Kajian Pengaruh Sektor Pertambangan Serta Penggalian dan Sektor Industri Pengolahan Terhadap Indeks Perkembangan Produk Domestik Bruto Kota Medan
KAJIAN PENGARUH SEKTOR PERTAMBANGAN SERTA PENGGALIAN DAN SEKTOR INDUSTRI PENGOLAHAN TERHADAP INDEKS
PERKEMBANGAN PRODUK DOMESTIK REGIONAL BRUTO KOTA MEDAN
TUGAS AKHIR
FAIZAL RIDHO 112407105
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2014
(2)
KAJIAN PENGARUH SEKTOR PERTAMBANGAN SERTA PENGGALIAN DAN SEKTOR INDUSTRI PENGOLAHAN TERHADAP INDEKS
PERKEMBANGAN PRODUK DOMESTIK REGIONAL BRUTO KOTA MEDAN
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
FAIZAL RIDHO 112407105
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
(3)
PERSETUJUAN
Judul : KAJIAN PENGARUH SEKTOR
PERTAMBANGAN SERTA PENGGALIAN DAN SEKTOR INDUSTRI PENGOLAHAN TERHADAP INDEKS PERKEMBANGAN PRODUK DOMESTIK REGIONAL BRUTO KOTA MEDAN
Kategori : TUGAS AKHIR
Nama : FAIZAL RIDHO
Nomor Induk Mahasiswa : 112407105 Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM UNIVERSITAS SUMATERA UTARA
Disetujui di Medan, Juli 2014
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,
Dr. Faigiziduhu Bu’ulölö, M.Si Dr. Esther Sorta M. Nababan M.Sc NIP. 19531218 198003 1 003 NIP. 19610318 198711 2 001
(4)
PERNYATAAN
KAJIAN PENGARUH SEKTOR PERTAMBANGAN SERTA PENGGALIAN DAN SEKTOR INDUSTRI PENGOLAHAN TERHADAP INDEKS
PERKEMBANGAN PRODUK DOMESTIK REGIONAL BRUTO KOTA MEDAN
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2014
FAIZAL RIDHO NIM. 112407105
(5)
PENGHARGAAN
Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpahan karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Kajian Pengaruh Sektor Pertambangan serta Penggalian dan Sektor Industri Pengolahan Terhadap Indeks Perkembangan Produk Domestik Regional Bruto Kota Medan.
Terima kasih Penulis sampaikan kepada Ibu Dr. Esther Sorta M. Nababan M.Sc, selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof.Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staf dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak tercinta Sumaidi dan Ibu tercinta Alm. Sri Rayati, dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
(6)
DAFTAR ISI
Halaman
PERSETUJUAN ii
PERNYATAAN iii
PENGHARAAN iv
DAFTAR ISI v
DAFTAR TABEL vii
DAFTAR GAMBAR viii
BAB 1 PENDAHULUAN 1
1.1Latar Belakang 1
1.2Rumusan Masalah 2
1.3Batasan Masalah 2
1.4Maksud dan Tujuan Penelitian 3
1.5Manfaat Penelitian 4
1.6Lokasi Penelitian 4
1.7Metode Penelitian 4
1.8Kajian Pustaka 5
1.9Sistematika Penulisan 7
BAB 2 TINJAUAN PUSTAKA 9
2.1Konsep dan Definisi 9
2.1.1 PDRB atas Dasar Harga Pasar 9
2.1.2 PDRN atas Dasar Harga Pasar 10
2.1.3 PDRN atas Dasar Biaya Faktor 10
2.1.4 Pendapatan Regional 10
2.2 Metode Perhitungan 12
2.2.1 Metode Langsung 12
2.2.2 Metode Tidak Langsung 13
2.3Perhitungan Atas Dasar Harga Berlaku dan Harga Konstan 14 2.3.1 Perhitungan Atas Dasar Harga Berlaku 14 2.3.2 Perhitungan Atas Dasar Harga Konstan 15 2.4Pemilihan Tahun Dasar Perhitungan PDRB 15
2.5Klasifikasi Lapangan Usaha 16
2.5.1 Pertambangan serta Penggalian 17
2.5.2 Industri Pengolahan 17
2.6Hipotesis Penelitian 19
2.7Kerangka Pemikiran 19
BAB 3 METODE PENELITIAN 20
3.1Ruang Lingkup Penelitian 20
(7)
3.5Persamaan Regresi 21 3.5.1 Persamaan Regresi Linier Sederhana 21 3.5.2 Persamaan Regresi Linier Berganda 22
3.6Uji Regresi Linier Berganda 24
3.6.1 Uji F (Simultan) 24
3.6.2 Uji t (Parsial) 25
3.7Koefisien Determinasi 26
3.8Analisa Korelasi 26
BAB 4 ANALISIS DATA 28
4.1Data dan Pembahasan 28
4.2Membentuk Persamaan Regresi Linier Berganda 28
4.3Analisis Residu 33
4.4Uji Regresi Linear Berganda 34
4.4.1 Uji F (Simultan) 34
4.4.2 Uji t (Parsial) 36
4.5Koefisien Determinasi 40
4.6Koefisien Korelasi 40
BAB 5 IMPLEMENTASI SISTEM 43
5.1Pengertian Implementasi Sistem 43
5.2Perkenalan Software SPSS 43
5.3Membuka Program SPSS 43
5.4Pengolahan Data dengan SPSS 45
5.4.1 Memasukkan Variabel 45
5.4.2 Pengisian Data 46
5.4.3 Analisis Data dengan Regresi 47
5.4.4 Analisis Data dengan Korelasi 48
BAB 6 KESIMPULAN DAN SARAN 51
6.1Kesimpulan 51
6.2Saran 52
Daftar Pustaka Lampiran
(8)
DAFTAR TABEL
Halaman
Tabel 3.1 Bentuk Umum Data Observasi 21
Tabel 3.2 Interpretasi Koefisien Korelasi Nilai � 25 Tabel 4.1 Indeks Perkembangan PDRB Yang Akan Diolah 26 Tabel 4.2 Perhitungan Masing-masing Variabel 29 Tabel 4.3 Harga �� Untuk Data pada Tabel 4.1 38
(9)
DAFTAR GAMBAR
Halaman
Gambar 2.1 Kerangka Pemikiran 17
Gambar 4.1 Perbandingan Korelasi �2 40
Gambar 5.1 Membuka SPSS 42
Gambar 5.2 Tampilan Awal SPSS 42
Gambar 5.3 Layar Variable View 43
Gambar 5.4 Data yang Diolah 44
Gambar 5.5 Tampilan Menu Analisis Regresi 45
Gambar 5.6 Kotak Dialog Regression 45
Gambar 5.7 Statistics pada Kotak Dialog Regression 46 Gambar 5.8 Plots pada Kotak Dialog Regression 46 Gambar 5.9 Tampilan Menu Analisis Korelasi 47 Gambar 5.10 Tampilan Bivariate Correlations 47
(10)
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang dilaksanakan, khususnya dalam bidang ekonomi. Pertumbuhan tersebut merupakan rangkuman dari Indeks Perkembangan dari berbagai sektor ekonomi yang juga menggambarkan tingkat perubahan struktur ekonomi yang terjadi pada suatu periode.
Salah satu data yang dapat digunakan sebagai indikator untuk perencanaan dan evaluasi hasil pembangunan regional adalah data Produk Domestik Regional Bruto (PDRB). Produk Domestik Regional Bruto (PDRB) di definisikan sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit usaha. Produk domestik regional bruto dapat dikelompokkan atas dasar harga berlaku dan atas dasar harga konstan.
Indeks Perkembangan Produk Domestik Regional Bruto (PDRB) setiap tahun mengalami perubahan sehingga perlu dilakukan penyusunan. Pertumbuhan positif menunjukkan adanya peningkatan perekonomian sedangkan pertumbuhan negatif menunjukkan penurunan perekonomian. Nilai produk domestik regional setiap daerah berbeda-beda dan dipengaruhi oleh faktor-faktor yang berbeda juga. Seberapa besar sektor pertambangan serta penggalian dan sektor industri
(11)
Dari uraian diatas, maka penulis memilih judul Kajian Pengaruh Sektor Pertambangan serta Penggalian dan Sektor Industri Pengolahan Terhadap Indeks Perkembangan Produk Domestik Regional Bruto Kota Medan.
1.2 Rumusan Masalah
Sebagai rumusan masalah yang akan di analisis dalam penelitian ini adalah sebagai berikut:
1. Apakah sektor pertambangan serta penggalian dan sektor industri pengolahan memiliki hubungan yang signifikan dalam Indeks Perkembangan Produk Domestik Regional Bruto (PDRB) Kota Medan? 2. Apakah sektor pertambangan serta penggalian dan sektor industri
pengolahan memberikan pengaruh yang besar dalam Indeks Perkembangan Produk Domestik Regional Bruto (PDRB) Kota Medan? 3. Sektor manakah yang lebih mempengaruhi Indeks Perkembangan Produk
Domestik Regional Bruto (PDRB) Kota Medan?
1.3 Batasan Masalah
Angka nominal PDRB adalah penjumlahan dari seluruh lapangan usaha. Dalam perhitungan PDRB, seluruh lapangan usaha dibagi menjadi sembilan sektor yang dirinci sebagai berikut :
1. Pertanian
2. Pertambangan dan Penggalian 3. Industri dan Pengolahan
(12)
4. Listrik, Gas dan Air Minum 5. Bangunan
6. Perdagangan, Hotel dan Restoran 7. Pengangkutan dan Komunikasi
8. Bank dan Lembaga Keuangan Lainnya 9. Jasa-jasa
Penulis membatasi pokok permasalahan hanya dua sektor yaitu, sektor pertambangan serta penggalian dan sektor industri pengolahan. Hal ini di karenakan penulis menganggap kedua sektor itu memberikan kontribusi yang cukup besar dalam Indeks Perkembangan Produk Domestik Regional Bruto (PDRB).
1.4 Maksud dan Tujuan Penelitian
Tujuan dari penulisan Tugas Akhir ini adalah:
1. Untuk mengetahui peranan kedua sektor tersebut dalam Indeks Perkembangan Produk Domestik Regional Bruto (PDRB) Kota Medan. 2. Seberapa besar pengaruh dan hubungan sektor pertambangan serta
penggalian dan sektor industri pengolahan.
3. Mengetahui sektor yang lebih mempengaruhi Indeks Perkembangan Produk Domestik Regional Bruto (PDRB) Kota Medan.
(13)
1.5 Manfaat Penelitian
Dapat merupakan rujukan bagi Lembaga atau Instansi dan masyarakat pada umumnya untuk mengetahui perkembangan Indeks Perkembangan Produk Domestik Regional Bruto (PDRB) pada kedua sektor tersebut dan juga sebagai bahan pertimbangan dan pengambilan kebijakan dalam masalah pengembangan sektor pertambangan serta penggalian dan sektor industri pengolahan.
1.6 Lokasi Penelitian
Penelitian serta pengumpulan data mengenai kajian pengaruh sektor pertambangan serta penggalian dan sektor industri pengolahan terhadap Indeks Perkembangan PDRB Kota Medan diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara.
1.7 Metode Penelitian
Metode penelitian yaitu suatu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu dapat terwujud.
Metode penelitian yang digunakan penulis adalah dengan cara sebagai berikut: 1. Penelitian kepustakaan yaitu metode pengumpulan data untuk memperoleh
data dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir.
(14)
2. Pengumpulan data untuk keperluan riset ini, telah dilakukan oleh penulis dengan menggunakan data sekunder yang diperoleh dari kantor Badan Pusat Statistik Provinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
1.8 Kajian Pustaka
Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat kajian yang memungkinkan untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya (Algifari, 2000).
Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependent dengan variabel
independent mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu. Bentuk hubungan antara variabel dapat searah atau dapat berlawanan arah. Hubungan antara variabel searah artinya perubahan nilai yang
(15)
artinya perubahan nilai yang satu dengan nilai yang lain berlawanan arah (Usman dkk, 1995).
Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya (Sudjana, 2001).
Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel bebas (variabel predictor) dan variabel tidak bebas (variabel respon). Variabel yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tidak bebas (Sudjana, 2001).
Setelah mengetahui hubungan fungsional antara variabel-variabel di mana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut. Studi yang membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi (Iswardono, 1981).
(16)
1.9 Sistematika Penulisan
Adapun sistematika penulisan yang digunakan penulis adalah antara lain: BAB 1 : PENDAHULUAN
Pada bab ini akan diuraikan latar belakang, rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, lokasi penelitian, metodologi penelitian, kajian pustaka dan sistematika penulisan. BAB 2 : TINJAUAN PUSTAKA
Bab ini menguraikan teori tentang PDRB, Indeks Perkembangan PDRB, hipotesis penelitian dan kerangka pemikiran.
BAB 3 : METODE PENELITIAN
Bab ini menguraikan tentang ruang lingkup penelitian, jenis dan sumber data penelitian, metode analisis yang digunakan, uji regresi linier berganda, dan koefisien determinasi.
BAB 4 : ANALISIS DATA
Bab ini merupakan bab yang berisikan mengenai proses pembentukan regresi linier berganda, analisis residu, uji regresi linier ganda, mencari koefisien determinasi dan koefisien korelasi. BAB 5 : IMPLEMENTASI SISTEM
Dalam bab ini penulis menguraikan pengertian dan tujuan implementasi sistem, rancangan program yang dipakai dan hasil outputnya.
(17)
BAB 6 : KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan dari pembahasan serta saran penulis berdasarkan kesimpulan yang didapat.
(18)
BAB 2
TINJAUAN PUSTAKA
2.1 Konsep dan Definsi
Pendapatan regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun pendapatan rata-rata masyarakat pada wilayah tersebut. Dalam menghitung pendapatan regional hanya dipakai konsep Domestik, yang berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor/lapangan usaha yang melakukan kegiatan usahanya disuatu wilayah (baik kabupaten maupun provinsi) dihitung dan dimasukkan ke produk wilayah tersebut tanpa memperhatikan kepemilikkan faktor-faktor produksi tersebut, dengan kata lain PDRB menunjukkkan gambaran “Product Originated”.
2.1.1 Produk Domestik Regional Bruto (PDRB) atas Dasar Harga Pasar Produk domestik regional bruto atas dasar harga pasar adalah jumlah nilai tambah bruto (gross value added) yang timbul dari seluruh sektor perekonomian di wilayah itu. Yang dimaksud dengan nilai tambah bruto adalah nilai produksi (output) dikurangi dengan biaya antara (intermediate cost). Nilai tambah bruto mencakup komponen-komponen faktor pendapatan (upah dan gaji, bunga, sewa tanah dan keuntungan), penyusutan dan pajak tidak langsung neto.
(19)
2.1.2 Produk Domestik Regional Neto (PDRN) atas Dasar Harga Pasar
Produk domestik regional neto atas dasar harga pasar adalah produk domestik regional bruto atas dasar harga pasar dikurangi penyusutan. Penyusutan yang dimaksud adalah nilai susut (aus) atau pengurangan nilai barang-barang modal (mesin, peralatan, kendaraan dan lainnya) karena barang modal tersebut terpakai dalam proses produksi atau faktor waktu.
2.1.3 Produk Domestik Regional Neto (PDRN) atas Dasar Biaya Faktor PDRN atas dasar biaya faktor adalah PDRN atas dasar harga pasar dikurangi pajak tak langsung neto. Pajak tidak langsung meliputi pajak penjualan, biaya ekspor, bea cukai, dan pajak lain-lain, kecuali pajak pendapatan dan pajak perseroan. Pajak tidak langsung dari unit-unit produksi dibebankan pada pembeli hingga langsung berakibat menaikkan harga barang di pasar. Besarnya pajak tidak langsung dikurangi subsidi dalam perhitungan pendapatan regional disebut pajak tidak langsung neto. Kalau PDRN atas dasar harga pasar dikurangi pajak tidak langsung neto, hasilnya adalah produk domestik regional neto atas dasar biaya faktor.
2.1.4 Pendapatan Regional
Pendapatan regional neto adalah produk regional neto atas dasar harga pasar biaya faktor dikurangi aliran dana yang mengalir keluar ditambah alian dana yang mengalir masuk. Produk regional neto atas dasar harga pasar biaya faktor, merupakan jumlah dari pendapatan berupa upah dan gaji, bunga, sewa tanah dan
(20)
keuntungan yang timbul, atau merupakan pendapatan yang berasal dari kegiatan di wilayah tersebut. Akan tetapi, pendapatan yang dihasilkan tersebut tidak seluruhnya menjadi pendapatan penduduk daerah setempat. Hal itu disebabkan ada sebagian pendapatan yang diterima penduduk daerah lain, misalnya suatu perusahaan yang modalnya dimiliki orang luar yang mempunyai modal. Sebaliknya, kalu ada penduduk daerah menanamkan modal diluar daerah maka sebagian keuntungan perusahaan akan mengalir ke daerah tersebut, dan menjadi pendapatan dari pemililk modal.
Untuk mendapatkan angka-angka tentang pendapatan yang mengalir keluar/masuk suatu daerah (yang secara nasional dapat diperoleh dari neraca pembayaran luar negeri) masih sangat sukar diperoleh saat ini. Produk regional neto atas dasar biaya faktor dianggap sama dengan pendapatan regional (tanpa kata neto). Pendapatan regional dibagi jumlah penduduk yang tinggal di daerah itu, hasilnya adalah pendapatan per kapita.
2.1.5 Pendapatan Perorangan (Personal Income) dan Pendapatan Siap Dibelanjakan (Disposable Income)
Pendapatan perorangan merupakan pendapatan yang diterima oleh rumah tangga. Apabila pendapatan perorangan dikurangi pajak pendapatan perorangan, pajak rumah tangga/PBB, dan transfer yang dibayarkan oleh rumah tangga akan sama dengan pendapatan yang siap dibelanjakan (disposable income).
(21)
2.1.6 Pendapatan Perkapita
Pendapatan perkapita merupakan gambaran rata-rata pendapatan yang diterima oleh setiap penduduk sebagai hasil proses produksi yang terjadi di suatu daerah. Semakin banyak kegiatan ekonomi di suatu daerah akan menimbulkan peningkatan proses produksi yang pada gilirannya akan menghasilkan pendapatan.
PDRB perkapita diperoleh dengan cara membagi total nilai PDRB dengan jumlah penduduk pertahun. Oleh sebab itu besar kecilnya PDRB perkapita belum mencerminkan kemakmuran masyarakat keseluruhan, karena pendapatan yang terjadi tersebut belum pasti dinikmati oleh penduduk daerah yang bersangkutan.
2.2 Metode Perhitungan
Metode perhitungan pendapatan regional pada tahap pertama dapat dibagi dalam dua metode, yaitu:
1. Metode langsung
2. Metode tidak langsung/alokasi
2.2.1 Metode langsung
Perhitungan didasarkan sepenuhnya pada data daerah. Hasil perhitungannya mencakup seluruh prodik barang dan jasa akhir yang dihasilkan daerah tersebut. Pemakaian metode ini dapat dilakukan melalui tiga pendekatan:
1. Pendekatan produksi
PDRB merupakan jumlah Nilai Tambah Bruto (NTB) atau nilai barang dan jasa akhir yang dihasilkan oleh unit-unit produksi di dalam suatu
(22)
wilayah/region dalam suatu periode tertentu, biasanya satu tahun. Sedangkan NTB diperoleh dari Nilai Produksi Bruto (NPB/Output) dikurangi seluruh biaya antara (biaya yang benar-benar habis dipakai dalam proses produksi yang dikelurkan untuk meningkatkan output tersebut).
2. Pendekatan pendapatan
PDRB adalah jumlah seluruh balas jasa yang diterima oleh faktor-faktor produksi yang ikut serta dalam proses produksi di suatu wilayah/region dalam jangka waktu tertentu, biasanya satu tahun. Berdasarkan pengertian tersebut, maka NTB adalah jumlah dari upah dan gaji, sewa tanah, bunga modal, dan keuntungan, semuanya sebelum dipotong pajak penghasilan dan pajak langsung lainnya.
3. Pendekatan pengeluaran
PDRB adalah jumlah seluruh pengeluaran yang dilakukan untuk konsumsi rumahtangga dan lembaga swasta nirlaba, konsumsi pemerintah, pembentukan modal tetap domestik bruto, perubahan stok dan ekspor neto, didalam suatu wilayah/region dalam periode tertentu, biasanya satu tahun. Dengan metode ini, perhitungan NTB bertitik tolak pada penggunaan akhir dari barang dan jasa yang diproduksi.
2.2.2 Metode tidak langsung/alokasi
Menghitung nilai tambah suatu kelompok ekonomi dengan mengalokasikan nilai tambah provinsi ke dalam masing-masing kelompok kegiatan ekonomi pada
(23)
tingkat kabupaten/kota. Sebagai alokator digunakan indikator yang paling besar pengaruhnya atau erat kaitannya dengan produktivitas kegiatan ekonomi tersebut.
Pemakaian masing-masing metode pendekatan sangat tergantung pada ketersediaan data. Pemakaian kedua metode akan saling menunjang satu sama lain, karaena metode langsung cenderung akan mendorong peningkatan kualitas data daerah, sedang metode tidak langsung merupakan koreksi dalam perbandingan bagi data daerah. Untuk sektor ekonomi yang mempunyai manajemen terpusat seperti listrik, telkom, bank dan PJKA terpaksa menggunakan metode alokasi.
2.3 Penghitungan Atas Dasar Harga Berlaku dan Harga Konstan
Hasil penghitungan PDRB disajikan atas dasar harga berlaku dan harga konstan.
2.3.1 Penghitungan Atas Dasar Harga Berlaku
PDRB atas dasar harga berlaku merupakan jumlah seluruh Nilai Tambah Bruto (NTB) atau nilai barang dan jasa akhir yang dihasilkan oleh unit-unit produksi di dalam periode tertentu, biasanya satu tahun yang dinilai dengan harga tahun yang bersangkutan.
NTB atas dasar harga berlaku menggambarkan perubahan volume/kuantum produksi yang dihasilkan dari tingkat perubahan harga dari masing-masing kegiatan, subsektor, dan sektor.
(24)
2.3.2 Penghitungan Atas Dasar Harga Konstan
Penghitungan atas dasar harga konstan, pengertiannya sama dengan atas dasar harga berlaku, tetapi nilainya dilakukan dengan harga suatu tahun dasar tertentu. NTB atas dasar harga konstan ini, hanya menggambarkan perubahan volume/kuantum produksi saja. Pengaruh perubahan harga telah dihilangkan dengan cara menilai dengan harga suatu tahun dasar tertentu. Penghitungan atas dasar harga konstan berguna untuk melihat pertumbuhan ekonomi secara keseluruhan dan sektoral. Juga untuk melihat perubahan struktur perekonomian suatu kabupaten dan kota di provinsi/daerah dari tahun ketahun tanpa dipengaruhi oleh perubahan harga.
2.4 Pemilihan Tahun Dasar Penghitungan PDRB
Dalam penghitungan PDRB diperlukan adanya tahun dasar sebagai acuan dalam menghitung perkembangan dan pertumbuhan beberapa data egregat seperti nilai nominal, perubahan struktur ekonomi, Indeks Perkembangan dan harga (indeks implisit). Tahun dasar akan menjadi tahun konstan (tetap) dalam pengukuran PDRB terutama jka berkaitan dengan kondisi ekonomi tahun tersebut.
Tahun dasar yang digunakan adalah tahun 2000, sesuai dengan rekomendasi Perserikatan Bangsa-Bangsa (PBB) sebagaimana tertuang dalam buku panduan ”Sistem Neraca Nasional” dinyatakan bahwa estimasi PDRB atas dasar harga konstan sebaiknya dimutakhirkan secara periodik dengan menggunakan tahun referensi yang berakhiran 0 dan 5. Hal itu dimaksudkan agar
(25)
besaran angka-angka PDRB dapat saling diperbandingkan antar negara dan antar waktu untuk keperluan analisis perekonomian dunia.
2.5 Klasifikasi Lapangan Usaha
Seperti yang diketahui angka nominal PDRB adalah penjumlahan/agregasi dari seluruh kegiatan/lapangan usaha. Dalam penghitungan PDRB, seluruh lapangan usaha dibagi menjadi sembilan sektor, ini sesuai dengan pembagian yang digunakan dalam penghitungan PDRB ditingkat nasional yang sesuai dengan
System of National Accounts (SNA).
Hal ini juga memudahkan para analisis untuk membandingkan PDRB antar kabupaten dan kota dengan PDRB provinsi. Dengan demikian, kegiatan ekonomi/lapangan usaha dirinci menjadi :
1. Pertanian
2. Industri Pengolahan
3. Pertambangan dan Penggalian 4. Listrik, Gas dan Air Minum 5. Bangunan
6. Perdagangan, Hotel dan Restoran 7. Pengangkutan dan Komunikasi
8. Bank dan Lembaga Keuangan Lainnya 9. Jasa-Jasa
(26)
2.5.1 Pertambangan serta Penggalian
Komoditi yang dicakup disini adalah minyak mentah, gas bumi, konsentrat tembaga serat segala jenis hasil penggalian.Sektor ini mencakup sub sektor minyak dan gas bumi, pertambangan tanpa migas serta yang terakhir sub sektor penggalian.
1. Sub Sektor Pertambangan Migas
Pertambangan Migas meliputi kegiatan pencarian kandungan minyak dan gas bumi, penyiapan, pengeboran, penambangan, penguapan, pemisahan serta penampungan untuk dijual dan dipasarkan.
2. Sub Sektor Pertambangan Non Migas
Pertambangan Non Migas meliputi pengambilan, pengolahan lanjutan benda padat, baik dibawah maupun diatas permukaan bumi serta seluruh kegiatan lainnya yang bertujuan untuk memanfaatkan biji logam dan hasil tambang lainnya.
3. Sub Sektor Penggalian
Komoditi yang tercakup dalam sub sektor penggalian terdiri atas garam kasar dan penggalian lainnya seperti karang, pasir, tanah uruk, tanah liat dan jenis penggalian lainnya
2.5.2 Industri Pengolahan
Sektor ini mencakup kegiatan untuk mengubah atau mengolah suatu barang organik dan anorganik menjadi barang baru yang mempunyai nilai lebih tinggi, sedangkan pengolahannya dapat dilakukan dengan tangan atau mesin.
(27)
Kegiatan sektor industri amat beragam dilihat dari komoditi yang dihasilkan dengan cara pengolahannya, sehingga pengelompokkan kegiatan industri antar provinsi yang telah dilakukan oleh BPS didasarkan pada proses pembuatan dan banyaknya tenaga kerja yang terlibat. Disini dibedakan empat kelompok industri yang meliputi industri besar (lebih dari atau sama dengan 100 orang), sedang (20 sampai 99 orang), kecil (5 sampai 19 orang) dan industri rumah tangga (lebih kecil atau sama dengan 4 orang).
Berdasarkan jenis komoditi utama yang dihasilkan oleh masing-masing perusahaan, industri dikelompokkan menjadi :
1. Industri makanan, minuman dan tembakau 2. Industri tekstil, barang dari kulit dan alas kaki
3. Industri barang dari kayu termasuk alat-alat rumah tangga 4. Industri kertas dan barang cetakan
5. Industri pupuk, kimia dan barang dari karet 6. Industri semen, kimia barang galian bukan logam 7. Industri logam dasar besi dan baja
8. Industri alat angkutan, mesin dan peralatannya 9. Industri pengolahan lainnya
Penulis hanya menguraikan dua jenis lapangan usaha karena dua sektor ini yang menjadi variabel dalam penelitian.
(28)
2.6 Hipotesis Penelitian
Berdasarkan perumusan masalah dan uraian tersebut di atas, maka hipotesis penelitian ini adalah :
1. Sektor Pertambangan serta Penggalian berpengaruh positif terhadap Indeks Perkembangan PDRB Kota Medan.
2. Sektor Industri Pengolahan berpengaruh positif terhadap Indeks Perkembangan PDRB Kota Medan.
3. Sektor Pertambangan serta Penggalian dan Industri Pengolahan berpengaruh secara simultan dan signifikan terhadap Indeks Perkembangan PDRB Kota Medan.
2.7 Kerangka Pemikiran
Gambar 2.1 Kerangka pemikiran pengaruh sektor Pertambangan serta Penggalian dan sektor industri Pengolahan terhadap Indeks Perkembangan Kota Medan.
Sektor Pertambangan serta Penggalian
Sektor Industri Pengolahan
Indeks Perkembangan PDRB Kota MEDAN Regresi dan
(29)
BAB 3
METODE PENELITIAN
3.1 Ruang Lingkup Penelitian
Ruang lingkup tugas akhir ini adalah Sektor Pertambangan serta Penggalian dan Sektor Industri pengolahan serta pengaruhnya terhadap Indeks Perkembangan PDRB Kota Medan.
3.2 Jenis dan Sumber Data
Jenis data yang dianalisis dalam tugas akhir ini adalah data kuantitatif, yaitu data sekunder yang diperoleh dari instansi terkait yaitu BPS Provinsi Sumatera Utara.
3.3 Model Analisis
Untuk model dengan tiga variabel berarti �= 3, satu variabel tak bebas � dan dua vaiabel bebas �1 dan �2 . Secara umum model populasi regresi berganda ditulis sebagai berikut:
�=�+�1�1+�2�2+⋯+���� +�� (3.1) Sedangkan model penduganya adalah:
(30)
3.4 Metode Analisis
Metode analisis yang digunakan adalah regresi berganda dengan menggunakan metode kuadrat terkecil (least square method). Analisis regresi (regression
analyisis) merupakan suatu teknik untuk membangun persamaan dan
menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Analisis regresi didefinisikan sebagai metode statistika yang digunakan untuk menetukan kemungkinan bentuk hubungan antara variabel-variabel.
3.5 Persamaan Regresi
Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel tersebut memilik hubungan sebab akibat.
Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan variabel bebas (independent variable), sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel tak bebas (dependent variable).
3.5.1 Persamaan regresi linier sederhana
Regresi sederhana bertujuan mempelajari hubungan linier antara dua variabel. Variabel ini dibedakan atas variabel bebas (�) dan variabel tak bebas (�).
(31)
Bentuk persamaan regresi linier sederhana dinyatakan dalam:
�= �+�� (3.3) Sedangkan model penduganya adalah:
��= �+�� (3.4) Dengan:
��= Variabel tak bebas (dependent variable) � = Variabel bebas (independent variable)
� = Parameter intersep (penduga α / titik potong kurva terhadap sumbu Y)
� = Kemiringan (slope/penduga �) kurva linier
3.5.2 Persamaan regresi linier berganda
Dalam banyak kasus variabel terikat tidak hanya dipengaruhi oleh satu variabel bebas. Untuk menguji atau melakukan estimasi dari satu permasalahan yang terdiri dari lebih dari satu variabel bebas tidak bisa dengan regresi sederhana. Alat analisis yang digunakan adalah regresi berganda. Regresi berganda adalah analisis regresi yang menjelaskan hubungan antara variabel tak bebas dengan faktor-faktor yang mempengaruhi lebih dari satu variabel bebas. Model populasi regresi berganda dengan dua variabel bebas :
�=�+�1�1+�2�2+�� (3.5) Sedangkan model penduganya adalah :
��=�+�1�1+�2�2 (3.6) Dengan:
�� = Variabel tak bebas (dependent variable) atau nilai estimasi � �1,�2 = Variabel bebas (independent variable) �1dan �2
(32)
� = Parameter intersep (penduga � / titik potong kurva terhadap sumbu �) �1,�2 = Slope (parameter koefisien regresi variabel bebas �1dan �2 )
�� = Pengamatan ke �variabel kesalahan
Bentuk data yang akan diolah adalah sebagai berikut : Tabel 3.1 Bentuk Umum Data Observasi
Nomor
Observasi Respon (��)
Variabel Bebas
�1� �2� … ���
1 �1 �11 �21 … ��1
2 �2 �12 �22 … ��2
. . . . … .
. . . . … .
. . . . … .
� �� �1� �2� … ���
Ʃ Ʃ�� Ʃ�1� Ʃ�2� … Ʃ���
Persamaan regresi dari suatu data observasi dapat dibuat dengan menentukan besarnya �, �1 dan �2 yang terdapat dari persamaan tersebut. Besarnya �, �1 dan �2 dapat ditentukan dengan persamaan normal berikut ini:
Ʃ�� = ��+��Ʃ�1� +�2Ʃ�2�
Ʃ�1��� =�Ʃ�1� +��Ʃ�12� +�2Ʃ�1��2� (3.7) Ʃ�2��� =�Ʃ�2�+��Ʃ�1��2� +�2Ʃ�22�
Persamaan normal dalam bentuk matriks dapat dituliskan:
�Ʃ�1Ʃ�����
Ʃ�2���
�=�
� Ʃ�1� Ʃ�2�
Ʃ�1� Ʃ�12� Ʃ�1��2� Ʃ�2� Ʃ�1��2� Ʃ�22�
�� � �1
�2� (3.8)
Nilai-nilai �, �1 dan �2 yang telah didapat kemudian disubtitusikan kedalam persamaan regresi .
(33)
Dari model regresi linier yang didapat, persamaan regresi memungkinkan adanya suatu kekeliruan yang dapat di ukur dengan rumus sebagai berikut :
��2.12…� =
Ʃ(��− ���)2
� − � −1 (3.9)
3.6 Uji Regresi Linier Berganda
Pengujian hipotesis dalam regresi linier berganda perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan. Pengujian hipotesis tersebut dapat dilakukan secara simultan (gabungan) dan secara parsial.
3.6.1 Uji F (Simultan)
Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut : 1. Menentukan formulasi hipotesis
�0:�1 = �2 =⋯= �� = 0 (�1,�2, … ,�� tidak mempengaruhi �).
�0:�1 = �2 =⋯= �� ≠0 (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhi �)
2. Menentukan taraf nyata � dan nilai ������ dengan derajat kebebasan �1 =� dan �2 = � −1.
3. Menentukan kriteria pengujian �0 diterima bila �ℎ����� ≤ ������ �0 ditolak bila �ℎ����� >������
(34)
4. Menentukan nilai statistik F dengan rumus:
�ℎ����� =
��(���) � ��(���) (� − � −1)
(3.10)
��(���) dan ��(���) masing-masing didapat dari rumus berikut (�������, 1996: 77):
��(���) = �1∑x1y +�2∑ �2�+⋯+��∑ ��� (3.11) ��(���) =∑ ����=1 � − ����
2
(3.12)
Dengan:
� = Jumlah variabel bebas (� − � −1) = Derajat kebebasan ��(���) = Jumlah kuadrat regresi ��(���) = Jumlah kuadrat residu (sisa)
3.6.2 Uji t (Parsial)
1. Menentukan formula hipotesis
�0 : �� = 0 (��tak mempengaruhi �) �0 : �� ≠0 (�� mempengaruhi �)
2. Menentukan taraf nyata dan nilai ������ dengan derajat kebeb asan �(1−0,5�);�−�−1
3. Menentukan kriteria pengujian �0 diterima bila �ℎ����� ≤ ������
(35)
4. Menentukan nilai �ℎ�����(����������, 2002: 291) �ℎ����� =���
��
��1 =
��.12 �Ʃ�12(1− �
122)
�����2 =
��.12 �Ʃ�22(1− �
122)
(3.13)
5. Membuat kesimpulan apakah �0 diterima atau ditolak.
3.7 Koefisien Determinasi (��)
Koefisien determinasi adalah nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan antara dua variabel. Nilai koefisien determinasi menunjukkan persentase variasi nilai variabel tak bebas yang dapat dijelaskan oleh persamaan regresi yang dihasilkan.
Dihitung dengan rumus:
�2��(���) ∑ �12
(3.14)
Dengan:
��(���) = Jumlah kuadrat regresi ∑ �12 = ∑ �
12 − (∑ ��)
�
3.8 Analisa Korelasi
Analisa korelasi dilakukan untuk mengetahui hubungan antara dua variabel (bivariate correlation) atau lebih dari dua variabel (multivariate correlation) dalam suatu penelitian. Untuk menentukan seberapa besar hubungan antara
(36)
variabel tersebut, dapat dihitung dengan menggunakan rumus koefisien korelasi antara �dan � adalah:
��� = � ∑ ����−
(∑��=0��)(∑ ���=� �)
� �=0
�{� ∑��=0��2−(∑��=0��)2}{� ∑��=0��2−(∑ ���=� �)2}
(3.15)
Dengan:
�(�,�) = Koefisien korelasi antara variabel Y dan X �� = Koefisien variabel bebas ��
�� = Koefisien variabel terikat ��
Besarnya nilai koefisien korelasi (�) selalu terletak antara -1 dan 1, sehingga nilai � tersebut dapat ditulis: −1≤ � ≤1. Jika �= 1, maka terdapat korelasi positif sempurna antara variabel � dan � yang artinya jika nilai variabel � tinggi, maka nilai variabel � akan tinggi pula. Sebaliknya jika �=−1,maka terdapat korelasi negatif sempurna antara variabel � dan � yang artinya jika nilai variabel � tinggi maka nilai variabel � rendah. Sedangkan jika �= 0, berarti tidak ada korelasi antara variabel � dan �. Interpretasi harga � akan disajikan dalam tabel berikut:
Tabel 3.2 Interpretasi Koefisien Korelasi Nilai �
� Interpretasi
0 0,01-0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99
1 Tidak berkorelasi Sangat rendah Rendah Agak rendah Cukup Tinggi Sangat tinggi
(37)
BAB 4
ANALISIS DATA
4.1 Data dan Pembahasan
Data yang diolah pada tugas akhir ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). Yaitu data Indeks Perkembanngan Produk Domestik Regional Bruto Kota Medan Atas Dasar Harga Berlaku dari tahun 2001-2012. Datanya adalah sebagai berikut :
Tabel 4.1 Indeks Perkembangan PDRB Yang Akan Diolah
Tahun �� �1� �2�
2001 117,11 168,5 119,74
2002 113,05 202,2 112,29
2003 151,25 314,39 137,96
2004 174,69 377,38 173,88
2005 225,74 445,84 220,2
2006 257,69 563,81 247,07
2007 292,52 530,47 280,24
2008 344,35 495,65 323,43
2009 383,14 511,97 337,07
2010 439,5 505,79 387,2
2011 493,82 499,74 417,9
2012 556,01 503,48 452,12
Dengan:
�� = Indeks perkembangan PDRB
�1� = Sektor Pertambangan serta Penggalian �2� = Sektor Industri Pengolahan
4.2 Membentuk Persamaan Linier Regresi Berganda
Untuk membentuk persamaan regresi linier berganda, diperlukan penghitungan masing-masing satuan variabel yang disusun dalam tabel berikut ini:
(38)
Tabel 4.2 Perhitungan Masing-masing Variabel
Tahun �� �1� �2� ��2 �1
�
2 �2
�
2 �1
�.�� �2�.�� �1�.�2� 2001 117,11 168,50 119,74 13.714,75 28.392,25 14.337,67 19.733,04 14.022,75 20.176,19 2002 133,05 202,20 112,29 17.702,30 40.884,84 12.609,04 26.902,71 14.940,18 22.705,04 2003 151,25 314,39 137,96 22.876,56 98.841,07 19.032,96 47.551,49 20.866,45 43.373,24 2004 174,69 377,38 173,88 30.516,60 142.415,66 30.234,25 65.924,51 30.375,10 65.618,83 2005 225,74 445,84 220,20 50.958,55 198.773,31 48.488,04 100.643,92 49.707,95 98.173,97 2006 257,69 563,81 247,07 66.404,14 317.881,72 61.043,58 145.288,20 63.667,47 139.300,54 2007 292,52 530,47 280,24 85.567,95 281.398,42 78.534,46 155.173,08 81.975,80 148.658,91 2008 344,35 495,65 323,43 118.576,92 245.668,92 104.606,96 170.677,08 111.373,12 160.308,08 2009 383,14 511,97 337,07 146.796,26 262.113,28 113.616,18 196.156,19 129.145,00 172.569,73 2010 439,50 505,79 387,20 193.160,25 255.823,52 149.923,84 222.294,71 170.174,40 195.841,89 2011 493,82 499,74 417,90 243.858,19 249.740,07 174.640,41 246.781,61 206.367,38 208.841,35 2012 556,01 503,48 452,12 309.147,12 253.492,11 204.412,49 279.939,91 251.383,24 227.633,38 Jumlah 3.568,87 5.119,22 3.209,10 1.299.279,59 2.375.425,17 1.011.479,90 1.677.066,44 1.143.998,84 1.503.201,14
(39)
Dari tabel 4.2 diperoleh:
� = 12 Ʃ�12� = 2.375.425,17
Ʃ�� = 3.568,87 Ʃ�22� = 1.011.479,90
Ʃ�1� = 5.119,22 Ʃ�1�.�� = 1.677.066,44
Ʃ�2� = 3.209,10 Ʃ�2�.�� = 1.143.998,84
Ʃ��2 = 1.299.279,59 Ʃ�1
�.�2� = 1.503.201,14
Dari data tersebut diperoleh persamaan normal sebagai berikut: ��+�1∑ �1� +�2∑ �2� =∑ �� � ∑ �1� +�1∑ �12� +�2∑ �1��2� =∑ �1��� � ∑ �2� +�1∑ �1��2� +�2∑ �22� =∑ �2���
Harga-harga koefisien regresi �, �1 dan �2 dicari dengna subtitusi dan
eliminasi dari persamaan normal diatas. Selanjutnya substitusi nilai-nilai pada tabel 4.2 kedalam persamaan normal sehingga diperoleh:
12�+ 5119,22�1+ 3209,10�2 = 3568,87 (1) 5119,22�+ 2375425,17�1+ 1503201,14�2 = 1677066,44 (2) 3209,10�+ 1503201,14�1+ 1011479,90�2 = 1143998,84 (3)
Selanjutnya dilakukan langkah-langakah eliminasi sebagai berikut: 1. Eliminasi persamaan (1) dan persamaan (2)
Persamaan (1) x 5119,22 = 12�+ 5119,22�1+ 3209,10�2 = 3568,87
(40)
Persamaan (2) x 12 = 5119,22�+ 2375425,17�1+ 1503201,14�2 = 1677066,44
61430,64 + 26206413,408 + 16428088,902 = 18269830,681 61430,64 + 28505102,095 + 18038413,720 = 20124797,274 -
−2298688,687−1610324,818 = −1854966,593 (4)
2. Eliminasi persamaan (1) dan (3)
Persamaan (1) x 3209,10 = 12�+ 5119,22�1+ 3209,10�2 = 3568,87
Persamaan (3) x 12 = 3209,10�+ 1503201,14�1+ 1011479,90�2 = 1143988,84
38509,20 + 16428088,902 + 10298322,810 = 11452860,717 38509,20 + 18038413,720 + 12137758,853 = 13727986,124 -
−1610324,818−1839436,043 = −2275125,407 (5)
3. Eliminasi persamaan (4) dan (5)
Persamaan (4) x −1610324,818 = −2298688,687−1610324,818 = −1854966,593
Persamaan (5) x −2298688,687 = −1610324,818−1839436,043 = −2275125,407
(41)
3701635440290,42�1+ 2593146018178,48�2 = 2987098739882,69 3701635440290,42�1+ 4228290821676,55�2 = 5229805035041,66 -
−1635144803498,06�2 = −2242706295158,96 �2 = 1,372
4. Subtitusi harga koefisien �2 ke persamaan (5)
−1610324,818�1−1839436,043(1,372) = −2275125,407 −1610324,818�1 = 247779,466
�1 = −0,154
5. Substitusi harga koefisien �1 dan �1 ke persamaan (1)
12�+ 5119,22(−0,154) + 3209,10(1,372) = 3568,87 12�+ (−787,691) + 4401,487 = 3568,87
12� = −44,927
� = −3,744
Sehingga persamaan regresinya adalah: ��= �+�1�1+�2�2
(42)
4.3 Analisis Residu
Untuk mengetahui seberapa besar terjadi kekeliruan baku terhadap indeks perkembangan PDRB yang sebenarnya, diperlukan harga-harga �� yang didapat dari persamaan regresi linier diatas untuk tiap-tiap harga �1 dan �2, yaitu sebagai berikut :
Tabel 4.3 Harga �� Untuk Data pada Tabel 4.1
�� ��� �� − ��� (�� − ���)2 117,11 134,560 -17,450 304,512 133,05 119,157 13,893 193,023 151,25 137,102 14,148 200,161
174,69 176,677 -1,987 3,946
225,74 229,674 -3,934 15,473
257,69 248,375 9,315 86,760
292,52 299,000 -6,480 41,994 344,35 363,596 -19,246 370,404
383,14 379,793 3,347 11,203
439,50 449,500 -10,000 100,006
493,82 492,538 1,282 1,643
556,01 538,898 17,112 292,831 3568,9 3568,870 0,000 1621,956
Dengan �= 2,� = 12 dan Ʃ(�� − ���)2 = 1621,956 maka kesalahan bakunya dapat dihitung sebagai berikut:
��2.12 =�Ʃ
(�� − ���)2 � − � −1
��2.12 =�
1621,956 12−2−1 ��2.12 = 13,425
(43)
Ini berarti rata-rata indeks perkembangan PDRB yang sebenarnya akan menyimpang dari rata-rata taksiran indeks perkembangan PDRB sebesar 13,425.
4.4 Uji Regresi Berganda
Pengujian hipotesis dalam regresi linier berganda perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.
4.4.1 Uji F (Simultan)
�0:�1 =�2 = 0 Sektor pertambangan serta penggalian dan sektor industri pengolahan tidak berpengaruh secara simultan dan signifikan terhadap indeks perkembangan PDRB Kota Medan.
�0:�1 =�2 ≠ 0 Sektor pertambangan serta penggalian dan sektor industri pengolahan berpengaruh secara simultan dan signifikan terhadap indeks perkembangan PDRB Kota Medan.
Dengan taraf nyata �= 0,05 dan ������ dengan dk pembilang (�1) =�= 2 dan dk penyebut (�2) =� − � −1 = 9 maka diperoleh ��1;�2 (0,05)= 4,26
�0 diterima bila �ℎ����� ≤ ������ �0 ditolak bila �ℎ����� >������
�ℎ����� =
��(���) � ��(���) (� − � −1)
(44)
Untuk menguji model regresi yang telah terbentuk, maka dapat dipakai rumus berikut:
Ʃ��2 =Ʃ��2 −(Ʃ��) 2
� Ʃ�1��� =Ʃ�1��1� −
(Ʃ�1�Ʃ��)
�
Ʃ��2 = Ʃ��2−(Ʃ��) 2
� Ʃ�2��� = Ʃ�2��1� −
(Ʃ�2�Ʃ��)
�
Sehingga diperoleh : Ʃ�1��� = 1677066,44−
(5119,22)(3568,87) 12
Ʃ�1��� = 154580,549
dan
Ʃ�2��� = 1143998,84−
(3209,10)(3568,87) 12
Ʃ�2��� = 189593,784
Sehingga
��(���) = �1∑x1i�� +�2∑ �2���
��(���) = 0,154(154580,549) + 1,372(189593,784) ��(���) = 236254,880
Kemudian dihitung jumlah kuadrat residualnya (��(���)) sebagai berikut: ��(���) =∑(�� − ���)2
��(���) = 1621,956
Sehingga diperoleh:
� =
��(���) �
(45)
�ℎ����� =
236254,880 2 1621,956
9 �ℎ����� = 655,472
Dari perhitungan diatas dapat dilihat bahwa �ℎ����� > ������ sehingga �0 diterima yang berarti sektor pertambangan serta penggalian dan sektor industri pengolahan berpengaruh secara simultan dan signifikan terhadap indeks perkembangan PDRB Kota Medan.
4.4.2 Uji t (Parsial)
1. Pengaruh antara indeks perkembangan PDRB dengan sektor pertambangan serta penggalian.
�0:�1 = 0 Sektor pertambangan serta penggalian tidak berpengaruh positif terhadap indeks perkembangan PDRB Kota Medan. �0:�1 ≠0 Sektor pertambangan serta penggalian berpengaruh positif
terhadap indeks perkembangan PDRB Kota Medan.
Dengan taraf nyata � = 0,05 maka nilai ������ dengan derajat kebebasan ��1−1
2��;�−�−1
sehingga �(0,975);9= 1,83311 (uji sisi kanan). �0 diterima bila �ℎ����� ≤ ������
(46)
Menentukan nilai �ℎ�����. Digunakan rumus berikut:
�(�,�) =
� ∑ �1��2�−(∑ �1�)(∑ �2�) �{� ∑ �12� −(∑ �1
�)2}�� ∑ �22� −(∑ �2�)2�
��1 =
��.12 �Ʃ�12(1− �
122) ∑ �12 = 191557,391
�11 =
12(1503201,143)−(5119,220)(3209,100)
�{12(2375425,2−26206413,4)}{12(1011479,9−10298322,8)}
�11 =
1610324,818 2056280,823 �11 = 0,783
��1 =
13,425
�191557,391(1−(0,783)2)
��1 =
13,425 272,173 ��1 = 0,049
Maka:
�ℎ����� =��1 �1 �ℎ����� =−
0,154 0,049 �ℎ����� =−3,120
(47)
Dapat dilihat bahwa �ℎ����� <������ sehingga �0 diterima yang berarti sektor pertambangan serta penggalian tidak berpengaruh positif terhadap indeks perkembangan PDRB Kota Medan. Artinya jika ditingkatkan variabel sektor pertambangan serta penggalian sebesar satu satuan, maka indeks perkembangan PDRB tidak akan bertambah sebesar -0,154.
2. Pengaruh antara indeks perkembangan PDRB dengan sektor industri pengolahan.
�0:�2 = 0 Sektor industri pengolahan tidak berpengaruh positif terhadap indeks perkembangan PDRB Kota Medan.
�0:�2 ≠0 Sektor industri pengolahan berpengaruh positif terhadap indeks perkembangan PDRB Kota Medan.
Dengan taraf nyata � = 0,05 maka nilai ������ dengan derajat kebebasan ��1−1
2��;�−�−1
sehingga �(0,975);9= 1,83311 (uji sisi kanan). �0 diterima bila �ℎ����� ≤ ������
�0 ditolak bila �ℎ����� > ������
Menentukan nilai �ℎ�����. Digunakan rumus berikut:
�(�,�) =
� ∑ �1��2�−(∑ �1�)(∑ �2�) �{� ∑ �12� −(∑ �1
�)2}�� ∑ �22� −(∑ �2�)2�
��2 =
��.12 �Ʃ�22(1− �
122)
(48)
�12 =
12(1503201,143)−(5119,220)(3209,100)
�{12(2375425,2−26206413,4)}{12(1011479,9−10298322,8)}
�12 =
1610324,818 2056280,823 �12 = 0,783
��2 =
13,425
�153286,337(1−(0,783)2)
��2 =
13,425 243,471 ��2 = 0,055
Maka:
�ℎ����� =��2 �2 �ℎ����� =
1,372 0,055 �ℎ����� = 24,875
Dapat dilihat bahwa �ℎ����� >������ sehingga �0 diterima yang berarti sektor industri pengolahan berpengaruh positif terhadap indeks perkembangan PDRB Kota Medan. Artinya jika ditingkatkan variabel sektor industri pengolahan sebesar satu satuan, maka indeks perkembangan PDRB akan bertambah sebesar 1,372.
(49)
4.5 Koefisien Determinasi (��) �2 = ��(���)
∑ �12 ∑ �12 =∑ �
12− (Ʃ��)2
�
∑ �12 = 237876,835
Maka:
�2 = 236254,880 237876,835 �2 = 0,99
� = √�2 = 0,99
Dari hasil perhitungan dapat dilihat bahwa �2 sebesar 0,99 yang berarti besarnya sumbangan (hubungan) sektor pertambangan serta penggalian dan sektor industri pengolahan terhadap indeks perkembangan PDRB Kota Medan adalah 99% dan 1% lagi dipengaruhi oleh faktor lain yang tidak dapat dijelaskan dalam penelititan ini. Sedangkan korelasi yang terjadi sebesar � = 0,99.
4.6 Koefisien Korelasi (�)
Untuk mengetahui besarnya korelasi dari masing-masing antar variabel, maka dapat dihitung sebagai berikut:
a. Besar korelasi antara Indeks Perkembangan (�) dengan Sektor Pertambangan serta Penggalian (�1)
��1 =
� ∑��=1�1� −(∑��=1�1)(∑��=1�) �{� ∑ �12−(∑��=1�1)
2
�
�=1 }{� ∑ �2−(∑��=1�) 2
�
(50)
��1 =
12(1677066,440)−(5119,220)(3568,870)
�{12(2375425,18)−(5119,22)2}{12(1299279,59)−(3568,88)2}
��1 =
1854966,539 2561573,245 ��1 = 0,72
Nilai � sebesar 0,72. Hal ini menunjukkan bahwa indeks perkembangan PDRB dengan sektor pertambangan serta penggalian memiliki korelasi positif yang cukup. Nilai positif menandakan hubungan yang searah antara indeks perkembangan PDRB dengan sektor pertambangan serta penggalian.
b. Besar korelasi anatara Indeks Perkembangan (�) dengan Sektor Industri Pengolahan (�2)
��2 =
� ∑��=1�2� −(∑��=1�2)(∑��=1�) �{� ∑ �22−(∑��=1�2)
2
�
�=1 }{� ∑ �2−(∑��=1�) 2
�
�=1 }
��1 =
12(1143988,844)−(3209,10)(3568,870)
�{12(1011479,90)−(3209,10)2}{12(1299279,59)−(3568,88)2}
��2 =
2275125,407 2291442,930 ��2 = 0,99
Nilai r sebesar 0,99. Hal ini menunjukkan bahwa indeks perkembangan PDRB dengan sektor industri pengolahan memiliki korelasi positif yang tinggi. Nilai positif menandakan hubungan yang searah antara indeks perkembangan PDRB dengan Sektor Industri Pengolahan.
(51)
Dari hasil perhitungan nilai korelasi (�) antara variabel bebas (�1,�2) terhadap variabel tak bebas (�), didapat hasil korelasi yang cukup besar. Artinya bahwa kedua sektor tersebut memberikan pengaruh yang cukup besar terhadap indeks perkembangan PDRB Kota Medan.
Gambar 4.1 Perbandingan Korelasi Antara Sektor Pertambangan serta Penggalian dengan Sektor Industri Pengolahan Terhadap Indeks Perkembangan PDRB
0,72
0,99
0 0,2 0,4 0,6 0,8 1
Sektor Pertambangan serta Penggalian Sektor Industri Pengolahan
(52)
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Tahapan implementasi sistem merupakan tahapan penerapan hasil desain tertulis ke dalam programming atau komputerisasi. Dalam pengolahan data yang telah dikumpulkan penulis mengggunakan perangkat lunak sebagai implementasi sistem yaitu software SPSS versi 22.0.
5.2 Perkenalan Software SPSS
SPSS merupakan paket dalam program aplikasi komputer untuk menganalisa data yang digunakan pada berbagai disiplin ilmu, terutama analisis statistik. Pada awalnya SPSS (Statistical Package for the Social Science) digunakan untuk proses data statistik, ilmu sosial dan lainnya. Dan seiring perkembangannya, SPSS berubah nama sesuai kebutuhan menjadi Statistical Product and Service Solutions. Penggunaan SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.
5.3 Membuka Program SPSS Versi 22.0
Dalam pengolahan data menggunakan SPSS Versi 22.0 harus dipastikan terlebih dahulu bahwa SPSS Versi 22.0 telah terinstal di komputer, kemudian SPSS dibuka dengan cara sebagai berikut:
(53)
1. Klik kanan software SPSS Versi 22.0 pada icon shortcut di tampilan desktop komputer, kemudian klik Open.
Gambar 5.1 Membuka SPSS
2. Kemudian akan muncul tampilan awal SPSS dan klilk OK untuk melanjutkan.
(54)
5.4 Pengolahan Data dengan SPSS 5.4.1 Memasukan Variabel
Dalam proses ini akan dibuat variabel yang akan dianalisis. Adapun langkah-langkahnya sebagai berikut:
Buka variable view.
1. Tulis nama variabel yang digunkan di bawah kolom Name. 2. Pada kolom Label, ketikan nama variable yang digunakan. 3. Pada kolom Measure, pilih Scale.
Gambar 5.3 Layar Variable View
Berikut penjelasan menu-menu pada variable view : a. Name : Nama variabel yang diinginkan b. Type : Sesuaikan tipe data yang diinginkan c. Width : Untuk menentukan jarak/lebar kolom d. Decimals : Menentukan banyak desimal
(55)
f. Value : Untuk mengisi penjelasan nama (label) pada variabel. g. Missing : Menjelaskan data yang hilang
h. Columns : Untuk menentukan lebar kolom i. Align : Menentukan letak pengisian data j. Measure : Untuk menentukan jenis data
Ketik �1 sebagai sektor pertanian, �2 sebagai sektor industri pengolahan dan � sebagai indeks perkembangan PDRB.
5.4.2 Pengisian Data
Untuk mengisi data, dilakukan langkah sebagai berikut:
1. Klik data view yang berada disudut kiri bawah jendela editor 2. Input data yang akan diolah
(56)
5.4.3 Analisis Data dengan Regresi
Pada proses ini komputer akan menganalisis data yang telah dimasukkan dalam
sheet data view. Dari proses ini akan diperoleh persamaan regresi linier yang dibutuhkan.
1. Pilih Analyze kemudian submenu Regression dan pilih Linier.
Gambar 5.5 Tampilan Analisis Regresi
2. Muncul kotak dialog, kemudian masukkan variabel terikat pada kotak
(57)
3. Klik statistics pada kotak dialog regression, lalu aktifkan Estimate, Model Fit dan Casewise Diagnostic lalu klik continue.
Gambar 5.7 Statistics pada Kotak Dialog Regression
4. Untuk menampilkan grafik klilk plots pada kotak dialog regression lalu aktifkan Histogram, Normal probability plot, Produce partial plots lalu klik continue. Klik OK untuk menampilkan Outputnya.
(58)
5.4.4 Analisis Data dengan Korelasi
Langkah-langkah analisis dengan korelasi adalah sebagai berikut:
1. Pilih Analyze lalu pilih sub menu Correlate, kemudian pilih Bivariate.
Gambar 5.9 Tampilan Menu Analisis korelasi
2. Pindahkan semua variabel kemudian pilih Pearson pada Correlation Coefficients dan lalu pilih two tailed pada Test of Significance lalu klik
(59)
3. Akan Muncul Output korelasinya sebagai berikut :
Gambar 5.11 Tampilan Output Korelasi
(60)
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari hasil analisis yang dilakukan, maka dapat diambil beberapa kesimpulan sebagai berikut :
1. Dari hasil perhitungan dapat dilihat bahwa sektor pertanian dan sektor industri pengolahan berpengaruh secara simultan dan signifikan terhadap laju pertumbuhan PDRB Kota Medan.
2. Sektor pertambangan serta penggalian tidak berpengaruh positif terhadap indeks perkembangan PDRB Kota Medan. Artinya jika ditingkatkan variabel sektor pertambangan serta penggalian sebesar satu satuan, maka indeks perkembangan PDRB tidak akan bertambah sebesar -0,154.
3. Sektor industri pengolahan berpengaruh positif terhadap indeks perkembangan PDRB Kota Medan. Artinya jika ditingkatkan variabel sektor industri pengolahan sebesar satu satuan, maka indeks perkembangan PDRB akan bertambah sebesar 1,372.
4. Besarnya sumbangan sektor pertambangan serta penggalian dan sektor industri pengolahan terhadap indeks perkembangan PDRB Kota Medan adalah 99% dan 1% lagi dipengaruhi oleh faktor lain yang tidak dapat dijelaskan dalam penelititan ini. Sedangkan terjadi korelasi yang cukup antara sektor pertambangan serta penggalian dan sektor industri pengolahan dengan laju pertumbuhan PDRB Kota Medan yaitu sebesar
(61)
6.2 Saran
Beberapa saran yang diberikan penulis yang mungkin berguna bagi semua pihak adalah :
1. Untuk mengetahui perkembangan dan upaya peningkatan laju pertumbuhan PDRB Kota Medan, sebaiknya sektor-sektor lapangan usaha lain (sebagai variabel bebas) yang mempengaruhi harus di analisis juga.
(62)
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.
Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.
[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Produk Domestik Regional Bruto Kota Medan. BPS PROVSU. Medan.
Iswardono. 1981. Analisis Regresi dan Korelasi. BPFE. Yogyakarta. Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta. Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.
Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Tarsito. Bandung.
[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua. Medan.
http://junaidichaniago.wordpress.com
(63)
OUTPUT SPSS
Regression
Variables Entered/Removeda
Model Variables Entered
Variables
Removed Method
1 Sektor Industri Pengolahan, Sektor Pertambangan serta Penggalianb
. Enter
a. Dependent Variable: Indeks Perkembangan PDRB b. All requested variables entered.
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .998a .995 .994 11.71227
a. Predictors: (Constant), Sektor Industri Pengolahan, Sektor Pertambangan serta Penggalian
b. Dependent Variable: Indeks Perkembangan PDRB
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 278812.568 2 139406.284 1016.250 .000b
Residual 1371.772 10 137.177
Total 280184.340 12
a. Dependent Variable: Indeks Perkembangan PDRB
(64)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -3.746 9.316 -2.116 .060
Sektor
Pertambangan serta Penggalian
Sektor Industri Pengolahan
-.118 .037 -.120 -3.170 .010
1.366 .047 1.092 28.932 .000
a. Dependent Variable: Indeks Perkembangan PDRB
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 105.0854 538.4949 280.6823 152.42828 13
Residual -19.32634 19.53699 .00000 10.69179 13
Std. Predicted Value -1.152 1.691 .000 1.000 13
Std. Residual -1.650 1.668 .000 .913 13
(65)
(66)
(67)
Correlations
Correlations
Sektor Pertambangan serta Penggalian
Sektor Industri Pengolahan
Indeks Perkembangan
PDRB Sektor Pertambangan
serta Penggalian
Pearson Correlation 1 .810** .765**
Sig. (2-tailed) .001 .002
N 13 13 13
Sektor Industri Pengolahan
Pearson Correlation .810** 1 .995**
Sig. (2-tailed) .001 .000
N 13 13 13
Indeks Perkembangan PDRB
Pearson Correlation .765** .995** 1
Sig. (2-tailed) .002 .000
N 13 13 13
(68)
Pr Df
0.25 0.1 0.05 0.025 0.01 0.005 0.001
0.5 0.2 0.1 0.05 0.02 0.01 0.002
1 1.00000 3.07768 6.31375 12.70620 31.82052 63.65674 318.30884
2 0.81650 1.88562 2.91999 4.30265 6.96456 9.92484 22.32712
3 0.76489 1.63774 2.35336 3.18245 4.54070 5.84091 10.21453
4 0.74070 1.53321 2.13185 2.77645 3.74695 4.60409 7.17318
5 0.72669 1.47588 2.01505 2.57058 3.36493 4.03214 5.89343
6 0.71756 1.43976 1.94318 2.44691 3.14267 3.70743 5.20763
7 0.71114 1.41492 1.89458 2.36462 2.99795 3.49948 4.78529
8 0.70639 1.39682 1.85955 2.30600 2.89646 3.35539 4.50079
9 0.70272 1.38303 1.83311 2.26216 2.82144 3.24984 4.29681
10 0.69981 1.37218 1.81246 2.22814 2.76377 3.16927 4.14370
11 0.69745 1.36343 1.79588 2.20099 2.71808 3.10581 4.02470
12 0.69548 1.35622 1.78229 2.17881 2.68100 3.05454 3.92963
13 0.69383 1.35017 1.77093 2.16037 2.65031 3.01228 3.85198
14 0.69242 1.34503 1.76131 2.14479 2.62449 2.97684 3.78739
15 0.69120 1.34061 1.75305 2.13145 2.60248 2.94671 3.73283
16 0.69013 1.33676 1.74588 2.11991 2.58349 2.92078 3.68615
17 0.68920 1.33338 1.73961 2.10982 2.56693 2.89823 3.64577
18 0.68836 1.33039 1.73406 2.10092 2.55238 2.87844 3.61048
19 0.68762 1.32773 1.72913 2.09302 2.53948 2.86093 3.57940
20 0.68695 1.32534 1.72472 2.08596 2.52798 2.84534 3.55181
21 0.68635 1.32319 1.72074 2.07961 2.51765 2.83136 3.52715
22 0.68581 1.32124 1.71714 2.07387 2.50832 2.81876 3.50499
23 0.68531 1.31946 1.71387 2.06866 2.49987 2.80734 3.48496
24 0.68485 1.31784 1.71088 2.06390 2.49216 2.79694 3.46678
25 0.68443 1.31635 1.70814 2.05954 2.48511 2.78744 3.45019
26 0.68404 1.31497 1.70562 2.05553 2.47863 2.77871 3.43500
27 0.68368 1.31370 1.70329 2.05183 2.47266 2.77068 3.42103
28 0.68335 1.31253 1.70113 2.04841 2.46714 2.76326 3.40816
29 0.68304 1.31143 1.69913 2.04523 2.46202 2.75639 3.39624
30 0.68276 1.31042 1.69726 2.04227 2.45726 2.75000 3.38518
31 0.68249 1.30946 1.69552 2.03951 2.45282 2.74404 3.37490
32 0.68223 1.30857 1.69389 2.03693 2.44868 2.73848 3.36531
33 0.68200 1.30774 1.69236 2.03452 2.44479 2.73328 3.35634
34 0.68177 1.30695 1.69092 2.03224 2.44115 2.72839 3.34793
35 0.68156 1.30621 1.68957 2.03011 2.43772 2.72381 3.34005
36 0.68137 1.30551 1.68830 2.02809 2.43449 2.71948 3.33262
(69)
df untuk penyebut
(N2)
df untuk pembilang (N1)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 161 199 216 225 230 234 237 239 241 242 243 244 245 245 246
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.42 19.43
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.73 8.71 8.70
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.89 5.87 5.86
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.66 4.64 4.62
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.98 3.96 3.94
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.55 3.53 3.51
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.26 3.24 3.22
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.05 3.03 3.01
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.89 2.86 2.85
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.76 2.74 2.72
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.66 2.64 2.62
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.58 2.55 2.53
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.51 2.48 2.46
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.45 2.42 2.40
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.40 2.37 2.35
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.35 2.33 2.31
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.31 2.29 2.27
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.28 2.26 2.23
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.25 2.22 2.20
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.22 2.20 2.18
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.20 2.17 2.15
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.18 2.15 2.13
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.15 2.13 2.11
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.14 2.11 2.09
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.12 2.09 2.07
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.10 2.08 2.06
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.09 2.06 2.04
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.08 2.05 2.03
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.06 2.04 2.01
31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15 2.11 2.08 2.05 2.03 2.00
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14 2.10 2.07 2.04 2.01 1.99
33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13 2.09 2.06 2.03 2.00 1.98
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12 2.08 2.05 2.02 1.99 1.97
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11 2.07 2.04 2.01 1.99 1.96
36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11 2.07 2.03 2.00 1.98 1.95
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10 2.06 2.02 2.00 1.97 1.95
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.99 1.96 1.94
(70)
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.
Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.
[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Produk Domestik Regional Bruto Kota Medan. BPS PROVSU. Medan.
Iswardono. 1981. Analisis Regresi dan Korelasi. BPFE. Yogyakarta. Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta. Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.
Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Tarsito. Bandung.
[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua. Medan.
http://junaidichaniago.wordpress.com
(71)
OUTPUT SPSS
Regression
Variables Entered/Removeda
Model Variables Entered
Variables
Removed Method
1 Sektor Industri Pengolahan, Sektor Pertambangan serta Penggalianb
. Enter
a. Dependent Variable: Indeks Perkembangan PDRB b. All requested variables entered.
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .998a .995 .994 11.71227
a. Predictors: (Constant), Sektor Industri Pengolahan, Sektor Pertambangan serta Penggalian
b. Dependent Variable: Indeks Perkembangan PDRB
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 278812.568 2 139406.284 1016.250 .000b
Residual 1371.772 10 137.177
Total 280184.340 12
a. Dependent Variable: Indeks Perkembangan PDRB
(72)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -3.746 9.316 -2.116 .060
Sektor
Pertambangan serta Penggalian
Sektor Industri Pengolahan
-.118 .037 -.120 -3.170 .010
1.366 .047 1.092 28.932 .000
a. Dependent Variable: Indeks Perkembangan PDRB
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 105.0854 538.4949 280.6823 152.42828 13
Residual -19.32634 19.53699 .00000 10.69179 13
Std. Predicted Value -1.152 1.691 .000 1.000 13
Std. Residual -1.650 1.668 .000 .913 13
(73)
(74)
(75)
Correlations
Correlations
Sektor Pertambangan serta Penggalian
Sektor Industri Pengolahan
Indeks Perkembangan
PDRB Sektor Pertambangan
serta Penggalian
Pearson Correlation 1 .810** .765**
Sig. (2-tailed) .001 .002
N 13 13 13
Sektor Industri Pengolahan
Pearson Correlation .810** 1 .995**
Sig. (2-tailed) .001 .000
N 13 13 13
Indeks Perkembangan PDRB
Pearson Correlation .765** .995** 1
Sig. (2-tailed) .002 .000
N 13 13 13
(76)
Pr Df
0.25 0.1 0.05 0.025 0.01 0.005 0.001
0.5 0.2 0.1 0.05 0.02 0.01 0.002
1 1.00000 3.07768 6.31375 12.70620 31.82052 63.65674 318.30884
2 0.81650 1.88562 2.91999 4.30265 6.96456 9.92484 22.32712
3 0.76489 1.63774 2.35336 3.18245 4.54070 5.84091 10.21453
4 0.74070 1.53321 2.13185 2.77645 3.74695 4.60409 7.17318
5 0.72669 1.47588 2.01505 2.57058 3.36493 4.03214 5.89343
6 0.71756 1.43976 1.94318 2.44691 3.14267 3.70743 5.20763
7 0.71114 1.41492 1.89458 2.36462 2.99795 3.49948 4.78529
8 0.70639 1.39682 1.85955 2.30600 2.89646 3.35539 4.50079
9 0.70272 1.38303 1.83311 2.26216 2.82144 3.24984 4.29681
10 0.69981 1.37218 1.81246 2.22814 2.76377 3.16927 4.14370
11 0.69745 1.36343 1.79588 2.20099 2.71808 3.10581 4.02470
12 0.69548 1.35622 1.78229 2.17881 2.68100 3.05454 3.92963
13 0.69383 1.35017 1.77093 2.16037 2.65031 3.01228 3.85198
14 0.69242 1.34503 1.76131 2.14479 2.62449 2.97684 3.78739
15 0.69120 1.34061 1.75305 2.13145 2.60248 2.94671 3.73283
16 0.69013 1.33676 1.74588 2.11991 2.58349 2.92078 3.68615
17 0.68920 1.33338 1.73961 2.10982 2.56693 2.89823 3.64577
18 0.68836 1.33039 1.73406 2.10092 2.55238 2.87844 3.61048
19 0.68762 1.32773 1.72913 2.09302 2.53948 2.86093 3.57940
20 0.68695 1.32534 1.72472 2.08596 2.52798 2.84534 3.55181
21 0.68635 1.32319 1.72074 2.07961 2.51765 2.83136 3.52715
22 0.68581 1.32124 1.71714 2.07387 2.50832 2.81876 3.50499
23 0.68531 1.31946 1.71387 2.06866 2.49987 2.80734 3.48496
24 0.68485 1.31784 1.71088 2.06390 2.49216 2.79694 3.46678
25 0.68443 1.31635 1.70814 2.05954 2.48511 2.78744 3.45019
26 0.68404 1.31497 1.70562 2.05553 2.47863 2.77871 3.43500
27 0.68368 1.31370 1.70329 2.05183 2.47266 2.77068 3.42103
28 0.68335 1.31253 1.70113 2.04841 2.46714 2.76326 3.40816
29 0.68304 1.31143 1.69913 2.04523 2.46202 2.75639 3.39624
30 0.68276 1.31042 1.69726 2.04227 2.45726 2.75000 3.38518
31 0.68249 1.30946 1.69552 2.03951 2.45282 2.74404 3.37490
32 0.68223 1.30857 1.69389 2.03693 2.44868 2.73848 3.36531
33 0.68200 1.30774 1.69236 2.03452 2.44479 2.73328 3.35634
34 0.68177 1.30695 1.69092 2.03224 2.44115 2.72839 3.34793
35 0.68156 1.30621 1.68957 2.03011 2.43772 2.72381 3.34005
36 0.68137 1.30551 1.68830 2.02809 2.43449 2.71948 3.33262
(1)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta
1 (Constant) -3.746 9.316 -2.116 .060
Sektor
Pertambangan serta Penggalian
Sektor Industri Pengolahan
-.118 .037 -.120 -3.170 .010
1.366 .047 1.092 28.932 .000 a. Dependent Variable: Indeks Perkembangan PDRB
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N Predicted Value 105.0854 538.4949 280.6823 152.42828 13
Residual -19.32634 19.53699 .00000 10.69179 13
Std. Predicted Value -1.152 1.691 .000 1.000 13
Std. Residual -1.650 1.668 .000 .913 13
(2)
(3)
(4)
Correlations
Correlations
Sektor Pertambangan serta Penggalian
Sektor Industri Pengolahan
Indeks Perkembangan
PDRB Sektor Pertambangan
serta Penggalian
Pearson Correlation 1 .810** .765**
Sig. (2-tailed) .001 .002
N 13 13 13
Sektor Industri Pengolahan
Pearson Correlation .810** 1 .995**
Sig. (2-tailed) .001 .000
N 13 13 13
Indeks Perkembangan PDRB
Pearson Correlation .765** .995** 1
Sig. (2-tailed) .002 .000
N 13 13 13
(5)
Tabel Distribusi t
Pr Df
0.25 0.1 0.05 0.025 0.01 0.005 0.001
0.5 0.2 0.1 0.05 0.02 0.01 0.002
1 1.00000 3.07768 6.31375 12.70620 31.82052 63.65674 318.30884
2 0.81650 1.88562 2.91999 4.30265 6.96456 9.92484 22.32712
3 0.76489 1.63774 2.35336 3.18245 4.54070 5.84091 10.21453
4 0.74070 1.53321 2.13185 2.77645 3.74695 4.60409 7.17318
5 0.72669 1.47588 2.01505 2.57058 3.36493 4.03214 5.89343
6 0.71756 1.43976 1.94318 2.44691 3.14267 3.70743 5.20763
7 0.71114 1.41492 1.89458 2.36462 2.99795 3.49948 4.78529
8 0.70639 1.39682 1.85955 2.30600 2.89646 3.35539 4.50079
9 0.70272 1.38303 1.83311 2.26216 2.82144 3.24984 4.29681
10 0.69981 1.37218 1.81246 2.22814 2.76377 3.16927 4.14370
11 0.69745 1.36343 1.79588 2.20099 2.71808 3.10581 4.02470
12 0.69548 1.35622 1.78229 2.17881 2.68100 3.05454 3.92963
13 0.69383 1.35017 1.77093 2.16037 2.65031 3.01228 3.85198
14 0.69242 1.34503 1.76131 2.14479 2.62449 2.97684 3.78739
15 0.69120 1.34061 1.75305 2.13145 2.60248 2.94671 3.73283
16 0.69013 1.33676 1.74588 2.11991 2.58349 2.92078 3.68615
17 0.68920 1.33338 1.73961 2.10982 2.56693 2.89823 3.64577
18 0.68836 1.33039 1.73406 2.10092 2.55238 2.87844 3.61048
19 0.68762 1.32773 1.72913 2.09302 2.53948 2.86093 3.57940
20 0.68695 1.32534 1.72472 2.08596 2.52798 2.84534 3.55181
21 0.68635 1.32319 1.72074 2.07961 2.51765 2.83136 3.52715
22 0.68581 1.32124 1.71714 2.07387 2.50832 2.81876 3.50499
23 0.68531 1.31946 1.71387 2.06866 2.49987 2.80734 3.48496
24 0.68485 1.31784 1.71088 2.06390 2.49216 2.79694 3.46678
25 0.68443 1.31635 1.70814 2.05954 2.48511 2.78744 3.45019
26 0.68404 1.31497 1.70562 2.05553 2.47863 2.77871 3.43500
27 0.68368 1.31370 1.70329 2.05183 2.47266 2.77068 3.42103
28 0.68335 1.31253 1.70113 2.04841 2.46714 2.76326 3.40816
29 0.68304 1.31143 1.69913 2.04523 2.46202 2.75639 3.39624
30 0.68276 1.31042 1.69726 2.04227 2.45726 2.75000 3.38518
31 0.68249 1.30946 1.69552 2.03951 2.45282 2.74404 3.37490
32 0.68223 1.30857 1.69389 2.03693 2.44868 2.73848 3.36531
33 0.68200 1.30774 1.69236 2.03452 2.44479 2.73328 3.35634
34 0.68177 1.30695 1.69092 2.03224 2.44115 2.72839 3.34793
35 0.68156 1.30621 1.68957 2.03011 2.43772 2.72381 3.34005
36 0.68137 1.30551 1.68830 2.02809 2.43449 2.71948 3.33262
(6)
Tabel Distribusi F untuk
�
=
�
,
��
df untuk penyebut
(N2)
df untuk pembilang (N1)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 161 199 216 225 230 234 237 239 241 242 243 244 245 245 246
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.42 19.43
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.73 8.71 8.70
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.89 5.87 5.86
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.66 4.64 4.62
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.98 3.96 3.94
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.55 3.53 3.51
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.26 3.24 3.22
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.05 3.03 3.01
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.89 2.86 2.85
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.76 2.74 2.72
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.66 2.64 2.62
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.58 2.55 2.53
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.51 2.48 2.46
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.45 2.42 2.40
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.40 2.37 2.35
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.35 2.33 2.31
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.31 2.29 2.27
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.28 2.26 2.23
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.25 2.22 2.20
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.22 2.20 2.18
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.20 2.17 2.15
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.18 2.15 2.13
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.15 2.13 2.11
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.14 2.11 2.09
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.12 2.09 2.07
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.10 2.08 2.06
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.09 2.06 2.04
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.08 2.05 2.03
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.06 2.04 2.01
31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15 2.11 2.08 2.05 2.03 2.00
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14 2.10 2.07 2.04 2.01 1.99
33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13 2.09 2.06 2.03 2.00 1.98
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12 2.08 2.05 2.02 1.99 1.97
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11 2.07 2.04 2.01 1.99 1.96
36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11 2.07 2.03 2.00 1.98 1.95
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10 2.06 2.02 2.00 1.97 1.95
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.99 1.96 1.94
39 4.09 3.24 2.85 2.61 2.46 2.34 2.26 2.19 2.13 2.08 2.04 2.01 1.98 1.95 1.93
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.04 2.00 1.97 1.95 1.92