Faktor-Faktor Yang Mempengaruhi Hasil Produksi Jagung Di Kabupaten Deli Serdang tahun 2010-2011

FAKTOR – FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN DELI SERDANG

TAHUN 2010 - 2011

TUGAS AKHIR

WULANI EKA SUNDARI 102407076

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

FAKTOR

–

FAKTOR YANG MEMPENGARUHI HASIL

PRODUKSI JAGUNG DI KABUPATEN

DELI SERDANG TAHUN 2010 - 2011

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

WULANI EKA SUNDARI

102407076

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

PERSETUJUAN

Judul :FAKTOR – FAKTOR YANG MEMPENGARUHI

HASIL PRODUKSI JAGUNG DI KABUPATEN DELI SERDANG TAHUN 2010 - 2011

Kategori :TUGAS AKHIR

Nama :WULANI EKA SUNDARI

Nomor Induk Mahasiswa :102407076 Program Studi :D3 STATISTIKA

Departemen :MATEMATIKA

Fakultas :MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2013

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Dr. Tulus, M.Si Drs. Faigiziduhu Bu’ul l , M.Si NIP. 19620901 198803 1 002 NIP. 19531218 198003 1 003

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL

PRODUKSI JAGUNG DI KABUPATEN DELI SERDANG

TAHUN 2010-2011

TUGAS AKHIR

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

Medan, Juli 2013

WULANI EKA SUNDARI 102407076

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Hasil Produksi Jagung Di Kabupaten Deli Serdang tahun 2010-2011.

Terimakasih Penulis sampaikan kepada Bapak Drs. Faigiziduhu Bu’ul l , M.Si selaku pembimbing dan Ketua Program Studi D3 Statistika FMIPA USU yang telah meluangkan waktunya selama penyusunan Tugas akhir ini. Terimakasih kepada Bapak Drs. Suwarno Ariswoyo, M.Si selaku Sekretaris Program Studi D3 Statistika FMIPA USU. Bapak Prof. Dr. Tulus, M.Si. PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan – rekan kuliah. Akhinya tidak terlupakan kepada Bapak tercinta Anwar, Ibu tercinta Alm. Susanti Febri, Adik dan semua ahli keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

PERSETUJUAN

PERNYATAAN

PENGHARGAAN i

DAFTAR ISI ii

DAFTAR TABEL iv

DAFTAR GAMBAR v

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Tujuan Penelitian 2

1.4 Manfaat Penelitian 2

1.5 Lokasi Penelitian 3

1.6 Metodologi Penelitian 3

1.7 Metode Analisis Yang Digunakan 3

1.8 Sistematika Penulisan 5

BAB 2 LANDASAN TEORI

2.1 Analisis Regresi 7

2.1.1 Regresi Linier Sederhana 7

2.1.2 Regresi Linier Berganda 8

2.2 Kesalahan Standar Estimasi 9

2.3 Koefisien Determinasi 9

2.4 Analisa Korelasi 10

2.5 Pengujian Regresi Linier Berganda 11

2.5.1 Uji F 12

2.5.2 Uji t 13

BAB 3 SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Dinas Pertanian Kabupaten Deli Serdang 14 3.2 Visi dan Misi Dinas Pertanian Kab. Deli Serdang

3.2.1 Visi 15

3.2.2 Misi 16

3.3 Bagan Struktur Organisasi 17

BAB 4 PENGOLAHAN DATA

4.1 Pengujian Regresi Linier Berganda 24 4.2 Perhitungan Korelasi Linier Berganda 28

4.3 Koefisien Korelasi (r) 28

4.4.1 Perhitungan korelasi antara variabel Y dengan 29 4.4.2 Perhitungan korelasi antara variabel bebas 30 4.4 Pengujian Regresi Linier Berganda (Uji t) 31

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 37

5.2 Pengenalan SPSS 37

5.3 Langkah-langkah Pengolahan Data 38 5.3.1 Memasukkan variabel dan mengentri data 38 5.3.2 Analisis data dengan regresi 41 5.3.3 Analisis data dengan korelasi 45 BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 46

6.2 Saran 47

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman 1. Tabel 2.1 Interpretasi Koefisien Korelasi r 11 2. Tabel 4.1 Produksi Jagung dan Luas Panen di Kabupaten 18

Deli Serdang Tahun 2010-2011

3. Tabel 4.2 Curah Hujan dan Kelembaban Udara di Kabupaten 19 Deli Serdang Tahun 2010-2011

4. Tabel 4.3 Nilai-nilai yang dibutuhkan untuk Uji Regresi 20 5. Tabel 4.4 Harga Ŷ untuk Menghitung Kekeliruan Tafsiran Baku 23 6. Tabel 4.5 Harga-harga yang dibutuhkan untuk Uji Regresi 25

DAFTAR GAMBAR

Halaman 1. Gambar 3.1 Bagan Struktur Organisasi Dinas Pertanian 17 Kabupaten Deli Serdang

2. Gambar 5.1 Tampilan saat membuka SPSS pada windows 39

3. Gambar 5.2 Tampilan Awal SPSS 39

4. Gambar 5.3 Tampilan Variable View 40

5. Gambar 5.4 Tampilan Data Setelah Dientri 41 6. Gambar 5.5 Tampilan Analisis Regresi 42 7. Gambar 5.6 Tampilan Kotak Dialog Regresi Linear 42 8. Gambar 5.7 Tampilan Kotak Dialog Regresi Linear : Statistics 43 9. Gambar 5.8 Tampilan Kotak Dialog Regresi Linear : Option 43 10.Gambar 5.9 Tampilan Kotak Dialog Regresi Linear : Plots 44 11.Gambar 5.10 Tampilan Analisis Korelasi 46 12.Gambar 5.11 Tampilan Bivariate Correlations 46

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pertanian adalah suatu kegiatan manusia dalam bercocok tanam yang meliputi kegiatan menghasilkan bahan pangan dengan memanfaatkan sumber daya tumbuhan. Pertanian memegang peranan yang sangat penting dalam pembangunan nasional, hal ini tidak terlepas dari keberadaan Indonesia sebagai negara agraris karena di Indonesia sebagian besar penduduknya bekerja dan bermata pencaharian di bagian pertanian. Di dalam pertanian ada banyak sekali hasil pangan yang dihasilkan oleh para petani Indonesia seperti padi, jagung, kedelai, ubi kayu, dan sebagainya.

Selain nasi yang berasal dari makanan pokok mayoritas masyarakat Indonesia, terdapat jenis makanan pokok lainnya yang berasal dari sektor pertanian, jagung contohnya. Jagung merupakan makanan pokok masyarakat Indonesia setelah beras. Dan keberadaan jagung sangat dibutuhkan dalam rangka ketahanan pangan di Indonesia.

Dalam hal ini, penulis mengambil daerah produksi jagung di Kabupaten Deli Serdang di mana jagung juga menjadi komoditi andalan di kabupaten tersebut. Maka, merupakan suatu kajian menarik bagi penulis

bebas (Luas Panen, Curah Hujan, Kelembaban Udara) terhadap variabel tak bebas (Hasil Produksi Jagung). Untuk itu, judul yang dipilih penulis untuk Tugas Akhir ini adalah FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN DELI SERDANG TAHUN 2009 – 2011.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah yang telah dikemukakan, maka yang menjadi rumusan masalah dalam penelitian ini adalah bagaimana pengaruh yang signifikan dan positif antara Luas Panen, Curah Hujan dan Kelembaban Udara terhadap Hasil produksi Jagung.

1.3 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah sebagai berikut :

Untuk mengetahui apakah terdapat hubungan atau korelasi antara faktor-faktor Luas Panen, Curah Hujan dan Kelembaban Udara terhadap Hasil Produksi Jagung.

1.4 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat bermanfaat, antara lain :

Bagi Instansi terkait, dapat menjadi tambahan masukan dalam melengkapi bahan pertimbangan dalam merumuskan kebijakan pembangunan sektor pertanian tanaman pangan.

1.5 Lokasi Penelitian

Untuk mendapatkan data yang diperlukan, penulis melakukan penelitian di Kantor Dinas Pertanian Kabupaten Deli Serdang yang beralamat di Jl. Karya Baru No.2 Komplek Kantor Bupati, Lubuk Pakam.

1.6 Metodologi Penelitian

1. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan penulis dalam penyusunan tugas akhir ini adalah dengan menggunakan data sekunder, yaitu data yang diambil dari sumbernya yang berasal dari Kantor Dinas Pertanian Kabupaten Deli Serdang.

2. Metode Pengolahan Data

Penulis menggunakan metode regresi linier berganda guna melihat pengaruh variabel-variabel bebas yaitu Luas Panen, Curah Hujan, dan Kelembaban Udara terhadap variabel terikat yaitu Hasil Produksi Jagung yang diambil selama 24 bulan (2 tahun) dari tahun 2010-2011 dan mengaplikasikannya dalam program SPSS.

1.7 Metodologi Penelitian

1. Regresi Linier Berganda

Suatu persamaan regresi linier yang memiliki lebih dari satu variabel bebas X dan satu variabel terikat Y yang disebut persamaan regresi

Secara umum, model regresi linier berganda adalah sebagai berikut: Ŷ = b0 + b1X1 + b2X2 + . . . + bnXn

Keterangan :

Ŷ = Variabel tak bebas b0, b1, b2, bn = Koefisien regresi

X = Variabel Bebas

2. Analisis Korelasi

Tujuan dari korelasi adalah untuk mengukur keeratan hubungan antara variabel-variabel. Adapun rumus korelasi adalah :

r

yx

=

Keterangan :

r

yx :

Korelasi antara variabel Y dan X Xi : Variabel bebas Xi

1.8 Sistematika Penulisan

Adapun sistematika penulisan tugas akhir ini adalah : BAB 1 PENDAHULUAN

Dalam bab ini menguraikan tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, metode analisis yang digunakan, dan sistematika penulisan.

BAB 2 LANDASAN TEORI

Dalam bab ini menguraikan teori-teori dan analisa tentang segala sesuatu yang berhubungan terhadap penyelesaian masalah judul tugas akhir ini.

BAB 3 SEJARAH SINGKAT TEMPAT RISET

Dalam bab ini penulis menguraikan sejarah singkat Dinas Pertanian Kabupaten Deli Serdang.

BAB 4 PENGOLAHAN DATA

Dalam bab ini menguraikan pembahasan mengenai pengolahan data yang diperoleh dari lapangan dengan menggunakan metode regresi linier berganda.

BAB 5 IMPLEMENTASI SISTEM

Dalam bab ini menguraikan tentang program atau software yang digunakan sebagai analisis data. Penulis menggunakan program SPSS dan hasil outputnya untuk melakukan pengolahan data.

BAB 6 KESIMPULAN DAN SARAN

Dalam bab ini penulis menguraikan kesimpulan dan saran dari hasil penelitian yang dilakukan.

BAB 2

LANDASAN TEORI

2.1 Analisa Regresi

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisa hubungan antara dua atau lebih variabel adalah analisis regresi. Regresi pertama kali digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Pada dasarnya dalam suatu persamaan regresi terdapat dua macam variabel, yaitu variabel bebas (independent variable) yang dinyatakan dengan X dan variabel terikat (dependent variable) yang biasa dinyatakan dengan Y. Variabel terikat adalah variabel yang dipengaruhi atau yang nilainya bergantung dari nilai variabel lain (variabel bebas) dan variabel variabel bebas adalah variabel yang memberikan pengaruh. Bila variabel bebas diketahui maka variabel terikatnya dapat diprediksi besarnya. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah antara variabel terikat dengan variabel bebas mempunyai sifat hubungan sebab-akibat (hubungan kausalitas).

2.1.1 Regresi Linier Sederhana

Analisis regresi linier sederhana adalah suatu persamaan regresi yang terdiri dari satu variabel bebas dan variabel terikat.

Model regresi linier sederhana adalah :

Y = a + bX (2.1)

Keterangan :

Y = Variabel terikat (dependent variable) X = Variabel bebas (independent variable) a = Konstanta (intercept)

b = Parameter koefisien regresi variabel bebas

2.1.2 Regresi Linier Berganda

Regresi linier berganda adalah suatu persamaan regresi yang memiliki lebih dari satu variabel bebas X dan satu variabel terikat Y dan akan membentuk suatu persamaan regresi yang baru. Model persamaan regresi linier berganda adalah :

Y = + + + + + + (2.2)

atau

Y = + + + + +

Keterangan :

Y = Variabel terikat (dependent variable) = Variabel bebas (independent variable) atau = Konstanta regresi

atau = Koefisien regresi variabel bebas

2.2 Kesalahan Standar Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya dan sebaliknya.

Kesalahan standar estimasi (kekeliruan baku taksiran) dapat ditentukan dengan rumus :

=

(2.3)

Keterangan :

= nilai data sebenarnya = nilai taksiran

2.3 Koefisien Determinasi

Koefisien determinasi yang dinyatakan dengan untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (X) yang ada dalam model persamaan regresi linier berganda secara bersama-sama. Maka akan ditentukan dengan rumus, yaitu :

Keterangan :

= Jumlah kuadrat regresi

=

2.4 Analisa Korelasi (Correlation)

Analisis korelasi digunakan untuk mengetahui hubungan antara dua variabel

(bivariate correlation) atau lebih dari dua variabel (multivariate correlation)

dalam suatu penelitian. Untuk menentukan seberapa besar hubungan antar variabel tersebut, dapat dihitung dengan menggunakan rumus koefisien korelasi. Maka rumus yang digunakan adalah :

=

–

(2.5)

Keterangan :

: Koefisien korelasi antara variabel Y dan X : Koefisien variabel bebas

: Koefisien variabel terikat

Besarnya nilai koefisien korelasi (r) selalu terletak antara -1 dan 1, maka nilai r tersebut dapat ditulis : -1≤ r ≤ +1. Jika r = +1 maka terdapat korelasi positif sempurna antara variabel X dan Y artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya jika r = -1, maka terdapat korelasi negatif sempurna antara variabel X dan Y artinya jika nilai variabel X tinggi, maka nilai variabel Y rendah. Sedangkan r = 0, berarti tidak ada korelasi antara variabel X dan Y.

Secara jelas dapat dilihat dalam tabel 2.1 berikut :

Tabel 2.1 : Interpretasi Koefisien Korelasi Nilai r

R Interpretasi

0 0,01 – 0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99

1 Tidak Berkorelasi Sangat rendah Rendah Agak rendah Cukup Tinggi Sangat tinggi

2.5 Pengujian Regresi Linier Berganda

Uji regresi linier ganda perlu dilakukan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas. Dalam pengujian persamaan regresi terutama menguji hipotesis tentang parameter koefisien regresi yang melibatkan intercept serta k buah variabel.

Untuk Tugas Akhir digunakan model persamaan regresi linier berganda sebagai berikut :

Y = + + + + + + (2.6)

Dengan persamaan penduganya adalah :

Y = + + + + +

Keterangan :

Koefisien – koefisien , , dapat dihitung dengan rumus :

ƩY = + + + (2.7)

ƩYX1 = + + Ʃ + Ʃ (2.8)

ƩYX2 = + Ʃ + + Ʃ (2.9)

ƩYX3 = + Ʃ + + (2.10)

2.5.1 Uji F (Simultan)

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut : 1. Menentukan formulasi hipotesis

: = = = = 0 ( , , , tidak mempengaruhi Y) : , 0 (minimal ada satu parameter koefisien regresi tidak

sama dengan nol atau mempengaruhi Y).

2. Menentukan taraf nyata α dan nilai dengan derajat kebebasan = k dan = n-k-1

3. Menentukan kriteria pengujian

ditolak bila ; dk = n-k-1 diterima bila > ; dk = n-k-1 4. Menentukan nilai statistik F dengan rumus :

F =

dan masing-masing didapat dari rumus berikut :

= + + +

= – , = – ,…, = – , = – ) dengan derajat kebebasan (dk) = k

= dengan derajat kebebasan (dk) = (n-k-1) Keterangan :

k = Jumlah variabel bebas (n-k-1) = Derajat kebebasan

= Jumlah kuadrat regresi = Jumlah kuadrat residu (sisa)

5. Membuat kesimpulan apakah diterima atau ditolak.

2.5.2 Uji t (Parsial)

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut : 1. Menentukan formula hipotesis

: = 0 ( tidak mempengaruhi Y) : 0 ( mempengaruhi Y)

2. Menentukan taraf nyata dan nilai dengan dk ( );(n-2) 3. Menentukan kriteria pengujian

ditolak bila diterima bila < 4. Menentukan nilai :

=

Keterangan :

=

= Kesalahan standar koefisien regresi = Koefisien korelasi ganda variabel bebas (

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Dinas Pertanian Kabupaten Deli Serdang

Dinas Pertanian merupakan unsur pelaksana pemerintah daerah, yang dipimpin oleh seorang Kepala Dinas yang berada dibawah dan bertangung jawab kepada Bupati melalui Sekretaris Daerah Kabupaten. Dinas pertanian Kabupaten Deli Serdang diresmikan pada Tahun 1950-an oleh Kepala Daerah Tingkat II Kabupaten Deli Serdang Kecamatan Lubuk Pakam. Pada mulanya kantor Dinas Pertanian Tanaman Pangan diberi nama Dinas Pertanian DASWATI (Daerah Swuantara) untuk Tingkat II Kabupaten Deli Serdang Kecamatan Lubuk Pakam yang di Kepalai oleh Tengku Ismail hingga pada Tahun 1959.

Pada tahun 1980, Dinas Pertanian mengalami perubahan nama menjadi Dinas Pertanian Tingkat II Kabupaten Deli Serdang Kecamatan Lubuk Pakam. Pada Tahun 2001 mengalami perubahan nama kembali menjadi Dinas Pertanian Deli Serdang Kecamatan Lubuk Pakam. Dengan keluarnya keputusan Bupati Kepala Daerah Tingkat II Kabupaten Deli Serdang ditentukan dan dimaksudkan dalam peraturan daerah yaitu sebagai berikut : “Tujuan kantor atau instansi Dinas Pertanian didirikan adalah untuk mengembangkan dan meningkatkan Tanaman Palawija atau sayuran”. Selain itu Dinas Pertanian juga membahas masalah pertanian agar memberikan penyuluhan kepada petani dalam rangka menuju

pelestarian swasembada beras, sehingga terciptanya agrobisnis dan produktivitas para petani yang lebih baik demi memenuhi kebutuhan bahan pangan.

3.2 Visi dan Misi Visi

Visi merupakan cara pandang jauh ke depan tentang mau ke mana Dinas Pertanian Kabupaten Deli Serdang ini akan diarahkan dan menggambarkan hendak menjadi apa Dinas Pertanian Kabupaten Deli Serdang ini pada masa depan agar dapat mendorong terlaksananya Pembangunan Daerah di bidang pertanian dalam rangka peningkatan kesejahteraan masyarakat Kabupaten Deli Serdang.

Dari penetapan visi di mana Dinas Pertanian Kabupaten Deli Serdang sangat penting sebagai penentu arah pelaksanaan tugas yang telah diemban oleh seluruh jajaran PIMPINAN DAN STAF, di mana visi tersebut digali dari keyakinan yang mendasar dan nilai – nilai luhur yang dianut seluruh anggota personil dengan mempertimbangkan faktor lingkungan di sekitarnya yang selaras dan sesuai dengan Visi Negara Republik Indonesia dan Visi Kabupaten Deli Serdang. Adapun Visi Dinas Pertanian Kabupaten Deli Serdang adalah:

“TERWUJUDNYA PEMBANGUNAN PERTANIAN YANG MAJU DAN HANDAL MELALUI PEMBERDAYAAN MASYARAKAT TANI YANG BERORIENTASI AGRIBISNIS BERDAYA SAING DAN BERWAWASAN LINGKUNGANYANG BERBASIS PEDESAAN”

Misi

Misi merupakan sesuatu yang harus dilaksanakan yang disesuaikan dengan mandat yang diberikan pada organisasi agar tujuan organisasi tercapai berdasarkan visi yang telah ditetapkan serta berhasil diwujudkan.

Dengan adanya MISI diharapkan seluruh aparat/personil pegawai maupun pihak – pihak lain yang berkepentingan dapat mengenal Dinas Pertanian Kabupaten Deli Serdang serta mengetahui peranan program yang disusun maupun hasil yang diperoleh sesuai maksud dan tujuan pada masa datang.

Misi Dinas Pertanian dapat dijelaskan sebagai berikut: 1. Meningkatkan kualitas Sumber Daya Manusia (SDM) Aparatur. 2. Memberdayakan kelembagaan petani

3. Pengembangan sentra produksi unggulan yang berbasis pada ekonomi kerakyatan.

4. Meningkatkan efisiensi, efektivitas dan produktivitas hasil pertanian, perkebunan dan peternakan.

BAGAN STRUKTUR ORGANISASI

DINAS PERTANIAN KABUPATEN DELI SERDANG

(PERATURAN DAERAH KABUPATEN DELI SERDANG NOMOR 5 TAHUN 2007)

Gambar 3.1 Bagan Struktur Organisasi Dinas Pertanian Kabupaten Deli Serdang KEPALA DINAS KELOMPOK JABATAN FUNGSIONAL SUBBAG UMUM SUBBAG PROGRAM SUBBAG KEUANGAN SEKRETARIS BIDANG PERTANIAN TANAMAN PANGAN SEKSI USAHA TANI PETERNAKAN SEKSI PRODUKSI PETERNAKAN BIDANG PETERNAKAN SEKSI PERLINDUNGAN TANAMAN PERKEBUNAN SEKSI USAHA TANI PERKEBUNAN SEKSI PRODUKSI PERKEBUNAN BIDANG PERKEBUNAN SEKSI PEREDARAN SARANA PRODUKSI SEKSI BUDIDAYA DAN PENGOLAHAN HASIL SEKSI DATA DAN PELAPORAN BIDANG PENGAWASAN DAN PENGENDALIAN SEKSI KESEHATAN HEWAN DAN UNGGAS SEKSI PERLINDUNGAN TANAMAN PERTANIAN SEKSI USAHA TANI PERTANIAN SEKSI PRODUKSI PERTANIAN

BAB 4

PENGOLAHAN DATA

Data yang diolah pada Tugas Akhir ini adalah data sekunder. Dalam penelitian ini terdapat empat variabel yaitu, Produksi Jagung, Luas Panen, Curah Hujan dan Kelembaban Udara.

Data Produksi Jagung dan Luas Panen diambil dari Kantor Dinas Pertanian Kabupaten Deli Serdang sedangkan untuk data Curah Hujan dan Kelembaban Udara diambil dari kantor Badan Pusat Statistik Propinsi Sumatera Utara. Di bawah ini adalah tabel mengenai Produksi jagung dan Luas Panen di Kabupaten Deli Serdang tahun 2010 – 2011.

Tabel 4.1 Produksi Jagung dan Luas Panen di Kabupaten Deli Serdang Tahun 2010 - 2011

Bulan Produksi

(Ton)

Luas Panen (ha)

1 10.955 3.135

2 5.643 1.622

3 8.948 2.568

4 9.344 2.691

5 6.304 1.814

6 2.466 708

7 6.444 1.848

8 4.066 1.167

Sambungan Tabel 4.1

10 6.825 1.947

11 6.012 1.721

12 3.467 989

13 10.557 3.019

14 3.521 1.011

15 3.242 929

16 3.898 1.107

17 11.024 3.104

18 7.958 2.106

19 4.366 1.149

20 7.617 2.002

21 7.836 2.106

22 4.799 1.280

23 10.299 2.710

24 3.793 1.016

Sumber : Kantor Dinas Pertanian Kabupaten Deli Serdang

Tabel 4.2 Curah Hujan dan Kelembaban Udara di Kabupaten Deli Serdang Tahun 2010 - 2011

Bulan Curah Hujan (mm)

Kelembaban Udara

(%)

1 153 83

2 219 84

3 257 84

4 247 85

5 439 86

6 233 87

7 194 87

8 133 82

9 129 83

10 230 84

11 275 84

12 215 82

Sambungan Tabel 4.2

14 434 86

15 342 87

16 189 87

17 131 85

18 197 84

19 129 84

20 187 84

21 148 84

22 144 83

23 248 86

24 219 86

Sumber : Badan Pusat Statistik Propinsi Sumatera Utara

Berdasarkan tabel 4.1 dan tabel 4.2 ditentukan persamaan regresi linier berBerganda dengan menghitung nilai koefisien-koefisien regresinya ( , , , ) diperlukan nilai-nilai dari masing-masing satuan variabel yang disusun dalam tabel 4.3

Tabel 4.3 Nilai-Nilai yang dibutuhkan untuk Menghitung Koefisien-Koefisien

Bulan Y

1 10.955 3.135 153 83 120.012.025 9.828.225 23.409 2 5.643 1.622 219 84 31.843.449 2.630.884 47.961 3 8.948 2.568 257 84 80.066.704 6.594.624 66.049 4 9.344 2.691 247 85 87.310.336 7.241.481 61.009 5 6.304 1.814 439 86 39.740.416 3.290.596 192.721

6 2.466 708 233 87 6.081.156 501.264 54.289

7 6.444 1.848 194 87 41.525.136 3.415.104 37.636 8 4.066 1.167 133 82 16.532.356 1.361.889 17.689 9 6.265 1.782 129 83 39.250.225 3.175.524 16.641 10 6.825 1.947 230 84 46.580.625 3.790.809 52.900 11 6.012 1.721 275 84 36.144.144 2.961.841 75.625

12 3.467 989 215 82 12.020.089 978.121 46.225

13 10.557 3.019 278 85 111.450.249 9.114.361 77.284 14 3.521 1.011 434 86 12.397.441 1.022.121 188.356

16 3.898 1.107 189 87 15.194.404 1.225.449 35.721 17 11.024 3.104 131 85 121.528.576 9.634.816 17.161 18 7.958 2.106 197 84 63.329.764 4.435.236 38.809 19 4.366 1.149 129 84 19.061.956 1.320.201 16.641 20 7.617 2.002 187 84 58.018.689 4.008.004 34.969 21 7.836 2.106 148 84 61.402.896 4.435.236 21.904 22 4.799 1.280 144 83 23.030.401 1.638.400 20.736 23 10.299 2.710 248 86 106.069.401 7.344.100 61.504 24 3.793 1.016 219 86 14.386.849 1.032.256 47.961

∑ 155.649 43.531 5.370 2.032 1.173.487.851 91.843.583 1.370.164

6.889 34.343.925 1.676.115 909.265 479.655 260.205 12.699 7.056 9.152.946 1.235.817 474.012 355.218 136.248 18.396 7.056 22.978.464 2.299.636 751.632 659.976 215.712 21.588 7.225 25.144.704 2.307.968 794.240 664.677 228.735 20.995 7.396 11.435.456 2.767.456 542.144 796.346 156.004 37.754 7.569 1.745.928 574.578 214.542 164.964 61.596 20.271 7.569 11.908.512 1.250.136 560.628 358.512 160.776 16.878 6.724 4.745.022 540.778 333.412 155.211 95.694 10.906 6.889 11.164.230 808.185 519.995 229.878 147.906 10.707 7.056 13.288.275 1.569.750 573.300 447.810 163.548 19.320 7.056 10.346.652 1.653.300 505.008 473.275 144.564 23.100 6.724 3.428.863 745.405 284.294 212.635 81.098 17.630 7.225 31.871.583 2.934.846 897.345 839.282 256.615 23.630 7.396 3.559.731 1.528.114 302.806 438.774 86.946 37.324 7.569 3.011.818 1.108.764 282.054 317.718 80.823 29.754 7.569 4.315.086 736.722 339.126 209.223 96.309 16.443 7.225 34.218.496 1.444.144 937.040 406.624 263.840 11.135 7.056 16.759.548 1.567.726 668.472 414.882 176.904 16.548 7.056 5.016.534 563.214 366.744 148.221 96.516 10.836 7.056 15.249.234 1.424.379 639.828 374.374 168.168 15.708 7.056 16.502.616 1.159.728 658.224 311.688 176.904 12.432 6.889 6.142.720 691.056 398.317 184.320 106.240 11.952 7.396 27.910.290 2.554.152 885.714 672.080 233.060 21.328 7.396 3.853.688 830.667 326.198 222.504 87.376 18.834

Dari tabel 4.3 diperoleh hasil sebagai berikut :

n = 24 Ʃ = 172.098

ƩY = 155.649 Ʃ = 328.094.321

Ʃ = 43.531 Ʃ = 33.972.636

Ʃ = 5.370 Ʃ = 13.164.340

Ʃ = 2.032 Ʃ = 9.537.847

Ʃ = 1.173.487.851 Ʃ = 3.681.787

Ʃ = 91.843.583 Ʃ = 456.168

Ʃ = 1.370.164

Dari persamaan yaitu :

= + + +

= + + Ʃ + Ʃ

= + Ʃ + + Ʃ

= + Ʃ + +

Kemudian dapat disubstitusikan nilai-nilai yang sesuai, maka diperoleh : 155.649 = 24 + 43.531 + 5.370 + 2.032

328.094.321 = 43.531 + 91.843.583 + 9.537.847 + 3.681.787 39.318.031 = 5.370 + 9.537.847 + 1.370.164 + 456.168 20.047.341 = 2.032 + 3.681.787 + 456.168 + 172.098

Setelah persamaan di atas diselesaikan, maka diperoleh koefisien-koefisien regresi linier berBerganda seperti berikut :

= - 1.502,508 = 3,543

= 21,101

Dengan demikian, persamaan regresi linier berganda atas , , dan adalah : Ŷ = -1.502,508 + 3,543 1,004 + 21,101

Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga Ŷ yang diperoleh dari persamaan regresi di atas untuk tiap harga , , dan yang diketahui.

Tabel 4.4 Harga Ŷ untuk Menghitung Kekeliruan Tafsiran Baku

Bulan 2

1 10.955 11.202,57 -247,57 61.290,9 2 5.643 5.796,85 -153,85 23.669,82 3 8.948 9.110,37 -162,37 26.364,02 4 9.344 9.577,30 -233,3 54.428,89

5 6.304 6.298,42 5,58 31,1364

6 2.466 2.607,79 -141,79 20.104,4 7 6.444 6.685,97 -241,97 58.549,48 8 4.066 4.228,92 -162,92 26.542,93 9 6.265 6.432,99 -167,99 28.220,64 10 6.825 6.937,28 -112,28 12.606,8 11 6.012 6.091,38 -79,38 6.301,18 12 3.467 3.515,94 -48,94 2.395,12 13 10.557 10.708,28 -151,28 22.885,64 14 3.521 3.458,42 62,58 3.916,26 15 3.242 3.281,36 -39,36 1.549,21 16 3.898 4.065,62 -167,62 28.096,46 17 11.024 11.157,03 -133,03 17.696,98 18 7.958 7.533,75 424,25 179.988,1 19 4.366 4.211,37 154,63 23.910,44 20 7.617 7.175,31 441,69 195.090,1 21 7.836 7.582,94 253,06 64.039,36 22 4.799 4.639,34 159,66 25.491,32 23 10.299 9.664,72 634,28 402.311,1 24 3.793 3.691,99 101,01 10.203,02

Dengan demikian, kesalahan bakunya dapat dihitung dengan rumus :

=

Di mana :

k = 3 ; n = 24 ; dan = 1.295.683,65 Diperoleh :

=

=

=

64.784,18

Ini berarti bahwa rata-rata hasil produksi yang sebenarnya akan menyimpang dari rata-rata hasil produksi yang diperkirakan sebesar 64.784,18 ton.

4.1 Pengujian Regresi Linier Berganda

Pengujian hipotesis dalam regresi linier berganda perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.

Dengan hipotesa :

: = = = 0 : Luas Panen, Curah Hujan dan Kelembaban Udara tidak berpengaruh secara simultan dan signifikan terhadap Hasil Produksi.

: , , 0 : Luas Panen, Curah Hujan dan Kelembaban Udara berpengaruh secara simultan dan signifikan terhadap Hasil Produksi.

Kriteria pengujiannya adalah :

Tolak bila

Terima bila <

Untuk mengetahui nilai dapat diperoleh dari tabel distribusi F dengan dk pembilang ( ) = k, dan penyebut ( ) = n-k-1. Untuk mengetahui nilai

dapat dicari dengan rumus :

F =

Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai y, , , dan dengan menggunakan rumus sebagai berikut :

= = _– = _– = _–

Dari tabel 4.3 dapat diperoleh nilai dari = 6.677,97 , = 1.878,89 , = 170,89

dan = 83,61. Maka untuk harga-harga y, , , dan yang dibutuhkan disusun pada tabel 4.5

Tabel 4.5 Harga-harga yang dibutuhkan untuk Uji Regresi

No Y y

1 10.955 3.135 153 83 4.469,62 1.321,21 -70,75 -1,67 2 5.643 1.622 219 84 -842,38 -191,79 -4,75 -0,67 3 8.948 2.568 257 84 2.462,62 754,21 33,25 -0,67 4 9.344 2.691 247 85 2.858,62 877,21 23,25 0,33

5 6.304 1.814 439 86 -181,38 0,21 215,25 1,33 6 2.466 708 233 87 -4.019,38 -1.105,79 9,25 2,33 7 6.444 1.848 194 87 -41,38 34,21 -29,75 2,33 8 4.066 1.167 133 82 -2.419,38 -646,79 -90,75 -2,67 9 6.265 1.782 129 83 -220,38 -31,79 -94,75 -1,67

Sambungan : Tabel 4.5 Harga-harga yang dibutuhkan untuk Uji Regresi

10 6.825 1.947 230 84 339,62 133,21 6,25 -0,67 11 6.012 1.721 275 84 -473,38 -92,79 51,25 -0,67 12 3.467 989 215 82 -3.018,38 -824,79 -8,75 -2,67 13 10.557 3.019 278 85 4.071,62 1.205,21 54,25 0,33 14 3.521 1.011 434 86 -2.964,38 -802,79 210,25 1,33 15 3.242 929 342 87 -3.243,38 -884,79 118,25 2,33 16 3.898 1.107 189 87 -2.587,38 -706,79 -34,75 2,33 17 11.024 3.104 131 85 4.538,62 1.290,21 -92,75 0,33 18 7.958 2.106 197 84 1.472,62 292,21 -26,75 -0,67 19 4.366 1.149 129 84 -2.119,38 -664,79 -94,75 -0,67 20 7.617 2.002 187 84 1.131,62 188,21 -36,75 -0,67 21 7.836 2.106 148 84 1.350,62 292,21 -75,75 -0,67 22 4.799 1.280 144 83 -1.686,38 -533,79 -79,75 -1,67 23 10.299 2.710 248 86 3.813,62 896,21 24,25 1,33 24 3.793 1.016 219 86 -2.692,38 -797,79 -4,75 1,33

Jumlah 155.649 43.531 5.370 2.032 -0,12 0,04 0 -0,08

y y y

19.977.502,94 1.745.595,86 5.005,5625 2,789 5.905.306,64 -775.066,25 -7.464,265 709.604,06 36.783,40 22,5625 0,449 161.560,0602 4.001,305 564,3946 6.064.497,26 568.832,72 1.105,5625 0,449 1.857.332,63 81.882,115 -1.649,955 8.171.708,30 769.497,38 540,5625 0,109 2.507.610,05 66.462,915 943,3446 32.898,70 0,04 46.332,5625 1,769 -38,0898 -39.042,045 -241,2354 16.155.415,58 1.222.771,52 85,5625 5,429 4.444.590,21 -37.179,265 -9.365,155 1.712,30 1.170,32 885,0625 5,429 -1.415,6098 1.231,055 -96,4154 5.853.399,58 418.337,30 8.235,5625 7,129 1.564.830,79 219.558,735 6.459,745 48.567,34 1.010,60 8.977,5625 2,789 7.005,8802 20.881,005 368,0346 115.341,74 17.744,90 39,0625 0,449 45.240,7802 2.122,625 -227,5454 224.088,62 8.609,98 2.626,5625 0,449 43.924,9302 -24.260,725 317,1646 9.110.617,82 680.278,54 76,5625 7,129 2.489.529,64 26.410,825 8.059,075 16.578.089,42 1.452.531,14 2.943,0625 0,109 4.907.157,14 220.885,385 1.343,635 8.787.548,78 644.471,78 44.205,0625 1,769 2.379.774,62 -623.260,895 -3.942,625 10.519.513,82 782.853,34 13.983,0625 5,429 2.869.710,19 -383.529,685 -7.557,075

6.694.535,26 499.552,10 1.207,5625 5,429 1.828.734,31 89.911,455 -6.028,595 20.599.071,50 1.664.641,84 8.602,5625 0,109 5.855.772,91 -420.957,005 1.497,745 2.168.609,66 85.386,68 715,5625 0,449 430.314,2902 -39.392,585 -986,6554 4.491.771,58 441.945,74 8.977,5625 0,449 1.408.942,63 200.811,255 1.419,985

1.280.563,82 35.423,00 1.350,5625 0,449 212.982,2002 -41.587,035 -758,1854 1.824.174,38 85.386,68 5.738,0625 0,449 394.664,6702 -102.309,465 -904,9154 2.843.877,50 284.931,76 6.360,0625 2,789 900.172,7802 134.488,805 2.816,255 14.543.697,50 803.192,36 588,0625 1,769 3.417.804,38 92.480,285 5.072,115 7.248.910,06 636.468,88 22,5625 1,769 2.147.953,84 12.788,805 -3.580,865

164.045.717,63 12.887.417,96 168.626,5 55,33 45.779.461,87 -1.312.668,39 -13.942

Dari nilai-nilai pada tabel 4.5 tersebut,maka nilai , dan nilai nya dapat dihitung sebagai berikut :

= + +

= 3,543(45.779.461,87) _– 1,004(-1.312.668,39) + 21,101(-13.942) = 162.750.034

= = 1.295.683,65

Jadi, dapat dicari dengan rumus : F

=

F =

F =

F = 837,39

Dari tabel distribusi F dengan dk pembilang (k) = 3, dk penyebut (n-k-1) = 20 dan α = 5% maka :

= F (α), (k, n-k-1) = F (0,05), (3, 24-3-1)

= 3,10

Diperoleh = 837,39 = 3,10

Karena yang diperoleh lebih besar maka ditolak dan diterima. Hal ini berarti persamaan regresi linier berganda Y atas , , bersifat nyata. Artinya yaitu Luas Panen, Curah Hujan dan Kelembaban Udara berpengaruh secara simultan dan signifikan terhadap Produksi Jagung.

4.2 Perhitungan Korelasi Linier Berganda

Berdasarkan tabel 4.5 dapat dilihat harga = 164.935.928,5 sedangkan yang telah dihitung adalah 162.750.034. Dengan rumus koefisien determinasi ( ) diperoleh :

=

=

= 0,992 R = R = 0,996

Dari hasil perhitungan diperoleh hasil koefisien determinasi ( ) sebesar 0,992 dan diperoleh koefisien korelasinya (R) sebesar 0,996. Artinya 99% Hasil Produksi dipengaruhi oleh ketiga faktor yaitu Luas Panen, Curah Hujan, dan Kelembaban Udara, sedangkan 1% sisanya dipengaruhi oleh faktor-faktor lain.

4.3 Koefisien Korelasi

Untuk mengetahui besarnya korelasi dari masing-masing antar variabel, maka dapat dihitung sebagai berikut :

4.4.1 Perhitungan korelasi antara variabel Y dengan ( )

a. Besar korelasi antara Hasil Produksi (Y) dengan Luas Panen ( )

=

– –

=

– –

= 0,99

Nilai sebesar 0,99. Hal ini menunjukkan bahwa Hasil Produksi dengan Luas Panen memiliki korelasi positif yang tinggi. Nilai yang positif menandakan hubungan yang searah antara hasil produksi dengan luas panen, artinya semakin luas panen akan meningkatkan hasil produksi, sebaliknya semakin kecil luas panen akan menurunkan hasil produksi.

b. Besar korelasi antara Hasil Produksi (Y) dengan Curah Hujan ( )

=

– –

=

– –

= -0,16

Nilai sebesar -0,16. Hal ini menunjukkan bahwa Hasil Produksi dengan Curah Hujan memiliki korelasi negatif yang sangat rendah. Nilai yang

negatif menandakan hubungan yang tidak searah antara hasil produksi dengan curah hujan, artinya semakin banyak curah hujan akan menurunkan hasil produksi, sebaliknya semakin sedikit curah hujan akan meningkatkan hasil produksi.

c. Besar korelasi antara Hasil Produksi (Y) dengan Kelembaban Udara ( )

=

– –

=

– –

= -0,15

Nilai sebesar -0,15. Hal ini menunjukkan bahwa Hasil Produksi dengan Kelembaban Udara memiliki korelasi negatif yang sangat rendah. Nilai yang negatif menandakan hubungan yang tidak searah antara hasil produksi dengan Kelembaban udara, artinya semakin banyak Kelembaban udara akan menurunkan hasil produksi, sebaliknya semakin sedikit Kelembaban udara akan meningkatkan hasil produksi.

Dari hasil perhitungan nilai korelasi r antara variabel bebas ( , , ) terhadap variabel terikat (Y), korelasi yang terbesar adalah korelasi antara Hasil Produksi (Y) dengan Luas Panen ( ) yaitu sebesar 0,99. Artinya bahwa Luas Panen memberikan pengaruh yang lebih besar terhadap Hasil Produksi jagung daripada Curah Hujan dan Kelembaban Udara.

4.4.2 Perhitungan korelasi antara variabel bebas (X)

a. Besar korelasi antara Luas Panen ( ) dengan Curah Hujan ( )

=

– –

=

– –

= -0,14

b. Besar korelasi antara Luas Panen ( ) dengan Kelembaban Udara ( )

=

– –

=

– –

= -0,14

c. Besar korelasi antara Curah Hujan ( ) dengan Kelembaban Udara ( )

=

– –

=

– –

= 0,50

Berdasarkan perhitungan korelasi r antar variabel bebas tersebut, dapat dilihat bahwa yang mempunyai korelasi agak rendah positif adalah antara Curah Hujan dengan Kelembaban Udara, sedangkan yang mempunyai korelasi rendah negatif adalah antara Luas Panen dengan Curah Hujan dan Luas Panen dengan Kelembaban Udara.

4.4 Pengujian Koefisien Regresi Linier Berganda (Uji T)

Pengujian yang dilakukan merupakan uji satu arah atau uji satu pihak dengan distribusi student t. Pengujian dapat dilakukan dengan merumuskan hipotesis berikut :

1. Pengaruh antara Luas Panen terhadap Hasil Produksi

: = 0 Luas Panen tidak berpengaruh positif terhadap Hasil Produksi : > 0 Luas Panen berpengaruh positif terhadap Hasil Produksi

, jika :

, jika :

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran (

)

, jumlah kuadrat-kuadrat ( ) dan koefisien korelasi berganda ( ) antar variabel bebas yaitu dan . Dan dapat dihitung kekeliruan baku koefisien sebagai berikut :

=

Selanjutnya untuk menentukan nilai , digunakan rumus :

=

Dari perhitungan sebelumnya didapat harga-harga berikut ini : =64.784,18

=12.887.417,96 = = -0,14

=

= 0,072 Diperoleh :

= =

=

= 49,208

Dari tabel distribusi t dengan taraf nyata α = 0,05 dan dk = maka : =

= = 2,07

Diperoleh = 49,208 = 2,07

Dapat dilihat bahwa lebih besar dari maka ditolak yang berarti Luas Panen berpengaruh positif terhadap Hasil Produksi.

2. Pengaruh antara Curah Hujan terhadap Hasil Produksi

: = 0 Curah Hujan tidak berpengaruh positif terhadap Hasil Produksi : > 0 Curah Hujan berpengaruh positif terhadap Hasil Produksi

, jika :

, jika :

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran (

)

, jumlah kuadrat-kuadrat ( ) dan koefisien korelasi berganda ( = antar variabel bebas yaitu dan . Dan dapat dihitung kekeliruan baku koefisien sebagai berikut :

=

Selanjutnya untuk menentukan nilai , digunakan rumus : =

Dari perhitungan sebelumnya didapat harga-harga berikut ini : =

=168.626,5 = = -0,14

=

=

= 0,626 Maka diperoleh :

= =

=

= -1,604

Dari tabel distribusi t dengan taraf nyata α = 0,05 dan dk = maka : =

= = 2,07

Diperoleh = -1,604 = 2,07

Dapat dilihat bahwa lebih kecil dari maka diterima yang berarti Curah Hujan tidak berpengaruh positif terhadap Hasil Produksi.

3. Pengaruh antara Kelembaban Udara terhadap Hasil Produksi

: = 0 Kelembaban Udara tidak berpengaruh positif terhadap Hasil Produksi

: > 0 Kelembaban Udara berpengaruh positif terhadap Hasil Produksi

, jika :

, jika :

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran (

)

, jumlah kuadrat-kuadrat ( ) dan koefisien korelasi berganda ( ) antar variabel bebas yaitu dan . Dan dapat dihitung kekeliruan baku koefisien sebagai berikut :

=

Selanjutnya untuk menentukan nilai , digunakan rumus :

=

Dari perhitungan sebelumnya didapat harga-harga berikut ini : =

=55,33 = = -0,14

=

= 34,557 Maka diperoleh :

= =

=

= 0,610

Dari tabel distribusi t dengan taraf nyata α = 0,05 dan dk = maka : =

= = 2,07

Diperoleh = 0,610 = 2,07

Dapat dilihat bahwa lebih kecil dari maka diterima yang berarti Kelembaban Udara tidak berpengaruh positif terhadap Hasil Produksi.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang digunakan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan mulai menggunakan program yang dibuat.

Tahapan implementasi sistem merupakan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data pada tugas akhir ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu program SPSS 16.0 For Windows dalam masalah memperoleh hasil perhitungan.

5.2 Pengenalan SPSS

SPSS merupakan salah satu paket program komputer yang digunakan dalam mengolah statistik. SPSS cara kerjanya sama dengan kalkulator, karena pada prinsipnya kalkulator juga menggunakan sistem kerja komputer dalam mengolah input data, yaitu dimulai dari memasukkan data, lalu ada proses data dan akhirnya keluar output data. SPSS banyak digunakan sebagai alat bantu dalam berbagai macam riset, maka tak heran program ini paling banyak digunakan di seluruh dunia.

SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stanford University pada tahun 1968. Pada tahun 1984 SPSS muncul sebagai software dengan nama SPSS/PC+ dengan sistem DOS. Lalu sejak tahun 1992 SPSS mengeluarkan versi windows dengan beberapa versi. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, maka SPSS merupakan singkatan dari

Statistical Package for the Social Science. Namun, dalam perkembangan

selanjutnya penggunaan SPSS diperluaskan untuk berbagai jenis user, misalnya untuk produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Oleh karena itu, SPSS yang sebelumnya singkatan dari Statistical Package for the Social

Science menjadi Statistical Productand Service Solutions.

Dalam pembahasan data pada tugas akhir ini, penulis menggunakan program komputer SPSS di mana SPSS adalah suatu program komputer khusus statistik yang mampu memproses data statistik secara cepat dan tepat.

5.3 Langkah-langkah Pengolahan Data dengan SPSS

5.3.1 Memasukkan variabel dan mengentri data

Dalam pengolahan data menggunakan SPSS versi 16.0 harus dipastikan terlebih dahulu bahwa SPSS versi 16.0 telah terinstal di komputer, kemudian SPSS dibuka dengan cara sebagai berikut :

1. Klik start pada windows, kemudian klik program lalu klik SPSS. Selain itu, cara lain untuk mengaktifkan program SPSS melalui icon shortcut pada tampilan desktop. Maka, akan muncul tampilan seperti gambar berikut :

Gambar 5.1 Tampilan saat membuka SPSS pada windows

2. Jika tampilan SPSS sudah aktif, maka akan muncul kotak dialog awal SPSS seperti di bawah ini, lalu klik OK untuk memulai lembar kerja baru.

3. Klik variable view, yang terletak di sebelah kiri bawah jendela editor lalu lakukan langkah-langkah sebagai berikut :

3.1 Tulis nama variabel yang digunakan di bawah kolom Name. 3.2 Pada kolom Label, ketikkan variabel yang digunakan. 3.3 Pada kolom Measure, pilih Scale.

Gambar 5.3 Tampilan Variable View

Berikut penjelasan menu-menu pada variabel view : a. Name : Ketik nama variabel yang kita inginkan b. Type : Sesuaikan tipe data yang kita inginkan c. Width : Untuk menentukan jarak/lebar kolom

d. Label : Ketikkan nama sesuai dengan identitas dari nama variabel, nama variabel hanya terdiri dari 8 digit/karakter.

e. Value : Untuk mengisi penjelasan nama (label) pada variabel f. Missing : Digunakan untuk menjelaskan data yang hilang g. Columns : Digunakan untuk menentukan lebar kolom

h. Align : Untuk menentukan letak pengisian data, apakah rata kiri, rata kanan atau letak tengah kolom

i. Measure : Untuk menentukan jenis data

4. Kemudian klik data view yang terletak di sudut kiri bawah jendela editor untuk mengaktifkan jendela data.

5. Entri data yang sesuai untuk setiap variabel yang telah didefinisikan.

Gambar 5.4 Tampilan Data Setelah Dientri

5.3.2 Menganalisis data dengan regresi

Pada proses ini komputer akan menganalisis data yang telah dimasukkan dalam

sheet data view. Dari proses ini akan diperoleh persamaan regresi linier yang

dibutuhkan. Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai berikut :

1. Buka file, Analyze, Regression, Linier. Maka, akan tampak tampilan seperti di bawah ini.

Gambar 5.5 Tampilan Analisis Regresi

2. Setelah muncul tampilan, kemudian masukkan variabel terikat pada kotak

Variabel Dependent dan variabel bebas pada kotak Variabel Independent.

Gambar 5.6 Tampilan Kotak Dialog Regresi Linier

3. Klik Statistics pada kotak dialog regression, lalu klik Estimate, Model Fit

Gambar 5.7 Tampilan Kotak Dialog Regresi Linier : Statistics

4. Klik Option maka kotak dialog Linier Regression : Options akan muncul. Pilih Use probability of F kemudian masukkan nilai tingkat kepercayaan pada kotak Entry. Masukkan selang kepercayaan 0,05 kemudian klik

Continue.

Gambar 5.8 Tampilan Kotak Dialog Regresi Linier : Options

5. Untuk menampilkan grafik klik plots pada kotak dialog regression lalu pilih Histogram, Normal probability plot, Produce all partial plots lalu

Gambar 5.9 Tampilan Kotak Dialog Regresi Linier : Plots

5.3.3 Analisis data dengan Korelasi

Langkah-langkah analisis dengan korelasi adalah sebagai berikut :

1. Pilih Analyze lalu pilih sub menu Correlate, kemudian pilih Bivariate.

2. Setelah kotak dialog Bivariate Correlations muncul, pindahkan semua variabel pada kotak Variables kemudian pilih Pearson pada Correlation

Coefficients lalu pilih two tailed pada Test of Significance lalu klik OK

untuk menampilkan Outputnya.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Dari hasil analisis yang dilakukan, maka dapat diambil beberapa kesimpulan sebagai berikut :

1. Persamaan regresi yang didapat adalah Ŷ = -1.502,508 + 3,543 - 1,004 + 21,101

2. Dari hasil pengujian pengaruh semua variabel bebas secara bersama-sama

(simultan), di mana lebih besar dari . Maka, ditolak dan

diterima jadi dapat disimpulkan Luas Panen ( ), Curah Hujan ( ), dan Kelembaban Udara ( ) mempengaruhi Produksi Jagung (Y).

3. Nilai koefisien determinasi ( ) yang tinggi 0,992 menunjukkan bahwa besarnya pengaruh semua variabel bebas ( , , ) adalah sebesar 99% sedangkan 1% sisanya dipengaruhi oleh faktor-faktor yang lain.

4. Hasil pengujian koefisien regresi secara parsial (uji t) diperoleh bahwa variabel bebas Luas Panen ) berpengaruh dan signifikan terhadap Produksi. Hal ini terlihat dari nilai = 49,208 = 2,07 artinya jika ditingkatkan variabel Luas Panen ) sebesar satu satuan (ha) maka Produksi Jagung (Y) di Kabupaten Deli Serdang akan meningkat sebesar

3,534 satuan (ha). Variabel bebas Curah Hujan ( ) dan Kelembaban Udara ( ) tidak berpengaruh dan tidak signifikan terhadap Produksi (Y). Hal ini terlihat dari nilai artinya walaupun ditingkatkan variabel Curah Hujan ( ) dan Kelembaban Udara ( ) sebesar satu satuan maka Produksi Jagung (Y) di Kabupaten Deli Serdang tidak akan meningkat sebesar 1,004 satuan (mm) dan 21,101 satuan (%).

6.2 Saran

Penulis memberikan saran yang diharapkan dapat bermanfaat bagi pihak yang terkait yaitu agar Badan Pusat Statistik memberikan masukan kepada Dinas Pertanian Kabupaten Deli Serdang untuk memperluas lahan penanaman untuk tanaman jagung sehingga nilai produksi juga bertambah dan memperhatikan faktor lainnya seperti jenis bibit dan jumlah pupuk.

.

DAFTAR PUSTAKA

Andi Supangat, 2007. Dalam Kajian Deskriftif Inferensi dan Nonparametrik. Bandung

Anto Dajan, 1991. Pengantar Metode Statistik. Jilid 2. Jakarta : LP3ES Deli Serdang Dalam Angka. BPS Sumut. 2011

Hakim Abdul, 2002. Statistik Induktif. Edisi Kedua. Yogyakarta : EKONISIA Hasan M. Iqbal, 1999. Pokok-Pokok Materi Statistik 2. Jakarta : Bumi Aksara Http://www.deliserdangkab.go.id

J. Supranto, 1993. Statistik Teori dan Aplikasi. Jilid 2. Jakarta : Erlangga Rukmana Rahmat, 1997. Usaha Tani Jagung. Yoyakarta : Kanisius Sudjana, 2001. Metode Statistika. Edisi Keenam. Bandung : Tarsito

Yamin Sofyan, dkk, 2010. Regresi dan Korelasi Dalam Genggaman Anda. Jakarta: Salemba Empat

Regression

Descriptive Statistics

Mean Std. Deviation N Produksi 6485.38 2670.660 24 LuasPanen 1813.79 748.547 24 CurahHujan 223.75 85.625 24 KelembabanUdara 84.67 1.551 24

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

1 Kelembaban Udara, LuasPanen, CurahHujana

. Enter

a. All requested variables entered. b. Dependent Variable: Produksi

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of

the Estimate Durbin-Watson

1 .996a .992 .991 254.527 .940

a. Predictors: (Constant), KelembabanUdara, LuasPanen, CurahHujan b. Dependent Variable: Produksi

ANOVAb

Model

Sum of

Squares df Mean Square F Sig. 1 Regression 1.628E8 3 5.425E7 837.396 .000a

Residual 1295683.651 20 64784.183 Total 1.640E8 23

ANOVAb

Model

Sum of

Squares df Mean Square F Sig. 1 Regression 1.628E8 3 5.425E7 837.396 .000a

Residual 1295683.651 20 64784.183 Total 1.640E8 23

b. Dependent Variable: Produksi

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N Predicted Value 2607.73 11201.99 6485.38 2660.092 24 Residual -246.987 634.746 .000 237.348 24 Std. Predicted Value -1.458 1.773 .000 1.000 24 Std. Residual -.970 2.494 .000 .933 24

Correlations

Correlations

Produksi LuasPanen CurahHujan Kelembaban Udara Produksi Pearson Correlation 1 .996** -.162 -.146

Sig. (2-tailed) .000 .449 .495

N 24 24 24 24

LuasPanen Pearson Correlation .996** 1 -.137 -.144

Sig. (2-tailed) .000 .523 .503

N 24 24 24 24

CurahHujan Pearson Correlation -.162 -.137 1 .494*

Sig. (2-tailed) .449 .523 .014

N 24 24 24 24

KelembabanUdara Pearson Correlation -.146 -.144 .494* 1 Sig. (2-tailed) .495 .503 .014

N 24 24 24 24

**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).

Regression

Descriptive Statistics

Mean Std. Deviation N

Produksi 6485.38 2670.660 24

LuasPanen 1813.79 748.547 24

CurahHujan 223.75 85.625 24

KelembabanUdara 84.67 1.551 24

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

1

Kelembaban

Udara, LuasPanen, CurahHujana

. Enter

a. All requested variables entered. b. Dependent Variable: Produksi

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of

the Estimate Durbin-Watson

1 .996a .992 .991 254.527 .940

a. Predictors: (Constant), KelembabanUdara, LuasPanen, CurahHujan b. Dependent Variable: Produksi

ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 1.628E8 3 5.425E7 837.396 .000a

Residual 1295683.651 20 64784.183

Total 1.640E8 23

b. Dependent Variable: Produksi

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 2607.73 11201.99 6485.38 2660.092 24

Residual -246.987 634.746 .000 237.348 24

Std. Predicted Value -1.458 1.773 .000 1.000 24

Std. Residual -.970 2.494 .000 .933 24

Correlations

Correlations

Produksi LuasPanen CurahHujan Kelembaban

Udara

Produksi Pearson Correlation 1 .996** -.162 -.146

Sig. (2-tailed) .000 .449 .495

N 24 24 24 24

LuasPanen Pearson Correlation .996** 1 -.137 -.144

Sig. (2-tailed) .000 .523 .503

N 24 24 24 24

CurahHujan Pearson Correlation -.162 -.137 1 .494*

Sig. (2-tailed) .449 .523 .014

N 24 24 24 24

KelembabanUdara Pearson Correlation -.146 -.144 .494* 1

Sig. (2-tailed) .495 .503 .014

N 24 24 24 24

**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).