Analisis Faktor – Faktor yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera Utara Tahun 2010

ANALlSIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA

TUGAS AKHIR

RAJI MAHADI SUDARJAT 102407078

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

ANALlSIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

RAJI MAHADI SUDARJAT 102407078

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH

PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA

Kategori : TUGAS AKHIR

Nama : RAJI MAHADI SUDARJAT

NIM : 102407078

Program Studi : D3 STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM

(FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2013

Diketahui

Departemen Matematika FMIPA USU Pembimbing

Prof. Dr. Tulus,vordipl.Math.,M.Si.,Ph.D Drs. Pengarapen Bangun, M.Si

PERNYATAAN

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA

TUGAS AKHIR

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

Medan, Juli 2013

PENGHARGAAN

Assalamu’alaikum warahmatullahi wabarakatuh.

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 Faktor – Faktor yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera Utara Tahun 2010.

Terimakasih penulis sampaikan kepada Bapak Drs. Pengarapen Bangun,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 Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika 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 Ayahanda Suwondo dan Suparmi serta 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 2

1.3 Batasan Masalah 3

1.4 Tujuan dan Manfaat 3

1.4.1 Tujuan Penelitian 3

1.4.2 Manfaat Penelitian 3

1.5 Metodelogi Penelitian 4

1.6 Sistematika Penulisan 7

BAB 2 LANDASAN TEORI 9

2.1 Pengertian Regresi 9

2.2 Analisis Regresi Linier 9

2.3 Regresi Linier Sederhana 10

2.4 Regresi Linier Berganda 11

2.5 Kesalahan Standard Estimasi 13

2.6 Koefisien Determinasi 14

BAB 3 SEJARAH SINGKAT BADAN PUSAT STATISTIK 20

3.1 Sejarah Badan Pusat Statistik 20

3.2 Visi dan Misi 21

3.3 Kedudukan dan Fungsi Badan Pusat Statistik 22

3.4 Tata Kerja Badan Pusat Statistik 23

3.5 Tugas Badan Pusat Statistik 23

3.6 Struktur Organisasi Badan Pusat Statistik 25

BAB 4 ANALISA DAN PEMBAHASAN 28

4.1 Pengolahan Data 28

4.2 Membentuk Persamaan Regresi Linier Berganda 30

4.3 Uji Regresi Linier Berganda 36

4.3.1 Uji F (Simultan) 37

4.4 Perhitungan Koefisien Determinasi Dan Koefisien Korelasi Ganda 42 4.5 Perhitungan Koefisien Korelasi Antar Variabel 43

4.5.1 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y)

Dengan Luas Wilayah (X1) 44

4.5.2 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y)

Dengan Kepadatan Penduduk (X2) 44

4.5.3 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y)

Dengan Tingkat Pengangguran (X3) 45

4.5.4 Koefisien Korelasi Antara Luas Wilayah (X1) dengan

Kepadatan Penduduk (X2) 46

4.5.5 Koefisien Korelasi Antara Luas Wilayah (X1) dengan

Tingkat Pengangguran (X3) 46

4.5.6 Koefisien Korelasi Antara Kepadatan Penduduk (X2)

Dengan Tingkat Pengangguran (X3) 47

4.6 Uji t (Parsial) 48

4.6.1 Pengaruh Luas Wilayah (X1) Terhadap Jumlah Penduduk

Miskin (Y) 48

4.6.2 Pengaruh Kepadatan Penduduk (X2) Terhadap Jumlah

Penduduk Miskin (Y) 51

4.6.3 Pengaruh Tingkat Pengangguran (X3) Terhadap Jumlah

Penduduk Miskin (Y) 53

BAB 5 IMPLEMENTASI SISTEM 56

5.1 Pengertian Implementasi Sistem 56

5.3 Pengenalan SPSS 57 5.3.1 Langkah - Langkah Pengolahan Data dengan SPSS 58 5.3.1.1Cara Mengaktifkan SPSS Pada Program Windows 58

5.3.1.2Mengenal Lingkungan SPSS 59

5.3.1.3Menyusun Definisi Variable View 60 5.3.1.4Pemasukan Data ke dalam SPSS Statistic 16.0 61

5.3.1.5Pengolahan Data 64

BAB 6 KESIMPULAN DAN SARAN 69

6.1 Kesimpulan 69

6.2 Saran 70

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman

Tabel 2.1 Interpretasi Koefisien Korelasi 17 Tabel 4.1 Luas Wilayah (ribuan ), Kepadatan Penduduk

(ratusan ), Tingkat Pengangguran(%)

Jumlah Penduduk Miskin (ribuan jiwa) di Provinsi Sumatera

Utara tahun 2010 28

Tabel 4.2 Harga-Harga yang Diperlukan Untuk Menghitung Koefisien

b0,b1, b2, b3 30

Tabel 4.3 Nilai-Nilai Yˆ Yang Diperoleh Dari Persamaan Regresi Linier Berganda Untuk Menghitung Kekeliruan Tafsiran

Baku 35

Tabel 4.4 Harga-Harga Yang Diperlukan Untuk Uji Keberartian Regresi 38 Tabel 4.5 Harga-Harga , Dan Untuk Uji Koefisien Regresi 49

DAFTAR GAMBAR

Halaman

Gambar 5.1 Tampilan Pengaktifan SPSS Statistics 16.0 58 Gambar 5.2 Tampilan Jendela Data View dalam SPSS 59 Gambar 5.3 Tampilan Jendela Variable View dalam SPSS 60

Gambar 5.4 Tampilan Pengisian Variable View 63

Gambar 5.5 Tampilan Pengisian Data View 64

Gambar 5.6 Kotak Dialog Linear Regression 65

Gambar 5.7 Kotak Dialog Linear Regression : Statistics 65

Gambar 5.8 Kotak Dialog Linear Regression : Plots 66

Gambar 5.9 Kotak Dialog Linear Regression Plots 67

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Keberadaan fenomena kemiskinan adalah sebuah keniscayaan dalam suatu Negara sekalipun Negara tersebut sudah tergolong dalam Negara maju. Kemiskinan akan selalu menjadi sisi gelap dan menjadi suatu indikator keberhasilan suatu pemerintahan dalam mengelola Negara dan kesejahteraan rakyat.

Permasalahan kemiskinan sudah seringkali diangkat dan di bahas solusinya oleh banyak pihak, mulai dari pemerintah pusat dengan segala bentuk program pengentasan kemiskinan dan rancangan anggaran untuk meminimalisir kemiskinan masyarakatnya sampai kepada individu – individu atau masyarakat yang memang memiliki kepedulian terhadap permasalahan tersebut.

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 regresi 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 linear diartikan sebagai suatu teknik untuk membangun persamaan garis lurus dan menggunakan perkiraan tersebut untuk meihat pengaruh antar variabel dan dapat dijadikan prediksi kedepannya, jadi dengan sederhana

juga dapat disebutkan bahwa analisa regresi linear adalah sebuah model matematika yang digunakan untuk melihat hubungan antara variabel bebas( Independent variable) dengan variabel terikat( dependent variable) hingga didapat sebuah kesimpulan yang dapat di interpretasikan mengenai masalah yang diindentifikasi.

Berdasarkan masalah di atas, penulis mengambil judul : Analisis Faktor-Faktor Yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera utara.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah penelitian ini sebagai berikut:

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

2. Bagaimana besar nilai faktor-faktor yang mempengaruhi jumlah 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 2010, data luas wilayah tahun 2010, data kepadatan penduduk tahun 2010, dan data tingkat pengangguran tahun 2010

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. Untuk mengetahui pengaruh luas wilayah, kepadatan penduduk, dan tingkat pengangguran terhadap jumlah penduduk miskin di Provinsi Sumatera utara.

2. Untuk mengetahui hubungan antara variabel yang 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 teoritis yang mendukung penulisan tugas akhir.

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

2. Teknik dan Analisa Data

Metode yang digunakan 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

x

_1,

x

_2,

...

x

_k

(

k

1

)

sedangkan variabel tidak bebas dinyatakan dengan Y.

k k

o ax a x a x

a

Dengan :

Y

= variabel tidak bebas (dependent)

k

o

a

a

,...,

koefisien regresi

k

x

x

₁

,...,

variabel bebas (independent)

Koefisien-koefisien

a

o

,...,

a

kdapat dihitung dengan menggunakan persamaan:

) ( ... ... ... ) ( ... ) ( ... 2 2 1 1 2 2 2 2 2 1 1 2 2 1 2 1 2 2 1 1 1 1 2 2 1 1 1 ki k ki i ki i ki o i ki ki i k i i i i o i i ki i k i i i i o i i ki k i i o X a X X a X X a X a Y X X X a X a X X a X a Y X X X a X X a X a X a Y X X a X a X a n a Y

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, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya.

1 )

( 2

,..., 2 , 1 ,

k n

Y Y

Sy k i

Dengan: Yi adalah nilai data sebenarnya, Yi 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 peubah yang dipelajari.

Hipotesa:

Ho : Tidak terdapat hubungan fungsional yang signifikan antara semua faktor yang

mempengaruhi terhadap faktor yang dipengaruhi.

H1 : Terdapat hubungan fungsional yang signifikan antara semua faktor yang

mempengaruhi terhadap faktor yang dipengaruhi.

d. Koefisien 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 hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Untuk menghitung koefisien korelasi (r) antara dua variabel dapat digunakan rumus:

bebas tidak Variabel Y bebas Variabel X X dan Y antara korelasi Koefisien r dengan Y Y n X X n Y X Y X n r i ki yx i i ki ki i ki i ki yx : } ) ( }{ ) ( { ) )( ( 2 2 2 2

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 sejarah singkat berdirinya Badan Pusat Statistika (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 2010.

BAB 5 : IMPLEMENTASI SISTEM

Pada bab ini membahas tentang yang digunakan dalam analisis data serta cara 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 Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut variabel takbebas (dependent variable), pada satu atau lebih variabel, yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan niali-nilai dari variabel takbebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas (independent variable).

2.2 Analisis Regresi Linier

Analisis regresi linier digunakan untuk peramalan, dimana dalam model terdapat variabel bebas X dan variabel takbebas Y. Regresi linier yaitu menentukan satu persaman dan garis yang menunjukkan hubungan antara variabel bebas dan variabel takbebas, yang merupakan persamaan penduga yang berguna untuk menaksir/meramalkan variabel takbebas. Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis ini terdiri dari dua bentuk, yaitu :

1. Analisi Regresi Sederhana (simple analisis regresi) 2. Analisi Regresi Berganda (multiple analisis regresi)

Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (independent variable) dan variabel tak bebas (dependent variable). Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya 2 variabel bebas dengan satu variabel tak bebas.

2.3 Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya ada satu peubah bebas X yang dihubungkan dengan satu peubah takbebas Y. Bentuk-bentuk model umum regresi sederhana yang menunjukkan antara dua variabel, yaitu variabel X sebagai sebagai variabel bebas dan variabel Y sebagai variabel tak bebas adalah :

Dengan :

Ŷ = Variabel tak bebas x = Variabel bebas a = Parameter Intercept

2.4 Regresi Linier Berganda

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variable dependent) dengan faktor-faktor yang mempengaruhi lebih dari satu predaktor (variable independent).

Regresi linier berganda hampir sama dengan Regresi linier sederhana, hanya saja pada Regresi linier berganda variabel penduga (variabel bebas) 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 Y atas nilai X. Bentuk persamaan Regresi linier berganda yang mencakup dua atau lebih variabel, yaitu :

i ki k i

i

o x x x

Y _{1 1 2 2} ....

Dengan :

_{Y = Pengamatan ke-i pada variabel tak bebas}

xik = Pengamatan ke-i pada variabel bebas

0 = Parameter Intersep

1, 2,..., k = Parameter Koefisien regresi variabel bebas

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

k k

o a x a x a x

a

Y 1 1 2 2 ....

Dengan :

Y

= variabel tidak bebas (dependent)

k

o

a

a

,...,

koefisien regresi

k

x

x

₁

,...,

variabel bebas (independent)

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

Y = b0 b1 X1i b 2 X2i ... bn Xni

Dengan:

Y = Jumlah Penduduk Miskin

X1 = Luas Wilayah

X3 = Tingkat Pengangguran

i = 1,2,…,n

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

Dengan b0, b1, b2, b3 adalah koefisien yang ditentukan berdasarkan data hasil pengamatan. Untuk

menghitung nilai dan .

2.5 Kesalahan Standard 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, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Sebaliknya, semakin

besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya.( Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2) Kesalahan standar estimasi dapat ditentukan dengan rumus :

Dengan :

Yi = nilai data sebenarnya

Ŷ = nilai taksiran

2.6 Koefisien Determinasi

Menguji keberartian regresi linear berganda dimaksudkan untuk meyakinkan apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai sejumlah peubah yang dipelajari.( Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik)

Hipotesa :

H0 : Tidak terdapat hubungan fungsional yang signifikan antara semua faktor yang

H1 :Terdapat hubungan fungsional yang signifikan antara semua faktor yang

mempengaruhi terhadap faktor yang dipengaruhi.

Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linear berganda yang mencakup lebih dari dua variabel adalah 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 linear berganda secara bersama – sama. Maka R2 akan ditentukan dengan rumus ,yaitu:

Dengan :

JKreg = Jumlah Kuadrat Regresi

Harga R2 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 (yang bersifat nyata).

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

Analisis korelasi adalah alat statistic yang dapat digunakan untuk mengetahui derajat hubungan linear antara satu variabel dengan variabel yang lain (Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2). Umumnya analisis korelasi digunakan dalam hubungannya dengan analisis regresi untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel dependent.

Setelah mengetahui hubungan fungsional antara variabel-variabel dimana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang perlu dirasakan yaitu, jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel – variabel itu (Sudjana, 2001. Metode Statistik. Bandung). Dengan kata lain perlu ditentukan derajat hubungan antara variabel – variabel tersebut. Studi yang membahas derajat hubungan antara variabel – variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Untuk menghitung koefisien korelasi (r) antara dua variabel dapat digunakan rumus:

Dengan:

ryx = Koefisien korelasi antara Y dan X

Xki = Variabel bebas

Yi = Variabel terikat

Nilai r selalu terletak antara -1 dan 1, sehingga nilai r tersebut dapat ditulis :

-1 r +1. Untuk r = +1, berarti ada korelasi positif sempurna antara X dan Y, sebaliknya jika r = -1, berarti korelasi negatif sempurna antara X dan Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y.

Jika kenaikan didalam 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 berikut:

Tabel 2.1 Interpretasi Koefisien Korelasi

R Interpretasi

0 Tidak ada korelasi

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 Sangat tinggi (korelasi sempurna) Sumber : Hartono, M.Pd Statistik untuk penelitian

Keterangan:

r = koefisien korelasi

+ = menunjukkan korelasi positif

− = menunjukkan korelasi negatif

0 = menunjukkan tidak adanya korelasi (korelasi nihil)

1. Korelasi Positif

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

2. Korelasi Negatif

Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (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

b. Koefisien Korelasi antara Y dan X2

c. Koefisien Korelasi antara Y dan X3

d. Koefisien Korelasi antara X1 dan X2

e. Koefisien Korelasi antara X1 dan X3

BAB 3

SEJARAH SINGKAT

BADAN PUSAT STATISTIK (BPS)

3.1 Sejarah Badan Pusat Statistik (BPS)

Seiring dengan adanya 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 pembenahan organisasi BPS.

Dalam masa Orde Baru ini, BPS telah mangalami empat kali perubahan struktur 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 5. Keputusan Presiden RI No. 86 Tahun 1998 tentang BPS

6. Keputusan Kepala BPS N0. 100 Tahun 1998 tentang organisasi dan data 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 data 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 propinsi terdapat perwakilan BPS dengan nama kantor statistik propinsi 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 struktur 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 mutakhir.

Sedangkan misi Badan Pusat Statistik adalah untuk menjunjung pembangunan nasional BPS mengembangkan misi mangarahkan pembangunan statistik pada menyediaan data ststistik yang

handal dan bermutu, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaaan statistik dan pengembangan ilmu statistik.

3.3 Kedudukan dan Fungsi Badan Pusat Statistik

Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di bawah dan bertanggung jawab kepada Presiden (Keppres No. 86 tahun 1998), dalam malaksanakan 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

Berdasarkan keputusan Presiden No. 86 tahun 1998 dalam menyelenggarakan statistik dasar melaksanakan koordinasi dan kerjasama serta mengembangkan dan membina statistik sesuai dengan peraturan perundang-undangan yang berlaku. 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 meraca nasional.

2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan, serta pelaksanaan kerjasama di bidang statistik dengan lembaga/organisasi lain baik di dalam maupun di 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 kerjasama 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, sinkronisasi dan signifikasi, baik dalam lingkungan masing- masing antara aturan unit organisasi di lingkungan BPS maupun dengan instansi lainnya di luar BPS sesuai bidang masing-masing.

Menurut keputusan Presiden RI No. 6 tahun 1992 tugas BPS adalah :

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

2. Atas nama pemerintah melaksanakan 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 panggunaan 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 bertanggungjawab langsung kepada Presiden serta mempunyai tugas :

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

2. Menentukan kebijakan teknis pelaksanaan di bidang statistik yang secara fungsional menjadi tanggungjawabnya 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 ststistik yang diperlukan, serta malaksanakan kerjasama di bidang ststistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.

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

1. Membantu Kepala BPS dalam membina dan mengembangkan administrasi BPS agar berdaya guna dan berhasilguna.

2. Membantu Kepala BPS dalam mengkoordinasikan tugas-tugas Deputi, Pusat Pendidikan dan Pelatihan Statistik dan Perwakilan 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 pelaksanaan sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan perencanaan program dan metodologi statistik, pengolahan hasil sensus, survey dan data sekunder serta analisis dan pengembangan statistik.

Deputi Statistik Produksi dan Kependudukan adalah unsur pelaksana sebgian 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 Pruduksi 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 terdri 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 maupn program kantor BPS Propinsi dan penyimpanannya ke BPS

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

4. Mengatur dan melaksanakan urusan perlengkapan 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 No. 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) mengkoordinir tiga biro, yakni : 1. Biro Perencanaan dan Pengendalian

2. Biro Pengolahan dan Penyajian 3. Biro Analisa dan Pengembangan

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

2. Biro Statistik Distribusi

3. Biro Statistik Sosial dan Kependudukan 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 ), kepadatan penduduk (ratusan ), dan tingkat pengangguran (%) di Provinsi Sumatera Utara tahun 2010.

Tabel 4.1 Jumlah Penduduk Miskin (ribuan jiwa), Luas Wilayah (ribuan ), Kepadatan Penduduk (ratusan ), dan Tingkat Pengangguran (%) di Provinsi Sumatera Utara tahun 2010.

No Kabupaten/Kota

Jumlah Penduduk Miskin (Ribuan Jiwa) Luas Wilayah (Ribuan ) Kepadatan Penduduk (Ratusan Tingkat Pengangguran (%)

Kabupaten

1 Nias 26,40 9,8032 1,34 2,57

2 Mandailing Natal 50,90 66,207 0,61 4,21

3 Tapanuli Selatan 31,50 43,5286 0,61 3,35

4 Tapanuli Tengah 52,20 21,58 1,44 6,24

5 Tapanuli Utara 34,90 37,6465 0,74 2,26

6 Toba Samosir 17,60 23,5235 0,74 2,56

7 Labuhan Batu 44,30 25,6138 1,62 7,04

No Kabupaten/Kota Jumlah Penduduk Miskin (Ribuan Jiwa) Luas Wilayah (Ribuan ) Kepadatan Penduduk (Ratusan Tingkat Pengangguran (%)

Kabupaten

9 Simalungun 87,70 43,686 1,87 6,43

10 Dairi 26,90 19,278 1,4 2,06

11 Karo 38,70 21,2725 1,65 1,55

12 Deli Serdang 96,00 24,8614 7,2 9,02

13 Langkat 104,80 62,6329 1,54 8,69

14 Nias Selatan 60,10 16,2591 1,78 2,43

15 Humbang Hasundutan 18,20 22,972 0,75 0,96

16 Pakpak Bharat 5,60 12,183 0,33 1,48

17 Samosir 19,70 24,335 0,49 0,55

18 Serdang Bedagai 62,80 19,1333 3,11 6,32

19 Batu Bara 46,00 9,0496 4,15 7,95

20 Padang Lawas Utara 25,00 39,1805 0,57 3,34

21 Padang Lawas 25,00 38,9274 0,58 7,05

22 Labuhan Batu Selatan 43,40 31,16 0,89 5,50

23 Labuhan Batu Utara 40,90 35,458 0,93 5,95

24 Nias Utara 40,70 15,0163 0,85 3,29

25 Nias Barat 25,10 5,4409 1,5 0,59

Kota

26 Sibolga 11,70 0,1077 78,44 17,50

27 Tanjungbalai 25,20 0,6152 25,1 10,25

28 Pematangsiantar 27,50 0,7997 29,35 10,40

29 Tebing Tinggi 18,90 0,3844 37,79 9,54

30 Medan 212,30 2,651 79,13 13,11

31 Binjai 18,00 0,9024 27,28 11,64

32 Padangsidimpuan 20,30 1,1465 16,71 8,58

33 Gunung Sitoli 42,50 4,6936 2,69 2,56

Sumber: Badan Pusat Statistik Provinsi Sumatera Utara

Dari data tersebut maka variabel-variabelnya adalah sebagai berikut:

Y : Jumlah Penduduk Miskin (ribuan jiwa)

X2 : Kepadatan Penduduk (ratusan )

X3 : 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 b0, b1, b2, b3

NO Y

1 26,4 9,8032 1,34 2,57 696,96 96,10273 1,7956

2 50,9 66,207 0,61 4,21 2590,81 4383,3668 0,3721 3 31,5 43,5286 0,61 2,87 992,25 1894,739 0,3721

4 52,2 21,58 1,44 6,24 2724,84 465,6964 2,0736

5 34,9 37,6465 0,74 3,35 1218,01 1417,259 0,5476 6 17,6 23,5235 0,74 1,55 309,76 553,35505 0,5476 7 44,3 25,6138 1,62 6,43 1962,49 656,06675 2,6244 8 76,3 36,7579 1,82 7,04 5821,69 1351,1432 3,3124 9 87,7 43,686 1,87 8,91 7691,29 1908,4666 3,4969

10 26,9 19,278 1,4 2,06 723,61 371,64128 1,96

11 38,7 21,2725 1,65 2,56 1497,69 452,51926 2,7225

12 96 24,8614 7,2 8,69 9216 618,08921 51,84

13 104,8 62,6329 1,54 9,02 10983,04 3922,8802 2,3716 14 60,1 16,2591 1,78 2,43 3612,01 264,35833 3,1684 15 18,2 22,972 0,75 1,48 331,24 527,71278 0,5625

16 5,6 12,183 0,33 0,69 31,36 148,42549 0,1089

17 19,7 24,335 0,49 1,49 388,09 592,19223 0,2401 18 62,8 19,1333 3,11 7,95 3943,84 366,08317 9,6721

19 46 9,0496 4,15 6,33 2116 81,89526 17,2225

20 25 39,1805 0,57 1,5 625 1535,1116 0,3249

21 25 38,9274 0,58 5,87 625 1515,3425 0,3364

22 43,4 31,16 0,89 5,5 1883,56 970,9456 0,7921

23 40,9 35,458 0,93 5,95 1672,81 1257,2698 0,8649 24 40,7 15,0163 0,85 3,29 1656,49 225,48927 0,7225

Sambungan Tabel 4.2

25 25,1 5,4409 1,5 0,59 630,01 29,603393 2,25

26 11,7 0,1077 78,44 1,7 136,89 0,0115993 6152,8336

27 25,2 0,6152 25,1 9,54 635,04 0,378471 630,01

28 27,5 0,7997 29,35 8,68 756,25 0,6395201 861,4225 29 18,9 0,3844 37,79 7,05 357,21 0,1477634 1428,0841 30 212,3 2,651 79,13 13,11 45071,29 7,027801 6261,5569

NO Y

31 18 0,9024 27,28 10,05 324 0,8143258 744,1984

32 20,3 1,1465 16,71 8,58 412,09 1,3144623 279,2241 33 42,5 4,6936 2,69 2,56 1806,25 22,029881 7,2361 Jlh 1477,1 716,8069 335 169,84 113442,9 25638,119 16474,8674

No

1 6,6049 13,136288 25,194224 3,4438 2 17,7241 40,38627 278,73147 2,5681 3 8,2369 26,552446 124,927082 1,7507 4 38,9376 31,0752 134,6592 8,9856 5 11,2225 27,85841 126,115775 2,479 6 2,4025 17,40739 36,461425 1,147 7 41,3449 41,494356 164,696734 10,4166 8 49,5616 66,899378 258,775616 12,8128 9 79,3881 81,69282 389,24226 16,6617 10 4,2436 26,9892 39,71268 2,884 11 6,5536 35,099625 54,4576 4,224 12 75,5161 179,00208 216,045566 62,568 13 81,3604 96,454666 564,948758 13,8908 14 5,9049 28,941198 39,509613 4,3254

15 2,1904 17,229 33,99856 1,11

16 0,4761 4,02039 8,40627 0,2277 17 2,2201 11,92415 36,25915 0,7301 18 63,2025 59,504563 152,109735 24,7245 19 40,0689 37,55584 57,283968 26,2695 20 2,25 22,332885 58,77075 0,855 21 34,4569 22,577892 228,503838 3,4046

22 30,25 27,7324 171,38 4,895

23 35,4025 32,97594 210,9751 5,5335 24 10,8241 12,763855 49,403627 2,7965 25 0,3481 8,16135 3,210131 0,885 26 2,89 8,447988 0,18309 133,348 27 91,0116 15,44152 5,869008 239,454 28 75,3424 23,471195 6,941396 254,758 29 49,7025 14,526476 2,71002 266,4195 30 171,8721 209,77363 34,75461 1037,3943

Sambungan Tabel 4.2

31 101,0025 24,617472 9,06912 274,164 32 73,6164 19,158015 9,83697 143,3718 33 6,5536 12,625784 12,015616 6,8864 Jlh 1222,6824 1297,829672 3545,158962 2575,3849

N0

1 258,80448 35,376 67,848 2 3369,9363 31,049 214,289 3 1371,1509 19,215 90,405 4 1126,476 75,168 325,728 5 1313,86285 25,826 116,915

6 414,0136 13,024 27,28

7 1134,69134 71,766 284,849 8 2804,62777 138,866 537,152 9 3831,2622 163,999 781,407

10 518,5782 37,66 55,414

11 823,24575 63,855 99,072 12 2386,6944 691,2 834,24 13 6563,92792 161,392 945,296 14 977,17191 106,978 146,043

15 418,0904 13,65 26,936

16 68,2248 1,848 3,864

17 479,3995 9,653 29,353

18 1201,57124 195,308 499,26

19 416,2816 190,9 291,18

20 979,5125 14,25 37,5

21 973,185 14,5 146,75

22 1352,344 38,626 238,7

23 1450,2322 38,037 243,355 24 611,16341 34,595 133,903 25 136,56659 37,65 14,809

26 1,26009 917,748 19,89

27 15,50304 632,52 240,408 28 21,99175 807,125 238,7 29 7,26516 714,231 133,245 30 562,8073 16799,3 2783,253

31 16,2432 491,04 180,9

32 23,27395 339,213 174,174

33 199,478 114,325 108,8

Dari Tabel 4.2 diperoleh hasil sebagai berikut :

n = 33 X₃2 = 1222,6824

Y = 1477,1 X Y1 = 35828,83735

1

X = 716,8069 X Y₂ = 23039,89

2

X = 335 X Y₃ = 10070,92

3

X = 169,84 X X_{1 2} = 1297,82972

2

Y = 113442,9 X X1 3 = 3545,158962

2 1

X = 25638,1186 X X2 3 = 2575,3849

2 2

X = 16474,8674

Dari data tersebut maka selanjutnya akan dicari persamaan normal dengan rumus (2.5) sebagai berikut :

0 1 1 2 2 3 3

Y b n b X b X b X

2

1 0 1 1 1 2 1 2 3 1 3

YX b X b X b X X b X X

2

2 0 2 1 2 1 2 2 3 2 3

2

3 0 3 1 3 1 2 3 2 3 3

YX b X b X X b X X b X

Harga-harga koefisien b0, b1, b2 dan b3 dicari dengan substitusi dan eliminasi dari

persamaan normal di atas. Selanjutnya substitusi nilai-nilai pada Tabel 4.2 ke dalam persamaan normal, sehingga diperoleh :

1477,1 = 33 b0 + 716,81 b1 + 335 b2 + 169,84 b3

35828,84 = 716,81 b0 + 25638,12 b1 + 1297,83 b2 + 3545,16 b3

23039,89 = 335 b0 + 1297,83 b1 + 16474,87 b2 + 2575,38 b3

10070,92 = 169,84 b0 + 3545,16 b1 + 2575,38 b2 + 1222,68 b3

Setelah persamaan di atas diselesaikan, maka diperoleh koefisien-koefisien regresi linier berganda seperti berikut:

b0 = -9,6308

b1 = 0,8130

b2 = 0,5992

b3 = 5,9545

Maka persamaan regresi linier bergandanya adalah :

0 1 1 2 2 3 3

ˆ

Y b b X b X b X

ˆ

Setelah diperoleh persamaan regresi berganda, langkah selanjutnya adalah menghitung kesalahan baku (Standard error). Untuk menghitung kesalahan baku ini diperlukan harga yang diperoleh dari persamaan regresi di atas untuk tiap harga , dan yang diketahui. Maka untuk mencari kesalahan baku tersebut dibuat terlebih dahulu tabel seperti di bawah ini :

Tabel 4.3 Nilai-Nilai Yˆ Yang Diperoleh Dari Persamaan Regresi Linier Berganda Untuk Menghitung Kekeliruan Tafsiran Baku

No Y Ŷ (Y-Ŷ)

1 26,4 14,4454626 11,9545374 142,911

2 50,9 69,62957 -18,72957 350,797

3 31,5 43,2130008 -11,7130008 137,194

4 52,2 45,932956 6,267044 39,2758

5 34,9 41,3669355 -6,4669355 41,8213

6 17,6 19,1668365 -1,5668365 2,45498

7 44,3 50,4516824 -6,1516824 37,8432

8 76,3 63,2639607 13,0360393 169,938

9 87,7 80,061391 7,638609 58,3483

10 26,9 19,147644 7,752356 60,099

11 38,7 23,8962725 14,8037275 219,15

12 96 66,6418032 29,3581968 861,904

13 104,8 95,9224137 8,8775863 78,8115

14 60,1 19,1242153 40,9757847 1679,01

15 18,2 18,307646 -0,107646 0,01159

16 5,6 4,580386 1,019614 1,03961

17 19,7 19,319466 0,380534 0,14481

18 62,8 55,1269819 7,6730181 58,8752

19 46 37,9060198 8,0939802 65,5125

20 25 31,4963545 -6,4963545 42,2026

21 25 57,3177432 -32,3177432 1044,44

22 43,4 48,985496 -5,585496 31,1978

23 40,9 55,183271 -14,283271 204,012

24 40,7 22,6772469 18,0227531 324,82

25 25,1 -0,7950933 25,8950933 670,556

26 11,7 47,5963461 -35,8963461 1288,55

27 25,2 62,7202276 -37,5202276 1407,77

29 18,9 55,3122682 -36,4122682 1325,85

30 212,3 118,01848 94,28152 8889,01

31 18 67,2972082 -49,2972082 2430,21

32 20,3 52,4068885 -32,1068885 1030,85

33 42,5 11,0410028 31,4589972 989,669

Jlh 1477,1 1477,05889 0,0411103 24759,9

Setelah memperoleh harga yang terdapat pada Tabel 4.3, maka kekeliruan bakunya dapat dihitung dengan menggunakan rumus (2.6) sebagai berikut :

Dengan k = 3, n = 33, dan

2

ˆ

Y Y = 24759,9

Ini berarti rata-rata jumlah penduduk miskin yang sebenarnya akan menyimpang dari rata-rata hasil jumlah penduduk miskin yang diperkirakan sebesar 29,21969.

4.3 Uji Regresi Linier Berganda

Pengujian hipotesa dalam regersi linier berganda perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.

4.3.1 Uji F (Simultan)

1. Menentukan formulasi hipotesis

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

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

2. Mencari nilai Ftabel dari Tabel Distribusi F

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk

3. Menentukan kriteria pengujian

diterima bila

ditolak bila

4. Menentukan nilai statistik Fhitung

Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai y, x1, x2 dan

x3 dengan rumus :

y Y Y x₂ X₂ Y

1 1

x X Y x₃ X₃ Y

Dari Tabel 4.2 dapat dicari rata-rata untuk Y, X1, X2 dan X3 seperti di bawah ini :

Y Y

n

2 2

X X

n

1 1

X X

n

3 3

X X

n

Tabel 4.4 Harga-Harga Yang Diperlukan Untuk Uji Keberartian Regresi

NO Y

1 -18,3606 -11,9182 -8,81152 -2,576667

2 6,13939 44,48558 -9,54152 -0,936667

3 -13,2606 21,80718 -9,54152 -2,276667

4 7,43939 -0,14142 -8,71152 1,093333

5 -9,86061 15,92508 -9,41152 -1,796667

6 -27,1606 1,80208 -9,41152 -3,596667

7 -0,46061 3,89238 -8,53152 1,283333

8 31,53939 15,03648 -8,33152 1,893333

9 42,93939 21,96458 -8,28152 3,763333

10 -17,8606 -2,44342 -8,75152 -3,086667

11 -6,06061 -0,44892 -8,50152 -2,586667

12 51,23939 3,13998 -2,95152 3,543333

13 60,03939 40,91148 -8,61152 3,873333

14 15,33939 -5,46232 -8,37152 -2,716667

15 -26,5606 1,25058 -9,40152 -3,666667

16 -39,1606 -9,53842 -9,82152 -4,456667

17 -25,0606 2,61358 -9,66152 -3,656667

18 18,03939 -2,58812 -7,04152 2,803333

19 1,23939 -12,6718 -6,00152 1,183333

20 -19,7606 17,45908 -9,58152 -3,646667

21 -19,7606 17,20598 -9,57152 0,723333

22 -1,36061 9,43858 -9,26152 0,353333

23 -3,86061 13,73658 -9,22152 0,803333

NO Y

24 -4, 06061 -6,70512 -9,30152 -1,856667

25 -19,6606 -16,2805 -8,65152 -4,556667

26 -33,0606 -21,6137 68,28848 -3,446667

27 -19,5606 -21,1062 14,94848 4,393333

28 -17, 2606 -20,9217 19,19848 3,533333

29 -25,8606 -21,337 27,63848 1,903333

30 167,5394 -19,0704 68,97848 7,963333

31 -26,7606 -20,819 17,12848 4,903333

32 -24,4606 -20,5749 6,55848 3,433333

33 -2,26061 -17,0278 -7,46152 -2,586667

Sambungan Tabel 4.4 No

1 337,112 142,044 77,64288 6,639213

2 37,69211 1978,967 91,0406 0,877345

3 175,8438 475,5531 91,0406 5,183213

4 55,34452 0,02 75,89058 1,195377

5 97,23163 253,6082 88,57671 3,228012

6 737,6987 3,247492 88,57671 12,93601

7 0,212162 15,15062 72,78683 1,646944

8 994,7331 226,0957 69,41423 3,58471

9 1843,791 482,4428 68,58357 14,16268

10 319,0014 5,970301 76,5891 9,527513

11 36,73099 0,201529 72,27584 6,690846

12 2625,475 9,859474 8,71147 12,55521

13 3604,728 1673,749 74,15828 15,00271

14 235,2969 29,83694 70,08235 7,38028

15 705,466 1,56395 88,38858 13,44445

16 1533,553 90,98146 96,46226 19,86188

17 628,0342 6,8308 93,34497 13,37121

18 325,4196 6,698365 49,583 7,858676

19 1,536088 160,575 36,01824 1,400277

20 390,4817 304,8195 91,80553 13,29818

21 390,4817 296,0457 91,614 0,523211

22 1,85126 89,08679 85,77575 0,124844

23 14,90431 188,6936 85,03643 0,645344

24 16,48855 44,95863 86,51827 3,447212

25 386,5396 265,0553 74,8488 20,76321

26 1093,004 467,1529 4663,317 11,87951

27 382,6175 445,4725 223,4571 19,30137

28 297,9287 437,7184 368,5816 12,48444

29 668,7711 455,2684 763,8856 3,622677

30 28069,45 363,6809 4758,031 63,41467

31 716,1302 433,4316 293,3848 24,04267

32 598,3214 423,3273 43,01366 11,78778

No

33 5,110358 289,9467 55,67428 6,690846

Sambungan Tabel 4.4

Dari nilai-nilai di atas dapat diketahui nilai jumlah kuadrat regresi (JKreg) dan nilai (JKres) dan

selanjutnya dapat dihitung Fhitung

NO

1 218,826 161,785 47,3092

2 273,114 -58,579 -5,7506

3 -289,18 126,526 30,19

4 -1,0521 -64,808 8,13373

5 -157,03 92,8033 17,7162

6 -48,946 255,623 97,6877

7 -1,7929 3,9297 -0,5911

8 474,241 -262,77 59,7146

9 943,146 -355,6 161,595

10 43,641 156,307 55,1298

11 2,72073 51,5244 15,6768

12 160,891 -151,23 181,558

13 2456,3 -517,03 232,553

14 -83,789 -128,41 -41,672

15 -33,216 249,71 97,3889

16 373,53 384,617 174,526

17 -65,498 242,124 91,6383

18 -46,688 -127,02 50,5704

19 -15,705 -7,4382 1,46661

20 -345 189,337 72,0604

21 -340 189,139 -14,294

22 -12,842 12,6013 -0,4807

23 -53,032 35,6007 -3,1014

24 27,2269 37,7698 7,5392

25 320,085 170,094 89,5869

26 714,563 -2257,7 113,949

27 412,851 -292,4 -85,936

28 361,122 -331,38 -60,987

29 551,788 -714,75 -49,221

30 -3195 11556,6 1334,17

31 557,13 -458,37 -131,22

32 503,275 -160,42 -83,981

33 38,4933 16,8676 5,84745

1 1 2 2 3 3

reg

JK b yx b yx b yx

2

ˆ

Y Y

/

/ ( 1)

reg hitung

res

JK k

F

JK n k

Untuk F_tabel,yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan derajat kebebasan pembilang V1 = k yaitu 3 dan penyebut V2 = n – k – 1 yaitu 29, dan � = 5% = 0,05 maka :

1; 2

tabel V V

Dengan demikian dapat kita lihat bahwa nilai

฀ . Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan

linier berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa luas wilayah, kepadatan

penduduk dan tingkat pengangguran secara bersama-sama berpengaruh terhadap terjadinya jumlah penduduk miskin.

4.4 Perhitungan Koefisien Determinasi Dan Koefisien Korelasi Ganda

Dari Tabel 4.4 dapat dilihat harga dan nilai

telah dihitung sebelumnya, maka diperoleh nilai koefisien determinasi :

2

2

reg

JK R

Didapat nilai koefisien determinasi 0,4768. Hal ini berarti bahwa sekitar 47,68% jumlah penduduk miskin dapat ditentukan oleh luas wilayah, kepadatan penduduk dan tingkat pengangguran melalui hubungan regresi linier berganda sedangkan sisanya 52,32% lagi dipengaruhi oleh faktor lain.

Untuk koefisien korelasi ganda digunakan rumus :

2

R R

Dari hasil perhitungan didapat korelasi (R) antara luas wilayah, kepadatan penduduk dan tingkat pengangguran terhadap jumlah penduduk miskin sebesar 0,691. Nilai korelasi tersebut menyatakan bahwa hubungan antara luas wilayah, kepadatan penduduk dan tingkat pengangguran terhadap jumlah penduduk miskin cukup tinggi.

4.5 Perhitungan Koefisien Korelasi Antar Variabel

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

4.5.1 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y) Dengan Luas Wilayah

Koefisien korelasi antara jumlah penduduk miskin (Y) dan luas wilayah (X1) adalah

0,172 yang menunjukkan korelasi yang sangat lemah 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.

4.5.2 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y) Dengan Kepadatan Penduduk

Nilai koefisien korelasi 0,323 menunjukkan korelasi lemah dan searah (korelasi positif) artinya jika kepadatan penduduk bertambah akan meningkatkan jumlah penduduk miskin, dan sebaliknya jika kepadatan penduduk menurun maka jumlah penduduk miskin juga menurun.

4.5.3 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y) Dengan Tingkat Pengangguran

3

3 3

2 2

2 2

3 3

yx

n X Y X Y

r

n X X n Y Y

Koefisien korelasi antara Jumlah Penduduk Miskin (Y) dan Tingkat Pengangguran (X3)

adalah 0,608 yang menunjukkan korelasi cukup tinggi dengan arah positif (korelasi positif). Hal ini berarti jika tingkat pengangguran mengalami peningkatan maka jumlah penduduk miskin juga akan meningkat dan sebaliknya jika tingkat pengangguran menurun maka jumlah penduduk miskin juga menurun.

4.5.4 Koefisien Korelasi Antara Luas Wilayah (X1) Dengan Kepadatan Penduduk

1 2

1 2 1 2

2 2

2 2

1 1 2 2

x x

n X X X X

r

n X X n X X

Berdasarkan perhitungan koefisien korelasi antara luas wilayah (X1) dengan kepadatan

penduduk (X2) adalah -0,521 menunjukkan korelasi agak rendah dan tidak searah (korelasi

negatif). Artinya jika bertambahnya luas wilayah maka kepadatan penduduk menurun, dan jika luas wilayah semakin kecil maka kepadatan penduduk meningkat.

4.5.5 Koefisien Korelasi Antara Luas Wilayah (X1) Dengan Tingkat Pengangguran

1 3

1 3 1 3

2 2

2 2

1 1 3 3

x x

n X X X X

r

Berdasarkan perhitungan koefisien korelasi antara luas wilayah (X1) dengan tingkat

pengangguran terbuka (X3) adalah -0,077 menunjukkan korelasi sangat lemah dan tidak searah

(korelasi negatif). Artinya semakin luas wilayah maka menurunkan tingkat pengangguran, dan semakin sempit luas tanah akan meningkatkan tingkat pengangguran.

4.5.6 Koefisien Korelasi Antara Kepadatan Penduduk (X2) Dengan Tingkat

Pengangguran

2 3

2 3 2 3

2 2

2 2

2 2 3 3

x x

n X X X X

r

n X X n X X

Berdasarkan perhitungan koefisien korelasi antara kepadatan penduduk (X2) dengan

tingkat pengangguran (X3) adalah 0,399 menunjukkan korelasi rendah dan searah (korelasi

positif). Artinya jika kepadatan penduduk meningkat maka tingkat pengangguran terbuka akan meningkat, dan jika kepadatan penduduk menurun maka tingkat pengangguran akan menurun.

4.6 Uji t (Parsial)

4.6.1 Pengaruh Luas Wilayah (X1) Terhadap Jumlah Penduduk Miskin (Y)

1. Menentukan formulasi hipotesis

: Luas Wilayah tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

: Luas Wilayah berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

2. Mencari nilai ttabel dari Tabel Distribusi t

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 =

33 – 3 – 1 = 29, maka diperoleh .

3. Menentukan kriteria pengujian

diterima bila

ditolak bila

4. Menentukan nilai statistik thitung

Selanjutnya hitung statistik :

Tabel 4.5 Harga-Harga , Dan Untuk Uji Koefisien Regresi No

1 142,044 77,64288 6,639213

2 1978,967 91,0406 0,877345

3 475,5531 91,0406 5,183213

4 0,02 75,89058 1,195377

5 253,6082 88,57671 3,228012

6 3,247492 88,57671 12,93601

7 15,15062 72,78683 1,646944

8 226,0957 69,41423 3,58471

9 482,4428 68,58357 14,16268

10 5,970301 76,5891 9,527513

11 0,201529 72,27584 6,690846

12 9,859474 8,71147 12,55521

13 1673,749 74,15828 15,00271

14 29,83694 70,08235 7,38028

15 1,56395 88,38858 13,44445

16 90,98146 96,46226 19,86188

17 6,8308 93,34497 13,37121

18 6,698365 49,583 7,858676

19 160,575 36,01824 1,400277

20 304,8195 91,80553 13,29818

21 296,0457 91,614 0,523211

22 89,08679 85,77575 0,124844

23 188,6936 85,03643 0,645344

24 44,95863 86,51827 3,447212

25 265,0553 74,8488 20,76321

26 467,1529 4663,317 11,87951

27 445,4725 223,4571 19,30137

28 437,7184 368,5816 12,48444

29 455,2684 763,8856 3,622677

30 363,6809 4758,031 63,41467

31 433,4316 293,3848 24,04267

32 423,3273 43,01366 11,78778

33 289,9467 55,67428 6,690846

Maka dengan harga-harga berikut ini :

Maka thitung diperoleh :

1 1

hitung

b t

Sb

5. Kesimpulan

Karena thitung = 1,4546 < ttabel = 2,04 maka H0 Diterima.

Hal ini berarti bahwa luas wilayah tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

4.6.2 Pengaruh Kepadatan Penduduk (X2) Terhadap Jumlah Penduduk Miskin (Y)

1. Menentukan formulasi hipotesis

: Kepadatan penduduk tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

: Kepadatan penduduk berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

2. Mencari nilai ttabel dari Tabel Distribusi t

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 =

33 – 3 – 1 = 29, maka di peroleh .

3. Menentukan kriteria pengujian

diterima bila

4. Menentukan nilai statistik thitung

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :

Selanjutnya hitung statistik :

Maka dengan harga-harga berikut ini :

2

2

hitung b

b t

S

5. Kesimpulan

Karena thitung = 2,002 < ttabel = 2,04 maka H0 Diterima.

Hal ini berarti bahwa hari kepadatan penduduk tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

4.6.3 Pengaruh Tingkat Pengangguran (X3) Terhadap Jumlah Penduduk Miskin (Y)

1. Menentukan formulasi hipotesis

: Tingkat pengangguran tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

: Tingkat pengangguran berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

2. Mencari nilai ttabel dari Tabel Distribusi t

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 =

33 – 3 – 1 = 29, maka di peroleh .

diterima bila

ditolak bila

4. Menentukan nilai statistik thitung

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :

Selanjutnya hitung statistik :

Maka dengan harga-harga berikut ini :

Maka thitung diperoleh :

3

3

hitung b

b t

S

5. Kesimpulan

Karena thitung = 3,7934 > ttabel = 2,04 maka H0 Ditolak.

Hal ini berarti bahwa tingkat pengangguran berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.

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 ini adalah sebagai berikut :

1. Menyelesaikan desain sistem yang telah disetujui sebelumnya.

2. Memastikan bahwa pemakai (user) dapat mengoperasikan 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 instalansi baru secara benar.

5.3 Pengenalan SPSS

SPSS (Statistical Product 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 desktop) 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 pengembangan 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 terkemuka dunia yang lain seperti Oracle Corp, Business Object dan Ceres Integrated Solution.

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

5.3.1 Langkah – Langkah Pengolahan Data dengan SPSS

5.3.1.1Cara Mengaktifkan SPSS Pada Program Windows

1. Pilih menu Start dari windows. 2. Kemudian pilih menu All Programs. 3. Klik SPSS Statistics 16.0.

5.3.1.2Mengenal Lingkungan SPSS

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

1. Data View adalah tempat di mana data akan dimasukkan dan diproses.

Gambar 5.2 Tampilan Jendela Data View dalam SPSS

2. Variable View adalah tempat di mana variabel akan didefenisikan terlebih dahulu sebelum dimasukkan ke Data View. Cara mengaktifkannya adalah dengan mengklik tab sheet Variable View yang berada di bagian kiri bawah atau langsung menekan Ctrl + T.

Gambar 5.3 Tampilan Jendela Variable View dalam SPSS

5.3.1.3Menyusun Definisi Variable View

Name : Untuk memasukkan nama variable yang akan diuji. Type : Untuk mendefenisikan tipe variable.

Widht : Untuk pengaturan panjang karakter dari variable. Decimals : Untuk menuliskan jumlah desimal di belakang koma. Label : Untuk menuliskan keterangan dari nama variabel. 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 pengukuran variabel, misalnya nominal, ordinal atau scale.

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

5.3.1.4Pemasukan Data ke dalam SPSS Statistics 16.0

Cara memasukkan data ke SPSS Statistics 17.0 adalah sebagai berikut : 1. Pengisian variabel pada Variable View.

Variabel Y adalah jumlah penduduk miskin variabel ini merupakan variabel pertama yang akan ditempatkan pada baris pertama.

Langkah-langkahnya adalah :

1) Isi Name dengan Y lalu pilih Type dan pilih Numeric. 2) Pilih Width 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 ditempatkan

Langkah-langkahnya adalah :

1) Isi Name dengan X1 lalu pilih Type dan pilih Numeric.

2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 4. 3) Pada Label ketik “Luas Willayah”.

4) Lalu pada Align pilih Right.

Selanjutnya Variabel X2 adalah kepadatan penduduk yang juga menjadi variabel ketiga yang

ditempatkan pada baris ketiga. Langkah-langkahnya adalah :

1) Isi Name dengan X2 lalu pilih Type dan pilih Numeric.

2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 4. 3) Pada Label ketik “Kepadatan Penduduk”.

4) Lalu pada Align pilih Right.

Selanjutnya Variabel X3 adalah tingkat pengangguran yang juga menjadi variabel keempat yang

ditempatkan pada baris keempat. Langkah-langkahnya adalah :

1) Isi Name dengan X3 lalu pilih Type dan pilih Numeric.

2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 2. 3) Pada Label ketik “Tingkat Pengangguran”.

4) Lalu pada Align pilih Right.

Gambar 5.4 Tampilan Pengisian Variable View 2. Pengisian Data Pada Data View

Langkah-langkah pengisian data ke dalam data view adalah :

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.

Gambar 5.5 Tampilan Pengisian Data View

5.3.1.5Pengolahan Data

Pengolahan data untuk 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,

Gambar 5.6 Kotak Dialog Linear Regression

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

Gambar 5.7 Kotak Dialog Linear Regression : Statistics 5) Lalu klik Continue.

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

Gambar 5.8 Kotak Dialog Linear Regression : Plots

7) Selanjutnya isi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada pilihan Standardized Residual Plots, centang kotak Histogram, Normal Probability Plot dan Produce all partial plot, setelah itu klik Continue.

Gambar 5.9 Kotak Dialog Linear Regression Plots

8) Maka aplikasi akan kembali ke kotak dialog Linear Regression, lalu selanjutnya klik

Option maka akan 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 5.10 Kotak Dialog Linear Regression : Options

BAB 6 PENUTUP

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 : b0 = -9,6308 , b1 = 0,8130 , b2 = 0,5994 , b3 = 5,9545 , sehingga persamaan linear berganda yang didapat adalah :

ˆ

Y -9,6308 + 0,8130 X1 + 0,5994 X2 + 5,9545 X3

2. Pada uji linier berganda dengan taraf nyata 0.05, dk pembilang = 3, dk penyebut = 29, ฀ . Maka H0 ditolak dan H1 diterima. Hal ini berarti

persamaan linier berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa luas

wilayah, kepadatan penduduk dan tingkat pengangguran secara bersama-sama berpengaruh terhadap terjadinya jumlah penduduk miskin.

3. Koefisien determinasi (R) sebesar 47,68%, menunjukan bahwa hanya 47,68% jumlah penduduk miskin dipengaruhi oleh ketiga faktor X1, X2, X3 dan 52,32% dipengaruhi oleh

4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi cukup tinggi terjadi antara jumlah penduduk miskin (Y) dengan tingkat pengangguran (X1) yaitu sebesar

0.608.

6.2 Saran

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

DAFTAR PUSTAKA

Algifari.2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta : BPFE

Sudjana. 2001. Metode Statistika. Bandung: Tarsito

Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta : Bumi Aksara. Hal. 241.

Gambar 5.7 Kotak Dialog Linear Regression : Statistics 5) Lalu klik Continue.

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

Gambar 5.8 Kotak Dialog Linear Regression : Plots

7) Selanjutnya isi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada pilihan

Standardized Residual Plots, centang kotak Histogram, Normal Probability Plot dan

Produce all partial plot, setelah itu klik Continue.

Gambar 5.9 Kotak Dialog Linear Regression Plots

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

Gambar 5.10 Kotak Dialog Linear Regression : Options

BAB 6

PENUTUP

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 : b0 = -9,6308 , b1 = 0,8130 , b2 = 0,5994 , b3 = 5,9545 , sehingga persamaan linear berganda yang didapat adalah :

ˆ

Y -9,6308 + 0,8130 X1 + 0,5994 X2 + 5,9545 X3

2. Pada uji linier berganda dengan taraf nyata 0.05, dk pembilang = 3, dk penyebut = 29, ฀ . Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan linier berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa luas wilayah, kepadatan penduduk dan tingkat pengangguran secara bersama-sama berpengaruh terhadap terjadinya jumlah penduduk miskin.

4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi cukup tinggi terjadi antara jumlah penduduk miskin (Y) dengan tingkat pengangguran (X1) yaitu sebesar 0.608.

6.2 Saran

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

DAFTAR PUSTAKA

Algifari.2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta : BPFE

Sudjana. 2001. Metode Statistika. Bandung: Tarsito

Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta : Bumi Aksara. Hal. 241.