Faktor-Faktor Yang Mempengaruhi Hasil Produksi Padi Di Kabupaten Deli Serdang

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

DEPARTEMEN MATEMATIKA

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

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama Mahasiswa : Maria Panggabean

Nomor Induk Mahasiswa : 132407086

Judul Tugas Akhir : Faktor-faktor yang mempengaruhi hasil produksi padi di Kab.Deli Serdang

Dosen Pembimbing : Drs. Ujian Sinulingga, M.Si Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan :

No. Tanggal Asistensi Bimbingan

Pembahasan Asistensi Pada Bab

Paraf Dosen

Pembimbing Keterangan

1 2 3 4 5 6 7 8

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

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Dosen Pembimbing

Ketua,

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS SUMATERA UTARA FAKULTAS MATEMATIKA DAN ILMU

PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA

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

SURAT KETERANGAN

Hasil Uji Implementasi Sistem Tugas Akhir

Yang bertanda tangan dibawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma 3 Statistika :

Nama Mahasiswa : Maria Panggabean

Nomor Induk Mahasiswa : 132407086

Judul Tugas Akhir : Faktor-faktor yang mempengaruhi hasil produksi padi di Kab.Deli Serdang

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 Departemen Matematika FMIPA USU Medan.

Medan, Juli 2016 Dosen Pembimbing,

Drs. Ujian Sinulingga, M.Si NIP. 19560303 198403 1 004

ata Hasil Produksi Padi, Luas Lahan, Curah Hujan, dan Jumlah Pupuk .

Tahun

Hasil Produksi (Ribuan Ton)

Luas Lahan (Ribuan Ha)

Curah Hujan (Ribuan MM)

Pemupukkan (Ribuan Ha)

2007 386543 74348 228 48774

2008 381955 73369 176 48984,5

2009 389597 74737 202 48768,5

2010 441897 84582 134 53891

2011 445598 84286 218 53843

2012 446055 80508 189 52554

2013 448462 79741 187 48770,5

2014 423060 74481 170 46940,5

DAFTAR PUSTAKA

Algifari.2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE

Agus Irianto.2004. Konsep Dasar dan Aplikasinya. Edisi 1. Jakarta: Prenada Media

Iswardono.1981. Analisa Regresi dan Korelasi. Edisi 1. Yogyakarta: BPFE Badan Pusat Statistik. Sumatera Utara Dalam Angka 2007-2014. BPS. Medan

Moehar Daniel.2002. Pengantar Ekonomi Pertanian. Jakarta: PT Bumi Aksara Sudjana.2005. Metode Statistika. Bandung: Tarsito

BAB 3 ANALISIS DATA

3.1 Pengolahan Data dan Pembahasan

Data yang dikumpulkan adalah data mengenai jumlah hasil produksi padi, dan faktor-faktor yang mempengaruhinya yaitu:

1. Hasil Produksi (Ribuan Ton) 2. Luas Lahan (Ribuan Ha) 3. Curah Hujan (Ribuan MM) 4. Jumlah Pupuk (Ribuan Ton)

Untuk memperoleh model yang cocok dalam menduga hasil produksi padi berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis regresi linier dengan satu variabel terikat (dependent variable) dan tiga variabel bebas (dependent variable). Data yang diolah adalah data berdasarkan tahun 2007 sampai 2014. Data dapat dillihat dalam tabel 3.1 berikut :

Tabel 3.1 Data Hasil Produksi Padi, Luas Lahan, Curah Hujan, dan Jumlah Pupuk. Tahun Hasil Produksi (Ribuan Ton) Luas Lahan (Ribuan Ha) Curah Hujan (Ribuan MM) Pemupukkan (Ribuan Ha)

2007 386543 74348 228 48774

2008 381955 73369 176 48984,5

2009 389597 74737 202 48768,5

2010 441897 84582 134 53891

2011 445598 84286 218 53843

2012 446055 80508 189 52554

2013 448462 79741 187 48770,5

2014 423060 74481 170 46940,5

Dalam tabel yang telah tertera diatas Hasil Produksi merupakan varibel terikat (Y), kemudian yang menjadi variabel bebasnya adalah Luas Lahan (X1), Curah

Hujan (X2), Jumlah Pupuk (X3).

3.2 Persamaan Regresi Linier Berganda

Pada pembahasan sebelumnya telah kita lihat bagaimana data yang telah dikumpulkan tersebut. Dan dari data pada tabel tersebut akan dibentuk persamaan regresi linier berganda dengan terlebih dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan nilai-nilai dari jumlah variabel-variabel seperti pada tabel berikut:

Tabel 3.2 Gambaran data Hasil Produksi yang akan diolah.

Y X1 X2 X3

386543 74348 228 48774

381955 73369 176 48984,5

389597 74737 202 48768,5

441897 84582 134 53891

445598 84286 218 53843

446055 80508 189 52554

448462 79741 187 48770,5

423060 74481 170 46940,5

∑Y = 3363167 ∑ X1 = 626052 ∑ X2 = 1504 ∑ X3 = 402526

Tabel 3.3 Kuadrat masing-masing variabel Y, X1, X2,dan X3.

Y2 X1

2

X2 2

X3 2

149415490849 5527625104 51984 2378903076 145889622025 5383010161 30976 2399481240 151785822409 5585619169 40804 2378366592 195272958609 7154114724 17956 2904239881 198557577604 7104129796 47524 2899068649 198965063025 6481538064 35721 2761922916 201118165444 6358627081 34969 2378561670 178979763600 5547419361 28900 2203410540

∑Y2

= 1419984463 ∑X1 2

= 4914208346 ∑X2 2

= 288834 ∑X3 2

= 2030395456

Tabel 3.4 Hasil kali Y (variabel terikat) dan X(variabel bebas).

X1Y X2Y X3Y

28738698964 88131804 18853248282

28023656395 67224080 18709874698

29117310989 78698594 19000061295

37376532054 59214198 23814271227

37557673028 97140364 23992333114

35910995940 84304395 23441974470

35760808342 83862394 21871715971

31509931860 71920200 19858647930

∑ X1Y = 2639956075 ∑ X2Y = 630496029 ∑ X3Y = 1695421269

Tabel 3.5 Hasil kali antara variabel bebas (X).

X1X2 X1X3 X2X3

16951344 3626249352 11120472

12912944 3593943781 8621272

15096874 3644811385 9851237

11333988 4558208562 7221394

18374348 4538211098 11737774

15216012 4231017432 9932706

14911567 3889008441 9120083,5

12661770 3496175381 7979885

Rumus umum untuk persamaan regresi linier berganda dengan 3 variabel bebas adalah:

̂

Untuk membuat persamaan regresi linier dari data diatas maka dibutuhkan harga-harga di bawah ini:

∑ = 626052

∑ = 1504

∑ 3 = 402526

∑ = 3363167

∑ = 2639956075

∑ = 630496029

∑ 3 =1695421269

∑ = 117458847

∑ 3 = 3157762543

∑ 3 = 75584823,5

∑ 2

= 1419984463

∑ = 4914208346

∑ = 288834

∑ 3 = 20303954565

Dengan mensubstitusikan angka-angka diatas kedalam sistem persamaan normal:

∑ n ∑ ∑ 3∑ 3

∑ ∑ ∑ ∑ 3∑ 3

∑ 3 ∑ 3 ∑ 3 ∑ 3 3∑ 3

Dengan demikian terbentuk persamaannya yaitu:

33 3 3 3 3

3 3 ₃

3 o 3 3 3 3 3 3

3 3 3

Setelah persamaan regresi linier berganda diatas diselesaikan, maka diperolehlah nilai-nilai koefisien linier bergandanya yaitu:

3

333 3

3 3

Dari nilai-nilai yang telah diperoleh diatas maka didapatlah persamaan regresi linier bergandanya yaitu:

̂ 3 3

̂ 3

3.3 Pengujian Regresi Linier Ganda

menentukan uji keberartian regresi tersebut, maka digunakan rumus untuk menentukan hipotesisnya, yaitu :

: Tidak terdapat pengaruh signifikan antara variabel bebas, yaitu Luas Lahan (X1), Curah Hujan (X2), dan Jumlah Pupuk (X3 ) terhadap variabel

tidak bebas yaitu Hasil Produksi (Y).

: Minimal satu parameter koefisien regresi 0

Artinya : Terdapat pengaruh signifikan antara variabel bebas, yaitu Luas Lahan (X1), Curah Hujan (X2), dan Jumlah Pupuk (X3 )terhadap variabel

tidak bebas yaitu Hasil Produksi (Y). Kriteria pengujan hipotesanya:

Jika , maka ditolak dan diterima Jika , maka diterima dan ditolak

Untuk menguji model regresi yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi dan JK untuk sisa yang akan didapatkan setelah mengetahui nilai-nilai berikut:

̅ ̅ ̅ dan ̅ ̅

̅ ̅ Untuk memperoleh nilai-nilai tersebut, maka diperlukan nilai harga sebagai berikut :

̅ = 626052

̅ = 1504

̅₃ = 402526

Untuk menentukan uji keberartian regresi maka diperlukan nilai ₃ dan y yang dapat membantu untuk mengerjakan uji keberartian regresi, dapat dilihat dari tabel 3.6 berikut ini:

Tabel 3.6 Deviasi masing-masing variabel.

Y x1 x2 x3

33852,875 3908,5 -40 1541,75

38440,875 4887,5 12 1331,25

30798,875 3519,5 -14 1547,25

-21501,125 -6325,5 54 -3575,25

-2520,13 -6029,5 -30 -3527,25

-25659,125 -2251,5 -1 -2238,25

-28066,125 -1484,5 1 1545,25

-2664,125 3775,5 18 3375,25

Tabel 3.7 Penggandaan antara deviasi y dengan .

yx1 yx2 yx3

132313961,9 -1354115 52192670,03

187879776,6 461290,5 51174414,84

108396640,6 -431184,25 47653559,34

136005366,2 -1161060,75 76871897,16

151956212,7 756063,75 88894195,41

57771519,94 25659,125 57431536,53

41664162,56 -28066,125 -43369179,66 -10058403,94 -47954,25 -8992087,906 ∑yx1 = 805929236,5 ∑yx2 = -1779367 ∑yx3 = 321857005,8

Tabel 3.7 Data dan Kekeliruan Taksiran Baku.

y2 Ŷ Y-Ŷ (Y-Ŷ)2

1146017146 393902,135 -7359,135 54156867,95 1477700871 383992,368 -2037,368 4150868,367 948570701,3 398697,766 -9100,766 82823941,79 462298376,3 453295,495 -11398,495 129925688,3 635147104,5 447970,251 -2372,251 5627574,807 658390695,8 422801,602 23253,398 540720518,5 787707372,5 449075,349 -613,349 376196,9958 7097562,016 413570,07 9489,93 90058771,4

Dari tabel diatas maka diperlukan harga-harga nilai-nilai berikut:

∑yx1 = 805929236,5 ∑yx2 = -1779367 ∑yx3 = 321857005,8

Dari nilai-nilai diatas maka dapat diperoleh dua macam jumlah kuadrat-kuadrat yakni K_reg dan K_res , yaitu sebagai berikut :

Kreg ∑ ∑ 3∑ 3

= ( )( 805929236,5 ) + ( 333 3)( 3 ) + ( )( 321857005,8)

= 8035920417 + 59382814,89 + (-2879976487) = 5215326745

Kres ∑ ̅

= 907840428,1

Jadi, F_hitung dapat dicari dengan rumus :

3

Untuk F_{ta el} , yaitu nilai statistik yang dapat dilihat di lampiran tabel F dengan derajat kebebasan pembilang = k dan penyebut = n-k- , dan α = % ( . ) maka diperoleh:

=

Dengan demikian dapat dilihat bahwa nilai . Maka H ditolak dan H diterima. Hal ini berarti persamaan regresi linier berganda Y atas dan ₃ bersifat tidak nyata yang berarti bahwa presentase luas lahan, curah hujan, dan jumlah pupuk secara bersama-sama mempengaruhi hasil produksi padi.

3.4 Koefisien Determinasi

Pada bahasan sebelumnya pada tabel 4.6 dapat dilihat harga ∑ ∑ ̅ = 1001405202 dan nilai K_reg = 6,864506745 yang telah di hitung sebelumnya, maka nilai koefisien determinasi dapat dihitung dengan :

R Kreg ∑y 3

Untuk koefisien korelasi ganda digunakan rumus sebagai berikut :

R √R

√

Dari hasil perhitungan diperoleh korelasi (R) positif yaitu sebesar 0,922 yang menunjukkan bahwa antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi yaitu sebesar 0,851 yang digunakan untuk mengetahui presentase pengaruh variabel independent terhadap perubahan variabel dependent. Yang berarti bahwa luas lahan, curah hujan, dan jumlah pupuk berpengaruh terhadap hasil produksi padi yaitu sebesar 0,85 atau 85%. Sedangkan sisanya sebesar 100% - 85% = 15% yang dipengaruhi oleh faktor-faktor lain.

3.5 Koefisien Korelasi

3.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas maka dari tabel 4.4 sebelumnya dapat dihitung besar koefisien korelasinya yaitu sebagai berikut:

1. Koefisien korelasi antara Hasil Produksi (Y) dengan Luas Lahan ( .

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

= 0,843

Nilai yang positif menandakan hubungan yang searah antara hasil produksi dengan luas lahan. Artinya, semakin tinggi luas lahan pertanian maka semakin tinggi pula hasil produksi padi di daerah tersebut. Hubungan keduanya tergolong searah, ini ditandai dengan r = 0,843.

2. Koefisien Korelasi antara Hasil Produksi (Y) dengan Curah Hujan (

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

922071,842

Nilai yang negatif menandakan hubungan yang berlawanan arah antara hasil produksi padi dengan curah hujan, artinya semakin tinggi hasil produksi maka semakin rendah curah hujan di daerah tersebut. Hubungan keduanya tergolong sangat kuat, ini ditandai dengan nilai r = - 922071,842.

3. Koefisien korelasi antara Hasil Produksi (Y) dengan Jumlah Pupuk ( ₃

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

Nilai yang positif menandakan hubungan yang searah antara hasil produksi dengan jumlah pupuk. Artinya, semakin banyak jumlah pupuk pertanian maka semakin banyak pula hasil produksi padi di daerah tersebut. Hubungan keduanya tergolong searah, ini ditandai dengan r =129,978.

Dari ketiga nilai diatas bahwa korelasi antara hasil produksi dengan luas lahan 0,843, curah hujan -922071,842, jumlah pupuk 129,978 .Dari ketiga nilai tersebut yang terbesar adalah korelasi (hubungan) antara hasil produksi dengan jumlah pupuk sebesar 129,978 dan luas lahan 0,843 yang berarti bahwa jumlah pupuk dan luas lahan memberikan pengaruh lebih besar terhadap hasil produksi padi dari pada persentase curah hujan.

3.5.2 Perhitungan Korelasi antara Variabel Bebas

1. Koefisien korelasi antara Luas Lahan (X1) dengan Curah Hujan (X2)

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

= -79251,37

2. Koefisien korelasi antara Luas Lahan (X1) dengan Pemupukkan (X3).

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

= 0,89

3. Koefisien korelasi antara Curah Hujan (X2) dengan Pemupukkan (X3).

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

BAB 4

IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai sistem atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini menggunakan software yaitu SPSS 17.0 dalam memperoleh hasil perhitungan.

4.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien, dengan hasil perhitungan yang akurat dengan program untuk analisis statistik yang paling populer yaitu SPSS (Statistical Product and Service Solution).

SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan versi Windows. SPSS dengan sistem Windows telah mengeluarkan software dengan beberapa versi yang berkembang dalam penggunaannya dalam mengolah data statistika.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the

Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS

diperluas untuk berbagai jenis penggunaan, misalnya untuk proses produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi singkatan dari Statistical Product and Service Solutions.

4.2.1 Pengenalan Menu

1. Menu File

Menu file dipergunakan untuk membuka, menutup file, dan lain-lain yang berkaitan dengan pemprosesan file. Submenu yang sering digunakan adalah:

a. New, untuk membuat file baru. b. Open, untuk membuka file lama.

c. Open database, untuk membuka data base yang sudah ada. d. Save, untuk menyimpan data.

e. Save as, untuk menyimpan data, bedanya dengan save ialah perintah ini

dapat digunakan untuk menyimpan dengan nama file lain.

f. Print, untuk mencetak data dan output. g. Exit, untuk keluar dari program SPSS.

2. Menu Edit

Menu edit dipergunakan untuk proses editing, misalnya copy, delete, undo dan lain-lain, submenu yang sering digunakan di antaranya:

a. Undo, untuk membatalkan suatu perintah yang sudah dilaksanakan. b. Redo, untuk melakukan kembali perintah yang sudah dibatalkan.

c. Copy, untuk melakukan pengcopian nama variabel ataupun nilai variabel.

Menu ini bermanfaat untuk mendesain variabel-variabel yang jumlahnya banyak.

d. Cut, untuk memotong teks baik berupa isi variabel ataupun nama variabel. e. Paste, untuk melekatkan atau menempel sesuatu yang sudah diberikan

perintah copy terlebih dahulu.

f. Clear, untuk menghapus.

g. Find, untuk mencari nama variabel (kolom) ataupun isi kasus (baris).

3. Menu View

Menu view dipergunakan untuk melihat tampilan SPSS, submenu utama ialah:

a. Status bar, untuk mengatur status bar sesuai yang diinginkan. b. Tools bar, untuk memunculkan kotak dialog tools bar.

c. Font, untuk memunculkan kotak dialog perintah fonts.

d. Value Labels, untuk melihat label pada variabel-variabel yang sudah

dibuat.

4. Menu Data

Menu data digunakan untuk melakukan pemprosesan data. Submenu yang digunakan adalah:

a. Insert variable, untuk menyisipkan variabel baru di antara

b. Insert case, untuk menyisipkan kasus baru di antara kasus-kasus lama

yang sudah dibuat.

c. Go to case, perintah untuk menuju ke kasus (baris) tertentu. d. Select case, perintah untuk melakukan seleksi kasus.

e. Split file, untuk membuat kategori file didasarkan pada metode tertentu.

5. Menu Transform

Menu transform dipergunakan untuk melakukan perubahan-perubahan atau penambahan data. Submenu di antaranya:

a. Replace missing values, untuk mengganti nilai yang hilang (missing value).

b. Create time series, untuk membuat data time series.

c. Compute, untuk menghitung, misalnya melakukan proses aritmatika untuk

dua variabel.

6. Menu Analyse

Menu analyse merupakan menu dimana kita melakukan analisis data yang telah kita masukkan ke dalam komputer. Menu ini merupakan menu terpenting karena semua pemprosesan dan analisis data dilakukan dengan menggunakan menu ini. Contoh submenu ialah:

a. Report.

b. Descriptive statistics. c. Table.

e. General linear model. f. Miuxed model.

g. Correlate. h. Regression. i. Log linear. j. Dan lain-lain.

7. Menu Graphs

Menu graphs digunakan untuk membuat grafik, di antaranya:

a. Gallery, berisi galeri grafik yang dapat dipilih sesuai dengan masalah yang

dianalisis.

b. Interactive, membuat grafik bersifat interaktif.

c. Maps, membuat grafik dengan menggunakan model peta. d. Bar, jenis grafik dengan model batang.

e. Line, jenis grafik dengan model garis. f. Area, jenis grafik dengan model area. g. Pie, jenis grafik dengan model bulatan. h. Dot, jenis grafik dengan model titik-titik. i. Dan lain-lain.

8. Menu Utilities

Menu utilities dipergunakan untuk mengetahui informasi variabel, informasi file, dan lain-lain.

9. Menu Add-ons

Menu add-ons digunakan untuk memberikan perintah kepada SPSS jika ingin menggunakan aplikasi tambahan.

10.Menu Windows

Menu windows dipergunakan untuk melakukan perpindahan (switch) dari satu file ke file lainnya.

11.Menu Help

Menu help dipergunakan untuk membantu pengguna dalam memahami perintah-perintah SPSS jika pengguna mengalami kesulitan.

4.3Pengolahan Data dengan SPSS

1. Memulai SPSS pada window yaitu sebagai berikut : a. Pilih menu Start dari Windows

b. Selanjutnya pilih menu Program c. Pilih SPSS Statistics 22

Gambar 4.1 Tampilan Pengaktifan SPSS 22 2. Memasukan data ke dalam SPSS

SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan

Variable View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data Editor harus erada pilih ada “Variable View”. Lakukan dengan

mengklik tab sheet Variable View yang berada dibagian kiri bawah atau langsung menekan Ctrl+T. Tampilan variable view juga dapat dimunculkan dari View lalu pilih Variable.

Tampilannya adalah sebagai berikut :

Pada tampilan jendela Variabel view terdapat kolom-kolom berikut : Name : untuk memasukkan nama variabel yang akan diuji

Type : untuk mendefenisikan tipe variabel apakah bersifat numeric atau

string

Widht : untuk menuliskan panjang pendek variabel

Decimals : untuk menuliskan jumlah desimal di belakang koma Label : untuk menuliskan label variabel

Values : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan scale

Missing : untuk menuliskan ada tidaknya jawaban kosong Columns : untuk menuliskan lebar kolom

Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau angka di Data view

Measure : untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal atau scale

4.3.1 Pengisian Variabel

Tempatkan pointer pada baris pertama di bawah Name. Name : klik ganda pada sel tersebut dan ketik Tahun Type : Pilih string karena dalam bentuk data

Width : Untuk keseragaman ketik 8 Decimal : Ketik 0

Values dan

Missing :Abaikan pilihan ini karena data tidak dikategorisasikan

Align : Pilih Center Measure : Pilih nominal

Variabel Y

Name : Letakkan kursor di bawah Tahun, lalu klik ganda pada sel tersebut kemudian ketik Hasil Produksi Type : Pilih numeric karena berupa angka

Width : Untuk keseragaman ketik 8 Decimal : Ketik 0

Label : Ketik Luas Lahan Align : Pilih Center Measure : Pilih scale

Variabel X

Name : Letakkan kursor di bawah Hasil Produksi, lalu klik ganda pada sel tersebut kemudian ketik Luas_Lahan

Type : Pilih numeric karena berupa angka Width : Untuk keseragaman ketik 8

Decimal : Ketik 0

Label : Ketik Curah Hujan Align : Pilih Center

Measure : Pilih scale

Lakukan seterusnya untuk variabel , dan dengan Name dan Label yang sesuai dengan Variabel yang dimaksudkan.

4.3.2 Pengisian Data

Aktifkan jendela data dengan mengklik Data View

1. Ketikkan data yang sesuai dengan setiap variabel yang telah didefenisikan pada Variabel View.

Tampilannya adalah sebagai berikut:

Gambar 4.3 Tampilan Jendela Pengisian Data Vie

4.4 Pengolahan Data dengan Persamaan Regresi

Langkah-langkahnya adalah sebagai berikut:

2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression dan klik Linear seperti gambar berikut:

Tampilannya adalah sebagai berikut:

Gambar 4.4. Tampilan saat membuka persamaan regresi Pilih Analyze, Regression, Linear

3. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (Indeks Pembangunan Manusia) pada kotak Dependent, dan variabel bebas X (Jumlah Penduduk Miskin, Jumlah Angkatan Kerja, Perserntase Tingkat Pendidikan tertinggi yang Ditamatkan, Produk Domestik Regional Bruto) pada kotak Independent seperti gambar berikut:

Tampilannya adalah sebagai berikut:

Gambar 4.5 Tampilan Kotak Dialog Untuk menentukan Nilai Linier Regression

4. Klik kotak Statistics pada kotak dialog Linear Regression, kemudian aktifkan

Estimate, Model fit, Descriptive dan Casewise diagnostics, Part and Partial Correlations, kemudian pada residuals berikan ceklist pada Casewise diagnostics serta All cases, kemudian klik Continue untuk

melanjutkan seperti pada gambar berikut: Tampilannya adalah sebagai berikut:

5. Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk membuat grafik. Isi kolom Y dengan pilihan SRESID dan kolom X dengan ZPRED, kemudian klik Next. Isi lagi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada Standardizes Residual Plots, aktifkan

Histogram dan Normal Probability Plot. Lalu klik Continue untuk

melenjutkan seperti gambar berikut: Tampilannya adalah sebagai berikut :

Gambar 4.7 Tampilan Kotak Dialog Pada Pengentrian Linier Regression Plot/Option

6. Kemudian klik tombol Options pada kotak dialog Linear Regression sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktikan Use Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai entry 0,05. Aktifkan include constant in aquation dan

Tampilannya adalah sebagai berikut:

Gambar 4.8 Kotak dialog Linear Regression: Option

7. Selanjutnya klik OK pada kotak dialog Linear Regression.

4.5Output Pengolahan Data dengan SPSS

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Dengan menggunakan rumus didapat nilai koefisien-koefisien

3, , ,dan sehingga diperoleh persamaan estimasi linier ganda yaitu:

̂

2. Dengan taraf nyata α = , ; derajat ke e asan (degree of independent)

diperoleh nilai . Sedangkan dari hasil perhitungan diperoleh

Sehingga diperoleh , maka ditolak. Hal ini berarti persamaan regresi linier berganda Y atas

dan 3 bersifat nyata yang berarti bahwa presentasi luas lahan, curah

hujan, dan jumlah pupuk secara bersama-sama mempengaruhi terjadinya tingkat hasil produksi padi di Kabupaten Deli Serdang.

3. Dari hasil perhitungan koefisien korelasi ganda (R) variabel 3dan diperoleh yaitu sebesar yang menunjukkan bahwa antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi yaitu sebesar yang digunakan untuk mengetahui presentase pengaruh variabel independent terhadap perubahan variabel dependent. Yang berarti bahwa luas lahan, curah

hujan, dan jumlah pupuk berpengaruh terhadap hasil produksi padi yaitu sebesar 0,85 atau 85%. Sedangkan sisanya sebesar 100% - 85% = 15% yang dipengaruhi oleh faktor-faktor lain.

4. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel

dan 3dengan variabel Y diperoleh :

1. Hubungan antara hasil produksi dengan luas lahan adalah sebesar 2. Hubungan antara hasil produksi dengan curah hujan adalah sebesar

-922071,842

3. Hubungan antara hasil produksi dengan jumlah pupuk adalah sebesar

Maka faktor yang paling berpengaruh terhadap hasil produksi padi di Kabupaten Deli Serdang adalah luas lahan yaitu sebesar 0,843 dan jumlah pupuk padi yaitu sebesar 129,978. Artinya bahwa semakin luas lahan pertanian maka akan semakin tinggi tingkat hasil produksi padi yang diperoleh dan jumlah pupuk yang teratur dengan sesuai luas lahan juga akan menghasilkan produksi padi yang bagus dan menguntungkan.

5.2 Saran

1. Dalam menganalisa soal regresi linier berganda khususnya, selain melakukan perhitungan secara manual, sebaiknya dikerjakan juga melalui komputer dengan perangkat lunak seperti SPSS, Excel, dan lain sebagainya agar model dapat lebih diteliti.

2. 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 padi sehingga nilai produksi juga bertambah dan memperhatikan faktor lainnya jumlah pupuk yang sesuai dengan luas lahan.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama-tama digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia telah melakukan studi tentang kecenderungan tinggi badan anak. Hasil studi tersebut merupakan suatu kesimpulan bahwa kecenderungan tinggi badan anak yang lahir terhadap orang tuanya adalah menurun mengarah pada tinggi badan rata-rata penduduk. Istilah regresi pada mulanya bertujuan untuk membuat perkiraan nilai satu variabel terhadap variabel yang lain. Pada perkembangan selanjutnya, analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut. (Alfigari, 2000.Analisis Regresi Teori,

kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1 dan 2)

Pada dasarnya dalam suatu persamaan regresi terdapat dua macam variabel, yaitu variabel bebas (independent variable) yang dinyatakan dengan simbol X dan variabel terikat (dependent variable) yang biasanya dinyatakan dengan simbol Y. Variabel terikat adalah variabel yang dipengaruhi atau yang nilainya bergantung dari nilai variabel lain. Variabel bebas adalah variabel yang memberikan pengaruh atau variabel yang nilainya tidak bergantung dari variabel

besarnya. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel terikat dengan variabel bebas mempunyai sifat hubungan sebab-akibat.

2.2 Analisis Regresi Linier

Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi linier atau regresi garis lurus digunakan untuk:

1. Menentukan hubungan fungsional antar variabel dependent dengan

independent. Hubungan fungsional ini dapat disebut sebagai persamaan garis

regresi yang berbentuk linier.

2. Meramalkan atau memperkirakan nilai dari satu variabel dengan hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresi.

Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi terdiri dari dua bentuk, yaitu:

1. Analisis Regresi Linier Sederhana 2. Analisis Regresi Linier Berganda

Analisis Regresi Linier Sederhana adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel terikat dan variabel bebas. Sedangkan analisis regresi berganda adalah bentuk regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan dua atau lebih variabel bebas. Variabel bebas adalah variabel yang nilainya

tergantung dengan variabel lainya, sedangkan variabel terikat adalah variabel yang nilainya tergantung dari variabel lainya.

Analisis regresi digunakan untuk mengetahui hubungan antara dua atau lebih variabel, yaitu variabel dependen (terikat) dengan variabel independen (bebes). Terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel bebas mempengaruhi variabel terikat dalam suatu fenomena yang komplek. Jika adalah variabel-variabel bebas dan Y adalah variabel terikat, maka terdapat hubungan antara fungsional antara X dan Y dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis hubungan ini dapat dijabarkan sebagai berikut:

Keterangan:

Y = Variabel terikat (Dependent) X = Variabel bebas (Independent) e = Variabel residu (Disturbace term)

Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni:

1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.

2. Menguji berapa besar variasi variabel dependent dapat diterangkan oleh variasi independent.

3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.

2.2.1 Analisis Regresi Linier Sederhana

Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabel prediktor dan satu variabel kriterium. Model regresi linier sederhananya adalah:

Keterangan:

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

b = Kemiringan (slope)

Penggunaan regresi linier sederhana didasarkan pada asumsi, diantaranya sebagai berikut:

1. Model regresi harus linier dalam parameter.

2. Variabel bebas tidak berkolerasi dengan disturbance term (eror). 3. Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut:

(E (U / X)) = 0

4. Varian untuk masing-masing error term (kesalahan) konstan 5. Tidak terjadi autokorelasi

6. Model regresi dispesifikasikan secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.

7. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata.

Koefisien - koefisien regresi a dan b dapat dihitung dengan rumus:

∑ (∑ ) ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑

Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung dengan rumus:

̅ ̅

Dengan ̅dan ̅ masing-masing rata-rata untuk variabel-variabel X dan Y.

2.2.2 Analisis Regresi Linier Berganda

Regresi linier ganda (Multiple Regression) berguna untuk mencari pengaruh atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya. Suatu persamaan regresi linier yang memiliki lebih dari satu variabel bebas X dan satu variabel terikat Y akan membentuk suatu persamaan regresi yang baru, disebut persamaan regresi linier berganda (multiple regression). Model persamaan regresi linier berganda hampir sama dengan model regrei linier sederhana, letak perbedaanya hanya pada jumlah variabel bebasnya.

Secara umum model regresi linier berganda adalah sebagai berikut:

Keterangan:

Y = Variabel terikat (dependent variable) X = Variabel bebas (independent variable)

= Konstanta regresi

= Koefisien regresi variabel bebas = Pengamatn variabel error

Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel terikat Y dan tiga variabel bebas X yaitu X1, X2, dan X3. Maka persamaan regresi

bergandanya adalah:

̂

Keterangan:

= Hasil Produksi = Luas Lahan = Curah Hujan = Jumlah Pupuk

Persamaan di atas dapat dapat diselesaikan dengan tiga bentuk yaitu: ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑

Untuk memudahkan pengolahan data, maka data-data dapat dimasukkan ke dalam tabel. Bentuk umum dari tabel untuk variabel penduga yang lebih dari satu adalah seperti bentuk tabel di bawah ini:

Tabel 2.1 Bentuk Umum Tabel Data Regresi Linier Berganda

NO OBSERVASI

RESPON VARIABEL BEBAS VARIABEL BEBAS VARIABEL BEBAS VARIABEL BEBAS

1 ...

2 ...

3 ...

. . . . ... .

. . . . ... .

. . . . ... .

N ...

2.3 Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidak-tidaknya mengenai kelinieran dan keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.

Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat untuk regresi yang ditulis JK_reg dan Jumlah Kuadrat untuk sisa (residu) yang

ditulis dengan JK_res. Jika x_1i= X_1i– X 1, x2i= X2i– X2, . . . , xk= Xk– ̅ dan

y_i= Y_i– Ymaka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:

Dengan derajat kebebasan dk = k

∑ ̂

dengan derajat kebebasan dk = (n – k – 1) untuk sampel berukuran n. Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:

Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang V₁= k dan penyebut V₂= n – k – 1. Dalam penelitian ini penulis menggunakan aplikasi softwere SPSS versi.22.

2.4 Koefisien Determinasi

Koefisien determinasi yang disimbolkan dengan R2 bertujuan untuk mengetahui apakah ada hubungan pengaruh antara variabel independen dengan variabel dependen. Nilai koefisien determinasi menunjukkan persentase variansi nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi yang dihasilkan. Nilai R2dikatakan baik jika berada di atas 0,5 karena nilai R2 berkisar antara 0 dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel independen yang digunakan dalam model. Maka akan ditentukan dengan rumus, yaitu:

∑ Keterangan:

Harga R2 diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja. Dalam penelitian ini penulis menggunakan aplikasi softwere SPSS versi.22.

2.5 Koefisien Korelasi

Analisa korelasi dilakukan untuk mengetahui hubungan antara dua variabel

(bivariate correlation) atau lebih dari 2 variabel (multivariate correlation) dalam

suatu penelitian. Untuk menentukan seberapa besar hubungan antar variabel tersebut dapat dihitung dengan menggunakan rumus koefisien korelasi. Rumus untuk koefisien regresi adalah:

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

Adapun untuk menghitung koefisien korelasi antara variabel terikat Y dan variabel bebas yaitu :

1. Koefisien korelasi antara Y dengan X₁

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

2. Koefisien korelasi antara Y dengan X₂

∑ ∑ ∑

3. Koefisien korelasi antara Y dengan X₃

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah (+) ataupun minus (-) yang menunjukan arah korelasi. Makna dari sifat korelasi adalah:

1. Tanda positif (+) pada koefisien korelasi menunjukan hubungan searah atau koefisien positif. Artinya jika nilai suatu variabel mengalami kenaikan maka nilai variabel yang lain juga mengalami kenaikan dan demikian juga sebaliknya.

2. Tanda negatif (-) pada koefisien korelasi menunjukan hubungan yang berlawanan arah atau korelasi negatif. Artinya jika nilai suatu variabel mengalami kenaikan maka nilai variabel yang lain akan mengalami penurunan dan demikian juga sebaliknya.

Sifat korelasi akan menentukan arah korelasi. Keeratan korelasi dapat dikelompokan sebagai berikut.

1. 0,00 - 0,20 berarti korelasi memiliki keeratan sangat lemah. 2. 0,21 - 0,40 berarti korelasi memiliki keeratan lemah.

3. 0,41 - 0,70 berarti korelasi memiliki keeratan kuat. 4. 0,71 - 0,90 berarti korelasi memiliki keeratan sangat kuat. 5. 0,91 - 0,99 berarti korelasi memiliki keeratan sangat kuat sekali. 6. 1 berarti korelasi sempurna.

2.6Kesalahan Standar Estimasi

Untuk mengetahui ketetapan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukan ketetapan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi tersebut, makin tinggi ketetapan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, maka semakin rendah persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak sesungguhnya. (Alfigari, 2000.Analisis Regresi Teori, kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1 dan 2).

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

√∑ ̂

BAB 1 PENDAHULUAN

1.1Latar 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.

Padi yang berasal dari makanan pokok mayoritas masyarakat Indonesia, berasal dari sektor pertanian. Padi merupakan makanan pokok masyarakat Indonesia. Dan keberadaan padi sangat dibutuhkan dalam rangka ketahanan pangan di Indonesia.

Dalam hal ini, penulis mengambil daerah produksi padi di Kabupaten Deli Serdang di mana padi juga menjadi komoditi andalan di kabupaten tersebut. Maka, merupakan suatu kajian menarik bagi penulis untuk mengetahui seberapa besar pengaruh yang terdapat antara variabel bebas (Luas Panen, Curah Hujan, dan Jumlah Pupuk) terhadap variabel tak bebas (Hasil Produksi Padi). Untuk itu,

judul yang dipilih penulis untuk Tugas Akhir ini adalah “FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI KABUPATEN DELI

1.2Rumusan Masalah

Hasil produksi Padi dipengaruhi oleh beberapa faktor-faktor terkait. Disini penulis ingin mengetahui seberapa besar pengaruh yang signifikan dan posif antara produksi padi luas panen, curah hujan, jumlah pupuk terhadap produksi padi.

1.3Batasan Masalah

Penulis membatasi pokok permasalahan hanya pada tiga faktor yakni Luas

Panen,Curah Hujan, dan Jumlah Pupuk terhadap Hasil produksi Padi. Hal ini dikarenakan penulis manganggap ketiga faktor tersebut akan memberikan kontribusi yang paling besar dibandingkan dengan faktor-faktor lainnya.

1.4Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah sebagai berikut:

Untuk mengetahui apakah terdapat hubungan atau korelasi antara faktor-faktor Luas Panen, Curah Hujan, dan Jumlah Pupuk terhadap Hasil Produksi Padi.

1.5Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah:

1. Memberikan informasi tentang ketahanan pangan di Kabupaten Deli Serdang serta faktor-faktor yang mempengaruhinya.

2. Sebagai sarana meningkatkan pengetahuan dan wawasan pembaca mengenai analisa korelasi.

1.6Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya adalah:

1. Metode Penelitian Kepustakaan (Studi Literatur)

Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku atau pun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yamg diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram. Data sekunder yang digunakan diperoleh dari Badan Pusat Statistik Provinsi Sumatra Utara. Data yang telah dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Metode Pengolahan Data

Data penelitian dianalisa dengan menggunakan metode regresi linier berganda untuk melihat persamaan regresi linier nya dan untuk mengetahui hubungan setiap variabel digunakan analisis korelasi. Adapun langkah yang dilakukan dalam pengolahan data adalah :

1. Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel terikat (Y).

2. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Y atas X1, X2, X3, . . ., Xk.

3. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-bersama terhadap variabel terikat Y. Secara umum model regresi linier berganda adalah sebagai berikut:

^

Y = β0+ β1X1+ β2X2+ β3X3+ …+ βnXn + ε

4. Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat.

5. Uji koefisien regresi untuk menguji taraf nyata koefisien-koefisien regresi yang didapat dan seberapa besar kontribusinya.

1.7Tinjauan Pustaka 1. Padi

Sektor pertanian dalam tatann 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 sangat bergantung pada hasil produksi padi sebagai makanan pokok. Ketergantungan yang sangat besar ini menjadi tantangan bagi negara yang mengkomsumsi padi sebagai makanan pokok untuk selalu dapat mencukupi kebutuhan padi tanpa melakukan impor dari negara lain.

penguasaan lahan sempit sudah pasti kurang efisien dibandingkan lahan yang lebih luas. Semakin sempit luas lahan, semakin tidak efisien usaha tani yang dilakukan. Kecuali bila suatu usaha tani dijalankan dengan tertib dan administrasi yang baik serta teknologi yang tepat. Tingkat efisiensi sebenarnya terletak terletak pada penerapan teknologi. Karena pada luasan yang lebih sempit, penerapan teknologi cenderung berlenihan, dan menjadikan usaha tidak efesien.

Luas lahan sangat berhubungan dengan efisiensi usaha tani dan juga usaha pertanian. Penggunaan masukan akan semakin efisien bila luas lahan yang dikuasai semakin besar. Pengaruh luas lahan tidak hanya pada tingkat efisiensi usaha tani saja, tetapi juga mempunyai dampak pada upaya transfer dan penerapan teknologi dalam pembangunan pertanian.

3. Curah Hujan

Curah hujan adalah merupakan ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap, dan tidak mengalir. Curah hujan 1 milimeter artinya dalam luasan satu meter persegi pada tempat yang datar tertampung air setinggi satu milimeter atar tertampung air sebanyak satu liter.

Intensitas curah hujan yang tinggi pada umumnya berlangsung dengan durasi pendek dan meliputi daerah yang tidak luas. Hujan yang meliputi daerah luas, jarang sekali dengan intensitas tinggi, tetapi dapat berlangsung dengan durasi cukup panjang. Kombinasi dari intensitas hujan yang tinggi dengan durasi panjang jarang terjadi, tetapi apabila terjadi berarti sejumlah besar volume air bagaikan ditumpahkan dari langit. Adapun jenis-jenis hujan

berdasarkan besarnya curah hujan, diantaranya yaitu hujan kecil antar 0-21 mm per hari, hujan sedang antara 21-50 mm per hari dan hujan besar atau lebat di atas 50 mm per hari.

4. Jumlah Pupuk

Pemupukan merupakan aspek yang sangat penting bagi pertumbuhan tanaman. Dengan pemupukan maka unsur hara yang diperlukan tanaman untuk tumbuh dan berkembang akan terpenuhi oleh karena itu tanah memerlukan tambahan unsur hara untuk mendukung pertumbuhan tanaman. Pupuk merupakan kunci dari kesuburan tanah karena berisi satu atau lebih unsur hara untuk menggantikan unsur yang telah terisap tanaman sebelumnya. Secara umum pupuk dibagi kedalam dua kelompok, yaitu pupuk organik dan pupuk anorganik.

5. Regresi Linear Berganda

Analisa korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lain. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Untuk menghitung koefisien korelasi (r) antara dua variabel dapat digunakan rumus:

∑ ∑ ∑

√ ∑ ∑ ∑ ∑

Dimana:

ryx = Koefisien korelasi antara Y dan X

Nilai r selalu terletak antara 1 dan 1, sehingga nilai r tersebut dapat ditulis -1 r +1. Untuk r = +1, berarti ada korelasi positif sempurna antara X dan Y, sebaliknya jika r = -1, berarti korelasi negatif sempurna antara X dan Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y.

Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan didalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu variabel diikuti oleh penurunan didalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel berikut:

Tabel 1.1 Interpretasi Koefisien Korelasi

Besarnya Nilai Interpretasi Sangat Tinggi

Tinggi

Sedang

Rendah Sangat Rendah Keterangan:

r = koefisien korelasi

+ = menunjukkan korelasi positif

− = menunjukkan korelasi negatif

Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis: 1. Korelasi Positif

Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.

2. Korelasi Negatif

Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.

3. Korelasi Nihil

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 pe rtanian. Di dalam pertanian ada banyak sekali hasil pangan yang dihasilkan oleh para petani Indonesia seperti padi, jagung, kedelai, ubi kayu, dan sebagainya.

FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL

PRODUKSI PADI DI KABUPATEN

DELI SERDANG

MARIA PANGGABEAN 132407086

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL

PRODUKSI PADI DI KABUPATEN

DELI SERDANG

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

MARIA PANGGABEAN 132407086

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2016

PERSETUJUAN

Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI KABUPATEN DELI SERDANG

Kategori : TUGAS AKHIR

Nama : MARIA PANGGABEAN

Nomor Induk Mahasiswa : 132407086

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Disetujui di Medan, Juli 2016

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing,

Ketua,

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL HASIL PRODUKSI PADI DI KABUPATEN DELI SERDANG

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 2016

MARIA PANGGABEAN 132407086

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan tugas akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Hasil Produksi Padi Di Kabupaten Deli Serdang..

Terima kasih penulis sampaikan kepada Bapak Drs. Ujian Sinulingga, M.Si yang telah meluangkan waktunya dalam memberikan saran dan masukkan kepada penulis untuk menyelesaikan penyusunan tugas akhir. Terima kasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU yang telah memberikan dukungan penuh kepada penulis untuk menyelesaikan penyusunan tugas akhir tepat pada waktunya, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, Bapak Dr. Kerista Sebayang, M.S selaku Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada orang tua saya Bapak M. Panggabean dan Ibu L. Br. Munthe berserta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan kepada penulis agar dapat menyelesaikan tugas akhir. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis,

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 2

1.5 Manfaat Penelitian 2

1.6 Metode Penelitian 3

1.7 Tinjauan Pustaka 4

BAB 2 LANDASANTEORI 9

2.1 Pengertian Regresi 9

2.2 Analisis Regresi Linier 10

2.2.1 Analisis Regresi Linier Sederhana 12

2.2.2 Analisis Regresi Linier Berganda 13

2.3 Uji Keberartian Regresi 15

2.6 Kesalahan Standart Estimasi 19

BAB 3 ANALISIS DATA 20

3.1 Pengolahan Data dan Pembahasan 20

3.2 Persamaan Regresi Linier Berganda 21

3.3 Uji Keberartian Regresi 24

3.4 Koefisien Determinasi 29

3.5 Koefisien Korelasi 30

3.5.1 Perhitungan Korelasi antara Variabel Bebas

dan Variabel Terikat 30

3.5.2 Perhitungan korelasi antar variabel bebas 33

BAB 4 IMPLEMENTASI SISTEM 35

4.1 Pengertian Implementasi Sistem 35

4.2 Sekilas tentang Program SPSS 35

4.2.1 Pengenalan Menu 36

4.3 Pengolahan Data dengan SPSS 40

4.4 Pengolahan Data dengan Persamaan Regresi 44

4.5 Output Pengolahan Data dengan SPSS 47

BAB 5 KESIMPULAN DAN SARAN 50

5.1 Kesimpulan 50

5.2 Saran 51

DAFTAR TABEL

Halaman

Tabel 1.1 Interpretasi Koefisien Korelasi 7

Tabel 2.1 Bentuk Umum Tabel Data Regresi Linier Berganda 15

Tabel 3.1 Data Hasil Produksi Padi, Luas Lahan, Curah Hujan,dan

Jumlah Pupuk 20

Tabel 3.2 Gambaran data Hasil Produksi yang akan diolah 21

Tabel 3.3 Kuadrat masing-masing variabel Y, X1, X2,dan X3 21

Tabel 3.4 Hasil kali Y (variabel terikat) dan X(variabel bebas) 22

Tabel 3.5 Hasil kali antara variabel bebas (X) 22

Tabel 3.6 Deviasi masing-masing variabel 25

Tabel 3.7 Kuadrat deviasi masing-masing variabel 26

Tabel 3.8 Penggandaan antara deviasi 26

Tabel 3.9 Penggandaan antara deviasi y dengan 26

DAFTAR GAMBAR

Halaman

Gambar 4.1 TampilanPengaktifan SPSS 22 40

Gambar 4.2 TampilanPadaPengentrian Data di Variabel View

dalam SPSS 41

Gambar 4.3 TampilanJendela Pengisian Data View 44

Gambar 4.4 Tampilan saat membuka persamaan regresi

pilih Analyze, Regression, Linear 44

Gambar4.5 TampilanKotak Dialog UntukmenentukanNilai

Linier Regression 44

Gambar 4.6 TampilanKotak Dialog PadaPengentrian Linier

Regression Statistics 46

Gambar 4.7 TampilanKotak Dialog PadaPengentrian Linier

Regression Plot/Option 46

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL HASIL PRODUKSI PADI DI KABUPATEN DELI SERDANG

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 2016

MARIA PANGGABEAN 132407086

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan tugas akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Hasil Produksi Padi Di Kabupaten Deli Serdang..

Terima kasih penulis sampaikan kepada Bapak Drs. Ujian Sinulingga, M.Si yang telah meluangkan waktunya dalam memberikan saran dan masukkan kepada penulis untuk menyelesaikan penyusunan tugas akhir. Terima kasih

kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi D3

Statistika FMIPA USU yang telah memberikan dukungan penuh kepada penulis untuk menyelesaikan penyusunan tugas akhir tepat pada waktunya, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, Bapak Dr. Kerista Sebayang, M.S selaku Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada orang tua saya Bapak M. Panggabean dan Ibu L. Br. Munthe berserta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan kepada penulis agar dapat menyelesaikan tugas akhir. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis,

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 2

1.5 Manfaat Penelitian 2

1.6 Metode Penelitian 3

1.7 Tinjauan Pustaka 4

BAB 2 LANDASANTEORI 9

2.1 Pengertian Regresi 9

2.2 Analisis Regresi Linier 10

2.2.1 Analisis Regresi Linier Sederhana 12

2.2.2 Analisis Regresi Linier Berganda 13

2.3 Uji Keberartian Regresi 15

2.6 Kesalahan Standart Estimasi 19

BAB 3 ANALISIS DATA 20

3.1 Pengolahan Data dan Pembahasan 20

3.2 Persamaan Regresi Linier Berganda 21

3.3 Uji Keberartian Regresi 24

3.4 Koefisien Determinasi 29

3.5 Koefisien Korelasi 30

3.5.1 Perhitungan Korelasi antara Variabel Bebas

dan Variabel Terikat 30

3.5.2 Perhitungan korelasi antar variabel bebas 33

BAB 4 IMPLEMENTASI SISTEM 35

4.1 Pengertian Implementasi Sistem 35

4.2 Sekilas tentang Program SPSS 35

4.2.1 Pengenalan Menu 36

4.3 Pengolahan Data dengan SPSS 40

4.4 Pengolahan Data dengan Persamaan Regresi 44

4.5 Output Pengolahan Data dengan SPSS 47

BAB 5 KESIMPULAN DAN SARAN 50

5.1 Kesimpulan 50

5.2 Saran 51

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman

Tabel 1.1 Interpretasi Koefisien Korelasi 7

Tabel 2.1 Bentuk Umum Tabel Data Regresi Linier Berganda 15

Tabel 3.1 Data Hasil Produksi Padi, Luas Lahan, Curah Hujan,dan

Jumlah Pupuk 20

Tabel 3.2 Gambaran data Hasil Produksi yang akan diolah 21

Tabel 3.3 Kuadrat masing-masing variabel Y, X1, X2,dan X3 21 Tabel 3.4 Hasil kali Y (variabel terikat) dan X(variabel bebas) 22

Tabel 3.5 Hasil kali antara variabel bebas (X) 22

Tabel 3.6 Deviasi masing-masing variabel 25

Tabel 3.7 Kuadrat deviasi masing-masing variabel 26

Tabel 3.8 Penggandaan antara deviasi 26

Tabel 3.9 Penggandaan antara deviasi y dengan 26

DAFTAR GAMBAR

Halaman

Gambar 4.1 TampilanPengaktifan SPSS 22 40

Gambar 4.2 TampilanPadaPengentrian Data di Variabel View

dalam SPSS 41

Gambar 4.3 TampilanJendela Pengisian Data View 44

Gambar 4.4 Tampilan saat membuka persamaan regresi

pilih Analyze, Regression, Linear 44

Gambar4.5 TampilanKotak Dialog UntukmenentukanNilai

Linier Regression 44

Gambar 4.6 TampilanKotak Dialog PadaPengentrian Linier

Regression Statistics 46

Gambar 4.7 TampilanKotak Dialog PadaPengentrian Linier

Regression Plot/Option 46