Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras Di Kabupaten Tapanuli Utara.

ANALISA KORELASI TERHADAP FAKTOR YANG

MEMPENGARUHI KETERSEDIAAN BERAS

DI KABUPATEN TAPANULI UTARA

TUGAS AKHIR

YANDRI R SITOMPUL

082407065

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

PERSETUJUAN

Judul : ANALISA KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN TAPANULI UTARA

Kategori : TUGAS AKHIR

Nama : YANDRI R SITOMPUL

Nomor Induk Mahasiswa : 082407065

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA

UTARA

Diluluskan di

Medan, Juni 2011

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Dr. Tulus, M.Si Drs. Haluddin Panjaitan NIP. 19620901 198803 1 002 NIP. 19460309 197902 1 001

PERNYATAAN

ANALISA KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN TAPANULI UTARA

TUGAS AKHIR

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

Medan, Juni 2011

YANDRI R SITOMPUL 082407065

PENGHARGAAN

Assalamu’alaikum warahmatullahi wabarakatu.

Segala puji dan syukur Penulis ucapkan atas Kehadirat Allah SWT , yang tiada hentinya memberikan nikmat, rahmat dan hidayahnya serta semangat dan kekuatan sehingga Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan sebaik – baiknya.

Adapun tujuan dari penulisan Tugas Akhir ini adalah merupakan salah satu syarat untuk menyelesaikan Program D3 Statistika pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara. Dalam menyelesaikan Tugas Akhir ini Penulis tidak terlepas dari perhatian, bimbingan, fasilitas dan dorongan serta bantuan berbagai pihak secara langsung maupun tidak langsung, pada kesempatan ini Penulis dengan segala kerendahan hati serta rasa hormat perkenankanlah Penulis mengucapkan terima kasih yang sebesar – besarnya kepada :

1. Teristimewa kepada Ayahanda Drs. Syahruddin Sitompul dan Ibunda Ir. Ida Yani Pane tercinta yang selama ini telah memberikan nasehat, arahan dan dukungan kepada Penulis serta Do’a yang tak pernah putus untuk Penulis. 2. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU

3. Bapak Prof. Dr. Tulus, M.Sc selaku Ketua Pelaksana Program Studi Ilmu Komputer dan Statistika FMIPA USU.

4. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU.

5. Bapak Drs. Haluddin Panjaitan selaku Dosen Pembimbing yang telah memberikan bimbingan kepada penulis sehingga dapat menyelesaikan Tugas Akhir ini dengan sebaik – baiknya.

6. Seluruh Staff Pengajar di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara khususnya Jurusan Matematika.

7. Buat teman – teman D3 Statistika khususnya pada mimmy sari syahputri, puspa linda, stat B’08 dan kekasih saya nurlaela kasim yang telah semangati saya membuat tugas akhir ini sampai selesai.

Sekali lagi penulis ucapkan banyak terima kasih kepada semua pihak yang telah banyak membantu penulis dalam menyelesaikan Tugas Akhir ini. Semoga Tugas Akhir ini bermanfaat bagi penulis dan juga bermanfaat bagi para pembaca dan

kemajuan ilmu pengetahuan di masa mendatang. Oleh karena itu penulis sangat mengharapkan kritik dan saran yang bersifat membangun. Kalau ada kata atau ejaan yang kurang lengkap penulis mohon maaf sebab penulis hanya seorang Manusia yang tak luput dari kesalahan dan juga kekhilafan. Sesungguhnya kesempurnaan hanya milik Allah SWT.

DAFTAR ISI

Halaman Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vi

Daftar Gambar vii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang Masalah 1

1.2 Identifikasi Masalah 3

1.3 Ruang Lingkup 3

1.4 Maksud dan Tujuan 3

1.5 Manfaat Penelitian 4

1.6 Metodologi Penelitian 4

1.7 Sistematika Penulisan 5

BAB 2 LANDASAN TEORI 6

2.1 Regresi Linier Sederhana 6

2.2 Regresi Linier Berganda 10

2.3 Uji Keberartian Regresi 11

2.4 Koefisien Korelasi 12

2.5 Uji Keberartiaan Koefisien Korelasi 16

BAB 3 ANALISIS DAN EVALUASI 17

3.1 Analisis dan Evaluasi Data 17

3.1.1 Menentukan Persamaan Regresi Linier Berganda 19 3.1.2 Uji Keberartian Regresi 23 3.1.3 Menentukan Koefisien Korelasi 28 3.1.4 Uji Kebertian Koefisien Korelasi 29

BAB 4 IMPLEMENTASI SISTEM 31

4.1 Sekilas Tentang SPSS 31

4.2 Mengaktifkan SPSS 31

4.3 Membuka Lembar Baru 32

4.4 Menamai Variabel 33

4.5 Pengisian Data 34

4.6 Pengolahan Data Dengan Persamaan Regresi 34 4.7 Pengolahan Data Dengan Persamaan Korelasi 37

BAB 5 PENUTUP 39

5.1 Kesimpulan 39

5.2 Saran 40

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman Tabel 3.1 Tabel Ketersediaan Beras, Produksi Beras dan Kebutuhan

Beras Per Bulan Pada Tahun 2006 dan 2007 17 Tabel 3.2 Tabel Nilai-nilai yang diperlukan untuk menghitung koefisien

Regresi a0, a1,a2 20

DAFTAR GAMBAR

Halaman

Gambar 4.1 Mengaktifkan SPSS 32

Gambar 4.2 Tampilan saat membuka SPSS 32

Gambar 4.3 Layar kerja variable view 33

Gambar 4.4 Data yang diolah 34

Gambar 4.5 Pilih Analyze, Regresion, Linier 35 Gambar 4.6 Kotak dialog Linier Regresion 35 Gambar 4.7 Kotak dialog Linier Regresion Statistic 36 Gambar 4.8 Kotak dialog Linier Regresion Plot 36 Gambar 4.9 Kotak dialog Linier Regresion Options 37 Gambar 4.10 Pilih analyze, correlate, bivariate 38

BAB 1

PENDAHULUAN

1.1Latar Belakang Masalah

Sektor pertanian dalam tatanan pembangunan nasional khususnya padi memegang peranan penting karena selain bertujuan menyediakan pangan bagi seluruh penduduk, juga merupakan sektor andalan penyumbang devisa negara dari sektor non migas. Besarnya kesempatan kerja yang dapat diserap dan besarnya jumlah penduduk yang masih bergantung pada sektor ini masih perlu ditumbuh kembangkan.

Penduduk Indonesia khususnya Sumatera Utara sangat bergantung pada nasi sebagai makanan pokok. Ketergantungan yang sangat besar ini menjadi tantangan bagi negara yang mengkonsumsi nasi sebagai makanan pokok untuk selalu dapat mencukupi kebutuhan beras tanpa melakukan impor dari negara lain.

Situasi ketersediaan pangan perlu diketahui secara periodik. Untuk itu diperlukan pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan. Tujuan dari pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan adalah untuk memantau tingkat ketersediaan dibandingkan dengan tingkat kebutuhan pangan masyarakat, sehingga informasi ini menjadi acuan bagi institusi yang bersangkutan dalam usaha perumusan kebijakan dan memecahkan masalah ketersediaan pangan.

Stabilitas ketersediaan pangan di tingkat rumah tangga diukur berdasarkan kecukupan ketersediaan pangan dan frekuensi makan anggota rumah tangga dalam sehari. Satu rumah tangga dikatakan memiliki stabilitas ketersediaan pangan jika mempunyai persediaan pangan diatas cutting point(360 hari untuk Kabupaten Tapanuli Utara) dan anggota rumah tangga dapat makan 3 (tiga) kali sehari sesuai dengan kebiasaan makan penduduk di daerah tersebut.

Dengan asumsi bahwa di daerah tertentu masyarakat mempunyai kebiasaan makan 3 (tiga) kali sehari, frekuensi makan sebenarnya dapat menggambarkan keberlanjutan ketersediaan pangan dalam rumah tangga.

Penggunaan frekuensi makan sebanyak 3 kali atau lebih sebagai indikator kecukupan makan didasarkan pada kondisi nyata di kabupaten tapanuli utara (berdasarkan pusat penelitian penduduk), dimana rumah tangga yang memiliki persediaan makanan pokok cukup pada umumnya makan sebanyak 3 kali per hari. Jika mayoritas rumah tangga di satu kabupaten tapanuli utara. Misalnya, hanya makan dua kali per hari, kondisi ini semata-mata merupakan suatu strategi rumah tangga agar persediaan makanan pokok mereka tidak segera habis, karena dengan frekuensi makan tiga kali sehari, kebanyakan rumah tangga tidak bisa bertahan untuk tetap memiliki persediaan makanan pokok hingga panen berikutnya.

Oleh karena hal di atas, maka penulis meras tertarik dan terdorong untuk mengadakan penelitian tentang ketersediaan beras dengan judul “ANALISA KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN TAPANULI UTARA”.

1.2 Identifikasi Masalah

Sesuai dengan judul diatas, maka yang menjadi permasalahan adalah bagaimana hubungan korelasi antara beberapa faktor yang mempengaruhi ketersediaan beras di Kabupaten Tapanuli Utara dan seberapa erat korelasi tersebut.

1.3 Ruang Lingkup

Untuk mengarahkan penelitian ini agar tidak menyimpang dari sasaran yang dituju maka perlu membuat batasan ruang lingkup permasalahan. Sebagai pembatasan masalah ini adalah penganalisaan data kuantitatif statistik yakni menggunakan analisa korelasi dan regresi linier berganda. Data kuantitatif yang digunakan adalah ketersediaan beras dan faktor-faktor yang mempengaruhinya yaitu produksi padi dan konsumsi, sehingga proses penganalisaannya dilakukan dengan analisa korelasi dan uji keberartian regresi.

1.4 Maksud dan Tujuan

Maksud dan Tujuan diadakannya penelitian ini adalah untuk mengetahui apakah secara signifikan (meyakinkan) terdapat korelasi positif, negatif atau tidak berkorelasi antara jumlah ketersediaan beras dengan jumlah produksi beras dan jumlah kebutuhan beras.

1.5 Manfaat Penelitian

Penelitian ini dilakukan dengan harapan dapat memberikan manfaat antara lain:

1. Bagi penulis, bermanfaat untuk menambah pengetahuan mengenai analisa korelasi dan regresi linier berganda.

2. Bagi pihak Badan Ketahanan Pangan, dapat bermanfaat sebagai masukan dalam pengambilan kebijakan.

1.6 Metodologi Penelitian

1.6.1 Lokasi dan Waktu Penelitian

Penelitian dilakukann penulis mulai tanggal 20 April 2009. Adapun lokasi penelitaian ini diadakan di Badan Ketahanan Pangan Propinsi Sumatera Utara yang terletak di Jl. Jenderal Besar Abdul Haris Nasution Gedung Johor Medan.

1.6.2 Teknik Pengumpulan Data

Untuk memperoleh data yang diperlukan maka penulis melakukan penelitian yang dilakukan langsung ke Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara. Pengumpulan data dilakukan dengan cara wawancara dengan pegawai, staf, dan dari buku serta arsip berupa laporan tahunan dari lembaga tersebut.

1.7 SISTEMATIKA PENULISAN

BAB 1 PENDAHULUAN

Berisi tentang latar belakang, identifikasi masalah, ruang lingkup, maksud dan tujuan, manfaat, metodologi penelitian, dan sistematika penulisan.

BAB 2 LANDASAN TEORI

Dalam bab ini menjelaskan tentang sesuatu yang mencakup penyelesaian masalah dengan judul dan masalah yang diutarakan.

BAB 3 ANALISA PEMBAHASAN

Bab ini berisikan tentang hasil analisa dan pembahasan mengenai ketersediaan beras di Kabupaten Tapanuli Selatan.

BAB 4 IMPLEMENTASI SISTEM

Pada bab ini langkah langkah pengolahan data dengan memakai sistem komputerisasi.

BAB 5 KESIMPULAN DAN SARAN

BAB 2

LANDASAN TEORI

2.1 Regresi Linier Sederhana

Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier satu peubah acak tak bebas Y dengan satu peubah bebas X. Hubungan linier Y dan X dari satu populasi disebut garis regresi populasi yang dinyatakan persamaan sebagai berikut:

µ

Y.X = E (Y/X) =α + βX (1)

µ

Y.X = rata-rata Y untuk nilai X tertentu

α = jarak titik pangkal dengan titik potong garis regresi dengan sumbu Y (intercept)

= nilai Y tanpa pengaruh X

β = kemiringan (slope atau gradien) garis regresi

= besarnya peubah Y sebagai akibat peubahan X satu satuan

Kalau ingin menduga rataan

µ

Y.X , maka nilai Y perlu ditentukan untuk

dan

µ

Y.X pada umumnya tidak sama. Perbedaan tersebut tergantung pada ketepatan

model untuk menggambarkan keadaan yang sebenarnya dan ketepatan pengukuran peubah Y dan X.

Perbedaan antara Yi dan

µ

Y.X disebut galat acak (random error) dan dinyatakan

dengan simbol εi. Dengan demikian:

εi = Yi -

µ

Y.X (2)

Dari persamaan ini diperoleh model regresi l;inier sederhana dari suatu populasi sebagai berikut:

Yi = α + βXi+ εi (3)

Paramenter βo dan β1 diduga dengan menggunakan garis regresi. Bentuk persamaan

garis regresi adalah sebagai berikut:

Ŷ = a + bX (4)

Dimana:

a= intersept, jarak titik pangkal dan titik potong garis regresi dengan sumbu Y b = koefisien regresi

Dalam hal ini:

amerupakan penduga titik bagi α bmerupakan penduga titik bagi β Ŷ merupakan penduga titik bagi

µ

Y.X

Nilai a dan b diperoleh dengan menggunakan metode kuadrat terkecil (least – squares methode). Metode kuadrat terkecil merupakan satu cara memperoleh a dan b, prinsip dari kuadrat terkecil meliputi meminimumkan jumlah dari simpangan kuadrat (the sum of squared deviations) dari nilai-nilai observasi terhadap nilai rata-ratanya. Cara meminimumkannya adalah sebagai berikut:

S =



 n

i 1

ei2 =



 n

i1

(Yi – Ŷ)2 =



 n

i 1

(Yi – a – bXi)2 (5)

Menghitung turunan S terhadap a dan b, hasilnya sebagai berikut:

a  S =



   i i i a bX

Y a ) ( 2 =



   i i i a bX

Y )( 1) (

2 = -2



 

i

i i a bX

Y ) ( b  S =



   i i i a bX

Y b ) ( 2 =



   i i i

i a bX X

Y )( )

( 2 = -2



 

i

i i

i Y a bX

X ( )

Samakan kedua hasil turunan tersebut dengan nol (0), maka diperoleh syarat minimum adalah:

-2



 

i

i i a bX

Y )

( = 0

-2



 

i

i i

i Y a bX

X ( )= 0 (5)

Dari dua persyaratan diatas diperoleh persamaan normal sebagai berikut:

n a + b



 n i i X 1 =



 n i i Y 1

a



 n i i X 1

+ b



 n i i X 1 2 =



 n i i iY X 1 (6)

dan dari persamaan normal diperoleh:

b=











                         n i n i i i n i n i i n i i i i X n X Y X n Y X 1 1 2

1 1 1

1 1 =





     n i i i n i i X X Y Y X X 1 2 1 ) ( ) )( (

a=Ŷ – bX (7)

atau a =





 

 

  2 2 2 ) ( ) ( ) )( ( ) )( ( i i i i i i i X X n Y X X X Y

b =







 

  2 2 ) ( ) )( ( i i i i i i X X n Y X Y X n (8)

Dengan menyelesaikan persamaan-persamaan ini, maka akan memperoleh nilai koefisien a dan nilai koefisien b.

2.2 Regresi Linier berganda

Bila regresi linier sederhana digunakan untuk mengetahui hubungan dua variabel yaitu satu variabel bebas ( X ) dan satu variabel tak bebas ( Y ), maka regresi linier berganda digunakan untuk mengetahui hubungan antara dua variabel atau lebih variabel bebas ( X ) dengan variabel tak bebas ( Y ) dan juga digunakan untuk meramalkan nilai variabel tak bebas Y jika seluruh variabel bebasnya sudah diketahui nilainya dan semua koefisien regresi parsial sudah dihitung.

Bila jika dalam regresi linier sederhana hanya ada satu variabel bebas X yang dihubungkan dengan variabel tak bebas y linier dalam X, sehingga bentuk taksiran Y = a + bX, maka dalam regresi linier berganda terdapat sejumlah ( sebut saja k buah, k>1) variabel bebas yang yang dihubungkan dengan linier dalam semua variabel bebas. Jika variabel bebas X₁, X₂, X₃, …,X_k dan variabel tak bebas Y, maka bentuk umum linier berganda atas X₁, X₂, X₃, … X_k akan ditaksir oleh :



Y = a + b₁X₁+b₂X₂+b₃X₃+…+bkXk

Dengan konstantaa0 dan koefisien a1, a2, a3,…,ak dapat ditaksir berdasarkan n

buah pasangan data X₁, X₂, X₃, … , X_k. Y seperti halnya mencari a dan b dalam model Y = a + bX diperlukan n buah pasangan data X dan Y, maka untuk mencari a, a1, a2, …, ak diperlukan juga pasangan data (X1, X2,…, Xk,Y).

Dengan menggunakan metode kuadrat terkecil, maka koefisien – koefisien a, a1, a2 dapat dihitung dengan sistem persamaan :



Y = na₀ a₁



X₁ a₂



X₂



YX1 =







 2



1 2 2

1 1

1 a X a X X

X a



YX2 =











2 2 2 2 1 1

2 a X X a X

X a

Untuk mendapatkan harga – harga a, a1, dan a2 dari persamaan di atas disusun

menurut datanya dan kemudian dapat diselesaikan dengan metode eliminasi dan substitusi.

2.3 Uji Keberartian Regresi

Uji keberartian regresi diperlukan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas.

Langkah – langkah untuk pengujian keberartian regresi adalah sebagai berikut:

1. Kumpulkan data dalam bentuk tabel. 2. Statistik uji adalah:

F =

) 1 (nk JKres

k JKreg

Dengan:

F = Statistik F yang menyebar mengikuti distribusi derajat kebebasan V₁ = k dan V₂= n – k – 1

Jkreg = Jumlah kuadrat regresi:

b₁



yix1i +b2



yix2i +b₃



yix3i + ...bk



yixki

x_1i = X_1iX , X_2iX , X_3iX, X_kiX y = Y₁Y

dengan derajat kebebasan (dk) = k

JKres = Jumlah Kuadrat Residu (sisa) =



₍  _ˆ)2 Y

Y

Dengan derajat kebebasan n – k – 1 3. Kriteria Pengujian.

a. 0Ho:B₁B₂...Bk (ini berarti bahwa antara Y dengan X1 dan X2 tidak ada hubungan)

0 : 1Bj

H ( ini berarti bahwa Y tergantung pada X₁ dan X₂ atau kedua – duanya)

b. Tolak H₀ Jika F_Hitung > F_Tabel Terima H₀Jika F_Hitung < F_Tabel

2.4 Koefisien Korelasi

Dalam kehidupan, kadang kita dihadapkan pada situasi dimana harus mencari hubungan antara dua variabel yang kita amati. Misalkan bagaimana hubungan antara ketersediaan beras dengan jumlah produksi beras. Untuk melihat hubungan tersebut kita dapat menggunakan analisa korelasi.

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antar variabel. Analisa korelasi adalah nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua peubah acak (random variable). Apabila terdapat hubungan antara variabel maka perubahan – perubahan yang terjadi pada salah satu variabel akan mengakibatkan terjadinya perubahan pada variabel lainnya. Jadi, dari analisis korelasi dapat diketahui hubungan antara variabel tersebut.

Korelasi yang terjadi antara dua variabel dapat berupa korelasi positf, korelasi negatif, tidak ada korelasi ataupun korelasi sempurna.

1. Korelasi Positif.

Korelasi Positif adalah Korelasi dua variabel, dimana apabila variabel bebas X meningkat maka variabel tak bebas Y cenderung meningkat pula. Semakin dekat nilai koefisien korelasi ke +1, maka semakin kuat korelasi positifnya.

2. Korelasi Negatif.

Korelasi Negatif adalah Korelasi dua variabel, dimana apabila variabel bebas X meningkat maka variabel tak bebas Y cenderung menurun. Semakin dekat nilai koefisien korelasi ke -1, maka semakin kuat korelasi negatifnya.

3. Tidak ada Korelasi

Tidak adanya korelasi terjadi apabila variabel bebas X dan variabel tak bebas Y tidak menunjukkan adanya hubungan. Hasil perhitungan korelasi mendekati 0 atau sama dengan 0.

4. Korelasi Sempurna

Korelasi Sempurna adalah korelasi dua variabel dimana kenaikan atau penurunan harga variabel X berbanding dengan kenaikan atau penurunan harga variabel tak bebas Y. Hasil perhitungan korelasi +1 atau -1, maka menunjukkan berkolerasi positif atau negatif yang sempurna

Jika yang diukur korelasi antara variabel X dengan variabel Y dinotasikan

xy

r , maka rumus yang digunakan adalah:

) ) ( ( ) ( ) )( ( 2 2 2

2













 

   i i i i i i i i xy Y Y n X X n Y X Y X n r

Dimana :

n = Banyaknya pasangan data X dan Y



Xi = Jumlah nilai – nilai dari variabel X



Y1 = Jumlah nilai – nilai dari variabel Y



2

i

X = Jumlah kuadrat nilai – nilai dari variabel X



2

i

Y = Jumlah kuadrat nilai – nilai dari variabel Y



X_iY_i = Jumlah hasil kali nilai-nilai variabel X dan Y

Sedangkan untuk menghitung korelasi antara variabel tak bebas dengan dua variabel bebas adalah :

1 .x y

r =

















  ) ) ( ( ) ( ) )( ( 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n 2 .x y

r =

















  ) ) ( ( ) ( ) ( ) ( 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X n

Ukuran yang dipakai untuk mengetahui derajat hubungan antara dua variabel atau lebih terutama untuk data kuantitatif disebut koefisien korelasi. Besar kecilnya hubungan antara dua variabel dinyatakan dengan bilangan. Koefisien Korelasi ini bergerak antara 0,000 sampai 1,000 atau antara 0,000 sampai -0,000 tergantung kepada arah korelasi. Koefisien yang bertanda positif menunjukan arah korelasi yang positif, koefisien korelasi yang bertanda negatif menunjukkan arah korelasi yang negatif, sedang koefisien yang bernilai 0,000 menunjukkan tidak adanya hubungan.

Untuk lebih memudahkan mengetahui bagaimana sebenarnya keeratan hubungan antara variabel – variabel tersebut, dapat dilihat perumusan sebagai berikut:

-1,00 ≤ r ≥ -0,80 Berarti Berkorelasi Kuat -0,79 ≤ r ≥ -0,50 Berarti Berkorelasi Sedang -0,49 ≤ r ≥ 0,49 Berarti Berkorelasi Lemah 0,50 ≤ r ≥ 0,79 Berarti Berkorelasi Sedang 0,80 ≤ r ≥ 1,00 Berarti Berkorelasi Kuat

2.5 Uji Keberartian Koefisien Korelasi

Setelah diperoleh r_y.x1 dan r_y.x2 maka langkah selanjutnya adalah melakukan uji keberartian koefisien korelasi antara X dan Y. Dengan langkah – langkah sebagai berikut:

1. Statistik Uji adalah:

0 t =

2

1 2

r n n

  Dengan :

r = Koefisien Korelasi n= Banyak Pasangan 2. Kriteria Pengujian

Tolak H₀ Jika tHitung > tTabel dan terima H0Jika tHitung < tTabel

BAB 3

ANALISIS DAN EVALUASI

3.1 Analisis Dan Evaluasi Data

Dalam pengambilan data ini, penulis memperoleh data ketersediaan ( perimbangan ) beras dan faktor – faktor yang mempengaruhinya yaitu produksi beras dan kebutuhan dari Badan Ketahanan Pangan Propinsi Sumatera Utara.

Data disajikan dalam tabel berikut :

Tabel 3.1 Ketersediaan beras, Produksi beras, dan Kebutuhan beras per bulan pada tahun 2007 dan 2008 di Kabupaten Tapanuli Utara.

Bulan Ketersediaan Beras

( ton )

Produksi Beras ( ton )

Kebutuhan Beras ( ton )

Januari 2007 -855 2565 3420

Februari 2007 -1.087 2333 3420

Maret 2007 -2.299 1121 3420

April 2007 -1.988 1432 3420

Mei 2007 10.204 13624 3420

Juni 2007 12.959 16379 3420

Juli 2007 3.664 8198 3420

September 2007 -983 2437 3420

Oktober 2007 -3.057 363 3420

November 2007 -3.282 138 3420

Desember 2007 199 3619 3420

Januari 2008 -4.756 1190 5946

Februari 2008 15.235 21181 5946

Maret 2008 3.247 9213 5946

April 2008 -4.682 1264 5946

Mei 2008 -3.672 2274 5946

Juni 2008 7.703 13649 5946

Juli 2008 -3.870 2076 5946

Agustus 2008 -5.250 696 5946

September 2008 -5.944 2 5946

Oktober 2008 -4.892 1054 5946

November 2008 -5.921 25 5946

Desember 2008 -5.946 - 5946

Badan Ketahanan Pangan Propinsi Sumatera Utara ( - ) Data tidak ada

Dengan :

Y = Jumlah Ketersediaan Beras X₁ = Jumlah Produksi Beras X₂ = Jumlah Kebutuhan Beras

Setelah melihat data yang tersedia, maka penganalisaan dan pembahasan atas data tersebut oleh penulis dikelompokkan dalam empat bagian yaitu :

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

3. Menentukan koefisien korelasi 4. Uji keberartian korelasi

3.1.1 Menentukan Persamaan Regresi Linier Berganda

Untuk Melihat hubungan antara variabel – variabel bebas yaitu jumlah produksi beras dan jumlah kebutuhan beras ( X₁ , X₂ ) terhadap variabel tak bebas yaitu jumlah ketersediaan ( perimbangan ) beras ( Y ), Maka langkah pertama yang dilakukan adalah menentukan persamaan regresi linier berganda.

Tabel 3.2 Nilai – nilai yang diperlukan untuk menghitung koefisien – koefisien regersi a0, a1, a2

Tabel 3.2 Nilai - nilai yang diperlukan untuk menghitung koefisien - koefisien regresi a0 a1, a2

No Y X1 X2 X1X2 X1Y X2Y X₁2 X₂2 Y2

1 _{-855 2565 3420 8772300 -2193075 -2924100 6579225 11696400 731025}

2 _{-1087 2333 3420 7978860 -2535971 -3717540 5442889 11696400 1181569} 3 _{-2299 1121 3420 3833820 -2577179 -7862580 1256641 11696400 5285401} 4 _{-1988 1432 3420 4897440 -2846816 -6798960 2050624 11696400 3952144} 5 _{10204 13624 3420 46594080 139019296 34897680 185613376 11696400 104121616} 6 _{12959 16379 3420 56016180 212255461 44319780 268271641 11696400 167935681} 7 _{3664 8198 3420 28037160 30037472 12530880 67207204 11696400 13424896}

8 _{293 3713 3420 12698460 1087909 1002060 13786369 11696400 85849}

9 _{-983 2437 3420 8334540 -2395571 -3361860 5938969 11696400 966289}

10 _{-3057 363 3420 1241460 -1109691 -10454940 131769 11696400 9345249}

11 _{-3282 138 3420 471960 -452916 -11224440 19044 11696400 10771524}

12 _{199 3619 3420 12376980 720181 680580 13097161 11696400 39601}

13 _{-4756 1190 5946 7075740 -5659640 -28279176 1416100 35354916 22619536} 14 _{15235 21181 5946 125942226 322692535 90587310 448634761 35354916 232105225} 15 _{3247 9213 5946 54780498 29914611 19306662 84879369 35354916 10543009} 16 _{-4682 1264 5946 7515744 -5918048 -27839172 1597696 35354916 21921124}

No Y X1 X2 X1X2 X1Y X2Y X₁2 X₂2 Y2

17 _{-3672 2274 5946 13521204 -8350128 -21833712 5171076 35354916 13483584} 18 _{7703 13649 5946 81156954 105138247 45802038 186295201 35354916 59336209} 19 _{-3870 2076 5946 12343896 -8034120 -23011020 4309776 35354916 14976900} 20 _{-5250 696 5946 4138416 -3654000 -31216500 484416 35354916 27562500}

21 _{-5944 2 5946 11892 -11888 -35343024 4 35354916 35331136}

22 _{-4892 1054 5946 6267084 -5156168 -29087832 1110916 35354916 23931664}

23 _{-5921 25 5946 148650 -148025 -35206266 625 35354916 35058241}

24 _{-5946 0 5946 0 0 -35354916 0 35354916 35354916}

Dari tabel di atas diperoleh nilai – nilai sebagai berikut :



Y = -4.980



X1 = 108.546



X2 = 112.392



X1X2 = 504.155.544



X₁Y = 789.822.476



X₂Y = -64.389.048



2 1

X = 1.303.294.852



2 2

X = 564.615.792



2

Y = 850.064.888

n = 24

Y = -207,5

1

X = 4522,75

2

X = 4683

Persamaan mencari nilai koefisien regresi:



Y = na₀ a₁



X₁ a₂



X₂



YX1 =







 2



1 2 2

1 1 1

0 X a X a X X

a



YX2 =











2 2 2 2 1 1 2

0 X a X X a X

Dapat kita substitusikan nilai - nilai yang bersesuaian, sehingga diperoleh persamaan di bawah ini :

-4.980 = 24a0 + 108.546 a1 + 112.392 a2

789.822.476 = 108.546a0 + 1.303.294.852a1 + 504.155.544 a2

-64.389.048 = 112.392 a0 + 504.155.544 a1 + 564.615.792 a2

Setelah persamaan di atas diselesaikan maka di peroleh koefisien – koefisien regresi linier sebagai berikut :

a0 = -191,240

a1 = 0,995

a2 = - 0,964

Jadi persamaan regeresinya adalah : Yˆ = -191,240+0,995X₁- (0,964)X₂

3.1.2 Uji Keberartian Regresi

Setelah persamaan regresi linier berganda diperoleh, maka dibutuhkan suatu pengujian hipotesa mengenai keberartian model regresi dengan kriteria pengujian :

Tolak H₀ jika Fhitung > Ftabel

Terima H₀ jika Fhitung < Ftabel

Hipotesa yang diuji adalah:

Ho : β1 = β2 = 0, Jumlah produksi padi dan jumlah kebutuhan beras secara

H1 : β1 = β2  0, Jumlah produksi padi dan jumlah kebutuhan beras secara

sama mempengaruhi jumlah ketersediaan beras

Dengan F_tabel diperoleh dari F dengan α = 0.05 dan dk pembilang = k, dk penyebut = n – k -1

Rumus yang digunakan sebagai berikut :

hitung

F =

) 1 (nk JK

k JK

res reg

Dengan :

reg

JK =







₂ 2 1

1 yx a yx a

res

JK = 2

1

) ˆ (Y Y

n

i

i 



_

Tabel 3.3 : Tabel Perhitungan Uji Regresi

No Y X1 X2

y (Y- Y )

x₁ (X₁-X )

x₂

(X₂-X )

yx

1

Yx

2 Yˆ Y-Yˆ (Y-Yˆ )

2

1 _{-855 2565 3420 -647,5 -1957,75 -1263 1267643,125 817792,5 -935,945 80,945 6552,093025} 2 _{-1087 2333 3420 -879,5 -2189,75 -1263 1925885,125 1110808,5 -1166,785 79,785 6365,646225} 3 _{-2299 1121 3420 -2091,5 -3401,75 -1263 7114760,125 2641564,5 -2372,725 73,725 5435,375625} 4 _{-1988 1432 3420 -1780,5 -3090,75 -1263 5503080,375 2248771,5 -2063,28 75,28 5667,0784} 5 _{10204 13624 3420 10411,5 9101,25 -1263 94757664,38 -13149724,5 10067,76 136,24 18561,3376} 6 _{12959 16379 3420 13166,5 11856,25 -1263 156105315,6 -16629289,5 12808,985 150,015 22504,50022} 7 _{3664 8198 3420 3871,5 3675,25 -1263 14228730,38 -4889704,5 4668,89}

-1004,89 1009803,912 8 _{293 3713 3420 500,5 -809,75 -1263 -405279,875 -632131,5 206,315 86,685 7514,289225} 9 _{-983 2437 3420 -775,5 -2085,75 -1263 1617499,125 979456,5 -1063,305 80,305 6448,893025} 10 _{-3057 363 3420 -2849,5 -4159,75 -1263 11853207,63 3598918,5 -3126,935 69,935 4890,904225} 11 _{-3282 138 3420 -3074,5 -4384,75 -1263 13480913,88 3883093,5 -3350,81 68,81 4734,8161} 12 _{199 3619 3420 406,5 -903,75 -1263 -367374,375 -513409,5 112,785 86,215 7433,026225} 13 _{-4756 1190 5946 -4548,5 -3332,75 1263 15159013,38 -5744755,5 -4739,134 -16,866 284,461956} 14 _{15235 21181 5946 15442,5 16658,25 1263 257245025,6 19503877,5 15151,911 83,089 6903,781921} 15 _{3247 9213 5946 3454,5 4690,25 1263 16202468,63 4363033,5 3243,751 3,249 10,556001}

No Y X1 X2

y (Y- Y )

x₁ (X₁-X )

x₂

(X₂-X )

yx

1

yx

2 Yˆ Y-Yˆ (Y-Yˆ )

2

16 _{-4682 1264 5946 -4474,5 -3258,75 1263 14581276,88 -5651293,5 -4665,504 -16,496 272,118016} 17 _{-3672 2274 5946 -3464,5 -2248,75 1263 7790794,375 -4375663,5 -3660,554 -11,446 131,010916} 18 _{7703 13649 5946 7910,5 9126,25 1263 72193200,63 9990961,5 7657,571 45,429 2063,794041} 19 _{-3870 2076 5946 -3662,5 -2446,75 1263 8961221,875 -4625737,5 -3857,564 -12,436 154,654096} 20 _{-5250 696 5946 -5042,5 -3826,75 1263 19296386,88 -6368677,5 -5230,664 -19,336 373,880896} 21 _{-5944 2 5946 -5736,5 -4520,75 1263 25933282,38 -7245199,5 -5921,194 -22,806 520,113636} 22 _{-4892 1054 5946 -4684,5 -3468,75 1263 16249359,38 -5916523,5 -4874,454 -17,546 307,862116} 23 _{-5921 25 5946 -5713,5 -4497,75 1263 25697894,63 -7216150,5 -5898,309 -22,691 514,881481} 24 _{-5946 0 5946 -5738,5 -4522,75 1263 25953800,88 -7247725,5 -5923,184 -22,816 520,569856}

Jumlah -4980 108546 112392 812345771 -41067708 111866,628

Y X ₁ X₂

Dari nilai – nilai diatas dapat diketahui nilai jumlah kuadrat regresi (JK_reg),nilai jumlah kuadrat residu (JK_res) sehingga diperoleh nilai F_hitung.

JK_reg = a₁







₂ 2 1 a yx yx

= (0,995)(812.345.771) + (-0.964)(-41.067.708) = (808.284.042,145) + (39.589.270,512)

 

=847.873.312,657 

Untuk JK_res dapat diketahui dari tabel 3.3 seperti dibawah ini : JK_res =



  n i i Y Y 1 2 ) ˆ (

= 1.117.266,628

Jadi F_hitung dapat dicari dengan rumus dibawah ini :

F_hitung =

1  k n JK k JK res reg = 1 2 24 628 1.117.866, 2 2,657 847.873.31   = 646 , 236 . 53 329 , 656 . 936 . 423

F_tabel = F_{()(k;nk1)} = F_(0.05)(2;21)

= 3,47

Jadi karena Fhitung > Ftabel yaitu 7.295,90 > 3,47 maka H0 ditolak. Hal ini berarti persamaan regresi linier ganda Yatas X₁ dan X₂ bersifat nyata yang berarti bahwa jumlah produksi beras (x1) dan jumlah kebutuhan beras (x2) secara bersama – sama mempengaruhi jumlah ketersediaan beras (Y).

3.1.3 Menentukan Koefisien Korelasi

Dari tabel 3.2 dapat dicari koefisien korelasi antara variabel tak bebas Y dengan menggunakan rumus: 1 .x y r =



_





_

 



_{ }





 ) ) ( ( ) ( ) )( ( 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n = ) ) 980 . 4 ( ) 888 . 064 . 850 )( 24 (( ) 546 . 108 ( ) 852 . 294 . 303 . 1 )( 24 ( ) 980 . 4 )( 546 . 108 ( ) 476 . 822 . 789 ( 24 2

2  



 

= 0,978

2 .x y r =



_





_





_{ }







 ) ) ( ( ) ( ) )( ( 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X n = ) ) 980 . 4 ( ) 888 . 064 . 850 )( 24 (( ) 392 . 112 ( ) 792 . 615 . 564 )( 24 ( ) 980 . 4 )( 392 . 112 ( ) 048 . 389 . 64 ( 24 2

2  



 

 = -0,228

Perhitungan koefisien korelasi antar variabel bebas

12

r =



_





_



 

_



_



 ) ) ( ( ) ( ) )( ( 2 2 2 2 2 1 2 1 2 1 2 1 i i i i i i i i X X n X X n X X X X n = 2 2_{((24(564.615.792) (112.392))} ) 546 . 108 ( ) 852 . 294 . 303 . 1 )( 24 ( ) 392 . 112 )( 546 . 108 ( ) 544 . 155 . 504 ( 24    = -0,024

Berdasarkan perhitungan korelasi antar variabel X₁ dan X₂ terhadap variabel Y dapat disimpulkan bahwa :

1. Variabel X₁ berkorolasi kuat terhadap Y 2. Variabel X₂ berkorelasi lemah terhadap Y 3. Variabel X₁ berkorelasi lemah terhadap X₂

3.1.4 Uji keberartian koefisien koelasi

Setelah koefisien korelasi diperoleh,maka dibutuhkan suatu pengujian hipotesa mengenai keberartian koefisien dengan kriteria pengujian :

Tolak H₀ jika t_hitung > t_tabel dan terima H₀ jika t_hitung < t_tabeldengan t_tabel diperoleh dari tabel t dengan  dan dk = n – k - 1

Untuk melakukan pengujian digunakan rumus :

0 t = 2 1 2 r n r  

Nilai t_hitung untuk n=24 dan

1

yx

r = 0,976 adalah sebagai berikut : 1 t = 2 1 2 r n r   =





2 978 , 0 1 2 24 978 , 0   = 21,947

Nilai t_hitung untuk n=24 dan r_yx2= -0,228 adalah sebagai berikut : 2 t = 2 1 2 r n r   =





2 228 , 0 1 2 24 228 , 0     = -1,098

Untuk taraf nyata α = 0.05 dengan dk = 21 dari daftar distribusi student t nilai

tabel

t = 2,08 untuk t₁ = 3,625 maka t_hitung > t_tabel sehingga H₀ ditolak yang berarti bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah ketersediaan beras. Sedangkan untuk t₂ = -1,098 maka t_hitung < t_tabel sehingga H₀ diterima yang berarti tidak ada hubungan secara dominan antara kebutuhan beras terhadap jumlah ketersediaan beras.

BAB 4

IMPLEMENTASI SISTEM

4.1 Sekilas Tentang SPSS

SPSS ( Statistical Package For Service Solution ) dibuat pada tahun 1968 oleh mahasiswa dari Standford University. SPSS pada awalnya merupakan salah satu paket program olah data statistik yang ditujukan untuk analisis data ilmu-ilmu sosial, yang dahulu namanya Social Package For Service Solution. Seiring dengan perkembangannya, SPSS berubah nama sesuai dengan kebutuhannya. SPSS sudah mampu memproses data statistik pada berbagai bidang ilmu, baik ilmu sosial maupun non sosial. Penggunaan SPSS Dimaksudkan untuk melakukan analisis dengan cepat.

4.2 Mengaktifkan SPSS

Klik Tombol start pada windows, kemudian klik program, lalu klik SPSS. Selain cara itu, program SPSS bisa diaktifkan melalui icon shortcut pada tampilan desktop.

Gambar 4.1 Mengaktifkan SPSS

4.3 Membuka lembar Baru

Dari tampilan yang muncul pada start saat membuka SPSS, Pilih type in data untuk membuat data baru atau dari menu file, pilih new maka akan muncul jendela editor, kemudian klik data.

4.4 Menamai Variabel

Klik variabel view, yang terletak disebelah kiri bawah jendela editor, lalu lakukan langkah – langkah sebagai berikut :

1. Name : Ketik nama variabel yang kita inginkan.

2. Type : Sesuaikan type data dengan apa yang kita inginkan. 3. Width : Digunakan untuk menentukan jarak / lembar kolom. 4. Label : Ketikkan nama sesuai dengan identitas dari nama

,hanya terdiri dari 8 digit / karakter.

5. Value : Digunakan untuk mengisi penjelasan nama ( label ) pada variabel.

6. Missing : Digunakan untuk menjelaskan data yang hilang. 7. Columns : Digunakan untuk menentukan lebar kolom.

8. Align : Digunakan untuk menentukan letak pengisian data, apakah rata kiri, rata kanan, atau ditengah – tengah kolom.

9. Measure : Digunakan untuk menentukan jenis data.

4.5 Pengisian Data

1. Aktifkan jendela data dengan mengklik data view, yang terletak disudut kiri bawah jendela editor.

2. Selanjutnya ketikkan data yang sesuai untuk setiap variabel yang telah didefinisikan.

Gambar 4.4 Data yang diolah

4.6 Pengolahan Data Dengan Persamaan Regresi

1. Tampilkan file yang akan ditentukan oleh persamaan regresi pada jendela editor yang tampak.

2. Pilih menu analyze, kemudian pilih sub menu Regression dengan cursor, dan pilih linier yang keluar pada tampilan jendela editor.

Gambar 4.5 Pilih Analyze, Regresion, Linier

3. Setelah muncul kotak dialog, kemudian sorot variabel yang menjadi variabel tidak bebas dan pindahkan ke kotak variabel dependent,demikian juga sorot variabel independent.

4. Klik statistic pada kotak dialog linier regression, aktifkan estimate,model fit, casewise diagnostics, kemudian klik continue untuk melanjutkannya.

Gambar 4.7 Kotak dialog Linier Regresion Statistic

5. Kemudian klik plots pada kotak tersebut, pilih Histogram dan Normal probability plot. Kemudian klik continue.

Gambar 4.8 Kotak dialog Linier Regresion Plot

Pengisian:

Untuk stepping method criteria, digunakan uji F dengan standard eror 0,05. oleh karena itu angka entry dipilih 0,05. kemudian klik continiue, lalu klik OK pada kotak dialog linier regression untuk melihat hasilnya / outputnya.

Gambar 4.9 : Kotak Diolog Linier Regresion Options

4.7 Pengolahan Data Dengan Persamaan Korelasi

1. Untuk mengetahui korelasi antara variabel tak bebas dengan variabel bebas maka lakukan analyze, kemudian pilih sub menu Corelate, kemudian pilih bivariate.

Gambar 4.10 Pilih Analyze, correlate, bivariate

2. Setelah muncul kotak dialog, kemudian sorot variebel – variabel yang akan ditentukan korelasinya dan pindahkan ke kotak variables

3. Pada kolom correlation coefficients, pilih pearson, sedang pada kolom test of significant, pilih two tailed, lalu klik OK.

BAB 5

PENUTUP

5.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan, maka dapat diambil beberapa kesimpulan yaitu:

1. Dari hasil perhitungan diperoleh bahwa persamaan penduga dari jumlah ketersediaan beras untuk jumlah produksi beras dan jumlah kebutuhan beras adalah

Yˆ = -191.240+0,995X₁+(-0,964)X₂ yang berarti bahwa untuk setiap pertambahan X₁ ( jumlah produksi beras ) sebesar satu ton,maka rata - rata ketersediaan beras Yˆ bertambah sebesar 0,995 ton dan setiap pertambahan X₂( kebutuhan beras ) sebesar satu ton,maka rata – rata ketersediaan berkurang sebesar 0,964 ton.

2. Melalui uji keberartian regresi, dimana α = 0.05 disimpulkan bahwa 0

H ditolak. Hal ini berarti bahwa persamaan regresi linier ganda Yatas 1

X dan X₂bersifat nyata yang berarti bahwa jumlah produksi beras dan jumlah kebutuhan beras secara bersama-sama mempengaruhi jumlah ketersediaan beras.

3. Berdasarkan perhitungan korelasi antara variabel X₁ dan X₂ terhadap variabel Y dapat disimpulkan bahwa variabel X₁ berkorelasi kuat terhadap variabel Y, variabel X₂ berkorelasi lemah terhadap variabel

Y, dan variabel X₁ berkorelasi lemah terhadap variabel X₂.

4. Melalui uji keberatian koefisien korelasi, dengan α = 0.05 disimpulkan bahwa untuk t₁= 21,843 maka t_hitung > t_tabel sehingga H₀ ditolak yang berarti bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah ketersediaan beras. Sedangkan untuk t₂ = -1,098 maka t_hitung < t_tabel sehingga H₀ diterima yang berarti bahwa tidak ada hubungan secara dominan antara jumlah kebutuhan beras terhadap jumlah ketersediaan beras.

4.2 Saran

1. Badan Ketahanan Pangan lebih memperhatikan ketersediaan beras di Kabupaten Tapanuli Utara, agar daerah tersebut memenuhi kebutuhan beras di daerah tersebut.

2. Bagi masyarakat Tapanuli Utara lebih memberdayakan areal persawahan yang ada.

DAFTAR PUSTAKA

Prof. Dr. Husaini Usman, M.Pd dan R. Purnomo Setiady Akbar, M.Pd.2006. Pengantar Statistika”.Jakarta:Bumi Aksara

Ahmad Noer. 2004. Statistik Deskriptif dan Probabilita. Yogyakarta: BPFE. Santoso, Ratno Dwi. 1992. Analisis Regresi. Yogyakarta: Andi Offset. Algifari. 1997. Analisis Regresi. Yogyakarta: BPFE.

Richard Lungan. 2006. Aplikasi Statistika dan Hitung Peluang. Yogyakarta: Graha Ilmu.

Mulanto, Sri. 2007. Pengolahan Data statistik Dengan SPSS 15.0.Semarang: Andi Offset.

Hartono. 2004. Statistika untuk Penelitian. Pekanbaru: Lembaga Studi Filsafat, Kemasyarakatan, Kependidikan dan Perempuan.

L

A

M

P

I

R

A

OUTPUT SPSS

Regression

Variables Entered/Removedb

Model Variables Entered

Variables

Removed Method

1 Kebutuhan Beras,

Produksi Berasa . Enter

a. All requested variables entered.

b. Dependent Variable: Ketersediaan Beras

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .999a .999 .999 230.72006

a. Predictors: (Constant), Kebutuhan Beras, Produksi Beras b. Dependent Variable: Ketersediaan Beras

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 8.479E8 2 4.240E8 7.964E3 .000a

Residual 1117866.628 21 53231.744

Total 8.490E8 23

a. Predictors: (Constant), Kebutuhan Beras, Produksi Beras b. Dependent Variable: Ketersediaan Beras

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -191.240 185.395 -1.032 .314

Produksi Beras .995 .008 .973 122.887 .000

Kebutuhan Beras -.964 .037 -.205 -25.857 .000

a. Dependent Variable: Ketersediaan Beras

Casewise Diagnosticsa

Case

Number Std. Residual

Ketersediaan

Beras Predicted Value Residual

7 -4.350 3664.00 4667.5728 -1.00357E3

a. Dependent Variable: Ketersediaan Beras

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -5.9259E3 1.5150E4 -2.0750E2 6071.72231 24

Residual -1.00357E3 1.51112E2 .00000 220.46065 24

Std. Predicted Value -.942 2.529 .000 1.000 24

Std. Residual -4.350 .655 .000 .956 24

Charts

Correlations

Correlations

Ketersediaan

Beras Produksi Beras Kebutuhan Beras

Ketersediaan Beras Pearson Correlation 1 .978** -.228

Sig. (2-tailed) .000 .284

N 24 24 24

Produksi Beras Pearson Correlation .978** 1 -.024

Sig. (2-tailed) .000 .913

N 24 24 24

Kebutuhan Beras Pearson Correlation -.228 -.024 1

Sig. (2-tailed) .284 .913

N 24 24 24

DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknoligi No. 1 Kampus USU, Telp.(061)8211050, Fax (061)8214290 Medan - 20155

Medan, Januari 2011 Nomor : / H5.2.1.8/SPB/ 2009

Lampiran : -

Hal : Pengumpulan Data Riset Mahasiswa Program Studi Diploma-3 Statistika Departemen Matematika FMIPA USU

Kepada Yth:

Kepala Badan Ketahanan Pangan Provinsi Sumatra Utara

Dengan Hormat,

Bersama ini kami mohon kesediaan Bapak/Ibu untuk menerima Mahasiswa Program Studi Diploma-3 Statistika FMIPA USU, untuk melakukan penelitian/pengumpulan data atas nama:

No Nama Nim Program Studi

1. Yandri R Sitompul 08240765 D-3 Statistika

Data dimaksud diolah dan khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang bersangkutan pada Program Studi Diploma-3 Statistika Departemen Mahasiswa FMIPA USU.

Demikian kami sampaikan, atas bantuan dan kerja sama yang baik kami ucapkan terima kasih.

An. Dekan FMIPA USU

Pembantu Dekan

Dr. Sutarman, M.Sc

Nip. 131 945 359

Tembusan:

1. Ketua Program Studi D-3 Statistika 2. Arsip

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155

Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

SURAT KETERANGAN Hasil Uji Program Tugas Akhir

Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistka :

Nama : Yandri R Sitompul

NIM : 082407065

Program Studi : Statistika

Judul Tugas Akhir : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras di Kabupaten Tapanuli Utara

Telah melaksanakan test program tugas akhir mahasiswa tersebut di atas pada tanggal ...

Dengan Hasil : Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan Matematika FMIPA USU Medan.

Medan, Juni 2011

Dosen Pembimbing

Drs. Haluddin Panjaitan NIP. 19460309 197902 1 001

DEPARTEMEN PENDIDIKAN NASIONAL

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155

Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIIMBINGAN TUGAS AKHIR MAHASISWA Nama : Yandri R Sitompul

NIM : 082407065

Judul Tugas Akhir :Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras di Kabupaten Tapanuli Utara

Dosen Pembimbing : Drs. H. Haluddin Panjaitan Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan :

No. Tanggal Asistensi

Bimbingan

Pembahasan Asistensi Mengenai,

Pada BAB

Paraf Dosen Pembimbing

Keterangan

1.

2.

3.

4.

5.

6.

7.

 Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mahasiswa telah selesai

Diketahui Disetujui

Ketua Departemen Matematika FMIPA USU Pembimbing Utama

Prof. Dr. Tulus, M.Si Drs. Haluddin Panjaitan NIP. 19620901 198803 1 002 NIP. 19460309 197902 1 001

OUTPUT SPSS

Regression

Variables Entered/Removedb

Model Variables Entered

Variables

Removed Method

1 Kebutuhan Beras,

Produksi Berasa . Enter

a. All requested variables entered.

b. Dependent Variable: Ketersediaan Beras

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .999a .999 .999 230.72006

a. Predictors: (Constant), Kebutuhan Beras, Produksi Beras

b. Dependent Variable: Ketersediaan Beras

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 8.479E8 2 4.240E8 7.964E3 .000a

Residual 1117866.628 21 53231.744

Total 8.490E8 23

a. Predictors: (Constant), Kebutuhan Beras, Produksi Beras

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) -191.240 185.395 -1.032 .314

Produksi Beras .995 .008 .973 122.887 .000

Kebutuhan Beras -.964 .037 -.205 -25.857 .000

a. Dependent Variable: Ketersediaan Beras

Casewise Diagnosticsa Case

Number Std. Residual

Ketersediaan

Beras Predicted Value Residual

7 -4.350 3664.00 4667.5728 -1.00357E3

a. Dependent Variable: Ketersediaan Beras

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -5.9259E3 1.5150E4 -2.0750E2 6071.72231 24

Residual -1.00357E3 1.51112E2 .00000 220.46065 24

Std. Predicted Value -.942 2.529 .000 1.000 24

Std. Residual -4.350 .655 .000 .956 24

Charts

Correlations

Correlations Ketersediaan

Beras Produksi Beras Kebutuhan Beras

Ketersediaan Beras Pearson Correlation 1 .978** -.228

Sig. (2-tailed) .000 .284

N 24 24 24

Produksi Beras Pearson Correlation .978** 1 -.024

Sig. (2-tailed) .000 .913

N 24 24 24

Kebutuhan Beras Pearson Correlation -.228 -.024 1

Sig. (2-tailed) .284 .913

N 24 24 24

DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknoligi No. 1 Kampus USU, Telp.(061)8211050, Fax (061)8214290 Medan - 20155

Medan, Januari 2011 Nomor : / H5.2.1.8/SPB/ 2009

Lampiran : -

Hal : Pengumpulan Data Riset Mahasiswa Program Studi Diploma-3 Statistika Departemen Matematika FMIPA USU

Kepada Yth:

Kepala Badan Ketahanan Pangan Provinsi Sumatra Utara

Dengan Hormat,

Bersama ini kami mohon kesediaan Bapak/Ibu untuk menerima Mahasiswa Program Studi Diploma-3 Statistika FMIPA USU, untuk melakukan penelitian/pengumpulan data atas nama:

No Nama Nim Program Studi

1. Yandri R Sitompul 08240765 D-3 Statistika

Data dimaksud diolah dan khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang bersangkutan pada Program Studi Diploma-3 Statistika Departemen Mahasiswa FMIPA USU.

Demikian kami sampaikan, atas bantuan dan kerja sama yang baik kami ucapkan terima kasih.

An. Dekan FMIPA USU

Pembantu Dekan

Dr. Sutarman, M.Sc

Nip. 131 945 359

Tembusan:

1. Ketua Program Studi D-3 Statistika 2. Arsip

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistka :

Nama : Yandri R Sitompul

NIM : 082407065

Program Studi : Statistika

Judul Tugas Akhir : Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras di Kabupaten Tapanuli Utara

Telah melaksanakan test program tugas akhir mahasiswa tersebut di atas pada tanggal ...

Dengan Hasil : Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan Matematika FMIPA USU Medan.

Medan, Juni 2011

Dosen Pembimbing

Drs. Haluddin Panjaitan

NIP. 19460309 197902 1 001

DEPARTEMEN PENDIDIKAN NASIONAL

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIIMBINGAN TUGAS AKHIR MAHASISWA

Nama : Yandri R Sitompul

NIM : 082407065

Judul Tugas Akhir :Analisa Korelasi Terhadap Faktor Yang Mempengaruhi Ketersediaan Beras di Kabupaten Tapanuli Utara

Dosen Pembimbing : Drs. H. Haluddin Panjaitan Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan :

No. Tanggal Asistensi

Bimbingan

Pembahasan Asistensi Mengenai,

Pada BAB

Paraf Dosen Pembimbing

Keterangan

1.

2.

3.

4.

5.

6.

7.

 Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mahasiswa telah selesai

Diketahui Disetujui

Ketua Departemen Matematika FMIPA USU Pembimbing Utama

Prof. Dr. Tulus, M.Si Drs. Haluddin Panjaitan NIP. 19620901 198803 1 002 NIP. 19460309 197902 1 001