-41,29 b
1
+ 2126,42 b
2
+ 48665954 b
3
= -404796,52 -41,29 b
1
+ 2126,42 7 3,54 + 48665954 4,39 = -404796,52 -41,29 b
1
= -140796,52 – 7527,53 – 213643538,06 -41,29 b
1
= -214055862,11 b
1
= 1,93
9. Langkah kesembilan yaitu mensubtitusikan nilai b
1
, b
2
, dan b
3
kedalam persamaan 1 untuk mencari nilai b
:
5 b + 37,96 b
1
+ 83,77 b
2
+ 5855 b
3
= 108,76 5 b
+ 37,96 1,93 + 83,77 3,54 + 5855 4,39 = 108,76
5 b = 108,76 – 73,26 – 29512,98 – 25703,45
5 b = -551190,93
5 b = -11036,17
Sehingga diperoleh nilai koefisien masing – masing :
b = -11036,17
b
1
= 1,93 b
2
= 3,54 b
3
= 4,39
Maka persamaan regresi yang diperoleh adalah : Ŷ = b
+ b
1
X
1
+ b
2
X
2
+ b
3
X
3
3.5 Ŷ = -50,41 + 7,71 x
1
+ 8,25 x
2
+ 4,31 x
3
3.3 Koefisien Determinasi
Untuk mengetahui dan menganalisis seberapa besar pengaruh faktor – faktor yang mempengaruhi kelapa sawit, maka akan dilakukan perhitungan :
1 1
1
X Y
X Y X Y
n =
−
∑ ∑
∑ ∑
3.6 =819,67
37, 96108, 76 5
−
= 819,67 – 825,70 = -6,03
2 2
2
X Y
X Y X Y
n =
−
∑ ∑
∑ ∑
3.7 = 181554
8337108, 76 5
−
= 181554 – 181346,42 = 207,58
3 3
3
X Y
X Y X Y
n =
−
∑ ∑
∑ ∑
3.8 = 128464,47
5855108, 76 5
−
= 128464,47 – 127357,96 = 1106,57
2 2
2
Y Y
Y n
= −
∑ ∑
∑
3.9 = 2443,49
108, 76 5
−
= 2443,49 – 21,752 = 2421,74
JK
reg
= b
1
∑x
1
y + b
2
∑x
2
y + b
3
∑x
3
y = 1,935-6,03 + 3,54207,58 + 4,391106,57
= -11,64 + 734,83 + 4857,84 = 5.581,03
R
2
=
2 reg
JK y
∑
= 5.581, 03
2.421, 74 = 3159,29
Untuk koefisien korelasi ganda digunakan rumus, maka:
2
R = R R = 3159, 29
R = 56,21
Dari hasil perhitungan diperoleh nilai korelasi R yaitu sebesar 56,21 yang menunjukkan bahwa korelasi antara variabel bebas
X
dengan variabel terikat
Y
berhubungan secara positif dengan tingkat yang tinggi. Adapun hasil koefisien determinasi
2
R
diperoleh sebesar 3159,29 yang berarti sekitar 31,59 produksi kelapa sawit dipengaruhi oleh jumlah pupuk, curah hujan dan tenaga
kerja sedangkan 68,41 sisanya dipengaruhi oleh faktor-faktor lainnya.
3.4 Koefisien Korelasi
Untuk mengukur seberapa besar pengaruh variabel tak bebas terhadap variabel
bebas, dapat dilihat dari besarnya koefisien korelasinya, yaitu : 3.4.1 Perhitungan Korelasi Antara Y dengan X
1. Koefisien korelasi antara produksi sawit Y dengan pemakaian pupuk X
1
1 1
1 2
2 2
1 1
{ } {
}
yx
n X Y
X Y
r n
X X
n Y
Y −
= −
− −
∑ ∑
∑ ∑
∑ ∑
∑
3.10
2 2
5819, 67 37, 96108, 76
{5296, 45 37, 96 }{52443, 49108, 76 }
4.098, 35 4.128, 53
1.482, 25 1.440, 9612.217, 45 11.828, 74 30,18
41, 29388, 71 30,18
16049,84 30,18
126, 69 −
= −
− =
− −
− =
− =
− =
1
0, 238
yx
r = −
Ini menunjukan korelasi lemah antara produksi sawit dengan pupuk yang digunakan. Yang berarti semakin sedikit pupuk yang digunakan maka akan
semakin rendah hasil produksi sawit -049 ≤ r ≥ 0,49 = korelasi melemah.
2. Koefisien korelasi antara produksi sawit Y dengan curah hujan luas
lahan X
2
2 2
2 2
2 2
2 2
2
{ } {
}
yx
n X Y
X Y
r n
X X
n Y
Y −
= −
− −
∑ ∑
∑ ∑
∑ ∑
∑
3.11
2 2
5181.554, 9 8337108, 76
{514.161.803 8337 }{52.443, 49108, 76 }
907.774, 5 906, 732,12 70.809.015 69.505.56912.217, 45 1.828, 74
1.042, 38 1.303.446388, 71
1.042, 38 506.662.495
1.042, 38 22.509
− =
− −
= −
−
=
=
= ,16
2
0, 046
yx
r =
Ini menunjukkan korelasi kuat antara produksi sawit dengan curah hujan. Yang berarti semakin banyak jumlah curah hujan maka akan semakin rendah hasil
produksi sawit -0,490 ≤ r ≥ 0,490 = korelasi lemah.
3. Koefesien korelasi antara produksi sawit Y dengan jumlah curah hujan
X
3
3 3
3 2
2 2
2 3
3
{ } {
}
yx
n X Y
X Y
r n
X X
n Y
Y −
= −
− −
∑ ∑
∑ ∑
∑ ∑
∑
3.12
2 2
5128.464, 47 5855108, 76
{56.888.651 5855 }{52.443, 49108, 76 }
642.322, 35 636.789,8
3.443.255 34.281.02512.217, 45 1.828, 74 5.532, 55
30.837.770388, 71 5.532, 55
11986949576, 7 5.532, 55
10 −
= −
− =
− −
= −
= −
= 9.484, 93
2
0, 050
yx
r =
Ini menunjukan korelasi lemah antara produksi kelapa sawit dengan jumlah tenaga kerja. Yang berarti semakin berkurang jumlah tenaga kerja maka
akan semakin rendah hasil produksi kelapa sawit.
3.4.2 Perhitungan Korelasi Antara Variabel Bebas
1. Koefesien korelasi antara jumlah pemakaian pupuk X
1
dengan luas lahan X
3
1 2
1 2
12 2
2 2
2 1
1 2
2
{ } {
} n
X X X
X r
n X
X n
X X
− =
− −
−
∑ ∑
∑ ∑
∑ ∑
∑
3.13
2 2
562.869, 22 37, 968337
{5296, 45 37, 96 }{514.161.8038337 }
314.346,1 316.472, 52 1.482, 25 1.440, 9670.809.015
69.505.569 2.126, 42
41, 291.204.446 2.126, 42
49.690.285 2.126, 42
7.049,13 −
= −
− =
− −
− =
− =
− =
= ,302
2. Koefesien korelasi antara jumlah pemakaian pupuk X
1
dengan curah hujan X
3
.
1 3
1 3
13 2
2 2
2 1
1 3
3
{ } {
} n
X X X
X r
n X
X n
X X
− =
− −
−
∑ ∑
∑ ∑
∑ ∑
∑
3.14
2 2
544.533, 25 37, 965855
{5296, 45 37, 96 }{56.888.6515855 }
222.666, 25 222.255,8
1.482, 25 1.440, 9634.443.255 34.281.025 410, 45
2.135.863162.230 410, 45
346.501.054.490 410.45
588.643, 40 0,
− =
− −
= −
−
=
=
=
= 0006973
3. Koefesien korelasi antara jumlah luas lahan X
2
dengan jumlah curah hujan X
3
2 3
2 3
23 2
2 2
2 2
2 3
3
{ } {
} n
X X X
X r
n X
X n
X X
− =
− −
−
∑ ∑
∑ ∑
∑ ∑
∑
3.15
2 2
59.777.642 83375855
{514.161.803 8337 }{56.888.6515855 }
48.888.210 48.813.135
70.809.015 69.505.56934.443.255 34.281.025 75.075
1.303.446162.230 75.075
211.458.044.580 75.075
459.84 −
= −
− =
− −
=
=
= 5, 67
0,163 =
Berdasarkan perhitungan korelasi di atas dapat disimpulkan bahwa korelasi antara variabel bebas X
1
dan X
2
bersifata lemah, X
1
dan X
3
bersifat lemah, serta X
2
dan X
3
juga bersifat lemah.
3.5 Uji Regresi Linier Berganda
Untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas maka kita melakukan uji F
dengan menggunkan statistic F.
a. Hipotesa yang digunakan adalah
H : β
1
= β
2
= 0,I = 1,2,…,k variabel bebas X tidak berpengaruh terhadap Y H
1
: β
1
= β
2
≠ 0,I = 1,2,…k variabel bebas X berpengaruh terhadap Y Dimana tolak H
jika t
i
t
tabel
, dan diterima H jika t
i
t
tabel
b.
Taraf nyata yang digunakan adalah sebesar : α = 0,05 atau 5
c. Uji statistic dengan rumus :
1 JKreg
k F
JKres n k
= − −
3.16 Sehingga diperoleh :
5.581, 03 3
27, 400 5 3 1
F =
− −
5.581, 03 3
27, 400 1
F =
1.860, 34 27, 4
F =
67,89
hit
F =
Dimana :
JK
res
= ∑ Y – Ŷ
2
3.17
F
tabel
dengan α = 5 v
1
= k = 3 v
2
= n – k – 1 = 1 F
tabel
= 216 Jadi F
hit
F
tabel
= 67,89 216 Dalam hal ini tingkat keyakinan confidence level sebesar 95 atau taraf
atau nyata significant level sebesar 5, maka dari tabel disitribusi F, diperoleh nilai F test atau F tabel untuk pembilang V
1
sebesar 3 dan penyebut V
2
sebesar 2 adalah 216. Dengan membandingkan nilai F tabel atau F test yang diperoleh
dengan nilai F hitung yang telah dihitung, maka diperoleh : F
hit
= 67,89 F
test
+ 216 d.
Kesimpulan Dapat disimpulkan bahwa koefesien b
, b
1
, b
2
, b
3
dalam persamaan regresi berganda
Ŷ = -11036,17 + 1,93 + 3,54 + 4,39 x
3
adalah signifikan dapat dihitung kekeliruan baku koefesien b
i
sebagai berikut :
2 123
2 2
. 1
bi i
i
S y S
X R
= −
∑
3.18 Maka :
1.
2 123
1 2
2 1
1
. 1
b
S y S
X R
= −
∑
3.19
39.784, 21 296, 451 0, 91204
39.784, 21 296, 450,8796
39.784, 21 260, 75742
152, 57 12, 35
= −
=
=
= =
2.
2 123
2 2
2 2
2
. 1
b
S y S
X R
= −
∑
3.20
39.784, 21 14.161.8031 0, 00000048622729
39.784, 21 14.161.8030, 9999
39.784, 21 14.160.386,82
0, 002809 0, 053
= −
=
=
= =
3.
2 123
3 2
2 3
3
. 1
b
S y S
X R
= −
∑
3.21
39.784, 21 6.888.6511 0, 026569
39.784, 21 6.888.6510, 973431
39.784, 21 6.705.626, 43
8,86 2, 96
= −
=
=
= =
Perhitungan statistic : t
i
i bi
b s
=
3.22 Dapat dihitung sebagai berikut :
t
1
1 1
b
b s
= 1, 93
12, 35 0,156
=
=
t
2
2 2
b
b s
=
3, 54 0, 053
66, 79 =
=
t
3
3 3
b
b s
= 4, 39
2, 97 1, 48
=
=
Dari tabel disitribusi t dengan dk = 3 dan α = 0,05 diperoleh t
tabel
sebesar 3,34 dan dari hasil perhitungan diatas diperoleh :
1. t
1
= 0,156 t
tabel
= 12,71 2.
t
2
= 66,79 t
tabel
= 12,71 3.
t
3
= 1,48 t
tabel
= 12,71 Sehingga H
o
ditolak untuk koefisien dan H
o
diterima untuk koefisien dan
. Berarti untuk prediksi produksi kelapa sawit hanya jumlah pupuk dan tenaga kerja yang memberikan pengaruh yang signifikan. Sedangkan jumlah curah hujan
tidak memberikan pengaruh yang signifikan terhadap produksi kelapa sawit.
BAB IV IMPLEMENTASI SISTIM
4.1 Pengertian Implementasi Umum
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru
atau sistem yang diperbaiki. Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis
kedalam programming. Dalam pengolahan data pada karya tulis ini penulis menggunakan perangkat lunak software sebagai implementasi sistem yaitu SPSS
for windows dalam masalah memperoleh perhitungan.
4.2 Peranan Komputer Dalam Statistika
Komputer memegang peranan sangat penting dalam statistika. Komputer dalam bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai
berikut: 1.
Jumlah input yang besar Jumlah input yang besar akan dapat diolah komputer dengan semudah
mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja sangat efisien pada pengolahan data dengan menggunakan iput
yang besar.
2. Proyek yang repetitive
Perintah pengolahan yang berulang-ulang akan lebih efisien dengan menggunakan computer, karena disini perintah hanya dilakukan satu kali
