Analisis Faktor-Faktor Yang Mempengaruhi Produksi Kelapa Sawit Di Kabupaten Labuhan Batu Pada Tahun 2010

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KELAPA SAWIT DI KABUPATEN LABUHAN BATU PADA TAHUN 2010

TUGAS AKHIR

SAIDAH ANNISARI D 092407023

PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2012

FAKTOR - FAKTOR YANG MEMPENGARUHI PRODUKSI KELAPA SAWIT DI KABUPATEN LABUHAN BATU

PADA TAHUN 2010

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi memperoleh gelar Ahli Madya

SAIDAH ANNISARI D 092407023

PROGRAM STUDI DIPLOMA-III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENEGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2012

PERSETUJUAN

Judul : ANALISIS FAKTOR-FAKTOR YANG

MEMPENGARUHI PRODUKSI KELAPA SAWIT DI KABUPATEN LABUHAN BATU PADA TAHUN 2010

Kategori : TUGAS AKHIR

Nama : SAIDAH ANNISARI D

Nomor Induk Mahasiswa : 092407023

Program Studi : D-III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Disahkan di Medan, Juni 2012

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Dr. Tulus, M.Si Drs. Sinek Malem Pinem, M.Si NIP. 19481121 198303 2 001 NIP. 19620901 198803 1 002

PERNYATAAN

ANALISIS FAKTOR - FAKTOR YANG MEMPENGARUHI PRODUKSI KELAPA SAWIT DI KABUPATEN LABUHAN BATU PADA TAHUN 2010

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 2012

SAIDAH ANNISARI D 092407023

PENGHARGAAN

Segala puji dan syukur penulis ucapkan atas Kehadirat Allah SWT, yang tiada hentinya memberikan nikmat amal, insani dan ilmu, serta semangat dan kekuatan sehingga penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan sebaik-baiknya. Shalawat dan salam ke junjungan Nabi besar Baginda Rasulullah Muhammad SAW yang menjadi inspirator dalam setiap nafas dan gerak penulis.

Dalam menyelesaikan Tugas Akhir ini penulis tidak terlepas dari perhatian, bimbingan, fasilitas dan dorongan serta bantuan berbagai pihak secara langsung maupun tidak langsung, pada kesempatan ini penulis dengan segala kerendahan hati serta rasa hormat penulis mengucapkan terima kasih yang sebesar-besarnya kepada :

1. Ibu Drs. Sinek Malem, M.Si sebagai Pembimbing yang telah memberikan bimbingan kepada penulis sehingga dapat menyelesaikan Tugas Akhir ini dengan sebaik-baiknya.

2. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si sebagai Ketua dan Sekretaris Program Studi D-III Statistika FMIPA USU yang telah memberikan dukungan penuh kepada penulis untuk menyelesaiakan penulisan Tugas Akhir ini sehingga dapat diselesaikan tepat pada waktunya.

3. Bapak Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si sebagai Ketua dan Sekretaris Departemen Matematika FMIPA USU yang telah mendukung

proses penyelesaian Tugas Akhir ini kepada penulis sehingga dapat diselesaikan tepat pada waktunya.

4. Bapak Dr. Sutarman, M.Sc sebagai Dekan FMIPA USU yang telah memberikan izin kepada penulis untuk mengambil data pada salah satu instansi sehubungan dengan rencana judul Tugas Akhir ini.

5. Bapak/Ibu dosen Departemen Matematika dan D-III Statistika FMIPA USU yang telah banyak memberikan ilmu kepada penulis sehingga Tugas Akhir ini dapat diselesaikan tepat pada waktunya.

6. Ibunda tercinta (Sukmayati Hsb) serta adik-adik penulis dan seluruh keluarga yang selalu memberikan dukungan, do’a dan semangat dalam menyelesaikan Tugas Akhir ini.

7. Teman-teman Statistika A dan seluruh teman-teman seangkatan di statistika 2009 dan khususnya Fika Khairani Rasyid, semoga kita terus sukses menjadi apa yang kita inginkan.

8. Abangda dan kakanda serta saudara-saudari seperjuangan di UKMI Al-Falak FMIPA USU, PK KAMMI Nusantara USU, dan MY CLUB Medan serta adik-adik di Al-Faris SMAN 3 Medan. Semoga kita menjadi manusia yang bermanfaat bagi semuanya dan tetap istiqomah.

Penulis menyadari bahwa penyusunan Tugas Akhir ini masih terdapat banyak kekurangan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang bersifat membangun, agar dapat dimanfaatkan bagi kemajukan ilmu pengetahuan demi penyempurnaan Tugas Akhir ini.

Akhir kata penulis mengucapkan terima kasih, semoga Tugas Akhir ini dapat berguna bagi pembaca dan penulis pada khususnya.

Medan, Juni 2012 Penulis,

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi vii

Daftar Tabel x

Daftar Gambar xi

BAB 1 Pendahuluan 1

1.1Latar Belakang 1

1.2Identifikasi Masalah 3

1.3Tujuan Penelitian 4

1.4 Manfaat Penelitian 4

1.5 Lokasi Penelitian 5

1.6 Metodologi Penelitian 5

1.6.1 Metode Pengumpulan Data 5

1.6.2 Metode Pengolahan Data 6 1.7 Metode Analisis yang Digunakan 6

1.8 Sistematika Penulisan 8

BAB 2 Gambaran Umum 10

2.1.1 Masa Pemerintahan Hindia Belanda 11 2.1.2 Masa Pemerintahan Jepang 12 2.1.3 Masa Kemerdekaan Republik Indonesia 12 2.1.4 Masa Orde Baru sampai Sekarang 12 2.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik 12

2.2.1 Tugas 13

2.2.1 Fungsi 13

2.2.2 Kewenangan 13

2.3 Visi dan Misi BPS 14

2.3.1 Visi 14

2.3.2 Misi 14

2.4 Struktur Organisasi BPS 15

2.5 Sejarah Singkat Kabupaten Labuhan Batu 16

2.5.1 Kondisi Geografis 16

2.6 Visi, Misi dan Strategi 21

2.6.1 Visi 21

2.6.2 Misi 21

2.6.1 Strategi 22

BAB 3 Landasan Teori

3.1 Pengertian Regresi 25

3.2 Analisa Regresi Linear 26

3.3 Analisa Regresi Linear Sederhana 27 3.4 Analisa Regresi Linear Berganda 29

3.6 Koefisien Determinasi 33

3.7 Koefisien Korelasi 34

BAB 4 Analisis dan Pengolahan Data 39

4.1 Pengolahan Data 39

4.2 Persamaan Regresi Linear Berganda 40

4.3 Analisis Residu 47

4.4 Uji Regresi Linear Berganda 49

4.5 Koefisien Determinasi 52

4.6 Koefisien Korelasi 54

BAB 5 Implementasi Sistem 59

5.1 Pengertian Implementasi Sistem 59

5.2 Pengaktifan Excel 60

5.2.1 Pengisian Data 63

5.3 Pengaktifan SPSS 64

5.3.1 Pengisian Data Pada SPSS 69

BAB 6 Penutup 76

6.1 Kesimpulan 76

6.2 Saran 77

Daftar Pustaka 78

DAFTAR TABEL

Halaman

Tabel 3.1 Interpretasi Koefisien Korelasi Nilai R 36 Tabel 4.1 Data Produksi Kelapa Sawit di Kabupaten Labuhan Batu2010 40

Tabel 4.2 Nilai-nilai Koefisien 41

Tabel 4.3 Jumlah Nilai Koefisien 42

Tabel 4.4 Harga Λ

Y

48

DAFTAR GAMBAR

Halaman

Gambar 2.1 16

Gambar 5.1 Cara Mengaktifkan Program Excel 61

Gambar 5.2 Jendela Microsoft Excel 61

Gambar 5.3 Data Setelah dimasukkan 64

Gambar 5.4 Tampilan Cara Pengaktifan SPSS 65

Gambar 5.5 Kotak Diaolg Awal SPSS 66

Gambar 5.6 Tampilan Jendela Data View dalam SPSS 67 Gambar 5.7 Tampilan Pengisian Variabel View dalam SPSS 69 Gambar 5.8 Tampilan Pengisian Variabel Data View dalam SPSS 70 Gambar 5.9 Kotak Dialog Analisa Regresi 71 Gambar 5.10 Tampilan Jendela Linear Regression 72 Gambar 5.11 Tampilan Pada Pengisian Linear Regression Statistik 73 Gambar 5.12 Tampilan Pengisian Linear Regression Plots 74 Gambar 5.13 Tampilan Pengisian Linear Regression Options 75

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Kekayaan alam Indonesia merupakan sumber daya alam yang sangat berharga, iklim tropis yang dimiliki Negara ini membuatnya menjadi Negara yang agraris yang banyak mengandalkan sector agrarian dalam menunjang pembangunan dan kebutuhan masyarakat.

Dalam 10 taun terakhir industry kelapa sawit mengalami booming dengan beberapa alasan terutama kebutuhan investasi untuk meningkatkan pertumbuhan ekonomi. Faktor pendukung diluar itu adalah tekanan terhadap pengurangan bahan bakar fosil secara global. Dengan paradigm pertumbuhan ekonomi, pemerintah melihat bahwa industry kelapa sawit mampu menyerap tenaga kerja dan menghasilkan devisa Negara dari pajak. Ekspansi perkebunan kelapa sawit pada saat ini telah meluas hamper ke semua kepulauan besar di Indonesia. Selama 19 tahun terakhir ekspansi perkebunan kelapa sawit mencapai rata-rata 315.000 Ha/tahun. Sampai saat ini Indonesia memiliki kurang lebih 7 juta hektar lahan yang telah ditanam kelapa sawit.

Diluar itu sekitar 18 juta hektar telah dibuka atas nama ekspansi perkebunan kelapa sawit.

Jumlah tenaga kerja yang terserap pada perkebunan kelapa sawit termasuk perkebunan rakyat diperkirakan mencapai angka 10 juta jiwa. Kehadiran perkebunan kelapa sawit memberikan dampak besar bagi perekonomian Indonesia yang masih memegang paradigm pertumbuhan ekonomi. Industri sawit sangat menguntungkan dilihat dai segi daya penyebaran dan dampak pada peningkatan pendapatan pada para pelaku dan dampak terhadap ekonomi regional. Dari segi sumbangan terhadap devisa Negara terbukti bahwa pertumbuhan ekonomi nasional ditopang oleh industry perkebunan kelapa sawit.

Sumatera Utara sebagai salah satu sentra perkebunan kelapa sawit di Indonesia menghasilkan rata-rata 1.7 juta ton CPO per tahun. Jumlah ini mencapai 8.23 % dari total produksi CPO nasional per tahun. Luas perkebunan kelapa sawit di Sumatera Utara setiap tahun juga mengalami peningkatan. Peningkatan luas ini terjadi karena konversi lahan pertanian khususnya sawah terutama di daerah Langkat, Serdang Bedagai, dan Labuhan Batu.

Untuk itu perlu diperhatikan secara intensif produksi kelapa sawit di Indonesia, apa-apa saja yang menjadi faktor produksinya. Dalam hal ini penulis mengambil daerah produksi padi di Kabupaten Labuhan Batu. Maka melihat permasalahan yang ada, penulis mengambil 3 variabel bebas yang dijadikan sandaran untuk melihat produksi kelapa sawit di Kabupataen Labuhan Batu yaitu luas panen, curah hujan, dan

hari hujan Penulis menggunakan metode analisis regresi linear berganda untuk mengetahui produksi kelapa sawit di Kabupaten Labuhan Batu.

Dibeberapa literature yang ada khususnya buku-buku yang berhubungan dengan statistic, regersi linear diartikan sebagai suatu teknik untuk membangun persamaan garis lurus dan menggunakan perkiraan tersebut untuk melihat pengaruh antar variabel dan dapat dijadikan prediksi ke depannya. Jadi dengan sederhana juga dapat disebutkan bahwa analisa regresi linear adalah sebuah model matematika yang digunakan untuk melihat hubungan antara variabel bebas (independent variable) dengan variabel terikat (dependent variable) hingga didapat sebuah kesimpulan yang dapat diinterpretasikan mengenai masalah yang di identifikasi.

Dari uraian diatas maka penulis mengambil sebuah judul untuk penelitian ini, yaitu

“Analisis Faktor-Faktor Yang Mempengaruhi Produksi Kelapa Sawit di Kabupaten Labuhan Batu Pada Tahun 2010”

1.2 Identifikasi Masalah

Berdasarkan uraian pada latar belakang diatas, maka masalah yang muncul dapat dirumuskan antara lain, bagaimana mengetahui faktor-faktor yang mempengaruhi produksi kelapa sawit di Kabupaten Labuhan Batu dan bagaimana membuat model persamaan faktor-faktor yang mempengaruhi produksi kelapa sawit di Kabupaten Labuhan Batu dengan menggunakan model regresi linear berganda berdasarkan

variabel pendukung yang ada dimana akan ada hubungan fungsional antara variabel bebas dan variabel terikat.

1.3 Tujuan Penelitian

Adapun yang menjadi tujuan penulis dalam melakukan penelitian ini adalah sebagai berikut:

1. Untuk mengetahui seberapa besar pengaruh yang diberikan variabel-variabel yang diteliti terhadap produksi kelapa sawit.

2. Menganalisa faktor yang mempengaruhi produksi kelapa sawit. 3. Melihat hubungan antara variable yang diteliti.

4. Sebagai sarana aplikasi ilmu yang didapat ketika perkuliahan.

1.4 Manfaat Penelitian

Adapun manfaat yang dapat diambil dari penelitian ini adalah :

1. Menambah pemahaman tentang faktor-faktor yang mempengaruhi produksi kelapa sawit di Kabupaten Labuhan Batu.

2. Dapat diketahui pengaruh terhadap hasil produksi kelapa sawit.

4. Mengembangkan wawasan analisis statistik serta menambah pemahaman yang berkaitan dengan penyajian model regresi linear regresi berganda pada faktor-faktor yang mempengaruhi produksi kelapa sawit.

5. Kebutuhan kelapa sawit untuk Kabupaten Labuhan Batu.

1.5 Lokasi Penelitian

Penelitian dengan cara pengambilan data serta menganalisa hasil produksi kelapa sawit di Kabupaten Labuhan Batu, dilakukan di Badan Pusat Statistik Provinsi Sumatera Utara yang beralamat di Jln. Kapten Muslim Kota Madya Medan.

1.6 Metodologi Penelitian

Metodologi yang digunakan dalam penelitian ini adalah dengan menggunakan teknik analisa regresi linear berganda sebagai teknik untuk mengetahui pengaruh fungsional antara variabel terikat (Y) dan variabel bebas (X), serta dengan metode korelasi untuk mengetahui hubungan keeratan antar variabel yang ada.

1.6.1 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan penulis sebagai sarana dalam pembuatan tugas akhir ini adalah dengan menggunakan data sekunder, yaitu data yang diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara.

1.6.2 Metode Pengolahan Data

Untuk mengolah data ini, maka penulis menggunakan metode regresi linear berganda guna melihat seberapa besar pengaruh variabel-variabel bebas terhadap variabel terikat yaitu jumlah produksi kelapa sawit.

1.7 Metode Analisis Yang Digunakan

Metode analisis regresi linear berganda pada prinsip dasarnya sama dengan metode regresi linear sederhana. Keduanya bekerja sebagai alat untuk melihat pengaruh dan estimasi sebuah kasus dan diselesaikan dengan metode persamaan linear serta membentuk garis lurus.

Persamaan regresi adalah suatu formula matematis yang menunjukkan hubungan keterkaitan antar satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel yang lainnya belum diketahui. Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependent dengan variabel independent mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu. (Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2)

Rumus yang digunakan dalam regresi linear berganda adalah :

Y

=

b

0

+

b

1

X

1i

+

b

2

X

2i

+

...

+

b

n

X

ni

Dengan:

Y = Variabel terikat

X = Variabel bebas

b0, b1,…,bn = Koefisien regresi

Setelah dilihat pengaruh antar variabel yang ada kemudian dilihat juga hubungan atau keeratan antar variabel tersebut dengan menggunakan metode korelasi ( r ). Adapun rumus dari korelasi adalah :

∑

∑

−

∑

∑

∑

∑

−

∑

−

=

}

)

(

}{

)

(

{

)

)(

(

2 2 2 2 i i ki ki i ki i ki yx

Y

Y

n

X

X

n

Y

X

Y

X

n

r

Dengan :

ryx = Koefisien korelasi antara Y dan X

Xki = Variabel bebas

Yi = Variabel tidak bebas.

Untuk mengukur kuat tidaknya antara variabel bebas dan terikat ditinjau dari besar kecilnya nilai koefisien kerelasi (r). Makin besar nilai r maka makin kuat hubungannya dan jika r makin kecil berarti makin lemah hubungannya. Nilai r yaitu:

-1,00 ≤ r ≤ -0,80 berarti korelasi kuat -0,79 ≤ r ≤ -0,50 berarti korelasi sedang -0,49 ≤ r ≤ 0,49 berarti korelasi lemah 0,50 ≤ r ≤ 0,79 berarti korelasi sedang 0,80 ≤ r ≤ 1,00 berarti korelasi kuat

1.8Sistematika Penulisan

Dalam pembuatan laporan tugas akhir ini penulis membaginya dalam beberapa Bab yang dibagi lagi dalam beberapa Sub Bab. Adapun sistematis yang penulis gunakan adalah:

BAB 1 PENDAHULUAN

Dalam bab ini penulis menguraikan tentang latar belakang, identifikasi masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

BAB 2 GAMBARAN UMUM

Dalam bab ini penulis menjelaskan tentang sejarah singkat Badan Pusat Statistik dan Kabupaten Labuhan Batu.

BAB 3 LANDASAN TEORI

Dalam bab ini penulis menjelaskan teoritis dan analisa tentang segala sesuatu yang berhubungan dengan tugas akhir ini.

BAB 4 ANALISIS DATA DAN PEMBAHASAN

Dalam bab ini penulis menguraikan tentang analisa produksi dengan metode regresi linear berganda dan analisa korelasi untuk melihat hubungan antar variabel. Dimana objek penelitiannya adalah produksi kelapa sawit di Kabupaten Labuhan Batu pada tahun 2010.

BAB 5 IMPLEMENTASI SISTEM

Dalam bab ini penulis membahas tentang software yang digunakan dalam analisis data serta cara penggunaan dari software yang dipakai dengan menggunakan Microsoft Excel dan SPSS.

BAB 6 PENUTUP

Dalam bab ini penulis memberikan beberapa kesimpulan dan saran sesuai dengan analisis yang telah dilakukan.

BAB 2

GAMBARAN UMUM

2.1 Sejarah Singkat Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal – hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran – ukuran lainnya.

Setiap sepuluh tahun sekali, BPS menyelenggarakan samping itu, BPS juga melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap dan merupakan instansi vertikal, yakni instansi

sehingga bukan merupakan bagian dari instansi milik daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS menyelenggarakan:

1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol), 2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan 3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).

Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:

2.1.1 Masa pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan memublikasi data statistik.

Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen (IUA) yang sekarang disebut Kantor Bea Cukai.

2.1.2 Masa pemerintahan Jepang

Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Pada masa ini CKS diganti namanya menjadi Shomubu Chasasitsu gunseikanbu

2.1.3 Masa kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

2.1.4 Masa orde baru sampai sekarang

Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi BPS.

Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.

2.2.1 Tugas

BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

2.2.2 Fungsi

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:

1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik. 2. Pengkoordinasian kegiatan statistik nasional dan regional.

3. Penetapan dan penyelenggaraan statistik dasar.

4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang kegiatan statistik; dan

5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.

2.2.3 Kewenangan

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai kewenangan:

1. Penyusunan rencana nasional secara makro di bidangnya;

2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro. 3. Penetapan sistem informasi di bidangnya;

4. Penetapan dan penyelenggaraan statistik nasional;

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu:

1. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik. 2. Penyusunan pedoman penyelenggaraan survei statistik sektoral.

2.3 Visi dan Misi BPS

2.3.1 Visi

Pelopor data

2.3.2 Misi

1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.

2. Menciptakan insan statistik yang kompeten dan profesional, didukung pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.

3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.

5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem (SSN) yang efektif dan efisien.

2.4 Struktur Organisasi BPS

Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.

Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan seksi di lingkungan perwakilan dan cabang perwakilan BPS.

Gambar 2.1 Struktur organisasi BPS Provinsi

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu – individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.

Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai / staf tersebut.

K E P A L A

Bagian Tata Usaha

Bidang I ntegrasi Pengolahan & Diseminasi Statistik Bidang

Neraca Wilayah & Analisis Statistik Bidang Stat. Distribusi Bidang Stat. Produksi Bidang Stat. Sosial

Seksi St at ist ik Kependudukan

Seksi St at ist ik Ket ahanan Sosial

Seksi St at ist ik Kesej aht eraan

Rakyat

Seksi St at ist ik Konst ruksi, Pert

am-bangan & Energi Seksi St at ist ik

I ndust ri Seksi St at ist k

Pert anian

Seksi St at ist k Niaga & Jasa Seksi St at ist k Keuangan & Harga

Produsen Seksi St at ist k Harga Konsumen &

Perdag. Besar

Seksi Analisis St at ist ik

Lint as Sekt or Seksi Neraca Konsumsi Seksi Neraca Produksi Seksi Diseminasi dan Layanan St at ist ik

Seksi Jaringan dan Ruj ukan St at ist ik

Seksi I nt egrasi Pengolahan Dat a SubBag Bina Program SubBag Urusan Dalam SubBag Kepegaw aian dan Hukum SubBag Keuangan SubBag Perlengkapan Tenaga Fungsional

Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi lini dan staf. Struktur ini mengandung unsur – unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi dan staf di Kantor Badan Pusat Statistik (BPS) adalah :

a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan – kegiatan yang saling berhubungan satu sama lain.

b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi manajemen.

c. Pembuatan keputusan yaitu membuat keputusan – keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

2.5 SEJARAH SINGKAT KABUPATEN LABUHAN BATU

2.5.1 KONDISI GEOGRAFIS

Kabupaten labuhan batu dengan ibukota dengan ibukota rantauprapat merupakan salah satu kabupaten yang berada pada kawasan pantai timur Propinsi Sumatera Utara yang terletak pada koordinat 1o26’-2o11’ Lintang Utara dan 91o01’- 95o53’ Bujur Timur dengan batas wilayah sebagai berikut:

- Sebelah utara dengan Kabupaten Asahan dan Selat Malaka - Sebelah Timur dengan Propinsi Riau

- Sebelah Selatan dengan Kabupaten Tapanuli Selatan

- Sebelah Barat dengan Kabupaten Toba Samosir dan Tapanuli Utara

Kabupaten ini mempunyai wilayah terluas di propinsi Sumatera Utara yaitu 922.318 Ha(9.223,18 Km2) atau 12,87 % dari luas propinsi Sumatera Utara. Secara administratif wilayahnya terdiri dari 22 Kecamatan, 209 Desa dan 33 Kelurahan. Kabupaten Labuhanbatu mempunyai kedudukan yang cukup strategis, yaitu berada

pada jalur lintas timur Sumatera dan berada pada persimpangan menuju Propinsi Sumatera Barat dan Riau, yang menghubungkan pusat-pusat perkembangan wilayah di Sumatera dan Jawa serta mempunyai akses yang memadai ke luar negeri karena berbatasan langsung dengan Selat Malaka.

Secara topografis sekitar 7.633,26 Ha atau 82,76% wilayahnya mempunyai tingkat kemiringan lahan 0-150. Kabupaten Labuhan Batu terbagi atas kawasan pantai dan kawasan lainnya yang terletak pada ketinggian 0-s/d 2.151 m dari permukaan laut. Secara hidrologi Labuhan Batu mempunyai 3 sungai besar yaitu Sungai Kualuh, Bilah dan Barumun dengan Daerah Aliran Sungai(DAS)nya sebagai berikut :

- DAS Barumun meliputi Kecamatan Sungai Kanan, Kota Pinang, Torgamba, Silangkitang, KampungRakyat dan Kecamatan Panai Tengah. Pemerintah Kabupaten Labuhan Batu tahun 2006-2010.

- DAS Bilah meliputi Bilah Barat, Rantau Utara, Rantau Selatan, Bilah Hulu, Pangkatan, Bilah Hilir, Panai Hulu dan Kecamatan Panai Hilir.

- DAS Kualuh meliputi Kecamatan Kualuh Hulu, Kualuh Selatan, Aek Natas, Aek Kuo, Marbau, Na.IX-X, Kulauh Hilir dan Kecamatan Kualuh Leidong.

Sebelum penjajahan Belanda memasuki daerah Labuhan Batu, sistem pemerintahan Labuhanbatu bersifat monarkhi yang Kepala Pemerintahan disebut Sultan atau Raja yang dibantu oleh seorang bergelar Bendahara Paduka Sri Maharaja yang bertugas sebagai Kepala Pemerintahan sehari-hari(semacam Perdana Mentri). Kesultanan yang terdapat di wilayah Kabupaten Labuhan Batu pada waktu itu terdiri dari empat kesultanan, yaitu :

1. Kesultanan Kota Pinang berkedudukan di Kota Pinang 2. Kesultanan Kualuh berkedudukan di Tanjung Pasir 3. Kesultanan Panai berkedudukan di Labuhan Bilik 4. Kesultanan Bilah berkedudukan di Negeri Lama

5. Ditambah satu Half-Bestuur Kerajaan Kampung Raja berkedudukan di Tanjung Medan.

Penjajah Belanda memasuki wilayah Labuhan Batu berkisar tahun 1825, disamping itu ada pula keterangan yang menyatakan setelah selesai Perang Paderi(berkisar tahun 1831). Pada tahun 1861 kesatuan angkatan laut Belanda di bawah pimpinan Bevel Hebee datang ke Kampung Labuhanbatu(di hulu Kuota Labuhan Bilik sekarang) melalui sungai Barumun. Kemudian di perkampungan dibangun pelabuhan yang terbuat dari beton sebagai tanda pendaratan persinggahan kapal-kapal berbobot 3000 s/d 5000 ton. Kemudian pada lokasi pelabuhan tersebut berkembang menjadi sebuah perkampungan(desa) yang lebih dikenal dengan nama Pelabuhanbatu.

Pada awalnya Contreleur Labuhanbatu berkedudukan di Kampung Labuhanbatu, kemudian pada tahun 1895 dipindahkan ke Labuhan Bilik, tahun 1924

dipindahkan ke Merbau, tahun 1928 dipindahkan ke Aek Kota Batu dan pada tahun 1932 dipindahkan ke Rantauprapat sampai kemerdekaan diproklamirkan 17 Agustus 1945. Pada masa pemerintahan jepang sistem pemerintahan hindia dilanjutkan dan untuk memonitoring kegiatan pemerintahan yang dilaksanakan oleh siltan/raja, pemerintahan jepang membentuk Tuk Fuku Bunsyuco. Setelah kemerdekaan Republik Indonesia diproklamirkan dan tepatnya pada tanggal 16 malam 17 oktober 1945 bertempat di rumah dinas kepala PLN Rantauprapat diadakan rapat untuk pembentukan Komite Nasional daera Labuhan Batu sekaligus ditetapkannya ketua(Abdul Rahman) sebagai kepala pemerintahan.

2.6 VISI, MISI & STRATEGI

2.6.1 VISI

“LABUHANBATU SEJAHTERA 2020”

Labuhanbatu yang masyarakatnya mampu memenuhi kebutuhan dan meningkatkan kualitas hidupnya baik secara material maupun spritual dengan kondisi :

- Masyarakat yang cerdas karena dapat menikmati kesempatan memperoleh pendidikan yang cukup

- Masyarakat yang mempunyai derajat kesehatan yang optimal

- Masyarakat yang makmur dalam arti mempunyai pendapatan yang dapat memenuhi kebutuhan pokoknya

-Masyarakat yang aman dan tentram

2.6.2 MISI

1. Meningkatkan kecerdasan intelektual, spritual dan emosional melalui peningkatan pelayanan pendidikan yang merata dan berkualitas dengan memberdayakan partisipasi masyarakat.

2. Meningkatkan pelayanan kesehatan yang bermutu, terjangkau dan berkeadilan serta memberdayakan masyarakat dan keluarga untuk mendorong tumbuhnya paradigma hidup sehat.

3. Meningkatkan perekonomian masyarakat dengan berbasis potensi daerah.

4. Meningkatkan kesadaran hukum masyarakat dan pengamalan ajaran agama.

5. Meningkatkan kualitas sumber daya aparatur dan pelayanan publik.

2.6.3 STRATEGI

- Strategi memenuhi kebutuhan hidup masyarkat ; Tujuan terpenuhinya kebutuhan pokok untuk kelangsungan hidup masyarakat yang meliputi kebutuhan pangan, papan, pelayanan kesehatan dasar dan pendidikan dasar

- Strategi meningkatkan kualitas hidup masyarakat ; untuk mewujudkan kehidupan yang baik bagi masyarakat baik dari segi aspek ekonomi, pendidikan, kesehatan dan kehidupan sosial menuju tingkat kesejahteraan yang lebih tinggi.

- Strategi meningkatkan keamanan dan ketertiban ; Untuk menciptakan suasana aman, tertib dan damai didalam kehidupan masyarakat baik dari aspek sosial budaya, ekonomi dan politik.

- Strategi meningkatkan kapasitas kelembagaan dan SDM aparatur ; Tujuan tertatanya fungsi-fungsi kelembagaan dan meningkatnya kapasitas sumber daya manusia aparatur sesuai dengan tugas dan fungsinya.

PRIORITAS PEMBANGUNAN 2006-2010

Misi 1

- Peningkatan akses masyarakat terhadap pelayanan pendidikan yang berkualitas - Pengembangan kebudayaan

- Peningkatan pembinaan pemuda dan olahraga

Misi 2

- Peningkatan akses masyarakat terhadap pelayanan kesehatan yang berkualitas. - Peningkatan cakupan dan mutu pelayanan KB

Misi 3

- Pemberdayaan koperasi dan UKM - Peningkatan ketenagakerjaan

- Pembangunan industri dan perdagangan - Peningkatan investasi

Misi 4

- Peningkatam keamanan dan ketertiban di lingkungan masyarakat. - Peningkatan kewaspadaan terhadap bencana.

Misi 5

- Penataan kelembagaan dan peningkatan kualitas SDM aparatur - Pembangunan infrastruktur

- Peningkatan kehidupan sosial masyarakat

BAB 3

LANDASAN TEORI

3.1 Pengertian Regresi

Analisis regresi adalah satu cabang statistika yang banyak mendapatkan perhatian dan dipelajari oleh para ilmuan khususnya para peneliti, baik ilmuan bidang social maupun eksakta. Banyak buku atau literature yang membahas hal-hal yang berkaitan dengan analisi regresi, dimana satu dengan yang lainnya saling melengkapi. Istilah regresi pertama kali diperkenalkaan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut variabel

terikat(dependent variable), pada satu atau lebih variabel, yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan atau pun meramalkan nilai – nilai dari variabel terikat apabila nilai variabel yang menerangkan sudah diketahui . Variabel yang menerangkan sering disebut variabel bebas (independent variable).

Adapun beberapa definisi regresi yang dapat dijabarkan yaitu :

a. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antar variabel-variabel. (Sudjana, 2002 : 310)

b. Persamaan regresi adalah suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan variabel yang nilainya belum diketahui. (Algifari, 2000 :2)

c. Analisis regresi digunakan untuk memprediksi seberapa jauh perubahan nilai variabel dependen bila nilai variabel independen manipulasi/diubah-rubah atau dinaik turunkan. (Prof. DR. Sugiyono,2010)

3.2 Analisa Regresi Linear

Sebelum melakukan analisis korelasi dalam sebuah penelitian maka terlebih dahulu harus diketahui apakah variabel-variabel yang akan dikorelasikan merupakan regresi linear atau non linear, karena hal ini akan dipergunakan dalam menganalisa data.

Analisis regresi linear digunakan untuk peramalan, dimana dalam model terdapat variabel bebas X dan variabel terikat Y. Regresi Linear yaitu menentukan satu persamaan dan garis yang menunjukkan hubungan antara variabel bebas dan variabel terikat, yang merupakan persamaan penduga yang berguna menaksir/meramalkan variabel terikat dananalisis jika hubungan persamaan tersebut searah dan membentuk sebuah pola garis lurus.

Untuk mempelajari hubungan–hubungan antar variabel, analisis terdiri dari dua bentuk, yaitu :

1. Analisis Regresi Sederhana (sample anayisis regresi) 2. Analisis Regresi Berganda (multiple anayisis regresi)

3.3 Analisa Regresi Linear Sederhana

Yang dimaksud hubungan linear sederhana adalah yang ditunjukkan dengan persamaan Y = a + Bx. Regresi linear sederhana merupakan suatu proses duri untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel terikat tunggal dengan variabel bebas tunggal . Regresi linear sederhana hanya ada satu peubah bebas X yang dihubungkan dengan satu peubah tak bebas Y. Sehingga setiap nilai X bertambah dengan satu satuan maka nilai Y akan bertambah dengan b. Kalau nilai X = 0 maka nilai Y sebesar a saja.

Bentuk-bentuk model umum regresi sederhana yang menunjukkan antar dua variabel, yaitu variabel X sebagai variabel bebas dan variabel Y sebagai variabel terikat adalah:

Y = a + bx

Dengan:

Y = Variabel terikat X = Variabel bebas a = Parameter intercept

b = Parameter Koefisien Regresi Variabel Bebas

Penggunaan model regresi sederhana hanya memungkinkan bila pengaruh yang ada itu hanya dari independent variabel (variabel bebas) terhadap dependent variabel (variabel terikat), tidak boleh ada pengaruh timbale balik, yaitu jika variabel mterikat juga berpengaruh terhadap variabel bebas.

Ciri penting dari regresi sederhana adalah apabila terdapat homoscedasiticity. Homoscedasticity adalah kesamaan distribusi Y pada setiap nilai X. Artinya berapapun besarnya X , jika diamati nilai Y nya dan dihitung deviasi standartnya relative sama, misalnya jika pada nilai X1 diamati nilai Y dan dicatat deviasi

standartnya dan dibandingkan dengan nilai Y pada X2, maka nilainya sama. Hal

seperti inilah yang dimaksud dengan homoscedasiticity. Kalau distribusinya tidak sama maka tidak boleh terjadi pada regresi linear sederhana.

3.4 Analisa Regresi Linear Berganda

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

Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel bebas (variable predictor) dan variable terikat (variable respon). Variabel yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel terikat . Tujuan analisis regresi linear adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi / perkiraan nilai Y atas nilai X. Dengan demikian multiple regression (regresi berganda) digunakan untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika regresi diarahkan untuk menguji variabael-variabel yang ada.

Bentuk umum persamaan regresi linear berganda yang mencakup dua atau lebih variabel, yaitu:

Y

=

β

0

+

β

1

X

1

+

β

2

X

2

+

...

+

β

n

X

n

ε

i

Dengan:

Xi = Pengamatan ke-i pada variabel bebas

0

β

= Parameter Intersep

n

β

β

β

1

,

2

,

...,

= Parameter koefisien regresi variabel bebas

i

ε = Pengamatan ke-i variabel kesalahan

Model diatas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak, dan tidak mengetahui regresi populsi, untuk keperluan analisis, variabel bebas akan dinyatakan dengan x_1,x_2,...x_n (n≥1)sedangkan variabel terikat dinyatakan dengan Y. Sehingga model regresi populasi perlu diduga berdasarkan model regresi sampel berikut:

n n o a x a x a x a

Y = + + + +

Λ

.... 2 2 1

1 εi

Dimana :

Y = Variabel terikat (dependent) X = Variabel bebas

a0,a1,…,an = Koefisien regresi

Dalam regresi linear berganda variabel terikat (Y), tergantung kepada dua atau lebih variabel bebas (X). Bentuk persamaan regresi linear berganda yang mencakup dua atau lebih variabel, yaitu:

Dalam regresi linear berganda variabel terikat (Y), tergantung kepada dua atau lebih variabel bebas (X). Bentuk persamaan regresi linear berganda yang mencakup dua atau lebih variabel, yaitu:

Y1 = b0 +b1 X1 +b2X2 +… +bnXn+ei

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

Y

=

b

₀

+

b

₁

X

_1i

+

b

₂

X

_2i

+

...

+

b

_n

X

_ni

Dengan:

Y = Produksi Kelapa Sawit X1 = Luas Panen

X2 = Curah Hujan

X3 = Hari Hujan

i = 1,2,…,n

e = Variabel kesalahan (galat)

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

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

pengamatan. Untuk menghitung nilai x₁ , x₂ , x , dan

3.5 Kesalahan Standart Estimasi

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

1

2

,..., 2 , 1

, = _{− −}

∑

Λ

k n

Y Y

S_{y k} i

Yi = Nilai data sebenarnya

Λ

i

Y = Nilai taksiran.

3.6 Koefisien Determinasi

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

Hipotesa :

Ho : Tidak terdapat hubungan fungsional yang signifikan antara semua faktor

yang mempengaruhi terhadap faktor yang dipengaruhi.

H1 : Terdapat hubungan fungsional yang signifikan antara semua faktor yang

mempengaruhi terhadap faktor yang dipengaruhi.

Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linear berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel terikat (Y) yang dapat dijelaskan atau diterangkan oleh variabel – variabel bebas (X) yang ada dalam model persamaan

regresi linear berganda secara bersama – sama. Maka R2 akan ditentukan dengan rumus ,yaitu:

R2 = ₂

i reg

y

JK

∑

Dengan:

JKreg = Jumlah Kuadrat Regresi

Harga R2 yang diperoleh sesuai dengan variansi yang dijelaskan masing – masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (yang bersifat nyata).

3.7 Koefisien Korelasi

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

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

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

∑

∑

−

∑

∑

∑

∑

−

∑

− = } ) ( }{ ) ( { ) )( ( 2 2 2 2 i i ki ki i ki i ki yx Y Y n X X n Y X Y X n r Dengan:

ryx = Koefisien korelasi antara Y dan X

Xki = Variabel bebas

Yi = Variabel terikat

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

1

1≤ ≤+

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

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

Tabel 3.1 Interpretasi Koefisien Korelasi Nilai R

R Interpretasi

0

0,01 – 0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99 1

Tidak berkorelasi Sangat rendah Rendah Agak rendah Cukup Tinggi Sangat tinggi Sumber : Hartono, M.Pd Statistik untuk penelitian

Keterangan:

r koefisien korelasi

+ menunjukkan korelasi positif

− menunjukkan korelasi negatif

Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis:

1. Korelasi Positif

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

2. Korelasi Negatif

Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.

3. Korelasi Nihil

Korelasi nihil artinya tidak adanya korelasi antara variabel.

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

ryx1 =

(

)

{

2

}

{

2

( )

2

}

1 2 1 1 1 1

Y

Y

n

X

X

n

Y

X

Y

X

n

∑

−

∑

∑

−

∑

∑

∑

−

∑

b. Koefisien Korelasi antara Y dan X2

ryx2 =

(

)

{

2

}

{

2

( )

2

}

2 2 2 2 1 2

Y

Y

n

X

X

n

Y

X

Y

X

n

∑

−

∑

∑

−

∑

∑

∑

−

∑

c. Koefisien Korelasi antara Y dan X3

ryx3 =

(

)

{

2

}

{

2

( )

2

}

3 2 3 3 1 3

Y

Y

n

X

X

n

Y

X

Y

X

n

∑

−

∑

∑

−

∑

∑

∑

−

∑

d. Koefisien Korelasi antara X1 dan X2

r12 =

(

)(

)

(

)

{

}

{

(

)

2

}

2 2 2 2 1 2 1 2 1 2 1

X

X

n

X

X

n

X

X

X

X

n

∑

−

∑

∑

−

∑

∑

∑

−

∑

e. Koefisien Korelasi antara X1 dan X3

r13 =

(

)(

)

(

)

{

}

{

(

)

2

}

3 2 3 2 1 2 1 3 1 3 1

X

X

n

X

X

n

X

X

X

X

n

∑

−

∑

∑

−

∑

∑

∑

−

∑

f. Koefisien Korelasi antara X2 dan X3

r23 =

(

)(

)

(

)

{

}

{

(

)

2

}

3 2 3 2 2 2 2 3 2 3 2

X

X

n

X

X

n

X

X

X

X

n

∑

−

∑

∑

−

∑

∑

∑

−

∑

BAB 4

ANALISIS DAN PENGOLAHAN DATA

4.1 Pengolahan Data

Setiap data yang didapat merupakan alat pengambil keputusan dalam penyelesaian persoalan yang ada. Dalam hal ini persoalan yang diteliti tentang produksi kelapa sawit yang telah dijelaskan di bab pendahuluan. Pengumpulan data dilakukan dengan melakukan riset di Badan Pusat Statistika Provinsi Sumatera Utara. Dalam hal ini penulis mengambil empat buah data yaitu, produksi kelapa sawit, luas panen,,

banyaknya curah hujan, dan hari hujan yang secara keseluruhannya data yang diambil adalah data pada tahun 2010 sebanyak 12 bulan di Kabupaten Labuhan Batu.

Pengambilan data dimaksudkan untuk melihat apakah variabel bebas ( luas panen, hari hujan, curah hujan) mempengaruhi produksi kelapa sawit yang ada. Adapun data yang diambil adalah sebagai berikut :

Tabel 4.1 Data Produksi Kelapa Sawit, Luas Panen, Hari Hujan, dan Curah Hujan di Kabupaten Labuhan Batu Pada Tahun 2010 NO Bulan Produksi

(Ton)

Luas Panen (Ha)

Curah Hujan (mm)

Hari Hujan (Hari)

1 Januari 4997 366 412 18

2 Februari 7930 587 255 11

3 Maret 7252 557 556 20

4 April 5768 442 342 15

5 Mei 2476 171 308 12

6 Juni 2441 213 55 3

7 Juli 2448 201 178 9

8 Agustus 982 115 217 12

9 September 1824 144 445 20

11 November 2347 189 504 17

12 Desember 3517 248 450 14

Sumber : BPS Sumut

4.2 Persamaan Regresi Linear Berganda

Dalam mencari persamaan regresi linear berganda, maka terlebih dahulu menghitung koefisien-koefisien regresinya dengan mencari hubungan fungsional antar variabel yang ada.

Dengan koefisien yang didapat dari perhitungan maka dapat ditentukan persamaan regresinya. Adapun perhitungan koefisiennya adalah sebagai berikut :

Tabel 4.2 Nilai-nilai Koefisien

Y X1 X2 X3 X12 X22 X32 Y2

4997 366 412 18 133956 169744 324 24970009

7930 587 255 11 344569 65025 121 62884900

7252 557 556 20 310249 309136 400 52591504

5768 442 342 15 195364 116964 225 33269824

2476 171 308 12 29241 94864 144 6130576

2441 213 55 3 45369 3025 9 5958481

2448 201 178 9 40401 31684 81 5992704

1824 144 445 20 20736 198025 400 3326976

3256 293 217 11 85849 47089 121 10601536

2347 189 504 17 35721 254016 289 5508409

3517 248 450 14 61504 202500 196 12369289

X1X2 X1X3 X2X3 YX1 YX2 YX3

150792 6588 7416 1828902 2058764 89946

149685 6457 2805 4654910 2022150 87230

309692 11140 11120 4039364 4032112 145040

151164 6630 5130 2549456 1972656 86520

52668 2052 3696 423396 762608 29712

11715 639 165 519933 134255 7323

35778 1809 1602 492048 435744 22032

24955 1380 2604 112930 213094 11784

64080 2880 8900 262656 811680 36480

63581 3223 2387 954008 706552 35816

111600 3472 6300 872216 1582650 49238

Keterangan :

Y = Produksi Kelapa Sawit X1 = Luas Panen

X2 = Curah Hujan

X3 = Hari Hujan

Tabel 4.3 Jumlah Nilai Koefisien

∑Y ∑X1 ∑X2 ∑X3 ∑X12 ∑X22 ∑X32 ∑Y2

45238 3526 3939 162 1316184 1539161 2454 224568532.00

∑X1X2 ∑X1X3 ∑X2X3 ∑YX1 ∑YX2 ∑YX3

1220966 49483 60693 17153402 15915153 641020

Dari persamaan :

45238 = 12 b0 + 3526 b1 + 3939 b2 + 162 b3 (1)

17153402 = 3526 b0 + 1316184 b1 + 1220966 b2 + 49483 b3 (2)

15915153 = 3939 b0 + 1220966 b1 + 1539161 b2 + 60693 b3 (3)

641020 = 162 b0 + 49483 b1 + 60693 b2 + 2454 b3 (4)

Persamaan diatas diselesaikan dengan metode eliminasi persamaan linear, dengan menghilangkan nilai b0.

Jika persamaan1 dan 2 diambil dan disamakan nilai b0 nya dengan persamaan 2 maka

persamaan 1 harus dikalikan dengan 293.83 (3526 : 12 = 293.83) sehingga diperoleh persamaan ke 5 :

13292432.33 = 3526 b0 + 1036056.33 b1 + 1157409.5 b2 + 47601 b3

17153402 = 3526 b0 + 1316184 b1 +1220966 b2 + 49483 b3 _

-3860969.67 = - 280127.67 b1 - 63556.50 b2 - 1882 b3

Selanjutnya untuk mendapatkan persamaan ke 6 penulis gunakan rumus persamaan 1 dan 3. Jika persamaan 3 tetap, maka persamaan 1 dikalikan dengan 328.25 ( 3939 : 12 = 328.25 )

14849373.5 = 3939 b0 + 1157409.5 b1 + 1292976.75 b2 + 53176.5 b3

15915153 = 3939 b0 + 1220966 b1 + 1539161 b2 + 60693 b3 _

-1065779.5 = - 63556.5 b1 - 246184.25 b2 - 7516.5 b3

Selanjutnya untuk mendapatkan persamaan ke 7 penulis gunakan rumus persamaan 1 dan 4. Jika 4 tetap, maka persamaan 1 dikalikan dengan 13.5 ( 162 : 12 = 13.5 )

610713 = 162 b0 + 47601 b1 + 53176.5 b2 + 2187 b3

641020 = 162 b0 + 49483 b1 + 60693 b2 + 2454 b3 _

-30307 = - 1882 b1 - 7516.5 b2 - 267 b3

Maka diperoleh beberapa persamaan :

-3860969.67 = - 280127.67 b1 - 63556.50 b2 - 1882 b3 … (5)

-1065779.5 = - 63556.5 b1 - 246184.25 b2 - 7516.5 b3 ... (6)

-30307 = - 1882 b1 - 7516.5 b2 - 267 b3 … (7)

Langkah berikutnya akan menghilangkan nilai b1, dengan menggunakan rumus

persamaan 5 dan 6.

Jika persamaan 5 dikalikan dengan -1 dan persamaan 6 dikalikan dengan 4.41 akan didapat persamaan 8.

3860969.67 = 280127.67 b1 + 63556.50 b2 + 1882 b3

-4697463.33 = -280127.67 b1 - 1085066.36 b2 - 33129.26 b3 +

- 836493.66 = - 1021509.86 b2 - 31247.26 b3

Kemudian dengan menggunakan rumus persamaan 5 dan 7 akan diperoleh persamaan 9. Persamaan 5 dikalikan dengan dengan -1 dan persamaan 7 dikalikan dengan 148.85

3860969.67 = 280127.67 b1 + 63556.50 b2 + 1882 b3

-4511067.64 = -280127.67 b1 - 1118798.95 b2 - 39741.81 b3 +

-650097.97 = - 1055242.45 b2 - 37859.81 b3

Maka diperoleh 2 persamaan berikut :

- 836493.66 = - 1021509.86 b2 - 31247.26 b3… (8)

-650097.97 = - 1055242.45 b2 - 37859.81 b3…(9)

Kemudian kedua persamaan tersebut kembali dieliminasi hingga didapat harga b3.

Jika persamaan 8 tetap maka persamaan 9 dikalikan dengan 0.968

- 836493.66 = - 1021509.86 b2 - 31247.26 b3

-629316.50 = - 1021509.86 b2 - 36649.56 b3 -

-207177.16 = 5402.30 b3

b3 = -38.350

Setelah didapat harga b3 maka substitusikan ke persamaan 8.

- 836493.66 = -1021509.86 b2 - 31247.26 b3

- 836493.66 = -1021509.86 b2 + 1198332.42

- 836493.66 - 1198332.42 = -1021509.86 b2

-2034826.08 = -1021509.86 b2

Kemudian harga b2 dan b3 di substitusikan kepersamaan 5.

-3860969.67 = - 280127.67 b1 - 63556.50 b2 - 1882 b3

-3860969.67 = - 280127.67 b1 - 126604.55 + 72174.70

-3860969.67 + 126604.55 - 72174.70 = - 280127.67 b1

-3806539.82 = - 280127.67 b1

b1 = 13.589

Kemudian harga b1, b2, dan b3 disubstitusikan ke persamaan 1.

45238 = 12 b0 + 3526 b1 + 3939 b2 + 162 b3

45238 = 12 b0 + 47914.81 + 7846.49 - 6212.70

45238 – 47914.81 – 7846.49 + 6212.70 = 12 b0

-4310.6 = 12 b0

b0 = -359.091

Dari seluruh harga yang diperoleh maka didapatlah persamaan regresi linear bergandanya sebagai berikut :

Λ

Y ₌

b

0

+

b

1

X

1i

+

b

2

X

2i

+

...

+

b

n

X

ni

Λ

4.3 Analisis Residu

Setelah persamaan regresinya didapat, maka untuk mengetahui seberapa besar penyimpangan jumlah hasil produksi kelapa sawit terhadap jumlah produksi kelapa sawit yang diperkirakan, maka dapat dihitung dengan mencari koefisien –koefisien dari analisa residunya sebagai berikut :

Tabel 4.4 Harga

Λ

Y

Y X1 X2 X3 Ŷ Y - Ŷ (Y - Ŷ)2

4997 366 412 18 4744.887 252.113 63560.96477

7930 587 255 11 7703.762 226.238 51183.63264

7252 557 556 20 7550.534 -298.534 89122.54916

5768 442 342 15 5753.261 14.739 217.238121

2476 171 308 12 2117.964 358.036 128189.7773

2441 213 55 3 2529.876 -88.876 7898.943376

2448 201 178 9 2381.724 66.276 4392.508176

982 115 217 12 1175.708 -193.708 37522.78926

3256 293 217 11 3632.9 -376.9 142053.61

2347 189 504 17 2561.248 -214.248 45902.2055

3517 248 450 14 3370.481 146.519 21467.81736

∑ ∑ ∑ ∑ ∑ ∑ ∑

45238 3526 3939 162 45239.51 -1.51 602925.7529

Maka kesalahan bakunya adalah sebagai berikut :

1 2 ,..., 2 , 1 , = _{− −}

∑

Λ k n Y Y

S_{y k} i

Dimana :

k = 3 ; n = 12 ; dan ∑ ( Y -Λ

Y ) = 602925.7529

Sehingga : 1 3 12 7529 . 602925 ,..., 2 , 1 , − − = k y S 8 7529 . 602925 ,..., 2 , 1

, k =

y S 72 . 75365 ,..., 2 , 1

, k =

y S

= 274.52812

Dari hasil penyimpangan nilai yang diperoleh, maka hasil produksi kelapa sawit yang sebenarnya akan menyimpang dari hasil sebenarnya sebesar 274.52812

4.4 Uji Regresi Linear Berganda

Perumusan Hipotesa :

H0 :

β

1

=

β

2

=

β

3

=

β

4

=

0

(X1, X2, X3 tidak mempengaruhi Y)

H1 : Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol

atau mempengaruhi Y

Dengan :

H0 diterima jika Fhit≤ Ftab

H0 ditolak jika Fhit > Ftab

Untuk menguji model regresi yang telah terbentuk, maka dapat diambil :

1 1

1

X

X

x

=

−

x

₃

=

X

₃

−

X

3

2 2

2

X

X

x

=

−

y

=

Y

−

Y

Dengan :

1

X

= 293.83

X

3 = 13.5 2

Hasil Perhitungannya disajikan didalam tabel berikut ini :

Tabel 4.5 Pengujian Regresi Linear

Y x1 x2 x3 y2

1227.17 72.17 83.75 4.5 1505946.2

4160.17 293.17 -73.25 -2.5 17307014

3482.17 263.17 227.75 6.5 12125508

1998.17 148.17 13.75 1.5 3992683.3

-1293.83 -122.83 -20.25 -1.5 1673996.1 -1328.83 -80.83 -273.25 -10.5 1765789.2 -1321.83 -92.83 -150.25 -4.5 1747234.5 -2787.83 -178.83 -111.25 -1.5 7771996.1 -1945.83 -149.83 116.75 6.5 3786254.4 -513.83 -0.83 -111.25 -2.5 264021.27 -1422.83 -104.83 175.75 3.5 2024445.2 -252.83 -45.83 121.75 0.5 63923.009

0.04 0.04 0 0 54028812

x12 x22 x32 yx1 yx2 yx3

5208.5089 7014.0625 20.25 88564.9 102775 5522.27 85948.649 5365.5625 6.25 1219637 -304732 -10400 69258.449 51870.0625 42.25 916403 793064 22634.1 21954.349 189.0625 2.25 296069 27474.8 2997.26

15087.209 410.0625 2.25 158921 26200.1 1940.75 6533.4889 74665.5625 110.25 107409 363103 13952.7 8617.4089 22575.0625 20.25 122705 198605 5948.24 31980.169 12376.5625 2.25 498548 310146 4181.75 22449.029 13630.5625 42.25 291544 -227176 -12648 0.6889 12376.5625 6.25 426.479 57163.6 1284.58 10989.329 30888.0625 12.25 149155 -250062 -4979.9 2100.3889 14823.0625 0.25 11587.2 -30782 -126.42

0.0016 0 0 3860970 1065780 30307

Dari tabel 4.5 diatas dapat diperoleh perhitungan sebagai berikut :

JKreg =

b

1

∑

y

x

1

+

b

2

∑

y

x

2

+

b

3

∑

y

x

3

= 13.589 (3860970) + 1.992 (1065780) + -38.350 ( 30307) = 52466716.80 + 2123032.76 - 1162273.45

= 53427476.12

Untuk JKres dapat dilihat dari tabel 4.4 yaitu

2

)

(

∧

−

∑

Y

Y

= 602925.7529 , maka nilai Fhit dapat dicari dengan rumus :

F =

) 1 /( / − −k n JK k JK res reg = ) 1 3 12 /( 7529 . 602925 3 / 2 53427476.1 − −

=

72 . 75365

71 . 17809158

= 236.30

Dari tabel distribusi F dengan dk pembilang = 3, dk penyebut = 8, dan α = 0.05, diperoleh Ftab = . Karena Fhit lebih daripada Ftab maka H0 di dan H1 di. Hal ini

berarti persamaan regresi linear berganda Y atas X1, X2, dan X3 bersifat nyata atau ini

berarti bahwa

4.5 Koefisien Determinasi

Koefisien determinasi digunakan untuk menganalisa seberapa besar pengaruh faktor-faktor yang mempengaruhi hasil produksi kelapa sawit.

Berdasarkan tabel 4.5 dapat dilihat ∑ y2 = 54028812 sedangkan JKreg yang

telah dihitung adalah 53427476.12. Maka selanjutnya dengan rumus R2 = JKreg /∑ y2. Sehingga diperoleh koefisien determinasi :

R2 = 53427476.12 54028812 = 0.9888701

R = = = 0.9944

Dari hasil perhitungan diperoleh nilai koefisien determinasi sebesar 0.988 dan dengan mencari akar dari R2 diperoleh koefisien korelasinya sebesar 0.99. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 99 % jumlah produksi kelapa sawit yang dipengaruhi oleh ketiga faktor yang dianalisis, sedangkan 1 % sisanya dipengaruhi oleh faktor-faktor lain yang tidak dapat dijelaskan oleh persamaan ini.

4.6 Koefisien Korelasi

Koefisien korelasi digunakan untuk melihat keeratan hubungan antara variabel bebas dan variabel terikat atau antara variabel bebas yang ada. Untuk mempermudah dalam hal penghitungan setiap nilai yang ada dibagi 1000.

1.Koefisien Korelasi antara Y dan

= 0.992

Nilai yang positif menandakan hubungan yang searah antara luas panen dengan produksi kelapa sawit, artinya penambahan luas panen akan meningkatkan produksi kelapa sawit, dan sebaliknya penurunan luas panen akan menurunkan produksi kelapa sawit, hubungan antara luas panen dengan produksi kelapa sawit tergolong kuat, ini ditandai dengan nilai r yang tinggi yaitu 0,992.

2.Koefisien Korelasi antara Y dan

= 0.292

Nilai yang positif menandakan hubungan yang searah antara curah hujan dengan produksi kelapa sawit, artinya penambahan intensitas curah hujan akan meningkatkan produksi kelapa sawit, dan sebaliknya penurunan intensitas curah hujan akan menurunkan produksi kelapa sawit, hubungan antara intensitas curah hujan dengan produksi kelapa sawit tergolong lemah, ini ditandai dengan nilai r yang rendah yaitu 0,292.

3.Koefisien Korelasi antara Y dan

= 0.252

Nilai yang positif menandakan hubungan yang searah antara banyaknya hari hujan dengan produksi kelapa sawit, artinya penambahan hari hujan akan meningkatkan produksi kelapa sawit, dan sebaliknya penurunan hari hujan akan menurunkan produksi kelapa sawit, hubungan antara banyaknya hari hujan dengan produksi kelapa sawit tergolong lemah, ini ditandai dengan nilai r yang rendah yaitu 0,252.

4.Koefisien Korelasi antara

= 0.242

5. Koefisien Korelasi antara

= 0.218

= 0.927

BAB 5

5.1 Pengertian Implementasi Sistem

Implementsai Sistem adalah tahapan penerapan hasil desain tertulis ke dalam programming dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun prosedur untuk menyelesaikan desain system, yang mana dalam hal ini implementasi system digunakan untuk menganalisis data jumlah produksi kelapa sawit pada tahun 2010 di Kabupaten Labuhan. Batu

Adapun implementasi system yang digunakan adalah Microsoft excel dan SPSS (Statistical Product and Service Solution) 16.0 for windows. Dengan menggunakan Microsoft Excel dan SPSS 16.0 diharapkan dapat menambah dan meningkatkan pengetahuan penulis dalam menggunakan aplikasi ilmu statistic.

5.2 Pengaktifan Excel

Sebelum mengoperasikan excel, pastikan bahwa program tersebut telah tersedia di computer, kemudian langkah-langkah sebagai berikut :

b. Klik windows excel maka secara otomatis jendela utama excel akan tampil dan langsung digunakan untuk mengelolah data.

Pada setiap lembar kerja excel memiliki 256 kolom dan 65636 baris yang siap untuk digunakan. Pada setiap baris dan kolom terdapat sel-sel yang diidentifikasi dengan alamat yang kombinasi antar baris dan abjad kolom. Dapat dilihat seperti gambar berikut ini :

Gambar 5.2 Jendela Microsoft Excel

Beberapa Istilah dalam Miicrosoft excel :

1. Worksheet adalah tempat lembar kerja yang memasukkan data ataupun rumus. Worksheet tersedia sebanyak tiga sheet yang terdiri dari 65536 baris dan 256 kolom.

2. Workbook adalah buku kerja yang terdiri dari beberapa worksheet. Workbook ini tempat menyimpan worksheet sehingga mempermudah mengorganisir file-file sesuai dengan kebutuhan yang diperlukan.

3. Cell adalah perpotongan baris dan kolom yang ditandai dengan poiter sel pada posisi tertentu yang ditunjukkan pada name book.

4. Pinter cell adalah tanda petunjuk keaktifan sel berupa kotak bingkai tebal.

5. Range adalah kumpulan beberapa sel yang menunjukkan kelompok area.

6. Gridlines adalah garis bantu sel pada area kerja.

7. Fil Handell adalah bagian bawah kanan pointer sel berfungsi untuk memindahkan atau mengopi data dan rumus.

5.2.1 Pengisian Data

Dalam hal pengolahan data computer memiliki banyak kelebihan dari manusia yaitu dalam hal kecepatan, ketepatan, dan kehandalannya. Manusia sangat terbantu dengan adanya program Microsoft excel karena kadang kala data yang banyak dan rumit tidak dapat diselesaikan dengan manual dan membutuhkan banyak waktu dan tenaga. Maka dari itu Microsoft excel diharapkan dapat melakukan pekerjaan cepat dan tepat dengan kesalahan yang kecil.

Proses pengisian data pada lembar kerja excel dengan cara mengetik data yang kita inginkan di sel yang tersedia. Ada dua cara mengisi data yaitu dengan menggunakan keyboard atau sub menu yang terdapat pada menu excel.

Langkah-langkah cara memasukkan data dengan menggunakan keyboard : 1. Letakkan pinter dan sel yang ingin dimasukkan data

2. Ketik data 3. Tekan enter

Hasil dari memasukkan data dapat dilihat pada gambar berikut ini :

Gambar 5.3 Data setelah dimasukkan

5.3 Pengaktifan SPSS

Berikut ini adalah langkah-langkah yang dilakukan untuk menyelesaikan program linear berganda dengan SPSS sesuai dengan data dalam dalam penulisan ini :

1. Klik start lalu pilih klik all Program kemudian pilih SPSS Inc setelah itu klik SPSS 16.0

Gambar 5.4 Tampilan cara mengaktifkan SPSS

2. Memasukkan data ke SPSS

Setelah program SPSS aktif maka akan muncul kotak dialog sebagai berikut :

Untuk membuat lembar kerja baru klik cancel dan akan tampil sebagai berikut :

Gambar 5.6 Tampilan jendela data view dalam SPSS

Saat program sudah berjalan seperti gambar diatas maka selanjutnya klik variable viewpada sudut kiri bawah program, kemudian lakukan petunjuk untuk pengisian data sebagai berikut :

a. Kolom name dapat diisi dengan variabel yang kita miliki dalam penelitian, dalam penelitian ini yang memiliki 4 variabel dapat di ketik Y, X1, X2,X3.

b. Untuk kolom type maka dapat diisikan seluruhnya dengan type data Numeric. Karena penelitian ini dengan metode kuantitatif.

c. Untuk kolom width diisikan seluruhnya dengan angka 8 artinya jumlah karakter yang digunakan terbatas 8 angka atau huruf.

d. Kolom decimal semuanya diisikan dengan angka 2 yang artinya perhitungan dilakukan dengan aturan 2 desimal dibelakang koma.

e. Kolm label diisikan berdasarkan identitas dari variabel yang dimiliki, dalam hal ini variabel Y dilabeli dengan Produksi, variabel X1 dilabeli dengan Luas

Panen, variabel X2 dilabeli dengan Hari Hujan, dan variabel X3 dilabeli

dengan Curah Hujan.

f. Kolom values digunakan untuk menuliskan nilai kuantitatif dari variabel yang berskala ordinal dan nominal, dalam hal ini kita menggunakan bentuk skala, maka untuk kolom ini diabaikan saja.

g. Kolom missing digunakan untuk penjelasan data yang hilang atau rusak.

h. Kolom columns digunakan untuk menentukan lebar kolom untuk ketiga variabel kita isikan angka 8.

i. Kolom aligndigunakan untuk menetukan letak pengisian data apakah rata kanan, rata kiri atau rata tengah.

j. Kolom measure digunakan untuk menentukan jenis data, dalam hal ini data kita gunakan data scale. Maka seluruh variabel kita gunakan scale.

Bentuk pengisian data diatas dapat dilihat pada gambar berikut ini :

Gambar 5.7 Tampilan pengisian variable view dalam SPSS

5.3.1 Pengisian Data Pada SPSS

Setelah selesai melakukan pengisisan data pada variabel view selanjutnya dilakukan pengisian data pada data view. Isikan data sesuai variabel yang tersedia seperti gambar dibawah ini :

Gambar 5.8 Tampilan pengisian data view dalam SPSS

Setelah dilakukan pengisian data seperti diatas, selanjutnya dilakukan proses analisa data.

a. Pilih menu analyze, kemudian pilih menu Regression, pilih Linear seperti tampilan berikut :

b. Pada kolom dependent pindahkan variabel produksi (Y) sedangkan pada kolom independent pindahkan variabel X1, X2, dan X3.

c. Pada kolom method pilih enter.

Gambar 5.10 Tampilan Jendela Linear Regression

d. Kemudian klik kotak statistics, pada pilihan regression coefficient ceklis semua kotak dan pada kolom Residuals ceklis kotak Durbin Watson. Lalu klik continue.

Gambar 5.11 Tampilan pada pengisian Linear Regression Statistik

e. Klik plots dan kemudian pada Linear Regression Plots untuk membuat grafik dan berikan tanda ceklis pada pilhan produce all partial plot dan pada kolon Standarized Residual Plots pilih Histogran dan Normal Probability plot, lalu klik continue.

Gambar 5.12 Tampilan pada pengisian Linear Regression Plots

f. Klik plots, pada pilihan stepping method criteria masukkan angka 0,05 pada kolom entri. Kemudian ceklis include constant in equation. Pada pilihan missing values ceklis exclude case listwise. Lalu klik continue.

Gambar 5.13 Tampilan pada pengisian Linear Regression Options

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

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

1. Dengan menggunakan rumus yang ada maka diperoleh nilai-nilai koefisien regresinya yaitu :

b0 = -359.091 , b1 = 13.589 , b2 = 1.992 , b3 = -38.350 , sehingga persamaan

linear berganda yang didapat adalah : Λ

Y = -359.091 + 13.589 X1 + 1.992 X2 -38.350 X3

Yang berarti bahwa produksi kelapa sawit dipengaruhi oleh 3 faktor yang menjadi variabel yaitu luas panen (X1), curah hujan (X2), dan hari hujan (X3).

Dimana luas panen sebesar 13.589, banyaknya hari hujan sebesar 1.992 dan curah hujan sebesar -38.350

2. Pada uji linear berganda menggunakan distribusi F dengan dk pembilang = 3,

dk penyebut = 8, dan α = 0.05, diperoleh Ftab = 4.07 dan Fhitung = 236.30.

Karena Fhit lebih besar daripada Ftab , maka Ho ditolak dan H1 diterima . Hal ini

berarti persamaan regresi linear berganda Y atas X1 , X2 , X3, bersifat nyata

atau ini berarti bahwa luas lahan, curah hujan, dan hari hujan secara bersama-sama mempengaruhi jumlah produksi kelapa sawit.

3. Koefisien determinasi ® sebesar 99% menunjukkan bahwa produksi kelapa sawit di Kabupaten Labuhan Batu dipengaruhi oleh jetiga faktor X1, X2, dan

X3 dan 1% dipengaruhi oleh faktor-faktor lain.

4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang kuat terjadi antara jumlah produksi kelapa sawit (Y) dengan luas panen (X1) yaitu sebesar 0.992

6.2 Saran

Melihat hubungan yang kuat antara produksi kelapa sawit dan luas panen, maka disarankan agar pihak pemerintah Indonesia khususnya untuk Kabupaten Labuhan Batu agar memperluas lahan penenanaman untuk kelapa sawit agar nilai produksi juga bertambah dan kebutuhan dalam negeri juga dapat terpenuhi, dan tidak lagi mengandalkan barang impor. Untuk selanjutnya metode analisa statistic dapat digunakan dengan perancangan pembangunan di sector pertanian.

DAFTAR PUSTAKA

BPS. 2011. Kabupayen Labuhanbatu dalam Angka 2011. Labuhanbatu : Badan Pusat Statistik Kabupaten Labuhanbatu

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

Ritonga, Abdul Rahman. 1987. “Statistika Terapan untuk Penelitian”. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.

Saleh, Samsubar. 1986. “Statistik Nonparametrik”. Edisi I,BPFE. Yogyakarta

Sudjana. 2002. “Metode Statistika”. Bandung: Tarsito.

Algifri. 2000. Analisis Regresi Teori Kasus dan Solusi. Yogyakarta. BPFE. Yogyakarta

Output SPSS :

Descriptive Statistics

Mean Std. Deviation N

Produksi 3.7698E3 2216.23784 12

Luas Panen 2.9383E2 159.58118 12

Curah Hujan 3.2825E2 149.60076 12

Hari Hujan 13.5000 4.92674 12

Correlations

Produksi Luas Panen Curah Hujan Hari Hujan Pearson

Correlation

Produksi 1.000 .992 .292 .252

Luas Panen .992 1.000 .242 .218

Curah Hujan .292 .242 1.000 .927

Hari Hujan .252 .218 .927 1.000

Sig. (1-tailed) Produksi . .000 .178 .214

Luas Panen .000 . .224 .248

Curah Hujan .178 .224 . .000

Hari Hujan .214 .248 .000 .

N Produksi 12 12 12 12

Luas Panen 12 12 12 12

Curah Hujan 12 12 12 12

Variables Entered/Removedb

Model Variables Entered

Variables

Removed Method

1 Hari Hujan, Luas Panen,

Curah Hujana . Enter

a. All requested variables entered. b. Dependent Variable: Produksi

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

1 .994a .989 .985 274.52812

a. Predictors: (Constant), Hari Hujan, Luas Panen, Curah Hujan b. Dependent Variable: Produksi

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 5.343E7 3 1.781E7 236.296 .000a

Residual 602925.516 8 75365.689

Total 5.403E7 11

a. Predictors: (Constant), Hari Hujan, Luas Panen, Curah Hujan b. Dependent Variable: Produksi

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -359.091 276.995 -1.296 .231

Luas Panen 13.589 .535 .978 25.415 .000

Curah Hujan 1.992 1.485 .134 1.341 .217

Hari Hujan -38.350 44.834 -.085 -.855 .417

a. Dependent Variable: Produksi

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 1.1757E3 7.7035E3 3.7698E3 2203.83728 12

Residual -3.76777E2 3.58112E2 .00000 234.11837 12

Std. Predicted Value -1.177 1.785 .000 1.000 12

Std. Residual -1.372 1.304 .000 .853 12

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -359.091 276.995 -1.296 .231

Luas Panen 13.589 .535 .978 25.415 .000

Curah Hujan 1.992 1.485 .134 1.341 .217

Hari Hujan -38.350 44.834 -.085 -.855 .417

a. Dependent Variable: Produksi

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 1.1757E3 7.7035E3 3.7698E3 2203.83728 12

Residual -3.76777E2 3.58112E2 .00000 234.11837 12

Std. Predicted Value -1.177 1.785 .000 1.000 12

Std. Residual -1.372 1.304 .000 .853 12