Analisa Pengaruh Jumlah Pelanggan Listrik Dan Jumlah Penjualan Listrik Terhadap Produksi Listrik Di PT. PLN (PERSERO) Cabang Binjai

ANALISA PENGARUH JUMLAH PELANGGAN LISTRIK DAN

JUMLAH PENJUALAN LISTRIK TERHADAP PRODUKSI

LISTRIK DI PT.PLN (Persero) CABANG BINJAI

TUGAS AKHIR

PANJI ANUGRAH SIMAMORA

082407089

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

ANALISA PENGARUH JUMLAH PELANGGAN LISTRIK DAN

JUMLAH PENJUALAN LISTRIK TERHADAP PRODUKSI

LISTRIK DI PT.PLN (Persero) CABANG BINJAI

TUGAS AKHIR

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Ahli Madya

PANJI ANUGRAH SIMAMORA

082407089

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERSETUJUAN

Judul : ANALISA PENGARUH JUMLAH PELANGGAN

LISTRIK DAN JUMLAH PENJUALAN LISTRIK TERHADAP PRODUKSI LISTRIK DI PT.PLN(PERSERO) CABANG BINJAI

Kategori : TUGAS AKHIR

Nama : PANJI ANUGRAH SIMAMORA

Nomor Induk Mahasiswa : 082407089

Program Studi : D-3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2011

Diketahui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing I

Prof. Dr. Tulus, M.Si Drs. Rachmad Sitepu, M. Si NIP. 19620901 198803 1 002 NIP : 195304181987031001

PERNYATAAN

ANALISA PENGARUH JUMLAH PELANGGAN LISTRIK DAN

JUMLAH PENJUALAN LISTRIK TERHADAP PRODUKSI LISTRIK

DI PT.PLN (Persero) CABANG BINJAI

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

PANJI ANUGRAH SIMAMORA

082407089

PENGHARGAAN

Sekarang, ya Allah kami, kami bersyukur kepada-Mu dan memuji nama-Mu yang agung itu. Segala puji dan hormat hanya bagi Tuhan Allah Yang Maha Esa yang mengizinkan penulis untuk menyelesaikan tugas akhir ini.

Terima kasih untuk setiap dukungan kepada penulis dalam pengerjaan tugas akhir ini baik secara langsung maupun tidak langung. Pada kesempatan ini penulis ingin mengucapkan terima kasih kepada: Bapak DR. Sutarman, M.Sc, selaku Dekan FMIPA USU, Ibu DR. Marpongahtun, M.Si, selaku Pembantu Dekan I FMIPA USU, Bapak Prof. DR. Tulus, M.Si, selaku Ketua Departemen Matematika FMIPA USU, Bapak Drs. Faigiziduhu Bu’ulölö, M.Si, selaku Koordinator Program Studi D-III STATISTIKA FMIPA USU, Bapak Drs. Rachmad Sitepu, M. Si selaku pembimbing pada penyelesaian tugas akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyempurnakan tugas akhir ini. Seluruh dosen pada Program Studi D3 Statistika FMIPA USU, pegawai di FMIPA USU. Akhirnya, yang tidak terlupakan kepada yang terkasih ayahanda tercinta I.Simamora dan ibunda tercinta R. Panjaitan , abangku tersayang Teguh Paniro Simamora, Ondi Tarnama Simamora dan Adikku tersayang Andreas Sambulon Simamora serta seluruh kerabat yang berjasa dan selalu memberikan dorongan kepada penulis selama menyelesaikan tugas akhir ini.. Terima kasih kepada yang terkasih Maria Sriwahyuni Sitanggang yang selalu setia mendoakan serta memberikan perhatian, semangat, dan motivasi. Teman-teman seperjuangan yang terbaik Sadrakh Simanjuntak, Sri Ginting, Daniel Manik, Trigustina Simbolon, Siska Sitompul, Dedi Maruli Sihombing, Samuel Silaen, Afandi Siregar, Herry Purba, Abdiel Parhusip dan seluruh sahabat di Statistika. Dan tidak lupa kepada para abang/kakak alumni yang mau bersedia memberikan pengalamannya. Terima Kasih.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar isi v

Daftar Tabel vii

Daftar Gambar viii Daftar Grafik ix

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Tinjauan Pustaka 4

1.7 Metode Penelitian 7

1.7.1 Lokasi Penelitian 7

1.7.2 Metode Pengumpulan Data 7

1.8 Sistematika Penulisan 7

BAB 2 LANDASAN TEORI 9

2.1 Analisa regresi 9

2.1.1 Regresi Linier Sederhana 10

2.1.2 Regresi Linear Berganda 11

2.2 Uji Keberartian Regresi Linear 12

2.2.1 Uji F(Simultan) 12

2.3 Analisa korelasi 13

2.3.1 Koefisien Korelasi 14

2.3.2 Koefisien Determinasi 16

2.4 Uji t (Parsial) 17

BAB 3 GAMBARAN UMUM 18

3.1 Sejarah Singkat Badan Pusat Statistik (BPS) di Indonesia 18

3.2Visi dan Misi Badan Pusat Statistik 21

3.2.1 Visi 21

BAB 4 ANALISIS DATA 24

4.1 Pengolahan data 24

4.2 Membentuk persamaan linier berganda 25

4.3 Uji Keberartian Regresi 31

4.4 Koefisien Determinasi 36

4.5 Perhitungan Koefisien Korelasi Antar Variabel 32

4.5.1 Koefisien Korelasi antara Jumlah Pelanggan Listrik dengan Jumlah Produksi Listrik 33

4.5.2 Koefisien Korelasi antara Jumlah Penjualan Listrik dengan Jumlah Produksi Listrik 33

4.5.3 Koefisien Korelasi antara Jumlah Pelanggan Listrik dengan Jumlah Penjualan Listrik 34

4.6 Uji t (Parsial) 34

4.6.1 Pengaruh Antara Jumlah Pelanggan Listrik dengan Jumlah Produksi Listrik 34

4.6.2 Pengaruh Antara Jumlah Penjualan Listrik dengan Jumlah Produksi Listrik 36

BAB 5 IMPLEMENTASI SISTEM 38

5.1 Pengertian Implementasi Sistem 38

5.2Pengenalan SPSS 38

5.3Langkah - langkah Pengolahan Data dengan SPSS 39

5.3.1 Cara Memulai dan Mengaktifkan SPPS Pada Program Windows 39

5.3.2 Pemasukan Data ke Dalam SPSS 41

5.3.3 Menyusun Defenisi Variabel 41

5.3.4 Pengisian Variabel 42

5.3.5 Pengisian Data 43

5.3.6 Pengolahan Data Regresi Linear 44

5.3.7 Pengolahan Data Korelasi 46

5.4Hasil Pengolahan 47

5.4.1 Hasil Pengolahan Regresi 47

5.4.2 Hasil Pengolahan Korelasi 51

BAB 6 KESIMPULAN DAN SARAN 52

6.1 Kesimpulan 52

6.2 Saran 54

DAFTAR PUSTAKA

DAFTAR GAMBAR

Halaman

Gambar 5.1 Tampilan Pengaktifan SPSS 16.0 40

Gambar 5.2 Kotak Dialog SPSS for windows 40

Gambar 5.3 Tampilan Jendela Data View dalam SPSS 41 Gambar 5.4 Tampilan Jendela Pengisian Variabel View 43 Gambar 5.5 Tampilan Jendela Pengisian Data View 44

Gambar 5.6 Kotak Dialog Linier Regression 45

Gambar 5.7 Kotak dialog Linear Regression : Statistics 45 Gambar 5.8 Kotak dialog Linear Regression : Plots 45 Gambar 5.9 Kotak dialog Linear Regression : Options 46 Gambar 5.10 Kotak Dialog Bivariate Corelations 47 Gambar 5.11 Kotak dialog Bivariate Correlation 51

Daftar Grafik

Halaman Grafik 5.1 Normal P-P Plot Regression Standardized Residual 49

BAB I

PENDAHULUAN

1.1.Latar Belakang

Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan sangat berperan dalam proses pembangunan. Oleh sebab itu peningkatan serta pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika seiring selalu bertambahnya jumlah pelanggan yang tidak dibarengi dengan pertambahan produksi listrik yang efisien maka akan terjadi berbagai masalah. Banyak orang tidak dapat melakukan kegiatan sehari-hari sebagaimana mestinya. Hal ini juga dapat menggangu roda perekonomian dan banyak aspek lain.

Oleh sebab itu , energi listrik sangat dibutuhkan karena di masa modernisasi ini hampir semua peralatan sehari-hari menggunakan alat elektronik yang juga menggunakan energi listrik. Dengan berkurangnya pasokan energi listrik seiring bertambahnya jumlah pelanggan akan sangat mempengaruhi kualitas kehidupan sehari-hari.

Energi listrik membawa peranan yang sangat penting bagi masyarakat, industri dan pemerintah. Seperti pada bidang produksi, penelitian atau riset, bidang pertahanan dan keamanan, bidang komunikasi dan mass media, bidang rumah tangga

dan lain-lain. Bahkan tingkat produksi dan penjualan listrik telah menjadi salah satu ukuran bagi perkembangan kemajuan suatu Negara.

Mengingat bahwa Perusahaan Listrik Negara (PLN) adalah sebuah

yang mengurusi semua aspe

peran yang dijalankannya dalam pengaliran listrik yang juga mendukung kemajuan suatu Negara dan merupakan pilar dalam kehidupan sehari-hari, mendorong minat penulis untuk menganalisa pengaruh jumlah pelanganggan listrik dan jumlah permintaan listrik produksi listrik PLN khususnya di wilayah cakupan PLN Cabang Binjai . Karena sudah semestinya seiring meningkatnya jumlah pelanggan dan jumlah permintaan listrik yang dapat dilihat dari penjualan listrik setiap tahunnya, PLN juga seharusnya menaikkan jumlah produksi listriknya dari berbagai cara. Untuk membantu masyarakat mengetahui besar pengaruh jumlah pelanggan listrik dan jumlah permintaan listrik terhadap produksi listrik khusunya di PT.PLN (Persero) Cabang Binjai. Maka penulis memilih judul “ANALISA PENGARUH JUMLAH PELANGGAN LISTRIK DAN JUMLAH PENJUALAN LISTRIK TERHADAP PRODUKSI LISTRIK DI PT.PLN (Persero) CABANG BINJAI”

1.2 Rumusan Masalah

Sebagai rumusan masalah yang akan di analisis dalam penelitian ini adalah sebagai berikut :

1. Apakah jumlah pelanggan listrik dan jumlah penjualan listrik memiliki hubungan yang signifikan terhadap produksi listrik di PT.PLN (Persero) Cabang Binjai ?

2. Apakah jumlah pelanggan listrik dan jumlah penjualan listrik memiliki pengaruh yang besar terhadap produksi listrik di PT.PLN (Persero) Cabang Binjai ?

3. Sektor manakah yang lebih mempengaruhi produksi listrik di PT.PLN (Persero) Cabang Binjai ?

1.3 Batasan Masalah

Untuk memperjelas dan untuk lebih memudahkan penelitian ini agar tidak menyimpang dari sasaran yang dituju, penulis hanya meneliti pengaruh jumlah pelanggan listrik dan jumlah penjualan listrik terhadap produksi listrik di PT.PLN (Persero) Cabang Binjai diluar faktor lain yang mungkin mempengaruhi. Metode analisa data dengan menggunakan Metode Regresi Berganda. Data kuantitatif yang digunakan adalah data jumlah produksi listrik oleh PT.PLN (Persero) Cabang Binjai, jumlah pelanggan listrik oleh PT.PLN (Persero) Cabang Binjai dan jumlah penjualan listrik oleh PT.PLN (Persero) Cabang Binjai dari tahun 2000-2009.

1.4Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk mengetahui dan menganalis apakah secara signifikan terdapat korelasi positif,negatif ataupun tidak berkorelasi antara jumlah pelanggan listrik dan jumlah penjualan listrik terhadap produksi listrik di PT.PLN (Persero) Cabang Binjai dari tahun 2000-2009.

1.5Manfaat Penelitian

Adapun yang menjadi manfaat dari penelitian ini adalah :

1. Dapat menuangkan ilmu dan mengaplikasikan teori-teori statistika yang diperoleh penulis selama kuliah untuk menyelesaikan permasalahan yang diteliti.

2. Penelitian ini bermanfaat bagi penulis yaitu memperluas dan memperdalam pemahaman penulis dalam bidang statistika, serta melatih penulis membuat karya ilmiah dan dengan penelitian ini penulis menjadi lebih banyak membaca. 3. Penelitian ini diharapkan menjadi pendukung dalam pengembangan teori-teori

yang sudah ada.

1.6Tinjauan Pustaka

Analisis regresi merupakan suatu teknik (technique) untuk membangun persamaan garis lurus dan menggunakan persamaan tersebut untuk memperkirakan (Mason,1996, Hal :489) dan model matemematis dalam menjelaskan hubungan antarvariabel dalam

adalah suatu persamaan matematis yang mendefenisikan hubungan antara dua variabel (Mason,1996 , Hal :490).

Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab akibat.

Hubungan linier antara dua variabel. Variabel ini dibedakan atas variabel bebas (X) dan variabel tak bebas (Y) disebut regresi linear sederhana. Dan analisis regresi yang menjelaskan hubungan antara variabel tak bebas (Y) dengan faktor-faktor yang mempengaruhi lebih dari satu variabel bebas(X1, X2, X3,.., Xn) disebut regresi berganda. Dalam penelitian ini penulis menggunakan regresi berganda.

Menurut Sudjana(2002) persamaan regresi berganda dapat dutulis sebagai berikut :

k kX

a X

a X a X a a

Y = ₀ + _{1 1} + _{2 2} + _{3 3} +...+ ^

Dimana :

Ŷ = Nilai estimasi Y

a0 = Nilai Y pada perpotongan (intersep) antara garis linear dengan sumbu vertikal Y atau disebut konstanta

a1, a2, a3 = Koefisien variabel bebas X1 X2 X3 = Variabel bebas

Untuk mengetahui besarnya nilai a0, a1, a2 dapat di tentukan dengan persamaan berikut:

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara suatu variabel dengan variabel lain. Analisis ini biasa digunakan untuk mengukur ketepatan garis regresi dalam menjelaskan (explaning) variasi nilai variabel.

Koefisien korelasi antara variabel Y dengan variabel X dirumuskan sebagai berikut :

{

2 2

} {

2 2

}

) ( ) ( ) )( ( i i i i i i i i Y Y n X X n Y X Y X n r ∑ − ∑ × ∑ − ∑ ∑ ∑ − ∑ = Dimana :

n : Banyaknya data

∑Xi : Jumlah nilai-nilai dari Xi ∑Yi : Jumlah nilai-nilai dari Yi

∑Xi2 : Jumlah kuadrat nilai-nilai dari variabel X ∑Yi2 : Jumlah kuadrat nilai-nilai dari variabel dari Y ∑ Xi Yi : Jumlah hasil kali nilai-nilai dari variabel X dan Y

1.7Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah sebagai berikut :

1.7.1 Lokasi Penelitian

Dalam penyusunan tugas akhir ini data yang digunakan diperoleh dari Badan Pusat Statistika (BPS) Pusat Sumatera Utara. Data tersebut telah dikumpulkan dalam bentuk buku yang berjudul ”SUMATRA UTARA DALAM ANGKA ”, data tersebut diperoleh dari edisi tahun 2000 sampai edisi 2009.

1.7.2 Metode Pengumpulan Data

Keperluan data untuk keperluan riset ini penulis lakukan dengan menggunakan data sekunder (data yang telah tersedia) atau data yang telah dikumpulkan. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.8Sistematika Penulisan

Adapun sistematika penulisan yang digunakan penulis adalah antara lain:

BAB 1 : PENDAHULUAN

Pada bab ini akan diuraikan latar belakang, rumusan masalah, pembatasan masalah, tujuan penelitian, manfaat penelitian, tinjauan pustaka, metodologi penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian analisa regresi berganda, korelasi berganda, dan koefisien determinasi.

BAB 3 : GAMBARAN UMUM

Dalam bab ini penulis menguraikan sejarah singkat berdirinya Badan Pusat Statistika (BPS) sumatera Utara.

BAB 4 : ANALISIS DATA

Bab ini merupakan bab yang berisikan mengenai proses pembentukan regresi linier berganda, analisis residu, uji regresi linier ganda, mencari koefisien determinasi dan koefisien korelasi.

BAB 5 : IMPLEMENTASI SISTEM

Dalam bab ini penulis menguraikan pengertian dan tujuan implementasi sistem, rancangan program yang dipakai dan hasil outputnya.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan dari pembahasan serta saran penulis berdasarkan kesimpulan yang didapat.

BAB 2

LANDASAN TEORI

2. 1 Analisa Regresi

Regresi pertama kali dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Galton melakukan studi tentang kecenderungan tinggi badan anak. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut (Alfigari, 2000).

Menurut Mason, pengertian dari analisis regresi adalah suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua variabel atau lebih yaitu variabel bebas dan variabel terikat.Variabel bebas adalah variabel yang nilai-nilainya tidak tergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel ini digunakan untuk meramalkan atau menerangkan nilai dari variabel yang lain. Sedangkan variabel terikat adalah variabel yang nilai-nilainya bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu merupakan variabel yang diramalkan atau diterangkan nilainya (Hasan, 1999).

Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis regresi dapat dilihat dari dua bentuk yaitu :

1. Analisis Regresi Sederhana ( Simple Analisis Regression) 2. Analisis Regresi Berganda ( Multiple Analisis Regression)

2.1.1 Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu prosedur untuk menunjukkan dua hubungan matematis dalam bentuk persamaan antara dua variabel, yaitu variabel X sebagai variabel bebas (variable independent) dan variabel Y sebagai variabel terikat (variable dependent).

Bentuk umum persamaan linier sederhana adalah : Ŷ = a +bX

Dimana :

Ŷ = Variabel terikat

a = Parameter intersep (garis potong kurva terhadap sumbu Y) b = Koefisien regresi (kemiringan atau slop kurva linear) X = Variabel bebas

Nilai a dan b diperoleh dari cara di bawah ini :

Regresi linear berganda suatu linear yang menjelaskan ada tidaknya suatu hubungan fungisional dan meramalkan pengaruh dua variabel independen (X) atau lebih terhadap variabel dependent (Y). Dalam analisa berganda, akan digunakan X yang menggambarkan seluruh variabel yang termasuk di dalam analisa dan variabel dependen.

Bentuk umum persamaan regresi linear berganda adalah sebagai berikut :

k kX

a X

a X a X a a

Y = 0 + 1 1 + 2 2 + 3 3 +...+ ^

Dimana :

Ŷ = Nilai estimasi Y

a0 = Nilai Y pada perpotongan (intersep) antara garis linear dengan sumbu vertikal Y atau disebut konstanta

a1, a2, a3 = Koefisien variabel bebas X1, X2 ,X 3 = Variabel bebas

Untuk mengetahui nilai koefisien ao, a1, a2 … ak diperlukan n buah pasangan data (x1, x2, x3… xk, Y) yang didapat dari pengamatan. Untuk regresi linear berganda dengan variabel bebas dapat ditaksir oleh Ŷ = a0 + a1 X1i +a2 X2i .Untuk mengetahui besarnya nilai a0, a1, a2 dapat di tentukan dengan persamaan berikut :

Setelah menentukan persamaan linearnya langkah selanjutnya adalah menentukan standard error atau kekeliruan baku. Menurut Hasan (1999) standard error adalah angka atau indeks yang digunakan untuk menduga ketepatan suatu penduga atau mengukur jumlah variasi titik-titik observasi disekitar garis regresi.

Standard error dapat dihitung dengan menggunakan rumus sebagai berikut :

2.2 Uji Keberartian Regresi Linear

Uji keberartian digunakan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel terikat. Pada dasarnya pengujian hipotesa tentang parameter koefisien regresi secara keseluruhan adalah dengan mengunakan uji F.

2.2.1 Uji F (Simultan)

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut :

1. Menentukan formulasi hipotesis

H0 : a1 = a2 =…= an=0 (X1, X2, …. , Xk tidak mempengaruhi Y).

H1 : a1, a2, ≠ 0 (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhi Y)

2. Menentukan taraf nyata α dan nilai Ftabel dengan derajat kebebasan v1 = k dan v2 = n-k-1.

3. Menentukan kriteria pengujian H0 diterima bila Fhitung ≤ Ftabel H1 diterima bila Fhitung > Ftabel

4. Menentukan nilai statistik F dengan rumus :

Fhitung =

) 1 ( ) ( ) ( − −k n JK k JK res reg

JK(reg) dan JK(res) masing-masing didapat dari rumus berikut : JK(reg) = a1

∑

x1y+a2

∑

X2y

JK(res)=

2

1

^

∑

₌n _ − _

i

i

i Y

Y

Dimana :

k = jumlah variabel bebas (n-k-1) = derajat kebebasan JK(reg) = Jumlah kuadrat regresi JK(res) = Jumlah kuadrat residu (sisa)

2.3 Analisa Korelasi

Analisa korelasi adalah alat statistik yang digunakan untuk derajat hubungan linear antara suatu variabel dengan variabel lainnya. Sehingga apabila terdapat hubungan antar variabel maka perubahan – perubahan yang terjadi pada suatu variabel akan mengakibatkan terjadinya perubahan pada variabel lain.Pada umumnya analisis

korelasi digunakan dalam hubungan analisis regresi dimana kegunaannya untuk mengukur ketepatan garis regresi, dalam menjelaskan variasi nilai variabel dependen. Oleh karena itu korelasi tidak dapat dilakukan tanpa adanya persamaan regresi (Kustituanto 1984).

2.3.1 Koefisien Korelasi

Koefisien korelasi pertama kali diperkenalkan oleh Karl Pearson sekitar tahun 1900. Koefisien korelasi menggambarkan keeratan hubungan antara dua variabel berskala selang atau rasio. Dilambangkan dengan r, koefisien korelasi sering juga disebut dengan r pearson atau korelasi produk – momen pearson.

Menurut Hasan (1999) Koefisien korelasi yang terjadi dapat berupa :

1. Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (x) meningkat maka variabel yang lainya (Y) cenderung meningkat pula.

2. Korelasi negatif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (x) meningkat maka variabel yang lainya (Y) cenderung menurun.

3. Tidak adanya terjadi korelasi apabila kedua variabel (X dan Y) tidak menunjukkan adanya hubungan.

4. Korelasi sempurna adalah korelasi dari dua variabel, yaitu apabila kenaikan atau penurunan variabel yang satu (x) berbanding dengan kenaikan atau penurunan variabel yang lainya (Y).

Untuk perhitungan koefisien korelasi r berdasarkan sekumpulan data (Xi,Yi) berukuran n dengan menggunakan rumus :

{

2 2

} {

2 2

}

) ( ) ( ) )( ( i i i i i i i i Y Y n X X n Y X Y X n r ∑ − ∑ × ∑ − ∑ ∑ ∑ − ∑ =

Koefisien korelasi r dipakai apabila terdapat dua variabel tapi apabila digunakan korelasi berganda atau memiliki tiga variabel ganda maka dapat koefisien korelasinya dinotasikan dengan R. Nilai koefisien linear berganda ( R ) dapat dicari dengan menggunakan rumus sebagai berikut :

dimana :

ry1 = Koefisien korelasi antara Y dan X1 ry2 = Koefisien korelasi antara Y dan X2 r12 = Koefisien korelasi antara X1 dan X2

Korelasi antara variabel dibedakan atas tiga jenis, yaitu : 1. Korelasi Positif

Perubahan antara variabel berbanding lurus,artinya apabila variabel yang satu meningkat, maka variabel lain juga mengalami peningkatan.

2. Korelasi Negatif

Perubahan antara variabel berlawanan, artinya apabila variabel yang satu meningkat, maka variabel yang lain mengalami penurunan.

3. Korelasi Nihil

Terjadi apabila perubahan pada variabel yang satu diikuti pada perubahan yang lain dengan arah yang tidak teratur.

Tabel 2.1 Koefisien korelasi yang telah diinterpretasikan Interval Koefisien Tingkat Hubungan

0 Tidak ada korelasi 0,01 – 0,19 Sangat rendah 0,20 – 0,39 Rendah 0,40 – 0,59 Agak rendah 0,60 – 0,79 Cukup 0,80 – 0,99 Tinggi

1 Sangat tinggi (Korelasi Sempurna)

2.3.2 Koefisien Determinasi

Menentukan koefisien korelasi berganda juga dapat dicari dengan mencari koefisien determinasi di bawah ini :

( )

∑

= 2

2

i reg

y JK R

2.4 Uji t (Parsial)

1. Menentukan formula hipotesis

Ho : an = 0 ( Xn tak mempengaruhi Y) H1 : an≠ 0 ( Xn mempengaruhi Y)

H0 diterima bila thitung ≤ ttabel H1 ditolak bila thitung > ttabel 4. Menentukan nilai thitung.

an n hitung s a t = ) 1 ( ₁₂2

2 1 12 . 1 r x S

S_a y

− ∑

= dan

) 1 ( ₁₂2

2 2 12 . 2 r x S

S_a y

− ∑

= (Abdul Hakim, 2002: 291)

BAB 3

GAMBARAN UMUM

3.1 Sejarah Singkat Badan Pusat Statistik (BPS) di Indonesia

Sejarah badan Badan Pusat Statistik dibagi menjadi tiga masa, yaitu masa sebelum kemerdekaan, masa setelah kemerdekaan, dan masa orde baru. Masa sebelum kemerdekaan dibagi menjadi dua masa yaitu masa pemerintahan Belanda dan Jepang.

1. Masa Pemerintahan Belanda

a. Pada bulan Februari 1920, Kaantor Statistik pertama kali dibentuk oleh direktur pertanian, kerajinan, dan perdagangan (Directur Van LAndbouw Nijerheid en Handel) yang berkedudukan di Bogor. Kantor ini diserahi tugas memperoleh dan mempublikasikan data statistic.

b. Pada bulan Maret 1923, dibentuk suatu komisi untuk badan statistic yang anggotanya merupakan wakil dari setiap Departemen. Komisi tersebut tersebut diserahi tugas merencanakan tindakan-tindakan yang mengarah sejauh mungikin untuk mencapai kesatuan dalam kegiatan di bidang statistiika di Indonesia.

selanjutnya dipindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme statistic perdagangan yang semula dilaksanakan oleh kantor invoer uitvoer en accijnsen (IUA) yang sekarang disebut dengan kantor Bea dan Cukai.

2. Masa pemerintahan Jepang

a. Pada bulan Juni 1944, Pemerintahan Jepang baru mengaktifkan kembali kegiatan statistic yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer.

b. Pada masa ini CKS diganti namanya menjadi Shumubu Chosasitsu Gunseikanbu.

3. Masa kemerdekaan Republik

a. Setelah Proklamasi Kemedekaan Republik Indonesia tanggal 17 agustus 1945, kegiatan ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI ( Kantor Penyelidik Perangkaan Umum Republik Indonesia). Tahun 1946 kantor KAPPURI dipindahkan ke Yogyakarta sebagai hasil dari perjanjian Linggarjati. Sementara itu pemerintah Belanda (NICA) mengaktifkan kembali CKS.

b. Berdasarkan Surat edaran Kementrian Kemakmuran, tanggal 12 juni 1950 No. 219/S.C, KAPPURI dan CKS di lebur menjadi Kantor Pusat Statistik (KPS) dan berada di bawah dan bertanggungjawab Kepada Menteri Kemakmuran.

c. Dengan Surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44, Lembaga KPS berada di bawah tanggung jawab Menteri Perekonomian tanggal 24 Desember 1953 No.18.009/ M KPS dibagi menjadi dua bagian penyelenggaraan tata usaha yang disebut AFdeling B.

d. Dengan Keputusan Presiden RI No. 131 Tahaun 1957, Kementrian Perekonomian di pecah menjadi Kementrian Perdagangan dan Perindustrian. Untuk selanjutnya keputusan Presiden RI No.172 tahun 1957 nama KPS di ubah menjadi Biro Pusat Statistik dan urusan statistuk menjadi tanggung jawab dan wewenang berada di bawah Perdana Menteri.

4. Masa Orde Baru Sampai Sekarang

a. Pada masa Pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistic yang handal, lengkap, tepat, akurat, dan terpercya mulai diadakan pembenahan Biro Pusat Statistik.

b. Dalam masa orde baru ini BPS telah mengalami empat kali perubahan struktur organisasi, yaitu:

1. Peraturan Pemerintah No. 16 Tahun 1968 tentang organisasi BPS. 2. Peraturan Pemerintah No. 16 Tahun 180 tentang organisasi BPS.

3. Peraturan Pemerintah No. 2 Tahun 1992 tentang organisasi BPS dan Keptusan Presiden N0.6 tahun 1992 tentang kedudukan tugas, fungsi susunan dan tat kerja Biro Pusat Statistik.

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

7. Peraturan Pemerintahan No. 51 tahun 1999 tentang penyelenggaraan statistik.

c. Pada tahun 1968 di teteapkan suatu peraturan Pemerintahan No. 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan daerah. Tahun 1980 Peraturan Pemerintah No.6 tahun 1980 tentang organisasi sebagai penggganti Peraturan Pemerintah No. 16 tahun 1968. Berdasarkan Peraturan Pemerintah No.6 Tahun 1968, di tiap Provinsi terdapat perwakilan BPS. Pada tanggal 17 Juni 1998 dengan keputusan Presiden No. 86 tahun 1998 di tetapkan Badan Pusat Statistik sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.

3.2 Visi dan Misi Badan Pusat Statistik

3.2.1 Visi

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

Untuk menunjang pembangunan nasional, Badan Pusat Statistik mengemban misi, mengarahkan pembangunan statistic pada penyediaan data statistik yang bermutu, handal,efektif, dan efesien , peningkatan kesadran masyarakat akan kegunaan Badan Pusat Statistik dan Pengembangan ilmi pengetahuan dibidang statistik.

BAB 4

ANALISIS DATA

4.1Data dan Pembahasan

Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara. Yaitu jumlah pelanggan listrik , jumlah permintaan listrik, dan jumlah produksi listrik pada tahun 2000-2009. Datanya adalah sebagai berikut :

Tabel 4.1 Produksi Listrik, Jumlah Pelanggan Listrik dan Jumlah Permintaan Listrik Tahun 2000-2009 di PT.PLN(Persero) Cabang Binjai

Tahun Yi X1i X2i

2000 536.76 324,270 464.33

2001 612.70 338,015 511.96

2002 670.89 350,921 555.65

2003 701.86 361,387 569.85

2004 737.60 373,723 592.63

2005 751.48 385,700 612.55

2006 754.25 400,522 630.63

2007 804.08 411,553 667.75

2008 906.67 425,147 768.75

Dimana :

Y = Produksi Listrik (GWH) X1 = Jumlah Pelanggan

X2 = Permintaan Listrik(GWH)

4.2Membentuk Persamaan Linier Regresi Berganda

Untuk membentuk persamaan regresi linier berganda, diperlukan penghitungan masing-masing satuan variabel yang disusun dalam tabel berikut ini :

Tabel 4.2 Perhitungan masing-masing variabel

32 , 449 . 7 =

∑Y ∑X₂2 =3.954.465

638 . 809 . 3 1 =

∑X ∑YX₁=2.880.792.983

9 , 198 . 6 2 =

∑X ∑YX₂=4.745.224

265 . 699 . 5 2 =

∑Y ∑X₁X₂=2.398.103.861

Dari data tersebut diperoleh persamaan normal sebagai berikut :

Harga-harga koefisien regresi a0, a1 dan a2 dicari dengan subtitusi dan eliminasi dari persamaan normal di atas. Selanjutnya subtitusi nilai-nilai pada tabel 3.2 kedalam persamaan normal, sehingga diperoleh :

10a0 + 3.809.638a1 + 6.198,9a2 = 7.449,32 ... (1) 938 . 792 . 880 . 2 861 . 103 . 398 . 2 766 . 931 . 322 . 464 . 1 638 . 809 .

3 a₀ + a₁+ a₂= ... (2)

224 . 745 . 4 465 . 952 . 3 861 . 103 . 398 . 2 9 ,

6198 + a₁ + a₂= ... (3)

Selanjutnya dilakukan langkah-langkah sebagai berikut : 1. Eliminasi persamaan (2) dan persamaan (1)

Persamaan (2) x 10 ; Persamaan (1) x 3.809.638

380.963.080 a0+ 14.643.229.317.660 a1 + 23.981.038.610 a2 = 28.807.929.830 380.963.080 a0+14.513.341.691.044 a1 + 23.615.564.998,20 a2 = 28.379.212.546,16 _

12.988.762.6616a1 +365.473.611,80a2 = 428.717.283,84.…(4)

2. Eliminasi persamaan (3) dan persamaan (1) Persamaan 3 x 10 ; Persamaan 1 x 6.198,9

61.989 a0 + 23.981.038.610 a1 + 39.524.650 a2 = 47.452.240 61.989 a0 + 23.615.564.998,20 a1 + 38.426.361.21 a2 = 46.177.589,75 _ _

365.473.611,80a1 +1.098.288,79a2 = 1.274.650,25 ...(5)

3. Eliminasi persamaan (4) dan persamaan (5)

Persamaan (4) x 365.473.611,80 ; Persamaan (5) x 12.988.762.661 47.470.500.027.479.700.000 a1 + 133.570.960.922.139.000 a2 =156.684.854.166.092.000

47.470.500.027.479.700.000 a1 + 142.654.124.272.059.000 a2 =165.561.295.997.767.000 _

9.083.163.349.919.950 a2 = 8.876.441.831.674.910 a2 = 0,977241242

4. Subtitusi harga koefisien a2 ke persamaan (4)

12.988.762.6616 a1 +365.473.611,80 (0,977241242) = 428.717.283,84 12.988.762.6616a1 = 71561397.59

5. Subtitusi harga koefisien a1 dan a2 ke persamaan (1) 32 , 7449 ) 977241242 , 0 ( 9 , 6198 ) 000550949 , 0 ( 638 . 809 . 3

10a₀+ + =

10a0 + 2.098,91 + 6.057,82 = 7.449,32

10 a0 = 2.449,32 – (2.098,91 + 6.057,82) 10 a0 = -707,42

a0 = -70,74169815

Sehingga persamaan regresinya adalah :

k kX a X a X a X a a

Y = ₀ + _{1 1} + _{2 2} + _{3 3} +...+ ^

Ŷ = -70,74169815 + 0,000550949X1 + 0,977241242X2

Setelah mendapatkan persamaan regresi, langkah selanjutnya adalah menghitung kesalahan baku. Untuk Menghitung kekeliruan baku tafsiran diperlukan harga Ŷyang diperoleh dari persamaan regresi diatas untuk tiap harga X1 dan X2 yang diketahui.

Tabel 4.3 Harga Ŷ untuk data pada tabel 4.1

Yi Ŷi Yi – Ŷi (Yi – Ŷi)2

536,76 561,677 -24,91696 620,855

612,7 615,796 -3,0957543 9,58369

670,89 665,602 5,288028 27,9632

701,86 685,245 16,6149701 276,057

737,6 714,303 23,2969078 542,746

754,25 766,203 -11,9531417 142,878

804,08 808,556 -4,475855 20,0333

906,67 914,747 -8,0768211 65,235

973,03 976,823 -3,7929199 14,3862

Σ Yi =7449,32 ΣŶi = 7449,32 Σ Yi – Ŷi =0,00 Σ(Yi – Ŷi)2= 1843,2

Sehingga didapat :

1 ) ( 2 ^ 2 .... 2 1 . − −− ∑ = k n Y Y

S i i

k y 1 2 10 2 , 1843 .... 2 1 . − − = k y S 963371 16,2697746 .... 2 1 . k = y

S

Ini berarti produksi listrik yang sebenarnya akan menyimpang dari rata-rata produksi listrik yang diperkirakan yaitu sebesar 16,26977469663371.

4.3Uji Regresi Berganda

Pengujian hipotesis dalam regresi linier berganda perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.

4.3.1 Uji F (Simultan)

H0 : a1 = a2 = 0 Jumlah Pelanggan listrik dan jumlah penjualan listrik tidak berpengaruh secara simultan dan signifikan terhadapa produksi listrik PT.PLN(Persero) Cabang Binjai.

H1 : a1, a2, ≠ 0 Jumlah Pelanggan listrik dan jumlah penjualan listrik berpengaruh secara simultan dan signifikan terhadapa produksi listrik PT.PLN(Persero) Cabang Binjai.

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 2 dan dk penyebut (v2) = n - k -1 = 7 maka diperoleh Fv1;v2(0,05) = 4,74

H0 diterima bila Fhitung ≤ Ftabel H1ditolak bila Fhitung > Ftabel

) 1 (

) (

) (

− − =

k n JK

k JK F

res reg hitung

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

yi = Yi - ฀ x1i = X1i - x2i =X2i - xki = Xki -

Tabel 4.4 Harga yang diperlukan untuk uji regresi

Y x1 x2 yx1 yx2 y2

-208.172 -56,693.8 -155.56 11802062 32383.23632 43335.58158 -132.232 -42,948.8 -107.93 5679206 14271.79976 17485.30182 -74.042 -30,042.8 -64.24 2224429 4756.45808 5482.217764 -43.072 -19,576.8 -50.04 843211.9 2155.32288 1855.197184 -7.332 -7,240.8 -27.26 53089.55 199.87032 53.758224

6.548 4,736.2 -7.34 31012.64 -48.06232 42.876304 9.318 19,558.2 10.74 182243.3 100.07532 86.825124 59.148 30,589.2 47.86 1809290 2830.82328 3498.485904 161.738 44,183.2 148.86 7146102 24076.31868 26159.18064 228.098 57,436.2 204.91 13101082 46739.56118 52028.6976

0 0.0 0 42871729 127465.4035 150028.1222

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

JK(reg) = a₁

∑

x₁y+a₂

∑

X₂y

= 0,000550949 (42.871.729) + 0,977241242 (127.465,4035) = 148.184,5852

JK(res) =

2

1

^

∑

₌n _ − _

i

i

i Y

Y

Fhitung = ) 1 ( ) ( ) ( − −k n JK k JK res reg = ) 1 2 10 ( 20 , 1843 2 5852 , 184 . 148 − − = 7 263,314285 62 74.092,292 = 281,3834898

Dari tabel distribusi F dengan dk=2, dk penyebut = 7 dan α=5% maka didapat F tabel : Ftabel = F(α),(k,n-k-1)

= F(α),(k,n-k-1) = F0,05,(2,7) = 4,74

Didapat FHitung = 281,3834898 lebih besar dari Ftabel = 4,74.

FHitung > Ftabel maka H0 ditolak dan H1 diterima . Hal ini berarti bahwa persamaan regresi linear berganda menyatakan ada hubungan linear antara Jumlah Pelanggan listrik dan jumlah penjualan listrik berpengaruh secara simultan dan signifikan terhadapa produksi listrik PT.PLN(Persero) Cabang Binjai.

4.4Perhitungan Koefisien Korelasi Linear Berganda

Mencari koefisien determinasi dengan menggunakan rumus :

( )

∑

= 2 2 i reg y JK R = 22 150.028.12 52 148.184,58 = 0,987712058

Didapat nilai koefisien determinasi 0,988. Hal ini berarti bahwa sekitar 98,8 % produksi listrik dapat ditentukan oleh jumlah pelanggan listrik dan jumlah penjualan listrik melalu hubungan regresi linear berganda sedangkan sisanya 2,2 % lagi dipengaruhi faktor lain.

Koefisien korelasi bergandanya didapat dengan :

R = =

= 0,9938370379493813

Dari hasil perhitungan didapat korelasi ( R ) antara jumlah pelanggan listrik dan jumlah penjualan listrik terhadap produksi listrik sebesar 0,994. Nilai korelasi tersebut menyatakan bahwa hubungan antara jumlah pelanggan listrik dan jumlah permintaan listrik terhadap produksi listrik tinggi.

4.5Perhitungan Koefisien Korelasi Antar Variabel

Dari tabel 4.2 dapat dicaru koefisien korelasi antara variabel terikat (Y) dengan variabel bebas (X) sehingga diketahui seberapa besar hubungan antar variabel.

4.5.1 Koefisien Korelasi antara Jumlah Pelanggan Listrik dengan Jumlah Produksi Listrik

{

2

} {

2 2

}

1 2 1 1 1 1 1 . ) ( ) ( ) )( ( Y Y n X X n Y X Y X n r_yx

∑ − ∑ × ∑ − ∑ ∑ ∑ − ∑ = =

{

10(1.464.322.931.766) 14.513.341.691.044

} {

10(5.699.265) 55.492.368,4624

}

) 7.449,32 )( 3.809.638 ( 983) 2.880.792. ( 10 − × − − = 0,971182212

Koefisien korelasi antara jumlah pelanggan listrik(X1) dengan jumlah produksi listrik(Y) adalah 0.97 yang berarti menunjukkan korelasi yang tinggi dengan arah yang sama. (Korelasi Positif).

4.5.2 Koefisien Korelasi antara Jumlah Penjualan Listrik dengan Jumlah Produksi Listrik

{

2

} {

2 2

}

2 2 2 1 2 2 2 . ) ( ) ( ) )( ( Y Y n X X n Y X Y X n ryx

∑ − ∑ × ∑ − ∑ ∑ ∑ − ∑ = =

{

10(3.952.465) 38.426.361,21

} {

10(5.699.265) 55.492.368,4624

}

) 7.449,32 )( 6198,9 ( 4.745.224) ( 10 − × − −

= 0,992993437

Koefisien korelasi antara jumlah penjualan listrik (X2) dengan jumlah produksi listrik(Y) adalah 0.993 yang berarti menunjukkan korelasi yang tinggi dengan arah yang sama. (Korelasi Positif).

4.5.3 Koefisien Korelasi antara Jumlah Pelanggan dengan Jumlah Penjualan Listrik

{

} {

2

}

2 2 2 2 1 2 1 2 1 2 1 2 , 1 ) ( ) ( ) )( ( X X n X X n X X X X n r_{x x}

∑ − ∑ × ∑ − ∑ ∑ ∑ − ∑ = =

{

10(1.464.322.931.766) 145.133.416.910,44

} {

10(3.952.465) 38.426.361,21

}

) 6198,9 )( 3.809.638 ( 861) 2.398.103. ( 10 − × − − = 0.967640103

Koefisien korelasi antara jumlah pelanggan listrik (X1) dengan jumlah penjualan listrik (X2) adalah 0.967 yang berarti menunjukkan korelasi yang kuat dengan arah yang sama. (Korelasi Positif).

4.6Uji t (Parsial)

4.6.1 Pengaruh Antara Jumlah Pelanggan Listrik dengan Jumlah Produksi Listrik

H0 : a1 = 0 Jumlah pelanggan listrik tidak berpengaruh terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

Dengan taraf nyata α = 0,05 maka nilai ttabel dengan derajat kebebasan t(1-1/2α); n-k-1 sehingga t(0,975); 7 = 2,365 (Uji 2 sisi)

H0 diterima bila thitung ≤ ttabel H1 ditolak bila thitung > ttabel

Menentukan nilai thitung. Digunakan rumus berikut :

)

1

(

₁₂2 2 1 12 . 1

r

x

S

S

_a y

−

∑

=

1,6 1298876266 2 1 = ∑x 0,96764010 12 = r 2 12

r = 0,936327369

) ) 0,96764010 ( 1 ( 1,6 1298876266 963371 16,2697746 2 1 − = a

S _`

5685029158 0.00056574

28758,1066 963371 16,2697746

1 = =

a S Maka : 5685029158 0,00056574 9 0,00055094 1 1 ₌ = a hitung s a t

thitung =0.973845695

Dapat dilihat bahwa thitung < ttabel sehingga H0 diterima yang berarti secara parsial jumlah pelanggan listrik tidak berpengaruh terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

4.6.2 Pengaruh Antara Jumlah Penjualan Listrik dengan Jumlah Produksi Listrik

H0 : a2 = 0 Jumlah penjualan listrik tidak berpengaruh terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

H1 : a2≠ 0 Jumlah penjualan listrik berpengaruh terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

Dengan taraf nyata α = 0,05 maka nilai ttabel dengan derajat kebebasan t(1-1/2α); n-k-1 sehingga t(0,975); 7 = 2,365 (Uji 2 sisi)

H0 diterima bila thitung ≤ ttabel H1 ditolak bila thitung > ttabel

Menentukan nilai thitung. Digunakan rumus berikut :

) 1 ( ₁₂2 2 2 12 . 2 r x S

S_a y

− ∑ = 109828,896 2 2 = ∑x 0.96764010 12 = r ) ) 0,96764010 ( 1 ( 109828,896 963371 16.2697746 2 2 − = a S 0.19455699 9 83,6247257 963371 16,2697746

2 = =

a S Maka : 0,19455699 0,97724124 2 2 ₌ = a hitung s a t 5.02290488 = hitung t

Dapat dilihat bahwa thitung > ttabel sehingga H0 diterima yang berarti jumlah penjualan listrik berpengaruh terhadap jumlah produksi listrik di PT.PLN(Persero)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Pengertian implementasi sistem adalah proesedur yang digunakan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan mulai menggunakan program yang dibuat.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu program SPSS 16,0 For Windows dalam masalah memperoleh hasil perhitungan.

5.2 Pengenalan SPSS

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

SPSS dibuat pertama kali sebagai software statistik pada tahun 1968. Diprakarsai oleh ketiga mahasiswa Stanford University, yang pada saat itu dioperasikan hanya pada computer mainframe. Pada tahun 1984, SPSS pertama kali muncul pada versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+, dan sejalan dengan populernya sistem operasi windows. Pada tahun 1992, SPSS juga mengeluarjan versi windows. Dan antara tahun 1994 sampai tahun 1998, SPSS melakukan berbagai kebijakan strategis untuk pengembangan software statistik, dengan mengakusisi software house terkemuka seperti SYSTAT. Inc, BMDP Statistical Software, Jandel Statistics Software Clear Software, Quantime Ltd., In2itive Technologies A/S dan Integral Solution Ltd. Untuk memantapkan posisinya sebagai salah satu market leader dalam business intelligence, SPSS juga menjalin aliansi strategis dengan Software house terkemuka dunia yang lain seperti Oracle Corp., Business Object dan Ceres Integrated Solution.

Karena perkembangan SPSS ini membuat SPSS yang tadinya hanya ditujukan pada pengolahan data statistik untuk ilmu social yang pada saat itu SPSS yang singkatan dari Statistical Packcage for the Social Sciences berubah menjadi Statistical

Product and Service Solution. Fungsi SPSS diperluas untuk melayani berbagai user seperti untuk proses produksi di pabrik, riset ilmu sains dan lain sebagainya.

5.3Langkah – langkah Pengolahan Data dengan SPSS

5.3.1 Cara Memulai dan Mengaktifkan SPSS Pada Program Window 1. Pilih menu start dari windows

2. Kemudian pilih menu All Programme

3. Pilih SPSS for windows dan klik SPSS 17,0 for window.

Gambar 5.1 Tampilan Pengaktifan SPSS 16.0

Pada saat membuka SPSS akan muncul kotak dialog SPSS for window aktif dan kotak editor yang tertumpuk dibawahnya. Pilih open dan exisiting apabila telah membangun file data dalam format sav atau tekan tombol cancel atau tanda silang untuk memulai membangun file data baru sekaligus mengaktifkan SPSS data editor.

Gambar 5.2 Kotak Dialog SPSS for windows

5.3.2 Pemasukan data ke dalam SPSS

Langkah-langkahnya sebagai berikut :

SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan Variable View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data Editor harus berada pilih ada “Variable View”. Lakukan dengan mengklik tab sheet Variable View yang berada dibagian kiri bawah atau langsung menekan Ctrl+T. Tampilan variable view juga dapat dimunculkan dari view lalu pilih Variable.

Gambar 5.3 Tampilan Jendela Data View dalam SPSS

5.3.3 Menyusun Defenisi Variabel

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

Widht : Untuk menuliskan panjang pendek variabel.

Decimal : Untuk menuliskan jumlah desimal di belakang koma.

Label : Untuk menuliskan nama keterangan untuk nama variabel yang diikutsertakan atau tidak.

Missing : Untuk menuliskan ada tidaknya jawaban kosong. Columns : Untuk menuliskan lebar kolom.

Align : Untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau angka di Data view.

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

Dalam penulisan ini values, missing and measure tidak dipergunakan, oleh karena itu ketiga variabel ini diabaikan saja.

5.3.4 Pengisian Variabel

Variabel Y : Variabel Y adalah jumlah produksi listrik, variabel ini merupakan yang pertama ditempatkan pointer pada baris pertama.

Name : Letakkan kursor di bawah name, lalu klik ganda pada sel tersebut lalu ketik Y.

Type : Pilih numeric.

Width : Untuk keseragaman ketik 8. Decimal : Ketik 2.

Label : Letakkan klik kursor di bawah label lalu ketik jumlah produksi listrik Align : Pilih Center.

Variabel X2 : Variabel X2 adalah jumlah pelanggan merupakan variabel kedua maka tempatkan kursor pada baris kedua.

Name : Letakkan kursor di bawah name, lalu klik ganda pada sel tersebut lalu ketik X2.

Type : Pilih numeric.

Width : Untuk keseragaman ketik 8. Decimal : Ketik 0.

Label : Letakkan klik kursor di bawah label lalu ketik jumlah pelanggan Align : Pilih Center.

Dari pengisian yang telah dikerjakan maka dapat diperoleh seperti gambar seperti berikut :

Gambar 5.4 Tampilan Jendela Pengisian Variabel View

5.3.5 Pengisian Data

Klik pada tab sheet Data View yang ada di kiri bawah layar dan mulai pengisian. Pengisian dilakukan dengan mengetik biasa, seperti mengisi data pada Microsoft Excel atau mengetik table pada Microsoft Word. Untuk mengisi variabel Y, letakkan kursor pada baris satu kolom Y lalu ketik menurun sesuai data Y. Demikian juga untuk pengisian data pada X1 yaitu pada kolom kedua (X1) dan X2 yaitu pada kolom ketiga (X2).

Gambar 5.5 Tampilan Jendela Pengisian Data View

5.3.6 Pengolahan Data Regresi Linier

Langkah-langkah pengolahan data adalah sebagai berikut :

Dari menu utama SPSS, pilih menu Analyze, lalu pilih sub menu Regression dan klik Linier sehingga kotak dialog Linier Regression akan muncul.

1. Masukkan variabel Y pada kotak Dependent dan variabel X1 dan X2 pada kotak independent (s).

Gambar 5.6 Kotak Dialog Linier Regression

2. Klik tombol Statistic sehingga kotak dialog Linier Regresion: Statistic akan muncul. Dan beri ceklis pada Estimate, Model Fit dan Descriptives. Setelah itu klik continue

Gambar 5.7 Kotak Dialog Linier Regression: Statistics

3. Klik Plots untuk membuat grafik. Isi kolom Y dengan pilihan SDRESID dan kolom X dengan ZPRED, kemudian tekan Next. Isi lagi kolom Y dengan ZPRED dan kolom X DEPENDENT. Pada pilihan Standardizes Residual Plots, cek Normal Probability Plot.Setelah itu klik continue untuk meneruskan pengisian :

Gambar 5.8 Linear Regression : Plots

4. Klik tombol Option sehingga kotak dialog Linier Regression : Option akan muncul. Pilih Use Probabilty of F kemudian masukkan nilai tingkat kepercayaan pada kotak Entry. Dan penulis memasukkan selang kepercayaan 0,05. Setelah itu klik continue untuk meneruskan pengisian :

Gambar 5.9 Kotak dialog Linier Regression : Option

5. Klik tombol Plot sehingga kotak dialog Regression Linier : Plot. Beri tanda ceklis pada Histogram, Normal probability plot dan Produce all partial plot. Lalu klik continue untuk meneruskan pengisian.

5.3.7 Pengolahan Data Korelasi

1. Dari menu utama SPSS, pilih menu Analyze, lalu pilih sub menu Correlate dan klik Bivariate sehingga kotak dialog Bivariate Correlations akan muncul.

2. Masukkan variabel Y, X1, dan X2 pada kotak Variables, pilih Pearson pada Correlations Coefficients.

Gambar 5.10 Kotak dialog Bivariate Correlations

5.4 Hasil Pengolahan

5.4.1 Hasil Pengolahan Regresi

Tabel 5.1 Deskripsi Statistika Descriptive Statistics

Mean

Std.

Deviation N Produksi Listrik 7.4493E2 129.11155 10 Jumlah Pelanggan 3.81E5 37989.418 10 Jumlah

Permintaan

Tabel 5.2 Model Summary (b) Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .994a .988 .984 16.22698

a. Predictors: (Constant), Jumlah Permintaan, Jumlah Pelanggan

b. Dependent Variable: Produksi Listrik

Tabel 5.3 ANAVA (b) ANOVAb

Model

Sum of

Squares df Mean Square F Sig. 1 Regression 148184.919 2 74092.459 281.384 .000a

Residual 1843.204 7 263.315 Total 150028.122 9

a. Predictors: (Constant), Jumlah Permintaan, Jumlah Pelanggan b. Dependent Variable: Produksi Listrik

Tabel 5.4 Coefficients (a) Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -70.718 103.262 -.685 .515

Jumlah Pelanggan .001 .001 .162 .976 .362 Jumlah

Permintaan

.977 .194 .836 5.036 .002

a. Dependent Variable: Produksi Listrik

5.4.2 Hasil Pengolahan Korelasi

Tabel 5.5

Correlations

Produksi Listrik

Jumlah Pelanggan

Jumlah Permintaan Produksi Listrik Pearson

Correlation

1 .971** .993**

Sig. (2-tailed) .000 .000

N 10 10 10

Jumlah Pelanggan Pearson Correlation

.971** 1 .968**

Sig. (2-tailed) .000 .000

N 10 10 10

Jumlah Permintaan

Pearson Correlation

.993** .968** 1

Sig. (2-tailed) .000 .000

N 10 10 10

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

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

1. Dari persamaan perhitungan diperoleh bahwa persamaan penduga : Ŷ = -70,74169815 + 0,000550949X1 + 0,977241242X2

Ini berarti bahwa jumlah pelanggan listrik mempengaruhi produksi listrik sebesar 0,000550949 dan jumlah penjualan listrik mempengaruhi listrik sebesar 0,977241242. Serta nilai konstanta -70,74169815.

2. Kesalahan baku sebesar 16,26977469663371. Ini berarti produksi listrik yang sebenarnya akan menyimpang dari rata-rata produksi listrik yang diperkirakan yaitu sebesar 16,26977469663371.

3. Melalui uji keberartia regresi linear didapat FHitung > Ftabel maka H0 ditolak dan H1 diterima . Hal ini berarti bahwa persamaan regresi linear berganda menyatakan ada hubungan linear antara Jumlah Pelanggan listrik dan jumlah penjualan listrik berpengaruh secara simultan dan signifikan terhadapa

4. Melalui perhitungan R2 didapat nilai koefisien determinasi 0,988. Hal ini berarti bahwa sekitar 98,8 % produksi listrik dapat ditentukan oleh jumlah pelanggan listrik dan jumlah penjualan listrik melalu hubungan regresi linear berganda sedangkan sisanya 2,2 % lagi dipengaruhi faktor lain.

5. Melalui perhitungan didapat korelasi ( R ) antara jumlah pelanggan listrik dan jumlah penjualan listrik terhadap produksi listrik sebesar 0,994. Nilai korelasi tersebut menyatakan bahwa hubungan antara jumlah pelanggan listrik dan jumlah permintaan listrik terhadap produksi listrik tinggi.

6. Koefisien korelasi antara jumlah pelanggan listrik (X1) dengan jumlah produksi listrik (Y) adalah 0.97 yang berarti menunjukkan korelasi yang tinggi dengan arah yang sama. (Korelasi Positif).

7. Koefisien korelasi antara jumlah penjualan listrik (X2) dengan jumlah produksi listrik(Y) adalah 0.993 yang berarti menunjukkan korelasi yang tinggi dengan arah yang sama. (Korelasi Positif).

8. Koefisien korelasi antara jumlah pelanggan listrik (X1) dengan jumlah penjualan listrik (X2) adalah 0.967 yang berarti menunjukkan korelasi yang kuat dengan arah yang sama. (Korelasi Positif).

9. Melalui perhitungan nilai t1 dapat dilihat bahwa thitung < ttabel sehingga H0 diterima yang berarti secara parsial jumlah pelanggan listrik tidak berpengaruh signifikan terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

10.Melalui perhitungan nilai t1 dapat dilihat bahwa thitung > ttabel sehingga H0 diterima yang berarti jumlah penjualan listrik berpengaruh signifikan terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

6.2 Saran

1. PT.PLN(Persero) Cabang Binjai sebaiknya memperhatikan produksi listriknya secara terus menerus agar sesuai dengan kebutuhan, melihat selalu bertambahnya pelanggan yang juga mempengaruhi jumlah permintaan listrik.

2. Penelitian selanjutnya sebaiknya menggunakan lebih banyak variabel bebas yang secara langsung dapat mempengaruhi produksi listrik.

DAFTAR PUSTAKA

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

Hakim Abdul. 2002. Statistik Induktif untuk Ekonomi dan Bisnis. Yogyakarta: Ekonisia.

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

Kustituanto, Bambang.1984. Statistik Analisa Runtut Waktu dan Regresi Korelasi. Edisi Pertama. Yogyakarta : BPFE

Priyatno Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Cetakan Pertama. Yogyakarta : Mediakom

Sudjana,Prof. DR. M.A.,M.Sc. 1992. Metode Statistika. Bandung. Edisi ke-6: Tarsito

Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Bandung: Tarsito.

5.4.2 Hasil Pengolahan Korelasi Tabel 5.5 Correlations Produksi Listrik Jumlah Pelanggan Jumlah Permintaan Produksi Listrik Pearson

Correlation

1 .971** .993**

Sig. (2-tailed) .000 .000

N 10 10 10

Jumlah Pelanggan Pearson Correlation

.971** 1 .968**

Sig. (2-tailed) .000 .000

N 10 10 10

Jumlah Permintaan

Pearson Correlation

.993** .968** 1

Sig. (2-tailed) .000 .000

N 10 10 10

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

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

1. Dari persamaan perhitungan diperoleh bahwa persamaan penduga : Ŷ = -70,74169815 + 0,000550949X1 + 0,977241242X2

Ini berarti bahwa jumlah pelanggan listrik mempengaruhi produksi listrik sebesar 0,000550949 dan jumlah penjualan listrik mempengaruhi listrik sebesar 0,977241242. Serta nilai konstanta -70,74169815.

2. Kesalahan baku sebesar 16,26977469663371. Ini berarti produksi listrik yang sebenarnya akan menyimpang dari rata-rata produksi listrik yang diperkirakan yaitu sebesar 16,26977469663371.

3. Melalui uji keberartia regresi linear didapat FHitung > Ftabel maka H0 ditolak dan H1 diterima . Hal ini berarti bahwa persamaan regresi linear berganda menyatakan ada hubungan linear antara Jumlah Pelanggan listrik dan jumlah penjualan listrik berpengaruh secara simultan dan signifikan terhadapa produksi listrik PT.PLN(Persero) Cabang Binjai.

4. Melalui perhitungan R2 didapat nilai koefisien determinasi 0,988. Hal ini berarti bahwa sekitar 98,8 % produksi listrik dapat ditentukan oleh jumlah pelanggan listrik dan jumlah penjualan listrik melalu hubungan regresi linear berganda sedangkan sisanya 2,2 % lagi dipengaruhi faktor lain.

5. Melalui perhitungan didapat korelasi ( R ) antara jumlah pelanggan listrik dan jumlah penjualan listrik terhadap produksi listrik sebesar 0,994. Nilai korelasi tersebut menyatakan bahwa hubungan antara jumlah pelanggan listrik dan jumlah permintaan listrik terhadap produksi listrik tinggi.

6. Koefisien korelasi antara jumlah pelanggan listrik (X1) dengan jumlah produksi listrik (Y) adalah 0.97 yang berarti menunjukkan korelasi yang tinggi dengan arah yang sama. (Korelasi Positif).

7. Koefisien korelasi antara jumlah penjualan listrik (X2) dengan jumlah produksi listrik(Y) adalah 0.993 yang berarti menunjukkan korelasi yang tinggi dengan arah yang sama. (Korelasi Positif).

8. Koefisien korelasi antara jumlah pelanggan listrik (X1) dengan jumlah penjualan listrik (X2) adalah 0.967 yang berarti menunjukkan korelasi yang kuat dengan arah yang sama. (Korelasi Positif).

9. Melalui perhitungan nilai t1 dapat dilihat bahwa thitung < ttabel sehingga H0 diterima yang berarti secara parsial jumlah pelanggan listrik tidak berpengaruh signifikan terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

10.Melalui perhitungan nilai t1 dapat dilihat bahwa thitung > ttabel sehingga H0 diterima yang berarti jumlah penjualan listrik berpengaruh signifikan terhadap jumlah produksi listrik di PT.PLN(Persero) Cabang Binjai.

6.2 Saran

1. PT.PLN(Persero) Cabang Binjai sebaiknya memperhatikan produksi listriknya secara terus menerus agar sesuai dengan kebutuhan, melihat selalu bertambahnya pelanggan yang juga mempengaruhi jumlah permintaan listrik.

2. Penelitian selanjutnya sebaiknya menggunakan lebih banyak variabel bebas yang secara langsung dapat mempengaruhi produksi listrik.

DAFTAR PUSTAKA

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

Hakim Abdul. 2002. Statistik Induktif untuk Ekonomi dan Bisnis. Yogyakarta: Ekonisia.

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

Kustituanto, Bambang.1984. Statistik Analisa Runtut Waktu dan Regresi Korelasi. Edisi Pertama. Yogyakarta : BPFE

Priyatno Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Cetakan Pertama. Yogyakarta : Mediakom

Sudjana,Prof. DR. M.A.,M.Sc. 1992. Metode Statistika. Bandung. Edisi ke-6: Tarsito

Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Bandung: Tarsito.