyimpanan pergudangan, inventaris, penghapusan, serta pemeliharaan peralatan dan perlengkapan.

5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, perbendaharaan, verifikasi dan pembukuan.

Organisasi BPS berdasarkan Keppres RI Nomor 6 Tahun 1992 terdiri atas: 1. Kepala

2. Wakil Kepala 3. Deputi Administrasi

4. Deputi Perencanaan dan Analisis Statistik 5. Deputi Statistik Produksi dan Kependudukan 6. Deputi Statistik Produksi dan Neraca Nasional 7. Pusat Pendidikan dan Pelatihan Statistik 8. Perwakilan BPS di Daerah

9. Unit Pelaksanaan Teknis

Deputi Perencanaan dan Analisis Statistik ( PAS )mengkoordinasi 3 biro yakni:

2. Biro Pengolahan dan Penyajian

3. Biro Analisa dan Pengembangan

Deputi Pembinaan Statistik mengkoordinir 4 Biro, yakni: 1. Biro Statistik dan Industri

2. Biro Statistik Distribusi

3. Biro Statistik Sosial dan Kpendudukan 4. Biro Statistik Neraca Nasional

BAB 4

ANALISIS DATA

4.1 Pengolahan Data

Data yang diambil dari Kantor Badan Pusat Statistik Provinsi Sumatera Utara adalah data jumlah penduduk miskin (ribuan jiwa), luas wilayah (ribuan km2), kepadatan penduduk (ratusan jiwa/km2), dan tingkat pengangguran (%) di Provinsi Sumatera Utara tahun 2012.

Tabel 4.1. Jumlah Penduduk Miskin (ribuan jiwa), Luas Wilayah (ribuan km2), Kepadatan Penduduk (ratusan jiwa/km2), dan Tingkat

Pengangguran (%) di Provinsi Suatera Utara Tahun 2012.

No Kabupaten/Kota

Jumlah Penduduk Miskin (Ribuan Jiwa) Luas Wilayah (Ribuan Km2)

Kepadatan Penduduk (Ratusan Jiwa/Km2)

Tingkat Pengangguran

(%)

Kabupaten

1 Nias 24,63 9,8032 1,36 0,15

2 Mandailing Natal 47,62 66,207 0,62 6,42 3 Tapanuli Selatan 29,48 43,5286 0,62 2,42 4 Tapanuli Tengah 48,68 21,58 1,48 5,26 5 Tapanuli Utara 32,58 37,6465 0,75 2,27

6 Toba Samosir 16,39 23,5235 0,74 1,98

7 Labuhan Batu 41,31 25,6138 1,66 7,8

8 Asahan 71,19 36,7579 1,84 7,32

9 Simalungun 81,85 43,686 1,9 5,41

10 Dairi 25,12 19,278 1,42 1,43

11 Karo 36,08 21,2725 1,69 2,00

12 Deli Serdang 89,5 24,8614 7,42 6,85

13 Langkat 97,75 62,6329 1,56 5,98

14 Nias Selatan 56,05 16,2591 1,81 0,48 15 Humbang Hasundutan 16,97 22,972 0,76 0,35

No Kabupaten/Kota Jumlah Penduduk Miskin (Ribuan Jiwa) Luas Wilayah (Ribuan Km2)

Kepadatan Penduduk (Ratusan Jiwa/Km2)

Tingkat Pengangguran

(%)

16 Pakpak Bharat 5,24 12,183 0,34 1,13

17 Samosir 18,33 24,335 0,5 1,31

18 Serdang Bedagai 58,67 19,1333 3,16 5,68

19 Batu Bara 42,96 9,0496 4,21 6,77

20 Padang Lawas Utara 23,27 39,1805 0,58 6,59 21 Padang Lawas Utara 23,27 38,9274 0,6 7,47 22 Labuhan Batu Selatan 40,44 31,16 0,91 8,55 23 Labuhan Batu Utara 38,11 35,458 0,95 7,23

24 Nias Utara 37,92 15,0163 0,86 3,52

25 Nias Barat 23,47 5,4409 1,52 1,18

Kota

26 Sibolga 10,96 0,1077 79,71 19,21

27 Tanjungbalai 23,47 0,6152 25,55 14,75 28 Pematangsiantar 25,6 0,7997 29,63 6,14 29 Tebing Tinggi 17,75 0,3844 38,44 11,33

30 Medan 198,03 2,651 80,08 9,03

31 Binjai 16,87 0,9024 27,73 9,8

32 Padangsidimpuan 18,91 1,1465 17,34 9,1 33 Gunung Sitoli 39,76 4,6936 2,73 7,93

Sumber: Badan Pusat Statistik Provinsi Sumatera Utara

Dari data tersebut maka variabel-variabelnya adalah sebagai berikut: � = Jumlah Penduduk Miskin (ribuan jiwa)

�1 = Luas Wilayah (ribuan km2)

�2 = Kepadatan Penduduk (ratusan jiwa / km2) �3 = Tingkat Pengangguran (%)

4.2 Membentuk Persamaan Regresi Linier Berganda

Untuk membentuk persamaan regresi linier berganda, diperlukan perhitungan masing-masing satuan variabel. Hasil perhitungan yang dibutuhkan terdapat pada tabel dibawah ini:

Tabel 4.2 Harga-Harga yang Diperlukan Untuk Menghitung Koefisien ��,��,��,��

No Y �₁ �₂ �₃ �2 �₁2 �₂2

1 24,63 9,8032 1,36 0,15 606,6369 96,10273024 1,8496 2 47,62 66,207 0,62 6,42 2.267,664 4383,366849 0,3844 3 29,48 43,5286 0,62 2,42 869,0704 1894,739018 0,3844 4 48,68 21,58 1,48 5,26 2.369,742 465,6964 2,1904 5 32,58 37,6465 0,75 2,27 1.061,456 1417,258962 0,5625 6 16,39 23,5235 0,74 1,98 268,6321 553,3550523 0,5476 7 41,31 25,6138 1,66 7,8 1.706,516 656,0667504 2,7556 8 71,19 36,7579 1,84 7,32 5.068,016 1351,143212 3,3856 9 81,85 43,686 1,9 5,41 6.699,423 1908,466596 3,61 10 25,12 19,278 1,42 1,43 631,0144 371,641284 2,0164 11 36,08 21,2725 1,69 2 1.301,766 452,5192563 2,8561 12 89,5 24,8614 7,42 6,85 8.010,25 618,08921 55,0564 13 97,75 62,6329 1,56 5,98 9.555,063 3922,880162 2,4336 14 56,05 16,2591 1,81 0,48 3.141,603 264,3583328 3,2761 15 16,97 22,972 0,76 0,35 287,9809 527,712784 0,5776 16 5,24 12,183 0,34 1,13 27,4576 148,425489 0,1156 17 18,33 24,335 0,5 1,31 335,9889 592,192225 0,25 18 58,67 19,1333 3,16 5,68 3.442,169 366,0831689 9,9856 19 42,96 9,0496 4,21 6,77 1.845,562 81,89526016 17,7241 20 23,27 39,1805 0,58 6,59 541,4929 1535,11158 0,3364 21 23,27 38,9274 0,6 7,47 541,4929 1515,342471 0,36 22 40,44 31,16 0,91 8,55 1.635,394 970,9456 0,8281 23 38,11 35,458 0,95 7,23 1.452,372 1257,269764 0,9025 24 37,92 15,0163 0,86 3,52 1.437,926 225,4892657 0,7396 25 23,47 5,4409 1,52 1,18 550,8409 29,60339281 2,3104 26 10,96 0,1077 79,71 19,21 120,1216 0,01159929 6353,68

No Y �₁ �₂ �₃ �2 �₁2 �₂2 27 23,47 0,6152 25,55 14,75 550,8409 0,37847104 652,803 28 25,6 0,7997 29,63 6,14 655,36 0,63952009 877,937 29 17,75 0,3844 38,44 11,33 315,0625 0,14776336 1477,63 30 198,03 2,651 80,08 9,03 3.9215,88 7,027801 6412,81 31 16,87 0,9024 27,73 9,8 284,5969 0,81432576 768,953 32 18,91 1,1465 17,34 9,1 357,5881 1,31446225 300,676 33 39,76 4,6936 2,73 7,93 1580,858 22,02988096 7,4529 Jumlah 1378,23 716,807 340,47 192,84 98735,84 25638,11864 16967,4

Sambungan Tabel 4.2

No _�32 _{�1�2 �1�3 �2�3 ��1 ��2 ��3} 1 0,0225 13,33235 1,47048 0,204 241,453 33,4968 3,6945 2 41,2164 41,04834 425,049 3,9804 3152,78 29,5244 305,72 3 5,8564 26,98773 105,339 1,5004 1283,22 18,2776 71,3416 4 27,6676 31,9384 113,511 7,7848 1050,51 72,0464 256,057 5 5,1529 28,23488 85,4576 1,7025 1226,52 24,435 73,9566 6 3,9204 17,40739 46,5765 1,4652 385,55 12,1286 32,4522 7 60,84 42,51891 199,788 12,948 1058,11 68,5746 322,218 8 53,5824 67,63454 269,068 13,4688 2616,79 130,99 521,111 9 29,2681 83,0034 236,341 10,279 3575,7 155,515 442,809 10 2,0449 27,37476 27,5675 2,0306 484,263 35,6704 35,9216 11 4 35,95053 42,545 3,38 767,512 60,9752 72,16 12 46,9225 184,4716 170,301 50,827 2225,1 664,09 613,075 13 35,7604 97,70732 374,545 9,3288 6122,37 152,49 584,545 14 0,2304 29,42897 7,80437 0,8688 911,323 101,451 26,904 15 0,1225 17,45872 8,0402 0,266 389,835 12,8972 5,9395 16 1,2769 4,14222 13,7668 0,3842 63,8389 1,7816 5,9212 17 1,7161 12,1675 31,8789 0,655 446,061 9,165 24,0123 18 32,2624 60,46123 108,677 17,9488 1122,55 185,397 333,246 19 45,8329 38,09882 61,2658 28,5017 388,771 180,862 290,839 20 43,4281 22,72469 258,199 3,8222 911,73 13,4966 153,349 21 55,8009 23,35644 290,788 4,482 905,841 13,962 173,827 22 73,1025 28,3556 266,418 7,7805 1260,11 36,8004 345,762 23 52,2729 33,6851 256,361 6,8685 1351,3 36,2045 275,535 24 12,3904 12,91402 52,8574 3,0272 569,418 32,6112 133,478 25 1,3924 8,270168 6,42026 1,7936 127,698 35,6744 27,6946 26 369,024 8,584767 2,06892 1531,23 1,18039 873,622 210,542 27 217,563 15,71836 9,0742 376,863 14,4387 599,659 346,183

No �₃2 �₁�₂ �₁�₃ �₂�₃ ��₁ ��₂ ��₃ 28 37,6996 23,69511 4,91016 181,928 20,4723 758,528 157,184 29 128,369 14,77634 4,35525 435,525 6,8231 682,31 201,108 30 81,5409 212,2921 23,9385 723,122 524,978 15858,2 1788,21 31 96,04 25,02355 8,84352 271,754 15,2235 467,805 165,326 No �₃2 �₁�₂ �₁�₃ �₂�₃ ��₁ ��₂ ��₃

32 82,81 19,88031 10,4332 157,794 21,6803 327,899 172,081 33 62,8849 12,81353 37,2202 21,6489 186,618 108,545 315,297 Jumlah 1712,01 1321,458 3560,88 3895,16 33429,8 21795,1 8487,5

Dari Tabel 4.2 maka diperoleh hasil sebagai berikut: n = 33 ∑ �₃2 = 1.712,01 ∑ � = 1.378,23 ∑ �₁�₂ = 1.321,46 ∑ �1 =716,807 ∑ �1�3 = 3.560,88 ∑ �2 =340.47 ∑ �2�3 = 3.895,16 ∑ �3 =192,84 ∑ ��1 = 33.429,8 ∑ �2 _{= 98.735,84 ∑ ��}

2 = 21.795,13 ∑ �12 = 25.638,12 ∑ ��3 = 8.487,5 ∑ �22 = 16.967,4

Dari data tersebut maka selanjutnya akan dicari persamaan normal dengan rumus sebagai berikut:

ΣY = nb0 + b1ΣX1 + b2ΣX2 + b3ΣX3

ΣYX1 = b0ΣX1 + b1ΣX1 2

+ b2ΣX1X2 + b3ΣX1X3

ΣYX2 = b0ΣX2 + b1ΣX1X2+ b2ΣX2 2

ΣYX3 = b0ΣX3+ b1ΣX1X3+ b2ΣX2X3 + b3ΣX3 2

Dari persamaan diatas maka dapat disubstitusi ke dalam nilai – nilai yang bersesuaian sehingga diperoleh persamaan sebagai berikut:

1.378,23 = 33 b0 + 716,81 b1 + 340,47b2 + 192,84b3

33.429,8 = 716,81b0 + 25.638,12 b1 + 1.321,46 b2 + 3.560,88 b3

21.795,13 = 340,47 b0 + 1.321,46 b1 + 16.967,4 b2 + 3.895,16 b3

8.487,5 = 192,84 b0 + 3.560,88 b1 + 3.895,16 b2 + 1.712,01 b3

Setelah persamaan diselesaikan, maka dapat diperoleh koefisien-koefisien regresi linier berganda sebagai berikut:

�0 = 20,953 �1 = 1,032 �2 = 1,424 �3 = -2,789

Dengan demikian, persamaan regresi linier ganda X1, X2, X3, terhadap Y adalah:

��= 20,953 + 1,032�₁+ 1,424�₂− 2,789�₃

4.3 Kesalahan Standar Estimasi

Untuk mengetahui seberapa besar tingkat kesalahan standar estimasi taksiran dari persamaan regresi yang telah didapatkan, maka diperlukan harga ��.

Setelah diperoleh persaman regresi linier berganda, langkah selanjutnya adalah menghitung kesalahan standar estimasi ini diperlukan harga �� yang diperoleh dari persamaan regresi diatas untuk tiap harga�₁, �2, dan �3 yang

diketahui. Maka untuk mencari kesalahan standar estimasi tersebut dibuat terlebih dahulu Tabel 4.3.

Tabel 4.3 Nilai-Nilai �� Yang Diperoleh Dari Persaman Regresi Linier Berganda Untuk Menghitung Kekeliruan Tafsiran Baku No � �� � − �� (� − �̂)�

1 24,63 32,58819 -7,95819 63,33283 2 47,62 72,25612 -24,6361 606,9386 3 29,48 60,00802 -30,528 931,9597 4 48,68 30,66094 18,01906 324,6865 5 32,58 54,54116 -21,9612 482,2925 6 16,39 40,76079 -24,3708 593,9355 7 41,31 27,99608 13,31392 177,2604 8 71,19 41,09183 30,09817 905,8997 9 81,85 53,65406 28,19594 795,0109 10 25,12 38,88171 -13,7617 189,3846 11 36,08 39,73478 -3,65478 13,35742 12 89,5 38,07139 51,42861 2644,901 13 97,75 71,13337 26,61663 708,4448 14 56,05 38,97111 17,07889 291,6884 15 16,97 44,76619 -27,7962 772,6284 16 5,24 30,85845 -25,6184 656,3048 17 18,33 43,12513 -24,7951 614,7985 18 58,67 29,35689 29,31311 859,2587 19 42,96 17,4057 25,5543 653,0224 20 23,27 43,83369 -20,5637 422,8652 21 23,27 41,14665 -17,8766 319,5745 22 40,44 30,56001 9,87999 97,6142

No � �� � − �� (� − �̂)� 23 38,11 38,73399 -0,62399 0,389359 24 37,92 27,85718 10,06282 101,2603 25 23,47 25,44147 -1,97147 3,886689 26 10,96 80,9945 -70,0345 4904,831 27 23,47 16,83334 6,636664 44,0453 28 25,6 46,84695 -21,247 451,4329 29 17,75 44,48889 -26,7389 714,9683 30 198,03 112,5381 85,49192 7308,868 31 16,87 34,0396 -17,1696 294,7951 32 18,91 21,44845 -2,53845 6,443718 33 39,76 7,567545 32,19245 1036,354 Jumlah 1378,23 1378,192 0,037759 27992,43

Setelah memperoleh harga yang terdapat pada Tabel 4.3, maka kesalahan standar estimasiya dapat dihitung dengan menggunakan rumus (2.5) sebagai berikut:

��,1,2,…,�

=

��

=

�Ʃ (�_�−Ŷ)2

�−�−1

��,1,2,…,� = �27 .992,43

33−3−1

��,1,2,…,�

=

�27 .992,43

29 ��,1,2,…,�

=

�965,256

Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata jumlah penduduk miskin yang sebenarnya akan menyimpang dari rata-rata hasil jumlah penduduk miskin yang diperkirakan sebesar 31,068.

4.4 Uji Regresi Linier Berganda

Pengujian hipotesa dalam regresi linier berganada perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.

4.4.1 Uji F (Simultan)

1. Menentukan formulasi hipotesis

�0: Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu luas wilayah, kepadatan penduduk, tingkat pengangguran terhadap variabel terikat yaitu jumlah penduduk miskin.

�1: Terdapat pengaruh yang signifikan antara variabel bebas yaitu luas wilayah, kepadatan penduduk, tingkat pengangguran terhadap variabel terikat yaitu jumlah penduduk miskin.

2. Mencari nilai �_{�����}dari Tabel distribusi �

Dengan taraf nyata � = 0,05 dan nilai �_{�����} dengan dk pembilang (�₁) =�= 3 dan dk penyebut (�₂) =� − � −1 = 33−3−1 = 29, maka diperoleh �_{�1;�2(�)} = �₃;29(0,05) = 2,93.

3. Menentukan kriteria penguji

�0 diterima bila �ℎ����� < ������

�1 ditolak bila �ℎ����� ≥ ������

4. Menentukan nilai statistik �_{ℎ�����}

�ℎ����� = _����(���)/�

(_���)/(�−�−1)

Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai �,�₁,�₂dan �₃ dengan rumus:

�= � − �� �₁ = �₁− ��₁

�2 = �2− ��2 �3 = �3− ��3

dengan:

Ῡ = Ʃ�

� ��1 =

Ʃ�1

�

Ῡ =1.378₃₃,23

= 41,764 ��₁ =716₃₃,81 = 21,721

��2 =Ʃ�_�2 ��3 =Ʃ�_�3

Maka nilai-nilai diatas akan dimasukkan ke dalam Tabel 4.4

Tabel 4.4 Harga-harga yang diperlukan untuk Uji Regresi

No � �� �� �� �� ���

1 -17,134 -11,918 -8,957 -5,69 293,574 142,034 2 5,856 44,486 -9,697 0,58 34,2927 1979 3 -12,284 21,8076 -9,697 -3,42 150,897 475,571 4 6,916 -0,141 -8,837 -0,58 47,8311 0,01988 5 -9,184 15,9255 -9,567 -3,57 84,3459 253,622 6 -25,374 1,8025 -9,577 -3,86 643,84 3,24901 7 -0,454 3,8928 -8,657 1,96 0,20612 15,1539 8 29,426 15,0369 -8,477 1,48 865,889 226,108 9 40,086 21,965 -8,417 -0,43 1606,89 482,461 10 -16,644 -2,443 -8,897 -4,41 277,023 5,96825 11 -5,684 -0,4485 -8,627 -3,84 32,3079 0,20115 12 47,736 3,1404 -2,897 1,01 2278,73 9,86211 13 55,986 40,9119 -8,757 0,14 3134,43 1673,78 14 14,286 -5,4619 -8,507 -5,36 204,09 29,8324 15 -24,794 1,251 -9,557 -5,49 614,742 1,565 16 -36,524 -9,538 -9,977 -4,71 1334 90,9734 17 -23,434 2,614 -9,817 -4,53 549,152 6,833 18 16,906 -2,5877 -7,157 -0,16 285,813 6,69619 19 1,196 -12,671 -6,107 0,93 1,43042 160,564 20 -18,494 17,4595 -9,737 0,75 342,028 304,834 21 -18,494 17,2064 -9,717 1,63 342,028 296,06 22 -1,324 9,439 -9,407 2,71 1,75298 89,0947 23 -3,654 13,737 -9,367 1,39 13,3517 188,705 24 -3,844 -6,7047 -9,457 -2,32 14,7763 44,953 25 -18,294 -16,28 -8,797 -4,66 334,67 265,042 26 -30,804 -21,613 69,393 13,37 948,886 467,135 27 -18,294 -21,106 15,233 8,91 334,67 445,455 28 -16,164 -20,921 19,313 0,3 261,275 437,701 29 -24,014 -21,337 28,123 5,49 576,672 455,25 30 156,266 -19,07 69,763 3,19 24419,1 363,665 31 -24,894 -20,819 17,413 3,96 619,711 433,414 32 -22,854 -20,575 7,023 3,26 522,305 423,31 33 -2,004 -17,027 -7,587 2,09 4,01602 289,932

Sambungan Tabel 4.4

No �_�� �_�� ��_� ��_� ��_�

1 80,22785 32,3761 204,1996 153,4692 97,49246 2 94,03181 0,3364 260,51 -56,7856 3,39648 3 94,03181 11,6964 -267,885 119,1179 42,01128 4 78,09257 0,3364 -0,97516 -61,1167 -4,01128 5 91,52749 12,7449 -146,26 87,86333 32,78688 6 91,71893 14,8996 -45,7366 243,0068 97,94364 7 74,94365 3,8416 -1,76733 3,930278 -0,88984 8 71,85953 2,1904 442,4758 -249,444 43,55048 9 70,84589 0,1849 880,489 -337,404 -17,237 10 79,15661 19,4481 40,66129 148,0817 73,40004 11 74,42513 14,7456 2,549274 49,03587 21,82656 12 8,392609 1,0201 149,9101 -138,291 48,21336 13 76,68505 0,0196 2290,494 -490,269 7,83804 14 72,36905 28,7296 -78,0287 -121,531 -76,573 15 91,33625 30,1401 -31,0173 236,9563 136,1191 16 99,54053 22,1841 348,3659 364,3999 172,028 17 96,37349 20,5209 -61,2565 230,0516 106,156 18 51,22265 0,0256 -43,7477 -120,996 -2,70496 19 37,29545 0,8649 -15,155 -7,30397 1,11228 20 94,80917 0,5625 -322,896 180,0761 -13,8705 21 94,42009 2,6569 -318,215 179,7062 -30,1452 22 88,49165 7,3441 -12,4972 12,45487 -3,58804 23 87,74069 1,9321 -50,195 34,22702 -5,07906 24 89,43485 5,3824 25,77287 36,35271 8,91808 25 77,38721 21,7156 297,8281 160,9323 85,25004 26 4815,388 178,7569 665,7761 -2137,58 -411,849 27 232,0443 79,3881 386,1095 -278,673 -163 28 372,992 0,09 338,1719 -312,175 -4,8492 29 790,9031 30,1401 512,3771 -675,346 -131,837 30 4866,876 10,1761 -2979,99 10901,58 498,4885 31 303,2126 15,6816 518,2582 -433,479 -98,5802 32 49,32253 10,6276 470,2096 -160,504 -74,504 33 57,56257 4,3681 34,12291 15,20435 -4,18836 Jumlah 13454,66 585,1274 3492,656 7575,551 433,6247

Dari nilai-nilai diatas dapat diketahui nilai jumlah kuadrat regresi (��_���)dan nilai (��_���) dan selanjutnya dapat dihitung�_{ℎ�����}.

����� =�1∑��1 +�2∑��2 +�3∑��3

����� = 1,032(3.492,66) + 1,424(7.575,55) – 2,789(433,62)

����� = 13.182,64

�����= ∑(� − ��)2

�����= 27.992,43

�ℎ����� =

����� �

�����/(�−�−1)

�ℎ����� =

13.182,64

3

27.922,43/(33−3−1)

�ℎ����� = 4₉₆₂.394_,84,21

�ℎ�����

=

4,56

Untuk �_{�����}, yaitu nilai statistik � jika dilihat dari tabel distribusi � dengan derajat kebebasan pembilang �₁ =�yaitu 3 dan penyebut �₂ = � − � −1 yaitu 29, dan � = 5% = 0,05 maka:

������ = �(_�)(_�1;�₂)

������ = �(0,05)(�;�−�−1)

������ = �(0,05)(3;29)

������ = 2,93

Dengan demikian dapat kita lihat bahwa nilai �_{ℎ�����} = 4,56 >�_{�����} = 2,93. Maka �₀ditolak, hal ini berarti persamaan linier berganda � atas �₁,�₂ dan �₃ bersifat terdapat pengaruh signifikan antara luas wilayah, kepadatan penduduk dan tingkat pengangguran terhadap terjadinya jumlah penduduk miskin.

4.5 Perhitungan Koefisien Determinasi Dan Koefisien Korelasi Ganda Dari Tabel 4.4 dapat dilihat harga Ʃy2 = 41.174,7 dan nilai ��_��� = 13.182,64 telah dihitung sebelumnya, maka diperoleh nilai koefisien determinasi :

�2 ₌ �����

Ʃ�2 �2 ₌ 13.182,64

41.174,7

�2 _{= 0,320}

Didapat nilai koefisien determinasi 0,320. Hal ini berarti bahwa sekitar 32 % jumlah penduduk miskin dapat ditentukan oleh luas wilayah, kepadatan

penduduk, dan tingkat pengangguran melalui hubungan regresi linier berganda sedangkan sisanya 68% dipengaruhi oleh faktor lain.

Untuk koefisien korelasi ganda digunakan rumus :

R =��2

R =�0,320

� = 0,56

Dari hasil perhitungan didapat korelasi (�) antara luas wilayah, kepadatan penduduk dan tingkat pengangguran terhadap jumlah penduduk miskin sebesar 0,56. Nilai korelasi tersebut menyatakan bahwa hubungan antara luas wilayah, kepadatan penduduk dan tingkat pengangguran terhadap jumlah penduduk miskin agak rendah.

4.6 Perhitungan Koefisien Korelasi Antar Variabel

Dari Tabel 4.2 dapat diperoleh koefisien korelasi antara variabel terikat (�) dengan variabel bebas (�) sehingga diketahui seberapa besar pengaruh antar variabel tersebut.

4.6.1 Perhitungan Korelasi antara Variabel Bebas dan VariabeTerikat 1. Koefisien Korelasi Antara Jumlah Penduduk Miskin (�) dengan Luas

Wilayah (�₁)

���1 =

�Ʃ�1�1−(Ʃ�1)(Ʃ�)

�{�Ʃ�₁2−(Ʃ�₁)2}{�Ʃ�2−(Ʃ�)2}

���1 =

33�33.429,8−(716,807)(1.378,23)

�{33�25.638,12−(716,807)2}{33�98.735,4−(1378,23)2}

���1 =

115.258,49 671.892,03

���1 = 0,172

Koefisien korelasi antara jumlah penduduk miskin (�) dan luas wilayah (�1) adalah 0,172 yang menunjukkan korelasi yang sangat rendah dengan arah positif. Hal ini berarti jika luas wilayah kecil maka jumlah penduduk miskin rendah dan sebaliknya jika luas wilayah bertambah maka jumlah penduduk miskin meningkat.

2. Koefisien Korelasi Antara Jumlah Penduduk Miskin (�) dengan Kepadatan Penduduk (�₂)

���2 =

�Ʃ�2�1−(Ʃ�2)(Ʃ�)

�{�Ʃ�₂2−(Ʃ�₂)2}{�Ʃ�2−(Ʃ�)2}

���1 =

33�21.795,13−(340,47)(1378,23)

�{33�16.967,4−(340,47)2}{33�98.735,84−(1378,23)2}

���1 =

249.993,32 776.722,29

���1 = 0,3218

Koefisien korelasi antara jmlah penduduk miskin (�) dan kepadatan penduduk (�₂) adalah 0,3218 yang menunjukkan korelasi yang rendah dengan arah positif. Hal ini berarti jika kepadatan penduduk bertambah akan meningkatkan jumlah penduduk miskin, dan sebaliknya jika kepadatan penduduk menurun maka jumlah penduduk miskin menurun.

3. Koefisien Korelasi Antara Jumlah Penduduk Miskin (�) dengan Tingkat Pengangguran (�₃)

���3 =

�Ʃ�3�1−(Ʃ�3)(Ʃ�)

�{�Ʃ�₃2−(Ʃ�₃)2}{�Ʃ�2−(Ʃ�)2}

���3 =

33�8.487,5−(192,84)(1378,23)

�{33�1.712,01−(192,84)2}{33�98.735,84−(1378,23)2}

���3 =

14.309,626 161.976,78

���3 = 0,088

Koefisien korelasi antara jmlah penduduk miskin (�) dan tingkat pengangguran (�₃) adalah 0,088, yang menunjukkan korelasi yang sangat rendah dengan arah positif. Hal ini berarti jika kepadatan penduduk kecil maka jumlah penduduk miskin rendah dan sebaliknya jika kepadatan penduduk bertambah maka jumlah penduduk miskin meningkat.

4. Koefisien Korelasi Antara Luas Wilayah (�₁) Dengan Kepadatan Penduduk (�₂)

��1�2 =

�Ʃ�1�2−(Ʃ�1)(Ʃ�2)

�{�Ʃ�₁2−(Ʃ�₁)2}{�Ʃ�₂2−(Ʃ�₂)2}

��1�2 =

(33�1.321,46)−(716,807)(340,47)

�{33(25.638,12)−(716,807)2}{33(16.967,4)−(340,47)2}

��1�2 =

−200.443,1 384.081,42

��1�2 = −0,522

Koefisien korelasi antara luas wilayah (�₁) dan kepadatan penduduk (�₂) adalah −0,522 yang menunjukkan korelasi agak rendah dengan arah positif. Hal ini berarti jika bertambahnya luas wilayah maka kepadatan penduduk menurun, dan jika luas wilayah semakin kecil maka kepadatan penduduk meningkat.

5. Koefisien Korelasi Antara Luas Wilayah (�₁) Dengan Tingkat Pengangguran (�₃)

��1�3 =

�Ʃ�1�3−(Ʃ�1)(Ʃ�3)

�{�Ʃ�₁2−(Ʃ�₁)2}{�Ʃ�₃2−(Ʃ�₃)2}

��1�3 =

(33�3.560,88)−(716,807)(192,84)

�{33(25.638,12)−(716,807)2}{33(1712,01)−(192,84)2}

��1�3 =−

20.720,02 80.095,90

Koefisien korelasi antara luas wilayah (�₁) dan tingkat pengangguran (�₃) adalah −0,259 yang menunjukkan korelasi sangat rendah dan tidak searah (korelasi negatif). Hal ini berarti jika semakin luas wilayah maka menurunnya tingkat pengangguran, dan semakin bertambah luas wilayah akan meningkatkan pengangguran.

6. Koefisien Korelasi Antara Kepadatan Penduduk (�₂) Dengan Tingkat Pengangguran (�₃)

��2�3 =

�Ʃ�2�3−(Ʃ�2)(Ʃ�3)

�{�Ʃ�₂2−(Ʃ�₂)2}{�Ʃ�₃2−(Ʃ�₃)2}

��2�3 =

(33�3.895,16)−(340,47)(192,84)

�{33(16.967,4)−(340,47)2}{33(1.712,01)−(192,84)2}

��2�3 =

62.884,045 92.592,1658

��2�3 = 0,679

Koefisien korelasi antara kepadatan penduduk (�₂) dan tingkat pengangguran (�₃) adalah 0,679 yang menunjukkan korelasi yang cukup dengan arah positif. Hal ini berarti jika kepadatan penduduk meningkat maka tingkat pengangguran terbuka akan meningkat dan sebaliknya jika kepadatan penduduk menurun maka tingkat pengangguran akan menurun.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah langkah-langkah atau prosedur-prosedur yang dilakukan dalam menyelesaikan desain sistem yang telah disetujui, untuk menginstal, menguji dan memulai sistem baru yang diperbaiki.

5.2 Tujuan Implementasi Sistem

Adapun tujuan dari implementasi sistem adalah sebagai berikut: 1. Menyelesaikan desain sistem yang telah disetujui sebelumnya.

2. Memastikan bahwa pemakai (user) dapat mengoprasikan sistem baru. 3. Menguji apakah sistem baru tersebut sesuai dengan pemakai.

4. Memastikan bahwa konversi ke sistem baru berjalan yaitu dengan membuat rencana, mengontrol dan melakukan instalasi baru secara benar.

5.3 Pengenalan SPSS

SPSS (Statistical Prodect and Service Solution) merupakan program aplikasi yang digunakan untuk melakukan perhitungan statistik dengan menggunakan komputer. SPSS paling banyak digunakan dalam berbagai riset pasar, pengendalian dan perbaikan mutu (quality improvement) serta riset-riset lain.

SPSS dibuat pertama kali sebagai software statistik pada tahun 1968. Diprakarsai oleh ketiga mahasiswa Stanford University yang pada saat itu

dioperasikan hanya pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul pada versi PC (bisa dipakai untuk komputer dekstop) dengan nama SPSS/PC+, dan sejalan dengan populernya sistem operasi windows. Pada tahun 1992, SPSS juga mengeluarkan versi windows. Dan antara tahun 1994-1998, SPSS melakukan berbagai kebijakan strategis untuk mengembangkan software statistik dengan mengeluarkan software house terkemuka seperti SYSTAT. Inc, BMDP Statistical software, jandel statistics software clear software, Quantime Ltd, Initive Technologies A/S dan Integral Solution Ltd. Untuk memantapkan posisinya sebagai salah satu market leader dalam business intelligence, SPSS juga menjalin aliansi strategis dengan software house terkemka dunia yang lain seperti Oracle Corp, Business Object dan Ceres Integrated Solution.

Karena perkembangan SPSS ini menbuat program SPSS yang tadinya hanya ditujukan pada pengolahan data statistik untuk ilmuan sosial yang pada saat itu SPSS yang di singkatkan dari Statistical Packcage for The Social Science berubah menjadi Statistical Product and Service Solition. Fungsi SPSS diperluas untuk melayani berbagai user seperti proses produksi di pabrik, riset ilmu sains dan lain-lain.

5.4 Langkah – Langkah Pengolahan Data dengan SPSS 5.4.1 Cara Mengaktifkan SPSS Pada Program Windows

1. Pilih menu Start dari windows. 2. Kemudian pilih menu All Program 3. Klik SPSS Statistics 17.0.

Gambar 5.1 Tampilan Pengaktifan SPSS

5.5 Mengenal lingkungan SPSS

SPSS data editor mempunyai 2 (dua) tipe lingkungan kerja:

1. Data view adalah tempat dimana data akan dimasukkan dan diproses.

2. Variable View adalah tempat di mana variable akan didefinisikan terlebih dahulu sebelum di masukkan ke data view. Cara mengaktifkannya adalah dengan mengklik tab sheet Variable View yang berada di bagian kiri bawah atau langsung menekan Ctrl + T.

5.6 Menyusun Definisi Variable View

Name: Untuk memasukkaan nama variable yang akan diuji. Type: Untuk mendefinisikan type variable.

Widht: Untuk pengaturan panjang karakter dari variable. Decimals: Untuk menuliskan jumlah desimal di belakang koma. Label: Untuk menuliskan keterangan dari nama variable. Missing: Untuk menuliskan ada tidaknya jawaban kosong. Columns: Untuk pengaturan lebar kolom.

Align: Untuk pengaturan teks/angka pada data View apakah akan dibuat rata kiri (left), kanan (right) atau tengah (center).

Measure: Untuk menentukan skala variable, misalnya nominal, ordinal atau scale.

(Dalam penulisan tugas akhir ini Values, Missing, Columns dan Measure tidak dipergunakan, karena itu ketiga pengaturan ini diabaikan saja).

5.7 Pemasukan Data ke dalam SPSS Statistics 17.0

1. Pengisian variable pada Variable View.

Variable Y adalah jumlah penduduk miskin variable ini merupakan variable pertama yang akan ditempatkan pada baris pertama.

Langkah-langkahnya adalah:

1. Isi name dengan Y lalu pilih Type dan pilih Numeric. 2. Pilih Widht isi dengan angka 8 lalu pilih Decimals ketik 2. 3. Pada Label ketik “Jumlah Penduduk Miskin”

4. Lalu pada Align pilih Right.

Selanjutnya variabel X1 adalah luas wilayah yang juga menjadi variabel

kedua yang didapatkan pada baris kedua. Langkah-langkahnya adalah:

1. Isi name dengan Y lalu pilih Type dan pilih Numeric. 2. Pilih Widht isi dengan angka 8 lalu pilih Decimals ketik 2. 3. Pada Label ketik “Luas Wilayah”

4. Lalu pada Align pilih Right.

Selanjutnya variabel X2 adalah luas wilayah yang juga menjadi variabel

ketiga yang didapatkan pada baris ketiga. Langkah-langkahnya adalah:

1. Isi name dengan Y lalu pilih Type dan pilih Numeric. 2. Pilih Widht isi dengan angka 8 lalu pilih Decimals ketik 2. 3. Pada Label ketik “Kepadatan Penduduk”

4. Lalu pada Align pilih Right.

Selanjutnya variabel X3 adalah luas wilayah yang juga menjadi variabel

keempat yang didapatkan pada baris keempat. Langkah-langkahnya adalah:

1. Isi name dengan Y lalu pilih Type dan pilih Numeric. 2. Pilih Widht isi dengan angka 8 lalu pilih Decimals ketik 2. 3. Pada Label ketik “Tingkat Pengangguran”

4. Lalu pada Align pilih Right.

Pengisian variabel tersebut dapat dilihat pada gambar di bawah ini:

Gambar 5.3 Tampilan Pengisian Variable View

2. Pengisian Data Pada Data View

1. Setelah pengisian variabel pada Variable View lalu klik pada tab sheet Data View yang ada di kiri bawah layar.

2. Isilah tahun pada kolom Tahun sesuai jumlah data yang ada. 3. Isi Y, X1, X2, dan X3 dengan data yang ada.

Pengisian data tersebut dapat dilihat pada gambar di bawah ini:

Gambar 5.4 Tampilan Pengisian Data View

5.8 Pengolahan Data

Pengolahan data untuk mencari mencari korelasi dan persamaan regresi linier berganda. Langkah-langkahnya adalah sebagai berikut :

1. Pada Menu Bar Klik menu Analyze, lalu pilih Regression dan klik linear. 2. Lalu akan muncul kotak dialog Linear Regression.

3. Pada kotak dialog tersebut masukkan variabel Y pada kotak Dependent dan variabel X1, X2, dan X3 pada kotak Independent (s).

Gambar 5.5 Tampilan Jendela Regresi Linier

4. Klik tombol Statistics sehingga akan muncul Linear Regression Statistics, lalu beri centang pada kotak Estimate, Model Fit, dan Descriptives.

5. Lalu klik Continue.

6. Selanjutnya balik ke kotak dialog Linear Regression, lalu klik Plots untuk membuat grafik. Isi kolom Y dengan pilihan SDRESSID dan kolom X dengan ZPRED, kemudian klik Next.

Gambar 5.7 Tampilan Jendela Regresi Linier Polts

7. Maka aplikasi akan kembali ke kotak dialog Linear Regression, lalu selanjutnya klik Option maka kan muncul kotak dialog Linear Regression Option. Pilih Use Probability of F kemudian masukkan nilai tingkat kepercayaan pada kotak Entry dengan 0,05, lalu klik continue.

Gambar 5.8 Tampilan Jendela Regresi Linier Options

8. Selanjutnya klik OK dan kemudian akan muncul output dari semua yang diperintahkan.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Dari hasil analisis dan perhitungan yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut:

1. Dengan menggunakan rumus yang ada maka diperoleh nilai-nilai koefisien regresinya yaitu: �₀= 20,953, �₁ = 1,032, �₂= 1,424, �3= -2,789, sehingga persamaan linier berganda yang didapat adalah:

�� = 20,953 + 1,032�₁+ 1,424�₂− 2,789�₃

2. Pada uji linier berganda dengan taraf nyata 0,05, dk pembilang = 3, dk penyebut = 29, �_{ℎ�����} = 4,56 >�_{�����} = 2,93. Maka �₀ ditolak dan �₁ diterima. Hal ini berarti persamaan linier berganda � atas �1,�2,�3bersifat nyata yang berarti bahwa luas wilayah, kepadatan penduduk, dan tingkat pengguran secara bersama-sama berpengaruh terhadap terjadinya jumlah penduduk miskin.

3. Koefisien determinasi (�) sebesar 32%, menunjukkan bahwa hanya 32% jumlah penduduk miskin dipengaruhi oleh ketiga faktor �1,�2,�3 dan 68% dipengaruhi oleh faktor-faktor lain.

4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi cukup tinggi terjadi antara kepadatan penduduk �₂ dengan tingkat pengangguran �₃ yaitu sebesar 0,679.

6.2 Saran

Melihat hubungan yang cukup tinggi antara kepadatan penduduk dan tingkat pengangguran, maka disarankan agar pihak pemerintah Indonesia khususnya pemerintah daerah Provinsi Sumatera Utara untuk menanggulangi dan mengurangi tingkat pengangguran dengan lebih banyak membuka lapangan pekerjaan bagi masyarakat.

DAFTAR PUSTAKA

Ginting, Paham. 2006. Filsafat Ilmu dan Metode Penelitian. Medan: USU Press Masri Singarimbun dan Sofian Effendi. 1989. Metode Penelitian Survai. Jakarta:

LP3S

Mangkuprawira, Sjafri. 2002. Manajemen Sumber Daya Manusia Strategik. Jakarta: Ghalia Indonesia

Suharyanto, H. dan Agus, H. 2005. Manajemen Sumber Daya Manusia. Yogyakarta: Grha Guru

Sudjana. 1992. Metoda Statistika. Edisi ke-6. Bandung: Tarsito

Yamin, S., Lien A. Rachmach., dan Heri Kurniawan. 2011. Jakarta: Salemba Empat

Gambar 5.5 Tampilan Jendela Regresi Linier

4. Klik tombol Statistics sehingga akan muncul Linear Regression Statistics, lalu beri centang pada kotak Estimate, Model Fit, dan Descriptives.

5. Lalu klik Continue.

6. Selanjutnya balik ke kotak dialog Linear Regression, lalu klik Plots untuk membuat grafik. Isi kolom Y dengan pilihan SDRESSID dan kolom X dengan ZPRED, kemudian klik Next.

Gambar 5.7 Tampilan Jendela Regresi Linier Polts

7. Maka aplikasi akan kembali ke kotak dialog Linear Regression, lalu selanjutnya klik Option maka kan muncul kotak dialog Linear Regression Option. Pilih Use Probability of F kemudian masukkan nilai tingkat kepercayaan pada kotak Entry dengan 0,05, lalu klik continue.

Gambar 5.8 Tampilan Jendela Regresi Linier Options

8. Selanjutnya klik OK dan kemudian akan muncul output dari semua yang diperintahkan.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Dari hasil analisis dan perhitungan yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut:

1. Dengan menggunakan rumus yang ada maka diperoleh nilai-nilai koefisien regresinya yaitu: �₀= 20,953, �₁ = 1,032, �₂= 1,424,

�3= -2,789, sehingga persamaan linier berganda yang didapat adalah: �� = 20,953 + 1,032�₁+ 1,424�₂− 2,789�₃

2. Pada uji linier berganda dengan taraf nyata 0,05, dk pembilang = 3, dk penyebut = 29, �_{ℎ�����} = 4,56 >�_{�����} = 2,93. Maka �₀ ditolak dan �₁ diterima. Hal ini berarti persamaan linier berganda � atas

�1,�2,�3bersifat nyata yang berarti bahwa luas wilayah, kepadatan penduduk, dan tingkat pengguran secara bersama-sama berpengaruh terhadap terjadinya jumlah penduduk miskin.

3. Koefisien determinasi (�) sebesar 32%, menunjukkan bahwa hanya 32% jumlah penduduk miskin dipengaruhi oleh ketiga faktor

�1,�2,�3 dan 68% dipengaruhi oleh faktor-faktor lain.

4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi cukup tinggi terjadi antara kepadatan penduduk �₂ dengan tingkat pengangguran �₃ yaitu sebesar 0,679.

6.2 Saran

Melihat hubungan yang cukup tinggi antara kepadatan penduduk dan tingkat pengangguran, maka disarankan agar pihak pemerintah Indonesia khususnya pemerintah daerah Provinsi Sumatera Utara untuk menanggulangi dan mengurangi tingkat pengangguran dengan lebih banyak membuka lapangan pekerjaan bagi masyarakat.

DAFTAR PUSTAKA

Ginting, Paham. 2006. Filsafat Ilmu dan Metode Penelitian. Medan: USU Press Masri Singarimbun dan Sofian Effendi. 1989. Metode Penelitian Survai. Jakarta:

LP3S

Mangkuprawira, Sjafri. 2002. Manajemen Sumber Daya Manusia Strategik. Jakarta: Ghalia Indonesia

Suharyanto, H. dan Agus, H. 2005. Manajemen Sumber Daya Manusia. Yogyakarta: Grha Guru

Sudjana. 1992. Metoda Statistika. Edisi ke-6. Bandung: Tarsito

Yamin, S., Lien A. Rachmach., dan Heri Kurniawan. 2011. Jakarta: Salemba Empat