Kajian Beberapa Faktor Yang Mempengaruhi Pendapatan Regional Perkapita Penduduk Kota Medan Untuk Periode 2007 – 2010

KAJIAN BEBERAPA FAKTOR YANG MEMPENGARUHI

PENDAPATAN REGIONAL PERKAPITA KOTA

MEDAN UNTUK PERIODE 2007-2010

TUGAS AKHIR

MATIUS D S SINAGA

112407008

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

KAJIAN BEBERAPA FAKTOR YANG MEMPENGARUHI

PENDAPATAN REGIONAL PERKAPITA KOTA

MEDAN UNTUK PERIODE 2007-2010

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

MATIUS D S SINAGA

112407008

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : Kajian Beberapa Faktor Yang Mempengaruhi Pendapatan Regional Perkapita Penduduk Kota Medan Untuk Periode 2007 – 2010

Kategori : Tugas Akhir

Nama : Matius D S Sinaga

Nomor Induk Mahasiswa : 112407008 Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui oleh

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu’ulölö, M.Si Dr. Faigiziduhu Bu’ulölö, M.Si NIP. 19531218 198003 1 003 NIP. 19531218 198003 1 003

PERNYATAAN

KAJIAN BEBERAPA FAKTOR YANG MEMPENGARUHI PENDAPATAN REGIONAL PERKAPITA KOTA

MEDAN UNTUK PERIODE 2007-2010

TUGAS AKHIR

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

Medan, Juli 2014

MATIUS D S SINAGA 112407008

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Kajian beberapa Faktor yang Mempengaruhi Pendapatan Regional Perkapita Penduduk Kota Medan untuk Periode 2007-2010.

Terimakasih penulis sampaikan kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku pembimbing dan Ketua Program Studi D3 Statistika FMIPA USU yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Suwarno Ariswoyo, M.Si selaku Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si. dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak tersayang Kasinius Napon Sinaga dan Ibunda tersayang Theresia Rodesta Tamba serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis,

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Gambar vi

Daftar Tabel vii

Daftar Lampiran viii

BAB 1 PENDAHULUAN 1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Lokasi Penelitian 3

1.7 Tinjauan Pustaka 3

1.8 Metodologi Penelitian 4

1.9 Sistematika Penulisan 6

BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi 8

2.2 Analisis Regresi Linier 9

2.2.1 Analisis Regresi Linier Sederhana 10

2.2.2 Analisis Regresi Linier Berganda 11

2.3 Uji Keberartian Regresi 13

2.4 Pengujian Hipotesis 14

2.5 Koefisien Determinasi 15

2.6 Uji Korelasi 16

2.7 Uji Koefisien Regresi Linier Berganda 18

BAB 3 GAMBARAN UMUM TEMPAT RISET 3.1 Sejarah Singkat Badan Pusat Statistik 20

3.1.1 Masa Pemerintahan Hindia Belanda 20

3.1.2 Masa Pemerintahan Jepang 20

3.1.3 Masa Kemerdekaan Republik Indonesia 21

3.1.4 Masa Orde Baru Sampai Sekarang 22

3.2 Logo Instansi Badan Pusat Statistik 23

3.3 Visi dan Misi Badan Pusat Statistik Sumatera Utara 24

3.3.1 Visi Badan Pusat Statistik 24

BAB 4 PENGOLAHAN DATA

4.1 Pengambilan Sampel 26

4.2 Menentukan Persamaan Regresi Linier Berganda 28

4.3 Uji Keberartian Regresi 32

4.4 Uji Koefisien Regresi Linier Berganda 37

4.5 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat 40

4.6 Perhitungan Korelasi antara Variabel Bebas 42

4.7 Perhitungan Koefisien Determinasi 44

BAB 5 IMPLEMENTASI SISTEM 5.1 Pengertian Implementasi Sistem 46

5.2 Sekilas Tentang Program SPSS 46

5.3 Pengolahan Data dengan SPSS 47

5.4 Pengolahan Data dengan Persamaan Regresi 51

BAB 6 KESIMPULAN DAN SARAN 6.1 Kesimpulan 54

6.2 Saran 55 DAFTAR PUSTAKA

DAFTAR GAMBAR

Nomor Judul Halaman Gambar

Gambar 3.1 Logo Instansi Badan Pusat Statistik 23

Gambar 3.2 Bagan Struktur Badan Pusat Statistik Provinsi Sumatera Utara 25

Gambar 5.1 Tampilan Pengaktifan SPSS 17.0 47

Gambar 5.2 Tampilan Jendela Data View dalam SPSS 17.0 47

Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS 48

Gambar 5.4 Tampilan Jendela Pengisian Data View 50

Gambar 5.5 Pilih Analyze, Regression, Linear 51

Gambar 5.6 Kotak Dialog Linier Regression 52

Gambar 5.7 Kotak dialog Linear Regression Statistics 52

Gambar 5.8 Kotak dialog Linear Regression Plots 53

DAFTAR TABEL

Nomor Judul Halaman Tabel

Tabel 2.1 Tingkat Keeratan Korelasi 18

Tabel 4.1 PDRB Pekapita Kota Medan Perkecamatan 27

Tabel 4.2 Nilai-Nilai untuk Menghitung Koefisien-Koefisien Regresi 29

Tabel 4.3 Nilai-Nilai untuk Menghitung Uji Keberartian Regresi 33

Tabel 4.4 Nilai-Nilai untuk Menghitung Jumlah Kuadrat Regresi dan Jumlah Kuadrat Residu 35

DAFTAR LAMPIRAN

Nomor Judul

Lampiran

1. Hasil Perhitungan dari Program SPSS 2. Surat Permohonan Penelitian Tugas Akhir 3. Surat Riset Pengumpulan Data

4. Kartu Bimbingan Tugas Akhir Mahasiswa 5. Data Sumber Pengolahan

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pendapatan perkapita merupakan besarnya pendapatan rata-rata penduduk suatu negara pada suatu periode tertentu, yang biasanya satu tahun. Pendapatan perkapita diperoleh dari hasil pembagian pendapatan nasional pada tahun tertentu dibagi dengan jumlah penduduk suatu negara pada tahun tersebut. Pendapatan perkapita sering digunakan sebagai tolak ukur kemakmuran suatu negara. Semakin besar pendapatan perkapita, maka negara tersebut akan dinilai semakin makmur.

Beberapa faktor penting yang mempengaruhi pendapatan perkapita adalah Produk Domestik Regional Bruto (PDRB), baik Produk Domestik Regional Bruto (PDRB) atas Dasar Harga Berlaku maupun Produk Domestik Regional Bruto (PDRB) atas Dasar Harga Konstan dan juga jumlah penduduk. Pemahaman tentang faktor-faktor yang mempengaruhi pendapatan perkapita sangat penting sehingga dapat dijadikan acuan dalam pengambilan keputusan dalam menentukan faktor mana yang lebih memberikan kontribusi yang lebih besar terhadap pendapatan perkapita. Hal itu dapat dijadikan dasar yang kuat dalam menentukan suatu kebijakan yang akan diambil dan diharapkan akan dapat mempermudah pengambilan suatu kebijakan, sehingga berbagai kemungkinan yang terjadi dari segi kerugian maupun kelemahan dapat ditanggulangi. Dapat diharapkan kebijakan yang diambil untuk meningkatkan kesejahteraan masyarakat secara merata.

Dari uraian di atas, maka dilakukan suatu kajian yang menggunakan suatu bentuk penduga yaitu Persamaan Regrasi Linier Berganda. Dan untuk mengetahui

hubungan antara pendapatan perkapita terhadap faktor-faktornya, maka penulis mengajukan judul KAJIAN BEBERAPA FAKTOR YANG MEMPENGARUHI PENDAPATAN REGIONAL PERKAPITA PENDUDUK KOTA MEDAN UNTUK PERIODE TAHUN 2007-2010.

1.2 Perumusan Masalah

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

1. Bagaimana hubungan beberapa faktor yang mempengaruhi jumlah pendapatan regional perkapita di kota Medan.

2. Seberapa besar hubungan antara faktor yang mempengaruhi jumlah pendapatan regional perkapita di kota Medan.

1.3 Batasan Masalah

Pendapatan regional perkapita dipengaruhi oleh beberapa faktor, maka penulis membatasi pokok permasalahan hanya tiga faktor yaitu, PDRB atas Dasar Harga Berlaku, PDRB atas Dasar Harga Konstan dan Jumlah Penduduk. Dalam kajian ini digunakan data pendapatan regional perkapita kota Medan perkecamatan dengan metode Regresi Linier Berganda.

1.4 Tujuan Penelitian

Sebagai referensi terhadap pemerintah kota Medan, sehingga dapat menentukan kebijakan yang tepat dalam meningkatkan pendapatan regional perkapita penduduk kota Medan, maka pada masa yang akan datang tercipta kesejahteraan masyarakat yang merata.

1.5 Manfaat Penelitian

Untuk memberi gambaran terhadap faktor–faktor yang mempengaruhi pendapatan regional perkapita kota Medan.

1.6 Lokasi Penelitian

Kajian atau pengumpulan data mengenai faktor–faktor yang mempengaruhi pendapatan regional perkapida penduduk kota Medan perkecamatan dilakukan di Badan Pusat Statistik Provinsi Sumatera Utara Jl. Asrama No. 179 Medan.

1.7 Tinjauan Pustaka

Analisis regresi adalah kajian terhadap hubungan satu variabel yang disebut sebagai variabel terikat dengan satu atau dua variabel bebas. Jika variabel bebas lebih dari satu, maka analisis regresi disebut regresi linier berganda, dan jika pengaruh beberapa variabel bebas akan dikenakan kepada variabel terikat (Gujarati 2006).

Prinsip dasar pemodelan regresi linier berganda tidak berbeda dengan regresi sederhana, hanya saja pada regresi sederhana digunakan satu variabel independen, maka pada regresi berganda digunakan lebih dari satu variabel independen. Dengan semakin banyaknya variabel independen berarti semakin tinggi pula kemampuan regresi yang dibuat untuk menerangkan variabel dependen, atau peran faktor–faktor

lain di luar variabel independen yang digunakan, yang dicerminkan oleh error semakin kecil. Studi yang menyangkut masalah ini dikenal dengan analisis regresi linier berganda.

Secara umum rumus yang digunakan untuk regresi linier berganda adalah:

di mana:

variabel terikat konstanta

koefisien variabel ke-k,

variabel bebas ke-k, nilai error

1.8 Metodologi Penelitian

Metode yang digunakan dalam kajian ini adalah: 1. Metode Penelitian Kepustakaan (Studi Literatur)

Penelitian kepustakaan adalah metode pengumpulan data yang digunakan untuk memperoleh data maupun informasi yang dibutuhkan dengan cara membaca dan mempelajari buku-buku perkuliahan atau umum, serta mencari sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan penelitian ini dilakukan dengan menggunakan data sekunder. Data sekunder adalah data primer yang diperoleh dari pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram.

Data sekunder diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Metode Pengolahan Data

Data penelitian dianalisa dengan menggunakan metode regresi linier berganda untuk mengetahui persamaan regresi liniernya dan untuk mengetahui hubungan setiap variabel digunakan analisis korelasi. Adapun langkah yang dilakukan dalam pengolahan data adalah:

a. Menentukan kelompok data yang menjadi variabel bebas dan variabel terikat .

b. Menentukan persamaan regresi berdasarkan variabel bebas dengan variabel terikat sehingga didapat regresi atas , , , . . ., .

c. Uji keberartian regresi linier beganda untuk meyakinkan apakah regresi (berbentuk linier) yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan peubah.

d. Uji koefisien regresi linier ganda untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam persamaan regresi di atas, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.

e. Uji koefisien korelasi untuk menyatakan keeratan hubungan antara variabel bebas dan variabel terikat.

f. Uji koefisien determinasi untuk menyatakan seberapa besar kemampuan variabel bebas dalam mempengaruhi atau menerangkan variabel terikatnya.

1.9 Sistematika Penulisan

Adapun sistematika penulisan yang diuraikan oleh penulis antara lain:

BAB 1 : PENDAHULUAN

Bab ini menguraikan tentang latar belakang, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, lokasi penelitian, tinjauan pustaka, metodologi penelitian dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi linier sederhana, regresi linier berganda, uji keberartian regresi, uji koefisien regresi berganda, uji korelasi dan uji koefisien determinasi untuk regresi linier berganda.

BAB 3 : GAMBARAN UMUM TEMPAT RISET

Bab ini menguraikan tentang sejarah singkat perusahaan, visi dan misi perusahaan beserta struktur organisasi perusahaan.

BAB 4 : PENGOLAHAN DATA

Bab ini menguraikan proses pengolahan data pada regresi linier berganda, analisis korelasi dan koefisien linier berganda.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan proses pengolahan data dengan program yang akan digunakan yaitu SPSS mulai dari input data hingga hasil outputnya yang membantu dalam menyelesaikan permasalahan dalam penulisan.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini terdiri atas kesimpulan dari hasil pengolahan data yang telah dilakukan serta saran berdasarkan kesimpulan.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel

independent, atau secara bebas, variabel (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu ). Variabel yang kedua adalah variabel yang dipengaruhi, variabel dependent, variabel terikat, atau variabel . Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.

Istilah regresi pada mulanya bertujuan nutuk membuat perkiraan nilai satu variabel terhadap satu variabel yang lain. Pada perkembangan selanjutnya analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut.

Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara suatu variabel tidak bebas (dependent variable) dengan variabel-variabel bebas (independent variable) lainnya memiliki sifat hubungan sebab akibat (hubungan kausalitas), baik didasarkan pada teori, hasil penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis tertentu.

2.2 Analisis Regresi Linier

Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan di antara variabel-variabel. Analisis regresi linier atau regresi garis lurus digunakan untuk:

1. Menentukan hubungan fungsional antar variabel dependen dengan independen. Hubungan fungsional ini dapat disebut sebagai persamaan garis regresi yang berbentuk linier.

2. Meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya.

Analisis regresi tediri dari dua bentuk yaitu: 1. Analisis Regresi Linier Sederhana 2. Analisis Regresi Linier Berganda

Analisis Regresi Linier Sederhana adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel dependen (terikat) dan variabel independen (bebas), sedangkan Analisis Regresi Linier Berganda adalah bentuk regresi dengan model yang memiliki hubungan antara satu variabel dependen dengan dua atau lebih variabel independen. Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang komplek. Jika , ,…, adalah variabel-variabel independen dan adalah variabel dependen, maka terdapat hubungan fungsional antara dan , dimana variasi dari X akan diiringi pula oleh variasi dari . Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai berikut:

f ( , ,…, , ) di mana:

variabel dependen (tak bebas) variabel independen (bebas) variabel residu

Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni:

1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.

2. Menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi independen.

3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.

4. Melihat apakah tanda magnitud dari estimasi parameter cocok dengan teori.

2.2.1 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua variabel di mana hanya terdapat satu variabel/peubah bebas dan satu peubah tak bebas .

Dalam bentuk persamaan, model regresi sederhana adalah :

(2.1) di mana:

= variabel terikat/tak bebas (dependent) variabel bebas (independent)

penduga bagi intercept ( )

Penggunaan regresi linier sederhana didasarkan pada asumsi di antaranya sebagai berikut:

1. Model regresi harus linier dalam parameter.

2. Variabel bebas tidak berkorelasi dengan disturbance term (error).

3. Nilai disturbance term sebesar 0 atau dengan simbol ( . 4. Varian untuk masing-masing error term (kesalahan) konstan 5. Tidak terjadi autokorelasi.

6. Model regresi dispesifikasi secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.

7. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata.

2.2.2 Analisis Regresi Linier Berganda

Untuk memperkirakan nilai variabel tak bebas , akan lebih baik apabila ikut memperhitungkan variabel-variabel bebas lain yang mempengaruhi nilai dengan demikian dimiliki hubungan antara satu variabel tidak bebas dengan beberapa variabel lain yang bebas , , ,…, . Untuk itulah digunakan regresi linier berganda. Dalam pembahasan mengenai regresi sederhana, simbol yang digunakan untuk variabel bebasnya adalah . Dalam regresi berganda, persamaan regresinya memiliki lebih dari satu variabel bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam hal ini , ,…, .

Secara umum persamaan regresi linier berganda dapat ditulis sebagai berikut:

= variabel terikat = konstanta

= koefisien variabel ke-k,

= variabel bebas ke-k, = nilai error

Dalam kajian ini, digunakan empat variabel yang terdiri dari satu variabel bebas Y dan tiga variabel X yaitu , dan Maka persamaan regresi bergandanya adalah:

(2.2)

Persamaan (2.2) dapat diselesaikan dengan empat bentuk yaitu: n + + +

+ + +

+ + +

+ + + (2.3) Sistem persamaan (2.3) dapat disederhanakan, apabila diambil

= ̅ , = – ̅ , = – ̅ dan = – ̅_. sehingga persamaan menjadi:

= + + (2.4) Koefisien-koefisien , dan untuk persamaan (2.4) dapat dihitung dari:

= + + = + +

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan apakah regresi yang didapat berdasarkan penelitian ada artinya.

Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat untuk regresi yang ditulis dan Jumlah Kuadrat untuk sisa (residu) yang ditulis dengan .

Jika = ̅ , = ̅ ,…, = ̅ dan – Y

maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:

= + + (2.6) dengan derajat kebebasan

= ∑( ̅ (2.7) dengan derajat kebebasan – – untuk sampel berukuran .

Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:

_(2.8)

Dengan statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang = dan penyebut = .

2.4 Pengujian Hipotesis

Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak menutup kemungkinan untuk terjadinya kesalahan dalam

mengambil keputusan antara menolak atau menerima suatu hipotesis. Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat signifikansi

atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. didasarkan tingkat signifikansi pada umumnya menggunakan . Kisaran tingkat signifikansi mulai dari sampai dengan . Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: (hipotesis nol) dan (hipotesis alternatif). bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penelitian dengan keadaan yang sesungguhnya yang diteliti bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti.

Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil penelitian terlebih dahulu sebagai pendukung pernyataan hipotesis yang diusulkan. Dalam membentuk hipotesis ada beberapa hal yang dipertimbangkan:

1. Hipotesis nol dan hipotesis alternatif yang diusulkan.

2. Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed atau

two tailed).

3. Penentuan nilai hitung statistik.

4. Menarik kesimpulan apakah menerima atau menolak hipotesis yang diusulkan. Dalam uji keberartian regresi, langkah-langkah yang dibutuhkan untuk pengujiannya antara lain:

1. : = = . . . = =

Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.

: Minimal satu parameter koefisien regresi yang

Terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.

2. Pilih taraf α yang diinginkan.

3. Hitung statistik dengan menggunakan rumus (2.8).

4. Nilai menggunakan daftar tabel dengan taraf signifikansi α yaitu = .

5. Kriteria pengujian: jika ≥ , maka di tolak dan di terima. Sebaliknya Jika > , maka di terima dan di tolak.

2.5Koefisien Determinasi

Koefisien determinasi yang disimbolkan dengan bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai dikatakan baik jika berada di atas karena nilai berkisar antara dan . Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel independen yang digunakan dalam model.

Koefisien determinasi dapat dihitung dari:

=









    2 2 2 1 1 ) . ( ... i i i ki k i i i i Y Y y x b y x b y x b (2.9)

sehingga rumus umum koefisien determinasi yaitu: =

Harga diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variabel yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.

2.6 Uji Korelasi

Uji korelasi bertujuan untuk menguji hubungan antara dua variabel yang tidak menunjukkan hubungan fungsional, keeratan hubungan ini dinyatakan dalam bentuk koefisien korelasi.

Koefisien Korelasi

Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur keeratansuatu hubungan antarvariabel, koefisien korelasi biasanya disimbolkan dengan

r.

Koefisien korelasi dapat dirumuskan sebagai berikut:

=

√

(2.11) Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan tiga variabel bebas , , yaitu:

1. Koefisien korelasi antara dengan

√

(2.12) 2. Koefisien korelasi antara dengan

√

(2.13) 3. Koefisien korelasi antara dengan

√

(2.14) Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah yang berlawanan. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis hubungan sebagai berikut:

1. Korelasi Positif

Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama atau berbanding lurus. Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan peningkatan variabel yang lain.

2. Korelasi Negatif

Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan atau berbanding terbalik. Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan pada variabel yang lain dan sebaliknya.

3. Korelasi Nihil

Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti pada perubahan variabel yang lain dengan arah yang tidak teratur (acak). Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat dilihat dalam bentuk Tabel (2.1).

Tabel 2.1 Tingkat Keeratan Korelasi -1 ≤ r ≤+1 Tingkat Keeratan

0,80 – 1,00 Korelasi sangat kuat atau sempurna 0,60 – 0,79 Korelasi kuat

0,40 – 0,59 Korelasi sedang 0,20 – 0,39 Korelasi rendah

0,00 – 0,19 Tidak ada korelasi atau korelasi lemah Sumber: Sugiono (2001)

2.7 Uji Koefisien Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi. Misalkan populasi memiliki model regresi linier berganda:

= + + + . . . +

yang berdasarkan sebuah sampel acak berukuran n ditaksir oleh regresi berbentuk:

^

Y_฀

Akan dilakukan pengujian hipotesis dalam bentuk: : = ,

: 0,

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran , jumlah kaudrat-kuadrat dengan = ̅ dan koefisien korelasi ganda antara masing-masing variabel bebas dengan variabel tak bebas dalam regresi yaitu . Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien yakni:

s i b

) 1 )( x

( 2_ij 2

2 ... 12 .



 _i

k y

R s

(2.15) di mana:

(2.16) ∑ ( ̅) (2.17)

(2.18)

selanjutnya hitung statistik:

(2.19) Dengan kriteria pengujian: jika , maka tolak dan jika < , maka terima yang akan berdistribusi t dengan derajat kebebasan dan

BAB 3

GAMBARAN UMUM TEMPAT RISET

3.1 Sejarah Singkat Badan Pusat Statistik 3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian,Kerajinan dan Perdagangan (Directure Vand Landbow Nijeverheiden Handed) dan Berpendudukan di Bogor. Kantor ini diserahi tugas untuk mengelolah dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama

Central Kantor Voor de Statistik (CKS) atau kantor statistik dan di pindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme Statistik Perdagangan yang semula dilakukan oleh kantor Invoer Vitvoer en Accijnsen (IUA) yang sekarang disebut kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintah Jepang baru mengaktifkan kembali kegiatan Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini Central Kantor Voor de Statistik (CKS) diganti namanya menjadi

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dipindahkan ke Yogyakarta sebagai sekuens dari perjanjian Linggarjati. Sementara itu pemerintah Belanda (NICA) di Jakarta mengaktifkan kembali Central Kantor Voor de Statistik

(CKS).

Berdasarkan surat edaran kementrian kemakmuran tanggal 12 Juni 1950 Nomor 219/S.C, KAPURRI(Kantor Penyelidik Perangkaan Umum Republik Indonesia) dan

Central Voor de Statistik (CKS) dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah dan bertanggung jawab menteri Kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 Nomor p/44, Lembaga Kantor Pusat Statistik (KPS) berada dibawah dan bertanggung jawab menteri Perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24 Desember 1953 Nomor:18.099/M, KPS dibagi menjadi dua bagian yaitu bagian

Research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut

Afdeling B.

Dengan keputusan Presiden RI Nomor 131 tahun 1957, kemerdekaan Perekonomian dipecah menjadi kementrian Perdagangan dan kementrian Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172, terhitung tanggal 1 Juni 1957 Kantor Pusat Statistik (KPS) diubah menjadi Biro Pusat Statistik yang semula menjadi tanggung jawab dan wewenang berada dibawah perdana.

Perencanaan dan evaluasi pembangunan,maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan organisasi Biro Pusat Statistik.

Dalam masa orde baru ini Badan Pusat Statistik telah mengalami empat kali perubahan struktur organisasi:

1. Peraturan Pemerintah Nomor 16 tahun 1968 tentang organisasi Badan Pusat Statistik.

2. Peraturan Pemerintah Nomor 6 tahun 1980 tentang organisasi Badan Pusat Statistik.

3. Peraturan Pemerintah Nomor 2 tahun 1992 tentang organisasi Badan Pusat Statistik dan Keputusan Presidan Nomor 6 tahun 1992 tentang kedudukan,fungsi,susunan dan tata Kerja Biro Pusat Statistik.

4. Undang-undang Nomor 16 tahun 1917 tentang Statistik.

5. Keputusan Presiden RI Nomor 86 tahun1998 tentang Badan Pusat Statistik. 6. Keputusan Pemerintah Nomor 51 tahun 1999 tentang penyelenggaraan Statistik.

Tahun 1968, ditetapkan peraturan Pemerintah Nomor 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980 peraturan pemerintah nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah Nomor 16 tahun 1968. Berdasarkan peraturan Pemerintah Nomor 6 tahun 1980 di tiap propinsi terdapat perwakilan BPS (Badan Pusat Statistik). Pada tanggal 17 Juni 1998 dengan keputusan Presiden Republik Indonesia Nomor 86 tahun1998 ditetapkan Badan Pusat Statistik, sekaligus mengatur tata kerja dan struktur organisasi BPS (Badan Pusat Statistik) yang baru.

3.2 Logo Instansi Badan Pusat Statistik

Gambar 3.1 Logo BPS

Logo BPS terdiri dari 3 warna yang masing-masing mempunyai makna. Adapun makna yang dimaksud adalah:

1. Biru

Memiliki makna tentang Sensus Penduduk yang dilakukan oleh pihak BPS setiap 10 tahun sekali (tahun berakhiran angka 0) yang mencakup index pembangunan manusia, kemiskinan, kependudukan, kesehatan, ketahanan sosial, konsumsi dan pangelaran, pendidikan, perumahan, sosial budaya, tenaga kerja. 2. Hijau

Memiliki makna tentang Sensus Pertanian yang dilakukan setiap 10 tahun sekali (tahun berakhiran angka 3) yang mencakup indeks tanaman pangan, hortikultura, kehutanan, perkebunan, perikanan dan peternakan.

3. Oranye

Memiki makna tentang Sensus Ekonomi yang dilakukan setiap 10 tahun sekali (tahun berakhiran angka 6) yang mencakup index kegiatan ekspor-impor, industri, inflasi, harga produsen, harga perdagangan, keuangan, komunikasi,

konstruksi, neraca arus dana, nilai tukar petani, pariwisata, produk domestik bruto, produk domestik regional bruto, transportasi, upah buruh, dan usaha mikro kecil.

3.3 Visi dan Misi Badan Pusat Statistik Sumatera Utara 3.3.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.3.2 Misi Badan Pusat Statistik

Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.

3.4 Struktur Organisasi Badan Pusat Statistik Provinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi. dimana organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Propinsi Sumatera Utara adalah struktur organisasi berbentuk Lini dan staff.

1. Bagian Tata Usaha. 2. Bidang Statistik Produksi. 3. Bidang Statistik Distribusi. 4. Bidang Statistik Kependudukan.

5. Bidang Pengolahan, Penyajian, dan Pelayanan Statistik. 6. Bidang Neraca Wilayah dan Analisis Statistik.

BAB 4

PENGOLAHAN DATA

4.1 Pengambilan Sampel

Dalam kajian ini, data yang dikumpulkan adalah data mengenai Pendapatan Regional Perkapita Penduduk Kota Medan:

1. PDRB Berlaku . 2. PDRB Konstan . 3. jumlah penduduk . 4. Perkapita .

Untuk memperoleh model yang cocok dalam menduga pendapatan regional perkapita berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis regresi linier dengan satu variabel terikat (dependent variable) dan tiga variabel bebas (independent variable).

Data yang diolah adalah data berdasarkan tahun 2007-2010, dapat dillihat dalam Tabel 4.1.

Tabel 4.1:PDRB Perkapita Kota Medan per Kecamatan

No Kecamatan

PDRB Berlaku (Milyar Rupiah)

PDRB Konstan (Milyar Rupiah)

Jumlah Penduduk

(Ribuan)

Perkapita (Rp)

(7) (8) (9) (10)

1 M. Tuntungan 895,92 374,46 80.942 11.068,69

2 M. Johor 1.249,61 519,37 123.851 10.089,64

3 M. Amplas 2.270,90 983,56 113.143 20.071,02

4 M. Denai 1.082,96 487,12 141.395 7.659,08

5 M. Area 1.704,18 736,03 96.544 17.651,86

6 M. Kota 4.231,87 1.839,64 72.58 58.306,22

7 M. Maimun 4.490,33 1.922,13 39.581 113.446,49 8 M. Polonia 7.854,47 3.971,77 52.794 148.775,76

9 M. Baru 3.509,51 1.527,49 39.516 88.812,44

10 M. Selayang 1.081,91 446,55 98.317 11.004,28 11 M. Sunggal 2.517,03 1.114,02 112.744 22.325,17 12 M. Helvetia 3.624,39 1.612,78 144.257 25.124,50 13 M. Petisah 4.322,09 1.858,33 61.749 69.994,53 14 M. Barat 17.492,62 7.012,71 70.771 247.172,21 15 M. Timur 5.921,65 2.534,58 108.633 54.510,61 16 M. Perjuangan 916,53 396,78 93.328 9.820,51 17 M. Tembung 1.594,96 696,30 133.579 11.940,22 18 M. Deli 11.131,92 4.899,02 166.793 66.740,91

19 M. Labuhan 711,37 300,32 111.173 6.398,81

20 M. Marelan 661,42 266,17 140.414 4.710,49

21 M. Belawan 6.049,39 2.322,78 95.506 63.340,43 KOTA MEDAN 83.315,02 35.822,22 2.097,61 1.068.963,87

(Sumber: Badan Pusat Statistik Sumatera Utara)

Dari data Tabel (4.1) di simbolkan menjadi: Perkapita

PDRB Berlaku PDRB Konstan Jumlah Penduduk

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

3. Uji koefisien regresi berganda. 4. Menentukan nilai korelasi. 5. Uji koefisien determinasi.

4.2 Menentukan Persamaan Regresi Linier Berganda

Untuk melihat hubungan antara variabel-variabel bebas (PDRB Berlaku, PDRB Konstan, Jumlah Penduduk) terhadap variabel terikat (Perkapita) maka langkah pertama yang harus dilakukan adalah menentukan persamaaan regresi linier berganda.

Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien regresi , , sebagai berikut:

Tabel 4.2: Nilai-Nilai untuk Menghitung Koefisisen-Koefisien Regresi

No Kecamatan X1 X2 X3 Y X12 X22

1 M. Tuntungan 896 374 80,942 1,107 802.816 139.876 2 M. Johor 1.250 519 123,851 1,009 1.562.500 269.361 3 M. Amplas 2.271 984 113,143 2,007 5.157.441 968.256 4 M. Denai 1.083 487 141,395 0,766 1.172.889 237.169 5 M. Area 1.704 736 96,544 1,765 2.903.616 541.696 6 M. Kota 4.232 1.840 72,58 5,831 17.909.824 3.385.600 7 M. Maimun 4.490 1.922 39,581 11,345 20.160.100 3.694.084 8 M. Polonia 7.854 3.972 52,794 14878 61.685.316 15.776.784 9 M. Baru 3.510 1.527 39,516 8,881 12.320.100 2.331.729 10 M. Selayang 1.082 447 98,317 1,100 1.170.724 199.809 11 M. Sunggal 2.517 1.114 112,744 2,233 6.335.289 1.240.996 12 M. Helvetia 3.624 1.613 144,257 2,512 13.133.376 2.601.769 13 M. Petisah 4.322 1.858 61,749 6,999 18.679.684 3.452.164 14 M. Barat 17.493 7.013 70,771 24,717 306.005.049 49.182.169 15 M. Timur 5.922 2.535 108,633 5,451 35.070.084 6.426.225 16 M. Perjuangan 917 397 93,328 0,982 840.889 157.609 17 M. Tembung 1.595 696 133,579 1,194 2.544.025 484.416 18 M. Deli 11.132 4.899 166,793 6,674 123.921.424 24.000.201 19 M. Labuhan 711 300 111,173 0,640 505.521 90.000 20 M. Marelan 661 266 140,414 0,471 436.921 70.756 21 M. Belawan 6.049 2.323 95,506 6,334 36.590.401 5.396.329 KOTA MEDAN 83.315 35.822 2.097,610 106,90 668.907.989 120.646.998

Sambungan Tabel 4.2: Nilai-Nilai untuk Menghitung Koefisisen-Koefisien Regresi

Dari Tabel (4.2) diperoleh hasil penjumlahan dengan MS-Excel sebagai berikut:

Y2 X1 X2 X1 X3 X2 X3 Y X1 Y X2 Y X3

6.551,607 1,225 335.104 72.524,032 30.272,308 991,755 413,969 89,592

15.339,070 1,018 648.750 154.813,750 64.278,669 1.261,205 523,652 124,961

12.801,338 4,028 2.234.664 256.947,753 111.332,712 4.558,129 1.974,988 227,090

19.992,546 0,587 527.421 153.130,785 68.859,365 829,478 372,997 108,296

9.320,744 3,116 1.254.144 164.510,976 71.056,384 3.007,877 1.299,177 170,418

5.267,856 33,996 7.786.880 307.158,560 133.547,200 24.675,192 10.728,344 423,187

1.566,656 128,701 8.629.780 177.718,690 76.074,682 50.937,474 21.804,415 449,033

2.787,206 221,342 31.196.088 414.644,076 209.697,768 116.848,482 59.093,732 785,447

1.561,514 78,876 5.359.770 138.701,160 60.340,932 31.173,166 13.561,660 350,951

9.666,232 1,211 483.654 106.378,994 43.947,699 1.190,663 491,891 108,191

12.711,210 4,984 2.803.938 283.776,648 125.596,816 5.619,245 2.487,024 251,703

20.810,082 6,312 5.845.512 522.787,368 232.686,541 9.105,119 4.052,582 362,438

3.812,939 48,992 8.030.276 266.879,178 114.729,642 30.251,636 13.004,984 432,209

5.008,534 610,941 122.678.409 1237.997,103 496.317,023 432.378,347 173.341,871 1.749,262

11.801,129 29,714 15.012.270 643.324,626 275.384,655 32.281,183 13.818,440 592,165

8.710,116 0,964 364.049 85.581,776 37.051,216 900,541 389,874 91,653

17.843,349 1,426 1.110.120 213.058,505 92.970,984 1.904,465 831,039 159,496

27.819,905 44,543 54.535.668 1856.739,676 817.118,907 74.295,981 32.696,372 1.113,192

12.359,436 0,409 213.300 79.044,003 33.351,900 454,955 191,964 71,137

19.716,091 0,222 175.826 92.813,654 37.350,124 311,363 125,299 66,142

9.121,396 40,120 14.051.827 577.715,794 221.860,438 38.314,626 14.713,982 604,939

Dari persamaan (2.2):

Y

 _฀

b0nb1X1b2X2b3X3 1

YX

 _฀ 2 _{2 1 2 3 1 3}

1 1 1

0 X b X b X X b X X

b       

2

YX

 _฀ 2 _{3 2 3}

2 2 1 2 1 2

0 X b X X b X b X X

b       

3

YX

 _฀ 2

3 3 2 3 2 1 3 1 3

0 X b X X b X X b X

b       

Dapat disubsitusikan kedalam nilai-nilai yang sesuai sehingga diperoleh: 106,90 = 21 + 83.315 + 35.822 + 2.097.610

861.290,883 = 83.315 + 668.907.989 + 283.277.450 + 7.806.247,107 365.918,257 = 35.822 + 283.277.450 + 120.646.998 + 33.53.825,965 8.331,502 = 2.097,610 + 7.806.247,107 + 3.353.825,965 + 234.568,958

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

= = = =

Dengan demikian, persamaan regresi linier ganda atas variabel dan dan atas adalah:



4.3 Uji Keberartian Regresi

Setelah persamaan regresi berganda dipeeroleh maka dilakukan pengujian hipotesa mengenai keberartian model regresi dengan kriteria pengujian sebagai berikut:

Tolak jika > Terima jika < digunakan rumus (2.8):

= Statistik yang menyebar mengikuti distribusi derajat kebebasan = dan = dan

= + + = ̅

= ̅ = ̅ = ̅ = ∑( ̅ Diperoleh:

1

X = X3=

2

Tabel 4.3: Nilai-Nilai untuk Menghitung Uji Keberartian Regresi

Kecamatan x1 x2 x3 y x1

2

M. Tuntungan -3.071,38 -1.331,81 -18,944 -3,983 9.433.380,955 M. Johor _{-2.717,38 -1.186,81 23,965 -4,081 7.384.159,240} M. Amplas -1.696,38 -721,81 13,257 -3,083 2.877.708,336 M. Denai -2.884,38 -1.218,81 41,509 -4,324 8.319.653,478 M. Area -2.263,38 -969,81 -3,342 -3,325 5.122.893,336 M. Kota 264,619 134,1905 -27,306 0,740 70.023,240 M. Maimun _{522,619 216,1905 -60,305 6,254 273.130,669} M. Polonia 3.886,619 2.266,19 -47,092 9,787 15.105.807,621 M. Baru -457,381 -178,81 -60,370 3,791 209.197,336 M. Selayang _{-2.885,38 -1.258,81 -1,569 -3,990 8.325.423,240} M. Sunggal -1.450,38 -591,81 12,858 -2,858 2.103.604,907 M. Helvetia _{-343,381 -92,8095 44,371 -2,578 117.910,478} M. Petisah 354,619 152,1905 -38,137 1,909 125.754,669 M. Barat 13.525,62 5.307,19 -29,115 19,627 182.942.370,621 M. Timur _{19.54,619 829,1905 8,747 0,361 3.820.535,621} M. Perjuangan -3.050,38 -1.308,81 -6,558 -4,108 9.304.823,955 M. Tembung -2.372,38 -1.009,81 33,693 -3,896 5.628.191,383 M. Deli _{7.164,619 3.193,19 66,907 1,584 51.331.766,098} M. Labuhan -3.256,38 -1.405,81 11,287 -4,450 10.604.016,907 M. Marelan _{-3.306,38 -1.439,81 40,528 -4,619 10.932.155,002} M. Belawan 2.081,619 617,1905 -4,380 1,244 4.333.137,859

Sambungan Tabel 4.3

Kecamatan x2

2

x3

2

y2 yx1 yx2 yx3

M. Tuntungan 1.773.716,608 358,882 15,868 12.234,647 5.305,177 75,4629541 M. Johor _{1.408.516,846 574,312 16,657 11.090,556 4.843,773 -97,80853913} M. Amplas 521.008,989 175,743 9,506 5.230,285 2.225,485 -40,87342353 M. Denai 1.485.496,655 1.722,981 18,700 12.473,206 5.270,615 -179,5005358 M. Area 940.530,512 11,170 11,056 7.526,009 3.224,731 11,11317819

.M. Kota 18.007,084 745,628 0,548 195,902 99,344 -20,21526042

M. Maimun _{46.738,322 3.636,716 39,117 3.268,640 1352,130 -377,1694579} M. Polonia 5.135.619,274 2.217,674 95,791 38.039,397 22.179,822 -460,9040705 M. Baru 31.972,846 3.644,560 14,371 -1.733,904 -677,856 -228,8597613 M. Selayang _{1.584.601,417 2,462 15,919 11.512,313 5.022,494 6,260875645} M. Sunggal 350.238,512 165,323 8,167 4.144,880 1.691,266 -36,74488274 M. Helvetia _{8.613,608 1.968,769 6,645 885,186 239,249 -114,3814752} M. Petisah 23.161,941 1.454,445 3,645 677,021 290,554 -72,80957361 M. Barat 2.816.6270,751 847,694 385,216 265.466,200 10.416,786 -571,4414228

M. Timur _{687.556,846 76,507 0,130 705,142 299,136 3,155471514}

M. Perjuangan 1.712.982,370 43,010 16,878 12.531,737 5.376,921 26,94270664 M. Tembung 1.019.715,274 1.135,205 15,181 9.243,466 3.934,503 -131,2766921 M. Deli _{10.196.465,417 4.476,521 2,508 11.347,229 5.057,333 105,9661256} M. Labuhan 1.976.300,417 127,392 19,806 14.492,273 6.256,447 -50,23107831 M. Marelan _{2.073.051,465 1.642,503 21,338 15.273,017 6.650,848 -187,2082926} M. Belawan 380.924,084 19,186 1,547 2.588,990 767,624 -5,447813097

Tabel 4.4: Nilai-Nilai untuk Menghitung Jumlah Kuadrat Regresi dan Jumlah Kuadrat Residu

Y Y (Y -



Y )

(Y-

Y )2

1,107 2,908 -1,801 3,244

1,009 0,446 0,563 0,317

2,007 2,671 -0,664 0,441

0,766 -0,963 1,729 2,990

1,765 3,001 -1,236 1,529

5,831 8,287 -2,456 6,032

11,345 10,904 0,441 0,195

14,878 15,406 -0,528 0,279

8,881 9,533 -0,652 0,426

1,100 1,968 -0,868 0,754

2,233 3,075 -0,842 0,708

2,512 2,506 0,006 0,000

6,999 9,142 -2,143 4,594

24,717 26,846 -2,129 4,532

5,451 8,184 -2,733 7,471

0,982 2,097 -1,115 1,244

1,194 0,297 0,897 0,805

6,674 11,745 -5,071 25,718

0,640 0,563 0,077 0,006

0,471 -1,539 2,010 4,038

6,334 9,005 -2,671 7,135

Y

 _106,896 126,085 -19,189 72,456

Menguji keberartian regresi linier ganda ini dimaksudkan untuk meyakinkan apakah regresi (berbentuk linier) yang didapat berdasarkan pengujian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan peubah.

Dari nilai tabel diatas dapat dicari nilai kuadrat regresi (JKreg), nilai jumlah kuadrat residu (JKres) sehingga diperoleh nilai Fhitung.

Dari Tabel (4.3) diperoleh:

=

sehingga:

= 0,001 (437.192,194) + 0,001 (183.573,382) + (- 0,069 (-2.345,971)) = 437,192194 + 183,573382 + 161,871999

= 782,637

Untuk dapat diketahui dari Tabel (4.4) = ∑( ̅

= 72,456

Jadi Fhitung dapat dicari dengan rumus dibawah ini:

61,209

Dari tabel distribusi dengan pembilang = 3, penyebut = 17, dan α = 0,05, diperoleh Karena lebih besar daripada maka ditolak dan diterima. Hal ini berarti persamaan regresi linier berganda atas bersifat nyata atau ini berarti bahwa PDRB Berlaku, PDRB konstan, dan jumlah penduduk secara bersama-sama mempengaruhi pendapatan perkapita.

4.4 Uji Koefisien Regresi Linier Berganda

Dari hasil perhitungan didapat persamaan penduga regresi berganda:



Y ฀ –

Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam persamaan regresi di atas, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.

1. Hipotesis pengujian : = 0 ;

Tidak ada pengaruh yang signifikan antara koefisisen , dan terhadap Y.

: Minimal satu parameter koefisien regresi kyang ≠ 0. 2. Taraf nyata signifikan ( diambil sebesar 0,05.

3. Kriteria pengujian: terima jika < dan tolak jika > . 4. Ambil kesimpulan berdasarkan kriteria pengujian.

Dari perhitungan sebelumnya didapat = , = dan = dan nilai kesalahan bakunya dapat dihitung:

=

( – ̂)

=

= 4,264471

Dengan menggunakan persamaan (2.15) dapat dihitung kekeliruan baku koefisien sebagai berikut:

√

( )

√

√

√

_√

√

( )

√

√

√

_√

√

√

√

_√

Sehingga diperoleh distribusi dengan perhitungan i i i

sb b

t  sebagai berikut :

1 1 1 sb b t  ฀ 2 2 2 sb b t  ฀ 3 3 3 sb b t  ฀ 2 0,00039691 001 , 0 9 0.00094618 001 , 0 0,04613308 069 , 0 

Dari tabel distribusi dengan dan diperoleh sebesar dan dari hasil perhitungan diatas diperoleh:

1 = = 2. = = 3. =

Sehingga dari ketiga koefisien regresi tersebut variabel (PDRB Konstan) dan (Jumlah Penduduk) tidak memiliki pengaruh yang berarti atau signifikan terhadap

persamaan regresi yang didapat, sedangkan variabel (PDRB Berlaku) memiliki pengaruh yang berarti atau signifikan terhadap .

4.5 Perhitungan Korelasi Antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas, maka dari Tabel (4.2) dapat dihitung besar koefisien korelasinya dengan menggunakan persamaan (2.11) yaitu:

1. Koefisien korelasi antara pendapatan perkapita dengan PDRB Berlaku .







2





2

 

2



1 2 1 1 1 Y Y n X X n Y X Y X n          



 







 





2







 



2



90 . 106 730 . 262 . 1 21 315 . 83 989 . 907 . 668 21 90 . 106 315 . 83 883 . 290 . 861 21  



14.047.067.769 6.941.389.225



26.517,33 11.427,61



5 , 373 . 906 . 8 54 , 108 . 087 . 18   



7105.678.544



15.089,72



04 , 735 . 180 . 9 14 0722 , 1 04 , 735 . 180 . 9  E 43 , 839 . 354 . 10 04 , 735 . 180 . 9

2. Koefisien korelasi antara Pendaptan Perkapita dengan PDRB Konstan .







2





2

 

2



2 2 2 2 2 Y Y n X X n Y X Y X n          



 







 





2







 



2



90 , 106 730 , 262 . 1 21 822 . 35 998 . 646 . 120 21 90 , 106 822 . 35 257 , 918 . 365 21   



2.533.586.958 1.283.215.684



26.517,33 11.427,61



80 , 371 . 829 . 3 397 , 283 . 684 . 7   



1.250.371.274



15.089,72



597 , 911 . 854 . 3 13 88678 , 1 597 , 911 . 854 . 3  E 13 88678 , 1 597 , 911 . 854 . 3  E = 617 , 702 . 343 . 4 597 , 911 . 854 . 3 =

3. Koefisien korelasi antara Pendapatan perkapita dengan jumlah penduduk .







2





2

 

2



3 2 3 3 3 Y Y n X X n Y X Y X n          



 







 





2







 



2



90 , 106 730 , 262 . 1 21 61 , 097 . 2 958 , 568 . 234 21 90 , 106 61 , 2097 . 502 , 331 . 8 21   



49.259.48,118 4.399.967,712



26.517,33 11.427,61



509 , 234 . 224 542 , 961 . 174   



525.980,406



15.089,72



967 , 272 . 49 517 , 050 . 897 . 936 . 7 967 , 272 . 49

26 , 089 . 89 967 , 272 . 49 

4.6 Perhitungan Korelasi antara Variabel Bebas

1. Koefisien korelasi antara PDRB Berlaku dengan PDRB Konstan .





















2



2 2 2 2 1 2 1 2 1 2 1 X X n X X n X X X X n          



 













2











2



822 . 35 998 . 646 . 120 21 315 . 83 989 . 907 . 668 21 822 . 35 315 . 83 450 . 277 . 283 21 



14.047.067.769 6.941.383.225



2.533.586.958 1.283.215.684



930 . 509 . 984 . 2 450 . 826 . 948 . 5   



710.567.878.544



1.250.371.274



520 . 316 . 964 . 2 18 88474 , 8 520 . 316 . 964 . 2  E 484 . 727 . 980 . 2 520 . 316 . 964 . 2

2. Koefisien korelasi antara PDRB Berlaku dengan Jumlah Penduduk .





















2



3 2 3 2 1 2 1 3 1 3 1 X X n X X n X X X X n          



 













2







 



2



610 , 097 . 2 958 , 568 . 234 21 315 . 83 989 . 907 . 668 21 610 , 097 . 2 315 . 83 107 , 247 . 806 . 7 21  



14.047.067.769 6941389225



4.925.948,118 4.399.967,712



15 , 377 . 762 . 174 247 , 189 . 931 . 163   



7.105.678.544



525.980,406



903 , 187 . 831 . 10  15 73745 , 3 903 , 187 . 381 . 10   E 436 , 668 . 134 . 61 903 , 187 . 831 . 10 

3. Koefisien korelasi antara PDRB Konstan (X2) dengan Jumlah Penduduk (X3).



_

_









_



_

₂



3 2 3 2 2 2 2 3 2 3 2 X X n X X n X X X X n          



 







 





2







 



2



610 , 097 . 2 958 , 568 . 234 21 822 . 35 998 . 646 . 120 21 610 , 097 . 2 822 . 35 965 , 825 . 353 . 3 21   



2.533.586.958 1.283.215.684



4.925.948,118 4.399.967,712



42 , 585 . 140 . 75 27 , 345 . 430 . 70   

_

_

_

4059 , 980 . 525 274 . 371 . 250 . 1 15 , 240 . 710 . 4  14 57671 , 6 15 , 240 . 710 . 4   E 91 , 092 . 645 . 25 15 , 240 . 710 . 4 

Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap variabel tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan sebagai berikut:

1. = ; variabel berkorelasi kuat terhadap variabel . 2. = ; variabel berkorelasi sangat kuat terhadap variabel . 3. = ; variabel berkorelasi lemah terhadap variabel .

4. = ; variabel berkorelasi kuat terhadap variabel . 5. = ; variabel berkorelasi lemah terhadap variabel . 6. = ; variabel berkorelasi lemah terhadap variabel .

4.7 Perhitungan Koefisien Determinasi

Berdasarkan tabel sebelumnya dapat dilihat harga y2 sedangkan yang telah dihitung adalah . Maka selanjutnya dengan rumus (2.10)

= ₂

y JK_reg

 sehingga didapat koefisien determinasi:

=

782,637 718,595

=

Dan untuk koefisien korelasi linier berganda, digunakan: = R2

= 0,92 =

Dari hasil perhitungan didapat nilai koefisien determinasi sebesar dan dengan mencari akar dari , diperoleh koefisien korelasinya sebesar . Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya Pendapatan perkapita dipengaruhi oleh PDRB berlaku, PDRB konstan, dan jumlah penduduk, sedangkan sisanya dipengaruhi oleh faktor-faktor lain.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai sistem atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini menggunakan

software yaitu SPSS 17.0 dalam memperoleh hasil perhitungan.

5.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien, dengan hasil perhitungan yang akurat dengan program untuk analisis statistik yang paling populer yaitu SPSS

(Statistical Product and Service Solution).

SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan versi Windows. SPSS dengan sistem Windows telah mengeluarkan software dengan beberapa versi yang berkembang dalam penggunaannya dalam mengolah data statistika.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk

berbagai jenis penggunaan, misalnya untuk proses produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi singkatan dari Statistical Product and Service Solutions.

5.3 Pengolahan Data dengan SPSS

1. Memulai SPSS pada window yaitu sebagai berikut :  Pilih menu Start dari Windows

 Selanjutnya pilih menu Program  Pilih SPSS Statistics 17

Tampilannya adalah sebagai berikut:

Gambar 5.1 Tampilan Pengaktifan SPSS 17.0

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.

Tampilannya adalah sebagai berikut:

Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS Pada tampilan jendela Variabel view terdapat kolom-kolom berikut:

Name : untuk memasukkan nama variabel yang akan diuji

Type : untuk mendefenisikan tipe variabel apakah bersifat numeric

atau string.

Widht : untuk menuliskan panjang pendek variabel.

Decimals : untuk menuliskan jumlah desimal di belakang koma. Label : untuk menuliskan label variabel.

Values : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan scale.

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.

2.1 Pengisian Variabel

Tempatkan pointer pada baris pertama di bawah Name. Name : klik ganda pada sel tersebut dan ketik Kecamatan Type : Pilih string karena dalam bentuk data

Width : Untuk keseragaman ketik 8 Decimal : Ketik 0

Label : Ketik Tahun

Values dan Missing : Abaikan pilihan ini karena data tidak dikategorisasikan Align : Pilih Center

Measure : Pilih nominal Variabel Y

Name : Letakkan kursor di bawah Kecamatan, lalu klik ganda pada sel tersebut kemudian ketik Perkapita

Type : Pilih numeric karena berupa angka Width : Untuk keseragaman ketik 8

Decimal : Ketik 0 Label : Kosongkan Align : Pilih Center Measure : Pilih scale

Variabel X

Name : Letakkan kursor di bawah PDRB_berlaku, lalu klik ganda pada sel tersebut kemudian ketik PDRB_konstan

Type : Pilih numeric karena berupa angka Width : Untuk keseragaman ketik 8

Decimal : Ketik 0 Label : Kosongkan Align : Pilih Center Measure : Pilih scale

Lakukan seterusnya untuk variabel X2 dan X3 dengan Name dan Label yang sesuai dengan Variabel yang dimaksudkan.

2.2 Pengisian Data

1. Aktifkan jendela data dengan mengklik Data View

2. Ketikkan data yang sesuai dengan setiap variabel yang telah didefenisikan pada Variabel View.

Tampilannya adalah sebagai berikut:

5.4 Pengolahan Data dengan Persamaan Regresi Langkah-langkahnya adalah sebagai berikut:

1. Tampilkan lembar kerja di mana sudah terdapat data yang akan dianalisis

2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression dan klik Linier seperti gambar berikut:

Gambar 5.5 Pilih Analyze,Regression, Linier

3. Setelah itu akan muncul kotak dialog Linier Regression, pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (Perkapita) pada kotak Dependent, dan variabel bebas X PDRB berlaku, PDRB konstan, Jumlah Penduduk) pada kotak Independent seperti gambar berikut:

Gambar 5.6 Kotak Dialog Linier Regression

4. Klik kotak Statistics pada kotak dialog Linier Regression, kemudian aktifkan

Estimate, Model fit, Descriptive dan Casewise diagnostics, lalu klik Continue untuk melanjutkan seperti pada gambar berikut:

Gambar 5.7 Kotak dialog Linier Regression : Statistics

5. Selanjutnya klik kotak Plots pada kotak dialog Linier Regression untuk membuat grafik. Isi kolom Y dengan pilihan SDRESID dan kolom X dengan ZPRED, kemudian klik Next. Isi lagi kolom Y dengan ZPRED dan kolom X dengan

DEPENDNT. Pada Standardizes Residual Plots, aktifkan Histogram dan Normal Probability Plot. Lalu klik Continue untuk melanjutkan seperti gambar berikut:

Gambar 5.8 Kotak dialog Linier Regression:Plots/Option

6. Kemudian klik tombol Options pada kotak dialog Linier Regression sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktikan Use Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai entry 0,05. Aktifkan include constant in aquation dan Exclude Cases Litwise pada

Missing Values seperti gambar berikut :

Gambar 5.9 Kotak dialog Linier Regression : Use Probability of F

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan analisis data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Model persamaan regresi linier berganda adalah :



Y = + –

2. Dari hasil bab sebelumnya diperoleh bahwa PDRB berlaku, PDRB konstan, dan Jumlah Penduduk secara bersama-sama berpengaruh positif dan signifikan terhadap variabel dan secara parsial hanya variabel (PDRB berlaku) dan (PDRB konstan) yang berpengaruh positif dan signifikan terhadap variabel . Hal ini menyimpulkan bahwa jika secara bersama-sama variabel bebas ( , , ) bertambah akan mempengaruhi Pendapatan Perkapita ( ), namun jika secara parsial hanya pertambahan dari PDRB berlaku dan PDRB konstan ( yang akan mempengaruhi Pendapatan Perkapita di Kota Medan.

3. Koefisien korelasi ganda untuk dan dari hasil tersebut dapat disimpulkan bahwa koefisien korelasi ganda dengan , dan menunjukkan hubungan yang kuat mempengaruhi Pendapatan Perkapita di Kota Medan.

4. Dari variabel bebas (PDRB berlaku, PDRB konstan, dan Jumlah Penduduk), variabel terikat dapat dijelaskan sebesar dalam kajian ini, sisanya sebesar 4% dipengaruhi oleh variabel lain yang tidak dapat dijelaskan dalam kajian ini.

6.2 Saran

1. Untuk melakukan penelitian tentang Pendapatan Perkapita di Kota Medan harus memperhatikan beberapa faktor lain yang juga mempengaruhi Pendapatan Perkapita, baik itu faktor internal maupun faktor eksternal.

2. Hendaknya metode analisis regresi dipergunakan pada instansi Badan Pusat Statistik dalam setiap bidang masing-masing untuk mengetahui indeks perkembangan ekonomi yang diperoleh Kota Medan.

DAFTAR PUSTAKA

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2007. Sumatera Utara Dalam Angka 2007. BPS Provinsi Sumatera Utara. Medan.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir, Edisi Kedua. FMIPA USU. Medan.

Algifari. 2000. Analisis Regresi Teori, Kasus, dan Solusi. BPFE. Yogyakarta. H. Usman. 1995. Pengantar Statistika. Media Kom. Yogyakarta.

http://id.wikipedia.org/wiki/Statistika.

Iswardono, S.P. 1981. Sekelumit Analisa Regresi dan Korelasi. BPFE. Yogyakarta.

J. Supranto. 1977. Statistik Teori dan Aplikasi Edisi ke-6. Erlangga. Jakarta. J. Supranto. 2009. The Power of Statistics Edisi ke-2. Salemba Empat. Jakarta.

Nasrudin, M.N., dan Eddy, M. 2008. Statistika. USU Press. Medan.

Priyatno, Duwi. 2011. Buku Saku SPSS Analisis Statistik. Media Kom. Yogyakarta. Sudarmanto, Gunawan. 2005. Analisis Regresi Linier Ganda dengan SPSS. Graha

Ilmu. Yogyakarta.

Sudjana, S. 1992. Metoda Statistika Edisi ke-6. Tarsito. Bandung.

Sudjana, S. 1996. Teknik Analisis Regresi dan Korelasi. Tarsito. Bandung.

Sudjana, S. 2001. Tuntunan Penyusunan Karya Ilmiah, Makalah – Skripsi – Tesis – Disertasi. Sinar Baru Algesindo. Bandung.

Sutrisno Hadi. 2001. Statistik Jilid 2. Andi. Yogyakarta. www.google.com.

Yamin Sofyan. 2011. Regresi dan Korelasi dalam Genggaman Anda. Salemba Empat. Jakarta.

5.4 Pengolahan Data dengan Persamaan Regresi Langkah-langkahnya adalah sebagai berikut:

1. Tampilkan lembar kerja di mana sudah terdapat data yang akan dianalisis

2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression dan klik Linier seperti gambar berikut:

Gambar 5.5 Pilih Analyze,Regression, Linier

3. Setelah itu akan muncul kotak dialog Linier Regression, pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (Perkapita) pada kotak Dependent, dan variabel bebas X PDRB berlaku, PDRB konstan, Jumlah Penduduk) pada kotak Independent seperti gambar berikut:

Gambar 5.6 Kotak Dialog Linier Regression

4. Klik kotak Statistics pada kotak dialog Linier Regression, kemudian aktifkan Estimate, Model fit, Descriptive dan Casewise diagnostics, lalu klik Continue untuk melanjutkan seperti pada gambar berikut:

Gambar 5.7 Kotak dialog Linier Regression : Statistics

5. Selanjutnya klik kotak Plots pada kotak dialog Linier Regression untuk membuat grafik. Isi kolom Y dengan pilihan SDRESID dan kolom X dengan ZPRED, kemudian klik Next. Isi lagi kolom Y dengan ZPRED dan kolom X dengan

Gambar 5.8 Kotak dialog Linier Regression:Plots/Option

6. Kemudian klik tombol Options pada kotak dialog Linier Regression sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktikan Use Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai entry 0,05. Aktifkan include constant in aquation dan Exclude Cases Litwise pada Missing Values seperti gambar berikut :

Gambar 5.9 Kotak dialog Linier Regression : Use Probability of F 7. Selanjutnya klik OK pada kotak dialog Linier Regression.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan analisis data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Model persamaan regresi linier berganda adalah : 

Y = + –

2. Dari hasil bab sebelumnya diperoleh bahwa PDRB berlaku, PDRB konstan, dan Jumlah Penduduk secara bersama-sama berpengaruh positif dan signifikan terhadap variabel dan secara parsial hanya variabel (PDRB berlaku) dan (PDRB konstan) yang berpengaruh positif dan signifikan terhadap variabel . Hal ini menyimpulkan bahwa jika secara bersama-sama variabel bebas ( , , ) bertambah akan mempengaruhi Pendapatan Perkapita ( ), namun jika secara parsial hanya pertambahan dari PDRB berlaku dan PDRB konstan ( yang akan mempengaruhi Pendapatan Perkapita di Kota Medan.

3. Koefisien korelasi ganda untuk dan dari hasil tersebut dapat disimpulkan bahwa koefisien korelasi ganda dengan , dan menunjukkan hubungan yang kuat mempengaruhi Pendapatan Perkapita di Kota Medan.

4. Dari variabel bebas (PDRB berlaku, PDRB konstan, dan Jumlah Penduduk), variabel terikat dapat dijelaskan sebesar dalam kajian ini, sisanya sebesar 4%

6.2 Saran

1. Untuk melakukan penelitian tentang Pendapatan Perkapita di Kota Medan harus memperhatikan beberapa faktor lain yang juga mempengaruhi Pendapatan Perkapita, baik itu faktor internal maupun faktor eksternal.

2. Hendaknya metode analisis regresi dipergunakan pada instansi Badan Pusat Statistik dalam setiap bidang masing-masing untuk mengetahui indeks perkembangan ekonomi yang diperoleh Kota Medan.

DAFTAR PUSTAKA

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2007. Sumatera Utara Dalam Angka 2007. BPS Provinsi Sumatera Utara. Medan.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir, Edisi Kedua. FMIPA USU. Medan.

Algifari. 2000. Analisis Regresi Teori, Kasus, dan Solusi. BPFE. Yogyakarta. H. Usman. 1995. Pengantar Statistika. Media Kom. Yogyakarta.

http://id.wikipedia.org/wiki/Statistika.

Iswardono, S.P. 1981. Sekelumit Analisa Regresi dan Korelasi. BPFE. Yogyakarta.

J. Supranto. 1977. Statistik Teori dan Aplikasi Edisi ke-6. Erlangga. Jakarta. J. Supranto. 2009. The Power of Statistics Edisi ke-2. Salemba Empat. Jakarta.

Nasrudin, M.N., dan Eddy, M. 2008. Statistika. USU Press. Medan.

Priyatno, Duwi. 2011. Buku Saku SPSS Analisis Statistik. Media Kom. Yogyakarta. Sudarmanto, Gunawan. 2005. Analisis Regresi Linier Ganda dengan SPSS. Graha

Ilmu. Yogyakarta.

Sudjana, S. 1992. Metoda Statistika Edisi ke-6. Tarsito. Bandung.

Sudjana, S. 1996. Teknik Analisis Regresi dan Korelasi. Tarsito. Bandung.

Sudjana, S. 2001. Tuntunan Penyusunan Karya Ilmiah, Makalah – Skripsi – Tesis – Disertasi. Sinar Baru Algesindo. Bandung.

Sutrisno Hadi. 2001. Statistik Jilid 2. Andi. Yogyakarta. www.google.com.