Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kota Medan

ANALISA KORELASI TERHADAP FAKTOR YANG

MEMPENGARUHI KETERSEDIAAN BERAS

DI KOTA MEDAN

TUGAS AKHIR

DIAN ARIESTYA

082407030

PROGRAM STUDI D-III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

ANALISA KORELASI TERHADAP FAKTOR YANG

MEMPENGARUHI KETERSEDIAAN BERAS

DI KOTA MEDAN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

DIAN ARIESTYA

082407030

PROGRAM STUDI D-III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERSETUJUAN

Judul : ANALISA KORELASI TERHADAP FAKTOR YANG

MEMPENGARUHI KETERSEDIAAN BERAS DI KOTA MEDAN

Kategori : TUGAS AKHIR

Nama : DIAN ARIESTYA

Nomor Induk Mahasiswa : 082407030

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM ( FMIPA ) UNIVERSITAS SUMATERA

UTARA

Diluluskan di Medan, Juni 2011

Diketahui/Disetujui oleh Pembimbing Departemen Matematika FMIPA USU

Ketua,

Prof. Dr. Tulus, M.Si Drs. Rachmad Sitepu, M.Si NIP. 19620901 198803 1 002 NIP. 19530418 198703 1 0014

PERNYATAAN

ANALISA KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KOTA MEDAN

TUGAS AKHIR

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

Medan, Juni 2011

DIAN ARIESTYA 082407030

PENGHARGAAN

Puji dan syukur penulis ucapkan kehadirat Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpahan karunia-NYA akhirnya penulis dapat menyelesaikan Tugas Akhir ini tepat pada waktunya.

Ucapan terima kasih saya sampaikan kepada Bapak Drs. Rachmad Sitepu, M.Si. sebagai pembimbing saya pada penyelesaian Tugas Akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada saya untuk menyempurnakan Tugas Akhir ini. Panduan ringkas, padat dan professional telah diberikan kepada saya agar penulis dapat menyeleaikan tugas ini. Begitu pula Bapak Prof. Dr. Tulus, M.Si selaku Ketua Departemen FMIPA USU, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua Dosen dan Pegawai pada Departemen Matematika FMIPA USU. Dan yang paling saya sayangi Ayahanda Ir.Riswanto dan Ibunda Tercinta Drs.Zuriah karena dengan dorongan dan motivasinya sehingga terselesaikannya Tugas Akhir ini, begitu juga dengan adik-adik saya (Dita,Diah,Nanda) serta semua keluarga yang mendukung. Dan tak lupa juga terima kasih kepada teman-teman ChouPink yang turut membantu penulis, dalam penulisan Tugas Akhir ini. Semoga penulis bisa membalas kebaikan dan perhatian kalian semua, dan apabila terkendala semoga Allah yang dapat membalasnya. Amin ya Rabbal Alamin.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vi

Daftar Gambar vii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang Masalah 1

1.2 Identifikasi Masalah 2

1.3 Batasan Masalah 2

1.4 Maksud dan Tujuan 3

1.5 Kontribusi Penelitian 3

1.6 Metodologi Penelitian 3

1.7 Sistematika Penulisan 5

BAB 2 TINJAUAN TEORITIS 6

2.1 Regresi Linier Sederhana 6

2.2 Regresi Linier Berganda 7

2.3 Uji Keberartian Regresi 8

2.4 Koefisien Korelasi 10

2.5 Uji Keberartiaan Koefisien Korelasi 13 BAB 3 SEJARAH SINGKAT TEMPAT RISET 14 3.1 Sejarah Singkat Badan Ketahanan Pangan 14 Propinsi Sumatera Utara, Medan 15

3.2 Tugas dan Fungsi Pokok Kantor Badan

Ketahanan Pangan Propinsi Sumatera Utara, Medan

3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan 16 untuk Peningkatan Pangan

BAB 4 ANALISA DAN PEMBAHASAN 21

4.1 Analisa dan Pembahasan 21

4.1.1 Menentukan Persamaan Regresi Linier Berganda 23

4.1.2 Uji Keberartian Regresi 26

4.1.3 Menentukan Koefisien Korelasi 31 4.1.4 Uji Kebertian Koefisien Korelasi 32

BAB 5 IMPLEMENTASI SISTEM 34

4.1 Sekilas Tentang SPSS 34

4.2 Mengaktifkan SPSS 34

4.3 Membuka Lembar Baru 35

4.4 Menamai Variabel 36

4.5 Pengisian Data 37

4.6 Pengolahan Data Dengan Persamaan Regresi 38 4.7 Pengolahan Data Dengan Persamaan Korelasi 41

BAB 6 PENUTUP 43

6.1 Kesimpulan 43

6.2 Saran 44

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman Tabel 4.1 Tabel Ketersediaan Beras, Produksi Beras dan Kebutuhan

Beras Per Bulan Pada Tahun 2008 dan 2009 21 Tabel 4.2 Tabel Nilai-nilai yang diperlukan untuk menghitung koefisien

Regresi a0, a1,a2 24

Tabel 4.3 Tabel Perhitungan Uji Regresi 28

DAFTAR GAMBAR

Halaman

Gambar 5.1 Mengaktifkan SPSS 35

Gambar 5.2 Tampilan saat membuka SPSS 35

Gambar 5.3 Layar kerja variable view 37

Gambar 5.4 Data yang diolah 37

Gambar 5.5 Pilih Analyze, Regresion, Linier 38

Gambar 5.6 Kotak dialog Linier Regresion 39

Gambar 5.7 Kotak dialog Linier Regresion Statistic 39 Gambar 5.8 Kotak dialog Linier Regresion Plot 40 Gambar 5.9 Kotak dialog Linier Regresion Options 40 Gambar 5.10 Pilih analyze, correlate, bivariate 41

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Sektor pertanian dalam tatanan pembangunan nasional khususnya padi memegang peranan penting karena selain bertujuan menyediakan pangan bagi seluruh penduduk , juga merupakan sektor andalan penyumbang devisa negara dari sektor non migas. Besarnya kesempatan kerja yang dapat diserap dan besarnya jumlah penduduk yang masih bergantung pada sektor ini masih perlu ditumbuh kembangkan.

Penduduk Indonesia khususnya Sumatera Utara sangat bergantung pada nasi sebagai makanan pokok. Ketergantungan yang sangat besar ini menjadi tantangan bagi negara yang mengkonsumsi nasi sebagai makanan pokok untuk selalu dapat mencukupi kebutuhan beras tanpa melakukan impor dari negara lain.

Situasi ketersediaan pangan perlu diketahui secara periodik. Untuk itu diperlukan pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan. Tujuan dari pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan adalah untuk memantau tingkat ketersediaan dibandingkan dengan tingkat kebutuhan pangan masyarakat, sehingga informasi ini menjadi acuan bagi institusi yang bersangkutan dalam usaha perumusan kebijakan dan memecahkan masalah ketersediaan pangan.

Oleh karena hal di atas, maka penulis meras tertarik dan terdorong untuk mengadakan penelitian tentang ketersediaan beras dengan judul “ANALISA

KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI

KETERSEDIAAN BERAS DI KOTA MEDAN”.

1.2 Identifikasi Masalah

Sesuai dengan judul diatas, maka yang menjadi permasalahan adalah bagaimana hubungan korelasi antara beberapa faktor yang mempengaruhi ketersediaan beras di Kota Medan dan seberapa erat korelasi tersebut.

1.3 Batasan Masalah

Untuk mengarahkan penelitian ini agar tidak menyimpang dari sasaran yang dituju maka perlu membuat batasan ruang lingkup permasalahan. Sebagai pembatasan masalah ini adalah penganalisaan data kuantitatif statistik yakni menggunakan analisa korelasi dan regresi linier berganda. Data kuantitatif yang digunakan adalah ketersediaan beras dan faktor-faktor yang mempengaruhinya yaitu produksi padi dan konsumsi, sehingga proses penganalisaannya dilakukan dengan analisa korelasi dan uji keberartian regresi.

1.4 Maksud dan Tujuan

Maksud diadakannya penelitian ini adalah untuk mengaplikasikan pengetahuan yang didapat selama perkualiahan tentang penerapan analisa korelasi dan regresi linier.

Tujuan diadakannya penelitian ini adalah untuk mengetahui apakah secara signifikan (meyakinkan) terdapat korelasi positif, negatif atau tidak berkorelasi antara jumlah ketersediaan beras dengan jumlah produksi beras dan jumlah kebutuhan beras.

1.5 Kontribusi Penelitian

Penelitian ini dilakukan dengan harapan dapat memberikan manfaat antara lain: 1. Bagi penulis, bermanfaat untuk menambah pengetahuan mengenai analisa

korelasi dan regresi linier berganda.

2. Bagi pihak Badan Ketahanan Pangan, dapat bermanfaat sebagai masukan dalam pengambilan kebijakan.

1.6 Metodologi Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini yaitu : 1. Penelitian lapangan ( field research )

Dalam hal ini penulis mengadakan penelitian langsung ke Badan Ketahanan Pangan Propinsi Sumatera Utara dengan melihat data yang dibutuhkan untuk membuat tugas akhir ini.

Penelitian ini dilakukan untuk memperolah data dan imformasi dengan bantuan bermacam-macam material yang di dapat seperti : buku-buku, Tulisan ilmiah, internet dan catatan selama perkuliahan yang berhubungan dengan judul tugas akhir ini.

3. Metode pengumpulan data

Pengumpulan data untuk keperluan riset ini penulis lakukan dengan menggunakan data sekunder yang di peroleh dari Badan Ketahanan Pangan Propinsi Sumatera Utara. Data sekunder adalah data yang di peroleh atau di rangkum ulang berdasarkan data yang telah tersedia atau telah di susun oleh Badan Ketahanan Pangan Propinsi Sumatera. Data yang di kumpulkan tersebut kemudian di atur, disusun dan di sajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.7 SISTEMATIKA PENULISAN

BAB 1 PENDAHULUAN

Berisi tentang latar belakang, identifikasi masalah, ruang lingkup, maksud dan tujuan, manfaat, metodologi penelitian, dan sistematika penulisan.

BAB 2 TINJAUAN TEORITIS

Dalam bab ini menjelaskan tentang sesuatu yang mencakup penyelesaian masalah dengan judul dan masalah yang diutarakan.

BAB 3 SEJARAH TEMPAT RISET

BAB 4 ANALISA DAN PEMBAHASAN

Bab ini berisikan tentang hasil analisa dan pembahasan mengenai ketersediaan beras di Kota Medan.

BAB 5 IMPLEMENTASI SISTEM

Pada bab ini langkah langkah pengolahan data dengan memakai sistem komputerisasi.

BAB 6 KESIMPULAN DAN SARAN

BAB 2

TINJAUAN TEORITIS

2.1 Regresi Linier Sederhana

Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.untuk regresi linier sederhana, regresi linier hanya melibatkan dua variabel ( X dan

Y ).persamaan regresinya dapat dituliskan dalam bentuk sebagai berikut :

Y = a+ bX

Dimana :

Y = variabel tak bebas

X = variabel bebas

a = bilangan konstan

b = koefisien regresi

Nilai a dan b dapat diperoleh dengan rumus sebagai berikut :

a =

− − 2 2 2 ) ( ) ( ) )( ( ) )( ( i i i i i i i X X n Y X X X Y

b =

− − 2 2 ) ( ) )( ( i i i i i i X X n Y X Y X n

2.2 Regresi Linier berganda

Bila regresi linier sederhana digunakan untuk mengetahui hubungan dua variabel yaitu satu variabel bebas ( X ) dan satu variabel tak bebas ( Y ), maka regresi linier berganda digunakan untuk mengetahuihubungan antara dua variabel atau lebih variabel bebas ( X ) dengan variabel tak bebas ( Y ) dan juga digunakan untuk meramalkan nilai variabel tak bebas Y jika seluruh variabel bebasnya sudah diketahui nilainya dan semua koefisien regresi parsial sudah dihitung.

Bila jika dalam regresi linier sederhana hanya ada satu variabel bebas X yang dihubungkan dengan variabel tak bebas y linier dalam X, sehingga bentuk taksiran Y = a + bX, maka dalam regresi linier berganda terdapat sejumlah ( sebut saja k buah, k>1) variabel bebas yang yang dihubungkan dengan linier dalam semua variabel bebas. Jika variabel bebas X₁, X₂, X₃, …,X_k dan variabel tak bebas Y, maka bentuk umum linier berganda atas X₁, X₂, X₃, … X_k akan ditaksir oleh :

∧

Y = a + b₁X₁+b₂X₂+b₃X₃+…+b_kX_k

Dengan konstanta a0 dan koefisien a1, a2, a3,…,ak dapat ditaksir berdasarkan n buah

pasangan data X₁, X₂, X₃, … , X_k. Y seperti halnya mencari a dan b dalam model

∧

Y=

a + bX diperlukan n buah pasangan data X dan Y, maka untuk mencari a0, a1, a2, a3, …,

Untuk regresi linier berganda dengan 2 variabel bebas X1, dan X2, metode kuadrat

terkecil memberikan hasil bahwa koefisien – koefisien a0, a1, a2, dapat dihitung dengan

sistem persamaan yaitu :

Y = na₀+a₁ X₁+a₂ X₂ 1

YX = + 2+ _{2 1 2}

1 1 1

0 X a X a X X

a

2

YX = a₀ X₂+a₁ X₁X₂+a₂ X₂2

Untuk mendapatkan harga – harga a0, a1, dan a2 dari persamaan di atas disusun

menurut datanya dan kemudian dapat diselesaikan dengan metode eliminasi dan substitusi.

2.3 Uji Keberartian Regresi

Uji keberartian regresi diperlukan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas.

Langkah – langkah untuk pengujian keberartian regresi adalah sebagai berikut:

1. Kumpulkan data dalam bentuk tabel. 2. Statistik uji adalah:

F =

) 1 (n−k− JKres

k JKreg

Dengan:

F = Statistik F yang menyebar mengikuti distribusi derajat kebebasan V₁ = k

dan V₂= n – k – 1

Jkreg = Jumlah kuadrat regresi:

b₁ y_ix_1i+b₂ y_ix_2i+b y_ix_3i

3 + ...+bk yixki

x_1i = X_1i−X, X_2i−X , X_3i−X , X_ki−X

y = Y₁−Y

dengan derajat kebebasan (dk) = k

JKres = Jumlah Kuadrat Residu (sisa) = (Y −Yˆ)2 Dengan derajat kebebasan n – k – 1

3. Kriteria Pengujian.

a. H_o:B₁=B₂=...=B_k=0 (ini berarti bahwa antara Y dengan X₁ dan X₂ tidak ada hubungan)

0 :

1Bj≠

H ( ini berarti bahwa Y tergantung pada X₁ dan X₂ atau kedua – duanya) b. Tolak H₀ Jika F_Hitung > F_Tabel

2.4 Koefisien Korelasi

Dalam kehidupan, kadang kita dihadapkan pada situasi dimana harus mencari hubungan antara dua variabel yang kita amati. Misalkan bagaimana hubungan antara ketersediaan beras dengan jumlah produksi beras. Untuk melihat hubungan tersebut kita dapat menggunakan analisa korelasi.

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antar variabel. Analisa korelasi adalah cara untuk mengetahui ada atau tidaknya hubungan antar variabel misalnya hubungan dua variabel. Apabila terdapat hubungan antara variabel maka perubahan – perubahan yang terjadi pada salah satu variabel akan mengakibatkan terjadinya perubahan pada variabel lainnya. Jadi, dari analisis korelasi dapat diketahui hubungan antara variabel tersebut.

Korelasi yang terjadi antara dua variabel dapat berupa korelasi positf, korelasi negatif, tidak ada korelasi ataupun korelasi sempurna.

1. Korelasi Positif.

Korelasi Positif adalah Korelasi dua variabel, dimana apabila variabel bebas X meningkat maka variabel tak bebas Y cenderung meningkat pula. Hasil perhitungan korelasi mendekati +1 atau sama dengan +1

2. Korelasi Negatif.

Korelasi Negatif adalah Korelasi dua variabel, dimana apabila variabel bebas X meningkat maka variabel tak bebas Y cenderung menurun. Hasil perhitungan korelasi mendekati -1 atau mendekati -1.

3. Tidak ada Korelasi

Tidak adanya korelasi terjadi apabila variabel bebas X dan variabel tak bebas Y tidak menunjukkan adanya hubungan. Hasil perhitungan korelasi mendekati 0 atau sama dengan 0.

4. Korelasi Sempurna

Korelasi Sempurna adalah korelasi dua variabel dimana kenaikan atau penurunan harga variabel X berbanding dengan kenaikan atau penurunan harga variabel tak bebas Y.

Jika yang diukur korelasi antara variabel X dengan variabel Y dinotasikan

xy

r , maka rumus yang digunakan adalah:

) ) ( ( ) ( ) )( ( 2 2 2 2 − − − = i i i i i i i i xy Y Y n X X n Y X Y X n r Dimana :

n = Banyaknya pasangan data X dan Y

i

X = Jumlah nilai – nilai dari variabel X

1

Y = Jumlah nilai – nilai dari variabel Y 2

i

X = Jumlah kuadrat nilai – nilai dari variabel X 2

i

Y = Jumlah kuadrat nilai – nilai dari variabel Y

Sedangkan untuk menghitung korelasi antara variabel tak bebas dengan dua variabel bebas adalah :

1 .x y

r =

− − − ) ) ( ( ) ( ) )( ( 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n 2 .x y

r =

− − − ) ) ( ( ) ( ) ( ) ( 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X n

Ukuran yang dipakai untuk mengetahui derajat hubungan antara dua variabel atau lebih terutama untuk data kuantitatif disebut koefisien korelasi. Besar kecilnya hubungan antara dua variabel dinyatakan dengan bilangan. Koefisien Korelasi ini bergerak antara 0,000 sampai 1,000 atau antara 0,000 sampai -0,000 tergantung kepada arah korelasi. Koefisien yang bertanda positif menunjukan arah korelasi yang positif, koefisien korelasi yang bertanda negatif menunjukkan arah korelasi yang negatif, sedang koefisien yang bernilai 0,000 menunjukkan tidak adanya hubungan.

Untuk lebih memudahkan mengetahui bagaimana sebenarnya keeratan hubungan antara variabel – variabel tersebut, dapat dilihat perumusan sebagai berikut:

-1,00 r -0,80 Berarti Berkorelasi Kuat -0,79 r -0,50 Berarti Berkorelasi Sedang -0,49 r 0,49 Berarti Berkorelasi Lemah 0,50 r 0,79 Berarti Berkorelasi Sedang 0,80 r 1,00 Berarti Berkorelasi Kuat

2.5 Uji Keberartian Koefisien Korelasi

Setelah diperoleh r_y.x1 dan r_y.x2 maka langkah selanjutnya adalah melakukan uji keberartian koefisien korelasi antara X dan Y. Dengan langkah – langkah sebagai berikut:

1. Statistik Uji adalah:

0 t =

2

1 2

r n n

− −

Dengan :

r = Koefisien Korelasi

n= Banyak Pasangan 2. Kriteria Pengujian

Tolak H₀ Jika t_Hitung > t_Tabel dan terima H₀Jika t_Hitung < t_Tabel Dengan

Tabel

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Singkat Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan

Badan Ketahanan Pangan Propinsi Sumatera Utara adalah lembaga pemerintah yang didirikan pada tanggal 16 mei 2000 di Jalan Jendral Besar Abdul Haris Nasution No.24 Medan.

Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara Medan berlandaskan pada visi dan misi berikut:

1. Visi kantor Badan Ketahanan Pangan Propinsi Sumatera Utara :

Terwujudnya ketahanan pangan masyarakat yang berbasis kepada sumber daya lokal yang dimiliki secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan sejahtera.

2. Misi kantor Badan ketahanan Pangan Propinsi Sumatera Utara :

a. Meningkatkan pemberdayaan dan kemandirian masyarakat untuk mewujudkan ketahanan pangan yang berbasis sumber daya lokal yang dimiliki.

3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan

Tugas dan Fungsi Pokok kantor Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan adalah :

1. Menyiapkan bahan dalam perumusan kebijakan teknis dalam lingkup ketahanan pangan.

2. Menyelenggarakan evaluasi dan pengkajian ketahanan pangan, pembinaan, kewaspadaan dan gizi serta pembinaan penyeragaman konsumsi pangan sumber daya dalam ketahanan pangan.

3. Melaksanakan tugas lain yang terkait dengan kehanan pangan sesuai dengan ketetapan kepala daerah.

4. Mengkoordinasikan perumusan kebijakan dan perencanaan program peningkatan ketahanan pangan daerah yang meliputi aspek-aspek sebagai berikut :

a. Aspek ketersediaan yang bersumber dari produksi, cadangan dan import.

b. Aspek distribusi yang berbasis kepada stabilitas harga pangan, aman dan terjangkau.

c. Aspek konsumsi yang berbasis kepada penganekaragaman konsumsi non beras, bermutu / bergizi dan aman.

5. Mengkoordinasikan monitoring program peningkatan ketahanan pangan melalui rapat Dewan Ketahanan Pangan dan rapat Pokja guna mengantisipasi dan memecahkan masalah yang dihadapi melalui hal-hal sebagai berikut :

a. Monitoring pelaksanaan kegiatan tani.

b. Monitoring eksport / inport bahan pangan strategis. c. Monitoring harga bahan pangan strategi dan lokal.

d. Monitoring pengadaan / penyiapan / penyaluran Cadangan Pangan. e. Monitoring daerah rawan pangan.

f. Monitoring kewaspadaan pangan (bencana alam dan gangguan OPT). g. Monitoring panganekaragaman konsumsi bahan pangan.

h. Monitoring mutu dan keamanan pangan. i. Supervisi yang terkoordinasi ke lapangan.

6. Melaksanakan pengkajian, analisis dan pembinaan terhadap aspek-aspek ketahanan pangan (ketersediaan, distribusi, penganekaragaman konsumsi dan kewaspadaan atau keamanan pangan).

7. Memantau dan mengendalikan ketersediaan dan distribusi bahan pangan, terutama sembilan bahan pangan pokok.

8. Mengkoordinasikan palaporan dan evaluasi program peningkatan ketahanan pangan yang meliputi aspek ketersediaan, mutu dan keamanan pangan.

3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan untuk Peningkatan Pangan

Kebijakan kantor Badan Ketahanan Pangan untuk peningkatan pangan meliputi berbagai aspek diantaranya adalah :

1. Kebijakan dalam aspek ketahanan pangan :

1. Menjaga ketersediaan pangan malalui upaya-upaya paningkatan produksi dan produktivitas bahan nabati dan hewani sesuai potensi wilayah masing-masing yang diwujudkan malalui 4 (empat) usaha pokok yaitu intensivikasi, ekstensivikasi, diversivikasi dan rehabilitasi dangan 8 (delapan) langkah kegiatan utama yaitu :

• Pemberdayaan kelompok tani dan kelembagaan kelompok ekonomi petani (KUD, Koptan dan lain-lain).

• Pemantapan penyediaan dan penyaluran sarana produksi (benih, pupuk, obat - obatan dan alsintan).

• Penyediaan dan penyaluran kredit modal. • Peningkatan mutu teknologi.

• Peningkatan kinerja penyuluh.

• Mengembangkan kemitraan dalam pemasaran hasil. • Peningkatan mutu koordinasi.

• Peningkatan dan pengembangan jaringan irigasi.

2. Perlunya menata ulang kembali mekanisme/tata cara pengadaan dan penyaluran pupuk yang sudah ada secara terkoordinasi dengan pemerintah daerah sehingga pupuk betul-betul tersedia di tengah-tengah petani yang memenuhi prinsip 6 (enam) tepat.

3. Tingkat ketersediaan bahan pangan yang bersumber dari produksi lokal harus diupayakan secara bertahap mencapai titik ideal yaitu sesuai dengan tingkat kebutuhan dan jika terjadi kelebihan (surplus) diprioritaskan untuk perdagangan antar propinsi maupun eksport.

4. Mendukung kebijakan pemerintah untuk tetap melaksanakan larangan import beras pada tahun 2005 dan tahun 2006, mengingat cadangan dan produksi cukup tinggi.

5. Untuk memantapkan ketersediaan gula pemerintah dihimbau nutuk memberikan kepercayaan kepada pemerintah daerah untuk melaksanakan import gula melalui importir daerah sehingga lebih memudahkan dalam pengawasan.

2. Kebijakan dalam aspek distribusi :

1. Mengembangkan kerja sama jaringan distribusi dan informasi pangan dalam daerah dan antar daerah untuk mewujudkan ketersediaan dan stabilitas harga. 2. Peningkatan efisiensi kelancaran distribusi bahan pangan melalui reformasi

berbagai peraturan yang menghambat lalulintas perdagangan, pengembangan saranan dan prasaranan distribusi serta pelayanan teknologi pasca panen.

3. Peningkatan kemampuan masyarakat dan pemerintah daerah dalam menstabilkan harga bahan pangan antar waktu maupun antar wilayah.

4. Penguatan pangsa pasar yang bukan saja antar propinsi tetapi juga eksport serta mengembangkan kemitraan pemasaran hasil.

3. Kebijakan dalam aspek penganekaragaman konsumsi :

1. Melakukan upaya-upaya diversifikasi konsumsi pangan yang beragam, bergizi dan berimbang serta aman, sesuai dengan kondisi dan situasi daerah, dengan mengutamakan sumber pangan lokal untuk mencegah ketergantungan terhadap satu jenis pangan tertentu sesuai dengan Pola Pangan Harapan (PPH).

2. Penurunan konsumsi beras sebagai bahan pangan pokok masyarakat.

3. Peningkatan penganekaragaman konsumsi bahan pangan yang seimbang baik jenis nabati, atau hewani maupun mutu dan gizi.

4. Peningkatan konsumsi bahan pangan lokal sebagai basis pada non beras.

1. Melaksanakan pengamatan dini kerawanan pangan serta mengembangkan cadangan pangan daerah untuk mengantisipasi kondisi darurat (bencana alam, kerawanan pangan kronis dan lain-lain) yang mampu memenuhi kebutuhan masyarakat dalam 3 (tiga) bulan.

2. Peningkatan kemampuan fungsi Sistem Kewaspadaan Pangan dan Gizi (SKPG). 3. Peningkatan keberdayaan masyarakat miskin yang berada dalam kondisi

kerawanan pangan kronis serta pengembangan jaringan pengamanan pangan bagi kelompok rawan pangan transien (mendadak) karena bencana alam dan sosial.

4. Peningkatan pengembangan keamanan mutu dan gizi pangan.

5. Kebijakan dalam upaya pengentasan kemiskinan :

1. Mengurangi jumlah penduduk yang kelaparan sekurang-kurangnya 1% per tahun dimulai tahun 2005 sebagai komitmen Indonesia dalam deklarasi Roma Tahuh 1996 pada KKT Pangan Dunia melalui Pembangunan Ketahanan Pangan di pedesaan dan perkotaan.

2. Mengembangkan desa mandiri pangan dan menggalang sumber-sumber dana masyarakat yang memadai yang dimulai pada tahun 2005.

6. Kebijakan dalam pemberdayaan masyarakat dalam ketahanan pangan :

Meningkatkan pemberian bantuan langsung masyarakat baik berupa dana penguatan modal bagi lembaga ekonomi pedesaan maupun bantuan dana berupa penguatan modal usaha kelompok petani di pedesaan.

5. Melaksanakan pengamatan dini kerawanan pangan serta mengembangkan cadangan pangan daerah untuk mengantisipasi kondisi darurat (bencana alam, kerawanan pangan kronis dan lain-lain) yang mampu memenuhi kebutuhan masyarakat dalam 3 (tiga) bulan.

6. Peningkatan kemampuan fungsi Sistem Kewaspadaan Pangan dan Gizi (SKPG). 7. Peningkatan keberdayaan masyarakat miskin yang berada dalam kondisi

kerawanan pangan kronis serta pengembangan jaringan pengamanan pangan bagi kelompok rawan pangan transien (mendadak) karena bencana alam dan sosial.

8. Peningkatan pengembangan keamanan mutu dan gizi pangan.

8. Kebijakan dalam upaya pengentasan kemiskinan :

3. Mengurangi jumlah penduduk yang kelaparan sekurang-kurangnya 1% per tahun dimulai tahun 2005 sebagai komitmen Indonesia dalam deklarasi Roma Tahuh 1996 pada KKT Pangan Dunia melalui Pembangunan Ketahanan Pangan di pedesaan dan perkotaan.

4. Mengembangkan desa mandiri pangan dan menggalang sumber-sumber dana masyarakat yang memadai yang dimulai pada tahun 2005.

9. Kebijakan dalam pemberdayaan masyarakat dalam ketahanan pangan :

Meningkatkan pemberian bantuan langsung masyarakat baik berupa dana penguatan modal bagi lembaga ekonomi pedesaan maupun bantuan dana berupa penguatan modal usaha kelompok petani di pedesaan.

BAB 4

ANALISA DAN PEMBAHASAN

4.1 Analisa Dan Pembahasan

Dalam pengambilan data ini, penulis memperoleh data ketersediaan ( perimbangan ) beras dan faktor – faktor yang mempengaruhinya yaitu produksi beras dan kebutuhan dari Badan Ketahanan Pangan Propinsi Sumatera Utara.

Data disajikan dalam tabel berikut :

Tabel 4.1 Ketersediaan beras, Produksi beras, dan Kebutuhan beras per bulan pada tahun 2008 dan 2009 di Kota Medan.

Bulan Ketersediaan Beras ( ton )

Produksi Beras ( ton )

Kebutuhan Beras ( ton )

Januari 2008 28556 2550 23859

Februari 2008 28556 2600 20000

Maret 2008 28556 2750 19500

April 2008 28556 2865 23850

Mei 2008 28556 2980 23859

Juni 2008 28556 3070 23000

Juli 2008 28556 3110 23859

Agustus 2008 28556 3200 23800

Oktober 2008 28556 3300 25000

November 2008 28556 3410 24000

Desember 2008 28556 3550 25000

Januari 2009 29700 3640 23000

Februari 2009 29700 3765 26000

Maret 2009 29700 3879 20000

April 2009 29700 3900 20000

Mei 2009 29700 4070 21000

Juni 2009 29700 4150 20000

Juli 2009 29700 4230 23200

Agustus 2009 29700 4330 24062

September 2009 29700 4540 25300

Oktober 2009 29700 4600 25000

November 2009 29700 4787 24062

Desember 2009 29700 4820 23700

Sumber data : Badan Ketahanan Pangan Propinsi Sumatera Utara

Dengan :

Y = Jumlah Ketersediaan Beras

X₁ = Jumlah Produksi Beras

X₂ = Jumlah Kebutuhan Beras

Setelah melihat data yang tersedia, maka penganalisaan dan pembahasan atas data tersebut oleh penulis dikelompokkan dalam empat bagian yaitu :

1. Menentukan persamaan regresi linier berganda 2. Uji keberartian regresi

3. Menentukan koefisien korelasi 4. Uji keberartian korelasi

4.1.1 Menentukan Persamaan Regresi Linier Berganda

Untuk Melihat hubungan antara variabel – variabel bebas yaitu jumlah produksi beras dan jumlah kebutuhan beras ( X₁ , X₂ ) terhadap variabel tak bebas yaitu jumlah ketersediaan ( perimbangan ) beras ( Y ), Maka langkah pertama yang dilakukan adalah menentukan persamaan regresi linier berganda.

Tabel 4.2 Nilai – nilai yang diperlukan untuk menghitung koefisien – koefisien regersi a0, a1, a2

BULAN Y X1 X2 X12 X22 X1X2 X1Y X2Y Y2

1 28556 2550 23859 6502500 569251881 60840450 72817800 681317604 815445136 2 28556 2600 20000 6760000 400000000 52000000 74245600 571120000 815445136 3 28556 2750 19500 7562500 380250000 53625000 78529000 556842000 815445136 4 28556 2865 23850 8208225 568822500 68330250 81812940 681060600 815445136 5 28556 2980 23859 8880400 569251881 71099820 85096880 681317604 815445136 6 28556 3070 23000 9424900 529000000 70610000 87666920 656788000 815445136 7 28556 3110 23859 9672100 569251881 74201490 88809160 681317604 815445136 8 28556 3200 23800 10240000 566440000 76160000 91379200 679632800 815445136 9 28556 3280 20000 10758400 400000000 65600000 93663680 571120000 815445136 10 28556 3300 25000 10890000 625000000 82500000 94234800 713900000 815445136 11 28556 3410 24000 11628100 576000000 81840000 97375960 685344000 815445136 12 28556 3550 25000 12602500 625000000 88750000 101373800 713900000 815445136 13 29700 3640 23000 13249600 529000000 83720000 108108000 683100000 882090000 14 29700 3765 26000 14175225 676000000 97890000 111820500 772200000 882090000 15 29700 3879 20000 15046641 400000000 77580000 115206300 594000000 882090000 16 29700 3900 20000 15210000 400000000 78000000 115830000 594000000 882090000 17 29700 4070 21000 16564900 441000000 85470000 120879000 623700000 882090000 18 29700 4150 20000 17222500 400000000 83000000 123255000 594000000 882090000 19 29700 4230 23200 17892900 538240000 98136000 125631000 689040000 882090000 20 29700 4330 24062 18748900 578979844 104188460 128601000 714641400 882090000 21 29700 4540 25300 20611600 640090000 114862000 134838000 751410000 882090000 22 29700 4600 25000 21160000 625000000 115000000 136620000 742500000 882090000 23 29700 4787 24062 22915369 578979844 115184794 142173900 714641400 882090000 24 29700 4820 23700 23232400 561690000 114234000 143154000 703890000 882090000 Jumlah 699072 87376 551051 329159660 12747247831 2012822264 2553122440 16050783012 20370421632

Dari tabel di atas diperoleh nilai – nilai sebagai berikut :

Y = 699.072

1

X = 87.376

2

X = 551.051

2 1X

X = 2.012.822.264

Y

X₁ = 2.553.122.440

Y

X₂ = 16.050.783.012

2 1

X = 329.159.660

2 2

X = 12.747.247.831

2

Y = 20.370.421.632

n = 24

Y = 29.128

1

X = 3.640,67

2

X = 22.960,46

Persamaan mencari nilai koefisien regresi:

Y = na₀ +a₁ X₁+a₂ X₂

1

YX = a₀ X₁+a₁ X₁2+a₂ X₁X₂ 2

Dapat kita substitusikan nilai - nilai yang bersesuaian, sehingga diperoleh persamaan di bawah ini :

699.072 = 24a0 + 87.376 a1 + 551.051a2

2.553.122.440 = 87.376a0 + 329.159.660a1 + 2.012822.264a2

16.050.783.012 = 551.051 a0 + 2.012.822.264a1 + 12.747.247.831a2

Setelah persamaan di atas diselesaikan maka di peroleh koefisien – koefisien regresi linier sebagai berikut :

a0 = 27.635,854

a1 = 0,76

a2 = -0,056

Jadi persamaan regeresinya adalah :

Yˆ = 27.635,854+0,76X₁+(-0,056)X₂

4.1.2 Uji Keberartian Regresi

Setelah persamaan regresi linier berganda diperoleh, maka dibutuhkan suatu pengujian hipotesa mengenai keberartian model regresi dengan kriteria pengujian :

Tolak H₀ jika F_hitung > F_tabel

Terima H₀ jika F_hitung < F_tabel

Dengan F_tabel diperoleh dari F dengan = 0.05 dan dk pembilang = k, dk penyebut =

Rumus yang digunakan sebagai berikut :

hitung

F =

) 1 (n−k− JK

k JK

res reg

Dengan :

reg

JK = + ₂

2 1

1 yx a yx

a

res

JK = 2

1

) ˆ (Y Y

n i

i −

Tabel 3.3 : Tabel Perhitungan Uji Regresi

No Y X1 X2

y

(Y-Y )

x₁ (X₁-X )

x₂

(X₂-X)

yx

1

Yx

2 Y

ˆ _Y-Yˆ _(Y-Yˆ₎2

1

28556 2550 23859 -572,00 -1090,67 898,54 623861,33 -513965,83 28237,75 318,25 101283,06 2

28556 2600 20000 -572,00 -1040,67 -2960,46 595261,33 1693382,17 28491,85 64,15 4114,71 3

28556 2750 19500 -572,00 -890,67 -3460,46 509461,33 1979382,17 28633,85 -77,85 6061,25 4

28556 2865 23850 -572,00 -775,67 889,54 443681,33 -508817,83 28477,65 78,35 6138,10

5

28556 2980 23859 -572,00 -660,67 898,54 377901,33 -513965,83 28564,55 -8,55 73,10

6

28556 3070 23000 -572,00 -570,67 39,54 326421,33 -22617.83 28681,05 -125,05 15638,50

7

28556 3110 23859 -572,00 -530,67 898,54 303541,33 -513965,83 28663,35 -107,35 11524,02 8

28556 3200 23800 -572,00 -440,67 839,54 252061,33 -480217,83 28735,05 -179,05 32060,33 9

28556 3280 20000 -572,00 -360,67 -2960,46 206301,33 1693382,17 29008,65 -452,65 204895,64 10

28556 3300 25000 -572,00 -340,67 2039,54 194861,33 -1166617,83 28743,85 -187,85 35289,13 11

28556 3410 24000 -572,00 -230,67 1039,54 131941,33 -594617,83 28883,45 -327,45 107226,12 12

28556 3550 25000 -572,00 -90,67 2039,54 51861,33 -1166617,83 28933,85 -377,85 142773,65 13

29700 3640 23000 572,00 -0,67 39,54 -381,33 22617,83 29114,25 585,75 343098,38

14

29700 3765 26000 572,00 124,33 3039,54 71118,67 1738617,83 28933,85 658,75 433946,29

15

No Y X1 X2

y

(Y-Y )

x₁ (X₁-X )

x₂

(X₂-X)

yx

1

yx

2 Y

ˆ _Y-Yˆ _(Y-Yˆ₎2

16

29700 3900 20000 572,00 259,33 -2960,46 148338,67 -1693382,17 29479,85 220,15 48464,26 17

29700 4070 21000 572,00 429,33 -1960,46 245578,67 -1121382,17 29553,05 146,95 21593,13 18

29700 4150 20000 572,00 509,33 -2960,46 291338,67 -1693382,17 29669,85 30,15 908,78

19

29700 4230 23200 572,00 589,33 239,4 337098,67 137017,83 29551,45 148,55 22065,91

20

29700 4330 24062 572,00 689,33 1101,54 394298,67 630081,83 29579,18 120,82 14596,99

21

29700 4540 25300 572,00 899,33 2339,54 514418,67 1338217,83 29669,45 30,55 933,06

22

29700 4600 25000 572,00 959,33 2039,54 548738,67 1166617,83 29731,85 -31,85 1014,68

23

29700 4787 24062 572,00 1146,33 1101,54 655702,67 630081,83 29926,50 -226,50 51303,16

24

29700 4820 23700 572,00 1179,33 739,54 674578,67 423017,83 29971,85 -271,85 73904,60

Jumlah

699072 87376 551051 8034312,00 -230516,00 1734652,89

Y X ₁ X₂

Dari nilai – nilai diatas dapat diketahui nilai jumlah kuadrat regresi (JK_reg),nilai jumlah kuadrat residu (JK_res) sehingga diperoleh nilai F_hitung.

JK_reg = a₁ + ₂

2

1 a yx

yx

= (0,76) (8034312,00) + (-0,056) (230516,00) = 6.106.077,12 + (12.908,90)

= 6.118.986,02

Untuk JK_res dapat diketahui dari tabel 3.3 seperti dibawah ini :

JK_res =

= − n i i Y Y 1 2 ) ˆ (

= 1.734.652,89

Jadi F_hitung dapat dicari dengan rumus dibawah ini :

F_hitung =

1 − −k n JK k JK res reg = 1 2 24 89 1.734.652, 2 02 6.118.986, − − = 82,602.52 01 3.059.493,

F_tabel = F₍α₎₍k_;n−k−₁₎

= F_(0.05)(2;21) = 3,47

Jadi karena F_hitung > F_tabel yaitu 37,112 > 3,47 maka H₀ ditolak. Hal ini berarti persamaan regresi linier ganda Yatas X₁ dan X₂ bersifat nyata yang berarti bahwa jumlah produksi padi dan jumlah kebutuhan beras secara bersama sama mempengaruhi jumlah ketersediaan beras.

4.1.3 Menentukan Koefisien Korelasi

Dari tabel 4.2 dapat dicari koefisien korelasi antara variabel tak bebas Y dengan menggunakan rumus: 1 .x y r =

{

−

}{

−

}

− ) ) ( ( ) ( ) )( ( 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n = ) ) 072 . 699 ( ) .632 2.037.0421 )( 24 (( ) 376 . 87 ( ) 0 329.159.66 )( 24 ( ) 072 . 699 )( 376 . 87 ( ) 440 2.553.122. ( 24 2 2 − − −

= 0,862

2 .x y r =

{

−

}{

−

}

− ) ) ( ( ) ( ) )( ( 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X n

= ) ) 072 . 699 ( ) .632 20.370.421 )( 24 (( ) 551.051 ( ) .831 12.747.247 )( 24 ( ) 699.072 )( 551.051 ( ) .012 16.050.783 ( 24 2 2 − − −

= -0,008

Perhitungan koefisien korelasi antar variabel bebas

12 r =

{

−

}{

−

}

− ) ) ( ( ) ( ) )( ( 2 2 2 2 2 1 2 1 2 1 2 1 i i i i i i i i X X n X X n X X X X n = 2 2 )) 051 . 551 ( ) .831 12.747.247 ( 24 (( ) 376 . 87 ( ) 0 329.159.66 )( 24 ( ) 551.051 )( 87.376 ( ) 4 201.282.26 ( 24 − − −

= 0,205

Berdasarkan perhitungan korelasi antar variabel X₁ dan X₂ terhadap variabel Y dapat disimpulkan bahwa :

1. Variabel X₁ berkorelasi kuat terhadap Y 2. Variabel X₂ berkorelasi lemah terhadap Y 3. Variabel X₁ berkorelasi lemah terhadap X₂

4.1.4 Uji keberartian koefisien korelasi

Setelah koefisien korelasi diperoleh,maka dibutuhkan suatu pengujian hipotesa mengenai keberartian koefisien dengan kriteria pengujian :

Tolak H₀ jika t_hitung > t_tabel dan terima H₀ jika t_hitung < t_tabeldengan t_tabel diperoleh dari tabel t dengan α dan dk = n – k – 1

Untuk melakukan pengujian digunakan rumus : 0 t = 2 1 2 r n r − −

Nilai t_hitung untuk n=24 dan

1

yx

r = 0,862 adalah sebagai berikut :

1 t = 2 1 2 r n r − − =

(

_0,862

)

2

1 2 24 862 , 0 − − = 8,615

Nilai t_hitung untuk n=24 dan r_yx2= -0,008 adalah sebagai berikut :

2 t = 2 1 2 r n r − − =

(

_0,008

)

2

1 2 24 008 , 0 − − − − = -1,844

Untuk taraf nyata = 0.05 dengan dk = 21 dari daftar distribusi student t nilai

tabel

t = 2,08 untuk t₁ = 8,615 maka t_hitung > t_tabel sehingga H₀ ditolak yang berarti bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah ketersediaan beras. Sedangkan untuk t₂ = -1,844 maka t_hitung < t_tabel sehingga H₀

diterima yang berarti tidak ada hubungan secara dominan antara kebutuhan beras terhadap jumlah ketersediaan beras.

BAB 5

IMPLEMENTASI SISTEM

5.1 Sekilas Tentang SPSS

SPSS ( Statistical Package For Service Solution ) dibuat pada tahun 1968 oleh mahasiswa dari Standford University. SPSS pada awalnya merupakan salah satu paket program olah data statistik yang ditujukan untuk analisis data ilmu-ilmu sosial, yang dahulu namanya Social Package For Service Solution. Seiring dengan perkembangannya, SPSS berubah nama sesuai dengan kebutuhannya. SPSS sudah mampu memproses data statistik pada berbagai bidang ilmu, baik ilmu sosial maupun non sosial. Penggunaan SPSS Dimaksudkan untuk melakukan analisis dengan cepat.

5.2 Mengaktifkan SPSS

Klik Tombol start pada windows, kemudian klik program, lalu klik SPSS. Selain cara itu, program SPSS bisa diaktifkan melalui icon shortcut pada tampilan desktop.

Gambar 5.1 Mengaktifkan SPSS

5.3 Membuka lembar Baru

Dari tampilan yang muncul pada start saat membuka SPSS, Pilih type in data untuk membuat data baru atau dari menu file, pilih new maka akan muncul jendela editor, kemudian klik data.

5.4 Menamai Variabel

Klik variabel view, yang terletak disebelah kiri bawah jendela editor, lalu lakukan langkah – langkah sebagai berikut :

1. Name : Ketik nama variabel yang kita inginkan.

2. Type : Sesuaikan type data dengan apa yang kita inginkan. 3. Width : Digunakan untuk menentukan jarak / lembar kolom. 4. Label : Ketikkan nama sesuai dengan identitas dari nama

,hanya terdiri dari 8 digit / karakter.

5. Value : Digunakan untuk mengisi penjelasan nama ( label ) pada variabel.

6. Missing : Digunakan untuk menjelaskan data yang hilang. 7. Columns : Digunakan untuk menentukan lebar kolom.

8. Align : Digunakan untuk menentukan letak pengisian data, apakah rata kiri, rata kanan, atau ditengah – tengah kolom.

Gambar 5.3 Layar kerja Variabel View

5.5 Pengisian Data

1. Aktifkan jendela data dengan mengklik data view, yang terletak disudut kiri bawah jendela editor.

2. Selanjutnya ketikkan data yang sesuai untuk setiap variabel yang telah didefinisikan.

5.6 Pengolahan Data Dengan Persamaan Regresi

1. Tampilkan file yang akan ditentukan oleh persamaan regresi pada jendela editor yang tampak.

2. Pilih menu analyze, kemudian pilih sub menu Regression dengan cursor, dan pilih linier yang keluar pada tampilan jendela editor.

Gambar 5.5 Pilih Analyze, Regresion, Linier

3. Setelah muncul kotak dialog, kemudian sorot variabel yang menjadi variabel tidak bebas dan pindahkan ke kotak variabel dependent,demikian juga sorot variabel independent.

Gambar 5.6 Kotak Dialog Linier Regresion

4. Klik statistic pada kotak dialog linier regression, aktifkan estimate,model fit,

casewise diagnostics, kemudian klik continiue untuk melanjutkannya.

Gambar 5.7 Kotak dialog Linier Regresion Statistic

5. Kemudian klik plots pada kotak tersebut, pilih Histogram dan Normal probability plot. Kemudian klik continue.

Gambar 5.8 Kotak dialog Linier Regresion Plot

6. Pilih kolom Options dengan mengklik pilihan tersebut. Pengisian:

Untuk stepping method criteria, digunakan uji F dengan standard eror 0,05. oleh karena itu angka entry dipilih 0,05. kemudian klik continiue, lalu klik OK pada kotak dialog linier regression untuk melihat hasilnya / outputnya.

5.7 Pengolahan Data Dengan Persamaan Korelasi

1. Untuk mengetahui korelasi antara variabel tak bebas dengan variabel bebas maka lakukan analyze, kemudian pilih sub menu Corelate, kemudian pilih bivariate.

Gambar 5.10 Pilih Analyze, correlate, bivariate

2. Setelah muncul kotak dialog, kemudian sorot variebel – variabel yang akan ditentukan korelasinya dan pindahkan ke kotak variables

3. Pada kolom correlation coefficients, pilih pearson, sedang pada kolom test of significant, pilih two tailed, lalu klik OK.

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan, maka dapat diambil beberapa kesimpulan yaitu:

1. Dari hasil perhitungan diperoleh bahwa persamaan penduga dari jumlah ketersediaan beras untuk jumlah produksi beras dan jumlah kebutuhan beras adalah

Yˆ = 27.635,33+0,76X₁+(-0.056)X₂ yang berarti bahwa untuk setiap pertambahan X₁ ( jumlah produksi beras ) sebesar satu ton,maka rata - rata ketersediaan beras Yˆ bertambah sebesar 0,76 ton dan setiap

pertambahan X₂( kebutuhan beras ) sebesar satu ton,maka rata – rata ketersediaan berkurang sebesar 0,056 ton.

2. Melalui uji keberartian regresi, dimana = 0.05 disimpulkan bahwa

0

H ditolak. Hal ini berarti bahwa persamaan regresi linier ganda Yatas

1

X dan X₂bersifat nyata yang berarti bahwa jumlah produksi beras dan jumlah kebutuhan beras secara bersama-sama mempengaruhi jumlah ketersediaan beras.

3. Berdasarkan perhitungan korelasi antara variabel X₁ dan X₂ terhadap variabel Y dapat disimpulkan bahwa variabel X₁ berkorelasi kuat terhadap variabel Y, variabel X₂ berkorelasi lemah terhadap variabel Y, dan variabel X₁ berkorelasi lemah terhadap variabel X₂.

4. Melalui uji keberatian koefisien korelasi, dengan = 0.05 disimpulkan bahwa untuk t₁= 8,615 maka t_hitung > t_tabel sehingga H₀ ditolak yang berarti bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah ketersediaan beras. Sedangkan untuk t₂= -1,844 maka t_hitung < t_tabel sehingga H₀ diterima yang berarti bahwa tidak ada hubungan secara dominan antara jumlah kebutuhan beras terhadap jumlah ketersediaan beras.

6.2 Saran

1. Badan Ketahanan Pangan lebih memperhatikan ketersediaan beras di Kota Medan , agar daerah tersebut memenuhi kebutuhan beras di daerah tersebut. 2. Bagi masyarakat Kota Medan lebih memberdayakan areal persawahan yang

ada.

DAFTAR PUSTAKA

Walpole, Ronald E. 1993. Pengantar Statistika. Jakarta : PT Gramedia Pustaka Utama Hartono. 2004. Statistika untuk Penelitian. Pekanbaru: Lembaga Studi Filsafat,

Kemasyarakatan, Kependidikan dan Perempuan. Sudjana.1992.Metode Statistik.Bandung:Tarsito Bandung.

Santoso, Ratno Dwi. 1992. Analisis Regresi. Yogyakarta: Andi Offset. Algifari. 1997. Analisis Regresi. Yogyakarta: BPFE.

Situmorang, Syafrizal Helmi, Muda, Iskandar, Dalimunthe, Doli M.Ja’far, Fadli dan Syarief Fauzie. 2010. Analisis Data Penelitian untuk Riset Manajemen dan Bisnis . Medan : Usu Press

L

A

M

P

I

R

A

N

OUTPUT SPSS

Regression

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

1 kebutuhan beras, produksi berasa

. Enter

a. All requested variables entered.

b. Dependent Variable: ketersediaan beras

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .883a .779 .758 287.16306

a. Predictors: (Constant), kebutuhan beras, produksi beras

b. Dependent Variable: ketersediaan beras

ANOVAb

Model Sum of Squares df Mean Square F Sig.

Regression 6120700.956 2 3060350.478 37.112 .000a

Residual 1731715.044 21 82462.621 1

Total 7852416.000 23

a. Predictors: (Constant), kebutuhan beras, produksi beras

Coefficientsa

Unstandardized Coefficients

Standardized Coefficients

Model _{B Std. Error Beta} t Sig.

(Constant) 27635.854 702.841 39.320 .000

produksi beras .760 .088 .902 8.615 .000 1

kebutuhan beras -.056 .030 -.193 -1.844 .079

a. Dependent Variable: ketersediaan beras

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 2.8249E4 2.9983E4 2.9128E4 515.86571 24

Std. Predicted Value -1.704 1.658 .000 1.000 24

Standard Error of Predicted

Value 58.629 130.857 99.717 19.499 24

Adjusted Predicted Value 2.8183E4 3.0041E4 2.9127E4 522.68333 24

Residual -4.62282E2 6.46342E2 .00000 274.39380 24

Std. Residual -1.610 2.251 .000 .956 24

Stud. Residual -1.732 2.427 .001 1.015 24

Deleted Residual -5.35227E2 7.51376E2 .56270 310.05727 24

Stud. Deleted Residual -1.826 2.792 .018 1.079 24

Mahal. Distance .000 3.818 1.917 1.063 24

Cook's Distance .000 .319 .043 .070 24

Centered Leverage Value .000 .166 .083 .046 24

Correlations

Correlations ketersediaan

beras produksi beras

kebutuhan beras

Pearson Correlation 1 .862** -.008

Sig. (2-tailed) .000 .969

ketersediaan beras

N 24 24 24

Pearson Correlation .862** 1 .205

Sig. (2-tailed) .000 .337

produksi beras

N 24 24 24

Pearson Correlation -.008 .205 1

Sig. (2-tailed) .969 .337 kebutuhan beras

N 24 24 24

DAFTAR PUSTAKA

Walpole, Ronald E. 1993.

Pengantar Statistika.

Jakarta : PT Gramedia Pustaka Utama

Hartono. 2004.

Statistika untuk Penelitian

. Pekanbaru: Lembaga Studi Filsafat,

Kemasyarakatan, Kependidikan dan Perempuan.

Sudjana.1992.

Metode Statistik

.Bandung:Tarsito Bandung.

Santoso, Ratno Dwi. 1992.

Analisis Regresi

. Yogyakarta: Andi Offset.

Algifari. 1997.

Analisis Regresi

. Yogyakarta: BPFE.

Situmorang, Syafrizal Helmi, Muda, Iskandar, Dalimunthe, Doli M.Ja’far, Fadli dan

Syarief Fauzie. 2010.

Analisis Data Penelitian untuk Riset Manajemen dan

Bisnis

. Medan : Usu Press

L

A

M

P

I

R

A

N

OUTPUT SPSS

Regression

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

1 kebutuhan

beras, produksi berasa

. Enter

a. All requested variables entered. b. Dependent Variable: ketersediaan beras

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .883a .779 .758 287.16306

a. Predictors: (Constant), kebutuhan beras, produksi beras b. Dependent Variable: ketersediaan beras

ANOVAb

Model Sum of Squares df Mean Square F Sig.

Regression 6120700.956 2 3060350.478 37.112 .000a

Residual 1731715.044 21 82462.621

1

Total 7852416.000 23

a. Predictors: (Constant), kebutuhan beras, produksi beras b. Dependent Variable: ketersediaan beras

Coefficientsa

Unstandardized Coefficients

Standardized Coefficients

Model _{B Std. Error Beta} t Sig.

(Constant) 27635.854 702.841 39.320 .000

produksi beras .760 .088 .902 8.615 .000

1

kebutuhan beras -.056 .030 -.193 -1.844 .079

a. Dependent Variable: ketersediaan beras

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 2.8249E4 2.9983E4 2.9128E4 515.86571 24

Std. Predicted Value -1.704 1.658 .000 1.000 24

Standard Error of Predicted

Value 58.629 130.857 99.717 19.499 24

Adjusted Predicted Value 2.8183E4 3.0041E4 2.9127E4 522.68333 24

Residual -4.62282E2 6.46342E2 .00000 274.39380 24

Std. Residual -1.610 2.251 .000 .956 24

Stud. Residual -1.732 2.427 .001 1.015 24

Deleted Residual -5.35227E2 7.51376E2 .56270 310.05727 24

Stud. Deleted Residual -1.826 2.792 .018 1.079 24

Mahal. Distance .000 3.818 1.917 1.063 24

Cook's Distance .000 .319 .043 .070 24

Centered Leverage Value .000 .166 .083 .046 24

Correlations

Correlations

ketersediaan

beras produksi beras

kebutuhan beras

Pearson Correlation 1 .862** -.008

Sig. (2-tailed) .000 .969

ketersediaan beras

N 24 24 24

Pearson Correlation .862** 1 .205

Sig. (2-tailed) .000 .337

produksi beras

N 24 24 24

Pearson Correlation -.008 .205 1

Sig. (2-tailed) .969 .337

kebutuhan beras

N 24 24 24