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
Universitas Sumatera Utara

PERSETUJUAN

Judul
Kategori Nama Nomor Induk Mahasiswa Program Studi Departemen Fakultas

: ANALISA KORELASI TERHADAP FAKTOR YANG MEMPENGARUHI KETERSEDIAAN BERAS DI KABUPATEN TAPANULI UTARA : TUGAS AKHIR : YANDRI R SITOMPUL : 082407065 : DIPLOMA III STATISTIKA : MATEMATIKA : 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 NIP. 19620901 198803 1 002

Drs. Haluddin Panjaitan NIP. 19460309 197902 1 001

Universitas Sumatera Utara

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

Universitas Sumatera Utara

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. Wasalamu’alaikum Warahmatullahi Wabarakatu.
Universitas Sumatera Utara

DAFTAR ISI

Persetujuan Pernyataan Penghargaan Daftar Isi Daftar Tabel Daftar Gambar

Halaman ii iii iv v vi
vii

BAB 1

PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Identifikasi Masalah 1.3 Ruang Lingkup 1.4 Maksud dan Tujuan 1.5 Manfaat Penelitian 1.6 Metodologi Penelitian 1.7 Sistematika Penulisan

1 1 3 3 3 4 4 5

BAB 2

LANDASAN TEORI 2.1 Regresi Linier Sederhana 2.2 Regresi Linier Berganda 2.3 Uji Keberartian Regresi 2.4 Koefisien Korelasi 2.5 Uji Keberartiaan Koefisien Korelasi

6 6 10 11 12 16

BAB 3

ANALISIS DAN EVALUASI 3.1 Analisis dan Evaluasi Data
3.1.1 Menentukan Persamaan Regresi Linier Berganda 3.1.2 Uji Keberartian Regresi 3.1.3 Menentukan Koefisien Korelasi 3.1.4 Uji Kebertian Koefisien Korelasi

17 17 19 23 28 29

BAB 4

IMPLEMENTASI SISTEM 4.1 Sekilas Tentang SPSS 4.2 Mengaktifkan SPSS 4.3 Membuka Lembar Baru 4.4 Menamai Variabel 4.5 Pengisian Data 4.6 Pengolahan Data Dengan Persamaan Regresi 4.7 Pengolahan Data Dengan Persamaan Korelasi

31 31 31 32 33 34 34 37

BAB 5 PENUTUP 5.1 Kesimpulan 5.2 Saran
DAFTAR PUSTAKA LAMPIRAN

39 39 40

Universitas Sumatera Utara

DAFTAR TABEL

Tabel 3.1 Tabel Ketersediaan Beras, Produksi Beras dan Kebutuhan Beras Per Bulan Pada Tahun 2006 dan 2007
Tabel 3.2 Tabel Nilai-nilai yang diperlukan untuk menghitung koefisien Regresi a0, a1,a2
Tabel 3.3 Tabel Perhitungan Uji Regresi

Halaman
17
20 25

Universitas Sumatera Utara

DAFTAR GAMBAR
Gambar 4.1 Mengaktifkan SPSS Gambar 4.2 Tampilan saat membuka SPSS Gambar 4.3 Layar kerja variable view Gambar 4.4 Data yang diolah Gambar 4.5 Pilih Analyze, Regresion, Linier Gambar 4.6 Kotak dialog Linier Regresion Gambar 4.7 Kotak dialog Linier Regresion Statistic Gambar 4.8 Kotak dialog Linier Regresion Plot Gambar 4.9 Kotak dialog Linier Regresion Options Gambar 4.10 Pilih analyze, correlate, bivariate Gambar 4.11 Bivariate Corelation

Halaman 32 32 33 34 35 35 36 36 37 38 38

Universitas Sumatera Utara

BAB 1
PENDAHULUAN
1.1 Latar 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.
Universitas Sumatera Utara

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”.
Universitas Sumatera 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.
Universitas Sumatera Utara

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.
Universitas Sumatera Utara

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 ini berisikan tentang kesimpulan dan saran dari hasil pembahasan.

Universitas Sumatera Utara

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:

µY.X = E (Y/X) = α + βX

(1)

µY.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 µY.X , maka nilai Y perlu ditentukan untuk
suatunilai X tertentu. Nilai Y tersebut untuk Xi tertentu dinyatakan dengan Yi. Nilai Yi

Universitas Sumatera Utara

µdan 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 µY.X disebut galat acak (random error) dan dinyatakan
dengan simbol εi. Dengan demikian:

µεi = Yi - 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

Universitas Sumatera Utara

Dalam hal ini: a merupakan penduga titik bagi α b merupakan penduga titik bagi β
Ŷ merupakan penduga titik bagi µY.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:

  n n

n

S=

ei2 =

(Yi – Ŷ)2 =

(Yi – a – bXi)2

i1 i1

i 1

(5)

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

  S
a

=

i

(Yi  a  bX i )2 a

=

2(Yi  a  bX i )(1) = -2 (Yi  a  bX i )
ii

 S
b

=

i

(Yi  a  bX i )2 b

=

2(Yi  a  bX i )( X i )
i

= -2 X i (Yi  a  bX i ) i

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

Universitas Sumatera Utara

-2 (Yi  a  bX i ) = 0 i
-2 X i (Yi  a  bX i ) = 0 i

(5)

Dari dua persyaratan diatas diperoleh persamaan normal sebagai berikut:

 n n
n a + b X i = Yi
i1 i1

  n n n

a

Xi + b

X

2 i

=

X iYi

i1 i1 i1

(6)

dan dari persamaan normal diperoleh:

    b =

n i 1

X iYi



1 n



n i 1

Xi



n i 1

Yi



n i 1

X

2 i



1 n



n i 1

Xi



n
( X i  X )(Yi  Y ) = i1
n
(Xi  X)2
i 1

a = Ŷ – bX

atau

(
   a =

Yi )(

X

2 i

)



(

X i )(

X iYi )

n(

X

2 i

)



(

Xi )2

n
   b =

X iYi  ( X i )( Yi )

n

X

2 i

(

Xi )2

(7) (8)

Universitas Sumatera Utara

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 X 1 , X 2 , X 3 , …,X k dan variabel tak bebas Y, maka bentuk umum linier berganda atas X1 , X 2 , X 3 , … X k akan ditaksir oleh :

Y = a + b 1 X 1 +b 2 X 2 +b 3 X 3 +…+b k X k Dengan konstanta a0 dan koefisien a1, a2, a3,…,a k dapat ditaksir berdasarkan n buah pasangan data X1 , X 2 , X 3 , … , 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 , X 2 ,…, X k ,Y).
Universitas Sumatera Utara

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

  Y = na0  a1 X1 a2 X 2

   YX1 = a

X 1  a1

X

2 1

a2

X1X 2

   YX 2 = a

X 2  a1

X 1 X 2 a2

X

2 2

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:

JKreg F= k
JKres (n  k 1)

Universitas Sumatera Utara

Dengan: F = Statistik F yang menyebar mengikuti distribusi derajat kebebasan V1 = k dan V 2 = n – k – 1 Jkreg = Jumlah kuadrat regresi:
   b 1 y i x1i +b 2 y i x 2i +b 3 y i x3i + ...  b k y i x ki
x 1i = X 1i X , X 2i X , X 3i X , X ki X y = Y 1Y dengan derajat kebebasan (dk) = k
JKres = Jumlah Kuadrat Residu (sisa) =  (Y  Yˆ)2
Dengan derajat kebebasan n – k – 1 3. Kriteria Pengujian.
a. H o:B1B 2  ... B k  0 (ini berarti bahwa antara Y dengan X1 dan X 2 tidak ada hubungan) H 1:B j  0 ( ini berarti bahwa Y tergantung pada X1 dan X 2 atau kedua – duanya) b. Tolak H 0 Jika F Hitung > F Tabel
Terima H 0 Jika 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.
Universitas Sumatera Utara

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.
Universitas Sumatera Utara

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 r xy , maka rumus yang digunakan adalah:

  r xy    n

n X iY i( X i)( Y i)

X

2 i

(

X i)2 (n

Yi2  (

Y i)2 )

Dimana :

n = Banyaknya pasangan data X dan Y

 X i = Jumlah nilai – nilai dari variabel X

Y 1 = Jumlah nilai – nilai dari variabel Y

X

2 i

=

Jumlah

kuadrat

nilai

– nilai dari variabel

X

Yi2 = Jumlah kuadrat nilai – nilai dari variabel Y

 X iYi = Jumlah hasil kali nilai-nilai variabel X dan Y

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

Universitas Sumatera Utara

r y.x1 =

  n X 1iY i  ( X 1i )( Y i)

   n

X

2 1i

(

X 1i)2 (n

Yi2  (

Y i)2 )

ry.x2 =

  n X 2iY i  ( X 2i)( Y i)

   n

X

2 2i

(

X 2i)2 (n

Yi2  (

Y i)2 )

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

Universitas Sumatera Utara

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:

t0=

n n2 1r 2

Dengan :

r = Koefisien Korelasi

n= Banyak Pasangan

2. Kriteria Pengujian

Tolak H 0 Jika t Hitung > t Tabel dan terima H 0 Jika t Hitung < t Tabel

Dengan t Tabel diperoleh dari tabel t dengan α dan dk = n – k – 1.

Universitas Sumatera Utara

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
Januari 2007 Februari 2007 Maret 2007 April 2007 Mei 2007 Juni 2007 Juli 2007 Agustus 2007

Ketersediaan Beras Produksi

( ton )

Beras ( ton )

-855 2565

-1.087

2333

-2.299

1121

-1.988

1432

10.204

13624

12.959

16379

3.664

8198

293 3713

Kebutuhan Beras ( ton ) 3420 3420 3420 3420 3420 3420 3420 3420

Universitas Sumatera Utara

September 2007 -983

2437

Oktober 2007

-3.057

363

November 2007 -3.282

138

Desember 2007 199

3619

Januari 2008

-4.756

1190

Februari 2008

15.235

21181

Maret 2008

3.247

9213

April 2008

-4.682

1264

Mei 2008

-3.672

2274

Juni 2008

7.703

13649

Juli 2008

-3.870

2076

Agustus 2008

-5.250

696

September 2008 -5.944

2

Oktober 2008

-4.892

1054

November 2008 -5.921

25

Desember 2008 -5.946

-

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

Dengan : Y = Jumlah Ketersediaan Beras X1 = Jumlah Produksi Beras X 2 = Jumlah Kebutuhan Beras

3420 3420 3420 3420 5946 5946 5946 5946 5946 5946 5946 5946 5946 5946 5946 5946

Universitas Sumatera Utara

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 , X 2 ) 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

Universitas Sumatera Utara

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

No Y X1 X2

1 -855

2565 3420

2 -1087 2333 3420

3 -2299 1121 3420

4 -1988 1432 3420

5 10204 13624 3420

6 12959 16379 3420

7 3664 8198 3420

8 293

3713 3420

9 -983

2437 3420

10 -3057 363

3420

11 -3282 138

3420

12 199

3619 3420

13 -4756 1190

5946

14 15235 21181 5946

15 3247

9213

5946

16 -4682 1264

5946

X1X2

X1Y

X2Y

8772300 7978860 3833820 4897440 46594080 56016180 28037160 12698460 8334540 1241460 471960 12376980 7075740 125942226 54780498 7515744

-2193075 -2535971 -2577179 -2846816 139019296 212255461 30037472 1087909 -2395571 -1109691 -452916 720181 -5659640 322692535 29914611 -5918048

-2924100 -3717540 -7862580 -6798960 34897680 44319780 12530880 1002060 -3361860 -10454940 -11224440 680580 -28279176 90587310 19306662 -27839172

X

2 1

6579225 5442889 1256641 2050624 185613376 268271641 67207204 13786369 5938969 131769 19044 13097161 1416100 448634761 84879369 1597696

X 22
11696400 11696400 11696400 11696400 11696400 11696400 11696400 11696400 11696400 11696400 11696400 11696400 35354916 35354916 35354916 35354916

Y2
731025 1181569 5285401 3952144 104121616 167935681 13424896 85849 966289 9345249 10771524 39601 22619536 232105225 10543009 21921124

Universitas Sumatera Utara

No Y
17 -3672 18 7703 19 -3870 20 -5250 21 -5944 22 -4892 23 -5921 24 -5946
Jumlah -4.980

X1 X2 X1X2

X1Y

X2Y

2274 13649 2076 696 2 1054 25 0

5946 5946 5946 5946 5946 5946 5946 5946

13521204 81156954 12343896 4138416 11892 6267084 148650 0

-8350128 105138247 -8034120 -3654000 -11888 -5156168 -148025 0

-21833712 45802038 -23011020 -31216500 -35343024 -29087832 -35206266 -35354916

108.546 112.392 504.155.544 789.822.476 -64.389.048

X12 X 22

5171076 186295201 4309776 484416 4 1110916 625 0

35354916 35354916 35354916 35354916 35354916 35354916 35354916 35354916

1.303.294.852 564.615.792

Y2
13483584 59336209 14976900 27562500 35331136 23931664 35058241 35354916
850.064.888

Universitas Sumatera Utara

Dari tabel di atas diperoleh nilai – nilai sebagai berikut :

Y = -4.980

X1

= 108.546

X2

= 112.392

 X 1X 2 = 504.155.544

 X 1Y

= 789.822.476

 X 2Y

= -64.389.048

X

2 1

= 1.303.294.852

X

2 2

= 564.615.792

Y 2

= 850.064.888

n = 24

Y = -207,5

X 1 = 4522,75

X 2 = 4683

Persamaan mencari nilai koefisien regresi:

  Y = na0  a1 X1 a2 X 2

   YX1 = a0

X 1  a1

X

2 1

a2

X1X 2

   YX 2 = a0

X 2  a1

X 1 X 2 a2

X

2 2

Universitas Sumatera Utara

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 + 1.303.294.852 a1 + 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+0,995 X 1 - (0,964) X 2

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 H 0 jika F hitung > F tabel Terima H 0 jika F hitung < F tabel Hipotesa yang diuji adalah: Ho : β1 = β2 = 0, Jumlah produksi padi dan jumlah kebutuhan beras secara bersama-
sama tidak mempengaruhi jumlah ketersediaan beras.

Universitas Sumatera Utara

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

Dengan :

JK reg

F hitung

=

k JK res (n  k  1)

 JK reg

=

a 1

yx1a 2

yx 2

n
JK res = (Y i  Yˆ)2 i 1

Universitas Sumatera Utara

Tabel 3.3 : Tabel Perhitungan Uji Regresi

No Y X1 X2
1 -855 2565 3420 2 -1087 2333 3420 3 -2299 1121 3420 4 -1988 1432 3420 5 10204 13624 3420 6 12959 16379 3420
7 3664 8198 3420
8 293 3713 3420 9 -983 2437 3420 10 -3057 363 3420 11 -3282 138 3420 12 199 3619 3420 13 -4756 1190 5946 14 15235 21181 5946 15 3247 9213 5946

y (Y-Y )
-647,5 -879,5 -2091,5 -1780,5 10411,5 13166,5
3871,5
500,5 -775,5 -2849,5 -3074,5 406,5 -4548,5 15442,5 3454,5

x1 (X1 - X )
-1957,75 -2189,75 -3401,75 -3090,75 9101,25 11856,25
3675,25
-809,75 -2085,75 -4159,75 -4384,75 -903,75 -3332,75 16658,25 4690,25

x2 (X 2 - X )

yx 1

-1263 -1263 -1263 -1263 -1263 -1263

1267643,125 1925885,125 7114760,125 5503080,375 94757664,38 156105315,6

-1263

14228730,38

-1263 -1263 -1263 -1263 -1263 1263 1263 1263

-405279,875 1617499,125 11853207,63 13480913,88 -367374,375 15159013,38 257245025,6 16202468,63

Yx2
817792,5 1110808,5 2641564,5 2248771,5 -13149724,5 -16629289,5 -4889704,5 -632131,5 979456,5 3598918,5 3883093,5 -513409,5 -5744755,5 19503877,5 4363033,5

Yˆ Y-Yˆ

(Y-Yˆ ) 2

-935,945 80,945 6552,093025

-1166,785 79,785 6365,646225

-2372,725 73,725 5435,375625

-2063,28 75,28 5667,0784

10067,76 136,24 18561,3376

12808,985 4668,89 206,315

150,015 22504,50022

1004,89

1009803,912

86,685 7514,289225

-1063,305 80,305 6448,893025

-3126,935 69,935 4890,904225

-3350,81 68,81 4734,8161

112,785 86,215 7433,026225

-4739,134 -16,866 284,461956

15151,911 83,089 6903,781921

3243,751 3,249 10,556001

Universitas Sumatera Utara

No Y
16 -4682 17 -3672 18 7703 19 -3870 20 -5250 21 -5944 22 -4892 23 -5921 24 -5946
Jumlah -4980

y X1 X2 (Y-Y )

1264 2274 13649 2076 696 2 1054 25 0

5946 5946 5946 5946 5946 5946 5946 5946 5946

-4474,5 -3464,5 7910,5 -3662,5 -5042,5 -5736,5 -4684,5 -5713,5 -5738,5

108546 112392

x1 (X1 - X )
-3258,75 -2248,75 9126,25 -2446,75 -3826,75 -4520,75 -3468,75 -4497,75 -4522,75

x2 (X 2 - X )

yx 1

1263 1263 1263 1263 1263 1263 1263 1263 1263

14581276,88 7790794,375 72193200,63 8961221,875 19296386,88 25933282,38 16249359,38 25697894,63 25953800,88

812345771

yx2
-5651293,5 -4375663,5 9990961,5 -4625737,5 -6368677,5 -7245199,5 -5916523,5 -7216150,5 -7247725,5 -41067708

Yˆ Y-Yˆ

(Y-Yˆ ) 2

-4665,504 -3660,554 7657,571 -3857,564 -5230,664 -5921,194 -4874,454 -5898,309 -5923,184

-16,496 272,118016 -11,446 131,010916 45,429 2063,794041 -12,436 154,654096 -19,336 373,880896 -22,806 520,113636 -17,546 307,862116 -22,691 514,881481 -22,816 520,569856

111866,628

Y -207,5

X1 4552,75

X2 4683

Universitas Sumatera Utara

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 = a 1 yx1 a 2 yx2
= (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 :
n
JK res = (Y iYˆ)2 i 1 = 1.117.266,628

Jadi F hitung dapat dicari dengan rumus dibawah ini :

F hitung

JK reg =k
JK res n  k  1

847.873.312,657 =2
1.117.866,628 24  2 1
= 423.936.656,329 53.236,646

= 7.963,249

Universitas Sumatera Utara

F = Ftabel

( )(k ;nk 1)

= F (0.05)(2;21)

= 3,47

Jadi karena F hitung > F tabel yaitu 7.295,90 > 3,47 maka H 0 ditolak. Hal ini

berarti persamaan regresi linier ganda Y atas X 1 dan X 2 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:

r y.x1 =

  n X 1iY i( X 1i)( Y i)     n X 12i( X 1i)2  (n Y 2i( Y i)2 ) 

= 24(789.822.476)  (108.546)(4.980) (24)(1.303.294.852)  (108.546)2 ((24)(850.064.888)  (4.980)2 )

= 0,978

r y.x2 =

  n X 2iY i( X 2i)( Y i)     n X 22i( X 2i) 2  (n Y 2i( Y i) 2 ) 

= 24(64.389.048)  (112.392)(4.980) (24)(564.615.792)  (112.392)2 ((24)(850.064.888)  (4.980)2 )

= -0,228

Universitas Sumatera Utara

Perhitungan koefisien korelasi antar variabel bebas

r12 =

  n X 1iX 2i( X 1i)( X 2i)      n X 12i( X 1i)2 (n X 22i( X 2i)2 )

= 24(504.155.544)  (108.546)(112.392) (24)(1.303.294.852)  (108.546)2 ((24(564.615.792)  (112.392))2

= -0,024

Berdasarkan perhitungan korelasi antar variabel X1 dan X 2 terhadap variabel Y dapat disimpulkan bahwa :
1. Variabel X1 berkorolasi kuat terhadap Y 2. Variabel X 2 berkorelasi lemah terhadap Y 3. Variabel X1 berkorelasi lemah terhadap X 2

3.1.4 Uji keberartian koefisien koelasi

Setelah koefisien korelasi diperoleh,maka dibutuhkan suatu pengujian hipotesa mengenai keberartian koefisien dengan kriteria pengujian : Tolak H 0 jika t hitung > t tabel dan terima H 0 jika t hitung < t tabel dengan t tabel diperoleh dari tabel t dengan  dan dk = n – k - 1

Untuk melakukan pengujian digunakan rumus :

t0=

r

n2 1r 2

Universitas Sumatera Utara

Nilai t hitung untuk n=24 dan r yx1 = 0,976 adalah sebagai berikut :

t1 =

r

n2 1r 2

=

0,978 24  2
1 0,9782

= 21,947

Nilai t hitung untuk n=24 dan r yx2 = -0,228 adalah sebagai berikut :

t2=

r

n2 1r 2

=

 0,228 24  2
1  0,2282

= -1,098

Untuk taraf nyata α = 0.05 dengan dk = 21 dari daftar distribusi student t nilai t tabel = 2,08 untuk t 1 = 3,625 maka t hitung > t tabel sehingga H 0 ditolak yang berarti bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah ketersediaan beras. Sedangkan untuk t 2 = -1,098 maka t hitung < t tabel sehingga H 0 diterima yang berarti tidak ada hubungan secara dominan antara kebutuhan beras terhadap jumlah ketersediaan beras.

Universitas Sumatera Utara

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.
Universitas Sumatera Utara

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.
Universitas Sumatera Utara

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.

Gambar 4.3 Layar kerja Variabel View Universitas Sumatera Utara

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.
Universitas Sumatera Utara

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.
Gambar 4.6 Kotak Dialog Linier Regresion Universitas Sumatera Utara

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
6. Pilih kolom Options dengan mengklik pilihan tersebut.
Universitas Sumatera Utara

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.
Universitas Sumatera Utara

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.
Gambar 4.11 Bivariate Correlations Universitas Sumatera Utara

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+0,995 X 1 +(-0,964) X 2 yang berarti bahwa untuk setiap pertambahan X 1 ( jumlah produksi beras ) sebesar satu ton,maka rata rata ketersediaan beras Yˆ bertambah sebesar 0,995 ton dan setiap pertambahan X 2 ( 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 H 0 ditolak. Hal ini berarti bahwa persamaan regresi linier ganda Y atas X 1 dan X 2 bersifat nyata yang berarti bahwa jumlah produksi beras dan jumlah kebutuhan beras secara bersama-sama mempengaruhi jumlah ketersediaan beras.
Universitas Sumatera Utara

3. Berdasarkan perhitungan korelasi antara variabel X 1 dan X 2 terhadap variabel Y dapat disimpulkan bahwa variabel X 1 berkorelasi kuat terhadap variabel Y , variabel X 2 berkorelasi lemah terhadap variabel Y , dan variabel X 1 berkorelasi lemah terhadap variabel X 2 .
4. Melalui uji keberatian koefisien korelasi, dengan α = 0.05 disimpulkan bahwa untuk t1 = 21,843 maka t hitung > t tabel sehingga H 0 ditolak yang berarti bahwa ada hubungan secara dominan antara jumlah produksi beras terhadap jumlah ketersediaan beras. Sedangkan untuk t 2 = 1,098 maka t hitung < t tabel sehingga H 0 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.
Universitas Sumatera Utara

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.
Universitas Sumatera Utara

L A M P I R A N
Universitas Sumatera Utara

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 1

R R Square

.999a

.999

Adjusted R Square

Std. Error of the Estimate

.999 230.72006

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

ANOVAb

Model

Sum of Squares

df

Mean Square

1 Regression

8.479E8

2 4.240E8

Residual

1117866.628

21 53231.744

Total

8.490E8

23

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

F 7.964E3

Sig. .000a

Universitas Sumatera Utara

Coefficientsa

Unstandardized Coefficients

Standardized Coefficients

Model

B

Std. Error

Beta

1 (Constant)

-191.240

185.395

Produksi Beras

.995 .008

.973

Kebutuhan Beras

-.964

.037

-.205

a. Dependent Variable: Ketersediaan Beras

t -1.032 122.887 -25.857

Sig. .314 .000 .000

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

Predicted Value Residual Std. Predicted Value Std. Residual

-5.9259E3 1.5150E4 -2.0750E2

-1.00357E3 1.51112E2

.00000

-.942

2.529

.000

-4.350

.655 .000

6071.72231 220.46065 1.000 .956

a. Dependent Variable: Ketersediaan Beras

N 24 24 24 24

Universitas Sumatera Utara

Charts

Correlations

Correlations

Ketersediaan Beras Pearson Correlation

Ketersediaan Beras

Produksi Beras Kebutuhan Beras

1 .978** -.228

Sig. (2-tailed)

.000 .284

Produksi Beras

N Pearson Correlation

24 .978**

24 24 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 **. Correlation is significant at the 0.01 level (2-tailed).

Universitas Sumatera Utara

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

Nomor Lampiran Hal

Medan, Januari 2011
: / H5.2.1.8/SPB/ 2009 :: 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 1. Yandri R Sitompul

Nim 08240765

Program Studi 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
Universitas Sumatera Utara

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 NIM Program Studi Judul Tugas Akhir

: Yandri R Sitompul : 082407065 : Statistika : 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
Universitas Sumatera Utara

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

Pembahasan

Paraf Dosen Keterangan

Asistensi

Asistensi Mengenai, Pembimbing

Bimbingan

Pada BAB

1.

2.

3.

4.

5.

6.

7.

 Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan

mahasiswa telah selesai

Diketahui Ketua Departemen Matematika FMIPA USU

Disetujui Pembimbing Utama

Prof. Dr. Tulus, M.Si NIP. 19620901 198803 1 002

Drs. Haluddin Panjaitan NIP. 19460309 197902 1 001
Universitas Sumatera Utara

Dokumen yang terkait

Dokumen baru