Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara
TUGAS AKHIR
RAPIKA HANI
112407110
PROGRAM STUDI DIPLOMA 3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
(2)
SUMATERA UTARA
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
RAPIKA HANI
112407110
PROGRAM STUDI DIPLOMA 3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
(3)
(4)
Judul : Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara
Kategori : Tugas Akhir
Nama : Rapika Hani
Nomor Induk Mahasiswa : 112407110
Program Studi : D3 Statistika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara
Disetujui di Medan, Juni 2014
Disetujui Oleh:
Program Studi D3 Statistika FMIPA USU
Ketua, Pembimbing,
Dr. Faigiziduhu Bu’ulölö, M.Si Drs. Rachmad Sitepu, M.Si
(5)
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS
PEMBANGUNAN MANUSIA DI
SUMATERA UTARA
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan masing-masing disebutkan sumbernya.
Medan, Juni 2014
RAPIKA HANI 112407110
(6)
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara.
Terimakasih penulis sampaikan kepada Bapak Drs. Rachmad Sitepu, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda H. Rusli dan Ibunda Hj. Hayati serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
(7)
Halaman
PERSETUJUAN i
PERNYATAAN ii
PENGHARGAAN iii
DAFTAR ISI iv
DAFTAR TABEL vi
DAFTAR GAMBAR vii
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 4
1.3 Batasan Masalah 5
1.4 Maksud dan Tujuan Penelitian 5
1.4.1 Maksud 5
1.4.2 Tujuan 5
1.5 Manfaat Penelitian 6
1.6 Metode Penelitian 6
1.7 Metode Analisis yang Digunakan 7
1.8 Lokasi dan Waktu Penelitian 7
1.9 Tinjauan Pustaka 8
1.10 Sistematika Penulisan 10
BAB 2 LANDASAN TEORI 12
2.1 Pengertian Analisis Regresi 12
2.2 Persamaan Regresi 13
2.3 Regresi Linear Sederhana 14
2.4 Regresi Linier Berganda 15
2.5 Kesalahan Standart Estimasi 18
2.6 Koefisien Determinasi 19
2.7 Koefisien Korelasi 20
2.8 Uji Regresi Linier Berganda 24
2.9 Uji Koefisien Regresi Linier Berganda 26
BAB 3 GAMBARAN UMUM BADAN PUSAT STATISTIK 29
(8)
3.2.3 Kewenangan 30
3.3 Visi dan Misi BPS 31
3.3.1 Visi 31
3.3.2 Fungsi 31
3.4 Struktur Organisasi BPS 32
3.5 Logo BPS 33
BAB 4 PENGOLAHAN DATA 34
4.1 Pengolahan Data 34
4.2 Persamaan Regresi Linier Berganda 36
4.3 Kesalahan Standar Estimasi 43
4.4 Koefisien Determinasi 44
4.5 Menghitung Koefisien Korelasi Antar Variabel Dependen
(Y) dengan variabel Independen ( ) 41
4.6 Menghitung Koefisien Korelasi Antar Variabel Independen
( ) dengan Variabel Independen ( ) 43
4.7 Uji Regresi Berganda 53
4.8 Uji Koefisien Regresi Linier Berganda 56
BAB 5 IMPLEMENTASI SISTEM 63
5.1 Pengertian Implementasi Sistem 63
5.2 Program Excel 2007 63
5.2.1 Pengisian Data 63
5.3 Program SPSS 64
5.3.1 Cara Kerja SPSS 64
5.3.2 Pengolahan Data dengan Analisis Regresi 68
5.3.3 Menguji Validitas Model Regresi 83
BAB 6 PENUTUP 91
6.1 Kesimpulan 91
6.2 Saran 93
(9)
Nomor Judul Halaman Tabel
Tabel 2.1 Interpretasi Koefisien Kolerasi Nilai r 23
Tabel 4.1 Faktor yang Mempengaruhi Angka IPM Sumatera Utara 35
Tabel 4.2 Nilai-Nilai yang Dibutuhkan Untuk Menghitung Koefisien
Regresi Linier Berganda 37
Tabel 4.3 Nilai–Nilai Untuk Menghitung Kesalahan Standar Estimasi 43
Tabel 4.4 Nilai-Nilai Untuk Menghitung Koefisien Determinasi 45
Tabel 5.1 Bagian Descriptive Statistics 69
Tabel 5.2 Bagian Correlations 71
Tabel 5.3 Bagian Variabel Entered/Removed 74
Tabel 5.4 Bagian Model Summary 74
Tabel 5.5 Bagian ANOVA 76
Tabel 5.6 Bagian Coefficients 78
Tabel 5.7 Bagian Casewise Diagnostics 81
Tabel 5.8 Bagian Residual Statistics 82
Tabel 5.9 Bagian Model Summary 84
(10)
Nomor Judul Halaman Gambar
Gambar 2.1 Pola Garis Lurus 14
Gambar 2.2 Korelasi Positif 21
Gambar 2.3 Korelasi Negatif 22
Gambar 2.4 Korelasi Nol 22
Gambar 3.1 Struktur Organisasi BPS Provinsi 32
Gambar 3.2 Logo BPS 33
Gambar 5.1 Input Data dalam Excel 64
Gambar 5.2 Kotak Dialog Awal SPSS 65
Gambar 5.3 Tampilan Jendela Data View dalam SPSS 65
Gambar 5.4 Prosedur Regresi Linear 69
Gambar 5.5 Kurva Uji t-Satistik 80
Gambar 5.6 Grafik Hubungan IPM dengan Persentase Jumlah
Penduduk Miskin 85
Gambar 5.7 Grafik Hubungan IPM dengan Laju Pertumbuhan
Ekonomi 86
Gambar 5.8 Grafik Hubungan IPM dengan Pengeluaran
Pemerintah 86
Gambar 5.9 Grafik Hubungan IPM dengan PDB 87
Gambar 5.10 Histogram Hubungan IPM dengan Persentase Jumlah
Penduduk Miskin 88
Gambar 5.11 Histogram Hubungan IPM dengan Laju Pertumbuhan
Ekonomi 88
Gambar 5.12 Histogram Hubungan IPM dengan Pengeluaran
Pemerintah 89
(11)
BAB 1
PENDAHULUAN
1.1Latar Belakang
Indeks Pembangunan Manusia (IPM) atau Human Deploment Index (HDI)
merupakan Salah satu cara dalam menilai keberhasilan pembangunan suatu Negara, khususnya terkait dengan keberhasilan meningkatkan kesejahteraan rakyat adalah dengan menggunakan indikator sebagaimana yang digunakan oleh
United Nation Development Program (UNDP) (Ali, Mohammad, 2009).
Angka IPM disajikan pada tingkat nasional, provinsi, dan kabupaten atau kota. Penyajian angka IPM menurut daerah memungkinkan setiap provinsi dan kabupaten atau kota mengetahui gambaran pembangunan manusia baik pencapaian, posisi, maupun disparitas antar daerah. Dengan mengetahui gambaran pembangunan manusia di seluruh daerah, maka diharapkan setiap daerah dapat berpacu untuk berupaya meningkatkan kinerja pembangunan melalui peningkatan kapasitas dasar penduduk.
Berdasarkan standar ketetapan yang di gunakan UNDP, skala IPM berkisar 0-100 dengan jabaran sebagai berikut:
a) ≤ 50 artinya terbelakang (kesejahteraan rendah)
b) 51-64 artinya kesejahteraan menengah ke bawah
c) 65-79 artinya kesejahteraan menengah ke atas
(12)
Menurut laporan pembangunan manusia 2003 oleh program pembangunan Perserikatan Bangsa-Bangsa UNDP sebagaimana dikutip oleh Mar’ei muhammad (2003) menyatakan bahwa IPM di indonesia 2001 mengalami penurunan dibandingkan 2000 yaitu dari 175 negara Indonesia berada diperingkat ke-112 lebih rendah ketimbang tahun 2000 yang menempati urutan ke 110. Dan peringkat Indonesia lebih rendah dibandingkan Philipina, Thailand bahkan Vietnam tetapi lebih baik daripada Kamboja dan Myanmar.
Berdasarkan data BPS tahun 2012, untuk urutan Nasioanal Provinsi Sumatera Utara berada pada urutan 7 setelah Kalimantan Tengah di posisi ke-6, Riau urutan ke-5 dan Kalimanan Timur diurutan ke-4. Dari tahun ke tahun IPM Sumatera Utara terus mengalami kenaikan. Di tahun 2004 dengan angka 71,40 menjadi 72,03 di tahun 2005 dan ditahun 2006 menjadi 72,5 kemudian meningkat menjadi 72,78 tahun 2007 dan 73,29 ditahun 2008 dan mengalami kenaikan ditahun 2009 dengan angka 73,58. Komponen-komponen IPM Sumatera Utara juga terus mengalami kenaikan.
Menurut skala IPM yang ditetapkan oleh UNDP maka provinsi Sumatera Utara berada pada kesejahteraan menegah keatas. Sehingga rencana pemerintah untuk menjadikan Sumatera Utara menjadi pelopor penyusunan rancangan atau
grand design merupakan suatu kebijakan yang tepat. Sekretaris Daerah Provinsi Sumatera Utara, Nurdin Lubis menyatakan Apabila Sumatera Utara dijadikan sebagai pedoman dengan pergub (peraturan gubernur) untuk dilaksanakan maka kebijakan tersebut akan diikuti oleh provinsi lain (Koran Kompas 04 maret 2014).
Hasil Survei Sosial Ekonomi Nasional (Susenas) yang dilaksanakan pada bulan Maret 2008 menunjukkan bahwa jumlah penduduk miskin di Provinsi
(13)
Sumatera Utara sebanyak 1.613.800 orang, atau sebesar 12,55% terhadap jumlah penduduk seluruhnya. Namun, kondisi ini masih lebih baik jika dibandingkan pada tahun 2007 karena jumlah penduduk miskin di Sumatera Utara menurun sekitar 154.600 orang. Pada tahun 2007, penduduk miskin Sumatera Utara sebanyak 1.768.400 orang, atau 13,90 persen dan turun menjadi 1 613 800 orang atau 12,55 persen ditahun 2008 dari jumlah penduduk pada saat itu. Penurunan jumlah penduduk miskin di Sumatera Utara mengindikasikan bahwa dampak dari program-program pengentasan kemiskinan yang dilakukan oleh Pemerintah cukup berperan dalam menurunkan penduduk miskin di daerah ini (BPS Sumatera Utara).
Sementara itu petumbuhan ekonomi Sumatera Utara terus mengalami peningkatan. Meskipun pada tahun 2004 pertumbuhan ekonomi sebesar 6,4% lebih buruk jika dibandingkan tahun 2003 sebesar 7,4%. Namun, pada tahun 2005 pertumbuhan ekonomi Sumatera Utara sebesar 6,5% yang terus mengalami kenaikan. Pada tahun 2006 sebesar 9,3%. Sedangkan pada triwulan I-2007 perekonomian Sumatera Utara mengalami kenaikan sebesar 2,97% dibandingkan triwulan sebelumnya yang digambarkan oleh PDRB atas dasar harga konstan 2000 dan ditahun 2009 tumbuh sebesar 5,07% (BPS Sumatera Utara).
Pengeluaran pemerintah provinsi Sumatera Utara dari tahun ke tahun juga cenderung mengalami peningkatan. Besar kecilnya pengeluaran sangat dipengaruhi atau sangat tergantung pada besar kecilnya penerimaan. Anggaran tahun 2001 pengeluaran mengalami peningkatan sebesar Rp 916,2 milyar naik ditahun 2002 menjadi Rp. 1021,3 milyar atau naik sebesar 9,40 persen. Anggaran tahun 2003 realisasi pengeluaran pemerintah mengalami peningkatan menjadi
(14)
sebesar Rp 1352 milyar pada tahun anggaran 2003. pada tahun 2004, tahun 2005, tahun 2006 dan tahun 2007 secara berurut angka ini meningkat menjadi Rp. 1.501,5 milyar, Rp. 1.830,6 milyar, Rp 2184,6 milyar dan Rp 2717,9 milyar (BPS Sumatera Utara).
Selain itu, PDB di provinsi Sumatera Utara cenderung mengalami peningkatan yang fantastik. Meskipun ditinjau pada tahun 1991 angka PDB 16.387,0 Milyar kemudian tahun selanjutnya, 1992 angka PDB hanya mampu mencapai angka 16.855,1 Milyar suatu peningkatan yang sangat rendah. Namun pada tahun 2002 angka PDB mampu mencapai angka 89.670,1 Milyar kemudian disusul 2003 yang mencapai angka 103.401,3 Milyar (BPS Sumatera Utara).
Berdasarkan latar belakang, maka penulis mengusulkan judul
“Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara”.
1.2Rumusan Masalah
Adapun yang menjadi rumusan masalah yang akan diambil dalam tugas akhir ini adalah:
1.Apakah faktor-faktor yang mempengaruhi IPM di Sumatera Utara.
2.Berapakah besar nilai faktor-faktor yang mempengaruhi IPM di Sumatera Utara.
3. Bagaimana hubungan korelasi antara faktor-faktor IPM di Sumatera Utara.
(15)
Terdapat begitu banyak faktor yang dapat mempengaruhi IPM dan penelitian diharapkan menghasilkan data atau informasi yang lebih jelas serta mudah dimengerti bagi setiap pembaca, maka penulis membatasi pokok permasalahan kepada empat variabel yang mempengaruhi IPM dengan menggunakan analisis regresi linier berganda. Variabel tersebut antara lain, persentase jumlah penduduk miskin (%), laju pertumbuhan ekonomi (%), pengeluaran pemerintah (Rp.Milyar) dan Produk Domestik Bruto (Rp.Milyar). Penulis beranggapan bahwa keempat variabel inilah yang lebih berperan penting terhadap Indeks Pembangunan Manusia di Sumatera Utara.
1.4Maksud dan Tujuan Penelitian
1.4.1 Maksud
Adapun maksud dari penelitian ini adalah untuk mengamati dan memberikan penyajian data mengenai IPM di Sumatera Utara selama 20 tahun berdasarkan tahun 1990-2009 yang diharapkan dapat dipergunakan bagi pihak-pihak yang membutuhkannya agar dapat mengambil suatu keputusan atau kebijakan yang sifatnya membangun.
1.4.2 Tujuan
Tujuan penulis dalam penelitian ini adalah sebagai berikut:
a. Agar dapat menentukan model regresi linier berganda yang dapat digunakan
untuk pemodelan IPM di Sumatera Utara berdasarkan variabel-variabel yang mempengaruhinya.
(16)
b. Agar dapat mengetahui perkembangan IPM khususnya di wilayah Sumatera Utara.
c. Agar pemerintah pusat dan daerah Sumatera Utara dapat mengambil tindakan
yang akan dilaksanakan untuk tahun-tahun berikutnya guna meningkatkan angka IPM di Sumatera Utara.
1.5Manfaat Penelitian
Sebagai bahan masukan dan menambah wawasan bagi orang lain mengenai IPM di Sumatera Utara.
1.6Metode Penelitian
Metode penelitian adalah 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 terwujud.
Metode yang digunakan dalam penelitian ini adalah dengan cara sebagai berikut:
a. Penelitian Kepustakaan, yaitu penulis melakukan dengan mencari
informasi di internet, membaca buku-buku di perpustakaan dan Badan Pusat Statistik (BPS) yang berkaitan dengan IPM khususnya di wilayah Sumatera Utara.
b. Penelitian Laporan, yaitu metode pengumpulan data untuk
(17)
Penelitian ini dapat dibedakan berdasarkan sumbernya yaitu:
1. Data Primer, yaitu data yang diperoleh langsung dari sumbernya,
diamati dan dicatat untuk pertama kalinya.
2. Data Sekunder, yaitu data yang tidak diusahakan sendiri
pengumpulannya oleh peneliti tetapi dikumpulkan oleh pihak lain, misalnya dari internet, Badan Pusat Statistik (BPS), kantor-kantor yang ada hubungannya atau publikasi lainnya.
Data yang digunakan penulis adalah data sekunder yang diperoleh dari internet dan Badan Pusat Statistik (BPS) Sumatera Utara. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk memperoleh gambaran yang jelas tentang data tersebut.
1.7 Metode Analisis yang Digunakan
Agar dapat mengetahui seberapa besar pengaruh persentase jumlah penduduk miskin, laju pertumbuhan ekonomi, pengeluaran pemerintah dan PDB terhadap angka IPM, maka data yang telah diperoleh penulis akan dianalisis menggunakan regresi linier berganda.
1.8Lokasi dan Waktu Penelitian
Penelitian atau pengumpulan data yang dilakukan penulis mengenai faktor -faktor yang mempengaruhi angka IPM diperoleh dari buku tahunan yaitu Sumatera Utara Dalam Angka 2012 di BPS Sumut. Pengambilan data diatas dilakukan pada saat penulis melakukan riset yang berlangsung mulai tanggal 17 Maret 2014.
(18)
1.9 Tinjauan Pustaka
IPM merupakan indikator komposit tunggal walaupun tidak mengukur semua dimensi yang ada dari pembangunan manusia yang dinilai mencerminkan status
kemampuan dasar (basic capabilities) penduduk. IPM disusun dari tiga komponen
yaitu lamanya hidup diukur dengan harapan hidup pada saat lahir, tingkat pendidikan diukur dengan kombinasi antara angka melek huruf pada penduduk dewasa (dengan bobot dua per tiga) dan rata-rata lama sekolah (dengan bobot
sepertiga), tingkat kehidupan yang layak, diukur dengan pengeluaran per kapita
yang telah disesuaikan (BPS, Sumatera Utara dalam angka 2012).
Menyatakan perubahan nilai variabel itu dapat pula disebabakan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan kita untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya. (Algifri, 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 dependen dengan variabel independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan
(19)
Hubungan antara variabel dapat berupa linear ataupun tidak linear. Hubungan antara dua variabel pada persamaan linear jika digambarkan secara grafis (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus. Garis itu disebut dengan garis regresi. Regresi yang berarti peramalan, penaksiran, atau pendugaan. Analisa regresi digunakan untuk menetukan bentuk dari hubungan natar variabel. Tujuan utama analisis ini adalah untuk meramalkan atau memperkirakan nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya. (Hasan, 2003).
Regresi linear merupakan pengaruh hubungan linear antara variabel satu dengan yang lainnya dalam bentuk ketergantungan (dependency) satu dengan yang lain. Tujuan regresi linear adalah membuat model hubungan antara variabel terikat (dependent) dengan variabel bebas (independent) dan meramalkannya. (Adiningsih, 1993).
Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel
bebas (predictor variable) 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, 2002).
Analisis hubungan antarvariabel secara garis besar ada dua, yaitu analisis korelasi dan analisis regresi. Kedua analisis tersebut saling terkait. Analisis korelasi menyatakan derajat keeratan hubungan antarvariabel, sedangkan analisis regresi digunakan dalam peramalan variabel dependent berdasar variabel-variabel independennya (Trihendradi, 2009).
(20)
Setelah mengetahui hubungan fungsional antara variabel-variabel dimana 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).
1.10 Sistematika Penulisan
Adapun sistematika penulisan yang akan dikemukakan dalam penulisan Tugas Akhir ini adalah sebagai berikut:
BAB 1 : PENDAHULUAN
Bab ini menjelaskan mengenai latar belakang masalah, maksud dan Bab ini menjelaskan latar belakang pengambilan judul, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, lokasi penelitian, tinjauan pustaka dan sistematika penelitian.
BAB 2 : LANDASAN TEORI
Bab ini menjelaskan tentang klasifikasi mengenai faktor-faktor yang mempengaruhi angka IPM. Dan menguraikan mengenai pengertian regresi, regresi linier sederhana, regresi linier berganda, membentuk persamaan regresi linier berganda, kesalahan baku regresi, koefisien
(21)
determinasi, koefisien kolerasi, uji regresi linier berganda dan uji koefisien regresi berganda
BAB 3 : GAMBARAN UMUM BADAN PUSAT STATISTIK
Bab ini memaparkan tentang sejarah singkat tempat riset yaitu Badan Pusat Statistik (BPS).
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan tentang analisi data dengan metode ragresi linier berganda dan analisis korelasi untuk melihat hubungan antar variabel.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini memaparkan tentang implementasi system yang digunakan untuk analisis penelitian yaitu program Microsoft Excel dan SPSS (Statistical Product and Service Solution) 17.0 for windows.
BAB 6 : PENUTUP
Bab ini merupakan penutup yang berisi kesimpulan yang diambil setelah pengolahan data dan analisa perhitungan serta saran-saran yang berupa masukan-masukan yang mungkin dapat bermanfaat untuk masa yang akan datang.
(22)
BAB 2
LANDASAN TEORI
2.1 Pengertian Analisis Regresi
Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang pengetahuan, terutama para peneliti yang dalam penelitiannya banyak menggunakan statistik sebagai dasar analisis maupun perancangan (Hartono, Drs.2004).
Regresi adalah suatu proses memperkirakan secara sistematis tantang apa yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memprediksi perubahan (Riduwan,Drs. M.B.A,2007).
Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan. Dengan demikian analisis regresi juga dapat diartikan sebagai analisis perkiraan. Karena merupakan suatu prediksi maka nilai prediksi tidak memberikan jawaban pasti tentang apa yang sedang dianalisis, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai rilnya, maka semakin
(23)
tepat persamaan regresi yang dibentuk. Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.
Berikut beberapa defenisi regresi menurut ahlinya yaitu:
1. Analisis regresi merupakan suatu teknik untuk membangun sebuah persamaan
garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan (Mason, 1996:489)
2. Persamaan regresi adalah suatu formula matematis yang menunjukkan
hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan variabel yang nilainya belum diketahui (Algifri, 2002: 2)
3. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bantuk
persamaan matematika yang menyatakan hubungan fungsional antar variabel-variabel (Sudjana, 2005: 310).
2.2 Persamaan Regresi
Model analisis regresi merupakan suatu model yang parameternya linier (biasanya fungsinya berbentuk garis lurus). Secara kuantitatif dapat digunakan untuk menganalisis pangaruh suatu variabel terhadap variabel lainnya. Analisis regresi menyangkut studi tentang hubungan antara suatu variabel Y yang disebut variabel respon atau variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya. Variabel X merupakan variabel predictor atau variabel independen yaitu variabel bebas (tidak dipengaruhi variabel lainnya) (Sugiyono. Dr, 2010).
(24)
Sifat hubungan antara variabel dalam persamaan regresi merupakan hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan penganalisisan data agar dapat diketahui apakah variabel-variabel tersebut berkolerasi. Sehingga membentuk sebuah pola garis lurus seperti gambar 2.1 berikut ini:
Gambar 2.1 pola garis lurus
Antara variabel babas (X) dan variabel terikat (Y) membentuk pola sebuah garis yang lurus, dan dalam aplikasinya jika nilai X meningkat maka nilai Y juga akan meningkat, jika nilai X mengalami penurunan maka nilai Y juga akan mengalami penurunan. Untuk mengetahui hubungan-hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu analisis regresi linier sederhana (simple analisis regresi) dan analisis regresi linier berganda (multiple analisis regresi).
(25)
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu perubahan regresi linier untuk populasi adalah sebagai berikut:
(2.1)
keterangan:
Y = Variabel tidak bebas (independent variabel)
= Konstanta regresi atau paremeter intersep (nilai Y, bila X = 0)
= Parameter slop (kemiringan garis regresi)
= Variabel bebas (dependent variable)
= Kesalahan ( Error )
Persamaan model regresi sederhana hanya memungkinkan bila pengaruh
yang ada itu hanya dari independent variabel (variabel bebas) terhadap dependent
variabel (variabel tak bebas). Jadi harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila koefisien korelasi positif maka harga b juga positif (Sudjana, 2005).
(26)
2.4 Regresi Linier Berganda
Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu variabel terikat (Y) dan satu variabel bebas (X) dengan satu predictor (a). pada regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan lebih dari satu untuk variabel bebas.
Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih
terhadap variabel terikatnya. Dengan demikian multiple regression (regresi
berganda) digunakan untuk untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika diarahkan untuk menguji variabel-variabel yang ada (Supranto.J.MA.2009).
Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi atau perkiraan nilai Y dan nilai X. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:
Untuk populasi
(2.2)
Keterangan:
adalah koefisien atau parameter model.
(27)
(2.3)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (indepent variable)
= Kesalahan penggangu (disturbunce error)
Persamaan regresi linear berganda merupakan penyajian secara matematis dari regresi dimana variabel terikatnya Y dihubungkan atau dijelaskan lebih dari satu
variabel bebas ( ) namun masih menunjukkan diagram
hubungan yang linear. Bentuk umum persamaan penduga regresi linear berganda, yaitu:
(2.4)
Nilai dari koefisien dapat diselesaikan dengan cara sebagai
berikut:
(2.5)
(28)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (independent variable)
2.5 Kesalahan Standart Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan
standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi
menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan rumus:
(29)
(2.6)
Keterangan:
= Kesalahan standar estimasi
= Nilai sebenarnya
= Nilai regresi (penduga)
= banyak sampel
= Jumlah variabel bebas (Independent variable)
2.5 Kesalahan Standar Estimasi
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dan
akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Untuk
mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar
estimasi (standard error of estimate). Besarnya kesalahan standar estimasi
menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya. Sebaliknya, semakin besar nilai
(30)
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya.
Kesalahan standar estimasi atau selisih taksir standar regresi adalah nilai menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka penduga tersebut memiliki tingkat ketepatan 100%.
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan
kesalahan standar estimasi (standard error of estimate). Kesalahan standar
estimasi diberi simbol yang dapat ditentukan dengan menggunakan formulasi
sebagai berikut:
(2.7)
keterangan:
= kesalahan baku
= nilai data sebenarnya
= nilai taksiran
n = banyak ukuran sampel
(31)
2.6 Koefisien Determinasi
Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier
berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi keragaman total dalam variabel tak bebes (Y) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (X) yang ada didalam model persamaan
regresi linier berganda secara bersama-sama. Maka R2 akan ditentukan dengan
rumus, yaitu:
.
keterangan:
= Koefisien determinasi
= Regression Sum of Square
SST = Total Sum of Square
Semakin nilai dari kofisien determinasi mendekati positif 1, maka semakin baik nilai tersebut untuk meramalkan atau memprediksi dan akan lebih mendekati nilai yang sebenarnya.
2.7 Koefisien Korelasi
Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas, atau antara variabel bebas itu sendiri. Studi yang
(32)
membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi.
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel yang lain. Umumnya analisis korelasi digunakan, dalam hubungan dengan analisis regresi, untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel dependent.
Sandaran nilainya adalah, -1 1. Semakin tinggi nilai koefisien
korelasi (semakin mendekati nilai 1) maka hubungan antara dua variabel tersebut semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya semakin rendah. Adapun jika nilainya bertanda negative, maka terjadi hubungan yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel lain akan turun.
a. Korelasi Positif
Jika suatu korelasi bertanda positif r > 0 maka gambar grafiknya seperti ditunjukkan oleh gambar 2.2 berikut:
(33)
Gambar 2.2 Korelasi Positif
Terjadinya korelasi positif apabila pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus).
b. Korelasi Negatif
Jika suatu korelasi betanda negatif r < 0 maka contoh gambar grafikya seperti ditunjukkan oleh gambar berikut:
(34)
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik).
c. Korelasi Nihil
Jika suatu korelasi tidak menunjukkan adanya hubungan r = 0 maka gambar grafiknya seperti ditunjukkan oleh gambar 2.4 berikut:
Gambar 2.4 korelasi nol
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan pada variabel yang lain dengan arah yang tidak teratur (acak). Artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel lain dan kadang diikuti dengan penurunan pada variabel lain.
Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “r”.
(35)
Tabel 2.1. Interpretasi Koefisien Kolerasi Nilai r
Interval Koefisien Tingkat Hubungan
Sangat Kuat Kuat Cukup Kuat
Rendah Sangat Rendah
Koefisien korelasi antara variabel yang satu dengan yang lainnya dapat ditentukan dengan rumus sebagai berikut:
(2.9)
keterangan:
ryx = koefisien korelasi
Xki = Variabel independent
Yi = Variabel bebas dependent
Rumus koefisien korelasi antara variabel satu dengan variabel lainnya dapat dilihat sebagai berikut:
1. Koefisi
(36)
(2.10)
2. Koefisien kolerasi antara X2 dengan Y
(2.11)
3. Koefisien kolerasi antara X3 dengan Y
(2.12)
4. Koefisien kolerasi antara X4 dengan Y
keterangan:
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
(37)
Pengujian hipotesis bagi koefisien-koefisien regresi linear berganda dapat dilakukan secara serentak atau keseluruhan.
Uji regresi linier berganda perlu dilakukan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas. Pengujian Hipotesis Serentak. Pengujian ini dapat dicari dengan menggunakan rumus uji statistik F, yaitu:
(2.14)
keterangan:
JKreg : Jumlah kuadrat regresi
JKres : Jumlah kuadrat residu (sisa)
(n-k-1) : Derajat kebebasan
(2.15)
keterangan:
x1i = X1i -
x2i = X2i -
(38)
(2.16)
Dalam pengujian persamaan regresi terutama menguji hipotesis tentang parameter koefisien regresi secara keseluruhan melibatkan intersep serta k buah variabel penjelasan sebagai berikut:
(2.17)
Dengan persamaan penduganya adalah:
(2.18)
keterangan:
merupakan penduga bagi parameter
Langkah-langkah yang dilakukan dalam pengujian hipotesis adalah sebagai berikut:
1. Menentukan formulasi hipotesis
H0 : β1 = β2 = … = βk = 0 (X1, X2, ... , Xk tidak mempengaruhi Y)
H1 : (X1, X2, ... , Xk mempengaruhi Y)
2. Menentukan taraf nyata α dan Ftabel
Pilih taraf nyata α yang diinginkan, biasanya 5%, 1%, dan 10%
Ftabel dapat dilihat dari daftar tabel dengan V1 = k dan V2 = n – k – 1
3. Menentukan kriteria pengujian
(39)
H0 ditolak apabila
4. Menentukan nilai statistik F
(2.19)
5. Membuat kesimpulan apakah H0 diterima atau ditolak
2.9 Uji Koefisien Regresi Linier Berganda
Keberartian adanya variabel-variabel bebas dalam regresi berganda perlu diuji untuk menunjukkan seberapa besar pengaruh yang diberikan variabel tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t (t student).
Secara umum rumus uji t adalah:
(2.20) Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.21)
Dimisalkan populasi mempunyai model regresi berganda sebagai berikut:
(2.22) Langkah-langkah pengujiannya adalah sebagai berikut:
(40)
, i = 1,2,…,k (Variabel independen (X1,X2,X3, X4)
tidak mempengaruhi variabel dependen (Y))
, i = 1,2,…,k (Minimal ada satu parameter koefisien regresi
yang tidak mempengaruhi variabel dependen (Y))
2. Menentukan taraf nyata α dan ttabel dengan derajat kebebasan df = n – k. Pilih
taraf nyata α yang diinginkan.
3. Kriteria Pengujian:
H0 diterima jika
H0 ditolak jika atau
4. Menentukan nilai statistik t
(2.23)
Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.24)
keterangan:
(41)
(42)
BAB 2
LANDASAN TEORI
2.1 Pengertian Analisis Regresi
Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang pengetahuan, terutama para peneliti yang dalam penelitiannya banyak menggunakan statistik sebagai dasar analisis maupun perancangan (Hartono, Drs.2004).
Regresi adalah suatu proses memperkirakan secara sistematis tantang apa yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memprediksi perubahan (Riduwan,Drs. M.B.A,2007).
Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan. Dengan demikian analisis regresi juga dapat diartikan sebagai analisis perkiraan. Karena merupakan suatu prediksi maka nilai prediksi tidak memberikan jawaban pasti tentang apa yang sedang dianalisis, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai rilnya, maka semakin
(43)
tepat persamaan regresi yang dibentuk. Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.
Berikut beberapa defenisi regresi menurut ahlinya yaitu:
1. Analisis regresi merupakan suatu teknik untuk membangun sebuah persamaan
garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan (Mason, 1996:489)
2. Persamaan regresi adalah suatu formula matematis yang menunjukkan
hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan variabel yang nilainya belum diketahui (Algifri, 2002: 2)
3. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bantuk
persamaan matematika yang menyatakan hubungan fungsional antar variabel-variabel (Sudjana, 2005: 310).
2.2 Persamaan Regresi
Model analisis regresi merupakan suatu model yang parameternya linier (biasanya fungsinya berbentuk garis lurus). Secara kuantitatif dapat digunakan untuk menganalisis pangaruh suatu variabel terhadap variabel lainnya. Analisis regresi menyangkut studi tentang hubungan antara suatu variabel Y yang disebut variabel respon atau variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya. Variabel X merupakan variabel predictor atau variabel independen yaitu variabel bebas (tidak dipengaruhi variabel lainnya) (Sugiyono. Dr, 2010).
(44)
Sifat hubungan antara variabel dalam persamaan regresi merupakan hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan penganalisisan data agar dapat diketahui apakah variabel-variabel tersebut berkolerasi. Sehingga membentuk sebuah pola garis lurus seperti gambar 2.1 berikut ini:
Gambar 2.1 pola garis lurus
Antara variabel babas (X) dan variabel terikat (Y) membentuk pola sebuah garis yang lurus, dan dalam aplikasinya jika nilai X meningkat maka nilai Y juga akan meningkat, jika nilai X mengalami penurunan maka nilai Y juga akan mengalami penurunan. Untuk mengetahui hubungan-hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu analisis regresi linier sederhana (simple analisis regresi) dan analisis regresi linier berganda (multiple analisis regresi).
(45)
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu perubahan regresi linier untuk populasi adalah sebagai berikut:
(2.1)
keterangan:
Y = Variabel tidak bebas (independent variabel)
= Konstanta regresi atau paremeter intersep (nilai Y, bila X = 0)
= Parameter slop (kemiringan garis regresi)
= Variabel bebas (dependent variable)
= Kesalahan ( Error )
Persamaan model regresi sederhana hanya memungkinkan bila pengaruh
yang ada itu hanya dari independent variabel (variabel bebas) terhadap dependent
variabel (variabel tak bebas). Jadi harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila koefisien korelasi positif maka harga b juga positif (Sudjana, 2005).
(46)
2.4 Regresi Linier Berganda
Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu variabel terikat (Y) dan satu variabel bebas (X) dengan satu predictor (a). pada regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan lebih dari satu untuk variabel bebas.
Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih
terhadap variabel terikatnya. Dengan demikian multiple regression (regresi
berganda) digunakan untuk untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika diarahkan untuk menguji variabel-variabel yang ada (Supranto.J.MA.2009).
Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi atau perkiraan nilai Y dan nilai X. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:
Untuk populasi
(2.2)
Keterangan:
adalah koefisien atau parameter model.
(47)
(2.3)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (indepent variable)
= Kesalahan penggangu (disturbunce error)
Persamaan regresi linear berganda merupakan penyajian secara matematis dari regresi dimana variabel terikatnya Y dihubungkan atau dijelaskan lebih dari satu
variabel bebas ( ) namun masih menunjukkan diagram
hubungan yang linear. Bentuk umum persamaan penduga regresi linear berganda, yaitu:
(2.4)
Nilai dari koefisien dapat diselesaikan dengan cara sebagai
berikut:
(2.5)
(48)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (independent variable)
2.5 Kesalahan Standart Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan
standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi
menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan rumus:
(49)
(2.6)
Keterangan:
= Kesalahan standar estimasi
= Nilai sebenarnya
= Nilai regresi (penduga)
= banyak sampel
= Jumlah variabel bebas (Independent variable)
2.5 Kesalahan Standar Estimasi
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dan
akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Untuk
mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar
estimasi (standard error of estimate). Besarnya kesalahan standar estimasi
menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya. Sebaliknya, semakin besar nilai
(50)
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya.
Kesalahan standar estimasi atau selisih taksir standar regresi adalah nilai menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka penduga tersebut memiliki tingkat ketepatan 100%.
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan
kesalahan standar estimasi (standard error of estimate). Kesalahan standar
estimasi diberi simbol yang dapat ditentukan dengan menggunakan formulasi
sebagai berikut:
(2.7)
keterangan:
= kesalahan baku
= nilai data sebenarnya
= nilai taksiran
n = banyak ukuran sampel
(51)
2.6 Koefisien Determinasi
Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier
berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi keragaman total dalam variabel tak bebes (Y) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (X) yang ada didalam model persamaan
regresi linier berganda secara bersama-sama. Maka R2 akan ditentukan dengan
rumus, yaitu:
.
keterangan:
= Koefisien determinasi
= Regression Sum of Square
SST = Total Sum of Square
Semakin nilai dari kofisien determinasi mendekati positif 1, maka semakin baik nilai tersebut untuk meramalkan atau memprediksi dan akan lebih mendekati nilai yang sebenarnya.
2.7 Koefisien Korelasi
Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas, atau antara variabel bebas itu sendiri. Studi yang
(52)
membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi.
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel yang lain. Umumnya analisis korelasi digunakan, dalam hubungan dengan analisis regresi, untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel dependent.
Sandaran nilainya adalah, -1 1. Semakin tinggi nilai koefisien
korelasi (semakin mendekati nilai 1) maka hubungan antara dua variabel tersebut semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya semakin rendah. Adapun jika nilainya bertanda negative, maka terjadi hubungan yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel lain akan turun.
a. Korelasi Positif
Jika suatu korelasi bertanda positif r > 0 maka gambar grafiknya seperti ditunjukkan oleh gambar 2.2 berikut:
(53)
Gambar 2.2 Korelasi Positif
Terjadinya korelasi positif apabila pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus).
b. Korelasi Negatif
Jika suatu korelasi betanda negatif r < 0 maka contoh gambar grafikya seperti ditunjukkan oleh gambar berikut:
(54)
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik).
c. Korelasi Nihil
Jika suatu korelasi tidak menunjukkan adanya hubungan r = 0 maka gambar grafiknya seperti ditunjukkan oleh gambar 2.4 berikut:
Gambar 2.4 korelasi nol
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan pada variabel yang lain dengan arah yang tidak teratur (acak). Artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel lain dan kadang diikuti dengan penurunan pada variabel lain.
Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “r”.
(55)
Tabel 2.1. Interpretasi Koefisien Kolerasi Nilai r
Interval Koefisien Tingkat Hubungan
Sangat Kuat Kuat Cukup Kuat
Rendah Sangat Rendah
Koefisien korelasi antara variabel yang satu dengan yang lainnya dapat ditentukan dengan rumus sebagai berikut:
(2.9)
keterangan:
ryx = koefisien korelasi
Xki = Variabel independent
Yi = Variabel bebas dependent
Rumus koefisien korelasi antara variabel satu dengan variabel lainnya dapat dilihat sebagai berikut:
1. Koefisi
(56)
(2.10)
2. Koefisien kolerasi antara X2 dengan Y
(2.11)
3. Koefisien kolerasi antara X3 dengan Y
(2.12)
4. Koefisien kolerasi antara X4 dengan Y
keterangan:
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
(57)
Pengujian hipotesis bagi koefisien-koefisien regresi linear berganda dapat dilakukan secara serentak atau keseluruhan.
Uji regresi linier berganda perlu dilakukan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas. Pengujian Hipotesis Serentak. Pengujian ini dapat dicari dengan menggunakan rumus uji statistik F, yaitu:
(2.14)
keterangan:
JKreg : Jumlah kuadrat regresi
JKres : Jumlah kuadrat residu (sisa)
(n-k-1) : Derajat kebebasan
(2.15)
keterangan:
x1i = X1i -
x2i = X2i -
(58)
(2.16)
Dalam pengujian persamaan regresi terutama menguji hipotesis tentang parameter koefisien regresi secara keseluruhan melibatkan intersep serta k buah variabel penjelasan sebagai berikut:
(2.17)
Dengan persamaan penduganya adalah:
(2.18)
keterangan:
merupakan penduga bagi parameter
Langkah-langkah yang dilakukan dalam pengujian hipotesis adalah sebagai berikut:
1. Menentukan formulasi hipotesis
H0 : β1 = β2 = … = βk = 0 (X1, X2, ... , Xk tidak mempengaruhi Y)
H1 : (X1, X2, ... , Xk mempengaruhi Y)
2. Menentukan taraf nyata α dan Ftabel
Pilih taraf nyata α yang diinginkan, biasanya 5%, 1%, dan 10%
Ftabel dapat dilihat dari daftar tabel dengan V1 = k dan V2 = n – k – 1
3. Menentukan kriteria pengujian
(59)
H0 ditolak apabila
4. Menentukan nilai statistik F
(2.19)
5. Membuat kesimpulan apakah H0 diterima atau ditolak
2.9 Uji Koefisien Regresi Linier Berganda
Keberartian adanya variabel-variabel bebas dalam regresi berganda perlu diuji untuk menunjukkan seberapa besar pengaruh yang diberikan variabel tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t (t student).
Secara umum rumus uji t adalah:
(2.20) Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.21)
Dimisalkan populasi mempunyai model regresi berganda sebagai berikut:
(2.22) Langkah-langkah pengujiannya adalah sebagai berikut:
(60)
, i = 1,2,…,k (Variabel independen (X1,X2,X3, X4)
tidak mempengaruhi variabel dependen (Y))
, i = 1,2,…,k (Minimal ada satu parameter koefisien regresi
yang tidak mempengaruhi variabel dependen (Y))
2. Menentukan taraf nyata α dan ttabel dengan derajat kebebasan df = n – k. Pilih
taraf nyata α yang diinginkan.
3. Kriteria Pengujian:
H0 diterima jika
H0 ditolak jika atau
4. Menentukan nilai statistik t
(2.23)
Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.24)
keterangan:
(61)
(62)
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1 Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain itu, BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran-ukuran lainnya.
Tugas utama BPS melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap provinsi, kabupaten dan kota di seluruh Indonesia. Dinamakan perwakilan BPS di daerah, karena BPS merupakan instansi vertikal, yakni instansi pemerintah pusat yang berada di daerah, sehingga bukan merupakan bagian dari instansi milik daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS menyelenggarakan:
1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol),
(63)
3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).
3.2Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.
3.2.1 Tugas
BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.
3.2.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan
fungsi:
1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.
2. Pengkoordinasian kegiatan statistik nasional dan regional.
3. Penetapan dan penyelenggaraan statistik dasar.
4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang
kegiatan statistik; dan
5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang
perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.
3.2.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai
kewenangan:
(64)
2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro,
3. Penetapan sistem informasi di bidangnya,
4. Penetapan dan penyelenggaraan statistik nasional,
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan
yang berlaku
3.3 Visi dan Misi BPS 3.3.1 Visi
Pelopor data statistik terpercaya untuk semua. 3.3.2 Misi
1. Memperkuat landasan konstitusional dan operasional lembaga statistik
untuk penyelenggaraan statistik yang efektif dan efisien.
2. Menciptakan insan statistik yang kompeten dan profesional, didukung
pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.
3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi,
pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.
4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.
5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik
yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik Nasional (SSN) yang efektif dan efisien.
(65)
3.4 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.
Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan seksi di lingkungan
perwakilan dan cabang perwakilan BPS.
Gambar 3.1 Struktur Organisasi BPS Provinsi
K E P A L A
Bagian Tat a Usaha
Bidang I nt egrasi Pengolahan & Disem inasi St at ist ik Bidang
N eraca W ilayah & Analisis St at ist ik Bidang
St at . Dist ribusi Bidang
St at . Produksi Bidang
St at . Sosial Seksi St at ist ik Kependudukan
Seksi St at ist ik Ket ahanan Sosial
Seksi St at ist ik Kesej aht eraan
Rakyat
Seksi St at ist ik Konst ruksi, Pert am
-bangan & Energi Seksi St at ist ik
I ndust ri Seksi St at ist k
Pert anian
Seksi St at ist k N iaga & Jasa Seksi St at ist k Keuangan & H arga
Produsen Seksi St at ist k H arga Konsum en &
Perdag. Besar
Seksi Analisis St at ist ik
Lint as Sekt or Seksi N eraca Konsum si
Seksi N eraca Produksi
Seksi Disem inasi dan Layanan St at ist ik
Seksi Jaringan dan Ruj ukan St at ist ik
Seksi I nt egrasi Pengolahan Dat a SubBag Bina Program SubBag Urusan Dalam SubBag Kepegaw aian
dan H ukum
SubBag Keuangan
SubBag Perlengkapan
(66)
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu‐individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.
Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai atau staf tersebut.
Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi lini dan staf. Struktur ini mengandung unsur‐unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.
3.5 Logo BPS
Logo BPS adalah sebagai berikut:
Gambar 3.2. Logo BPS
(67)
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.3 Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain itu, BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran-ukuran lainnya.
Tugas utama BPS melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap provinsi, kabupaten dan kota di seluruh Indonesia. Dinamakan perwakilan BPS di daerah, karena BPS merupakan instansi vertikal, yakni instansi pemerintah pusat yang berada di daerah, sehingga bukan merupakan bagian dari instansi milik daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS menyelenggarakan:
4. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol),
5. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan
(68)
3.4Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.
3.5.1 Tugas
BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.
3.5.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan
fungsi:
6. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.
7. Pengkoordinasian kegiatan statistik nasional dan regional.
8. Penetapan dan penyelenggaraan statistik dasar.
9. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang
kegiatan statistik; dan
10.Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang
perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.
3.5.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai
kewenangan:
6. Penyusunan rencana nasional secara makro di bidangnya,
7. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara
(69)
8. Penetapan sistem informasi di bidangnya,
9. Penetapan dan penyelenggaraan statistik nasional,
10.Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan
yang berlaku
3.6 Visi dan Misi BPS 3.3.1 Visi
Pelopor data statistik terpercaya untuk semua. 3.3.2 Misi
6. Memperkuat landasan konstitusional dan operasional lembaga statistik
untuk penyelenggaraan statistik yang efektif dan efisien.
7. Menciptakan insan statistik yang kompeten dan profesional, didukung
pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.
8. Meningkatkan penerapan standar klasifikasi, konsep dan definisi,
pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.
9. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.
10.Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik
yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik Nasional (SSN) yang efektif dan efisien.
(70)
3.7 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.
Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan seksi di lingkungan
perwakilan dan cabang perwakilan BPS.
Gambar 3.1 Struktur Organisasi BPS Provinsi
K E P A L A
Bagian Tat a Usaha
Bidang I nt egrasi Pengolahan & Disem inasi St at ist ik Bidang
N eraca W ilayah & Analisis St at ist ik Bidang
St at . Dist ribusi Bidang
St at . Produksi Bidang
St at . Sosial Seksi St at ist ik Kependudukan
Seksi St at ist ik Ket ahanan Sosial
Seksi St at ist ik Kesej aht eraan
Rakyat
Seksi St at ist ik Konst ruksi, Pert am
-bangan & Energi Seksi St at ist ik
I ndust ri Seksi St at ist k
Pert anian
Seksi St at ist k N iaga & Jasa Seksi St at ist k Keuangan & H arga
Produsen Seksi St at ist k H arga Konsum en &
Perdag. Besar
Seksi Analisis St at ist ik
Lint as Sekt or Seksi N eraca Konsum si
Seksi N eraca Produksi
Seksi Disem inasi dan Layanan St at ist ik
Seksi Jaringan dan Ruj ukan St at ist ik
Seksi I nt egrasi Pengolahan Dat a SubBag Bina Program SubBag Urusan Dalam SubBag Kepegaw aian
dan H ukum
SubBag Keuangan
SubBag Perlengkapan
(71)
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu‐individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.
Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai atau staf tersebut.
Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi lini dan staf. Struktur ini mengandung unsur‐unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.
3.8 Logo BPS
Logo BPS adalah sebagai berikut:
Gambar 3.2. Logo BPS
(72)
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem merupakan tahapan penerapan hasil desain tertulis kedalam
programming dengan menggunakan perangkat lunak (software) sebagai
implementasi ataupun prosedur untuk menyelesaikan desain sistem, dalam hal ini implementasi sistem digunakan untuk menganalisis angka Indeks Pembangunan Manusia di Sumatera Utara.
Adapun implementasi sistem yang digunakan adalah Microsoft Excel dan
SPSS (Statistical Product and Service Solution) 17.0 for windows. Diharapkan
dengan menggunakan software tersebut dapat meningkatkan pengetahuan penulis dalam menggunakan aplikasi ilmu statistik.
5.2 Program Excel 2007
5.2.1 Pengisian Data
Dalam hal pengolahan data komputer memilki banyak kelebihan dari manusia yaitu dalam hal kecepatan, ketepatan. Manusia sangat terbantu dengan adanya
(73)
komputer karena kadang kala data yang banyak dan rumit sehingga menguras waktu dan tenaga apabila dikerjakan secara manual.
Proses pengisian data pada lembar kerja Excel dengan cara mengetik data yang kita inginkan disel yang tersedia, ada dua cara mengisi data dengan
menggunakan keyboard atau sub menu yang terdapat pada menu Excel.
Hasil dari memasukkan data dapat dilihat pada gambar berikut ini:
Gambar 5.1. Input Data dalam Excel
5.3 Program SPSS
SPSS (Statistic Package For Servic Solution) merupakan program statistika yang
dibuat pada tahun 1968 oleh mahasiswa dari universitas Standford. Pada awalnya SPSS ditunjukkan untuk menganalisis data ilmu-ilmu sosial atau dulu disebut Statistic Package Social Sience. Namun seiring berjalannya waktu program ini dikembangkan sehingga berubah nama sesuai kebutuhannya. Dan kini, SPSS telah
(74)
banyak digunakan pada berbagai ilmu untuk pemprosesan data statistik karena dianggap dapat melakukan proses analisis dengan cepat.
5.3.1 Cara Kerja SPSS
Setelah program SPSS aktif makan akan muncul kotak dialog sebagai berikut:
Gambar 5.2. Kotak Dialog Awal SPSS
Untuk memunculkan lembar kerja baru klik cancel. Maka akan muncul tampilan jendela editor klik Variabel View seperti tampilan berikut ini:
(75)
Saat program sudah berjalan seperti gambar diatas maka selanjunya klik variabel view pada sudut kiri bawah program, kemudian lakukan petunjuk untuk pengisian data sebagai berikut:
A. Kolom name dapat didisi dengan variabel yang kita miliki dalam penelitian,
dalam penelitian ini penulis memiliki lima variabel dan dapat di ketik Y, X1, X2, X3, dan X4.
B. Kolom type dapat diisikan seluruhnya dengan tipe data Numeric. Karena data
yang akan dianalisis merupakan data kuantitatif.
C. Kolom width diisikan seluruhnya dengan angka 8 artinya jumlah karakter
yang digunakan Terbatas 8 angka atau huruf saja.
D. Kolom desimals semuanya diisikan dengan angka 2, yang artinya perhitungan
dilakukan dengan 2 angka decimal dibelakang koma.
E. Kolom label diisikan berdasrkan identitas dari variabel yang dimiliki.
F. Kolom Value digunakn untuk menuliskan nilai kuantitatif dari variabel yang
berskala ordinal dan nominal, dalam hal ini kita menggunakan bntuk data skala, maka untuk kolom ini diabaikan saja seluruhnya.
G. Kolom missing digunakan untuk penjelasan data yang hilang atau rusak,
dalam hal ini kolom missing diabaikan saja.
H. Kolom columns digunakan untuk menentikan lebar kolom, untuk ketiga
(76)
I. Kolom align digunakan untuk menentukan letak pengisian data apakan rata kiri, rata kanan, atau tengah, dalam hal ini seluruh variabel kita isi right (kanan).
J. Kolom measure digunakan untuk mementukan jenis data dalam hal ini data
yang digunakan data scale. Maka seluruh variabel kita gunakan scale.
Dapat dilihat sebagai berikut:
Gambar 5.4. Tampilan Sheet Variabel View
Setelah selesai mengisi Variabel view, klik pilihan Data View sehingga data pun dapat di inputkan berdasarkan jenis variabel yang telah didefenisikan terlebih dahulu pada Variabel View.
(77)
Gambar 5.5. Jendela Data View
5.3.2 Pengolahan Data dengan Anlisis Regresi
Pada layar kerja Data View, klik Analyze yang terdapat pada menu kemudian pilih
(78)
Gambar 5.6. Tampilan Pengolahan Data dengan Regresi Linear
Kemudian melakukan langkah-langkah prosedur analisis seperti berikut.
1. Klik Analyze pilih Regression lalu pilih Linear.
2. Pada kotak Dependent isikan variabel Y (IPM) sedangakan pada kotak
Independent isikan dengan variabel X1 (persentase jumlah penduduk miskin), X2 (Produk Domestik Bruto), X3 (laju pertumbuhan ekonomi), X4 (pengeluaran pemerintah).
3. Isi kolom method dengan perintah enter.
4. Lalu klik option, pada pilihan stepping method criteria masukan nilai 0.05
pada kolom entry centang include constant in equation dan pada pilihan
missing value centang exclude cases listwise kemudian klik continue.
5. Kemudian pilih statistics pada regression coefficient pilih estimate, model fit,
dan descriptive. Pada pilihan residual pilih durbin-watson; case wise diagnostics dan centang all cases (untuk semua kasus) lalu klik continue.
(79)
6. Klik plots untuk membuat grafik kemudian produce all partial plot lalu
continue. Setelah itu, klik ok. Tampilan prosedurnya seperti gambar dibawah ini.
Gambar 5.4. Prosedur Regresi Linear
Setelah dilakukan prosedur analisis seperti diatas, maka hasil dari analisis tersebut adalah sebagai berikut.
Tabel 5.1. Bagian Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N
IPM . .
PERSENTASE JUMLAH PENDUDUK MISKIN
. .
LAJU PERTUMBUHAN EKONOMI
(80)
PENGELUARAN PEMERINTAH
. .
PRODUK DOMESTIK BRUTO . .
Keluaran descriptive statistics berisi informasi sebagai berikut.
1) Besarnya rata-rata prediksi masing-masing variabel. Prediksi untuk variabel
produksi Indeks Pembangunan Manusia sebesar 69,7200. Prediksi untuk variabel persentase jumlah penduduk miskin sebesar 14,3100. Prediksi untuk variabel Produk Domestik Bruto sebesar 83137,0250. Prediksi untuk variabel laju pertumbuhan ekonomi sebesar 5,3400. Prediksi untuk variabel pengeluaran pemerintah sebesar 1136,7250.
2) Nilai simpangan baku untuk tiap variabel. Simpangan baku Indeks
Pembangunan Manusia sebesar 2,3327. Nilai simpangan baku persentase jumlah penduduk miskin sebesar 1,98200. Nilai simpangan baku Produk Domestik Bruto sebesar 70955.98548. Nilai simpangan baku laju pertumbuhan ekonomi sebesar 4.16.077. Dan nilai simpangan baku pengeluaran pemerintah sebesar 941,45856.
(81)
Tabel 5.2. Bagian Correlations Correlations IPM PERSENTASE JUMLAH PENDUDUK MISKIN LAJU PERTUMBUH AN EKONOMI PENGELUARA N PEMERINTAH PRODUK DOMESTIK BRUTO Pearson Correlation
IPM . ‐. . . .
PERSENTASE JUMLAH PENDUDUK MISKIN ‐. . ‐. ‐. ‐. LAJU PERTUMBUHAN EKONOMI . ‐. . . ‐. PENGELUARAN PEMERINTAH . ‐. . . . PRODUK DOMESTIK BRUTO . ‐. ‐. . .
Sig. (1-tailed) IPM . . . . .
PERSENTASE JUMLAH PENDUDUK MISKIN . . . . . LAJU PERTUMBUHAN EKONOMI . . . . . PENGELUARAN PEMERINTAH . . . . .
(82)
PRODUK DOMESTIK BRUTO
. . . . .
N IPM
PERSENTASE JUMLAH PENDUDUK MISKIN
LAJU PERTUMBUHAN EKONOMI
PENGELUARAN PEMERINTAH
PRODUK DOMESTIK BRUTO
Berikut penjelasan output dari tabel correlation.
a. Pada bagian Pearson Correlation menjelasakan sebagai berikut.
1) Besarnya hubungan antara variabel IPM dan persentase jumlah penduduk
miskin adalah ‐ , . Nilai ini menunjukkan hubungan korelasi sedang
yang negative. Koefisien korelasi negatif (‐ , ) menunjukkan bahwa
hubungan antara variabel IPM dengan persentase jumlah penduduk miskin tidak searah. Artinya, jika variabel persentase jumlah penduduk miskin meningkat maka variabel IPM menurun. Sebaliknya, jika variabel persentase jumlah kemiskinan menurun maka variabel IPM meningkat.
2) Besarnya hubungan antara variabel IPM dengan PDB adalah , . Nilai
ini menunjukan bahwa hubungan kedua variabel tersebut sangat kuat. Koefisien korelasi positif (0,727) menunjukkan bahwa hubungan antara variabel IPM dan PDB searah. Artinya, jika PDB meningkat, maka IPM juga meningkat.
(83)
3) Besarnya hubungan antara variabel IPM dengan laju pertumbuhan ekonomi adalah 0,529. Nilai ini menunjukan bahwa hubungan kedua variabel tersebut kuat. Koefisien korelasi positif sedang (0,529) menunjukkan bahwa hubungan antara variabel IPM dan PDB searah. Artinya, jika PDB meningkat, maka IPM juga meningkat.
4) Besarnya hubungan antara variabel IPM dengan pengeluaran pemerintah
adalah 0,810. Nilai ini berarti bahwa hubungan kedua variabel tersebut sangat kuat. Koefisien positif (0,810) menunjukkan bahwa hubungan antara variabel IPM dengan pengeluaran pemerintah searah. Artinya, jika pengeluaran pemerintah meningkat, maka IPM juga akan meningkat.
b. Bagian sig (1-tailed)
1) Hubungan antara variabel IPM dan persentase jumlah penduduk miskin
signifikansi (sig.) sebesar 0,004 yang lebih kecil dari 0,05. Berdasarkan pada ketentuan, jika angka signifikansi < 0,05 maka hubungan antara kedua variabel tersebut signifikan.
2) Hubungan antara variabel IPM dan PDB signifikansi (sig.) sebesar 0,000
yang lebih kecil dari 0,05. Didasarkan pada ketentuan jika angka signifikansi < 0,05. Maka hubungan antara kedua variabel tersebut signifikan.
3) Hubungan antara variabel IPM dan laju pertumbuhan ekonomi signifikansi
(sig.) sebesar 0,008 yang lebih kecil dari 0,05. Didasarkan ketentuan jika angka signifikansi < 0,05 maka hubungan antara kedua variabel tersebut signifikan.
(84)
4) Hubungan antara variabel IPM dan pengeluaran pemerintah signifikansi (sig.) sebesar 0,000 < 0,05. Maka hubungan antara kedua variabel tersebut signifikan.
c. Bagian Kolom N menunjukkan banyaknya jumlah data yang dianalisis, yakni
20.
Tabel 5.3. Bagian Variabel Entered/Removed
Variables Entered/Removed
Model Variables Entered
Variables
(85)
1 PENGELUARAN PEMERINTAH, LAJU PERTUMBUHAN EKONOMI, PERSENTASE JUMLAH PENDUDUK MISKIN, PRODUK DOMESTIK BRUTOa . Enter
a. All requested variables entered.
Dari tabel diatas menunjukan bahwa semua variabel telah dimasukan, dan tidak terdapat variabel yang dikeluarkan. Dan variabel tergantungnya adalah IPM.
Tabel 5.4 Bagian Model Summary
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
. a . . . .
Predictors: (Constant), PENGELUARAN PEMERINTAH, LAJU PERTUMBUHAN EKONOMI, PERSENTASE JUMLAH PENDUDUK MISKIN, PRODUK DOMESTIK
BRUTO
b. Dependent Variable: INDEKS PEMBANGUNAN MANUSIA
Bagian model summary atau ringkasan model menunjukkan besarnya koefisien
determinasi yang berfungsi untuk mengetahui besarnya variabilitas variabel tergantung IPM yang dapat dijelaskan dengan menggunakan variabel bebas persentase jumlah penduduk miskin, laju pertumbuhan ekonomi, pengeluaran pemerintah dan PDB. Koefisien determinasi juga digunakan untuk menghitung besarnya peranan atau pengaruh variabel bebas terhadap variabel tergantung.
(1)
78
8) Besarnya hubungan antara variabel IPM dengan pengeluaran pemerintah
adalah 0,810. Nilai ini berarti bahwa hubungan kedua variabel tersebut
sangat kuat. Koefisien positif (0,810) menunjukkan bahwa hubungan
antara variabel IPM dengan pengeluaran pemerintah searah. Artinya, jika
pengeluaran pemerintah meningkat, maka IPM juga akan meningkat.
6.2Saran
Melalui penyelesaian tugas akhir ini penulis menyarankan:
1. Perlunya keseriusan dari pemerintah untuk menangani masalah
kemiskinan di Sumatera Utara karena penelitian ini menunjukkan bahwa
tingkat kemiskinan Memiliki pengaruh negatif terhadap indeks
pembangunan manusia di Sumatera Utara. Dalam upaya mengurangi
jumlah kemiskinan pemerintah Provinsi Sumatera Utara dapat melakukan
upaya peningkatan sumber daya manusia. Semakin tinggi kualitas sumber
daya manusia maka daya saingnya semakin meningkat sehingga dapat
memperbaiki kondisi kesejahteraannya yang akhirnya berdampak pada
berkurangnya tingkat kemiskinan. Untuk itu pemerintah dapat melakukan
upaya seperti peningkatan fasilitas pendidikan, fasilitas kesehatan dan
mengupayakan stabilitas harga Hal lain yang penting dilakukan
pemerintah Provinsi Sumatera Utara ialah penciptaan peluang usaha mikro
seluas-luasnya agar masyarakat dapat berupaya memperbaiki dan
(2)
2. Perlunya meningkatkan pertumbuhan ekonomi agar dapat mengurangi
penduduk miskin sehingga IPM cenderung meningkat. Dari hasil
penelitian yang diperoleh diketahui bahwa pertumbuhan ekonomi
merupakan faktor yang berpengaruh secara nyata terhadap IPM di
Sumatera Utara. Ini berarti pemerintah Provinsi Sumatera Utara harus
dapat menciptakan pertumbuhan ekonomi yang tinggi dan terus tumbuh.
Pertumbuhan ekonomi yang tinggi dapat dicapai dengan mendorong
peningkatan konsumsi rumah tangga, pemerintah maupun pihak swasta
serta peningkatan investasi baik asing maupun dalam negeri dengan
menciptakan iklim investasi yang kondusif dan menarik bagi investor.
3. Diharapkan pemerintah agar berani merealisasikan lebih besar anggaran
Khususnya anggaran pembangunan karena hasil penelitian ini
menunjukkan bahwa kontribusi pengeluaran pemerintah sangat besar bagi
(3)
80
DAFTAR PUSTAKA
Algifari.1997. Analisis Regresi, Edisi Pertama. Penerbit BPFE. Yogyakarta.
Adiningsih,Sri. 1993. Statistik, Edisi Pertama. Penerbit BPFE. Yogyakarta.
Hasan, M.I. 2002. Pokok-pokok Materi Statistik 2 (Statistik Inferensif), Edisi Kedua. Penerbit Bumi Aksara. Jakarta.
Iswardono. 1981. Sekelumit Analisa Regresi dan Korelasi, Edisi Pertama. Penerbit BPFE. Yogyakarta.
Sarwono, Jonathan (2013). Statistik Multivariat Aplikasi untuk Riset Skripsi, Yogyakarta: Penerbit Andi Offset.
Sudjana. 2002. Metode Statistika, Edisi Keenam. Penerbit Tarsito. Bandung.
Sunyoto, Danang (2009). Analisis Regresi dan Uji Hipotesis, Yogyakarta: Penerbit MedPress (Anggota IKAPI).
Supranto (2010). Analisis Multivariat Arti dan Interpretasi, Jakarta: Penerbit Rineka Cipta.
Trihendradi, C. 2009. SPSS 21 Step by Step Analisa Data Statistik. Penerbit Andi. Yogyakarta.
[USU] Universitas Sumatera Utara, FMIPA. 2014. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Medan.
Yamin, Sofyan, Lien A. Rachmach dan Heri Kurniawan.2011.REGRESI DAN KORELASI DALAM GENGGAMAN ANDA. Jakarata:Salemba Empat.
(4)
BADAN PUSAT STATISTIK
PROVINSI SUMATERA UTARA
Data Jumlah Penduduk Kabupaten Simalungun Menurut Jenis Kelamin Tahun 2003–2012
Tahun
Penduduk
Jumlah Laki‐laki Perempuan
2003 406.923 401.365 808.288 2004 412.225 410.884 823.109 2005 416.510 415.154 831.664 2006 421.609 419.589 841.198 2007 423.747 422.582 846.329 2008 427.372 425.740 853.112 2009 430.913 428.966 859.879 2010 407.838 409.882 817.720 2011 413.361 415.416 828.778 2012 413.871 417.115 830.986
(Sumber: Badan Pusat Statistik)
a.n Kepala BPS Provinsi Sumatera Utara Kepala Seksi Desiminasi dan Layanan Statistika
(5)
2
(6)
Kartu Bimbingan Tugas Akhir Mahasiswa
Nama : Rapika Hani
Nomor Induk Mahasiswa : 112407110
Judul Tugas Akhir : Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara
Dosen pembimbing : Drs. Rachmad Sitepu, M.Si Tanggal Mulai Bimbingan :
Tanggal Selesai Bimbingan :
No Tanggal Asistensi Bimbingan
Pembahasan Pada Asistensi Pada Bab
Paraf Dosen
Pembimbing Keterangan
*Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mahasiswa telah selesai
KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI D3 STATISTIKA
Jalan Bioteknologi No. 1 Kampus USU Medan Padang Bulan Medan 20155