Faktor – Faktor Ketersediaan Beras di Kabupaten Serdang Bedagai Dengan Menggunakan Analisis Jalur

Lampiran 1

Data Ketersediaan Beras (Y), Produksi Beras (X1), Kebutuhan Beras (X2), Luas Lahan (X3) dan Jumlah Penduduk (Y) per bulan pada tahun 2014 dan 2015 di Kabupaten Serdang Berdagai

No Bulan Ketersediaan Beras (ton) Produksi Beras (ton) Kebutuhan Beras (ton) Luas Panen (Ha) Jumlah Penduduk (jiwa)

1 Januari 2014 25.992 26.888 6.677 8.945 594.383

2 Februari 20.056 20.747 6.677 6.902 594.383

3 Maret 24.754 25.607 6.677 8.519 594.383

4 April 31.234 32.310 6.677 10.749 594.383

5 Mei 2.575 2.663 6.677 886 594.383

6 Juni 2.589 2.678 6.677 891 594.383

7 Juli 976 1.010 7.745 336 594.383

8 Agustus 24.722 25.574 8.814 8.508 594.383

9 September 33.739 3.901 6.677 11.611 594.383

10 Oktober 8.069 8.347 6.677 2.777 594.383

11 Nopember 9.830 10169 6.744 3.383 594.383

12 Desember 729 754 7.478 251 594.383

13 Januari 2015 6.001 6.697 6.677 2.198 594.383

14 Februari 53.479 59.678 6.677 19.588 594.383

15 Maret 19.199 21.424 6.677 7.032 594.383

16 April 1.723 1.922 6.677 631 594.383

17 Mei 513 573 6.677 188 594.383

18 Juni 792 884 6.677 290 594.383

19 Juli 15.808 17.640 7.745 5.790 594.383

20 Agustus 45.065 50.288 8.814 16.506 594.383

22 Oktober 2.968 3.312 6.677 1.087 594.383

23 Nopember 658 734 6.744 241 594.383

24 Desember 9.569 10.679 7.478 3.505 594.383

Sumber ; Badan Ketahanan Pangan Provinsi Sumatera Utara

X₅X₁ X₅X₂ X₅X₃ X₅X₄

698872896 173548584 232498440 15449202936 416101832 133913912 138426512 11920945448 633875678 165282458 210879326 14713356782 1009170540 208549418 335734266 18564958622 6857225 17193275 2281450 1530536225 6933342 17286753 2306799 1538857587

985760 7559120 327936 580117808

632240428 217899708 210334776 14694336526 131615839 225275303 391743529 20053888037 67351943 53876713 22407613 4796076427 99961270 66293520 33254890 5842784890

549666 5451462 182979 433305207

40188697 40068677 13190198 3566892383 3191519762 357079283 1047546652 31787008457 411319376 128191723 135007368 11411559217 3311606 11504471 1087213 1024121909

293949 3425301 96444 304918479

700128 5288184 229680 470751336

2266228720 397202910 743842890 26785869895 1165278900 215767255 382480340 19207486645 9830016 19817336 3226216 1764128744

482972 4437552 158578 391104014

102187351 71556982 33539345 5687650927 11.174.711.016 2.668.902.860 4.032.311.760 221.915.864.965

X₁X₂ X₁X₃ X₁X₄ X₂X₄ X₂X₃ X₃X₄

179531176 240513160 15981770104 3968695291 59725765 5316755935 138527719 143195794 12331664101 3968695291 46084654 4102431466 170977939 218146033 15220365481 3968695291 56881363 5063548777 215733870 347300190 19204514730 3968695291 71771073 6389022867 17780851 2359418 1582841929 3968695291 5915822 526623338 17881006 2386098 1591757674 3968695291 5949207 529595253

7822450 339360 600326830 4603496335 2602320 199712688

225409236 217583592 15200750842 5238891762 74989512 5057010564 26046977 45294511 2318688083 3968695291 77526647 6901381013 55732919 23179619 4961314901 3968695291 18542029 1650601591 68579736 34401727 6044280727 4008518952 22814952 2010797689

5638412 189254 448164782 4444796074 1876978 149190133

44715869 14720006 3980582951 3968695291 14676046 1306453834 398470006 1168972664 35471588674 3968695291 130789076 11642774204 143048048 150653568 12734061392 3968695291 46952664 4179701256 12833194 1212782 1142404126 3968695291 4213187 375055673

3825921 107724 340581459 3968695291 1255276 111744004

136621800 102135600 10484916120 4603496335 44843550 3441477570 443238432 830053728 29890332304 5238891762 145483884 9810885798 240772620 426806160 21433450980 3968695291 79028972 7035117188 22114224 3600144 1968596496 3968695291 7257899 646094321

4950096 176894 436277122 4008518952 1625304 143246303

79857562 37429895 6347416057 4444796074 26210390 2083312415 2.666.012.531 4.011.014.281 220.242.082.437 100.090.530.902 948.952.900 78.844.904.950

X₅² X₁² X₂² X₃² X₄²

675.584.064 722.964.544 44582329 80013025 353.291.150.689 402.243.136 430.438.009 44582329 47637604 353.291.150.689 612.760.516 655.718.449 44582329 72573361 353.291.150.689 975.562.756 1.043.936.100 44582329 115541001 353.291.150.689 6.630.625 7.091.569 44582329 784996 353.291.150.689 6.702.921 7.171.684 44582329 793881 353.291.150.689 952.576 1.020.100 59985025 112896 353.291.150.689 611.177.284 654.029.476 77686596 72386064 353.291.150.689 1.138.320.121 15.217.801 44582329 134815321 353.291.150.689 65.108.761 69.672.409 44582329 7711729 353.291.150.689 96.628.900 103.408.561 45481536 11444689 353.291.150.689 531.441 568.516 55920484 63001 353.291.150.689 36.012.001 44.849.809 44582329 4831204 353.291.150.689 2.860.003.441 3.561.463.684 44582329 383689744 353.291.150.689 368.601.601 458.987.776 44582329 49449024 353.291.150.689 2.968.729 3.694.084 44582329 398161 353.291.150.689 263.169 328.329 44582329 35344 353.291.150.689

627.264 781.456 44582329 84100 353.291.150.689 249.892.864 311.169.600 59985025 33524100 353.291.150.689 2.030.854.225 2.528.882.944 77686596 272448036 353.291.150.689 1.044.259.225 1.300.323.600 44582329 140090896 353.291.150.689 8.809.024 10.969.344 44582329 1181569 353.291.150.689 432.964 538.756 45481536 58081 353.291.150.689 91.565.761 114.041.041 55920484 12285025 353.291.150.689 11.286.493.369 12.047.267.641 1.191.464.546 1.441.952.852 8.478.987.616.536

Lampiran 2

Model Diagram Jalur awal menggunakan Software Amos

Persamaan Struktur I setelah trimming

Persamaan Struktur II

Persamaan Struktur IV

Correlations

Ketersediaan_Be

ras Produksi_Beras

Kebutuhan_Bera

s Luas_Lahan

Ketersediaan_Beras Pearson Correlation 1 .385** .362 .674**

Sig. (2-tailed) .000 .322 .000

N 24 24 24 24

Produksi_Beras Pearson Correlation .385** 1 .023 .532**

Sig. (2-tailed) .000 .213 .000

N 24 24 24 24

Kebutuhan_Beras Pearson Correlation .352 .023 1 .347

Sig. (2-tailed) .000 .002 .308

N 24 24 24 24

Sig. (2-tailed) .000 .000 .308

N 24 24 24 24

**. Correlation is significant at the 0.01 level (2-tailed).

Correlations

Ketersediaan_Be

ras Produksi_Beras

Kebutuhan_Bera s

Ketersediaan_Beras Pearson Correlation 1 .251** .215

Sig. (2-tailed) .000 .322

N 24 24 24

Produksi_Beras Pearson Correlation .251** 1 .062

Sig. (2-tailed) .000 .213

N 24 24 24

Kebutuhan_Beras Pearson Correlation .215 .062 1

Sig. (2-tailed) .000 .002

N 24 24 24

Correlations

Ketersediaan_Be

ras Produksi_Beras

Kebutuhan_Bera

s Luas_Lahan

Produksi_Beras Pearson Correlation 1 .422** .251 .215**

Sig. (2-tailed) .000 .322 .000

N 24 24 24 24

Kebutuhan_Beras Pearson Correlation .422** 1 .494 .3577**

Sig. (2-tailed) .000 .213 .000

N 24 24 24 24

Luas_Lahan Pearson Correlation .251 .494 1 .062

Sig. (2-tailed) .322 .213 .308

N 24 24 24 24

Jumlah_Penduduk Pearson Correlation .215** .357** .062 1

Sig. (2-tailed) .000 .000 .308

N 24 24 24 24

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .814a .664 .998 .579

a. Predictors: (Constant), Luas_Lahan, Kebutuhan_Beras, Produksi_Beras

b. Dependent Variable: Ketersediaan_Beras

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .803a .646 .998 .595

a. Predictors: (Constant), Kebutuhan_Beras, Produksi_Beras

b. Dependent Variable: Ketersediaan_Beras

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .762a .578 .565 .650

a. Predictors: (Constant), Kebutuhan_Beras, Luas_Lahan, Jumlah_Penduduk

ANOVAb

Model Sum of Squares Df Mean Square F Sig.

1 Regression 5.470E9 3 1.823E9 13,17 .000a

Residual 7917000.711 20 395850.036

Total 5.478E9 23

a. Predictors: (Constant), Luas_Lahan, Kebutuhan_Beras, Produksi_Beras

b. Dependent Variable: Ketersediaan_Beras

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 653.143 1437.401 .454 .003

Produksi_Beras .060 .021 .559 3.571 .008

Kebutuhan_Beras .064 .207 .447 3.055 .000

Luas_Lahan .145 .063 .141 .907 .378

ANOVAb

Model Sum of Squares Df Mean Square F Sig.

1 Regression 1055,415 2 1156,884 9,13 ,000a

Residual 47,276 20 1,266

Total 1102,691 23

a. Predictors: (Constant), Kebutuhan_Beras, Luas_Lahan, Jumlah_Penduduk b. Dependent Variable: Produksi_Beras

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 653.143 1437.401 .454 .003

Produksi_Beras .060 .021 .249 3.710 .003

Kebutuhan_Beras .064 .207 .478 3.055 .008

Luas_Lahan .145 .063 .313 3.907 .007

DAFTAR PUSTAKA

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

Ghozali, Imam. 2004. Model Persamaan Struktural Konsep dan Aplikasi dengan

Program SPSS ver.17. Semarang : Andi.

Gerson, David. 2003. Pengertian dari Analisis Jalur.

Riduwan. 2007. Cara Menggunakan dan Memaknai Analisis Jalur. Bandung : Alfabeta.

Ronald,J.W. 2001. Regrssion a Second Course InStatistik. JhonWileyand Son. New York

Robert,D.Ruterford .1993. Path Analys.

Sarwono, Jonathan. 2007.Analisis Jalur Untuk Riset Bisnis dengan SPSS. Yogyakarta: Andi Penerbit.

Santoso, Singgih. 2011. Structural Equation Modeling (SEM) Konsep dan Aplikasi

dengan Program AMOS 18. Jakarta : PT. Elex Media Komputindo.

Sudjana. 2005. Metode Statistika. Bandung : Tarsito. Webley, Paul. 1997. Path Analysis

BAB 3

HASIL DAN PEMBAHASAN

3.1. Analisis Data

Setiap data yang telah didapat merupakan alat pengambil keputusan dalam pemecahan persoalan yang ada. Dalam hal ini persoalan yang diteliti tentang ketersediaan beras dan faktor – faktor yang mempengaruhinya yaitu produksi beras, kebutuhan, luas lahan dan jumlah penduduk. Adapun data yang digunakan adalah data sekunder yang didapat dari Badan Ketahanan Pangan Provinsi Sumatera Utara pada tahun 2014/2015.

Tabel 3.1 Ketersediaan Beras (Y), Produksi Beras (X1), Kebutuhan Beras (X2), Luas Lahan (X3) dan Jumlah Penduduk (Y) per bulan pada tahun 2014 dan 2015 di Kabupaten Serdang Berdagai

No Bulan Ketersediaan Beras (ton) Produksi Beras (ton) Kebutuhan Beras (ton) Luas Panen (Ha) Jumlah Penduduk (jiwa)

1 Januari 2014 25.992 26.888 6.677 8.945 594.383

2 Februari _{20.056 20.747 6.677 6.902 594.383}

3 Maret 24.754 25.607 6.677 8.519 594.383

4 April 31.234 32.310 6.677 10.749 594.383

5 Mei 2.575 2.663 6.677 886 594.383

6 Juni 2.589 2.678 6.677 891 594.383

7 Juli 976 1.010 7.745 336 594.383

8 Agustus _{24.722 25.574 8.814 8.508 594.383}

9 September 33.739 3.901 6.677 11.611 594.383

10 Oktober 8.069 8.347 6.677 2.777 594.383

11 Nopember 9.830 10169 6.744 3.383 594.383

12 Desember _{729 754 7.478 251 594.383}

13 Januari 2015 6.001 6.697 6.677 2.198 594.383

14 Februari 53.479 59.678 6.677 19.588 594.383

15 Maret 19.199 21.424 6.677 7.032 594.383

16 April 1.723 1.922 6.677 631 594.383

17 Mei 513 573 6.677 188 594.383

18 Juni _{792 884 6.677 290 594.383}

No Bulan Ketersediaan Beras (ton) Produksi Beras (ton) Kebutuhan Beras (ton) Luas Panen (Ha) Jumlah Penduduk (jiwa)

20 Agustus 45.065 50.288 8.814 16.506 594.383

21 September 32.315 36.060 6.677 11.836 594.383

22 Oktober 2.968 3.312 6.677 1.087 594.383

23 Nopember 658 734 6.744 241 594.383

24 Desember _{9.569 10.679 7.478 3.505 594.383}

• Sumber : Badan Ketahanan Pangan Provinsi Sumatera Utara Keterangan:

X5 = Ketersediaan Beras X1 = Produksi Beras X2 = Kebutuhan Beras X3 = Luas Panen X4 = Jumlah Penduduk

3.1.1. Diagram Jalur dan Persamaan Struktural

Dalam pengerjaan dalam analisis jalur, pertama sekali kita membuat gambar model jalurnya dan kemudian membuat persamaan strukturalnya.

Gambar 3.1 Model Diagram Jalur Dari gambar diatas dapat dibuat persamaan strukturalnya: Persamaan Substruktur 1

Persamaan Substruktur 2

�1 =��1�2�2+��1�3�3+��1�4�4+��1�2�2

Persamaan Substruktur 3

�2 = ��2�4�4+��1�4�4

Persamaan Substruktur 4

�3 = ��3�4�4+��1�3�3

3.1.2. Menghitung korelasi antar Variabel

Menghitung korelasi antar setiap variabel adalah dengan menggunakan product moment pearson dengan rumus:

��� = � ∑ �� − ∑ � ∑ �

�[� ∑ �2 −₍∑ �₎2_][� ∑ �2−₍∑ �₎2_] Mengitung korelasi dari X1 dan X2

��1�2 =

� ∑ �1�2− ∑ �1∑ �2

��� ∑ �12−(∑ �1)2��� ∑ �22−(∑ �2)2�

��1�2 =

24(2666012531)−(370539)(168394)

�[24(12047267641)−(370539)2_{][24(1191464546)}−_(168394)2_]

��1�2 =

639843000744−62396544366

�[289134423384−137299150521][28595149104−1759602250]

��1�2 =

1587756378

�(151835272863)(10999126604)

��1�2 =

1587756378 40866311176

��1�2 = 0,3885

Demikianlah sampai seterusnya hingga hubungan korelasi sampai pada X4. Dan untuk lebih ringkasnya maka hasil yang diperoleh untuk matriks korelasinya adalah: � = ⎣ ⎢ ⎢ ⎢

⎡ 1 ��1�2 ��2�1 1

�_��1�3 ��1�4 �2�3 ��2�4 ��3�1 ��3�2

��4�1 ����2

1 ��3�4

��4�3 1 ⎦ ⎥ ⎥ ⎥ ⎤

�=� 1 0,3885 0,3885 1 0,352 0,674 0,023 0,532 0,352 0,023 0,674 0,532 1 0,347 0,347 1 �

3.2. Menghitung Koefisien Jalur

3.2.1. Menghitung Koefisien Jalur Persamaan Substruktur 1 1. Model Diagram Jalur

Gambar 3.2 Diagram Jalur Substruktur 1

2. Persamaan strukturnya

�5=��₅�₁�1+��₅�₂�2+��₅�₃�3+��₅�₁�1

3. Matriks korelasi dan perhitungan koefisien jalur

� =

⎝ ⎜ ⎛

1 �_�1�2

��2�1 1

�_��1�3 ��1�5 �2�3 ��2�5 ��3�1 ��3�2

��5�1 ��5�2

1 ��3�5

��5�3 1 ⎠

⎟ ⎞ � = � 1 0,3885 0,3885 1 0,352 0,674 0,023 0,532 0,352 0,023 0,674 0,532 1 0,347 0,347 1 �

Dengan bantuan Mirosoft Excel, maka diperoleh invers matrik korelasinya sebagai berikut:

�−1_{= �}

2,009 −0,441

−0,441 1,699

−0,084 −0,102

−0,700 −0,468

−0,084 −0,700

−0,102 −0,468

1,355 0,184

0,184 1,178

�

Kemudian dapat dihitung koefisien jalurnya dengan menggunakan bantuan software SPSS

� ��5�1 ��5�2 ��5�3

�=�

0,559 0,447 0,141

�

Setelah memperoleh nilai koefisien jalurnya maka, kemudian kita mencari nilai R square.

�_�5(�1,�2,�3)

2 _=��

�5�1 ��5�2 ��5�3 � �

��5�1 ��5�2 ��5�3 �

�_�5(�1,�2,�3)

2 _{= (0,559 0,448 0,141 )�}

0,674 0,532 0,347 � �_�5(�1,�2,�3)

2 _{= 0,664}

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:

��5�1 = �1− ��5(�1,�2,�3)

2

��5�1 = �1−0,664

��5�1 = 0,579

Sehingga dari seluruhnya didapatlah persamaan substruktural 1 sebagai berikut:

�5=�_�5�1�1+�_�5�2�2+�_�5�3�3+�_�5�1�1

�5 = 0,559�1+ 0,448�2+ 0,141�3 + 0,579�1

Menguji hipotesis secara bersama-sama variabel ketersediaan beras, produksi beras, kebutuhan beras dan luas lahan.

�0: �_�5(�1,�2,�3)

2 _{= 0, artinya tidak terdapat pengaruh produksi beras, kebutuhan}

beras dan luas lahan terhadap ketersediaan beras.

�1: �_�5(�1,�2,�3)

2 _{≠ 0, artinya terdapat pengaruh produksi beras, kebutuhan beras,} luas lahan terhadap ketersediaan beras.

Untuk menguji hipotesis, dilakukan dengan uji F.

� =(� − � −1)(��5(�1,�2,�3)

2 ₎

�(1− �_�

5(�1,�2,�3)

2 ₎

� =(24−3−1)(0,664)

3(1−0,664)

� =(20)(0,664)

3(0,336)

� = 13,17

Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh nilai Ftabel dengan db1 = 3 dan db2 = 24 dan α= 0,05 adalah 3,01. Dengan kriteria pengujian jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh yaitu Fhitung≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan variabel terhadap ketersediaan beras.

5. Pengujian Hipotesis secara individual

• Pengujian koefisien jalur hubungan Produksi beras dan ketersediaan beras

�0: ��5�1 = 0, artinya tidak terdapat pengaruh antara produksi beras

terhadap ketersediaan beras.

�1: ��5�1 ≠ 0, artinya terdapat pengaruh antara produksi beras terhadap

Pengujian terhadap hipotesis dilakukan dengan rumus:

� = �����

��1− ��2�(�1�2…��)����

� − � −1

� = ��5�1

��1− ��5(�1�2�3)

2 _��

11

� − � −1

� = 0,559

�(1−0,664)1,452

24−3−1

� = 0,559

�0,488₂₀

� =0,559

0,156

� = 3,571

Begitu seterusnya untuk menghitung secara manual dalam hal melihat pengaruh variabel secara individu.

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih

besar dari t tabel. Dengan tingkat α 5% untuk t tabel sendiri yaitu �_{����� �}0,05

2 ,�−�−1�

= �_{����� �}0,025

2 ,24−3−1�

= 2,085. Jika dilihat maka nilai

thitung lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari produksi beras terhadap

ketersediaan beras.

• Pengujian koefisien jalur hubungan kebutuhan beras dan ketersediaan beras

�0: ��5�2 = 0, artinya tidak terdapat pengaruh antara kebutuhan beras dan

�1: ��5�2 ≠ 0, artinya terdapat pengaruh antara kebutuhan beras dan

ketersediaan beras.

Dengan menggunakan bantuan software pada tabel Coeffiients , pada kolom sig dan t dilihat sebagai uji koefisien jalur secara individu. Terlihat pada p-value = 0,008 yang lebih kecil dari 0,05 atau pada kolom t = 3,055 yang lebih besar dari t tabel sebesar 2,085.

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih

besar dari t tabel. Dengan tingkat α = 5% untuk t tabel sendiri yaitu �_{����� �}0,05

2 ,�−�−1�

= �_{����� �}0,025

2 ,24−3−1�

= 2,085. Jika dilihat maka nilai thitung lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari kebutuhan beras dan ketersediaan beras.

• Pengujian koefisien jalur hubungan luas lahan dan ketersediaan beras

�0: ��5�3 = 0, artinya tidak terdapat pengaruh antara luas lahan terhadap

ketersediaan beras

�1: ��5�3 ≠ 0, artinya terdapat pengaruh antara luas lahan terhadap

ketersediaan beras

Dengan menggunakan bantuan software pada tabel Coeffiients , pada kolom sig dan t dilihat sebagai uji koefisien jalur secara individu. Terlihat pada p-value = 0,378 yang lebih besar dari 0,05 atau pada kolom t = 0,907 yang lebih kecil dari t tabel sebesar 2,085.

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih

besar dari t tabel. Dengan tingkat α = 5% untuk t tabel sendiri yaitu �_{����� �}0,05

2 ,�−�−1�

= �_{����� �}0,025

2 ,24−3−1�

= 2,085. Jika dilihat maka nilai thitung lebih kecil daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho

diterima, yang artinya tidak ada pengaruh dari kebutuhan beras dan ketersediaan beras.

Dari hasil yang telah diperoleh berdasarkan hasil uji signifikannya,

terdapat satu variabel yang tidak signifikan didalam diagram jalurnya. Oleh sebab itu perlu dilakukan trimming, yaitu dengan mengeluarkan variabel yang tidak signifikan dan mengulang kembali diagram jalurnya, lalu menghitung ulang koefisien jalurnya.

Gambar 3.3 Diagram Jalur Persamaan Substruktur 1 Hasil Trimming

Dengan demikian didapat persamaan substruktural yang baru.

�5 = ��5�1�1+��5�2�2+ +��5�1�1

Dengan matriks korelasinya adalah

� = �

1 �_�1�2 �_�1�5

��2�1 1 ��2�5 ��5�1 ��5�2 1

�

� = �

1 0,251 0,215

0,251 1 0,062

0,215 0,062 1

�

�−1_{= �}

1,115 −0,266 −0,223

−0,266 1,067 −0,009

−0,223 −0,009 1,048

�

Perhitungan koefisien jalurnya adalah sebagai berikut:

���5�1 ��5�2�

=�0,609

0,444�

Untuk nilai R square nya sendiri adalah

��5(�1,�2)

2 _{= ��}

�5�1 ��5�3� � ��5�1 ��5�3� ��5(�1,�2)

2 _{= (0,609 0,444)�}0,370

0,483�

��5(�1,�2)

2 _{= 0,646}

Koefisien residunya sendiri adalah:

��5�1 = �1− ��5(�1,�2)

2

��5�1 = �1−0,646

��5�1 = 0,595

Maka, persamaan substruktural 1 yang baru adalah

�5 = ��5�1�1+��5�2�2+ +��5�1�1

�5 = 0,609�1+ 0,444�2+ 0,595�1

4. Menghitung Persamaan Substruktural 2 1. Model Diagram Jalur

2. Persamaan Substruktur

�1 =��1�2�2+��1�3�3+��1�4�4+��1�2�2

3. Perhitungan koefisien jalur

� =

⎝ ⎜ ⎛

1 �_�1�2

��2�1 1

�_��1�3 ��1�4 �2�3 ��2�4 ��3�1 ��3�2

��4�1 ��4�2

_�1 ��3�4

�4�3 1 ⎠

⎟ ⎞ � = � 1 0,422 0,422 1 0,251 0,215 0,494 0,357 0,251 0,494 0,215 0,357 1 0,062 0,062 1 �

Dengan bantuan software, maka diperoleh invers matrik korelasinya sebagai berikut:

�−1_{= �}

1,229 −0,441

−0,441 1,699

−0,084 −0,102

−0,700 −0,468

−0,084 −0,700

−0,102 −0,468

1,355 0,184

0,184 1,178

�

Kemudian dapat dihitung koefisien jalurnya dengan menggunakan bantuan software

� ��1�2 ��1�3 ��1�4

�=�

0,249 0,478 0,313

�

Setelah memperoleh nilai koefisien jalurnya maka, kemudian kita mencari nilai R square.

�_�1(�2,�3,�4)

2 _=��

�1�2 ��1�3 ��1�4 � �

��1�2 ��1�3 ��1�4 �

�_�1(�2,�3,�4)

2 _{= (0,249 0,478 0,313 )�}

0,422 0,251 0,215 � �_�1(�2,�3,�4)

2 _{= 0,578}

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:

��1�2 = �1− ��1(�2,�3,�4)

2

��1�2 = �1−0,578

��1�2 = 0,650

Sehingga dari seluruhnya didapatlah persamaan substruktural 1 sebagai berikut:

�1 =��₁�₂�2+��₁�₃�3+��₁�₄�4+��₁�₂�2

�1 = 0,249�2+ 0,478�3+ 0,313�4 + 0,650�2

6. Pengujian Hipotesis Secara Simultan

Menguji hipotesis secara bersama-sama variabel produksi beras, kebutuhan beras dan luas lahan serta jumlah penduduk.

�0: �_�1(�2,�3,�4)

2 _{= 0, artinya tidak terdapat pengaruh kebutuhan beras, luas lahan}

�1: �_�1(�2,�3,�4)

2 _{≠ 0, artinya terdapat pengaruh kebutuhan beras, luas lahan dan} jumlah penduduk terhadap produksi beras

Untuk menguji hipotesis, dilakukan dengan uji F.

� =(� − � −1)(��1(�2,�3,�4)

2 ₎

�(1− �_�

1(�2,�3,�4)

2 ₎

� =(24−3−1)(0,578)

3(1−0,578)

� =(20)(0,578)

3(0,422)

� = 9,13

Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan dari hasil yang diperoleh diketahui bahwa Fhitung≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan variabel terhadap produksi beras. 7. Pengujian Hipotesis secara individual

• Pengujian koefisien jalur hubungan Produksi beras dan kebutuhan beras

�0: ��1�2 = 0, artinya tidak terdapat pengaruh antara kebutuhan beras

terhadap produksi beras

�1: ��1�2 ≠ 0, artinya terdapat pengaruh antara kebutuhan beras terhadap

produksi beras

Pengujian terhadap hipotesis dilakukan dengan rumus:

� = �����

��1− ��2�(�1�2…��)����

� − � −1

� = ��5�1

��1− ��1(�2�3�4)

2 _��

11

� = 0,650

�(1−₂₄0,578)1,452₋₃₋₁

� = 0,650

�0,6127₂₀

� =0,650

0,175

� = 3,71

Begitu seterusnya untuk menghitung secara manual dalam hal melihat pengaruh variabel secara individu.

Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih

besar dari t tabel. Dengan tingkat α = 5% untuk t tabel sendiri yaitu �_{����� �}0,05

2 ,�−�−1�

= �_{����� �}0,025

2 ,24−3−1�

= 2,085. Jika dilihat maka nilai

thitung lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari kebutuhan beras terhadap produksi beras.

• Pengujian koefisien jalur hubungan luas lahan dan produksi beras

�0: ��1�3 = 0, artinya tidak terdapat pengaruh antara luas lahan dan

produksi beras

�1: ��₁�₃ ≠ 0, artinya terdapat pengaruh antara luas lahan dan produksi beras

Dengan menggunakan bantuan software pada tabel Coeffiients , pada kolom sig dan t dilihat sebagai uji koefisien jalur secara individu. Terlihat pada p-value = 0,008 yang lebih keil dari 0,05 atau pada kolom t = 3,055 yang lebih besar dari t tabel sebesar 2,085. Jika dilihat maka nilai thitung lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari luas lahan terhadap produksi beras.

• Pengujian koefisien jalur hubungan jumlah penduduk dan ketersediaan beras

�0: ��₁�₄ = 0, artinya tidak terdapat pengaruh antara jumlah penduduk terhadap produksi beras

�1: ��₁�₄ ≠ 0, artinya terdapat pengaruh antara jumlah penduduk terhadap produksi beras

Dengan menggunakan bantuan software pada tabel Coeffiients , pada kolom sig dan t dilihat sebagai uji koefisien jalur secara individu. Terlihat pada p-value = 0,007 yang lebih besar dari 0,05 atau pada kolom t = 3,097 yang lebih kecil dari t tabel sebesar 2,085. Jika dilihat maka nilai thitung lebih kecil daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari jumlah penduduk terhadap produksi beras.

Dari hasil yang telah diperoleh berdasarkan hasil uji signifikannya, seluruhnya signifikan didalam diagram jalurnya. Oleh sebab itu tidak perlu dilakukan trimming.

5. Menghitung Persamaan Substruktural 3 1. Model Diagram Jalur

2. Persamaan Substruktur

�2 = ��2�4�4+��2�3�3

3. Perhitungan koefisien jalur

� = (1)

Invers matriknya sendiri adalah

�−1_{= (1)}

Perhitungan koefisien jalurnya adalah sebagai berikut:

���2�4�= (1)���2�4�

���2�4�= (0,348)

Untuk nilai R square nya sendiri adalah

�_�2(�4)

2 _=��

�2�4����2�4� ��2(�4)

�_�2(�4)

2 _{= 0,121}

Koefisien residunya sendiri adalah:

��2�3 = �1− ��2(�4)

2

��2�3 = �1−0,121

��2�3 = 0,937

Maka, persamaan substruktural 3 adalah

�2 = ��₂�₄�4+��₂�₃�3

�2 = 0,348�4+ 0,937�3

6. Menghitung Persamaan Substruktural 4 1. Model Diagram Jalur

Gambar 3.6 Diagram Jalur Substruktural 4

2. Persamaan Substruktur

�3 = ��3�4�4+��3�4

� = (1)

Invers matriknya sendiri adalah

�−1_{= (1)}

Perhitungan koefisien jalurnya adalah sebagai berikut:

���3�4�= (1)���3�4�

���3�4�= (0,467)

Untuk nilai R square nya sendiri adalah

��3(�4)

2 _=��

�3�4����3�4� ��3(�4)

2 _{= (0,467)(0,467)}

��3(�4)

2 _{= 0,2181}

Koefisien residunya sendiri adalah:

��3�4 = �1− ��3(�4)

2

��3�4 = �1−0,2181

��2�3 = 0,7819

Maka, persamaan substruktural 4 adalah

�3 = ��3�4�4+��3�4�4

�3 = 0,467�4+ 0,7819�3

Berdasarkan hasil dari koefisien jalur pada substrukur 1 sampai substruktur 4, maka dapat digambarkan secara keseluruhan sebagai berikut:

Gambar 3.10. Diagram Jalur Hasil Trimming

3.2. Besar Pengaruh Langsung dan Tidak Langsung

Besarnya masing-masing pengaruh baik secara langsung maupun tidak langsung dapat dilihat dibawah ini.

1. Pengaruh langsung produksi beras (X1) terhadap ketersediaan beras (X5)

��5�1 ×��5�1 = 0,609 × 0,609 = 0,3708 (37,08%)

Artinya pengaruh langsung produksi beras terhadap ketersediaan beras adalah sebesar 37,08%.

2. Pengaruh langsung kebutuhan beras (X2) terhadap ketersediaan beras (X5)

��5�2×��5�2 = 0,444 × 0,444 = 0,1971 (19,71%)

Artinya pengaruh langsung kebutuhan beras terhadap ketersediaan beras adalah sebesar 19,71%.

3. Pengaruh langsung kebutuhan beras (X2) terhadap produksi beras(X1)

��1�2×��1�2 = 0,249 × 0,249 = 0,062 (6,2%)

Artinya pengaruh langsung luas lahan terhadap ketersediaan beras adalah sebesar 6,2%.

4. Pengaruh langsung luas lahan (X3) terhadap produksi beras (X1)

��1�3×��1�3 = 0,478 × 0,478 = 0,2284 (22,84%)

Artinya pengaruh langsung kebutuhan beras terhadap produksi beras adalah sebesar 22,84%.

5. Pengaruh langsung jumlah penduduk (X4) terhadap produkai beras (X1)

��1�4×��1�4 = 0,313 × 0,313 = 0,0979 (7,8%)

Artinya pengaruh langsung jumlah penduduk terhadap produksi beras adalah sebesar 7,8%.

6. Pengaruh langsung jumlah penduduk(X4) terhadap kebutuhan beras (X2)

��2�4 ×��2�4 = 0,348 × 0,348 = 0,1211 (12,11%)

Artinya pengaruh langsung jumlah penduduk terhadap kebutuhan beras adalah sebesar 12,11%.

7. Pengaruh langsung jumlah penduduk (X4) terhadap luas lahan(X3)

��3�4 ×��3�4 = 0,467 × 0,467 = 0,218 (21,8%)

Artinya pengaruh langsung jumlah penduduk terhadap luas lahan adalah sebesar 21,8%.

8. Pengaruh tidak langsung jumlah penduduk (X4) terhadap ketersediaan beras (X5) melalui produksi beras (X1).

��1�4 ×��5�1 = 0,313 × 0,609 = 0,1906 (19,06%)

Artinya pengaruh tidak langsung jumlah penduduk terhadap ketersediaan beras melalui produksi beras adalah sebesar 19,06%.

9. Pengaruh tidak jumlah penduduk (X4) terhadap ketersediaan beras (X5) melalui kebutuhan beras (X2).

��2�4×��5�2 = 0,348 × 0,444 = 0,1545 (15,45%)

Artinya pengaruh tidak langsung jumlah penduduk terhadap ketersediaan beras melalui kebutuhan beras adalah sebesar 15,45%.

BAB 4

KESIMPULAN DAN SARAN

4.1. Kesimpulan

Dari hasil yang telah diperoleh maka dapat disimpulkan bahwa:

1. Terdapat pengaruh yang signifikan dari variabel produksi beras, kebutuhan beras terhadap ketersediaan beras. Begitu juga terdapat pengaruh yang signifikan dari variabel kebutuhan beras, luas lahan dan jumlah penduduk terhadap produksi beras.

2. Didapat pengaruh langsung dan tidak langsung yaitu:

• Pengaruh langsung produksi beras (X1) terhadap ketersediaan beras (X5)

��5�1 ×��5�1 = 0,609 × 0,609 = 0,3708 (37,08%)

• Pengaruh langsung kebutuhan beras (X2) terhadap ketersediaan beras (X5)

��5�2×��5�2 = 0,609 × 0,609 = 0,3708 (37,08%)

• Pengaruh langsung kebutuhan beras (X2) terhadap produksi beras(X1)

��1�2 ×��1�2 = 0,249 × 0,249 = 0,062 (6,2%)

• Pengaruh langsung luas lahan (X2) terhadap produksi beras (X1)

��1�3×��1�3 = 0,478 × 0,478 = 0,2284 (22,84%)

• Pengaruh langsungjumlah penduduk (X4) terhadap produkai beras (X1)

��1�4×��1�4 = 0,313 × 0,313 = 0,0979 (7,8%)

• Pengaruh langsung jumlah penduduk(X4) terhadap kebutuhan beras (X2)

��2�4×��2�4 = 0,348 × 0,348 = 0,1211 (12,11%)

• Pengaruh langsung jumlah penduduk (X4) terhadap luas lahan(X3)

��3�4×��3�4 = 0,467 × 0,467 = 0,218 (21,8%)

• Pengaruh tidak langsung jumlah penduduk (X4) terhadap ketersediaan beras (X5) melalui produksi beras (X1).

• Pengaruh tidak jumlah penduduk (X4) terhadap ketersediaan beras (X5) melalui kebutuhan beras (X2).

��2�4×��5�2 = 0,348 × 0,444 = 0,1545 (15,45%)

4.2. Saran

1. Untuk penelitian selanjutnya disarankan agar menambah variabel yang mempengaruhi ketersediaan beras yang tidak terkandung dalam penelitian ini untuk hasil yang maksimal. Memperluas wilayah dan menambah jumlah sampel agar bisa dijadikan bahan perbandingan dalam pengambilan keputusan 2. Sebagai pihak pemerintahan hendaknya lebih meningkatkan produksi beras

dan memperluas luas lahan agar dapat meningkatkan produksi beras dan ketersediaan beras.

BAB 2

TINJAUAN PUSTAKA

2.1Gambaran Umum Badan Ketahanan Pangan Provinsi Sumatera Utara Badan Ketahanan Pangan Provinsi Sumatera Utara adalah lembaga pemerintah yang didirikan pada tanggal 16 Mei 2000 di Jalan Jenderal Besar Abdul haris Nasution No 24 Medan.

Kantor badan Ketahanan Pangan Provinsi Sumatera Utara Medan berlandaskan pada visi dan misi berikut:

1. Visi Kantor Badan Ketahanan Pangan Provinsi 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 Privinsi Sumatera Utara

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

b. Meningkatkan sumber daya manusia (SDM) dan kesejahteraan masyarakat.

2.1.1 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Provinsi Sumatera Utara

Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Provinsi Suamtera Utara 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 ketahanan 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 keanekaragaman konsumsi non beras, bermutu atau bergizi dan aman.

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

a. Monitoring pelaksanaan kegiatan tani

c. Monitoring harga bahan pangan statergis dan lokal

d. Monitoring pengadaan/ penyajian/ penyaluran cadangan pangan e. Monitoring daerah rawan pangan

f. Monitoring kewaspadaan pangan (bencana alam dan gangguan OPT)

g. Monitoring penganekaragaman 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 dan keamanan pangan).

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

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

2.1.2 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:

a. Menjaga ketersediaan pangan melalui upaya – upaya peningkatan produksi dan produktivitas bahan nabati dan

hewani sesuai potensi wilayah masing – masing yang diwujudkan melalui 4 (empat) usaha pokok yaitu intensivikasi, ekstensivikasi, diversivikasi, dan rehabilitasi dengan 8(delapan) langkah kegiatan utama, yaitu:

1. Pemberdayaan kelompok tani dan kelembagaan kelompok petani (KUD, Koptan dan lain – lain)

2. Pemantapan penyediaan dan penyaluran sarana produksi (benih, pupuk, obat – obatan dan lain – lain)

3. Penyediaan dan penyalura kredit modal 4. Peningkatan mutu teknologi

5. Peningkatan kinerja penyuluh

6. Mengembangkan kemitraan dalam pemasaran hasil 7. Peningkatan mutu koordinasi

8. Peningkatan dan pengembangan jaringan irigasi.

b. Perlunya menata ulang kembali mekanisme/ tata cara pengadaan dan penyaluran pupuk yang sudah ada secara terkoordinasi dengan pemerintah daerah sehingga pupuk betul – betul tersedia ditengah – tengah petani yang memenuhi prinsip enam tepat. c. 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 provinsi maupun eksport.

d. Mendukung kebijakan pemerintah untuk tetap melaksanakan larangan import beras tahun 2005 dan tahun 2006, menginat cadangan dan produksi cukup tinggi.

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

2. Kebijakan dalam aspek distribusi:

a. Mengembangkan kerja sama jaringan distribusi dan informasi pangan dalam daerah dan antar daerah untuk mewujudkan ketersediaan dan stabilitas harga.

b. Peningkatan efisiensi kelancaran distribusi bahan pangan melalui informasi berbagai peraturaan yang menghambat lalu lintas perdagangan, pengembangan sasaran dan prasarana distribusi serta pelayanan teknologi pasca panen.

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

d. Penguatan pasar yang bukan saja antar provinsi tetapi juga eksport serta pengembangan kemitraan pemasaran hasil.

a. Melakukan upaya –upaya diverifikasi 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).

b. Penurunan konsumsi beras sebagai bahan pangan pokok masyarakat.

c. Peningkatan penganekaragaman konsumsi pangan yang seimbang baik jenis nabati, atau hewani maupun mutu dan gizi. d. Peningkatan konsumsi bahan pangan lokal sebagai basis pada

non beras.

4. Kebijakan dalam aspek kewaspadaan dan keamanan pangan:

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

b. Peningkatan kemampuan fungsi Sistem Kewaspadaan Pangan dan Gizi (SKPG).

c. 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.

d. Peningkatan pengembangan keamanan mutu dan gizi pangan.

5. Kebijakan dalam upaya pengentasan kemiskinan:

a. Mengurangi jumlah penduduk yang kelaparan sekurang – kurangnya 1% per tahun sebagai komitmen Indonesia dalam deklarasi Roma Tahun 1996 pada KKT Pangan Dunia melaluo Pembangunan Ketahanan Pangan di pedesaan dan perkotaan. b. 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.

2.2Konsep Dasar Statistika

Statistika merupakan cara – cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa, dan memberi informasi serta interpretasi terhadap sekumpulan data. Sehingga

kumpulan bahan keterangan yang dikumpulkan dapat memberi pengertian dan makna tertentu. Seperti pengambilan kesimpulan membuat estimasi dan juga prediksi yang akan datang.

Ruang lingkup statistika meliputi statistika deduktif atau deskriptif dan statistika induktif atau inferensial. Statistika induktif terdiri dari menghimpun, menyusun, mengolah, menyajikan dan menganalisa data angka. Sedangkan statistika deduktif adalah meliputi teori probability, distribusi teoritis, distribusi sampling, penaksiran, pengujian hipotesa, korelasi, komparasi, dan regresi. Sumber data statistik dapat dikumpulkan langsung oleh peneliti dari pihak yang bersangkutan, disebut dengan data primer. Dan data juga dapat juga diperoleh dari pihak lain atau data yang sudah ada disebut data sekunder. 2.3Analisis Jalur

Analisis jalur yang dikenal dengan path analysis dikembangkan pertama pada tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright (Joreskog dan Sorbom, 1996; Johnson dan Wichern, 1992). Teknik analisis jalur sebenarnya merupakan perkembangan korelasi yang diuraikan menjadi beberapa interpretasi akibat yang ditimbulkannya. Lebih lanjut, analisis jalur mempunyai kedekatan dengan regresi berganda. Dengan kata lain, regresi berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga dikenal sebagai model sebab akibat (causing modeling). Penanaman ini didasarkan pada alas an bahwa analisis jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab akibat tanpa memanipulasi variabel-variabel (Sarwono, 2007).

Analisis jalur adalah suatu teknik untuk menganalisa hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruh variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D. Rutherford 1993).

2.3Pengertian Analisis Jalur

Telaah statistika menyatakan bahwa untuk tujuan peramalan atau pendugaan nilai Y atas dasar nilai-nilai X1, X2, ….., Xi, pola hubungan yang sesuai adalah pola hubungan yang mengikuti model regresi, sedangkan untuk menganalisis pola hubungan kausal antar variabel dengan tujuan untuk mengetahui pengaruh langsung dan tidak langsung, secara serempak atau mandiri beberapa variabel penyebab terhadap sebuah variabel akibat, maka pola yang tepat adalah model analisis jalur. Analisis jalur (path analysis) dikembangkan oleh Sewall Wright (1934). Path analysis digunakan apabila secara teori kita yakin berhadapan dengan masalah yang berhubungan sebab akibat. Tujuannya adalah menerangkan akibat langsung dan tidak langsung seperangkat variabel, sebagai variabel penyebab, terhadap variabel lainnya yang merupakan variabel akibat.

Terdapat beberapa defenisi mengenai analisis jalur, diantaranya adalah sebagai berikut:

1. Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi

variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D. Rutherford 1993).

2. Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangkat variabel (Paul Webley, 1997).

3. Model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung (pemberi respon) sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan juga dilakukan perhitungan uji keselarasan statistik (David Garson, 2003).

Dari defenisi-defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari analisis regresi berganda. Jadi, model path analysis digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Oleh sebab itu, rumusan masalah penelitian dalam kerangka path analysis berkisar pada:

a. Apakah variabel eksogen (X1, X2, ….., Xk) berpengaruh terhadap variabel endogen Y

b. Berapa besar pengaruh kausal langsung, kausal tidak langsung, kausal total maupun simultan seperangkat variabel eksogen (X1, X2, ….., Xk) terhadap variabel endogen

2.4Kegunaan Analisis Jalur

Kegunaan model path analysis adalah untuk:

a. Penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti. b. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan

prediksi dengan path analysis ini bersifat kualitatif.

c. Faktor determinan yaitu penentuan variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel bebas (X) terhadap variabel terikat (Y).

d. Pengujian model, menggunakan teori trimming, baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.

2.5Asumsi-asumsi Analisis Jalur

Sebelum melakukan analisis, hendaknya diperhatikan beberapa asumsi sebagai berikut:

1. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier, adaptif dan bersifat normal.

2. Hanya system aliran kausal kesatu arah artinya tidak ada arah kausalitas yang berbalik.

3. Variabel terikat (endogen) minimal dalam skala ukur interval dan rasio. 4. Menggunakan sampel probability sampling yaitu teknik pengambilan

sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.

5. Observed variables diukur tanpa kesalahan instrument pengukuran valid dan reliable artinya variabel yang diteliti dapat diobservasi secara langsung.

6. Model yang dianalisis dispesifikasikan dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori-teori yang dikaji atau diuji dibangun berdasarkan teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

2.6Model Analisis Jalur

Beberapa istilah dan defenisi dalam path analysis:

1. Dalam path Analysis, kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk membedakan X yang satu dengan X yang lainnya, kita menggunakan subscript (indeks). Contoh : X1, X2, X3, ….., Xk.

2. Kita membedakan dua jenis variabel, yaitu variabel yang menjadi pengaruh (exogenous variable), dan variabel yang dipengaruhi (endogenous variable).

3. Lambang hubungan langsung dari eksogen ke endogen adalah panah bermata satu, yang bersifat recursive atau arah hubungan yang tidak berbalik/satu arah.

4. Diagram jalur merupakan diagram atau gambar yang mensyaratkan hubungan terstruktur antar variabel (Harun Al Rasyid, 2005).

Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan yang lebih rumit, diantaranya diterangkan di bawah ini:

a. Analisa Jalur Model Trimming

Model Trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalur diuji secara keseluruhan apabila ternyata ada variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel yang tidak signifikan, perlu memperbaiki model struktur analisis jalur yang telah dihipotesiskan.

b. Analisis Jalur Model Dekomposisi

Model dekomposisi adalah model yang menekankan pada pengaruh yang bersifat kausalitas antar variabel, baik pengaruh langsung ataupun tidak langsung dalam kerangka path analysis, sedangkan hubungan yang sifatnya nonkausalitas atau hubungan korelasional yang terjadi antar variabel eksogen tidak termasuk dalam perhitungan ini. Perhitungan menggunakan analisis jalur dengan menggunakan model dekomposisi pengaruh kausal antar variabel dapat dibedakan menjadi tiga:

1. Direct causal effects (Pengaruh Kausal Langsung) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui variabel endogen lain.

2. Indirect causal effects (Pengaruh Kausal Tidak Langsung) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi melalui variabel endogen lain terdapat dalam satu model kausalitas yang sedang dianalisis.

3. Total causal effects (Pengaruh Kausal Total) adalah jumlah dari pengaruh kausal langsung dan pengaruh kausal tidak langsung.

c. Model Regresi Berganda

Model ini merupakan pengembangan regresi berganda dengan menggunakan dua variabel eksogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y.

d. Model Mediasi

Model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut:

Gambar 2.1 Model Mediasi

e. Model Kombinasi Regresi Berganda Dan Mediasi

Model ini merupakan kombinasi antara model regresi berganda dan mediasi, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan tidak langsung mempengaruhi variabel Z melalui variabel Y . Model digambarkan sebagai berikut:

Gambar 2.2 Model kombinasi regresi berganda dan mediasi

f. Model Kompleks

Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1. Model digambarkan sebagai berikut:

Gambar 2.3 Model Kompleks

g. Model Rekursif dan Model Non Rekursif

Dari sisi pandang arah sebab dan akibat, ada dua tipe model jalur, yaitu jalur rekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah.

Pada bagian berikut untuk mempermudah kita dalam memahami analisis jalur, maka kita bisa menggunakan model-model jalur berikut:

1. Model Persamaan Satu Jalur

Model persamaan satu jalur merupakan hubungan sebenarnya sama dengan regresi berganda, yaitu variabel bebas terdiri lebih dari satu variabel dan variabel tergantungnya hanya satu.

2. Model Persamaan Dua Jalur

Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel tergantung.

Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi variabel perantara dan mempunyai dua variabel tergantung.

2.7Diagram Jalur dan Persamaan Struktural

Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyebab dengan variabel akibat. Diagram ini disebut diagram jalur (Path Diagram), dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu.

Gambar 2.4 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X1 Sebagai Penyebab Ke X2 Sebagai Akibat

Keterangan:

X1 adalah variabel eksogenus (exogenous variable), untuk itu selanjutnya variabel penyebab akan kita sebut sebagai variabel eksogenus. X2 adalah variabel endogenus (endogenous variable), sebagai akibat, dan ε adalah variabel residu

(residual variable), yang merupakan gabungan dari: (1) Variabel lain, di luar X1, yang mungkin mempengaruhi X2 dan telah teridentifikasi oleh teori, tetapi tidak dimasukkan dalam model. (2) Variabel lain, di luar X1, yang mungkin mempengaruhi X2 tetapi belum teridentifikasi oleh teori. (3) Kekeliruan pengukuran (error of measurement), dan (4) Komponen yang sifatnya tidak menentu (random component).

Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah: 1. Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi

hipotetikyang diajukan, lengkap dengan persamaan strukturalnya. Di sini kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan ke dalam diagram jalur, sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya.

2. Menghitung matriks korelasi antar variabel formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan Product Moment Coeffisient dari Karl Pearson. Alasan penggunaan teknik koefisien korelasi dari Karl Pearson adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval.

3. Identifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Misalkan saja dalam sub-struktur yang telah kita identifikasi terdapat k buah variabel eksogenus, dan sebuah (selalu hanya sebuah) variabel endogenus Xu yang dinyatakan oleh persamaan:

�� = ����1�1+ ����2�2+ … + �������

Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun substruktur tersebut.

4. Menghitung matriks invers korelasi eksogenus

5. Menghitung semua koefisien jalur �_����, dimana i = 1, 2, …, k

2.8Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen

Pengaruh yang diterima oleh sebuah variabel endogenus dari dua atau lebih variabel eksogenus, dapat secara sendiri-sendiri maupun secara bersama-sama. Pengaruh secara sendiri-sendiri (parsial), bisa berupa pengaruh langsung, bisa juga berupa pengaruh tidak langsung, yaitu melalui variabel eksogen yang lainnya. Menghitung besarnya pengaruh langsung, pengaruh tidak langsung serta pengaruh total variabel eksogenus terhadap variabel endogenus secara parsial, dapat dilakukan dengan rumus:

1. Besarnya pengaruh langsung variabel eksogenus terhadap variabel endogenus

= �_������_����

2. Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus

3. Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tidak langsung

=��_������_�����+ ��_������_������_�����

Selanjutnya pengaruh bersama-sama (simultan) variabel eksogenus terhadap variabel endogenus dapat dihitung dengan menggunakan rumus:

��_�

�(_��,�_�,…,�_�) = ��_�����_����…�_����� � ����� �����

…

����� �

Dimana: �2_�

�(�₁,�2,…,��)adalah koefisien determinasi total X1, X2, … Xk terhadap Xu atau

besarnya pengaruh variabel eksogenus secara bersama-sama (gabungan) terhadap variabel endogenus.

����1����2…�����adalah koefisien jalur.

����1����2…�����adalah koefisien variabel eksogenus X1, X2, ... Xk

denganvariabel endogenus Xu.

Menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung, baik secara sendiri-sendiri maupun secara bersama-sama, serta menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus, dapat dilakukan dengan langkah kerja berikut: 3. Nyatakan hipotesis statistik (hipotesis operasional) yang akan diuji.

Ho :�_���� = 0, artinya tidak terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (Xi).

H1 :�_���� ≠ 0, artinya terdapat pengaruh variabel eksogenus (Xu) terhadapvariabel endogenus (Xi).

Dimana u dan i = 1, 2, …, k

4. Gunakan statistik uji yang tepat, yaitu: Untuk menguji setiap koefisien jalur:

�= �����

��� − ����(�_�,�_�,…,�_�)���� � − � − �

dimana: i = 1, 2, …, k

k = Banyaknya variabel eksogenus dalam sub-struktur yang sedang diuji t = Mengikuti tabel distribusi t, dengan derajat bebas = n – k – 1

Kriteria pengujian:

• Untuk menguji koefisien jalur secara keseluruhan atau bersama-sama:

�= (� − � − �) (� �_�

�(�_�,�_�,…,�_�)) ��� − ��_��(�

�,�_�,…,�_�)�

dimana:

i = 1, 2, …, k

k = Banyaknya variabel eksogenus dalam sub-struktur yang sedang diuji

t = Mengikuti tabel distribusi F snedecor, dengan derajat bebas (degrees of freedom) k dan n – k – 1

Kriteria pengujian :

Ditolak Ho jika nilai hitung F lebih besar dari nilai tabel Fhit>Ftabel(k, n-k-1)

• Untuk menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus.

�= ����� − �����

��� − ����(_��,�_�,…,�_�)�(�_��+ �_��−�_�� � − � − �

Kriteria pengujian:

Ditolak Ho jika nilai hitung t lebih besar dari nilai tabel thit>ttabel(n-k-1) 5. Ambil kesimpulan, apakah perlu trimming atau tidak.

Apabila terjadi trimming,maka perhitungan harus diulang dengan menghilangkan jalur yang menurutpengujian tidak bermakna (no signifikan).

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Seperti diketahui bersama, perwujudan ketahanan pangan merupakan tanggung jawab pemerintah bersama masyarakat, seperti tertuang dalam Undang – Undang No 7 Tahun 1996 tentang pangan. Dalam hal ini pemerintah menyelenggarakan pengaturan, pembinaan, pengendalian, dan pengawasan terhadap ketersediaan pangan yang cukup, baik jumlah dan mutunya, aman, bergizi, beragam, merata dan terjangkau oleh daya beli masyarakat. Sedangkan masyarakat berperan dalam menyelenggarakan produksi dan penyediaan, perdagangan dan distribusi serta sebagai konsumen yang berhak memperoleh pangan yang aman dan bergizi. Dengan demikian sistem ketahanan pangan yang terdiri dari sub sistem ketersediaan, distribusi dan kewaspadaan pangan yang akan mencakup seluruh komponen bangsa.

Ketersediaan pangan merupakan salah satu sub sistem utama dalam sistem ketahanan pangan, yang menjelaskan tentang jumlah bahan pangan yang tersedia di suatu wilayah. Ketersediaan pangan dapat diwujudkan melalui produksi dalam negeri ataupun daerah. Pemasukan dari luar negeri atau luar daerah dan cadangan yang dimiliki daerah yang bersangkutan.

Ketahanan pangan masyarakat bergantung pada ketersediaan pangan yang cukup dan berkelanjutan sepanjang waktu, oleh sebab itu situasi ketersediaan pangan perlu diketahui secara periodik. Untuk itu perlu dilakukan pemantauan ketersediaan pangan, kebutuhan dan cadangan bahan pangan. Tujuan dari pemantauan ketersedian, kebutuhan dan cadangan pangan adalah untuk memantau ketersediaan dibandingkan

tingkat kebutuhan akan pangan masyarakat. Sehingga informasi ini dapat menjadi acuan bagi institusi yang bersangkutan dalam usaha perumusan kebijakan dan memecahkan masalah ketersediaan pangan.

Berdasarkan uraian diatas, maka penulis mengusul judul “FAKTOR – FAKTOR PENGARUH KETERSEDIAAN BERAS KABUPATEN SERDANG BEDAGAI MENGGUNAKAN ANALISIS JALUR”.

1.2 Perumusan Masalah

Sesuai dengan judul permasalahan ini, yang menjadi masalah adalah bagaimana mengetahui hubungan ketersediaan beras dengan faktor – faktor yang mempengaruhinya. Untuk hal tersebut diatas, salah satu cara yang dapat dilaksanakan adalah dengan menggunakan analisa jalur. Serta mengidentifikasi variabel – variabel yang mendukung dalam penelitian ini adalah Ketersediaan Beras (Y) , Produksi Beras (X1), Kebutuhan Beras (X2) dan Luas Lahan (X3).

1.3 Tujuan Penelitian

Adapun tujuan penulis melakukan penelitian ini adalah untuk mengetahui perkembangan ketersediaan beras di Kabupaten Serdang Bedagai selama rentang waktu antara 2014 sampai 2015. Dan juga penulis ingin mengetahui apakah ada dampak yang signifikan terdapat pada faktor – faktor yang mempengaruhi ketersediaan beras tersebut.

1.4 Manfaat Penelitian

1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang didapat selama didunia perkuliahan, dengan menyatukan materi dan objek permasalahan yang dijadikan sebagai materi pembahasan.

2. Memberi sumbangan pemikiran pada pihak Badan Ketahanan Pangan Sumatera Utara khususnya Kabupaten Serdang Bedagai yang berkepentingan dalam ketersediaan beras.

3. Hasil penelitian inidiharapkan dapat bermanfaat sebagai masukan dan referensi bagi pihak yang berkepentingan.

4. Melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana.

1.5 Metode Penelitian

Metode penelitian yang digunakan penulis dalam melaksanakan penelitian ini adalah:

1. Studi Kepustakaan

yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan dengan cara membaca buku-buku referensi dan bahan – bahan yang bersifat teoritis yang mendukung penulisan tugas akhir.

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan riset ini telah dilakukan oleh penulis dengan menggunakan data sekunder yang diperoleh dari instasi yang ada di Badan Ketahanan Pangan Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan kemudian disajikan dalam bentuk angka – angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang gambaran data tersebut.

Data penelitian dianalisis adalah menggunakan analisis jalur. Analisis jalur adalah suatu teknik untuk menganalisa hubungan sebab – akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung atau juga dapat dikatakan bahwa analisis jalur merupakan kepanjangan dari analisis regresi berganda.

Dalam menganalisis data ini, penulis menggunakan model persamaan satu jalur. Pada model persamaan satu jalur ini, hubungan pertamanya sama dengan regresi berganda, yaitu variabel bebas yang terdiri dari lebih dari satu variabel bebas dan variabel tergantungnya satu atau lebih dari satu variabel.

Model diagram jalur berdasarkan paradigma hubungan variabel:

Diagram jalur tersebut terdiri atas persamaan struktural yaitu X1, X2, X3,.., Xk disebut

sebagai variabel eksogen dan Y sebagai variabel endogen. Adapun rumus persamaan jalurnya dapat dituliskan sebagai berikut:

�= �_��

���+������+������+⋯+������

Dimana koefisien jalur dari variabel – variabel tersebut akan dicari nilai dan pengaruhnya masing – masing terhadap variabel terikat dengan menggunakan aplikasi AMOS dan SPSS

FAKTOR – FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN SERDANG BEDAGAI

DENGAN MENGGUNAKAN METODE ANALISIS JALUR

ABSTRAK

Beras merupakan salah satu bahan pokok masyarakat di Indonesia yang memberikan energi dan zat gizi yang tinggi. Beras sebagai komoditas pangan pokok konsumsi oleh sebagian besar masyarakat. Bahkan preferensi masyarakat terhadap beras semakin besar dari tahun ke tahun. Provinsi Sumatera Utara merupakan daerah yang memiliki potensi pertanian ukup besar dan sebagai lumbung pangan di wilayah Sumatera Bagian Barat. Dalam hal produksi beras, Serdang Bedagai masih memegang peranan penting dalam ketersediaan beras di provinsi Sumatera Utara.

Penelitian ini mencoba untuk menguji bberapa faktor yang diduga memiliki pengaruh terhadap ketersediaan beras, yaitu produksi beras, kebutuhan beras, luas lahan dan jumlah penduduk. Penelitian ini dilakukan di Badan Ketahanan Pangan Sumatera Utara. Teknik analisis data dalam penelitian ini adalah analisis jalur. Penelitian menemukan bahwa seluruh hipotesis dalam penelitian ini telah terbukti dan signifikan.

Kata Kunci: Ketersediaan Beras, Produksi Beras, Kebutuhan Beras, Luas Lahan, Jumlah Penduduk dan Analisis Jalur.

FACTORS AFFECTING AVAILABILITY OF RICE IN SERDANG BEDAGAI USING PATH ANALYSIS

ABSTRACT

Rice is a staple in Indonesian society that provides energy and nutrients are high. Rice as a staple food commodity consumption by most people. Even the people's preference to rice getting bigger from year to year. North Sumatra Province is an area that has great agricultural potential scent and as barns in the region of West Sumatra. In terms of rice production, Serdang Bedagai still plays an important role in the availability of rice in the province of North Sumatra.

This study attempts to examine beberapa factor expected to have an influence on the availability of rice, which is rice production, demand for rice, the land area and population. This research was conducted at the Food Security Agency of North Sumatra. Data analysis techniques in this research is path analysis. The study found that all of this hypothesis has been proven and significant.

Keywords: Availability Rice, Rice Production, Rice Needs, Land, Population and Path Analysis.

FAKTOR – FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN SERDANG BEDAGAI

DENGAN MENGGUNAKAN METODE ANALISIS JALUR

SKRIPSI

AISYAH HERIANTI LUBIS 140823021

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UATARA

MEDAN 2016

FAKTOR – FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN SERDANG BEDAGAI

DENGAN MENGGUNAKAN METODE ANALISIS JALUR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

SKRIPSI

AISYAH HERIANTI LUBIS 1408230021

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UATARA

MEDAN 2016

PERSETUJUAN

Judul : Faktor – Faktor Ketersediaan Beras di Kabupaten Serdang Bedagai Dengan Menggunakan Analisis Jalur

Kategori : Skripsi

Nama : Aisyah Herianti Lubis

NomorIndukMahasisswa : 140823021

Program Studi : Sarjana (S1) Matematika

Departemen : Matematika

Fakultas : Matematika dan Ilmu Pengetahuan Alam

Disetujui di Medan, Juli 2016

Komisi Pembimbing

Pembimbing 2 Pembimbing 1

Drs. Henry Rani Sitepu, M.Si Drs. Pangarapen Bangun, M.Si

NIP.19530303 198303 1 002 NIP. 19560815 198503 1 005

Disetujui oleh

Departemen Matematika FMIPA USU

Prof. Dr. Tulus, M.Si

PERNYATAAN

FAKTOR – FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN SERDANG BEDAGAI

DENGAN MENGGUNAKAN METODE ANALISIS JALUR

SKRIPSI

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

Medan, Juli 2016

AISYAH HERIANTI LUBIS 140823021

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena atas berkatnya penulis dapat menyelesaikan skripsi dengan judul Faktor- Faktor Yang Mempengaruhi Ketersediaan Beras di Kabupaten Serdang Bedagai dengan Menggunakan Analisis Jalur.

Terima kasih penulis sampaikan kepada Bapak Drs. Pangarapen Bangun, M.Si selaku dosen pembimbing 1 dan Bapak Drs. Henry Rani Sitepu, M.Si selaku dosen pembimbing 2 yang telah bersedia meluangkan waktunya selama penyusunan skripsi ini. Terima kasih kepada Bapak Drs. Gim Tarigan, M.Si selaku dosen pambanding 1 dan Bapak Drs. Patarno Siagian, M.Sc selaku dosen pambanding 2. Terima kasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan. Terima kasih kepada Bapak Dr. Kerista Sebayang, M.Si selaku Dekan FMIPA USU, seluruh staff, pegawai dan Dosen Matematika FMIPA USU serta rekan – rekan kuliah.

Akhirnya tidak terlupakan kepada kedua orangtua tercinta Ayahanda Lian Effendi Lubis dan Ibunda Nurbiah Saragih serta kedua adik-adik saya tersayang Muhammad Harun Rasyid Lubis dan Muhammad Rifa’i Rasyid Lubis serta keluarga, sahabat dan teman-teman satu Stambuk yang selama ini memberikan bantuan dan dorongan yang diperlukan, semoga Tuhan membalasnya.

Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan dan jauh dari sempurna. Untuk itu, penulis mengharapkan saran dan kritik yang membangun demi kesempurnaan penelitian di masa yang akan datang. Semoga penelitian ini bermanfaat dan dapat menambah pengetahuan bagi semua pihak.

FAKTOR – FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN SERDANG BEDAGAI

DENGAN MENGGUNAKAN METODE ANALISIS JALUR

ABSTRAK

Beras merupakan salah satu bahan pokok masyarakat di Indonesia yang memberikan energi dan zat gizi yang tinggi. Beras sebagai komoditas pangan pokok konsumsi oleh sebagian besar masyarakat. Bahkan preferensi masyarakat terhadap beras semakin besar dari tahun ke tahun. Provinsi Sumatera Utara merupakan daerah yang memiliki potensi pertanian ukup besar dan sebagai lumbung pangan di wilayah Sumatera Bagian Barat. Dalam hal produksi beras, Serdang Bedagai masih memegang peranan penting dalam ketersediaan beras di provinsi Sumatera Utara.

Penelitian ini mencoba untuk menguji bberapa faktor yang diduga memiliki pengaruh terhadap ketersediaan beras, yaitu produksi beras, kebutuhan beras, luas lahan dan jumlah penduduk. Penelitian ini dilakukan di Badan Ketahanan Pangan Sumatera Utara. Teknik analisis data dalam penelitian ini adalah analisis jalur. Penelitian menemukan bahwa seluruh hipotesis dalam penelitian ini telah terbukti dan signifikan.

Kata Kunci: Ketersediaan Beras, Produksi Beras, Kebutuhan Beras, Luas Lahan, Jumlah Penduduk dan Analisis Jalur.

FACTORS AFFECTING AVAILABILITY OF RICE IN SERDANG BEDAGAI USING PATH ANALYSIS

ABSTRACT

Rice is a staple in Indonesian society that provides energy and nutrients are high. Rice as a staple food commodity consumption by most people. Even the people's preference to rice getting bigger from year to year. North Sumatra Province is an area that has great agricultural potential scent and as barns in the region of West Sumatra. In terms of rice production, Serdang Bedagai still plays an important role in the availability of rice in the province of North Sumatra.

This study attempts to examine beberapa factor expected to have an influence on the availability of rice, which is rice production, demand for rice, the land area and population. This research was conducted at the Food Security Agency of North Sumatra. Data analysis techniques in this research is path analysis. The study found that all of this hypothesis has been proven and significant.

Keywords: Availability Rice, Rice Production, Rice Needs, Land, Population and Path Analysis.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Abstrak iv

Abstract v

Daftar Isi vi

Daftar Tabel dan Daftar Gambar vii

Bab 1 Pendahuluan 1

1.1 LatarBelakang 3

1.2 RumusanMasalah 3

1.3 BatasanMasalah 3

1.4 TujuanPenelitian 4

1.5 ManfaatPenelitian 4

1.6 TinjauanPustaka 4

1.7 Metodologi Penelitian 8

Bab 2 Landasan Teori 9

2.1 Analisis Jalur 9

2.2 Konsep dasar Analisis Jalur 9

2.3 Manfaat Analisis Jalur 11

2.4 2.5 2.6 2.7

2.8

Diagram Jalur dan Persamaan Struktural Koefisien Jalur

Analisis Jalur Model Trimming Variabel dan Data

2.7.1 Variabel 2.7.2 Data

2.7.3 Teknik Pengumpulan Data 2.7.4 Skala Pengukuran

Sejarah Singkat Badan Ketahanan Pangan Provinsi Sumatera Utara

2.8.1 Tugas dan Fungsi Pokok 2.8.2 Kebijakan Kantor

12 14 15 17 17 18 18 19 19 20 21

Bab 3 Hasil dan Pembahasan 26

3.1 Analisis Data 26

3.1.1 Diagram Jalur dan Persamaan Struktural 26

3.2

3.1.2 Menghitung korelasi antar Variabel Besar Pengaruh Langsung dan Tidak Langsung

28 45

Bab 4 Kesimpulan dan Saran 48

4.1 Kesimpulan 48

DaftarPustaka Lampiran

DAFTAR TABEL

Halaman

Tabel 3.1 Data Ketersediaan Beras, Produksi Beras, Luas Lahan,

DAFTAR GAMBAR

Halaman

Gambar 2.1 Diagram Jalur Hubungan Kausal 10

Gambar 2.2 Diagram Jalur Hubungan Kausal X1, X2, X3ke X4 11

Gambar 2.3 Diagram Jalur Hubungan Kausal X1, X2 ke X3 dan dari

X3 ke X4 12

Gambar 2.4 Hubungan Kausal dari X1, X2 ke X3 13

Gambar 3.1 Model Diagram Jalur 27

Gambar 3.2 Diagram jalur Substruktur 1 29

Gambar 3.3 Diagram Jalur Persamaan Substruktur 1 Hasil Trimming 30

Gambar 3.4 Diagram Jalur Substruktural 2 36

Gambar 3.5 Diagram Jalur Substruktural 3 42

Gambar 3.6 Diagram Jalur Substruktural 3 44

FAKTOR – FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN SERDANG BEDAGAI

DENGAN MENGGUNAKAN METODE ANALISIS JALUR

ABSTRAK

Beras merupakan salah satu bahan pokok masyarakat di Indonesia yang memberikan energi dan zat gizi yang tinggi. Beras sebagai komoditas pangan pokok konsumsi oleh sebagian besar masyarakat. Bahkan preferensi masyarakat terhadap beras semakin besar dari tahun ke tahun. Provinsi Sumatera Utara merupakan daerah yang memiliki potensi pertanian ukup besar dan sebagai lumbung pangan di wilayah Sumatera Bagian Barat. Dalam hal produksi beras, Serdang Bedagai masih memegang peranan penting dalam ketersediaan beras di provinsi Sumatera Utara.

Penelitian ini mencoba untuk menguji bberapa faktor yang diduga memiliki pengaruh terhadap ketersediaan beras, yaitu produksi beras, kebutuhan beras, luas lahan dan jumlah penduduk. Penelitian ini dilakukan di Badan Ketahanan Pangan Sumatera Utara. Teknik analisis data dalam penelitian ini adalah analisis jalur. Penelitian menemukan bahwa seluruh hipotesis dalam penelitian ini telah terbukti dan signifikan.

Kata Kunci: Ketersediaan Beras, Produksi Beras, Kebutuhan Beras, Luas Lahan, Jumlah Penduduk dan Analisis Jalur.

FACTORS AFFECTING AVAILABILITY OF RICE IN SERDANG BEDAGAI USING PATH ANALYSIS

ABSTRACT

Rice is a staple in Indonesian society that provides energy and nutrients are high. Rice as a staple food commodity consumption by most people. Even the people's preference to rice getting bigger from year to year. North Sumatra Province is an area that has great agricultural potential scent and as barns in the region of West Sumatra. In terms of rice production, Serdang Bedagai still plays an important role in the availability of rice in the province of North Sumatra.

This study attempts to examine beberapa factor expected to have an influence on the availability of rice, which is rice production, demand for rice, the land area and population. This research was conducted at the Food Security Agency of North Sumatra. Data analysis techniques in this research is path analysis. The study found that all of this hypothesis has been proven and significant.

Keywords: Availability Rice, Rice Production, Rice Needs, Land, Population and Path Analysis.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Abstrak iv

Abstract v

Daftar Isi vi

Daftar Tabel dan Daftar Gambar vii

Bab 1 Pendahuluan 1

1.1 LatarBelakang 3

1.2 RumusanMasalah 3

1.3 BatasanMasalah 3

1.4 TujuanPenelitian 4

1.5 ManfaatPenelitian 4

1.6 TinjauanPustaka 4

1.7 Metodologi Penelitian 8

Bab 2 Landasan Teori 9

2.1 Analisis Jalur 9

2.2 Konsep dasar Analisis Jalur 9

2.3 Manfaat Analisis Jalur 11

2.4 2.5 2.6 2.7

2.8

Diagram Jalur dan Persamaan Struktural Koefisien Jalur

Analisis Jalur Model Trimming Variabel dan Data

2.7.1 Variabel 2.7.2 Data

2.7.3 Teknik Pengumpulan Data 2.7.4 Skala Pengukuran

Sejarah Singkat Badan Ketahanan Pangan Provinsi Sumatera Utara

2.8.1 Tugas dan Fungsi Pokok 2.8.2 Kebijakan Kantor

12 14 15 17 17 18 18 19 19 20 21

Bab 3 Hasil dan Pembahasan 26

3.1 Analisis Data 26

3.1.1 Diagram Jalur dan Persamaan Struktural 26 3.2

3.1.2 Menghitung korelasi antar Variabel Besar Pengaruh Langsung dan Tidak Langsung

28 45

DaftarPustaka Lampiran

DAFTAR TABEL

Halaman

Tabel 3.1 Data Ketersediaan Beras, Produksi Beras, Luas Lahan,

DAFTAR GAMBAR

Halaman

Gambar 2.1 Diagram Jalur Hubungan Kausal 10

Gambar 2.2 Diagram Jalur Hubungan Kausal X1, X2, X3ke X4 11 Gambar 2.3 Diagram Jalur Hubungan Kausal X1, X2 ke X3 dan dari

X3 ke X4 12

Gambar 2.4 Hubungan Kausal dari X1, X2 ke X3 13

Gambar 3.1 Model Diagram Jalur 27

Gambar 3.2 Diagram jalur Substruktur 1 29

Gambar 3.3 Diagram Jalur Persamaan Substruktur 1 Hasil Trimming 30

Gambar 3.4 Diagram Jalur Substruktural 2 36

Gambar 3.5 Diagram Jalur Substruktural 3 42

Gambar 3.6 Diagram Jalur Substruktural 3 44