Analisis Faktor-Faktor Yang Mempengaruhi Produksi Padi Di Kabupaten Deli Serdang
Hasil pengolahan data di SPSS
Regression
Descriptive Statistics
Mean
Std. Deviation
N
Produksi Padi
445.60
128.945
10
Luas Panen
94.70
29.661
10
Curah Hujan
178.60
31.662
10
Banyak Hujan
15.20
1.874
10
b
Model Summary
Model
1
R
Adjusted R
Square
R Square
.989
a
.979
Std. Error of the
Estimate
.968
22.975
a. Predictors: (Constant), Banyak Hujan, Curah Hujan, Luas Panen
b. Dependent Variabel: Produksi Padi
Coefficientsa
Unstandardized Coefficients
Model
1
(Constant)
B
Std. Error
138.391
98.557
Luas Panen
4.107
.317
Curah Hujan
-.177
Banyak Hujan
-3.301
Standardized
Coefficients
Beta
T
Sig.
1.404
.210
.945
12.967
.000
.280
-.043
-.631
.551
5.456
-.048
-.605
.567
Universitas Sumatera Utara
Coefficientsa
Standardized
Coefficients
Unstandardized Coefficients
Model
1
(Constant)
a.
B
Std. Error
Beta
138.391
98.557
Luas Panen
4.107
.317
Curah Hujan
-.177
Banyak Hujan
-3.301
T
Sig.
1.404
.210
.945
12.967
.000
.280
-.043
-.631
.551
5.456
-.048
-.605
.567
Dependent Variabel: Produksi Padi
Correlations
Correlations
Produksi
Padi
Pearson Correlation
Sig. (1-tailed)
N
Luas
Panen
Curah
Hujan
Banyak
Hujan
Produksi Padi
1.000
.987
-.386
-.614
Luas Panen
.987
1.000
-.337
-.577
Curah Hujan
-.386
-.337
1.000
.502
Banyak Hujan
-.614
-.577
.502
1.000
Produksi Padi
.
.000
.135
.029
Luas Panen
.000
.
.170
.041
Curah Hujan
.135
.170
.
.070
Banyak Hujan
.029
.041
.070
.
Produksi Padi
10
10
10
10
Luas Panen
10
10
10
10
Curah Hujan
10
10
10
10
Banyak Hujan
10
10
10
10
Universitas Sumatera Utara
Charts
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
DAFTAR PUSTAKA
Algifari, Analisis Regresi Teori, Kasus, dan Solusi, BPFE, Yogyakarta, 1997.
Hakim Abdul, Statistik Deskriptif Untuk Ekonomi dan Bisnis, Edisi Pertama,
EKONISIA, Yogyakarta, 2004.
Hasan Iqbal, Pokok-Pokok Materi Statistika I, Bumi Aksara, Jakarta, 1999
Marzuki, Gunawan, Nurgiyantoro Burhan, Statistik Terapan Untuk Penelitian
Ilmu-Ilmu Sosial, Cetakan Kedua, Gadjah Mada University Press, Yogyakarta,
2002.
Nurlaela, Praktikum Statistika Ekonomi dan Bisnis Dengan SPSS, Edisi
Pertama, Mitra Wacana Media, Jakarta, 2010.
Sarwono Jonathan, Panduan Cepat dan Mudah SPSS 14, ANDI, Yogyakarta,
2006.
Sudjana, Metode Statistika, Edisi Ke-6, Tarsito, Bandung, 1992.
Syofian, Statistik Parametrik untuk Penelitian Kuantitatif, Bumi Aksara,
Jakarta, 2013.
Universitas Sumatera Utara
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Badan Pusat Statistik (BPS)
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan
Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain
pada
bidang
pertanian,
agraria,
pertambangan,
kependudukan,
sosial,
ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal-hal tersebut
Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan,
kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan
mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi,
memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuranukuran lainnya.
Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan
dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik
yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan
Organisasi Biro Pusat Statistik.
Universitas Sumatera Utara
Dalam masa orde baru ini BPS telah mengalami tujuh kali perubahan Struktur
Organisasi yaitu :
1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS.
2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.
3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi,
suasana, dan tata kerja BPS.
4. Undang-Undang No. 16 tahun 1997 tentang Statistik.
5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.
6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata
kerja BPS.
7. PP 51 tahun 1999 tentang penyelenggaraan statistik.
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu
yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980,
Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti
Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau
Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19
Mei 1997 menetapkan tentang statistik sebagai pengganti Undang - Undang
Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan
Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus
mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.
Universitas Sumatera Utara
3.2 Visi dan Misi Badan Pusat Statistik
3.2.1 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.
3.2.2 Misi Badan Pusat Statistik
Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan
misi mengarahkan pembangunan statistik pada penyajian data statistik yang
bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti
dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.
3.3 Kedudukan dan Fungsi Badan Pusat Statistik
Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di
bawah dan bertanggung jawab kepada Presiden (Keppres No. 86 tahun 1998),
dalam malaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :
1. UU No. 16 tentang statistik
2. Keputusan Presiden No. 86 tahun 1998 tentang BPS
Universitas Sumatera Utara
3. Peraturan Pemerintah No. 51 tahun 1999 tentang penyelenggaraan statistik
Berdasarkan
keputusan
Presiden
No.
86
tahun
1998
dalam
menyelenggarakan statistik dasar melaksanakan koordinasi dan kerjasama serta
mengembangkan dan membina statistik sesuai dengan peraturan perundangundangan yang berlaku. Fungsi yang diselenggarakan Badan Pusat Statistik
adalah :
1. Perumusan kebijaksanaan perencanaan, pengumpulan, pengolahan, penyajian
data, dan analisis di bidang statistik produksi dan kependudukan serta bidang
statistik distribusi dan meraca nasional.
2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen
dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang
diperlukan, serta pelaksanaan kerjasama di bidang statistik dengan
lembaga/organisasi lain baik di dalam maupun di luar negeri.
3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik
produksi dan kependudukan serta statistik distribusi dan neraca nasional
secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder.
4. Penyebarluasan statistik melalui berbagai cara baik langsung maupun tidak
langsung.
5. Pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan
perbekalan serta memberikan pelayanan administrasi di lingkungan BPS.
Universitas Sumatera Utara
BAB 4
PENGOLAHAN DATA
4.1 Data dan Pembahasan
Data yang diambil dari Kantor Badan Pusat Statistik Provinsi Sumatera Utara
adalah data Produksi Padi (Ton), Luas Panen (Ha), Curah Hujan (mm) dan
Banyak Hujan (hari) di Kabupaten Deli Serdang pada tahun 2002-2011.
Tabel 4.1 Produksi Padi (Ton), Luas Panen (Ha), Curah Hujan (mm) Dan
Banyak Hujan (hari) Di Kabupaten Deli Serdang Tahun 20022011.
Produksi Padi
Luas Panen
Curah Hujan
Banyak Hujan
No.
Tahun
(Ton)
(Ha)
(mm)
(hari)
1
2002
603
131
154
12
2
2003
642
142
154
12
Universitas Sumatera Utara
3
2004
626
138
188
17
4
2005
339
74
176
16
5
2006
345
76
151
17
6
2007
329
72
223
16
7
2008
348
73
228
16
Produksi Padi
Luas Panen
Curah Hujan
Banyak Hujan
Sambungan Tabel 4.1
No.
Tahun
(Ton)
(Ha)
(mm)
(hari)
8
2009
352
72
176
16
9
2010
426
85
202
16
10
2011
446
84
134
14
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara
Dari data tersebut maka variabel-variabelnya adalah sebagai berikut:
Y
: Produksi Padi (Ton)
X1
: Luas Panen (Ha)
X2
: Curah Hujan (mm)
X3
: Banyak Hujan (hari)
4.2 Membentuk Persamaan Regresi Linier Berganda
Universitas Sumatera Utara
Untuk membentuk persamaan regresi linier berganda, diperlukan perhitungan
masing-masing satuan variabel. Hasil perhitungan yang dibutuhkan terdapat pada
tabel dibawah ini :
Tabel 4.2
Harga-Harga yang Diperlukan Untuk Menghitung Koefisien
b 0, b1, b 2, b3
n
Y
X1
X2
X3
Y2
X 12
1
603
131
154
12
363609
17161
2
642
142
154
12
412164
20164
3
626
138
188
17
391876
19044
4
339
74
176
16
114921
5476
5
345
76
151
17
119025
5776
6
329
72
223
16
108241
5184
7
348
73
228
16
121104
5329
8
352
72
176
16
123904
5184
9
426
85
202
16
181476
7225
10
446
84
134
14
198916
7056
Jumlah ( Σ
4456
947
1786
152
2135236
97599
Sambungan Tabel 4.2
X 22
X3 2
X1 Y
X 2Y
23716
144
78993
92862
23716
144
91164
98868
Universitas Sumatera Utara
35344
289
86388
117688
30976
256
25086
59664
22801
289
26220
52095
49729
256
23688
73367
51984
256
25404
79344
30976
256
25344
61952
40804
256
36210
86052
17956
196
37464
59764
328002
2342
455961
781656
X3 Y
X1X2
X1X3
X2 X3
7236
20174
1572
1848
7704
21868
1704
1848
10642
25944
2346
3196
5424
13024
1184
2816
5865
11476
1292
2567
5264
16056
1152
3568
5568
16644
1168
3648
5632
12672
1152
2816
6816
17170
1360
3232
6244
11256
1176
1876
66395
166284
14106
27415
Sambungan Tabel 4.2
Dari Tabel 4.2 diperoleh hasil sebagai berikut :
n
= 10
X 32
= 2342
Universitas Sumatera Utara
Y
= 4456
X 1Y
= 455961
X1
= 947
X 2Y
= 781656
X2
= 1786
X 3Y
= 66395
X3
= 152
X1 X 2
= 166284
Y2
= 2135236
X1 X 3
= 14106
X 12
= 97599
X2 X3
= 27415
X 22
= 328002
Dari data tersebut maka selanjutnya akan dicari persamaan normal dengan rumus
(2.6) sebagai berikut :
Y = b0 n + b1
X 1 + b2
X 2 + b3
X3
YX1 = b0
X 1 + b1
X12 + b2
YX 2 = b0
X 2 + b1
X 2 X1 + b2
X 22 + b3
YX 3 = b0
X 3 + b1
X 3 X1 + b2
X 3 X 2 + b3
X1 X 2 + b3
X1 X 3
X2 X3
X 32
Harga-harga koefisien b0, b1, b2 dan b3 dicari dengan substitusi dan
eliminasi dari persamaan normal di atas. Selanjutnya substitusi nilai-nilai pada
Tabel 4.2 ke dalam persamaan normal, sehingga diperoleh :
Universitas Sumatera Utara
4456 = 10 b0 + 947 b1 + 1786 b2 + 152 b3
…(1)
445961 = 947 b0 + 97599 b1 + 166284 b2 + 14106 b3
…(2)
781656 = 1786 b0 + 166284 b1 + 328002 b2 + 27415 b3
...(3)
66395 = 152 b0 + 14106 b1 + 27415 b2 + 2342 b3
...(4)
Persamaan di atas diselesaikan dengan metode eliminasi persamaan linier, dengan
menghilngkan nilai b0.
Jika persamaan 1 dan 2 diambil dan disamakan nilai b0 nya dengan
persamaan 1 dikalikan 947 dan persamaan 2 dikalikan dengan 10 sehingga
diperoleh persamaan ke 5 :
4219832 = 9470 b0 + 896809 b1 + 1691342 b2 + 143944 b3
4559610 = 9470 b0 + 975990 b1 + 1662840 b2 + 141060 b3
-339778 =
-
-79181 b1 + 28502 b2 + 2884 b3
Selanjutnya untuk mendapatkan persamaan ke 6, gunakan rumus persamaan 1 dan
3. Persamaan 1 dikalikan dengan 1786 dan persamaan 3 dikalikan dengan 10.
7958416 = 17860 b0 + 1691342 b1 + 3189796 b2 + 271472 b3
7816560 = 17860 b0 + 1662840 b1 + 328002 b2 + 274150 b3
141856 =
-
28502 b1 - 90224b2 - 2678 b3
Selanjutnya untuk mendapatkan persamaan ke 7, gunakan rumus
persamaan 1 dan 4. Persamaan 1 dikalikan dengan 152 dan persamaan 4 dikalikan
dengan 10.
677312 = 1520 b0 + 143944 b1 + 271472 b2 + 23104 b3
663950 = 1520 b0 + 141060 b1 + 274150 b2 + 23420 b3
-
Universitas Sumatera Utara
13362 =
2884 b1 – 2678 b2 - 316 b3
Maka didapat beberapa persamaan :
-339778
=
-79181 b1 + 28502 b2 + 2884 b3
…(5)
141856
=
28502 b1 - 90224b2 - 2678 b3
…(6)
13362
=
2884 b1 – 2678 b2 - 316 b3
…(7)
Langkah berikutnya menghilangkan b1 dengan mengeliminasi persamaan 5
dan persamaan 6.
Jika persamaan 5 dikalikan dengan 28502 dan persamaan 6 dikalikan
dengan - 79181 maka akan didapat persamaan 8.
-9684352556 =
-2256816862 b1 + 812364004 b2 + 82199768 b3
-11232299940 =
-2256816862 b1 + 7144026544 b2 + 212046718 b3
1547947384
=
-
– 633662540 b2 - 129846950 b3
Kemudian dengan menggunakan persamaan 5 dan 7 akan didapat
persamaan 9. Persamaan 5 dikalikan dengan 2884 dan persamaan 7 dikalikan
dengan - 79181.
-979919752 =
-228358004 b1 + 82199768 b2 + 8317456 b3
-1058016522 =
-228358004 b1 + 212046 b2 + 25021196 b3
78096770
=
-
– 129846950 b2 - 16703740 b3
Universitas Sumatera Utara
Maka didapat 2 persamaan sebagai berikut :
1547947384
=
– 633662540 b2 - 129846950 b3
…(8)
78096770
=
– 129846950 b2 - 16703740 b3
...(9)
Kemudian kedua persamaan tersebut kembali dieliminasi sehingga didapat
harga b3. Jika persamaan 8 tetap maka persamaan 9 dikalikan dengan
48,76250493.
1547947384
=
– 633662540 b2 - 129846950 b3
78096770
=
– 129846950 b2 - 16703740 b3
-2260246748 =
684669254,1 b3
b3
- 3,3012
=
-
Setelah didapat harga b3 maka substitusikan ke persamaan 8.
1547947384
=
– 633662540 b2 - 129846950 b3
1547947384
=
– 633662540 b2 - 129846950 (-3,3012)
1547947384
=
– 633662540 b2 + 428650751,3
633662540 b2 =
- 1119296633
b2
- 0,1768
=
Kemudian harga b2 dan b3 disubtitusikan kepersamaan 5.
-339778
=
-79181 b1 + 28502 b2 + 2884 b3
-339778
=
-79181 b1 + 28502 (-0,1768) + 2884 (- 3,3012)
-339778
=
-79181 b1 – 14559,8144
Universitas Sumatera Utara
79181 b1
=
325218,1856
b1
=
4,1073
kemudian harga b1, b2 dan b3 disbutitusikan ke persamaan 1.
4456
=
10 b0 + 947 b1 + 1786 b2 + 152 b3
4456
=
10 b0 + 947 (4,1073) + 1786 (-0,1768) + 152 (- 3,3012)
4456
=
10 b0 + 3889,6131 – 315,7648 – 501,7824
4456
=
10 b0 + 3072,0659
- 10 b0 =
- 1383,9341
b0
138,3934
=
Dari perhitungan di atas diperoleh :
b0
=
138,3934
b1
=
4,1073
b2
=
- 0,1768
b3
=
- 3,3012
Maka persamaan regresi linier bergandanya adalah :
Yˆ = b0 + b1 X1 + b2 X 2 + b3 X 3
Yˆ = 138,3934 + 4,1073 X1 - 0,1768 X2 - 3,3012 X3
Setelah diperoleh persamaan regresi berganda, langkah selanjutnya adalah
menghitung kesalahan baku (Standard error). Untuk menghitung kesalahan baku
ini diperlukan harga
yang diperoleh dari persamaan regresi di atas untuk tiap
Universitas Sumatera Utara
harga
,
dan
yang diketahui. Maka untuk mencari kesalahan baku tersebut
dibuat terlebih dahulu tabel seperti di bawah ini :
Tabel 4.3
Nilai-Nilai Yˆ Yang Diperoleh Dari Persamaan Regresi Linier
Berganda Untuk Menghitung Kekeliruan Tafsiran Baku
n
Y
1
2
3
4
5
6
7
8
9
10
Jumlah ( Σ
603
642
626
339
345
329
348
352
426
446
4456
609,607005
654,7871167
615,8414396
358,3978856
367,7306567
341,8747921
345,0981891
350,1833198
398,9817905
413,4978047
4456
(Y- )
(Y- )2
-6,607005023
-12,78711674
10,15856036
-19,3978856
-22,73065674
-12,87479214
2,901810901
1,816680164
27,0182095
32,50219529
-3,09996E-08
43,65251537
163,5103544
103,1963486
376,2779658
516,6827557
165,7602727
8,420506505
3,300326818
729,9836443
1056,392699
3167,177389
Setelah memperoleh harga yang terdapat pada Tabel 4.3, maka kekeliruan
bakunya dapat dihitung dengan menggunakan rumus (2.7) sebagai berikut :
S y2,12,...,k = Se =
(Y − Yˆ )
2
i
n − k −1
Dengan k = 3, n = 10, dan
(Y − Yˆ )
2
= 3167,177389
Sehingga diperoleh :
S y .12...k = Se =
3167,177389
10 − 3 − 1
S y .12...k = Se =
3167,177389
6
Universitas Sumatera Utara
S y.12...k = Se = 527,8628981
S y .12...k = S e = 22, 9752671
S y .12...k = S e = 22,9753
Ini berarti rata-rata hasil produksi padi yang sebenarnya akan menyimpang
dari rata-rata hasil produksi padi yang diperkirakan sebesar 22,9753.
4.3 Uji Regresi Linier Berganda
Pengujian hipotesa dalam regersi linier berganda perlu dilakukan agar tidak terjadi
kesalahan penarikan kesimpulan.
4.3.1 Uji F (Simultan)
1.
Menentukan formulasi hipotesis
'
: Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu
luas panen, curah hujan, banyak hujan terhadap variabel terikat yaitu
jumlah produksi padi.
Universitas Sumatera Utara
'
: Terdapat pengaruh yang signifikan antara variabel bebas yaitu luas
panen, curah hujan, banyak hujan terhadap variabel terikat yaitu
jumlah produksi padi.
2.
Mencari nilai Ftabel dari Tabel Distribusi F
Dengan taraf nyata
= 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3
dan dk penyebut (v2) = n – k – 1 = 10 – 3 – 1 = 6, maka di peroleh (OFKO
(
3.
KP
Q
R ST
Menentukan kriteria pengujian
' diterima bila () *+
' ditolak bila () *+
4.
J
,
,
C (*?@7A
D (*?@7A
Menentukan nilai statistik Fhitung
() *+
-.
,
-.
/01 2U
/03 2 VWUWF
Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilainilai y, x1, x2 dan x3 dengan rumus :
y = Y −Y
x2 = X 2 − Y
x1 = X 1 − Y
x3 = X 3 − Y
Dari Tabel 4.2 dapat dicari rata-rata untuk Y, X1, X2 dan X3 seperti di bawah ini :
Y=
Y =
Y
n
4456
= 445, 6
10
X2 =
X2 =
X2
n
1786
= 178, 6
10
Universitas Sumatera Utara
X1 =
X1 =
X1
X3 =
n
947
= 94, 7
10
X3 =
X3
n
152
= 15, 2
10
Maka nilai-nilai di atas akan dimasukkan ke dalam Tabel 4.4 di bawah ini :
Tabel 4.4 Harga-Harga Yang Diperlukan Untuk Uji Keberartian Regresi
n
1
2
3
4
5
6
7
8
9
10
y
157,4
196,4
180,4
-106,6
-100,6
-116,6
-97,6
-93,6
-19,6
0,4
x1
36,3
47,3
43,3
-20,7
-18,7
-22,7
-21,7
-22,7
-9,7
-10,7
x2
-24,6
-24,6
9,4
-2,6
-27,6
44,4
49,4
-2,6
23,4
-44,6
Jumlah ( Σ
-2,27374E-13
-2,84217E-14
5,68434E-14
Sambungan Tabel 4.4
x3
y2
x12
x22
-3,2
-3,2
1,8
24774,76
38572,96
32544,16
1317,69
2237,29
1874,89
605,16
605,16
88,36
Universitas Sumatera Utara
0,8
1,8
0,8
0,8
0,8
0,8
-1,2
7,10543E-15
11363,56
10120,36
13595,56
9525,76
8760,96
384,16
0,16
149642,4
428,49
349,69
515,29
470,89
515,29
94,09
114,49
7918,1
6,76
761,76
1971,36
2440,36
6,76
547,56
1989,16
9022,4
x32
yx1
yx2
yx3
10,24
10,24
3,24
0,64
3,24
0,64
0,64
0,64
0,64
1,44
31,6
5713,62
9289,72
7811,32
2206,62
1881,22
2646,82
2117,92
2124,72
190,12
-4,28
33977,8
-3872,04
-4831,44
1695,76
277,16
2776,56
-5177,04
-4821,44
243,36
-458,64
-17,84
-14185,6
-503,68
-628,48
324,72
-85,28
-181,08
-93,28
-78,08
-74,88
-15,68
-0,48
-1336,2
Sambungan Tabel 4.4
Dari nilai-nilai di atas dapat diketahui nilai jumlah kuadrat regresi (JKreg) dan nilai
(JKres) dan selanjutnya dapat dihitung Fhitung.
JK reg = b1
yx1 + b2
yx2 + b3
yx3
JK reg = 4,1073 ( 33977,8) − 0,1768 ( −14185, 6 ) − 3,3012 ( −1336, 2)
Universitas Sumatera Utara
JK reg = 139557, 0179 + 2508, 01408 + 4411, 06344
JK reg = 146475, 2226
(Y − Yˆ )
JK res =
JK res = 3167,177389
Fhitung =
JK reg / k
JK res / (n − k − 1)
Fhitung =
146475, 2226 / 3
3167,177389 / 6
Fhitung =
48825, 0742
527,8628982
Fhitung = 92, 49574914
Untuk Ftabel , yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan
derajat kebebasan pembilang V1 = k yaitu 3 dan penyebut V2 = n – k – 1 yaitu 6, dan ! =
5% = 0,05 maka :
Ftabel = F(α )(V1 ;V2 )
Ftabel = F(α )( k ;k −n −1)
Ftabel = F( 0,05)(3;6)
Universitas Sumatera Utara
Ftabel = 4, 76
Dengan demikian dapat kita lihat bahwa nilai Fhitung ( 92, 49574914 ) D
Ftabel (4, 76) Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan linier
berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa luas panen,
curah hujan dan banyak hujan secara bersama-sama berpengaruh terhadap
terjadinya produksi padi.
4.4 Perhitungan Koefisien Korelasi Linier Berganda
Dari
Tabel
4.4
dapat
dilihat
harga
y 2 = 149642, 4
dan
nilai
JK reg = 146475, 2226 telah dihitung sebelumnya, maka diperoleh nilai koefisien
determinasi :
R2 =
R2 =
JK reg
y2
146475, 2226
149642, 4
R 2 = 0,978835027
R 2 = 0,9788
Didapat nilai koefisien determinasi 0,9788. Hal ini berarti bahwa sekitar 97,88%
produksi padi dapat ditentukan oleh luas panen, curah hujan dan banyak hujan
Universitas Sumatera Utara
melalui hubungan regresi linier berganda sedangkan sisanya 2,12%
lagi
dipengaruhi oleh faktor lain.
Untuk koefisien korelasi ganda digunakan rumus :
R = R2
R = 0, 978835027
R = 0, 989360918
R = 0,9894
Dari hasil perhitungan didapat korelasi (R) antara luas panen, curah hujan
dan banyak hujan terhadap produksi padi sebesar 0,9894. Nilai korelasi tersebut
menyatakan bahwa hubungan antara panen, curah hujan dan banyak hujan
terhadap produksi padi tinggi.
4.5 Perhitungan Koefisien Korelasi Antar Variabel
Dari Tabel 4.2 dapat diperoleh koefisien korelasi antara variabel terikat (Y)
dengan variabel bebas (X) sehingga diketahui seberapa besar pengaruh antar
variabel tersebut.
4.5.1 Koefisien Korelasi Antara Produksi Padi (Y) Dengan Luas Panen XY
Universitas Sumatera Utara
{n
ryx1 =
X 12 − (
X1 )
X 1 )(
2
}{n
Y)
Y2 −(
Y)
2
}
10 ( 455961) − ( 947 )( 4456 )
ryx1 =
ryx1 =
X 1Y − (
n
ryx1 =
{10 (97599 ) − (947 ) }{10 ( 2135236 ) − ( 4456 ) }
2
2
4559610 − 4219832
( 79181)(1496424 )
339778
344221,3659
ryx1 = 0, 987091545
ryx1 = 0, 9871
Koefisien korelasi antara produksi padi (Y) dan luas panen (X1) adalah
0,9871 yang menunjukkan korelasi yang kuat dengan arah positif mendekati 1
(korelasi positif). Hal ini berarti jika luas panen mengalami peningkatan maka
jumlah produksi padi juga akan meningkat.
4.5.2 Koefisien Korelasi Antara Produksi Padi (Y) Dengan Curah Hujan
XZ
ryx2 =
ryx2 =
n
{n
X 2Y − (
X 22 − (
X2 )
X 2 )(
2
} {n
Y)
Y2 −(
Y)
2
}
10 ( 781656 ) − (1786 )( 4456 )
{10 (328002) − (1786) }{10 ( 2135236) − ( 4456) }
2
2
Universitas Sumatera Utara
ryx2 =
ryx2 =
7816560 − 7958416
( 90224 )(1496424 )
−141856
367441, 6402
ryx2 = −0, 386064028
ryx2 = −0,3861
Nilai koefisien korelasi -0,3861 menunjukkan korelasi sangat lemah dan
tidak searah (korelasi negatif) antara hasil produksi padi (Y) dengan curah hujan
(X2), artinya penambahan intensitas curah hujan akan menurunkan jumlah
produksi padi, dan sebaliknya penurunan intensitas curah hujan meningkatkan
jumlah produksi padi.
4.5.3 Koefisien Korelasi Antara Produksi Padi (Y) Dengan Banyak Hujan
X[
ryx3 =
ryx3 =
ryx3 =
ryx3 =
n
{n
X 3Y − (
X 32 − (
X 3 )(
X3 )
2
} {n
Y)
Y2 −(
Y)
2
}
10 ( 66395 ) − (152 )( 4456 )
{10 ( 2342) − (152) }{10 ( 2135236) − ( 4456) }
2
2
663950 − 677312
( 316 )(1496424 )
−13362
21745,57389
Universitas Sumatera Utara
ryx3 = −0, 614469871
ryx3 = −0, 6145
Angka koefisien korelasi -0,6145 menunjukkan korelasi yang cukup dan
tidak searah (korelasi negatif) antara hasil produksi padi (Y) dengan banyaknya
hari hujan (X3), artinya penambahan hari hujan yang ada akan menurunkan
jumlah produksi padi, dan penurunan jumlah hari hujan akan meningkatkan
jumlah produksi padi.
4.5.4 Koefisien Korelasi Antara Luas Panen (X1) Dengan Curah Hujan
XZ
rx1x2 =
rx1x2 =
rx1x2 =
rx1x2 =
n
{n
X1 X 2 − (
X 12 − (
X1 )
2
X 1 )(
} {n
X2 )
X 22 − (
X2 )
2
}
10 (166284 ) − ( 947 )(1786 )
{10 (97599) − (947 ) }{10 ( 328002 ) − (1786) }
2
2
1662840 − 1691342
( 79181)( 90224 )
−28502
84522,34346
rx1 x2 = −0,337212609
rx1 x2 = −0, 3372
Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan curah
hujan (X2) adalah -0,3372 menunjukkan korelasi yang lemah dan tidak searah
Universitas Sumatera Utara
(korelasi negatif). Artinya meningkatnya curah hujan akan menurunkan luas
panen, dan penurunan curah hujan akan meningkatkan luas panen.
4.5.5 Koefisien Korelasi Antara Luas Panen (X1) Dengan Banyak Hujan
X[
rx1x3 =
rx1x3 =
rx1x3 =
rx1x3 =
n
{n
X1 X 3 − (
X 12 − (
X1 )
2
X 1 )(
} {n
X3 )
X 32 − (
X3 )
2
}
10 (14106 ) − ( 947 )(152 )
{10 (97599 ) − (947 ) }{10 ( 2342 ) − (152 ) }
2
2
141060 − 143944
( 79181)( 316 )
−2884
5002,119151
rx1 x3 = −0, 576555638
rx1 x3 = −0, 5766
Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan
banyak hujan (X3) adalah -0,5766 menunjukkan korelasi agak lemah dan tidak
searah (korelasi negatif). Artinya meningkatnya jumlah hari hujan akan
menurunkan luas panen, dan penurunan jumlah hari hujan akan meningkatkan
luas panen.
Universitas Sumatera Utara
4.5.6 Koefisien Korelasi Antara Curah Hujan (X2) Dengan Banyak Hujan
X[
rx2 x3 =
rx2 x3 =
rx2 x3 =
rx2 x3 =
n
{n
X2 X3 − (
X 22 − (
X2 )
2
X 2 )(
} {n
X3 )
X 32 − (
X3 )
2
}
10 ( 27415 ) − (1786 )(152 )
{10 (328002) − (1786) }{10 ( 2342) − (152) }
2
2
274150 − 271472
( 90224 )( 316 )
2678
5339,549045
rx2 x3 = 0, 501540481
rx2 x3 = 0, 5015
Berdasarkan perhitungan koefisien korelasi antara curah hujan (X2)
dengan banyak hujan (X3) adalah 0,5015 menunjukkan korelasi agak lemah dan
searah (korelasi positif). Artinya apabila intensitas curah hujan naik maka jumlah
hari hujan akan meningkat, dan apabila intensitas curah hujan menurun maka
jumlah hari hujan pun ikut menurun.
4.6 Uji t (Parsial)
Universitas Sumatera Utara
4.6.1 Pengaruh Luas Panen (X1) Terhadap Jumlah Produksi Padi (Y)
1.
Menentukan formulasi hipotesis
'
: Luas panen tidak berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
'
: Luas panen berpengaruh pada jumlah produksi padi di Kabupaten Deli
Serdang.
2.
Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata
= 0,05 dan nilai ttabel dengan dk
yaitu n – k – 1 = 10 – 3 – 1 = 6, maka diperoleh I FJK
I
QKP
\ R].
3.
Menentukan kriteria pengujian
' diterima bila I) *+
' ditolak bila I) *+
4.
,
,
C I*?@7A
L I*?@7A
Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
S y .12...k
Sb1 =
x12 (1 − r122 )
Selanjutnya hitung statistik :
I) *+
,
"@F
Tabel 4.5 Harga-Harga ^ZY , ^ZZ Dan ^Z[ Untuk Uji Koefisien Regresi
Universitas Sumatera Utara
n
x12
x22
x32
1
1317,69
605,16
10,24
2
2237,29
605,16
10,24
3
1874,89
88,36
3,24
4
428,49
6,76
0,64
5
349,69
761,76
3,24
6
515,29
1971,36
0,64
7
470,89
2440,36
0,64
8
515,29
6,76
0,64
9
94,09
547,56
0,64
10
114,49
1989,16
1,44
Jumlah (!
!)
7918,1
9022,4
31,6
Maka dengan harga-harga berikut ini :
S y .12...k = S e = 22, 9753
x12 = 7918,1
rx1 x2 = −0, 337212609
Sb1 =
Sb1 =
Sb1 =
Sb1 =
S y .12...k
x12 (1 − r122 )
22,9753
( 7918,1) {1 − ( −0,337212609 ) }
2
22,9753
( 7918,1)( 0,886287656 )
22,9753
83, 7717989
Universitas Sumatera Utara
Sb1 = 0, 274260554
Sb1 = 0, 2743
Maka thitung diperoleh :
thitung =
b1
Sb1
thitung =
4,1073
0, 2743
thitung = 14,97375137
thitung = 14, 9738
5.
Kesimpulan
Karena thitung = 14,9738 > ttabel = 2,45 maka H0 Ditolak.
Hal ini berarti bahwa luas panen berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
4.6.2 Pengaruh Curah Hujan (X2) Terhadap Jumlah Produksi Padi (Y)
1.
Menentukan formulasi hipotesis
'
: Curah hujan tidak berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
'
: Curah hujan berpengaruh pada jumlah produksi padi di Kabupaten
Deli Serdang.
Universitas Sumatera Utara
2.
Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata
= 0,05 dan nilai ttabel dengan dk
I
yaitu n – k – 1 = 10 – 3 – 1 = 6, maka di peroleh I FJK
QKP
\ R].
3.
Menentukan kriteria pengujian
' diterima bila I) *+
' ditolak bila I) *+
4.
,
,
C I*?@7A
L I*?@7A
Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
S y .12...k
Sb2 =
x22 (1 − r122 )
Selanjutnya hitung statistik :
I) *+
,
"@
Maka dengan harga-harga berikut ini :
S y .12...k = S e = 22,9753
x22 = 9022, 4
rx1 x2 = −0,337212609
Sb2 =
Sb2 =
S y .12...k
x22 (1 − r122 )
22,9753
( 9022, 4 ) {1 − ( −0,337212609 ) }
2
Universitas Sumatera Utara
22,9753
Sb2 =
Sb2 =
( 9022, 4 )( 0,886287656 )
22,9753
89, 42282567
Sb2 = 0, 256928808
Sb2 = 0, 2569
Maka thitung diperoleh :
thitung =
b2
Sb2
thitung =
−0,1768
0, 2569
thitung = −0, 688205527
thitung = −0, 6882
5.
Kesimpulan
Karena thitung = -0,6882 < ttabel = 2,45 maka H0 Diterima.
Hal ini berarti bahwa curah hujan tidak berpengaruh pada jumlah produksi
padi di Kabupaten Deli Serdang.
4.6.3 Pengaruh Banyak Hujan (X3) Terhadap Jumlah Produksi Padi (Y)
Universitas Sumatera Utara
1.
Menentukan formulasi hipotesis
'
: Banyak hujan tidak berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
'
: Banyak hujan berpengaruh pada jumlah produksi padi di Kabupaten
Deli Serdang.
2.
Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata
= 0,05 dan nilai ttabel dengan dk
yaitu n – k – 1 = 10 – 3 – 1 = 6, maka di peroleh I FJK
I
QKP
\ R].
3.
Menentukan kriteria pengujian
' diterima bila I) *+
' ditolak bila I) *+
4.
,
,
C I*?@7A
L I*?@7A
Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
S y .12...k
Sb3 =
x32 (1 − r132 )
Selanjutnya hitung statistik :
I) *+
,
"@_
Maka dengan harga-harga berikut ini :
S y .12...k = S e = 22,9753
x32 = 2342
rx1 x3 = −0, 576555638
Universitas Sumatera Utara
S y .12...k
Sb3 =
x32 (1 − r132 )
22,9753
Sb3 =
( 2342 ) {1 − ( −0,576555638 ) }
2
22,9753
Sb3 =
Sb3 =
( 2342 )( 0, 667583596 )
22,9753
39,54087483
Sb3 = 0,581051889
Sb3 = 0, 5811
thitung =
b3
Sb3
thitung =
−3,3012
0,5811
thitung = −5, 681420308
thitung = −5, 6814
5.
Kesimpulan
Karena thitung = -5,6814 < ttabel = 2,45 maka H0 Diterima.
Hal ini berarti bahwa banyak hujan tidak berpengaruh pada jumlah produksi
padi di Kabupaten Deli Serdang.
4.7 Implementasi Sistem
Universitas Sumatera Utara
4.7.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikam desain
sistem yang ada dalam desain sistem yang telah disetujui, menginstal, dan
memulai sistem baru yang diperbaiki.
Tujuan dari implementasi sistem adalah sebagai berikut :
1. Menyelesaikan desain sistem yang ada dalam dokumen sistem yang
disetujui.
2. Menulis, menguji, dan mendokumentasikan program-program dan
prosedur-prosedur yang diperlukan oleh dokumen desain sistem yang
disetujui.
3. Memastikan bahwa personal dapat mengoperasikan sistem baru.
4. Memperhitungkan bahwa sistem memenuhi permintaan pemakai.
5. Memastikan bahwa konveksi ke sistem yang baru berjalan dengan benar.
Implementasi yang sudah selesai harus diuji coba kehandalannya sehingga
dapat diketahui kehandalannya dari sistem yang ada dan telah sesuai dengan apa
yang diinginkan. Dalam pengolahan data pada Tugas Akhir ini penulis
menggunakan suatu perangkat lunak sebagai implementasi sistem yaitu program
SPSS 17.0 For Window dalam masalah memperoleh hasil perhitungan.
4.7.2 Pengenalan SPSS
Universitas Sumatera Utara
SPSS (Statistical Product and Service Solution) merupakan program aplikasi yang
digunakan untuk melakukan perhitungan statistik dengan menggunakan komputer.
SPSS paling banyak digunakan dalam berbagai riset pasar, pengendalian dan
perbaikan mutu (quality improvement) serta riset-riset lain.
SPSS dibuat pertama kali sebagai software statistik pada tahun 1968.
Diprakarsai oleh ketiga mahasiswa Stanford University yang pada saat itu
dioperasikan hanya pada komputer mainframe. Pada tahun 1984, SPSS pertama
kali muncul pada versi PC (bisa dipakai untuk komputer desktop) dengan nama
SPSS/PC+, dan sejalan dengan populernya sistem operasi windows. Pada tahun
1992, SPSS juga mengeluarkan versi windows. Dan antara tahun 1994-1998,
SPSS melakukan berbagai kebijakan strategis untuk pengembangan software
statistik dengan mengeluarkan Software House terkemuka seperti SYSTAT. Inc,
BMDP Statistical Software, Jandel Statistics Software Clear Software, Quantime
Ltd, Initive Technologies A/S dan Integral Solution Ltd. Untuk memantapkan
posisinya sebagai salah satu market leader dalam business intelligence, SPSS juga
menjalin aliansi strategis dengan software house terkemuka dunia yang lain
seperti Oracle Corp, Business Object dan Ceres Integrated Solution.
Karena perkembangan SPSS ini membuat program SPSS yang tadinya
hanya ditujukan pada pengolahan data statistik untuk ilmuan sosial yang pada saat
itu SPSS yang singkatan dari Statistical Packcage for The Social Science berubah
menjadi Statistical Product and Service Solution. Fungsi SPSS diperluas untuk
melayani berbagai user seperti proses produksi di pabrik, riset ilmu sains dan lainlain.
Universitas Sumatera Utara
4.7.3 Langkah – Langkah Pengolahan Data Dengan SPSS
4.7.3.1 Cara Mengaktifkan SPSS Pada Program Windows
1. Pilih menu Start dari windows.
2. Kemudian pilih menu All Programs.
3. Klik SPSS Statistics 17.0.
Gambar 4.1 Tampilan Pengaktifan SPSS Statistics 17.0
4.7.3.2 Mengenal Lingkungan Kerja SPSS
SPSS data editor mempunyai 2 (dua) tipe lingkungan kerja yaitu :
1. Data View adalah tempat di mana data akan dimasukkan dan diproses.
Universitas Sumatera Utara
Gambar 4.2 Tampilan Jendela Data View dalam SPSS
2. Variabel View adalah tempat di mana variabel akan didefenisikan terlebih
dahulu sebelum dimasukkan ke Data View. Cara mengaktifkannya adalah
dengan mengklik tab sheet Variabel View yang berada di bagian kiri
bawah atau langsung menekan Ctrl + T.
Gambar 4.3 Tampilan Jendela Variabel View dalam SPSS
4.7.3.3 Menyusun Definisi Variabel View
Universitas Sumatera Utara
Name
: Untuk memasukkan nama variabel yang akan diuji.
Type
: Untuk mendefenisikan tipe variabel.
Widht
: Untuk pengaturan panjang karakter dari variabel.
Decimals
: Untuk menuliskan jumlah desimal di belakang koma.
Label
: Untuk menuliskan keterangan dari nama variabel.
Missing
: Untuk menuliskan ada tidaknya jawaban kosong.
Columns
: Untuk pengaturan lebar kolom.
Align
: Untuk pengaturan teks/angka pada data View apakah akan
dibuat rata kiri (Left), kanan (Right) atau tengah (Center).
Measure
: Untuk menentukan skala pengukuran variabel, misalnya nominal,
ordinal atau scale.
(Dalam penulisan Tugas Akhir ini Values, Missing, Columns dan Measure tidak
dipergunakan, karena itu ketiga pengaturan ini diabaikan saja).
4.7.3.4 Pemasukan Data Ke dalam SPSS Statistics 17.0
Cara memasukkan data ke SPSS Statistics 17.0 adalah sebagai berikut :
1.
Pengisian variabel pada Variabel View.
Variabel Tahun adalah Tahun dari data yang diambil, variabel ini merupakan
variabel pertama yang akan ditempatkan pada baris pertama.
Langkah-langkahnya adalah sebagai berikut :
1) Isi Name dengan Tahun lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 4 lalu pilih Decimals ketik 0.
Universitas Sumatera Utara
3) Pada Label ketik “Tahun”.
4) Lalu pada Align pilih Center.
Variabel Y adalah jumlah produksi padi, variabel ini merupakan variabel kedua
yang akan ditempatkan pada baris kedua.
Langkah-langkahnya adalah :
5) Isi Name dengan Y lalu pilih Type dan pilih Numeric.
6) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
7) Pada Label ketik “Jumlah Produksi Padi”.
8) Lalu pada Align pilih Center.
Selanjutnya Variabel X1 adalah luas panen yang juga menjadi variabel ketiga yang
ditempatkan pada baris ketiga.
Langkah-langkahnya adalah :
1) Isi Name dengan X1 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
3) Pada Label ketik “Luas Panen”.
4) Lalu pada Align pilih Center.
Selanjutnya Variabel X2 adalah curah hujan yang juga menjadi variabel keempat
yang ditempatkan pada baris keempat.
Langkah-langkahnya adalah :
1) Isi Name dengan X2 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
Universitas Sumatera Utara
3) Pada Label ketik “Curah Hujan”.
4) Lalu pada Align pilih Center.
Selanjutnya Variabel X3 adalah banyak hujan yang juga menjadi variabel kelima
yang ditempatkan pada baris kelima.
Langkah-langkahnya adalah :
1) Isi Name dengan X3 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
3) Pada Label ketik “Banyak Hujan”.
4) Lalu pada Align pilih Center.
Pengisian variabel tersebut dapat dilihat pada gambar di bawah ini :
Gambar 4.4 Tampilan Pengisian Variabel View
2.
Pengisian Data Pada Data View
Langkah-langkah pengisian data ke dalam data view adalah :
Universitas Sumatera Utara
1) Setelah pengisian variabel pada Variabel View lalu klik pada tab sheet
Data View yang ada di kiri bawah layar.
2) Isilah tahun pada kolom Tahun sesuai jumlah data yang ada.
3) Isi Y, X1, X2 dan X3 dengan data yang ada.
Pengisian data tersebut dapat dilihat pada gambar di bawah ini :
Gambar 4.5 Tampilan Pengisian Data View
4.7.3.5 Pengolahan Data
Pengolahan data untuk mencari korelasi dan persamaan regresi linier berganda.
Langkah-langkahnya adalah sebagai berikut :
1) Pada Menu Bar klik menu Analyze, lalu pilih Regression dan klik Linier.
2) Lalu akan muncul kotak dialog Linier Regression.
3) Pada kotak dialog tersebut masukkan variabel Y pada kotak Dependent
dan variabel X1, X2 dan X3 pada kotak Independent (s).
Universitas Sumatera Utara
Gambar 4.6 Kotak Dialog Linier Regression
4) Klik tombol Statistics sehingga akan muncul Linier Regression Statistics,
lalu beri tanda ceklist pada Estimate, Model Fit dan Descriptives.
Gambar 4.7 Kotak Dialog Linier Regression : Statistics
5) Lalu klik Continue.
Universitas Sumatera Utara
6) Selanjutnya balik ke kotak dialog Linier Regression, lalu klik Plots untuk
membuat grafik. Isi kolom Y dengan pilihan SDRESID dan kolom X
dengan ZPRED, kemudian klik Next.
Gambar 4.8 Kotak Dialog Linier Regression : Plots
7) Selanjutnya isi kolom Y dengan ZPRED dan kolom X dengan
DEPENDNT. Pada pilihan Standardized Residual Plots, ceklist
Histogram, Normal Probability Plot dan Produce all partial plot, setelah
itu klik Continue.
Universitas Sumatera Utara
Gambar 4.9 Kotak Dialog Linier Regression Plots
8) Maka aplikasi akan kembali ke kotak dialog Linier Regression, lalu
selanjutnya klik Option maka akan muncul kotak dialog Linier
Regression Option. Pilih Use Probability of F kemudian masukkan nilai
tingkat kepercayaan pada kotak Entry dengan 0,05, lalu klik Continue.
Gambar 4.10 Kotak Dialog Linier Regression : Option
9) Selanjutnya klik OK.
Universitas Sumatera Utara
BAB 5
PENUTUP
5.1 Kesimpulan
Berdasarkan analisis yang telah dilakukan penulis, maka dapat diambil beberapa
kesimpulan, yaitu :
1) Dari perhitungan yang telah dilakukan secara manual dan menggunakan
software maka diperoleh hasil persamaan yang sama yaitu Yˆ = 138,3934 +
4,1073 X1 - 0,1768 X2 - 3,3012 X3, ini berarti jika koefisien regresi sebesar
4,1073 artinya setiap kenaikan luas panen sebesar 1% maka akan
meningkatkan produksi padi sebesar 4,1073%. Koefisien regresi sebesar
- 0,1768 artinya setiap meningkatnya curah hujan sebesar 1% maka akan
menurunkan produksi padi sebesar – 0,1768%. Koefisien regresi sebesar
- 3,3012 artinya setiap meningkatnya banyak hujan sebesar 1% maka akan
menurunkan produksi padi sebesar – 3,3012%.
2) Kesalahan baku (Standard Error) sebesar 22,9752671. Ini berarti produksi
padi yang sebenarnya akan menyimpang dari rata-rata produksi padi yang
diperkirakan yaitu sebesar 22,9752671.
Universitas Sumatera Utara
3) Melalui uji keberartian regresi linier dengan taraf nyata (! = 0,05) didapat
Fhitung = 92,49574914 D Ftabel = 4,76 maka H0 Ditolak dan H1 Diterima.
Hal ini berarti persamaan linier berganda Y atas X1, X2, X3 bersifat nyata
yang berarti bahwa luas panen (X1), curah hujan (X2) dan banyak hujan
(X3) secara bersama-sama berpengaruh terhadap terjadinya jumlah
produksi padi (Y).
4) Melalui perhitungan R2 didapat nilai koefisien determinasi 0,9788. Hal ini
berarti bahwa sekitar 97,88% produksi padi dapat ditentukan oleh luas
panen, curah hujan, dan banyak hujan melalui hubungan regresi linier
berganda sedangkan sisanya 2,12% lagi dipengaruhi oleh faktor lain
5) Dari hasil perhitungan didapat korelasi (R) antara luas panen, curah hujan
dan banyak hujan terhadap produksi padi sebesar 0,9894. Nilai korelasi
tersebut menyatakan bahwa hubungan antara panen, curah hujan dan
banyak hujan terhadap produksi padi tinggi.
6) Berdasarkan perhitungan koefisien korelasi antara jumlah produksi padi
(Y) dan luas panen (X1) adalah 0,9871 yang menunjukkan korelasi yang
kuat dengan arah positif mendekati 1 (korelasi positif). Hal ini berarti jika
jumlah produksi padi mengalami peningkatan maka luas panen juga akan
meningkat dan sebaliknya jumlah produksi padi mengalami penurunan
maka luas panen juga akan menurun.
7) Berdasarkan perhitungan koefisien korelasi antara hasil produksi padi (Y)
dengan curah hujan (X2) adalah -0,3861 menunjukkan korelasi sangat
lemah dan tidak searah (korelasi negatif), artinya penambahan intensitas
Universitas Sumatera Utara
curah hujan akan menurunkan jumlah produksi padi, dan sebaliknya
penurunan intensitas curah hujan meningkatkan jumlah produksi padi.
8) Berdasarkan perhitungan koefisien korelasi antara hasil produksi padi (Y)
dengan banyaknya hari hujan (X3) adalah -0,6145 menunjukkan korelasi
yang cukup dan tidak searah (korelasi negatif), artinya penambahan hari
hujan yang ada akan menurunkan jumlah produksi padi, dan penurunan
jumlah hari hujan akan meningkatkan jumlah produksi padi.
9) Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan
curah hujan (X2) adalah -0,3372 menunjukkan korelasi yang lemah dan
tidak searah (korelasi negatif). Artinya meningkatnya curah hujan akan
menurunkan luas panen, dan penurunan curah hujan akan meningkatkan
luas panen.
10) Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan
banyak hujan (X3) adalah -0,5766 menunjukkan korelasi agak lemah dan
tidak searah (korelasi negatif). Artinya meningkatnya jumlah hari hujan
akan menurunkan luas panen, dan penurunan jumlah hari hujan akan
meningkatkan luas panen.
11) Berdasarkan perhitungan koefisien korelasi antara curah hujan (X2)
dengan banyak hujan (X3) adalah 0,5015 menunjukkan korelasi agak
lemah dan searah (korelasi positif). Artinya apabila intensitas curah hujan
naik maka jumlah hari hujan akan meningkat, dan apabila intensitas curah
hujan menurun maka jumlah hari hujan pun ikut menurun.
Universitas Sumatera Utara
12) Melalui uji koefisien regresi linier ganda (uji t) dengan taraf nyata
= 0,05
diperoleh kesimpulan untuk pengaruh antara luas panen dan jumlah
produksi padi adalah H0 Ditolak yang berarti secara parsial luas panen
berpengaruh terhadap jumlah produksi padi di Kabupaten Deli Serdang.
Untuk pengaruh curah hujan dan jumlah produksi padi adalah H0 Diterima
yang berarti secara parsial curah hujan tidak berpengaruh terhadap jumlah
produksi padi di Kabupaten Deli Serdang. Dan untuk pengaruh banyak
hujan dan jumlah produksi padi adalah H0 Diterima yang berarti secara
parsial banyak hujan tidak berpengaruh terhadap jumlah produksi padi di
Kabupaten Deli Serdang.
13) Berdasarkan hasil analisis korelasi antara variabel bebas dengan variabel
tak bebas diketahui bahwa faktor yang paling mempengaruhi terhadap
produksi padi di Kabupaten Deli Serdang adalah luas panen dengan nilai
korelasi sebesar 0,9871.
5.2 Saran
Dari analisis dan kesimpulan yang didapat, ada beberapa saran yang mungkin bisa
membantu hasil produksi padi :
1) Penulis menyarankan agar metode analisis regresi dapat dipergunakan
dalam meramalkan atau mengetahui hasil produksi padi, ataupun
Universitas Sumatera Utara
meramalkan hal-hal lain sehingga dapat digunakan sebagai acuan untuk
mengambil keputusan.
2) Faktor-faktor yang mempengaruhi hasil produksi perlu diperhatikan
sebelum membentuk model regresi agar model yang terbentuk akurat dan
dapat dipergunakan untuk berbagai keperluan.
3) Dalam meningkatkan produksi padi bukan hanya dipengaruhi oleh luas
panen, curah hujan dan banyaknya hujan, melainkan ada beberapa faktor
lain yang mendukung peningkatan hasil produksi padi seperti pemilihan
dan penanaman bibit yang berkualitas baik dan juga pembasmian hama.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Konsep Dasar Statistika
Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang
pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
dari data yang berbentuk angka. Dari pengertian statistik tersebut, dapat
disebutkan komponen-komponen, unsur-unsur dari statistik yaitu data, perlakuan
data, kesimpulan dan angka-angka (Hasan, 1999).
Ruang lingkup statistika meliputi statistik deduktif atau statistik deskriptif dan
statistik induktif atau statistik inferensial. Statistik deskriptif terdiri dari menghimpun
data, menyusun data, mengolah, menyajikan dan menganalisa data angka. Sedangkan
statistik inferensial atau statistik induktif adalah meliputi teori probability, distribusi
teoritis, distribusi sampling, penaksiran, pengujian hipotesa, korelasi, komparasi, dan
regresi (Gujarati, 2004).
Sumber data statistik dapat dikumpulkan langsung oleh peneliti dari pihak
yang bersangkutan dan biasanya disebut data primer. Dan data juga dapat diperoleh
dari pihak lain atau data yang sudah ada disebut dengan data sekunder.
Universitas Sumatera Utara
2.2 Pengertian Regresi
Istilah regresi pertama kali diperkenalkan oleh Francis Galton (1886). Analisis
regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut
variabel tak bebas, pada satu atau lebih variabel, yaitu variabel yang menerangkan
dengan tujuan untuk memperkirakan ataupun meramalkan nilai-nilai dari variabel
tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang
menerangkan sering disebut variabel bebas (Gujarati, 2004).
Hasil analisis regresi adalah berupa koefisien untuk masing-masing
variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai
variabel dependen dengan suat persamaan. Koefisien regresi dihitung dengan dua
tujuan sekaligus: Pertama, meminimumkan penyimpangan antara nilai aktual
dengan nilai estimasi variabel dependen. Kedua, mengoptimalkan korelasi antara
nilai aktual dan nilai estimasi variabel dependen berdasarkan data yang ada.
Teknik estimasi variabel dependen yang melandasi analisis regresi disebut
Ordinary Least Squares (Pangkat Kuadrat Terkecil Biasa) (Tabachnick, 1996).
Dalam analisis regresi, selain mengukur kekuatan hubungan antara dua
variabel atau lebih juga menunjukkan arah hubungan antara variabel dependen
dengan variabel independen. Variabel dependen diasumsikan random/stokastik,
yang berarti mempunyai distribusi probabilistik. Variabel independen/bebas
diasumsikan memiliki nilai tetap (dalam pengambilan sampel yang berulang).
Universitas Sumatera Utara
2.3 Analisis Regresi Linier
Analisis regresi linier adalah salah satu alat yang dapat digunakan dalam
memprediksi permintaan di masa yang akan datang dengan berdasarkan data masa
lalu, atau untuk mengetahui pengaruh satu variabel bebas (independent) terhadap
satu variabel tak bebas (dependent) (Syofian, 2013).
Dalam regresi linier akan ditentukan satu persamaan yang didapat antara
variabel bebas dan variabel tak bebas yang merupakan persamaan penduga yang
berguna untuk menaksir/meramalkan variabel tak bebas. Untuk mempelajari
hubungan-hubungan antara beberapa variabel, analisis regresi terdiri dari dua
bentuk, yaitu :
1. Analisis Regresi Sederhana (Simple Analysis Regression)
2. Analisis Regresi Berganda (Multiple Analysis Regression)
2.4 Analisis Regresi Sederhana
Regresi linier sederhana adalah suatu cara/prosedur yang digunakan untuk
mengestimasi besarnya koefisien-koefisien yang dihasilkan dari persamaan yang
Universitas Sumatera Utara
bersifat linier yang melibatkan satu variabel bebas (X) untuk digunakan sebagai
alat prediksi besarnya nilai variabel terikat (Y) (Sarwono, 2006). Dalam hal ini
bentuk model umum regresi sederhana adalah :
= a + bx + !
… (2.1)
Keterangan :
= Variabel tak bebas
x
= Variabel bebas
a
= Parameter intercept
b
= Parameter koefisien regresi variabel bebas
!
= Eror
Nilai a dan b dapat diperoleh dengan rumus seperti di bawah ini :
a=
b=
(
Yi ) (
X i2 ) − (
n(
n(
X i2 ) − (
X iYi ) − (
n(
X i )(
X i2 ) − (
Xi )
X i )(
Xi )
X iYi )
2
… (2.2)
Yi )
2
Universitas Sumatera Utara
Keterangan :
n
= Banyaknya data
= Jumlah nilai-nilai dari
= Jumlah nilai-nilai dari
= Jumlah kuadrat nilai-nilai dari variabel
= Jumlah hasil kali nilai-nilai dari variabel
dan
.
2.5 Analisis Regresi Berganda
Regresi linier berganda adalah regresi di mana variabel terikatnya (Y)
dihubungkan/dijelaskan lebih dari satu variabel bebas (X) namun masih
menunjukkan diagram hubungan yang linier (Hasan, 2009). Tujuan regresi linier
berganda ini adalah untuk mengetahui hubungan antara dua variabel atau lebih
dan memuat prediksi nilai Y atas nilai X. Adapun bentuk umum regresi berganda
adalah :
Yˆ = β0 + β1 X1i + β 2 X 2i + ... + β k X ki
… (2.3)
Universitas Sumatera Utara
Keterangan :
i
= 1,2,3,…,n
Yˆ
= Nilai regresi
β0 , β1 , β2 ,..., βk
= Koefisien regresi
X i1 , X i 2 , X i 3 ,..., X ik
= Variabel bebas
Model regresi linier berganda untuk populasi di atas dapat ditaksir
berdasarkan sebuah sample acak yang berukuran n dengan model regresi linier
berganda untuk sampel, yaitu :
…(2.4)
Keterangan :
= Nilai penduga bagi variabel Y
b0
= Dugaan bagi parameter konstanta
0
b1, b2, … , bk
= Dugaan bagi parameter konstanta
1,
X i1 , X i 2 , X i 3 ,..., X ik
= Variabel bebas
2,
…,
k
Universitas Sumatera Utara
Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan
empat variabel, yaitu satu variabel tak bebas (dependent variabel) dan tiga
variabel bebas (independent variabel). Maka persamaan regresi linier bergandanya
dapat ditulis sebagai berikut :
…(2.5)
Untuk mengetahui besarnya nilai koefisien dari model regresi linier
berganda
dapat ditentukan dengan menggunakan
empa
Regression
Descriptive Statistics
Mean
Std. Deviation
N
Produksi Padi
445.60
128.945
10
Luas Panen
94.70
29.661
10
Curah Hujan
178.60
31.662
10
Banyak Hujan
15.20
1.874
10
b
Model Summary
Model
1
R
Adjusted R
Square
R Square
.989
a
.979
Std. Error of the
Estimate
.968
22.975
a. Predictors: (Constant), Banyak Hujan, Curah Hujan, Luas Panen
b. Dependent Variabel: Produksi Padi
Coefficientsa
Unstandardized Coefficients
Model
1
(Constant)
B
Std. Error
138.391
98.557
Luas Panen
4.107
.317
Curah Hujan
-.177
Banyak Hujan
-3.301
Standardized
Coefficients
Beta
T
Sig.
1.404
.210
.945
12.967
.000
.280
-.043
-.631
.551
5.456
-.048
-.605
.567
Universitas Sumatera Utara
Coefficientsa
Standardized
Coefficients
Unstandardized Coefficients
Model
1
(Constant)
a.
B
Std. Error
Beta
138.391
98.557
Luas Panen
4.107
.317
Curah Hujan
-.177
Banyak Hujan
-3.301
T
Sig.
1.404
.210
.945
12.967
.000
.280
-.043
-.631
.551
5.456
-.048
-.605
.567
Dependent Variabel: Produksi Padi
Correlations
Correlations
Produksi
Padi
Pearson Correlation
Sig. (1-tailed)
N
Luas
Panen
Curah
Hujan
Banyak
Hujan
Produksi Padi
1.000
.987
-.386
-.614
Luas Panen
.987
1.000
-.337
-.577
Curah Hujan
-.386
-.337
1.000
.502
Banyak Hujan
-.614
-.577
.502
1.000
Produksi Padi
.
.000
.135
.029
Luas Panen
.000
.
.170
.041
Curah Hujan
.135
.170
.
.070
Banyak Hujan
.029
.041
.070
.
Produksi Padi
10
10
10
10
Luas Panen
10
10
10
10
Curah Hujan
10
10
10
10
Banyak Hujan
10
10
10
10
Universitas Sumatera Utara
Charts
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
DAFTAR PUSTAKA
Algifari, Analisis Regresi Teori, Kasus, dan Solusi, BPFE, Yogyakarta, 1997.
Hakim Abdul, Statistik Deskriptif Untuk Ekonomi dan Bisnis, Edisi Pertama,
EKONISIA, Yogyakarta, 2004.
Hasan Iqbal, Pokok-Pokok Materi Statistika I, Bumi Aksara, Jakarta, 1999
Marzuki, Gunawan, Nurgiyantoro Burhan, Statistik Terapan Untuk Penelitian
Ilmu-Ilmu Sosial, Cetakan Kedua, Gadjah Mada University Press, Yogyakarta,
2002.
Nurlaela, Praktikum Statistika Ekonomi dan Bisnis Dengan SPSS, Edisi
Pertama, Mitra Wacana Media, Jakarta, 2010.
Sarwono Jonathan, Panduan Cepat dan Mudah SPSS 14, ANDI, Yogyakarta,
2006.
Sudjana, Metode Statistika, Edisi Ke-6, Tarsito, Bandung, 1992.
Syofian, Statistik Parametrik untuk Penelitian Kuantitatif, Bumi Aksara,
Jakarta, 2013.
Universitas Sumatera Utara
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Badan Pusat Statistik (BPS)
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan
Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain
pada
bidang
pertanian,
agraria,
pertambangan,
kependudukan,
sosial,
ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal-hal tersebut
Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan,
kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan
mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi,
memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuranukuran lainnya.
Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan
dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik
yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan
Organisasi Biro Pusat Statistik.
Universitas Sumatera Utara
Dalam masa orde baru ini BPS telah mengalami tujuh kali perubahan Struktur
Organisasi yaitu :
1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS.
2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.
3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi,
suasana, dan tata kerja BPS.
4. Undang-Undang No. 16 tahun 1997 tentang Statistik.
5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.
6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata
kerja BPS.
7. PP 51 tahun 1999 tentang penyelenggaraan statistik.
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu
yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980,
Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti
Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau
Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19
Mei 1997 menetapkan tentang statistik sebagai pengganti Undang - Undang
Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan
Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus
mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.
Universitas Sumatera Utara
3.2 Visi dan Misi Badan Pusat Statistik
3.2.1 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.
3.2.2 Misi Badan Pusat Statistik
Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan
misi mengarahkan pembangunan statistik pada penyajian data statistik yang
bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti
dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.
3.3 Kedudukan dan Fungsi Badan Pusat Statistik
Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di
bawah dan bertanggung jawab kepada Presiden (Keppres No. 86 tahun 1998),
dalam malaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :
1. UU No. 16 tentang statistik
2. Keputusan Presiden No. 86 tahun 1998 tentang BPS
Universitas Sumatera Utara
3. Peraturan Pemerintah No. 51 tahun 1999 tentang penyelenggaraan statistik
Berdasarkan
keputusan
Presiden
No.
86
tahun
1998
dalam
menyelenggarakan statistik dasar melaksanakan koordinasi dan kerjasama serta
mengembangkan dan membina statistik sesuai dengan peraturan perundangundangan yang berlaku. Fungsi yang diselenggarakan Badan Pusat Statistik
adalah :
1. Perumusan kebijaksanaan perencanaan, pengumpulan, pengolahan, penyajian
data, dan analisis di bidang statistik produksi dan kependudukan serta bidang
statistik distribusi dan meraca nasional.
2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen
dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang
diperlukan, serta pelaksanaan kerjasama di bidang statistik dengan
lembaga/organisasi lain baik di dalam maupun di luar negeri.
3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik
produksi dan kependudukan serta statistik distribusi dan neraca nasional
secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder.
4. Penyebarluasan statistik melalui berbagai cara baik langsung maupun tidak
langsung.
5. Pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan
perbekalan serta memberikan pelayanan administrasi di lingkungan BPS.
Universitas Sumatera Utara
BAB 4
PENGOLAHAN DATA
4.1 Data dan Pembahasan
Data yang diambil dari Kantor Badan Pusat Statistik Provinsi Sumatera Utara
adalah data Produksi Padi (Ton), Luas Panen (Ha), Curah Hujan (mm) dan
Banyak Hujan (hari) di Kabupaten Deli Serdang pada tahun 2002-2011.
Tabel 4.1 Produksi Padi (Ton), Luas Panen (Ha), Curah Hujan (mm) Dan
Banyak Hujan (hari) Di Kabupaten Deli Serdang Tahun 20022011.
Produksi Padi
Luas Panen
Curah Hujan
Banyak Hujan
No.
Tahun
(Ton)
(Ha)
(mm)
(hari)
1
2002
603
131
154
12
2
2003
642
142
154
12
Universitas Sumatera Utara
3
2004
626
138
188
17
4
2005
339
74
176
16
5
2006
345
76
151
17
6
2007
329
72
223
16
7
2008
348
73
228
16
Produksi Padi
Luas Panen
Curah Hujan
Banyak Hujan
Sambungan Tabel 4.1
No.
Tahun
(Ton)
(Ha)
(mm)
(hari)
8
2009
352
72
176
16
9
2010
426
85
202
16
10
2011
446
84
134
14
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara
Dari data tersebut maka variabel-variabelnya adalah sebagai berikut:
Y
: Produksi Padi (Ton)
X1
: Luas Panen (Ha)
X2
: Curah Hujan (mm)
X3
: Banyak Hujan (hari)
4.2 Membentuk Persamaan Regresi Linier Berganda
Universitas Sumatera Utara
Untuk membentuk persamaan regresi linier berganda, diperlukan perhitungan
masing-masing satuan variabel. Hasil perhitungan yang dibutuhkan terdapat pada
tabel dibawah ini :
Tabel 4.2
Harga-Harga yang Diperlukan Untuk Menghitung Koefisien
b 0, b1, b 2, b3
n
Y
X1
X2
X3
Y2
X 12
1
603
131
154
12
363609
17161
2
642
142
154
12
412164
20164
3
626
138
188
17
391876
19044
4
339
74
176
16
114921
5476
5
345
76
151
17
119025
5776
6
329
72
223
16
108241
5184
7
348
73
228
16
121104
5329
8
352
72
176
16
123904
5184
9
426
85
202
16
181476
7225
10
446
84
134
14
198916
7056
Jumlah ( Σ
4456
947
1786
152
2135236
97599
Sambungan Tabel 4.2
X 22
X3 2
X1 Y
X 2Y
23716
144
78993
92862
23716
144
91164
98868
Universitas Sumatera Utara
35344
289
86388
117688
30976
256
25086
59664
22801
289
26220
52095
49729
256
23688
73367
51984
256
25404
79344
30976
256
25344
61952
40804
256
36210
86052
17956
196
37464
59764
328002
2342
455961
781656
X3 Y
X1X2
X1X3
X2 X3
7236
20174
1572
1848
7704
21868
1704
1848
10642
25944
2346
3196
5424
13024
1184
2816
5865
11476
1292
2567
5264
16056
1152
3568
5568
16644
1168
3648
5632
12672
1152
2816
6816
17170
1360
3232
6244
11256
1176
1876
66395
166284
14106
27415
Sambungan Tabel 4.2
Dari Tabel 4.2 diperoleh hasil sebagai berikut :
n
= 10
X 32
= 2342
Universitas Sumatera Utara
Y
= 4456
X 1Y
= 455961
X1
= 947
X 2Y
= 781656
X2
= 1786
X 3Y
= 66395
X3
= 152
X1 X 2
= 166284
Y2
= 2135236
X1 X 3
= 14106
X 12
= 97599
X2 X3
= 27415
X 22
= 328002
Dari data tersebut maka selanjutnya akan dicari persamaan normal dengan rumus
(2.6) sebagai berikut :
Y = b0 n + b1
X 1 + b2
X 2 + b3
X3
YX1 = b0
X 1 + b1
X12 + b2
YX 2 = b0
X 2 + b1
X 2 X1 + b2
X 22 + b3
YX 3 = b0
X 3 + b1
X 3 X1 + b2
X 3 X 2 + b3
X1 X 2 + b3
X1 X 3
X2 X3
X 32
Harga-harga koefisien b0, b1, b2 dan b3 dicari dengan substitusi dan
eliminasi dari persamaan normal di atas. Selanjutnya substitusi nilai-nilai pada
Tabel 4.2 ke dalam persamaan normal, sehingga diperoleh :
Universitas Sumatera Utara
4456 = 10 b0 + 947 b1 + 1786 b2 + 152 b3
…(1)
445961 = 947 b0 + 97599 b1 + 166284 b2 + 14106 b3
…(2)
781656 = 1786 b0 + 166284 b1 + 328002 b2 + 27415 b3
...(3)
66395 = 152 b0 + 14106 b1 + 27415 b2 + 2342 b3
...(4)
Persamaan di atas diselesaikan dengan metode eliminasi persamaan linier, dengan
menghilngkan nilai b0.
Jika persamaan 1 dan 2 diambil dan disamakan nilai b0 nya dengan
persamaan 1 dikalikan 947 dan persamaan 2 dikalikan dengan 10 sehingga
diperoleh persamaan ke 5 :
4219832 = 9470 b0 + 896809 b1 + 1691342 b2 + 143944 b3
4559610 = 9470 b0 + 975990 b1 + 1662840 b2 + 141060 b3
-339778 =
-
-79181 b1 + 28502 b2 + 2884 b3
Selanjutnya untuk mendapatkan persamaan ke 6, gunakan rumus persamaan 1 dan
3. Persamaan 1 dikalikan dengan 1786 dan persamaan 3 dikalikan dengan 10.
7958416 = 17860 b0 + 1691342 b1 + 3189796 b2 + 271472 b3
7816560 = 17860 b0 + 1662840 b1 + 328002 b2 + 274150 b3
141856 =
-
28502 b1 - 90224b2 - 2678 b3
Selanjutnya untuk mendapatkan persamaan ke 7, gunakan rumus
persamaan 1 dan 4. Persamaan 1 dikalikan dengan 152 dan persamaan 4 dikalikan
dengan 10.
677312 = 1520 b0 + 143944 b1 + 271472 b2 + 23104 b3
663950 = 1520 b0 + 141060 b1 + 274150 b2 + 23420 b3
-
Universitas Sumatera Utara
13362 =
2884 b1 – 2678 b2 - 316 b3
Maka didapat beberapa persamaan :
-339778
=
-79181 b1 + 28502 b2 + 2884 b3
…(5)
141856
=
28502 b1 - 90224b2 - 2678 b3
…(6)
13362
=
2884 b1 – 2678 b2 - 316 b3
…(7)
Langkah berikutnya menghilangkan b1 dengan mengeliminasi persamaan 5
dan persamaan 6.
Jika persamaan 5 dikalikan dengan 28502 dan persamaan 6 dikalikan
dengan - 79181 maka akan didapat persamaan 8.
-9684352556 =
-2256816862 b1 + 812364004 b2 + 82199768 b3
-11232299940 =
-2256816862 b1 + 7144026544 b2 + 212046718 b3
1547947384
=
-
– 633662540 b2 - 129846950 b3
Kemudian dengan menggunakan persamaan 5 dan 7 akan didapat
persamaan 9. Persamaan 5 dikalikan dengan 2884 dan persamaan 7 dikalikan
dengan - 79181.
-979919752 =
-228358004 b1 + 82199768 b2 + 8317456 b3
-1058016522 =
-228358004 b1 + 212046 b2 + 25021196 b3
78096770
=
-
– 129846950 b2 - 16703740 b3
Universitas Sumatera Utara
Maka didapat 2 persamaan sebagai berikut :
1547947384
=
– 633662540 b2 - 129846950 b3
…(8)
78096770
=
– 129846950 b2 - 16703740 b3
...(9)
Kemudian kedua persamaan tersebut kembali dieliminasi sehingga didapat
harga b3. Jika persamaan 8 tetap maka persamaan 9 dikalikan dengan
48,76250493.
1547947384
=
– 633662540 b2 - 129846950 b3
78096770
=
– 129846950 b2 - 16703740 b3
-2260246748 =
684669254,1 b3
b3
- 3,3012
=
-
Setelah didapat harga b3 maka substitusikan ke persamaan 8.
1547947384
=
– 633662540 b2 - 129846950 b3
1547947384
=
– 633662540 b2 - 129846950 (-3,3012)
1547947384
=
– 633662540 b2 + 428650751,3
633662540 b2 =
- 1119296633
b2
- 0,1768
=
Kemudian harga b2 dan b3 disubtitusikan kepersamaan 5.
-339778
=
-79181 b1 + 28502 b2 + 2884 b3
-339778
=
-79181 b1 + 28502 (-0,1768) + 2884 (- 3,3012)
-339778
=
-79181 b1 – 14559,8144
Universitas Sumatera Utara
79181 b1
=
325218,1856
b1
=
4,1073
kemudian harga b1, b2 dan b3 disbutitusikan ke persamaan 1.
4456
=
10 b0 + 947 b1 + 1786 b2 + 152 b3
4456
=
10 b0 + 947 (4,1073) + 1786 (-0,1768) + 152 (- 3,3012)
4456
=
10 b0 + 3889,6131 – 315,7648 – 501,7824
4456
=
10 b0 + 3072,0659
- 10 b0 =
- 1383,9341
b0
138,3934
=
Dari perhitungan di atas diperoleh :
b0
=
138,3934
b1
=
4,1073
b2
=
- 0,1768
b3
=
- 3,3012
Maka persamaan regresi linier bergandanya adalah :
Yˆ = b0 + b1 X1 + b2 X 2 + b3 X 3
Yˆ = 138,3934 + 4,1073 X1 - 0,1768 X2 - 3,3012 X3
Setelah diperoleh persamaan regresi berganda, langkah selanjutnya adalah
menghitung kesalahan baku (Standard error). Untuk menghitung kesalahan baku
ini diperlukan harga
yang diperoleh dari persamaan regresi di atas untuk tiap
Universitas Sumatera Utara
harga
,
dan
yang diketahui. Maka untuk mencari kesalahan baku tersebut
dibuat terlebih dahulu tabel seperti di bawah ini :
Tabel 4.3
Nilai-Nilai Yˆ Yang Diperoleh Dari Persamaan Regresi Linier
Berganda Untuk Menghitung Kekeliruan Tafsiran Baku
n
Y
1
2
3
4
5
6
7
8
9
10
Jumlah ( Σ
603
642
626
339
345
329
348
352
426
446
4456
609,607005
654,7871167
615,8414396
358,3978856
367,7306567
341,8747921
345,0981891
350,1833198
398,9817905
413,4978047
4456
(Y- )
(Y- )2
-6,607005023
-12,78711674
10,15856036
-19,3978856
-22,73065674
-12,87479214
2,901810901
1,816680164
27,0182095
32,50219529
-3,09996E-08
43,65251537
163,5103544
103,1963486
376,2779658
516,6827557
165,7602727
8,420506505
3,300326818
729,9836443
1056,392699
3167,177389
Setelah memperoleh harga yang terdapat pada Tabel 4.3, maka kekeliruan
bakunya dapat dihitung dengan menggunakan rumus (2.7) sebagai berikut :
S y2,12,...,k = Se =
(Y − Yˆ )
2
i
n − k −1
Dengan k = 3, n = 10, dan
(Y − Yˆ )
2
= 3167,177389
Sehingga diperoleh :
S y .12...k = Se =
3167,177389
10 − 3 − 1
S y .12...k = Se =
3167,177389
6
Universitas Sumatera Utara
S y.12...k = Se = 527,8628981
S y .12...k = S e = 22, 9752671
S y .12...k = S e = 22,9753
Ini berarti rata-rata hasil produksi padi yang sebenarnya akan menyimpang
dari rata-rata hasil produksi padi yang diperkirakan sebesar 22,9753.
4.3 Uji Regresi Linier Berganda
Pengujian hipotesa dalam regersi linier berganda perlu dilakukan agar tidak terjadi
kesalahan penarikan kesimpulan.
4.3.1 Uji F (Simultan)
1.
Menentukan formulasi hipotesis
'
: Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu
luas panen, curah hujan, banyak hujan terhadap variabel terikat yaitu
jumlah produksi padi.
Universitas Sumatera Utara
'
: Terdapat pengaruh yang signifikan antara variabel bebas yaitu luas
panen, curah hujan, banyak hujan terhadap variabel terikat yaitu
jumlah produksi padi.
2.
Mencari nilai Ftabel dari Tabel Distribusi F
Dengan taraf nyata
= 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3
dan dk penyebut (v2) = n – k – 1 = 10 – 3 – 1 = 6, maka di peroleh (OFKO
(
3.
KP
Q
R ST
Menentukan kriteria pengujian
' diterima bila () *+
' ditolak bila () *+
4.
J
,
,
C (*?@7A
D (*?@7A
Menentukan nilai statistik Fhitung
() *+
-.
,
-.
/01 2U
/03 2 VWUWF
Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilainilai y, x1, x2 dan x3 dengan rumus :
y = Y −Y
x2 = X 2 − Y
x1 = X 1 − Y
x3 = X 3 − Y
Dari Tabel 4.2 dapat dicari rata-rata untuk Y, X1, X2 dan X3 seperti di bawah ini :
Y=
Y =
Y
n
4456
= 445, 6
10
X2 =
X2 =
X2
n
1786
= 178, 6
10
Universitas Sumatera Utara
X1 =
X1 =
X1
X3 =
n
947
= 94, 7
10
X3 =
X3
n
152
= 15, 2
10
Maka nilai-nilai di atas akan dimasukkan ke dalam Tabel 4.4 di bawah ini :
Tabel 4.4 Harga-Harga Yang Diperlukan Untuk Uji Keberartian Regresi
n
1
2
3
4
5
6
7
8
9
10
y
157,4
196,4
180,4
-106,6
-100,6
-116,6
-97,6
-93,6
-19,6
0,4
x1
36,3
47,3
43,3
-20,7
-18,7
-22,7
-21,7
-22,7
-9,7
-10,7
x2
-24,6
-24,6
9,4
-2,6
-27,6
44,4
49,4
-2,6
23,4
-44,6
Jumlah ( Σ
-2,27374E-13
-2,84217E-14
5,68434E-14
Sambungan Tabel 4.4
x3
y2
x12
x22
-3,2
-3,2
1,8
24774,76
38572,96
32544,16
1317,69
2237,29
1874,89
605,16
605,16
88,36
Universitas Sumatera Utara
0,8
1,8
0,8
0,8
0,8
0,8
-1,2
7,10543E-15
11363,56
10120,36
13595,56
9525,76
8760,96
384,16
0,16
149642,4
428,49
349,69
515,29
470,89
515,29
94,09
114,49
7918,1
6,76
761,76
1971,36
2440,36
6,76
547,56
1989,16
9022,4
x32
yx1
yx2
yx3
10,24
10,24
3,24
0,64
3,24
0,64
0,64
0,64
0,64
1,44
31,6
5713,62
9289,72
7811,32
2206,62
1881,22
2646,82
2117,92
2124,72
190,12
-4,28
33977,8
-3872,04
-4831,44
1695,76
277,16
2776,56
-5177,04
-4821,44
243,36
-458,64
-17,84
-14185,6
-503,68
-628,48
324,72
-85,28
-181,08
-93,28
-78,08
-74,88
-15,68
-0,48
-1336,2
Sambungan Tabel 4.4
Dari nilai-nilai di atas dapat diketahui nilai jumlah kuadrat regresi (JKreg) dan nilai
(JKres) dan selanjutnya dapat dihitung Fhitung.
JK reg = b1
yx1 + b2
yx2 + b3
yx3
JK reg = 4,1073 ( 33977,8) − 0,1768 ( −14185, 6 ) − 3,3012 ( −1336, 2)
Universitas Sumatera Utara
JK reg = 139557, 0179 + 2508, 01408 + 4411, 06344
JK reg = 146475, 2226
(Y − Yˆ )
JK res =
JK res = 3167,177389
Fhitung =
JK reg / k
JK res / (n − k − 1)
Fhitung =
146475, 2226 / 3
3167,177389 / 6
Fhitung =
48825, 0742
527,8628982
Fhitung = 92, 49574914
Untuk Ftabel , yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan
derajat kebebasan pembilang V1 = k yaitu 3 dan penyebut V2 = n – k – 1 yaitu 6, dan ! =
5% = 0,05 maka :
Ftabel = F(α )(V1 ;V2 )
Ftabel = F(α )( k ;k −n −1)
Ftabel = F( 0,05)(3;6)
Universitas Sumatera Utara
Ftabel = 4, 76
Dengan demikian dapat kita lihat bahwa nilai Fhitung ( 92, 49574914 ) D
Ftabel (4, 76) Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan linier
berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa luas panen,
curah hujan dan banyak hujan secara bersama-sama berpengaruh terhadap
terjadinya produksi padi.
4.4 Perhitungan Koefisien Korelasi Linier Berganda
Dari
Tabel
4.4
dapat
dilihat
harga
y 2 = 149642, 4
dan
nilai
JK reg = 146475, 2226 telah dihitung sebelumnya, maka diperoleh nilai koefisien
determinasi :
R2 =
R2 =
JK reg
y2
146475, 2226
149642, 4
R 2 = 0,978835027
R 2 = 0,9788
Didapat nilai koefisien determinasi 0,9788. Hal ini berarti bahwa sekitar 97,88%
produksi padi dapat ditentukan oleh luas panen, curah hujan dan banyak hujan
Universitas Sumatera Utara
melalui hubungan regresi linier berganda sedangkan sisanya 2,12%
lagi
dipengaruhi oleh faktor lain.
Untuk koefisien korelasi ganda digunakan rumus :
R = R2
R = 0, 978835027
R = 0, 989360918
R = 0,9894
Dari hasil perhitungan didapat korelasi (R) antara luas panen, curah hujan
dan banyak hujan terhadap produksi padi sebesar 0,9894. Nilai korelasi tersebut
menyatakan bahwa hubungan antara panen, curah hujan dan banyak hujan
terhadap produksi padi tinggi.
4.5 Perhitungan Koefisien Korelasi Antar Variabel
Dari Tabel 4.2 dapat diperoleh koefisien korelasi antara variabel terikat (Y)
dengan variabel bebas (X) sehingga diketahui seberapa besar pengaruh antar
variabel tersebut.
4.5.1 Koefisien Korelasi Antara Produksi Padi (Y) Dengan Luas Panen XY
Universitas Sumatera Utara
{n
ryx1 =
X 12 − (
X1 )
X 1 )(
2
}{n
Y)
Y2 −(
Y)
2
}
10 ( 455961) − ( 947 )( 4456 )
ryx1 =
ryx1 =
X 1Y − (
n
ryx1 =
{10 (97599 ) − (947 ) }{10 ( 2135236 ) − ( 4456 ) }
2
2
4559610 − 4219832
( 79181)(1496424 )
339778
344221,3659
ryx1 = 0, 987091545
ryx1 = 0, 9871
Koefisien korelasi antara produksi padi (Y) dan luas panen (X1) adalah
0,9871 yang menunjukkan korelasi yang kuat dengan arah positif mendekati 1
(korelasi positif). Hal ini berarti jika luas panen mengalami peningkatan maka
jumlah produksi padi juga akan meningkat.
4.5.2 Koefisien Korelasi Antara Produksi Padi (Y) Dengan Curah Hujan
XZ
ryx2 =
ryx2 =
n
{n
X 2Y − (
X 22 − (
X2 )
X 2 )(
2
} {n
Y)
Y2 −(
Y)
2
}
10 ( 781656 ) − (1786 )( 4456 )
{10 (328002) − (1786) }{10 ( 2135236) − ( 4456) }
2
2
Universitas Sumatera Utara
ryx2 =
ryx2 =
7816560 − 7958416
( 90224 )(1496424 )
−141856
367441, 6402
ryx2 = −0, 386064028
ryx2 = −0,3861
Nilai koefisien korelasi -0,3861 menunjukkan korelasi sangat lemah dan
tidak searah (korelasi negatif) antara hasil produksi padi (Y) dengan curah hujan
(X2), artinya penambahan intensitas curah hujan akan menurunkan jumlah
produksi padi, dan sebaliknya penurunan intensitas curah hujan meningkatkan
jumlah produksi padi.
4.5.3 Koefisien Korelasi Antara Produksi Padi (Y) Dengan Banyak Hujan
X[
ryx3 =
ryx3 =
ryx3 =
ryx3 =
n
{n
X 3Y − (
X 32 − (
X 3 )(
X3 )
2
} {n
Y)
Y2 −(
Y)
2
}
10 ( 66395 ) − (152 )( 4456 )
{10 ( 2342) − (152) }{10 ( 2135236) − ( 4456) }
2
2
663950 − 677312
( 316 )(1496424 )
−13362
21745,57389
Universitas Sumatera Utara
ryx3 = −0, 614469871
ryx3 = −0, 6145
Angka koefisien korelasi -0,6145 menunjukkan korelasi yang cukup dan
tidak searah (korelasi negatif) antara hasil produksi padi (Y) dengan banyaknya
hari hujan (X3), artinya penambahan hari hujan yang ada akan menurunkan
jumlah produksi padi, dan penurunan jumlah hari hujan akan meningkatkan
jumlah produksi padi.
4.5.4 Koefisien Korelasi Antara Luas Panen (X1) Dengan Curah Hujan
XZ
rx1x2 =
rx1x2 =
rx1x2 =
rx1x2 =
n
{n
X1 X 2 − (
X 12 − (
X1 )
2
X 1 )(
} {n
X2 )
X 22 − (
X2 )
2
}
10 (166284 ) − ( 947 )(1786 )
{10 (97599) − (947 ) }{10 ( 328002 ) − (1786) }
2
2
1662840 − 1691342
( 79181)( 90224 )
−28502
84522,34346
rx1 x2 = −0,337212609
rx1 x2 = −0, 3372
Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan curah
hujan (X2) adalah -0,3372 menunjukkan korelasi yang lemah dan tidak searah
Universitas Sumatera Utara
(korelasi negatif). Artinya meningkatnya curah hujan akan menurunkan luas
panen, dan penurunan curah hujan akan meningkatkan luas panen.
4.5.5 Koefisien Korelasi Antara Luas Panen (X1) Dengan Banyak Hujan
X[
rx1x3 =
rx1x3 =
rx1x3 =
rx1x3 =
n
{n
X1 X 3 − (
X 12 − (
X1 )
2
X 1 )(
} {n
X3 )
X 32 − (
X3 )
2
}
10 (14106 ) − ( 947 )(152 )
{10 (97599 ) − (947 ) }{10 ( 2342 ) − (152 ) }
2
2
141060 − 143944
( 79181)( 316 )
−2884
5002,119151
rx1 x3 = −0, 576555638
rx1 x3 = −0, 5766
Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan
banyak hujan (X3) adalah -0,5766 menunjukkan korelasi agak lemah dan tidak
searah (korelasi negatif). Artinya meningkatnya jumlah hari hujan akan
menurunkan luas panen, dan penurunan jumlah hari hujan akan meningkatkan
luas panen.
Universitas Sumatera Utara
4.5.6 Koefisien Korelasi Antara Curah Hujan (X2) Dengan Banyak Hujan
X[
rx2 x3 =
rx2 x3 =
rx2 x3 =
rx2 x3 =
n
{n
X2 X3 − (
X 22 − (
X2 )
2
X 2 )(
} {n
X3 )
X 32 − (
X3 )
2
}
10 ( 27415 ) − (1786 )(152 )
{10 (328002) − (1786) }{10 ( 2342) − (152) }
2
2
274150 − 271472
( 90224 )( 316 )
2678
5339,549045
rx2 x3 = 0, 501540481
rx2 x3 = 0, 5015
Berdasarkan perhitungan koefisien korelasi antara curah hujan (X2)
dengan banyak hujan (X3) adalah 0,5015 menunjukkan korelasi agak lemah dan
searah (korelasi positif). Artinya apabila intensitas curah hujan naik maka jumlah
hari hujan akan meningkat, dan apabila intensitas curah hujan menurun maka
jumlah hari hujan pun ikut menurun.
4.6 Uji t (Parsial)
Universitas Sumatera Utara
4.6.1 Pengaruh Luas Panen (X1) Terhadap Jumlah Produksi Padi (Y)
1.
Menentukan formulasi hipotesis
'
: Luas panen tidak berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
'
: Luas panen berpengaruh pada jumlah produksi padi di Kabupaten Deli
Serdang.
2.
Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata
= 0,05 dan nilai ttabel dengan dk
yaitu n – k – 1 = 10 – 3 – 1 = 6, maka diperoleh I FJK
I
QKP
\ R].
3.
Menentukan kriteria pengujian
' diterima bila I) *+
' ditolak bila I) *+
4.
,
,
C I*?@7A
L I*?@7A
Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
S y .12...k
Sb1 =
x12 (1 − r122 )
Selanjutnya hitung statistik :
I) *+
,
"@F
Tabel 4.5 Harga-Harga ^ZY , ^ZZ Dan ^Z[ Untuk Uji Koefisien Regresi
Universitas Sumatera Utara
n
x12
x22
x32
1
1317,69
605,16
10,24
2
2237,29
605,16
10,24
3
1874,89
88,36
3,24
4
428,49
6,76
0,64
5
349,69
761,76
3,24
6
515,29
1971,36
0,64
7
470,89
2440,36
0,64
8
515,29
6,76
0,64
9
94,09
547,56
0,64
10
114,49
1989,16
1,44
Jumlah (!
!)
7918,1
9022,4
31,6
Maka dengan harga-harga berikut ini :
S y .12...k = S e = 22, 9753
x12 = 7918,1
rx1 x2 = −0, 337212609
Sb1 =
Sb1 =
Sb1 =
Sb1 =
S y .12...k
x12 (1 − r122 )
22,9753
( 7918,1) {1 − ( −0,337212609 ) }
2
22,9753
( 7918,1)( 0,886287656 )
22,9753
83, 7717989
Universitas Sumatera Utara
Sb1 = 0, 274260554
Sb1 = 0, 2743
Maka thitung diperoleh :
thitung =
b1
Sb1
thitung =
4,1073
0, 2743
thitung = 14,97375137
thitung = 14, 9738
5.
Kesimpulan
Karena thitung = 14,9738 > ttabel = 2,45 maka H0 Ditolak.
Hal ini berarti bahwa luas panen berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
4.6.2 Pengaruh Curah Hujan (X2) Terhadap Jumlah Produksi Padi (Y)
1.
Menentukan formulasi hipotesis
'
: Curah hujan tidak berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
'
: Curah hujan berpengaruh pada jumlah produksi padi di Kabupaten
Deli Serdang.
Universitas Sumatera Utara
2.
Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata
= 0,05 dan nilai ttabel dengan dk
I
yaitu n – k – 1 = 10 – 3 – 1 = 6, maka di peroleh I FJK
QKP
\ R].
3.
Menentukan kriteria pengujian
' diterima bila I) *+
' ditolak bila I) *+
4.
,
,
C I*?@7A
L I*?@7A
Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
S y .12...k
Sb2 =
x22 (1 − r122 )
Selanjutnya hitung statistik :
I) *+
,
"@
Maka dengan harga-harga berikut ini :
S y .12...k = S e = 22,9753
x22 = 9022, 4
rx1 x2 = −0,337212609
Sb2 =
Sb2 =
S y .12...k
x22 (1 − r122 )
22,9753
( 9022, 4 ) {1 − ( −0,337212609 ) }
2
Universitas Sumatera Utara
22,9753
Sb2 =
Sb2 =
( 9022, 4 )( 0,886287656 )
22,9753
89, 42282567
Sb2 = 0, 256928808
Sb2 = 0, 2569
Maka thitung diperoleh :
thitung =
b2
Sb2
thitung =
−0,1768
0, 2569
thitung = −0, 688205527
thitung = −0, 6882
5.
Kesimpulan
Karena thitung = -0,6882 < ttabel = 2,45 maka H0 Diterima.
Hal ini berarti bahwa curah hujan tidak berpengaruh pada jumlah produksi
padi di Kabupaten Deli Serdang.
4.6.3 Pengaruh Banyak Hujan (X3) Terhadap Jumlah Produksi Padi (Y)
Universitas Sumatera Utara
1.
Menentukan formulasi hipotesis
'
: Banyak hujan tidak berpengaruh pada jumlah produksi padi di
Kabupaten Deli Serdang.
'
: Banyak hujan berpengaruh pada jumlah produksi padi di Kabupaten
Deli Serdang.
2.
Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata
= 0,05 dan nilai ttabel dengan dk
yaitu n – k – 1 = 10 – 3 – 1 = 6, maka di peroleh I FJK
I
QKP
\ R].
3.
Menentukan kriteria pengujian
' diterima bila I) *+
' ditolak bila I) *+
4.
,
,
C I*?@7A
L I*?@7A
Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
S y .12...k
Sb3 =
x32 (1 − r132 )
Selanjutnya hitung statistik :
I) *+
,
"@_
Maka dengan harga-harga berikut ini :
S y .12...k = S e = 22,9753
x32 = 2342
rx1 x3 = −0, 576555638
Universitas Sumatera Utara
S y .12...k
Sb3 =
x32 (1 − r132 )
22,9753
Sb3 =
( 2342 ) {1 − ( −0,576555638 ) }
2
22,9753
Sb3 =
Sb3 =
( 2342 )( 0, 667583596 )
22,9753
39,54087483
Sb3 = 0,581051889
Sb3 = 0, 5811
thitung =
b3
Sb3
thitung =
−3,3012
0,5811
thitung = −5, 681420308
thitung = −5, 6814
5.
Kesimpulan
Karena thitung = -5,6814 < ttabel = 2,45 maka H0 Diterima.
Hal ini berarti bahwa banyak hujan tidak berpengaruh pada jumlah produksi
padi di Kabupaten Deli Serdang.
4.7 Implementasi Sistem
Universitas Sumatera Utara
4.7.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikam desain
sistem yang ada dalam desain sistem yang telah disetujui, menginstal, dan
memulai sistem baru yang diperbaiki.
Tujuan dari implementasi sistem adalah sebagai berikut :
1. Menyelesaikan desain sistem yang ada dalam dokumen sistem yang
disetujui.
2. Menulis, menguji, dan mendokumentasikan program-program dan
prosedur-prosedur yang diperlukan oleh dokumen desain sistem yang
disetujui.
3. Memastikan bahwa personal dapat mengoperasikan sistem baru.
4. Memperhitungkan bahwa sistem memenuhi permintaan pemakai.
5. Memastikan bahwa konveksi ke sistem yang baru berjalan dengan benar.
Implementasi yang sudah selesai harus diuji coba kehandalannya sehingga
dapat diketahui kehandalannya dari sistem yang ada dan telah sesuai dengan apa
yang diinginkan. Dalam pengolahan data pada Tugas Akhir ini penulis
menggunakan suatu perangkat lunak sebagai implementasi sistem yaitu program
SPSS 17.0 For Window dalam masalah memperoleh hasil perhitungan.
4.7.2 Pengenalan SPSS
Universitas Sumatera Utara
SPSS (Statistical Product and Service Solution) merupakan program aplikasi yang
digunakan untuk melakukan perhitungan statistik dengan menggunakan komputer.
SPSS paling banyak digunakan dalam berbagai riset pasar, pengendalian dan
perbaikan mutu (quality improvement) serta riset-riset lain.
SPSS dibuat pertama kali sebagai software statistik pada tahun 1968.
Diprakarsai oleh ketiga mahasiswa Stanford University yang pada saat itu
dioperasikan hanya pada komputer mainframe. Pada tahun 1984, SPSS pertama
kali muncul pada versi PC (bisa dipakai untuk komputer desktop) dengan nama
SPSS/PC+, dan sejalan dengan populernya sistem operasi windows. Pada tahun
1992, SPSS juga mengeluarkan versi windows. Dan antara tahun 1994-1998,
SPSS melakukan berbagai kebijakan strategis untuk pengembangan software
statistik dengan mengeluarkan Software House terkemuka seperti SYSTAT. Inc,
BMDP Statistical Software, Jandel Statistics Software Clear Software, Quantime
Ltd, Initive Technologies A/S dan Integral Solution Ltd. Untuk memantapkan
posisinya sebagai salah satu market leader dalam business intelligence, SPSS juga
menjalin aliansi strategis dengan software house terkemuka dunia yang lain
seperti Oracle Corp, Business Object dan Ceres Integrated Solution.
Karena perkembangan SPSS ini membuat program SPSS yang tadinya
hanya ditujukan pada pengolahan data statistik untuk ilmuan sosial yang pada saat
itu SPSS yang singkatan dari Statistical Packcage for The Social Science berubah
menjadi Statistical Product and Service Solution. Fungsi SPSS diperluas untuk
melayani berbagai user seperti proses produksi di pabrik, riset ilmu sains dan lainlain.
Universitas Sumatera Utara
4.7.3 Langkah – Langkah Pengolahan Data Dengan SPSS
4.7.3.1 Cara Mengaktifkan SPSS Pada Program Windows
1. Pilih menu Start dari windows.
2. Kemudian pilih menu All Programs.
3. Klik SPSS Statistics 17.0.
Gambar 4.1 Tampilan Pengaktifan SPSS Statistics 17.0
4.7.3.2 Mengenal Lingkungan Kerja SPSS
SPSS data editor mempunyai 2 (dua) tipe lingkungan kerja yaitu :
1. Data View adalah tempat di mana data akan dimasukkan dan diproses.
Universitas Sumatera Utara
Gambar 4.2 Tampilan Jendela Data View dalam SPSS
2. Variabel View adalah tempat di mana variabel akan didefenisikan terlebih
dahulu sebelum dimasukkan ke Data View. Cara mengaktifkannya adalah
dengan mengklik tab sheet Variabel View yang berada di bagian kiri
bawah atau langsung menekan Ctrl + T.
Gambar 4.3 Tampilan Jendela Variabel View dalam SPSS
4.7.3.3 Menyusun Definisi Variabel View
Universitas Sumatera Utara
Name
: Untuk memasukkan nama variabel yang akan diuji.
Type
: Untuk mendefenisikan tipe variabel.
Widht
: Untuk pengaturan panjang karakter dari variabel.
Decimals
: Untuk menuliskan jumlah desimal di belakang koma.
Label
: Untuk menuliskan keterangan dari nama variabel.
Missing
: Untuk menuliskan ada tidaknya jawaban kosong.
Columns
: Untuk pengaturan lebar kolom.
Align
: Untuk pengaturan teks/angka pada data View apakah akan
dibuat rata kiri (Left), kanan (Right) atau tengah (Center).
Measure
: Untuk menentukan skala pengukuran variabel, misalnya nominal,
ordinal atau scale.
(Dalam penulisan Tugas Akhir ini Values, Missing, Columns dan Measure tidak
dipergunakan, karena itu ketiga pengaturan ini diabaikan saja).
4.7.3.4 Pemasukan Data Ke dalam SPSS Statistics 17.0
Cara memasukkan data ke SPSS Statistics 17.0 adalah sebagai berikut :
1.
Pengisian variabel pada Variabel View.
Variabel Tahun adalah Tahun dari data yang diambil, variabel ini merupakan
variabel pertama yang akan ditempatkan pada baris pertama.
Langkah-langkahnya adalah sebagai berikut :
1) Isi Name dengan Tahun lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 4 lalu pilih Decimals ketik 0.
Universitas Sumatera Utara
3) Pada Label ketik “Tahun”.
4) Lalu pada Align pilih Center.
Variabel Y adalah jumlah produksi padi, variabel ini merupakan variabel kedua
yang akan ditempatkan pada baris kedua.
Langkah-langkahnya adalah :
5) Isi Name dengan Y lalu pilih Type dan pilih Numeric.
6) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
7) Pada Label ketik “Jumlah Produksi Padi”.
8) Lalu pada Align pilih Center.
Selanjutnya Variabel X1 adalah luas panen yang juga menjadi variabel ketiga yang
ditempatkan pada baris ketiga.
Langkah-langkahnya adalah :
1) Isi Name dengan X1 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
3) Pada Label ketik “Luas Panen”.
4) Lalu pada Align pilih Center.
Selanjutnya Variabel X2 adalah curah hujan yang juga menjadi variabel keempat
yang ditempatkan pada baris keempat.
Langkah-langkahnya adalah :
1) Isi Name dengan X2 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
Universitas Sumatera Utara
3) Pada Label ketik “Curah Hujan”.
4) Lalu pada Align pilih Center.
Selanjutnya Variabel X3 adalah banyak hujan yang juga menjadi variabel kelima
yang ditempatkan pada baris kelima.
Langkah-langkahnya adalah :
1) Isi Name dengan X3 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 0.
3) Pada Label ketik “Banyak Hujan”.
4) Lalu pada Align pilih Center.
Pengisian variabel tersebut dapat dilihat pada gambar di bawah ini :
Gambar 4.4 Tampilan Pengisian Variabel View
2.
Pengisian Data Pada Data View
Langkah-langkah pengisian data ke dalam data view adalah :
Universitas Sumatera Utara
1) Setelah pengisian variabel pada Variabel View lalu klik pada tab sheet
Data View yang ada di kiri bawah layar.
2) Isilah tahun pada kolom Tahun sesuai jumlah data yang ada.
3) Isi Y, X1, X2 dan X3 dengan data yang ada.
Pengisian data tersebut dapat dilihat pada gambar di bawah ini :
Gambar 4.5 Tampilan Pengisian Data View
4.7.3.5 Pengolahan Data
Pengolahan data untuk mencari korelasi dan persamaan regresi linier berganda.
Langkah-langkahnya adalah sebagai berikut :
1) Pada Menu Bar klik menu Analyze, lalu pilih Regression dan klik Linier.
2) Lalu akan muncul kotak dialog Linier Regression.
3) Pada kotak dialog tersebut masukkan variabel Y pada kotak Dependent
dan variabel X1, X2 dan X3 pada kotak Independent (s).
Universitas Sumatera Utara
Gambar 4.6 Kotak Dialog Linier Regression
4) Klik tombol Statistics sehingga akan muncul Linier Regression Statistics,
lalu beri tanda ceklist pada Estimate, Model Fit dan Descriptives.
Gambar 4.7 Kotak Dialog Linier Regression : Statistics
5) Lalu klik Continue.
Universitas Sumatera Utara
6) Selanjutnya balik ke kotak dialog Linier Regression, lalu klik Plots untuk
membuat grafik. Isi kolom Y dengan pilihan SDRESID dan kolom X
dengan ZPRED, kemudian klik Next.
Gambar 4.8 Kotak Dialog Linier Regression : Plots
7) Selanjutnya isi kolom Y dengan ZPRED dan kolom X dengan
DEPENDNT. Pada pilihan Standardized Residual Plots, ceklist
Histogram, Normal Probability Plot dan Produce all partial plot, setelah
itu klik Continue.
Universitas Sumatera Utara
Gambar 4.9 Kotak Dialog Linier Regression Plots
8) Maka aplikasi akan kembali ke kotak dialog Linier Regression, lalu
selanjutnya klik Option maka akan muncul kotak dialog Linier
Regression Option. Pilih Use Probability of F kemudian masukkan nilai
tingkat kepercayaan pada kotak Entry dengan 0,05, lalu klik Continue.
Gambar 4.10 Kotak Dialog Linier Regression : Option
9) Selanjutnya klik OK.
Universitas Sumatera Utara
BAB 5
PENUTUP
5.1 Kesimpulan
Berdasarkan analisis yang telah dilakukan penulis, maka dapat diambil beberapa
kesimpulan, yaitu :
1) Dari perhitungan yang telah dilakukan secara manual dan menggunakan
software maka diperoleh hasil persamaan yang sama yaitu Yˆ = 138,3934 +
4,1073 X1 - 0,1768 X2 - 3,3012 X3, ini berarti jika koefisien regresi sebesar
4,1073 artinya setiap kenaikan luas panen sebesar 1% maka akan
meningkatkan produksi padi sebesar 4,1073%. Koefisien regresi sebesar
- 0,1768 artinya setiap meningkatnya curah hujan sebesar 1% maka akan
menurunkan produksi padi sebesar – 0,1768%. Koefisien regresi sebesar
- 3,3012 artinya setiap meningkatnya banyak hujan sebesar 1% maka akan
menurunkan produksi padi sebesar – 3,3012%.
2) Kesalahan baku (Standard Error) sebesar 22,9752671. Ini berarti produksi
padi yang sebenarnya akan menyimpang dari rata-rata produksi padi yang
diperkirakan yaitu sebesar 22,9752671.
Universitas Sumatera Utara
3) Melalui uji keberartian regresi linier dengan taraf nyata (! = 0,05) didapat
Fhitung = 92,49574914 D Ftabel = 4,76 maka H0 Ditolak dan H1 Diterima.
Hal ini berarti persamaan linier berganda Y atas X1, X2, X3 bersifat nyata
yang berarti bahwa luas panen (X1), curah hujan (X2) dan banyak hujan
(X3) secara bersama-sama berpengaruh terhadap terjadinya jumlah
produksi padi (Y).
4) Melalui perhitungan R2 didapat nilai koefisien determinasi 0,9788. Hal ini
berarti bahwa sekitar 97,88% produksi padi dapat ditentukan oleh luas
panen, curah hujan, dan banyak hujan melalui hubungan regresi linier
berganda sedangkan sisanya 2,12% lagi dipengaruhi oleh faktor lain
5) Dari hasil perhitungan didapat korelasi (R) antara luas panen, curah hujan
dan banyak hujan terhadap produksi padi sebesar 0,9894. Nilai korelasi
tersebut menyatakan bahwa hubungan antara panen, curah hujan dan
banyak hujan terhadap produksi padi tinggi.
6) Berdasarkan perhitungan koefisien korelasi antara jumlah produksi padi
(Y) dan luas panen (X1) adalah 0,9871 yang menunjukkan korelasi yang
kuat dengan arah positif mendekati 1 (korelasi positif). Hal ini berarti jika
jumlah produksi padi mengalami peningkatan maka luas panen juga akan
meningkat dan sebaliknya jumlah produksi padi mengalami penurunan
maka luas panen juga akan menurun.
7) Berdasarkan perhitungan koefisien korelasi antara hasil produksi padi (Y)
dengan curah hujan (X2) adalah -0,3861 menunjukkan korelasi sangat
lemah dan tidak searah (korelasi negatif), artinya penambahan intensitas
Universitas Sumatera Utara
curah hujan akan menurunkan jumlah produksi padi, dan sebaliknya
penurunan intensitas curah hujan meningkatkan jumlah produksi padi.
8) Berdasarkan perhitungan koefisien korelasi antara hasil produksi padi (Y)
dengan banyaknya hari hujan (X3) adalah -0,6145 menunjukkan korelasi
yang cukup dan tidak searah (korelasi negatif), artinya penambahan hari
hujan yang ada akan menurunkan jumlah produksi padi, dan penurunan
jumlah hari hujan akan meningkatkan jumlah produksi padi.
9) Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan
curah hujan (X2) adalah -0,3372 menunjukkan korelasi yang lemah dan
tidak searah (korelasi negatif). Artinya meningkatnya curah hujan akan
menurunkan luas panen, dan penurunan curah hujan akan meningkatkan
luas panen.
10) Berdasarkan perhitungan koefisien korelasi antara luas panen (X1) dengan
banyak hujan (X3) adalah -0,5766 menunjukkan korelasi agak lemah dan
tidak searah (korelasi negatif). Artinya meningkatnya jumlah hari hujan
akan menurunkan luas panen, dan penurunan jumlah hari hujan akan
meningkatkan luas panen.
11) Berdasarkan perhitungan koefisien korelasi antara curah hujan (X2)
dengan banyak hujan (X3) adalah 0,5015 menunjukkan korelasi agak
lemah dan searah (korelasi positif). Artinya apabila intensitas curah hujan
naik maka jumlah hari hujan akan meningkat, dan apabila intensitas curah
hujan menurun maka jumlah hari hujan pun ikut menurun.
Universitas Sumatera Utara
12) Melalui uji koefisien regresi linier ganda (uji t) dengan taraf nyata
= 0,05
diperoleh kesimpulan untuk pengaruh antara luas panen dan jumlah
produksi padi adalah H0 Ditolak yang berarti secara parsial luas panen
berpengaruh terhadap jumlah produksi padi di Kabupaten Deli Serdang.
Untuk pengaruh curah hujan dan jumlah produksi padi adalah H0 Diterima
yang berarti secara parsial curah hujan tidak berpengaruh terhadap jumlah
produksi padi di Kabupaten Deli Serdang. Dan untuk pengaruh banyak
hujan dan jumlah produksi padi adalah H0 Diterima yang berarti secara
parsial banyak hujan tidak berpengaruh terhadap jumlah produksi padi di
Kabupaten Deli Serdang.
13) Berdasarkan hasil analisis korelasi antara variabel bebas dengan variabel
tak bebas diketahui bahwa faktor yang paling mempengaruhi terhadap
produksi padi di Kabupaten Deli Serdang adalah luas panen dengan nilai
korelasi sebesar 0,9871.
5.2 Saran
Dari analisis dan kesimpulan yang didapat, ada beberapa saran yang mungkin bisa
membantu hasil produksi padi :
1) Penulis menyarankan agar metode analisis regresi dapat dipergunakan
dalam meramalkan atau mengetahui hasil produksi padi, ataupun
Universitas Sumatera Utara
meramalkan hal-hal lain sehingga dapat digunakan sebagai acuan untuk
mengambil keputusan.
2) Faktor-faktor yang mempengaruhi hasil produksi perlu diperhatikan
sebelum membentuk model regresi agar model yang terbentuk akurat dan
dapat dipergunakan untuk berbagai keperluan.
3) Dalam meningkatkan produksi padi bukan hanya dipengaruhi oleh luas
panen, curah hujan dan banyaknya hujan, melainkan ada beberapa faktor
lain yang mendukung peningkatan hasil produksi padi seperti pemilihan
dan penanaman bibit yang berkualitas baik dan juga pembasmian hama.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Konsep Dasar Statistika
Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang
pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
dari data yang berbentuk angka. Dari pengertian statistik tersebut, dapat
disebutkan komponen-komponen, unsur-unsur dari statistik yaitu data, perlakuan
data, kesimpulan dan angka-angka (Hasan, 1999).
Ruang lingkup statistika meliputi statistik deduktif atau statistik deskriptif dan
statistik induktif atau statistik inferensial. Statistik deskriptif terdiri dari menghimpun
data, menyusun data, mengolah, menyajikan dan menganalisa data angka. Sedangkan
statistik inferensial atau statistik induktif adalah meliputi teori probability, distribusi
teoritis, distribusi sampling, penaksiran, pengujian hipotesa, korelasi, komparasi, dan
regresi (Gujarati, 2004).
Sumber data statistik dapat dikumpulkan langsung oleh peneliti dari pihak
yang bersangkutan dan biasanya disebut data primer. Dan data juga dapat diperoleh
dari pihak lain atau data yang sudah ada disebut dengan data sekunder.
Universitas Sumatera Utara
2.2 Pengertian Regresi
Istilah regresi pertama kali diperkenalkan oleh Francis Galton (1886). Analisis
regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut
variabel tak bebas, pada satu atau lebih variabel, yaitu variabel yang menerangkan
dengan tujuan untuk memperkirakan ataupun meramalkan nilai-nilai dari variabel
tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang
menerangkan sering disebut variabel bebas (Gujarati, 2004).
Hasil analisis regresi adalah berupa koefisien untuk masing-masing
variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai
variabel dependen dengan suat persamaan. Koefisien regresi dihitung dengan dua
tujuan sekaligus: Pertama, meminimumkan penyimpangan antara nilai aktual
dengan nilai estimasi variabel dependen. Kedua, mengoptimalkan korelasi antara
nilai aktual dan nilai estimasi variabel dependen berdasarkan data yang ada.
Teknik estimasi variabel dependen yang melandasi analisis regresi disebut
Ordinary Least Squares (Pangkat Kuadrat Terkecil Biasa) (Tabachnick, 1996).
Dalam analisis regresi, selain mengukur kekuatan hubungan antara dua
variabel atau lebih juga menunjukkan arah hubungan antara variabel dependen
dengan variabel independen. Variabel dependen diasumsikan random/stokastik,
yang berarti mempunyai distribusi probabilistik. Variabel independen/bebas
diasumsikan memiliki nilai tetap (dalam pengambilan sampel yang berulang).
Universitas Sumatera Utara
2.3 Analisis Regresi Linier
Analisis regresi linier adalah salah satu alat yang dapat digunakan dalam
memprediksi permintaan di masa yang akan datang dengan berdasarkan data masa
lalu, atau untuk mengetahui pengaruh satu variabel bebas (independent) terhadap
satu variabel tak bebas (dependent) (Syofian, 2013).
Dalam regresi linier akan ditentukan satu persamaan yang didapat antara
variabel bebas dan variabel tak bebas yang merupakan persamaan penduga yang
berguna untuk menaksir/meramalkan variabel tak bebas. Untuk mempelajari
hubungan-hubungan antara beberapa variabel, analisis regresi terdiri dari dua
bentuk, yaitu :
1. Analisis Regresi Sederhana (Simple Analysis Regression)
2. Analisis Regresi Berganda (Multiple Analysis Regression)
2.4 Analisis Regresi Sederhana
Regresi linier sederhana adalah suatu cara/prosedur yang digunakan untuk
mengestimasi besarnya koefisien-koefisien yang dihasilkan dari persamaan yang
Universitas Sumatera Utara
bersifat linier yang melibatkan satu variabel bebas (X) untuk digunakan sebagai
alat prediksi besarnya nilai variabel terikat (Y) (Sarwono, 2006). Dalam hal ini
bentuk model umum regresi sederhana adalah :
= a + bx + !
… (2.1)
Keterangan :
= Variabel tak bebas
x
= Variabel bebas
a
= Parameter intercept
b
= Parameter koefisien regresi variabel bebas
!
= Eror
Nilai a dan b dapat diperoleh dengan rumus seperti di bawah ini :
a=
b=
(
Yi ) (
X i2 ) − (
n(
n(
X i2 ) − (
X iYi ) − (
n(
X i )(
X i2 ) − (
Xi )
X i )(
Xi )
X iYi )
2
… (2.2)
Yi )
2
Universitas Sumatera Utara
Keterangan :
n
= Banyaknya data
= Jumlah nilai-nilai dari
= Jumlah nilai-nilai dari
= Jumlah kuadrat nilai-nilai dari variabel
= Jumlah hasil kali nilai-nilai dari variabel
dan
.
2.5 Analisis Regresi Berganda
Regresi linier berganda adalah regresi di mana variabel terikatnya (Y)
dihubungkan/dijelaskan lebih dari satu variabel bebas (X) namun masih
menunjukkan diagram hubungan yang linier (Hasan, 2009). Tujuan regresi linier
berganda ini adalah untuk mengetahui hubungan antara dua variabel atau lebih
dan memuat prediksi nilai Y atas nilai X. Adapun bentuk umum regresi berganda
adalah :
Yˆ = β0 + β1 X1i + β 2 X 2i + ... + β k X ki
… (2.3)
Universitas Sumatera Utara
Keterangan :
i
= 1,2,3,…,n
Yˆ
= Nilai regresi
β0 , β1 , β2 ,..., βk
= Koefisien regresi
X i1 , X i 2 , X i 3 ,..., X ik
= Variabel bebas
Model regresi linier berganda untuk populasi di atas dapat ditaksir
berdasarkan sebuah sample acak yang berukuran n dengan model regresi linier
berganda untuk sampel, yaitu :
…(2.4)
Keterangan :
= Nilai penduga bagi variabel Y
b0
= Dugaan bagi parameter konstanta
0
b1, b2, … , bk
= Dugaan bagi parameter konstanta
1,
X i1 , X i 2 , X i 3 ,..., X ik
= Variabel bebas
2,
…,
k
Universitas Sumatera Utara
Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan
empat variabel, yaitu satu variabel tak bebas (dependent variabel) dan tiga
variabel bebas (independent variabel). Maka persamaan regresi linier bergandanya
dapat ditulis sebagai berikut :
…(2.5)
Untuk mengetahui besarnya nilai koefisien dari model regresi linier
berganda
dapat ditentukan dengan menggunakan
empa