Maka H
o
ditolak dan H
a
diterima.Hal ini berarti persamaan linier berganda Y atas
�
1
, �
2
, �
3
bersifat nyata yang berarti bahwa jumlah nelayan, jumlah kapal dan jumlah alat penangkapan secara bersama-sama berpengaruh terhadap produksi
perikanan laut.
3.4 Koefisien Determinasi
Dari Tabel 3.3 dapat dilihat harga
2
y Σ
= 32.853.642,00dan JK
reg
= 30.522.914,18yang telah dihitung sebelumnya, dan berdasarkan rumus 2.9 maka
diperoleh nilai koefisien determinasi:
2 2
1 reg
n i
JK R
y
=
= ∑
30.522.914,18 32.853.642,00
=
0, 93 =
Untuk koefisien korelasi ganda digunakan rumus, maka:
2
R = R R = 0, 93
R = 0,964
Dari hasil perhitungan diperoleh nilai korelasi R yaitu sebesar 0,964 yang menunjukkan bahwa korelasi antara variabel bebas
X
dengan variabel terikat
Y
berhubungan secara positif dengan tingkat yang tinggi. Adapun hasil koefisien determinasi
2
R diperoleh sebesar 0,93 yang berarti sekitar 93 produksi perikanan laut dipengaruhi oleh jumlah nelayan, jumlah kapal dan
jumlah alat penangkapan sedangkan 7 sisanya dipengaruhi oleh faktor-faktor lainnya.
3.5 Koefisien Korelasi
3.5.1 Perhitungan Korelasi Antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruhvariabel bebas terhadap variabel terikat maka dari Tabel 3.3 dapat dihitung besar koefisien korelasinya yaitu:
1. Berdasarkan rumus 2.11 koefisien korelasi antara produksi perikanan laut
Y
dengan jumlah nelayan
1
X
1 1
1 2
2 2
2 1
1
{ }{
}
y
n X Y
X Y
r n
X X
n Y
Y −
= −
−
∑ ∑ ∑
∑ ∑
∑ ∑
2 2
102.760.210.667, 45 159.137, 00172.217, 47 {102.552.954.117 159.137 }{102.998.739.339,32 172.217, 47 }
− =
− −
27.602.106.674,50 27.406.171.523,39 {25.529.541.170 25.324.584.769}{29.987.393.393, 20 29.658.856.973, 2}
− =
− −
195.935.151,11 {204.956.401}{328.536.420}
=
= 0,755
2. Berdasarkan rumus 2.12 koefisien korelasi antara produksi perikanan laut
Y
dengan jumlah kapal
2
X
2 2
2 2
2 2
2 2
2
{ }{
}
y
n X Y
X Y
r n
X X
n Y
Y −
= −
−
∑ ∑ ∑
∑ ∑
∑ ∑
2 2
10722.079.638, 65 41.267172.217, 47 {10174.924.375 41.267 }{102.998.739.339,32 172.217, 47 }
− =
− −
7.220.796.386,50 7.106.898.334, 49 {1.749.243.750 1.702.965.289}{29.987.393.393, 20 29.658.856.973, 20}
− =
− −
113.898.052, 01 {46.278.461}{328.536.420}
=
= 0,924
3. Berdasarkan rumus 2.13 koefisien korelasi antara produksi perikanan laut
Y
dengan jumlah alat penangkapan
3
X
3 3
3 2
2 2
2 3
3
{ }{
}
y
n X Y
X Y
r n
X X
n Y
Y −
= −
−
∑ ∑ ∑
∑ ∑
∑ ∑
2 2
101.130.655.242,57 64.659172.217, 47 {10438.515.077 64.659 }{102.998.739.339,32 172.217, 47 }
− =
− −
11.306.552.425, 70 11.135.409.392, 73 {4.385.150.770 4.180.786.281}{29.987.393.393, 20 29.658.856.973, 20}
− =
− −
171.143.032, 97 {204.364.489}{328.536.420}
=
= 0,660
3.5.2 Perhitungan Korelasi Antara Variabel Bebas
1. Berdasarkan rumus 2.15 koefisien korelasi antara jumlah nelayan
1
X dengan jumlah kapal
2
X
1 2
1 2
12 2
2 2
2 1
1 2
2
{ }{
} n
X X X
X r
n X
X n
X X
− =
− −
∑ ∑ ∑
∑ ∑
∑ ∑
2 2
10662.306.777 159.13741.267 {102.552.954.117 159.137 }{10174.924.375 41.267 }
− =
− −
6.623.067.770 6.567.106.579 {204.956.401}{46.278.461}
− =
55.961.191 9.485.066.810.378.860
=
= 0,575
2. Berdasarkan rumus 2.16 koefisien korelasi antara jumlah nelayan
1
X dengan jumlah alat penangkapan
3
X
1 3
1 3
13 2
2 2
2 1
1 3
3
{ }{
} n
X X X
X r
n X
X n
X X
− =
− −
∑ ∑ ∑
∑ ∑
∑ ∑
2 2
101.043.126.408 159.13764.659 {102.552.954.117 159.137 }{10438.515.077 64.652 }
− =
− −
10.431.264.080 10.289.639.283 204.956.401204.364.489
− =
141.624.797 41.885.810.157.644.100
=
= 0,692
3. Berdasarkan rumus 2.17 koefisien korelasi antara jumlah kapal
2
X dengan jumlah alat penangkapan
3
X
2 3
2 3
23 2
2 2
2 2
2 3
3
{ }{
} n
X X X
X r
n X
X n
X X
− =
− −
∑ ∑ ∑
∑ ∑
∑ ∑
2 2
10272.283.725 41.26764.659 {10174.924.375 41.267 }{10438.515.077 64.659 }
− =
− −
2.722.837.250 2.668.282.953 46.278.461204.364.489
− =
54.554.297 9.457.674.033.971.430
=
= 0,561
Dari perhitungan korelasi baik antar variabel bebas terhadap variabel terikat maupun antar sesama variabel bebas diperoleh kesimpulan sebagai berikut:
1
�
�1
= 0,755
; variabel
1
X berkorelasi kuat terhadap variabel Y 2
�
�2
= 0,924
; variabel
2
X berkorelasi sangat kuat terhadap variabel Y 3
�
�3
= 0,660
; variabel
3
X berkorelasi kuat terhadap variabel Y 4
�
12
= 0,575
; variabel
1
X berkorelasi cukup terhadap variabel
2
X 5
�
13
= 0,692
; variabel
1
X berkorelasi kuat terhadap variabel
3
X 6
�
23
= 0,561
; variabel
2
X berkorelasi cukup terhadap variabel
3
X
3.6 Uji Koefisien Regresi Linier Berganda
Dari hasil perhitungan diperoleh model persamaan regresi linier berganda:
1 2
3
2.649, 4492 0, 3971 1, 9234
0, 0488 Y
X X
X
Λ
= +
+ +
Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam pesamaan regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisien-
koefisien regresinya. Langkahnya adalah sebagai berikut: 1.
Hipotesis pengujian :
o i
H β = ;
� = 1,2,3
Terdapat pengaruh yang signifikan antara koefisien
�
1
, �
2
, �
3
terhadap
Y
:
a i
H β ≠ ;
� = 1,2,3
Tidak terdapat pengaruh yang signifikan antara koefisien
�
1
, �
2
, �
3
terhadap
Y
2. Taraf nyata signifikansi
0, 05
α
=
3. Kriteria pengujian
Jika
i tabel
t t
maka
o
H ditolak Jika
i tabel
t t
maka
o
H diterima 4.
Ambil kesimpulan berdasarkan hasil pengujian
Untuk melakukan pengujian diperlukan rumus 2.18 yaitu:
2 .1,2,...,
2 2
1
y n
bi i
i
s S
X R
= Σ
−
Di mana:
2 .1,2,...,
y n
s =
2
1 Y
Y n k
Σ − − −
2 .1,2,3
2.330.413,948 10 3 1
y
s =
− − 388.402, 325
=
Dari perhitungan sebelumnya pada Tabel 3.3 didapat harga-harga:
2 .1,2,3,4
388.402, 325
y
s =
R
1
= r
12
= 0,575
2 1
x Σ
= 20.495.640,10 R
2
= r
21
= 0,575
2 2
x Σ
= 4.627.846,10 R
3
= r
13
= 0,692
2 3
x Σ
= 20.436.448,90
Dari harga-harga tersebut dapat dihitung nilai kekeliruan baku koefisien b
i
sebagai berikut:
2 .1,2,3
1 2
2 1
1
1
y b
s S
x R
= Σ
−
388.402, 325 20.495.640,101 0, 330625
= −
388.402, 325 13.719.269, 09
=
0,168 =
2 .1,2,3
2 2
2 2
2
1
y b
s S
x R
= Σ
−
388.402, 325 4.627.846,101 0, 330625
= −
388.402, 325 3.097.764, 483
=
0, 354 =
2 .1,2,3
3 2
2 3
3
1
y b
s S
x R
= Σ
−
388.402, 325 20.436.448, 901 0, 478864
= −
388.402, 325 10.650.169, 23
=
0,191 =
Kemudian berdasarkan rumus 2.19 didapatkan nilai distribusi student
i i
bi
b t
s =
1 1
1 b
b t
s =
0, 3971 0,168
=
2, 364 =
2 2
2 b
b t
s =
1, 9234 0, 354
=
5, 433 =
3 3
3 b
b t
s =
0, 0488 0,191
=
0, 255 =
Untuk taraf nyata α = 0,05 dan derajat kebebasan dk = n-k-1 = 10 – 3 – 1 = 6
dari tabel distribusi student t diperoleh:
1;1 2
6;0,975
2, 45
tabel n k
t t
t
α
− − −
= =
=
Maka dapat dilihat bahwa nilai:
1
2, 364 2, 45
tabel
t t
;
2
5, 433 2, 45
tabel
t t
;
3
0, 255 2, 45
tabel
t t
;.
Sehingga H
o
ditolak untuk koefisien
�
2
dan H
o
diterima untuk koefisien �
1
dan
�
3
. Berarti untuk prediksi produksi perikanan laut hanya jumlah kapal saja yang
memberikan pengaruh yang signifikan.Sedangkan jumlah nelayan dan jumlah alat penangkapan tidak memberikan pengaruh yang signifikan terhadap produksi
perikanan laut.
BAB 4
IMPLEMENTASI SISTEM 4.1
Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain yang ada dalam dokumen desain sistem yang disetujui dan menguji, serta
menggunakan sistem baru atau sistem yang diperbaiki. Tujuan dari implementasi sistem adalah sebagai berikut:
1. Menyelesaikan desain yang ada dalam dokumen sistem yang disetujui.
2. Menulis, menguji, dan mendokumentasikan program-program dan
prosedur-prosedur yang diperlukan oleh dokumen desain sistem yang disetujui.
3. Memastikan bahwa personal dapat mengoperasikan sistem baru.
4. Memperhitungkan bahwa sistem memenuhi permintaan pemakai.
5. Memastikan bahwa konversi ke sistem baru berjalan dengan benar.
4.2 Sejarah Singkat SPSS
