Beberapa Faktor yang Mempengaruhi Pengeluaran Konsumsi Pangan Rumah Tangga Miskin (Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
BEBERAPA FAKTOR YANG MEMPENGARUHI
PENGELUARAN KONSUMSI PANGAN
RUMAH TANGGA MISKIN
(Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
SKRIPSI
YULIANA
110823004
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2013
(2)
BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN
(Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
YULIANA 110823004
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2013
(3)
PERSETUJUAN
Judul : Beberapa Faktor Yang Mempengaruhi Pengeluaran Konsumsi Pangan Rumah Tangga Miskin (Studi Kasus Di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
Kategori : Skripsi
Nama : Yuliana
Nomor induk mahasiswa : 110823004
Program studi : Sarjana (S1) Matematika Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Disetujui di Medan, Juli 2013
Komisi Pembimbing :
Pembimbing 2, Pembimbing 1,
Dra. Mardiningsih, M.Si Drs. Pengarapen Bangun, M.Si NIP. 19630405 198811 2 001 NIP. 19560815 198503 1 005
Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
Prof. Drs. Tulus, Vordipl.Math., M.Si., Ph.D. NIP. 19620901 198803 1 002
(4)
PERNYATAAN
BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN
(Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2013
YULIANA 110823004
(5)
PENGHARGAAN
Assalamu’alaikum Warahmatullahi Wabarakatuh
Puji dan syukur Penulis panjatkan kepada Allah SWT atas segala berkah, rahmat dan karunia yang dilimpahkan-Nya sehingga Penulis dapat menyelesaikan penyusunan skripsi ini dengan judul Beberapa Faktor Yang Mempengaruhi Pengeluaran Konsumsi Pangan Rumah Tangga Miskin (Studi Kasus Di Kelurahan Sidomulyo Kecamatan Medan Tuntungan).
Terimakasih Penulis sampaikan kepada kepada Bapak Drs. Pengarapen Bangun, M.Si selaku pembimbing 1 dan Ibu Dra. Mardiningsih, M.Si pembimbing 2 yang telah meluangkan waktunya selama penyusunan skripsi ini. Terima kasih kepada Prof. Dr. Tulus, M. Si, Dekan dan Pembantu Dekan FMIPA USU, seluruh staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU serta kepada Ayahanda Bapak Gunowo dan Ibunda Sutini tercinta dan rekan-rekan kuliah yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Allah SWT membalasnya.
Medan, Juli 2013 Penulis,
(6)
BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN
(Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
ABSTRAK
Konsumsi pangan adalah jenis dan jumlah pangan yang dimakan oleh seseorang dengan tujuan tertentu pada waktu tertentu. Tingkat kesejahteraan suatu rumah tangga dapat dilihat dari besarnya konsumsi atau pengeluaran yang dikeluarkan oleh rumah tangga. Penelitian ini dilakukan di Kelurahan Sidomulyo Kecamatan Medan Tuntungan. Sampel penelitian adalah 40 rumah tangga penerima beras miskin (Raskin). Teknik penarikan sampel dilakukan dengan menggunakan metode acak sederhana dan metode analisis data yang digunakan yaitu analisis regresi linier berganda dengan metode backward. Dari hasil penelitian diperoleh bahwa faktor-faktor yang berpengaruh terhadap pengeluaran konsumsi pangan rumah tangga miskin (Y) di Kelurahan Sidomulyo Kecamatan Medan Tuntungan adalah pendapatan kepala rumah tangga (X1), jumlah anggota rumah tangga (X2), lama berumah tangga (X4) dan
jumlah subsidi beras miskin (X5).
(7)
BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN
(Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
ABSTRACT
Food consumption is the type and amount of food eaten by a person with a specific purpose at a specific time. The level of welfare of a household can be seen from the consumption or expenditure incurred by households. The research was conducted in Kelurahan Sidomulyo Kecamatan Medan Tuntungan. The samples were 40 poor households receiving rice (Raskin). Sampling technique is done by using simple random sampling and the method of data analysis used the multiple linear regression analysis with backward method. The result showed that the factors that influence food consumption expenditures of poor households (Y) in Kelurahan Sidomulyo Kecamatan Medan Tuntungan is the head of household income (X1), number of household
members (X2), long married (X4) and the number of subsidized rice for the poor (X5).
(8)
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar isi vii
Daftar tabel ix
Daftar gambar x
Daftar Lampiran xi
BAB 1 PENDAHULUAN
1.1. Latar Belakang 1
1.2. Rumusan Masalah 3
1.3. Batasan Masalah 3
1.4. Tujuan Penelitian 4
1.5. Manfaat Penelitian 4
1.6. Tinjauan Pustaka 4
1.7. Metodologi Penelitian 7
BAB 2 LANDASAN TEORI
2.1. Pengertian Pangan 9
2.2. Klasifikasi Pangan 9
2.3. Konsumsi Pangan 10
2.4. Pengeluaran Rumah Tangga 10
2.5. Kemiskinan 11
2.6. Pendapatan 11
2.7. Jumlah Anggota Rumah Tangga 12
2.8. Pendidikan Kepala Rumah Tangga 12
2.9. Beras Murah (Raskin) 12
2.10. Siklus Kehidupan Keluarga 13
2.11. Rasio Beban Tanggungan (Dependency Ratio) 13
2.12. Metode Analisis Data 14
2.12.1. Analisis Korelasi 15
2.12.2. Uji Asumsi Klasik 16
2.12.3. Analisis Regresi Linier Berganda 18 2.12.4. Menentukan Regresi Terbaik dengan Metode Backward 19 2.12.5. Koefisien Determinasi Ganda (R2) 20 2.12.6. Uji F (Uji Simultan/Gabungan) 21
2.12.7. Standar Eror Estimasi 22
(9)
BAB 3 PEMBAHASAN
3.1. Gambaran Umum Tempat Penelitian 24
3.1.1. Profil Kelurahan Sidomulyo 24
3.1.2. Rasio Beban Tanggungan (Dependency Ratio) 24
3.2. Definisi Operasional Variabel 25
3.3. Metode Analisis Data 26
3.3.1. Analisis Korelasi Pearson 26
3.3.2. Uji Asumsi Klasik 29
3.3.3. Regresi Linier Berganda dengan Metode Backward 31 3.3.3. Koefisien Determinasi Ganda (R2) 34 3.3.4. Uji F (Uji Simultan/Gabungan) 35
3.3.5. Uji t (Uji Parsial) 36
BAB IV KESIMPULAN DAN SARAN
4.1. Kesimpulan 39
4.2. Saran 40
DAFTAR PUSTAKA LAMPIRAN
(10)
DAFTAR TABEL
Halaman 1. Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 15 2. Tabel 3.1 Jumlah Penduduk Menurut Kelompok Umur Dan Jenis Kelamin
Di Kelurahan Sidomulyo Tahun 2011 25
3. Tabel 3.2 Correlations 27
4. Tabel 3.3 Uji Multikolinieritas 31
5. Tabel 3.4 Variables Entered/Removedb 32
6. Tabel 3.5 Excluded Variablesb 33
7. Tabel 3.6 Koefisien Korelasi Parsial 33
8. Tabel 3.7 Coefficientsa 34
9. Tabel 3.8 Model Summaryc 35
10.Tabel 3.9 ANOVAc 36
11.Tabel 3.10 Uji t (Uji Parsial) 37
(11)
DAFTAR GAMBAR
Halaman 1. Diagram 1.1 Langkah-Langkah Pengolahan Data 8 2. Gambar 2.1 Tidak terjadi Heteroskedastisitas 17
3. Gambar 2.2 Terjadi Heteroskedastisitas 17
4. Gambar 3.1 Uji Normalitas 29
5. Gambar 3.2 Uji Normalitas P-Plot 29
(12)
DAFTAR LAMPIRAN
Halaman
1. Lampiran 1. Data Hasil Penelitian 42
(13)
BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN
(Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
ABSTRAK
Konsumsi pangan adalah jenis dan jumlah pangan yang dimakan oleh seseorang dengan tujuan tertentu pada waktu tertentu. Tingkat kesejahteraan suatu rumah tangga dapat dilihat dari besarnya konsumsi atau pengeluaran yang dikeluarkan oleh rumah tangga. Penelitian ini dilakukan di Kelurahan Sidomulyo Kecamatan Medan Tuntungan. Sampel penelitian adalah 40 rumah tangga penerima beras miskin (Raskin). Teknik penarikan sampel dilakukan dengan menggunakan metode acak sederhana dan metode analisis data yang digunakan yaitu analisis regresi linier berganda dengan metode backward. Dari hasil penelitian diperoleh bahwa faktor-faktor yang berpengaruh terhadap pengeluaran konsumsi pangan rumah tangga miskin (Y) di Kelurahan Sidomulyo Kecamatan Medan Tuntungan adalah pendapatan kepala rumah tangga (X1), jumlah anggota rumah tangga (X2), lama berumah tangga (X4) dan
jumlah subsidi beras miskin (X5).
(14)
BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN
(Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)
ABSTRACT
Food consumption is the type and amount of food eaten by a person with a specific purpose at a specific time. The level of welfare of a household can be seen from the consumption or expenditure incurred by households. The research was conducted in Kelurahan Sidomulyo Kecamatan Medan Tuntungan. The samples were 40 poor households receiving rice (Raskin). Sampling technique is done by using simple random sampling and the method of data analysis used the multiple linear regression analysis with backward method. The result showed that the factors that influence food consumption expenditures of poor households (Y) in Kelurahan Sidomulyo Kecamatan Medan Tuntungan is the head of household income (X1), number of household
members (X2), long married (X4) and the number of subsidized rice for the poor (X5).
(15)
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Manusia selalu ingin memenuhi kebutuhan hidupnya baik moral maupun material. Kebutuhan pokok dapat dijelaskan sebagai kebutuhan yang sangat penting guna kelangsungan hidup manusia, baik yang terdiri dari kebutuhan atau konsumsi individu (makan, perumahan dan pakaian) maupun keperluan pelayanan sosial seperti air minum, transportasi, kesehatan dan pendidikan. Secara garis besar alokasi penggunaan pengeluaran konsumsi masyarakat dapat digolongkan dalam dua kelompok penggunaan yaitu pengeluaran untuk pangan dan pengeluaran untuk non pangan. Di negara berkembang, pengeluaran pangan masih merupakan bagian terbesar dari total pengeluaran rumah tangga (BPS, 2010).
Pangan termasuk kebutuhan primer. Pangan merupakan kebutuhan dasar manusia. Pemenuhan kebutuhan pangan tidak dapat ditunda-tunda, sehingga kebutuhan pangan diberbagai negara mendapat perhatian khusus dalam pembangunan bangsa. Masing-masing rumah tangga mempunyai perilaku konsumsi yang berbeda-beda mencakup apa saja yang dikonsumsi, berapa banyak yang akan dikonsumsi dan bagaimana mengkonsumsinya. Hal ini sangat wajar apabila rumah tangga yang berpendapatan lebih tinggi akan melakukan konsumsi lebih banyak dibanding yang berpendapatan rendah.
Kemampuan untuk memenuhi kebutuhan hidup yang mendasar sangat erat kaitannya dengan pendapatan yang diperoleh. Tingkat kesejahteraan suatu rumah tangga dapat dilihat dari besarnya konsumsi atau pengeluaran yang dikeluarkan oleh
(16)
rumah tangga. Rumah tangga dengan pendapatan rendah akan mendahulukan pengeluaran untuk kebutuhan pangan.
Secara ekonomi, kemiskinan merupakan suatu kondisi kehidupan serta keluarga yang dialami seseorang sehingga tidak mampu memenuhi kebutuhan minimal hidupnya. Standar kehidupan atau kebutuhan minimal itu juga berbeda antara satu daerah dengan daerah lainnya, tergantung kebiasaan/adat, fasilitas transportasi dan distribusi serta letak geografisnya. Kebutuhan minimal tersebut meliputi kebutuhan untuk makanan terutama energi kalori sehingga memungkinkan seseorang bisa bekerja untuk memperoleh pendapatan serta kebutuhan minimal non makanan yang harus dipenuhi (BPS, 2010).
Berdasarkan Profil Kelurahan Sidomulyo Kecamatan Medan Tuntungan (2011), Kelurahan Sidomulyo memiliki wilayah seluas 0,87 km2, dengan jumlah penduduk sebesar 1.934 jiwa dan 458 rumah tangga. Sebagian besar penduduknya bekerja sebagai pedagang keliling yaitu sekitar 440 jiwa, pegawai negeri sipil 48 jiwa, petani 40 jiwa dan lain-lain sekitar 49 jiwa. Besarnya pendapatan sesuai dengan pekerjaannya.
Pendapatan rumah tangga bukanlah satu-satunya faktor yang mempengaruhi pengeluaran untuk konsumsi pangan rumah tangga. Masih ada faktor lain yang turut memberikan kontribusinya, beberapa faktor yang diteliti dalam penelitian ini selain pendapatan rumah tangga antara lain : jumlah anggota rumah tangga, pendidikan kepala rumah tangga dan jumlah subsidi beras miskin (raskin) yang diterima.
Berdasarkan Badan Pusat Statistika, Kelurahan Sidomulyo Kecamatan Medan Tuntungan (2012) rata-rata memiliki jumlah anggota rumah tangga sebanyak 4 orang. Banyaknya jumlah anggota rumah tangga akan mengakibatkan semakin berat ekonomi yang harus ditanggung. Hal ini disebabkan, biaya konsumsi semakin tinggi sehingga sebagian besar pendapatan keluarga digunakan untuk makan dan memenuhi kebutuhan pokok lainnya.
(17)
Akhir-akhir ini, harga bahan-bahan pokok pangan mengalami kenaikan. Akibatnya daya beli masyarakat semakin menurun. Hal tersebut menyebabkan rumah tangga di Kelurahan Sidomulyo Kecamatan Medan Tuntungan harus mengatur pengeluaran konsumsi pangannya. Jalan yang ditempuh adalah dengan memberi prioritas pada pengeluaran untuk pangan daripada untuk non pangan.
Sesuai dengan pembahasan di atas, maka peneliti tertarik untuk mengadakan penelitian mengenai “Beberapa Faktor Yang Mempengaruhi Pengeluaran Konsumsi Pangan Rumah Tangga Miskin (Studi kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)”.
1.2. Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah dalam penelitian ini adalah:
1. Bagaimanakah korelasi antara pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga, lamanya berumah tangga/usia perkawinan dan jumlah subsidi beras miskin (raskin) yang diterima terhadap pengeluaran konsumsi pangan rumah tangga miskin di daerah penelitian.
2. Faktor-faktor apa saja yang berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin di daerah penelitian.
1.3. Batasan Masalah
1. Penelitian ini dilakukan di Kelurahan Sidomulyo Kecamatan Medan Tuntungan.
2. Waktu penelitian dimulai tanggal 28 Maret - 14 April 2013.
3. Rumah tangga yang menjadi objek penelitian adalah rumah tangga miskin yang menerima bantuan beras miskin (raskin) dari pemerintah setempat.
(18)
4. Faktor-faktor yang diteliti adalah pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga, lama berumah tangga/usia perkawinan dan jumlah subsidi beras miskin (raskin) yang diterima.
1.4. Tujuan Penelitian
Adapun tujuan penelitian ini adalah :
1. Untuk mengetahui hubungan (korelasi) antara pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga, lama berumah tangga/usia perkawinan dan jumlah subsidi beras miskin (raskin) yang diterima dengan pengeluaran konsumsi pangan rumah tangga miskin di daerah penelitian.
2. Untuk mengetahui faktor-faktor apa saja yang berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin di daerah penelitian.
1.5. Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :
a. Sebagai informasi dan bahan pertimbangan bagi instansi/pemerintah daerah setempat di dalam mengambil kebijakan sehubungan dengan peningkatan kesejahteraan hidup warganya.
b. Sebagai referensi bagi peneliti selanjutnya yang akan melakukan penelitian yang sama di masa mendatang.
1.6. Tinjauan Pustaka
Tingkat kesejahteraan rumah tangga secara nyata dapat diukur dari tingkat pendapatan yang dibandingkan dengan kebutuhan minimum untuk hidup layak. Perubahan pada tingkat kesejahteraan dapat dilihat dari pola pengeluaran rumah tangga, yang
(19)
dibedakan menjadi dua yaitu pengeluaran untuk makanan dan pengeluaran bukan makanan. Di negara berkembang umumnya pengeluaran untuk makanan masih merupakan bagian terbesar dari total pengeluaran konsumsi rumah tangga. Sebaliknya, di negara yang relatif sudah maju, pengeluaran untuk aneka barang dan jasa seperti untuk perawatan kesehatan, pendidikan, rekreasi, olahraga, dan sejenisnya merupakan bagian terbesar dari total pengeluaran rumah tangga (BPS, 2010).
Pendapatan rumah tangga amat besar pengaruhnya terhadap tingkat konsumsi. Biasanya makin tinggi tingkat pendapatan, tingkat konsumsi makin tinggi. Karena ketika tingkat pendapatan meningkat, kemampuan rumah tangga untuk membeli aneka kebutuhan konsumsi menjadi makin besar. Tetapi jelas bahwa tingkat pendapatan rumah tangga bukanlah satu-satunya faktor yang mempengaruhi konsumsi. Tingkat konsumsi untuk suatu barang dari suatu rumah tangga juga dipengaruhi oleh jumlah anggota-anggota keluarga, letak geografis dan lainnya (Rahardja, 2004).
Secara ekonomi, kemiskinan merupakan suatu kondisi kehidupan serta keluarga yang dialami seseorang sehingga tidak mampu memenuhi kebutuhan minimal hidupnya. Terjadinya kemiskinan ini sangat dipengaruhi oleh berbagai faktor yang saling berkaitan satu sama lain yaitu : tingkat pendapatan, kesehatan, pendidikan, akses terhadap barang dan jasa, kondisi geografis dan lainnya. Selanjutnya standar kehidupan atau kebutuhan minimal itu juga berbeda antara satu daerah dengan daerah lainnya, tergantung kebiasaan/adat, fasilitas transportasi dan distribusi serta letak geografisnya (BPS, 2010).
Penduduk yang berada pada golongan pengeluaran rendah, persentase pengeluaran untuk bahan makanan pokok (padi-padian dan umbi-umbian) sangat tinggi, hal ini menunjukkan bahwa penduduk miskin sebagian besar pendapatannya untuk memenuhi kebutuhan pokok. Semakin tinggi pendapatan maka semakin berkurang persentase pengeluaran untuk makanan pokok, namun semakin tinggi persentase pengeluaran untuk makanan dan minuman jadi, serta makanan berprotein tinggi seperti daging, telur dan susu (BPS, 2010).
(20)
Menurut Yasril (2008), analisis regresi linier berganda didefinisikan sebagai analisis regresi yang variabel tak bebas Y ditentukan oleh sekurang-kurangnya dua variabel bebas X dan setiap variabel X maupun variabel Y hanya berpangkat satu (linier). Regresi linier berganda merupakan perluasan dari regresi linier sederhana. Regresi linier berganda ditujukan untuk menentukan hubungan linier antar beberapa variabel bebas yang biasa X1, X2, X3...,Xk terhadap variabel terikat Y. Jenis data pada
analisis regresi linier ganda untuk variabel dependen harus numerik sedangkan untuk variabel independen boleh semuanya numerik atau campuran numerik dengan kategorik. Data yang digunakan biasanya berskala interval atau rasio. Model umum regresi linier berganda seperti yang di bawah ini :
= + + + + ⋯+ + (1.1)
dengan :
= variabel terikat
= titik potong dengan sumbu tegak (intercept) , , , …, = koefisien regresi (slope)
, , , …, = variabel bebas
= nilai kesalahan (error)
Persamaan umum (1.1), dapat diestimasi dengan persamaan (1.2) di bawah ini :
= + + + + ⋯+ + (1.2)
Untuk menghitung koefisien regresi persamaan (1.2) digunakan persamaan (1.3) (Irianto, 2004), yaitu :
∑ = + ∑ + ∑ + ∑ + ⋯+ ∑
∑ = ∑ + ∑ + ∑ + ∑ + ⋯+ ∑
∑ = ∑ + ∑ + ∑ + ∑ + ⋯+ ∑ (1.3)
∑ = ∑ + ∑ + ∑ + ∑ + ⋯+ ∑
(21)
Drapper dan Smith (1992) menyatakan bahwa salah satu metode pemilihan persamaan regresi terbaik adalah metode eliminasi langkah mundur (backward). Eliminasi langkah mundur mulai dengan regresi terbesar dengan menggunakan semua variabel bebas (X) dan secara bertahap mengurangi banyaknya variabel di dalam persamaan sampai suatu keputusan dicapai untuk menggunakan persamaan yang diperoleh dengan jumlah variabel tertentu. Metode eliminasi langkah mundur mencoba memeriksa hanya regresi terbaik yang mengandung sejumlah tertentu variabel bebas (X).
1.7. Metodologi Penelitian
Populasi sasaran adalah semua rumah tangga miskin yang menerima bantuan beras miskin (raskin) dari pemerintah setempat. Jumlah populasi sasaran sebanyak 141 rumah tangga. Teknik sampling yang digunakan adalah metode acak sederhana. Anggota rumah tangga yang menjadi responden penelitian adalah kepala rumah tangga dan atau istri yang berumur sekitar 17-64 tahun pada saat penelitian. Jumlah sampel yang diambil sebanyak 40 rumah tangga miskin. Dengan pertimbangan penentuan ukuran sampel tersebut dapat memberikan ragam sampel yang stabil sebagai penduga ragam populasi (lebih dari 30), (Sugiarto, 2001).
Cara mengumpulkan data menggunakan kuisioner dengan wawancara tatap muka kepada responden yang terpilih. Perhitungan statistik yang digunakan dalam penelitian ini akan dihitung dengan menggunakan program SPSS 17. Selanjutnya dilakukan langkah-langkah pengolahan data yang dapat dilihat pada diagram 1.1 berikut :
(22)
Diagram 1.1. Langkah-Langkah Pengolahan Data
Langkah-Langkah Pengolahan Data
Mentabulasi data hasil kuisioner penelitian di
SPSS 17
Menentukan uji korelasi
Uji Asumsi Klasik
Analisis Regresi Linier Berganda
Menentukan persamaan regresi linier berganda dengan metode backward.
Menghitung koefisien determinasi ganda (R2)
Uji F
(uji simultan/gabungan)
Uji t (uji parsial)
Uji Normalitas
Uji heteroskedastisitas
Uji Multikolinieritas
(23)
BAB 2
LANDASAN TEORI
2.1. Pengertian Pangan
Pangan dan gizi merupakan salah satu komponen yang sangat penting dalam pembangunan. Komponen ini memberikan kontribusi dalam mewujudkan sumberdaya manusia yang berkualitas sehingga mampu berperan secara optimal dalam pembangunan. Karena begitu penting peranannya, pangan dan gizi dapat dianggap sebagai kebutuhan dan modal dasar pembangunan serta dijadikan indikator atas keberhasilan pembangunan (Khomsan, 2004).
2.2. Klasifikasi Pangan
Secara umum, pangan dikelompok menjadi dua yaitu pangan hewani dan pangan nabati. Penggolongan pangan yang digunakan oleh FAO dikenal sebagai Pola Pangan Harapan (PPH). Kelompok pangan dalam PPH ada sembilan yaitu padi-padian, umbi-umbian, pangan hewani, minyak dan lemak, buah biji berminyak, kacang-kacangan, gula, sayur dan buah serta lain-lain (minuman dan bumbu).
a. Padi-padian adalah pangan yang berasal dari tanaman serealia yang biasa dikonsumsi sebagai pangan pokok seperti padi, jagung, gandum dan produk olahan seperti tepung (terigu, beras), pasta (bihun, makaroni, mie).
b. Umbi-umbian adalah pangan yang berasal dari akar/umbi yang biasa dikonsumsi sebagai pangan pokok seperti singkong, ubi jalar, kentang, sagu. c. Pengan hewani adalah kelompok pangan yang terdiri dari daging, telur, susu
(24)
d. Minyak dan lemak adalah bahan makanan yang berasal dari nabati, seperti minyak kelapa, minyak sawit, margarin. Lemak umumnya berasal dari hewani. e. Buah/biji berminyak adalah pangan yang relatif mengandung minyak baik dari
buah maupun bijinya, seperti kacang mete, kelapa, kemiri maupun wijen. f. Kacang-kacangan adalah biji-bijian yang mengandung tinggi lemak seperti
kacang tanah, kacang hijau, kacang merah, kacang kedelai, termasuk juga hasil olahannya seperti tempe, tahu, susu kedelai dan oncom.
g. Gula terdiri atas gula pasir dan gula merah.
h. Sayuran dan buah adalah sumber vitamin dan mineral yang berasal dari bagian tanaman. Buah-buahan adalah bagian tanaman yang berupa buah.
i. Lain-lain adalah bumbu-bumbuan yang berfungsi sebagai penyedap dan penambah citra pangan olahan seperti ketumbar, merica, pala, asam jawa, cengkeh (Khomsan, 2004).
2.3. Konsumsi Pangan
Konsumsi pangan adalah jenis dan jumlah pangan yang dimakan oleh seseorang dengan tujuan tertentu pada waktu tertentu. Konsumsi pangan dimaksudkan untuk memenuhi kebutuhan individu secara biologis, psikologis, maupun sosial. Oleh karena itu, ekspresi setiap individu dalam memilih makanan akan berbeda satu dengan yang lain. Ekspresi tersebut akan membentuk pola perilaku makanan yang disebut kebiasaan makan (Khomsan, 2004).
2.4. Pengeluaran Rumah Tangga
Pengeluaran rumah tangga merupakan salah satu indikator yang dapat memberikan gambaran keadaan kesejahteraan penduduk. Tingkat pengeluaran terdiri atas dua kelompok, yaitu pengeluaran untuk makanan dan bukan makanan. Tingkat kebutuhan/ permintaan (demand) terhadap kedua kelompok tersebut pada dasarnya berbeda- beda. Dalam kondisi pendapatan terbatas, kebutuhan makanan didahulukan, sehingga pada kelompok masyarakat berpendapatan rendah akan terlihat bahwa sebagian besar
(25)
pendapatannya digunakan untuk membeli makanan. Seiring dengan peningkatan pendapatan, maka lambat laun akan terjadi pergeseran pola pengeluaran, yaitu penurunan porsi pendapatan yang dibelanjakan untuk makanan dan peningkatan porsi pendapatan yang dibelanjakan untuk bukan makanan (BKP, 2010).
2.5. Kemiskinan
Bagi rumah tangga yang sangat miskin, akan lebih mudah memenuhi kebutuhan makannya jika harus diberi makan jumlahnya sedikit. Anak-anak yang tumbuh dalam keluarga yang miskin paling rawan terhadap kurang gizi. Kemiskinan inilah yang menjadi akar permasalahan dari ketidakmampuan rumah tangga untuk menyediakan pangan dalam jumlah, mutu, dan ragam yang sesuai kebutuhan setiap individu, untuk memenuhi asupan karbohidrat, protein, lemak, vitamin, mineral yang bermanfaat bagi pertumbuhan, kesehatan dan daya tahan jasmani maupun rohani (Khomsan, 2004).
2.6. Pendapatan
Pada umumnya, jika pendapatan naik, jumlah dan jenis makanan cenderung membaik juga. Menggunakan pendapatan keluarga yang diperoleh secara bijaksana dan baik untuk membeli bahan pangan tambahan yang diperlukan dalam penyajian makanan seimbang bagi anggota keluarga. Keadaan ekonomi keluarga relatif mudah diukur dan berpengaruh besar pada konsumsi pangan, terutama pada golongan miskin. Hal ini disebabkan karena penduduk golongan miskin menggunakan sebagian besar pendapatanya untuk memenuhi kebutuhan makanan. Peubah ekonomi yang cukup dominan sebagai determinan konsumsi pangan adalah pendapatan keluarga.
Perubahan pendapatan secara langsung dapat mempengaruhi perubahan konsumsi pangan keluarga. Meningkatnya pendapatan berarti memperbesar peluang untuk membeli pangan dengan kualitas dan kuantitas yang lebih baik. Sebaliknnya, penurunan pendapatan akan menyebabkan penurunan dalam hal kualitas dan kuantitas pangan yang dibeli (Khomsan, 2004).
(26)
2.7. Jumlah Anggota Rumah Tangga
Menurut BPS (2010), anggota rumah tangga adalah semua orang yang biasanya bertempat tinggal disuatu rumah tangga, baik yang berada di rumah pada saat pencacahan maupun sementara tidak ada.
Jumlah anggota rumah tangga akan mempengaruhi konsumsi. Rumah tangga dengan jumlah anggota rumah tangga yang lebih besar cenderung mempunyai tingkat konsumsi yang tinggi. Jumlah anggota rumah tangga menentukan sampai batas tertentu jumlah pangan yang dikonsumsi, susunan isi keranjang pangan, ukuran ruang rumah tempat tinggal, pengeluaran untuk pakaian, pendidikan, kesehatan dan rekreasi (Sicat dan Arndt, H., 1991).
2.8. Pendidikan Kepala Rumah Tangga
Pendidikan merupakan salah satu sarana untuk meningkatkan kecerdasan dan keterampilan manusia, sehingga kualitas sumber daya manusia sangat tergantung dari kualitas pendidikan. Kepala rumah tangga adalah seorang dari kelompok anggota rumah tangga yang bertanggung jawab atas kebutuhan sehari-hari rumah tangga tersebut atau orang yang dianggap/ditunjuk sebagai kepala rumah tangga tersebut. Jika seorang kepala rumah tangga memiliki pendidikan yang baik, maka diharapkan kepala rumah tangga tersebut memiliki pekerjaan layak yang nantinya akan menghasilkan pendapatan yang cukup untuk memenuhi kebutuhan sehari-hari (BPS, 2010).
2.9. Beras Murah (Raskin)
Pemerintah melalui Badan Urusan Logistik (Bulog/Dolog) melaksanakan program pengadaan beras murah atau beras miskin (raskin) yang ditujukan bagi masyarakat miskin agar tercukupi kebutuhan pangannya. Hasil Susenas 2010 menunjukkan bahwa secara nasional terdapat 50,33 persen rumah tangga yang membeli beras murah/raskin. Apabila dibandingkan antara daerah perkotaan dan pedesaan, rumah tangga yang
(27)
membeli beras murah/raskin lebih banyak terdapat di pedesaan (65,27 persen) daripada perkotaan (35,21 persen), hal ini terjadi di semua provinsi. Pada umumnya harga beras murah/raskin yang dibeli rumah tangga antara Rp. 1.000 sampai Rp. 2.500 per kg. Sedangkan harga rata-rata beras miskin yang dibeli rumah tangga adalah Rp. 2.000 per kg. Secara umum harga tersebut relatif tidak berbeda baik di perkotaan maupun di pedesaan (BPS, 2010).
2.10. Siklus Kehidupan Keluarga
Setiap tingkatan keluarga memiliki tingkat kebutuhan yang berbeda-beda, baik pangan dan nonpangan. Karena kebutuhan berbeda pada setiap tahapan rumah tangga, maka penggunaan/alokasi pendapatan akan berbeda pula. Tiap tahapan keluarga mempunyai kondisi keuangan yang berbeda serta mempunyai orientasi dan tujuan pengelolaan keuangan yang berbeda pula, sehingga pada gilirannya setiap tahapan keluarga mempunyai alokasi pendapatan yang berbeda (Sicat dan Arndt, H., 1991).
2.11. Rasio Beban Tanggungan (Dependency Ratio = DR)
Dampak keberhasilan pembangunan bidang kependudukan di antaranya terlihat pada perubahan komposisi penduduk menurut umur yang tercermin dengan semakin rendahnya proporsi penduduk usia tidak produktif, khususnya kelompok umur 0-14 tahun yang semakin rendahnya rasio beban ketergantungan. Semakin kecilnya angka beban ketergantungan, akan memberikan kesempatan bagi penduduk usia produktif (kelompok umur 15-64 tahun) untuk meningkatkan kualitas dirinya. Rasio beban ketergantungan dapat dihitung dengan rumus sebagai berikut (Mantra, 2000) :
DR= Penduduk umur (0-14 th)+Penduduk umur 65 th ke atas
Penduduk umur (15-64 th) ×k (2.1)
(28)
2.12. Metode Analisis Data
Analisis data bertujuan untuk menyusun data dalam cara yang bermakna sehingga dapat dipahami. Prosedur analisis data dalam penelitian disesuaikan dengan tujuan penelitian. Dalam penelitian ini metode analisis yang digunakan adalah analisis korelasi Pearson, analisis regresi linier berganda dengan metode backward, uji asumsi klasik (uji normalitas, heteroskedastisitas dan multikolinieritas).
2.12.1. Analisis Korelasi
a. Korelasi Pearson
Korelasi adalah istilah statistika yang menyatakan derajat hubungan linier antara dua variabel atau lebih. Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti sebab akibat (timbal balik), melainkan hanya hubungan searah saja. Korelasi ini sering juga disebut Korelasi Product Moment (Usman,1995).
Koefisien korelasi adalah ukuran atau indeks dari hubungan antara dua variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan negatif menunjukkan arti atau arah dari hubungan koefisien korelasi tersebut. Menghitung nilai koefisien korelasi Pearson dapat dilakukan dengan menggunakan rumus berikut :
= ∑ −(∑ ) (∑ )
{ ∑ −(∑ ) }{ ∑ −(∑ ) } (2.2)
dengan :
= koefisien korelasi pearson = jumlah sampel
= variabel bebas ke i, (i = 1,2,3,...,k) = variabel terikat
(29)
Arti harga r akan dikonsultasikan dengan tabel interpretasi nilai r sebagai berikut :
Tabel 2.1. Interpretasi Koefisien Korelasi Nilai r Interval Koefisien
Korelasi
Tingkat Hubungan
0,80-1,000 Sangat erat 0,60-0,799 Erat 0,40-0,599 Cukup erat 0,20-0,399 Tidak erat 0,00-0,199 Sangat tidak erat Sumber : Helmi, 2010.
b. Korelasi Parsial
Korelasi Parsial berhubungan erat dengan koefisien korelasi linier ganda. Dengan ini dimaksudkan koefisien korelasi antara sebagian dari sejumlah variabel apabila hubungan dengan sebagian variabel lainnya dianggap tetap (Sudjana, 2005). Di bawah ini adalah beberapa rumus untuk menghitung koefisien korelasi parsial untuk tiga variabel yaitu:
. =
− .
( 1− ) ( 1− )
. =
− .
( 1− ) ( 1− )
(2.3)
. =
− .
( 1− ) ( 1− )
. =
. − . .
(30)
dengan :
. = koefisien korelasi parsial antara variabel dengan , apabila
variabel dianggap tetap.
. = koefisien korelasi parsial antara variabel dengan , apabila
variabel dianggap tetap.
. = koefisien korelasi parsial antara variabel dengan , apabila
variabel dianggap tetap.
. = koefisien korelasi parsial antara variabel dengan , apabila
variabel dan dianggap tetap.
2.12.2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas atau kenormalan digunakan untuk mendeteksi apakah distribusi variabel-variabel bebas dan terikat adalah normal. Uji normalitas dapat dideteksi dengan melihat sebaran data (titik) pada sumbu diagonal dari grafik Normal P-Plot of Regression Standarized Residual. Suatu model dikatakan memenuhi asumsi normalitas apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal (Santoso, 2001).
b. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji untuk melihat apakah ada ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lain. Apabila ( ) ≠ ( ) ≠
, hal ini disebut heteroskedastisitas. Satu asumsi penting dalam model regresi linier berganda adalah bahwa kesalahan pengganggu mempunyai varian yang sama, artinya ( ) = ( ) = untuk semua i, i = 1,2,3,...,n, asumsi ini disebut homoskedastisitas, (Santoso, 2001).
(31)
Untuk melihat apakah suatu data terjadi heteroskedastisitas atau tidak, dapat dilakukan dengan pendekatan grafik scatter plot, (Gujarati, 1999), yaitu:
1. Jika tidak ada pola yang jelas serta titik-titik menyebar (secara acak) di atas dan dibawah angka 0 pada sumbu y maka tidak terjadi heteroskedastisitas. 2. Jika ada pola tertentu serta titik-titik yang membentuk pola tertentu diatas dan
dibawah angka 0 pada sumbu y maka terjadi heteroskedastisitas.
Contoh grafik scatter plot yang tidak terjadi heteroskedastisitas dan terjadi heteroskedastisitas, dapat dilihat pada gambar 2.1 dan 2.2.
Gambar 2.1. Tidak Terjadi Heteroskedastisitas
Gambar 2.2. Terjadi Heteroskedastisitas
c. Uji Multikolinieritas
Untuk mengetahui ada tidaknya multikolinearitas antara variabel bebas dengan melihat nilai Variance Inflation Factor (VIF) dan Tolerance dari masing-masing
(32)
variabel bebas terhadap variabel terikat. Yang baik adalah tidak terjadi korelasi yang tinggi antara variabel bebas, hal in disebut non multikolinearitas. Rumus mencari Variance Inflation Factor (VIF) yaitu :
( ) = 1
1− (2.4)
Dengan adalah korelasi kuadrat dari dengan variabel bebas lainnya. Menurut Santoso (2001: 203) pedoman untuk mendeteksi multikolinearitas adalah :
1. Besar Variance Inflation Factor (VIF) dan Tolerance i. VIF > 5 dipastikan terjadi multikolinieritas ii. VIF < 5 tidak terjadi multikolinieritas
iii. Tolerance < 0,1 diduga mempunyai persoalan multikolinieritas iv. Tolerance > 0,1 diduga tidak mempunyai persoalan multikolinieritas
v. Atau Tolerance = 1/VIF dan VIF = 1/Tolerance.
2. Besar korelasi antar variabel independennya bebas multikolinearitas. i. Koefisien korelasi harus lemah (< 0,5).
ii. Jika ada nilai r > 0,5 harus dikeluarkan dari model.
2.12.3. Analisis Regresi Linier Berganda
Analisis Multivariat (Multivariat Analysis) merupakan salah satu jenis analisis statistik yang digunakan untuk menganalisis data. Data yang digunakan berupa banyak peubah bebas (independent variabels) dan juga banyak peubah terikat (dependent variabels). Analisis Regresi Linear Ganda (Multiple Linear Regression) merupakan perluasan dari Simple Linear Regression (Regresi Linear Sederhana). Pada analisis ini bentuk hubungannya adalah beberapa variabel bebas terhadap satu variabel terikat. Regresi linier berganda ditujukan untuk menentukan hubungan linier antar beberapa variabel bebas X1, X2, X3, ..., Xk terhadap variabel terikat Y. Persamaan
(33)
= + + + + ⋯+ + (2.5)
dengan :
= variabel terikat
= titik potong dengan sumbu tegak (intercept) , , , …, = koefisien regresi (slope)
, , , …, = variabel bebas
= nilai kesalahan (error)
Persamaan umum tersebut dapat diestimasi dengan persamaan di bawah ini :
= + + + + ⋯+ + (2.6)
Untuk menghitung koefisien regresi persamaan (2.6) digunakan persamaan (1.3).
2.12.4. Menentukan Regresi Terbaik dengan Metode Backward
Pemodelan pada regresi linear ganda adalah untuk memperoleh kandidat variabel yang fit yang dapat menjelaskan/menggambarkan variabel dependen sesungguhnya dalam populasi. Salah satu metode pemilihan variabel independen yang dipakai pada aplikasi SPSS 17 adalah metode backward. Metode backward adalah metode dengan memasukkan semua variabel kedalam model tetapi kemudian satu persatu variabel independen dikeluarkan dari model berdasarkan kriteria kemaknaan statistik tertentu. Variabel yang pertama dikeluarkan adalah variabel yang memiliki korelasi parsial terkecil dengan variabel dependen. Kriteria pengeluaran (P-Out/POT) adalah 0,10 artinya variabel yang mempunyai nilai p ≥ 0,10 dikeluarkan dari model (Santoso, 2001).
Selain menggunakan korelasi parsial, pengujian dengan metode backward dapat dilakukan dengan membandingkan uji F parsial atau uji t parsial. Pemeriksaan tabel F dan tabel t akan menunjukkan hasil yang sama. Hal ini dikarenakan bahwa
F( 1, , 1− ) = , 1− untuk sembarang nilai dan . Beberapa program komputer seperti SPSS menggunakan uji t parsial (Drapper dan Smith,1992).
(34)
2.12.5. Koefisien Determinasi Ganda ( )
Koefisien korelasi ganda atau disebut juga koefisien determinasi ganda lebih banyak digunakan untuk menguji seberapa jauh garis regresi penaksir sesuai dengan pengamatan yang diperoleh. Menurut Drapper dan Smith (1992, hal: 87), adalah suatu ukuran besarnya keragaman amatan Y di sekitar rataanya yang dapat dijelaskan oleh persamaan regresi. Koefisien determinasi ganda dapat dihitung dengan menggunakan rumus yaitu :
= ∑ −
∑( − ) = 1−
∑ −
∑( − ) (2.7)
dengan :
∑ − = jumlah kuadrat regresi (JKR) ∑( − ) = jumlah kuadrat total (JKT) ∑ − = jumlah kuadrat sisa (JKS)
Pada analisis regresi estimasi cenderung tinggi (overestimate), maka untuk memperoleh ketepatan digunakan nilai yang disesuaikan (Adjusted ) dirancang untuk mengurangi bias tersebut, dihitung dengan cara :
= − ( 1− )
− −1 = 1−( 1− )
−1
− (2.8)
dengan :
= koefisien determinasi ganda yang disesuaikan = koefisien determinasi ganda
= jumlah variabel bebas n = jumlah sampel
(35)
2.12.6. Uji F (Uji simultan/gabungan)
Pengaruh variabel bebas terhadap variabel terikat diuji dengan tingkat kepercayaan 95% atau α = 0,05. Kriteria pengujian hipotesis untuk uji serempak:
H0 : = = = ⋯ = = 0, (pendapatan kepala rumah tangga, jumlah
anggota rumah tangga, pendidikan kepala rumah tangga, lamanya berumah tangga dan jumlah subsidi beras miskin (raskin) yang diterima secara bersama-sama berpengaruh tidak signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin).
H1 : tidak semua dari ( = 1,2,3, …, ) adalah nol, (pendapatan kepala rumah
tangga, jumlah anggota rumah tangga, pendidikan kepala rumah tangga, lamanya berumah tangga dan jumlah subsidi beras miskin (raskin) yang diterima secara bersama-sama berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin).
Rumus:
Fhitung=
( 1− )
− −1
k =
/
/ ( − −1) (2.9)
dengan :
= koefisien determinasi ganda = jumlah variabel bebas = jumlah sampel
= jumlah kuadrat regresi = jumlah kuadrat sisa
Dalam hal ini, Fhitung dibandingkan dengan Ftabel dengan tingkat kepercayaan
(confidence interval) 95% atau α = 5% dengan ketentuan, jika Fhitung < Ftabel, maka H0
(36)
2.12.7. Standar Eror Estimasi
Standar eror estimasi dapat memberikan gambaran seberapa baiknya persamaan regresi linier berganda yang dihasilkan. Standar eror estimasi dapat dihitung dengan rumus :
=
− −1 (2.10)
dengan :
= standar eror estimasi = jumlah kuadrat sisa = jumlah sampel
= jumlah variabel bebas
2.12.8. Uji t (Uji parsial/individual)
Dilakukan untuk menguji secara parsial setiap variabel bebas apakah mempunyai pengaruh yang signifikan terhadap variabel terikatnya. Pengaruh parsial variabel bebas terhadap variabel terikat diuji dengan tingkat kepercayaan 95% atau α = 0,05 dan derajat kebebasan ( = − −1). Kriteria pengujian adalah sebagai berikut : H0 : pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan
kepala rumah tangga, lama berumah tangga dan jumlah subsidi beras miskin (raskin) yang diterima secara parsial berpengaruh tidak signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin
H1 : pendapatan kepala rumah tangga, jumlah anggota rumah tangga, pendidikan
kepala rumah tangga, lama berumah tangga dan jumlah subsidi beras miskin (raskin) yang diterima secara parsial berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin.
Rumus:
(37)
dengan :
= koefisien regresi untuk variabel bebas ke k Sb
k = simpangan baku koefisien regresi untuk variabel bebas ke k
= nilai thitung untuk variabel bebas ke k
Simpangan baku koefisien regresi dapat dihitung dengan rumus :
=
∑ ( 1− ) (2.12)
dengan :
= simpangan baku koefisien regresi untuk variabel bebas ke k = standar eror estimasi
= korelasi kuadrat antara dengan variabel bebas lainnya
Dalam hal ini, thitung (tk)dibandingkan dengan ttabel dengan tingkat kepercayaan
(confidence interval) 95% atau α = 5% dengan ketentuan, jika -ttabel < thitung < ttabel,
maka H0 diterima dan H1 ditolak. Dalam hal lain, tolak H0 (Sudjana, 2005).
(38)
BAB 3
PEMBAHASAN
3.1. Gambaran Umum Tempat Penelitian
3.1.1. Profil Kelurahan Sidomulyo
Kelurahan Sidomulyo merupakan salah satu kelurahan yang terdapat di Kecamatan Medan Tuntungan. Luas wilayahnya sebesar 0,87 km2 atau 4,03% terhadap luas Kecamatan Medan Tuntungan. Jumlah penduduk Kelurahan Sidomulyo pada tahun 2011 sebesar 1.934 jiwa dan pada tahun 2012 sebesar 2.152 jiwa.
Berdasarkan profil kelurahan sidomulyo tahun 2011, batas wilayah Kelurahan Sidomulyo adalah sebagai berikut:
Sebelah Utara : Kelurahan Lau Cih, Kecamatan Medan Tuntungan. Sebelah Selatan : Desa Namo Bintang, Kecamatan Pancur Batu. Sebelah Timur : Desa Simalingkar A, Kecamatan Pancur Batu.
Sebelah Barat : Kelurahan Baru Ladang Bambu, Kecamatan Medan Tuntungan.
3.1.2. Rasio Beban Tanggungan (Dependency Ratio)
Rasio beban tanggungan dapat dihitung berdasarkan kelompok umur. Kelompok penduduk umur 0-14 tahun dianggap belum produktif secara ekonomis, kelompok penduduk umur 15-64 tahun dianggap produktif dan kelompok penduduk umur 65 tahun ke atas sebagai kelompok penduduk yang tidak lagi produktif. Jumlah penduduk
(39)
menurut kelompok umur dan jenis kelamin di Kelurahan Sidomulyo tahun 2011 adalah sebagai berikut :
Tabel 3.1. Jumlah penduduk menurut kelompok umur dan jenis kelamin di Kelurahan Sidomulyo tahun 2011
No. Kelompok Umur (Tahun)
Jenis Kelamin
Jumlah (Jiwa) Laki-laki Perempuan
1. 0-4 185 219 404
2. 5-14 174 184 358
3. 15-44 426 384 810
4. 45-64 165 93 258
5. ≥ 65 67 37 104
Total 1.017 917 1.934
Sumber : Data Profil Kelurahan Sidomulyo Tahun 2011.
Rasio beban tanggungan Kelurahan Sidomulyo dapat dihitung dengan rumus (2.1) :
DR= Penduduk umur (0-14 th)+Penduduk umur 65 th ke atas Penduduk umur (15-64 th) ×k
DR= 762+104 1.068 ×100 DR= 762+104
1.068 ×100 DR = 866
1.068× 100 DR =81,09
Kelurahan Sidomulyo memiliki DR sebesar 81,09 berarti 100 orang kelompok penduduk produktif harus menanggung 81,09 orang kelompok penduduk yang tidak produktif.
3.2. Definisi Operasional Variabel
Adapun definisi operasional variabel di dalam penelitian sebagai berikut :
1. Konsumsi pangan adalah jenis dan jumlah pangan yang dimakan oleh semua anggota rumah tangga dalam 1 bulan.
(40)
2. Rumah tangga adalah seorang atau sekelompok orang yang mendiami sebagian atau seluruh bangunan fisik, dan biasanya makan bersama dari satu dapur. Makan dari satu dapur adalah mengurus kebutuhan sehari- hari bersama menjadi satu (BPS, 2010).
3. Pengeluaran konsumsi pangan rumah tangga (Y) adalah total biaya yang dikeluarkan untuk kebutuhan pangan yang dibeli oleh rumah tangga, dinyatakan dalam uang (rupiah) pada periode waktu satu bulan.
4. Kepala rumah tangga adalah seorang dari sekelompok anggota rumah tangga yang bertanggung jawab atas kebutuhan sehari- hari rumah tangga tersebut. 5. Pendapatan kepala rumah tangga (X1) adalah jumlah seluruh pendapatan yang
dihasilkan oleh kepala rumah tangga dan istri (apabila istri bekerja), yang dinyatakan dalam uang (rupiah) pada periode waktu satu bulan.
6. Jumlah anggota rumah tangga (X2) adalah semua orang yang biasanya
bertempat tinggal di suatu rumah tangga, terdiri dari kepala rumah tangga, istri, anak dan anggota keluarga lainnya yang masih menjadi tanggungan kepala rumah tangga, yang dinyatakan dalam satuan jiwa.
7. Pendidikan kepala rumah tangga (X3) adalah pendidikan formal terakhir yang
ditempuh oleh seorang kepala rumah tangga, yang dinyatakan dalam satuan tahun.
8. Lamanya berumah tangga/usia perkawinan (X4) adalah usia perkawinan dari
awal terbentuk hingga pada saat penelitian, dinyatakan dalam satuan tahun. 9. Jumlah subsidi beras miskin (raskin) (X5) adalah jumlah beras subsidi yang
diberikan oleh pemerintah kepada rumah tangga yang berhak perbulannya, yang dinyatakan dalam satuan Kg.
3.3. Metode Analisis Data
3.3.1. Analisis Korelasi Pearson
Adapun langkah-langkah dalam melakukan analisis korelasi pada SPSS 17 untuk data pada lampiran 1 adalah sebagai berikut:
(41)
1. Klik Analyze.
2. Pilih Correlate, Bivariate.
3. Masukkan semua variabel ke dalam kotak Variables. 4. Pada bagian Correlation Coefficients, pilih Pearson. 5. Pada bagian Test of Significance pilih Two-tailed (α= 5%). 6. Pilih ok.
Interpretasi Output
Tabel 3.2. Correlations
X1 X2 X3 X4 X5 Y X1 Pearson Correlation 1 .437** -.158 -.009 .013 .644**
Sig. (2-tailed) .005 .331 .955 .934 .000
N 40 40 40 40 40 40
X2 Pearson Correlation .437** 1 -.024 .163 .666** .648**
Sig. (2-tailed) .005 .885 .316 .000 .000
N 40 40 40 40 40 40
X3 Pearson Correlation -.158 -.024 1 -.369* -.016 .082
Sig. (2-tailed) .331 .885 .019 .921 .616
N 40 40 40 40 40 40
X4 Pearson Correlation -.009 .163 -.369* 1 .151 -.162
Sig. (2-tailed) .955 .316 .019 .352 .317
N 40 40 40 40 40 40
X5 Pearson Correlation .013 .666** -.016 .151 1 .171
Sig. (2-tailed) .934 .000 .921 .352 .290
N 40 40 40 40 40 40
Y Pearson Correlation .644** .648** .082 -.162 .171 1 Sig. (2-tailed) .000 .000 .616 .317 .290
N 40 40 40 40 40 40
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
(42)
Dari output di atas dapat diperoleh :
1. Koefisien korelasi antara pendapatan kepala rumah tangga (X1) dengan
pengeluaran konsumsi pangan rumah tangga miskin (Y) adalah sebesar 0,644 yang berarti hubungan antara variabel X1 dan Y erat dan signifikan.
Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi (Sig.(2-tailed)) lebih kecil dari α (0,000 < 0,05).
2. Koefisien korelasi antara jumlah anggota rumah tangga (X2) dengan
pengeluaran konsumsi pangan rumah tangga miskin (Y) adalah sebesar 0,648 yang berarti hubungan antara variabel X2 dan Y erat dan signifikan.
Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi (Sig.(2-tailed)) lebih kecil dari α (0,000 < 0,05).
3. Koefisien korelasi antara pendidikan kepala rumah tangga (X3) dengan
pengeluaran konsumsi pangan rumah tangga miskin (Y) adalah sebesar 0,082 yang berarti hubungan antara variabel X3 dan Y sangat tidak erat dan tidak
signifikan. Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi (Sig.(2-tailed)) lebih besar dari α (0,616 > 0,05).
4. Koefisien korelasi antara lama berumah tangga/usia perkawinan (X4) dengan
pengeluaran konsumsi pangan rumah tangga miskin (Y) adalah sebesar -0,162 yang berarti hubungan antara variabel X4 dan Y sangat tidak erat dan tidak
signifikan. Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi (Sig.(2-tailed)) lebih besar dari α (0,317 > 0,05).
5. Koefisien korelasi antara jumlah subsidi beras miskin (X5) dengan pengeluaran
konsumsi pangan rumah tangga miskin (Y) adalah sebesar 0,171 yang berarti hubungan antara variabel X5 dan Y sangat tidak erat dan tidak signifikan.
Signifikansi koefisien korelasi tersebut ditandai dengan nilai signifikansi (Sig.(2-tailed)) lebih besar dari α (0,290 > 0,05).
(43)
3.3.2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas digunakan untuk mendeteksi apakah residual dalam regresi menyebar secara normal. Normalitas dapat dideteksi dengan melihat sebaran data pada histogram dan grafik Normal P-Plot of Regression Standardized Residual.
Gambar 3.1. Uji Normalitas
Pada gambar 3.1. terlihat bahwa distribusi data menyebar secara normal, hal ini ditunjukkan oleh distribusi data yang tidak menceng ke kiri atau menceng ke kanan. Hasil uji normalitas dengan P-P Plot ditunjukkan pada gambar 3.2 berikut ini.
(44)
Pada P-P Plot di atas terlihat distribusi data residual mengikuti garis diagonal. Hal ini berarti data berdistribusi normal.
b. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah ada ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lain. Pendekatan grafik dapat digunakan untuk menguji heteroskedastisitas.
Gambar 3.3. Uji Heteroskedastisitas
Dari grafik Scatterplot pada gambar 3.3, terlihat titik-titik data menyebar secara acak tidak membentuk pola tertentu yang jelas serta menyebar di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas.
c. Uji Multikolinieritas
Untuk mengetahui ada tidaknya multikolinieritas antar variabel bebas dengan melihat nilai Variance Inflation Faktor (VIF) dan Tolerance dari masing-masing variabel bebas terhadap variabel terikatnya. Model regresi yang baik adalah tidak terjadi korelasi yang tinggi antara variabel bebasnya (Non Multikolinieritas).
(45)
Tabel 3.3. Uji Multikolinieritas
Sumber : Hasil Penelitian, 2013 (Data Diolah)
Dari tabel 3.3 uji multikolinieritas terlihat bahwa setiap variabel bebas (X1, X2,
X3, X4 dan X5) memiliki nilai VIF < 5. Hal ini berarti antara variabel bebas tidak
terjadi multikolinieritas.
3.3.3. Regresi Linier Berganda dengan Metode Backward
Adapun langkah-langkah dalam melakukan analisis regresi linier berganda dengan metode backward pada SPSS 17 untuk data pada lampiran 1adalah sebagai berikut:
1. Klik Analyze.
2. Pilih Regression, Liniear.
3. Masukkan variabel terikat (Y) ke dalam kotak Dependent.
4. Masukkan variabel bebas (X1, X2, X3, X4 dan X5) ke dalam kotak Independent.
5. Pada bagian Method, pilih Backward.
6. Pilih Options, kemudian pilih Use Probability of F pada bagian Stepping Method Criteria, untuk tingkat signifikansi isi 0,05 pada entry dan 0,1 pada removal. Pilih continue.
7. Pada bagian Statistics, pilih Covariance Matrix dan Collinearity diagnostics. Pilih continue.
8. Pada bagian Plot, masukkan Zpred ke dalam kotak Y dan masukkan Sresid ke dalam kotak X, pilih Histrogram dan Normal probability plot. Pilih continue.
Model
Collinearity Statistics Tolerance VIF 1 (Constant)
X1 .633 1.581 X2 .360 2.776 X3 .818 1.222 X4 .817 1.224 X5 .458 2.184 a. Dependent Variable: Y
(46)
9. Pada bagian Save, pilih Unstandardized Residuals, pilih continue.
10.Pada toolbar menu, pilih Transform, Compute Variable. Ketikkan nama variabel absolut pada kotak Target Variable. Pada kotak Function Group pilih All, lalu muncul Abs pindahkan ke kotak Numeric Expression. Pindahkan Unstandardized residual ke Numeric Expression. Akan muncul variabel absolut di halaman Data View. Kemudian uji variabel absolut dengan menjadikannya variabel terikat.
11.Pilih ok. Interpretasi Output
Tabel 3.4.Variables Entered/Removedb
Model
Variables Entered
Variables
Removed Method 1 X5, X1, X4, X3,
X2a
. Enter
2 . X3 Backward (criterion: Probability of F-to-remove >= ,100). a. All requested variables entered.
b. Dependent Variable: Y
Sumber : Hasil Penelitian, 2013 (Data Diolah).
Dari tabel 3.4 Variables Entered/Removedb dapat dilihat variabel bebas yang dimasukkan adalah variabel pendapatan kepala rumah tangga (X1), jumlah anggota
rumah tangga (X2), pendidikan kepala rumah tangga (X3), lama berumah tangga (X4)
dan jumlah subsidi beras miskin (X5). Variabel yang dikeluarkan adalah variabel
pendidikan kepala rumah tangga (X3). Proses eliminasi variabel bebas berhenti di
(47)
Tabel 3.5. Excluded Variablesb
Model Beta In t Sig.
Partial Correlation
2 X3 .071a .663 .512 .113
a. Predictors in the Model: (Constant), X5, X1, X4, X2 b. Dependent Variable: Y
Sumber : Hasil Penelitian, 2013 (Data Diolah).
Pada tabel 3.4 Variables Entered/Removedb dan tabel 3.5. Excluded Variablesb terlihat proses eliminasi variabel bebas (independent) yang tidak signifikan. Eliminasi ini didasarkan pada besarnya nilai thitung (uji t parsial). Variabel X3 memiliki nilai thitung
sebesar 0,663. Selanjutnya nilai thitung tersebut dibandingkan dengan nilai ttabel pada
tingkat kepercayaan 95% atau α = 5%. Nilai ttabel (model 1) pada derajat kebebasan 34
n-k-1=40-5-1=34 dengan α = 5% adalah 2,032. Dengan demikian didapat nilai thitung < ttabel (0,663 < 2,032). Sehingga variabel X3 harus dikeluarkan dari persamaan
regresi linier berganda.
Dalam metode backward, pengeluaran variabel bebas yang tidak signifikan dapat juga dilakukan dengan melihat koefisien korelasi parsial yang terkecil terhadap variabel terikatnya.
Tabel 3.6. Koefisien Korelasi Parsial
No. Variabel Koefisien Korelasi Parsial
Tingkat Signifikansi
Variabel yang Dikontrol 1. X1 0,431 0,009 X2,X3,X4 dan X5
2. X2 0,608 0,000 X1,X3,X4 dan X5
3. X3 0,113 0,512 X1,X2,X4 dan X5
4. X4 -0,315 0,061 X1,X2,X3 dan X5
5. X5 -0,320 0,057 X1,X2,X3 dan X4
Sumber : Hasil Penelitian, 2013 (Data Diolah).
Dari tabel tabel 3.6 dapat dilihat bahwa variabel X3 memiliki koefisien korelasi
parsial yang paling kecil sebesar 0,113 dan tingkat signifikansi yang paling tinggi sebesar 0,512.
(48)
Tabel 3.7. Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta
1 (Constant) 479746.351 216049.167 2.221 .033 X1 .231 .083 .340 2.788 .009 X2 85441.168 19117.201 .723 4.469 .000 X3 5814.608 8771.911 .071 .663 .512 X4 -3339.996 1726.354 -.208 -1.935 .061 X5 -22845.841 11606.056 -.283 -1.968 .057 2 (Constant) 557069.266 180389.845 3.088 .004
X1 .219 .080 .322 2.730 .010
X2 87267.241 18765.557 .739 4.650 .000
X4 -3788.494 1575.468 -.236 -2.405 .022
X5 -23410.972 11481.628 -.290 -2.039 .049
a. Dependent Variable: Y
Sumber : Hasil Penelitian, 2013 (Data Diolah).
Setelah dilakukan eliminasi variabel bebas dengan metode backward, didapat persamaan regresi linier berganda pada tabel 3.7 Coefficientsa. Pada model 1 seluruh variabel dimasukkan. Pada model 2, variabel yang dikeluarkan adalah variabel X3.
Dengan demikian setelah melewati 2 tahapan, variabel bebas yang layak masuk adalah variabel X1, X2, X4 dan X5. Model yang digunakan adalah model 2. Jadi persamaan
regresi linier berganda pada persamaan (2.6) dapat ditulis sebagai berikut :
= 557.069,266 + 0,219 + 87.267,241 – 3.788,494 −23.410,972
3.3.4. Koefisien Determinasi Ganda ( )
Pada tabel 3.8 Model Summaryc terlihat tahapan setiap variabel yang dikeluarkan dalam model regresi.
(49)
Tabel 3.8. Model Summaryc
Model R R Square
Adjusted R Square
Std. Error of the Estimate 1 .824a .679 .632 1.20218E5 2 .822b .675 .638 1.19251E5
a. Predictors: (Constant), X5, X1, X4, X3, X2 b. Predictors: (Constant), X5, X1, X4, X2 c. Dependent Variable: Y
Sumber : Hasil Penelitian, 2013 (Data Diolah).
Pada model 2 terlihat nilai koefisien R sebesar 0,822 yang berarti hubungan antara pendapatan kepala rumah tangga (X1), jumlah anggota rumah tangga (X2),
lamanya berumah tangga (X4) dan jumlah subsidi beras miskin (X5) terhadap
pengeluaran konsumsi pangan rumah tangga miskin (Y) sebesar 82,2%. Artinya hubungannya sangat erat.
Dalam regresi linier berganda yang melibatkan lebih dari 1 variabel bebas, digunakan nilai yang disesuaikan (Adjusted ) yang dirancang untuk mengurangi bias dalam model. Nilai koefisien determinasi (R2) sebesar 0,638 yang berarti variabel pendapatan kepala rumah tangga (X1), jumlah anggota rumah tangga (X2), lamanya
berumah tangga (X4) dan jumlah subsidi beras miskin (X5) mempengaruhi
pengeluaran konsumsi pangan rumah tangga miskin (Y) sebesar 63,8% dan sisanya 36,2% dipengaruhi oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
Dari tabel 3.8. Model Summaryc dapat dilihat semakin dikeluarkan variabel-variabel yang tidak signifikan maka model 2 semakin baik. Terbukti dari nilai Adjusted model 2 lebih tinggi dibandingkan model 1 dan adanya penurunan standar error estimate pada model 2.
3.3.5. Uji F (Uji Simultan/Gabungan)
Pengaruh variabel pendapatan kepala rumah tangga (X1), jumlah anggota rumah
(50)
terhadap pengeluaran konsumsi pangan rumah tangga miskin (Y) dapat dilihat pada tabel 3.9 berikut.
Tabel 3.9. ANOVAc
Model Sum of Squares df Mean Square F Sig. 1 Regression 1.040E12 5 2.081E11 14.399 .000a
Residual 4.914E11 34 1.445E10 Total 1.532E12 39
2 Regression 1.034E12 4 2.585E11 18.180 .000b
Residual 4.977E11 35 1.422E10 Total 1.532E12 39
a. Predictors: (Constant), X5, X1, X4, X3, X2 b. Predictors: (Constant), X5, X1, X4, X2 c. Dependent Variable: Y
Sumber : Hasil Penelitian, 2013 (Data Diolah).
Berdasarkan tabel 3.9 di atas, pada model 2 diperoleh nilai Fhitung sebesar
18,180, sedangkan nilai Ftabel dengan dk pembilang (k) = 4 dan dk penyebut (n-k-1) =
35 sebesar 2,64 pada tingkat kepercayaan 95% atau α = 5%. Dengan demikian, nilai Fhitung > Ftabel (18,180 > 3,14), maka H0 ditolak dan H1 diterima. Hal ini menunjukkan
bahwa variabel pendapatan kepala rumah tangga (X1), jumlah anggota rumah tangga
(X2), lamanya berumah tangga (X4) dan jumlah subsidi beras miskin (X5) secara
serempak terhadap pengeluaran konsumsi pangan rumah tangga miskin (Y) di Kelurahan Sidomulyo Kecamatan Medan Tuntungan.
3.3.6. Uji t (Uji Parsial)
Uji t parsial digunakan untuk menguji pengaruh setiap variabel bebas (X1, X2, X4 dan
(51)
Tabel 3.10. Uji t (Uji Parsial)
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta
2 (Constant) 557069.266 180389.845 3.088 .004
X1 .219 .080 .322 2.730 .010
X2 87267.241 18765.557 .739 4.650 .000
X4 -3788.494 1575.468 -.236 -2.405 .022
X5 -23410.972 11481.628 -.290 -2.039 .049
a. Dependent Variable: Y
Sumber : Hasil Penelitian, 2013 (Data Diolah).
Nilai thitung untuk variabel pendapatan kepala rumah tangga (X1) sebesar 2,730.
Selanjutnya nilai thitung tersebut dibandingkan dengan nilai ttabel pada tingkat
kepercayaan 95% atau α = 5%. Nilai ttabel pada dk 35 dengan α = 5% adalah ±2,030
(uji 2 arah). Dengan demikian didapat nilai thitung > ttabel (2,730 > 2,030), maka H0
ditolak dan H1 diterima yang berarti variabel pendapatan kepala rumah tangga (X1)
berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin (Y) di Kelurahan Sidomulyo Kecamatan Medan Tuntungan. Jika ditingkatkan variabel pendapatan kepala rumah tangga (X1) sebesar Rp. 1, maka pengeluaran konsumsi
pangan rumah tangga miskin (Y) akan meningkat sebesar Rp. 0,219 perbulannya.
Nilai thitung dari variabel jumlah anggota rumah tangga (X2) diperoleh sebesar
4,650. Nilai thitung > ttabel (4,650 > 2,030), maka variabel jumlah anggota rumah tangga
(X2) berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga
miskin (Y) di Kelurahan Sidomulyo Kecamatan Medan Tuntungan. Jika jumlah anggota rumah tangga (X2) bertambah sebesar 1 orang (jiwa), maka pengeluaran
konsumsi pangan rumah tangga miskin (Y) akan meningkat sebesar Rp. 87.267,241 perbulannya.
Nilai thitung dari variabel lamanya berumah tangga (X4) diperoleh sebesar -2,405. Nilai thitung < ttabel (-2,405 < -2,030), maka variabel lamanya berumah tangga
(X4) berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga
(52)
perkawinan bertambah 1 tahun, maka pengeluaran konsumsi pangan rumah tangga miskin (Y) akan berkurang sebesar Rp. 3.788,494.
Nilai thitung dari variabel jumlah subsidi beras miskin (X5) diperoleh sebesar -2,039. Nilai thitung < ttabel (-2,039 < -2,030), maka variabel jumlah subsidi beras miskin
(X5) berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga
miskin (Y) di Kelurahan Sidomulyo Kecamatan Medan Tuntungan. Jika subsidi beras miskin (X5) yang diterima tiap bulannya bertambah 5 kg, maka pengeluaran konsumsi
(53)
BAB 4
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Tabel 4.1. Koefisien Korelasi Pearson
Korelasi Koefisien Korelasi Pearson X1 dengan Y 0,644
X2 dengan Y 0,648
X3 dengan Y 0,082
X4 dengan Y -0,162
X5 dengan Y 0,171
Sumber : Hasil Penelitian, 2013 (Data Diolah). 1. Berdasarkan tabel 4.1 di atas didapat :
a. Korelasi antara pendapatan kepala rumah tangga (X1) dengan pengeluaran
konsumsi pangan rumah tangga miskin (Y) erat.
b. Korelasi antara jumlah anggota rumah tangga (X2) dengan pengeluaran
konsumsi pangan rumah tangga miskin (Y) erat.
c. Korelasi antara pendidikan kepala rumah tangga (X3) dengan pengeluaran
konsumsi pangan rumah tangga miskin (Y) sangat tidak erat
d. Korelasi antara lama berumah tangga/usia perkawinan (X4) dengan
pengeluaran konsumsi pangan rumah tangga miskin (Y) sangat tidak erat. e. Korelasi antara jumlah subsidi beras miskin (X5) dengan pengeluaran
konsumsi pangan rumah tangga miskin (Y) sangat tidak erat.
2. Faktor-faktor yang berpengaruh signifikan terhadap pengeluaran konsumsi pangan rumah tangga miskin (Y) di Kelurahan Sidomulyo Kecamatan Medan Tuntungan adalah pendapatan kepala rumah tangga (X1), jumlah anggota rumah tangga (X2),
(54)
3. Persamaan regresi linier berganda yang didapat dengan metode backward adalah sebagai berikut :
= 557.069,266 + 0,219 + 87.267,241 –3.788,494 −23.410,972 5
4.2. Saran
1. Sehubungan dengan berpengaruh signifikan jumlah beras raskin yang diterima setiap bulannya terhadap pengeluaran konsumsi pangan rumah tangga miskin di Kelurahan Sidomulyo Kecamatan Medan Tuntungan, diharapkan pemerintah setempat sebaiknya dapat memperbanyak jumlah pemberian beras miskin berdasarkan jumlah anggota rumah tangga dan adil memberikannya kepada masyarakat miskin yang berhak.
2. Diharapkan kepada peneliti selanjutnya untuk dapat meneliti lebih lanjut mengenai topik ini dan menambah faktor-faktor lain yang berpengaruh terhadap pengeluaran konsumsi pangan rumah tangga miskin.
(55)
DAFTAR PUSTAKA
Badan Ketahanan Pangan Kota Medan. 2010. Analisis dan Penyusunan Pola Konsumsi dan Supply Pangan Kota Medan. Medan : BKP.
BPS. 2010. Indikator Kesejahteraan Rakyat Tahun 2010 dan Analisis Data Pengangguran Semester 1 tahun 2011 Provinsi Sumatera Utara. Katalog BPS : 3101013.12. Medan : BPS.
Data Profil Kelurahan Sidomulyo. 2011. Lampiran II Peraturan Menteri Dalam Negeri Nomor 12 Tahun 2007 Tentang Pedoman Penyusunan dan Pendayagunaan Data Profil Desa dan Kelurahan. Badan Pemberdayaan Masyarakat Kota Medan.
Drapper dan Smith. 1992. Analisis Regresi Terapan. Jakarta : Gramedia Pustaka Utama.
Gujarati D. 1999. Ekonometrika Dasar. Jakarta : Erlangga.
Helmi, Syafrizal. 2010. Analisis Data Untuk Riset Manajemen Dan Bisnis. Medan : USU Press.
Irianto, Agus. 2004. Statistika Konsep Dan Aplikasinya. Jakarta Timur : Prenada Media.
Khomsan, Ali. 2004. Pengantar Pangan Dan Gizi. Jakarta : Penebar Swadaya. Mantra, Prof. Ida Bagoes. 2003. Demografi Umum. Yogyakarta : Pustaka Belajar. Rahardja, Prathama. 2004. Teori Ekonomi Makro. Jakarta : FE UI.
Santoso, 2001. Buku Latihan SPSS : Statistika Parametrik. Jakarta : PT. Elex Media Komputindo.
Sicat, G.P dan Arndt, H. W. 1991. Ilmu Ekonomi Mikro Untuk Konteks Indonesia. Jakarta : Lembaga Penelitian, Pendidikan dan Penerangan Ekonomi Sosial. Sudjana. 2005. Metode Statistika. Bandung : Tarsito.
Suharjo, Bambang. 2008. Analisis Regresi Terapan Dengan SPSS. Yogyakarta : Graha Ilmu.
Sugiarto, 2001. Teknik Sampling. Jakarta : Gramedia Pustaka Utama. Usman, Husaini. 1995. Pengantar Statistika. Jakarta : Bumi Aksara.
Yasril, 2008. Analisis Multivariat Untuk Penelitian Kesehatan. Yogyakarta : Mitra Cendikia.
(56)
Lampiran 1 : Data Hasil Penelitian No. Pendapatan Kepala Rumah Tangga (Rp/bln) Jumlah Anggota Rumah Tangga (Jiwa) Pendidikan Kepala Rumah Tangga (tahun) Usia Perkawinan (tahun) Jumlah Raskin yang Diterima (kg/bln) Total Pengeluaran Konsumsi Pangan (Rp/bln)
1 2.100.000 5 9 13 10 1.445.700
2 1.800.000 3 9 11 10 1.028.000
3 2.000.000 5 6 22 10 1.199.500
4 1.200.000 4 12 12 10 940.500
5 1.500.000 4 12 6 10 931.500
6 2.000.000 4 9 12 10 1.134.250
7 1.400.000 6 6 49 15 822.250
8 2.000.000 4 6 7 10 1.347.500
9 1.500.000 4 12 13 10 1.065.900
10 1.500.000 5 9 14 15 984.000
11 2.000.000 6 12 19 15 1.050.500
12 2.000.000 3 6 35 10 725.750
13 1.900.000 7 6 34 15 1.168.000
14 1.800.000 5 6 15 15 912.200
15 1.800.000 6 6 33 15 949.000
16 1.800.000 3 9 8 10 831.500
17 1.800.000 4 6 21 10 890.750
18 2.000.000 5 6 24 10 929.000
19 1.800.000 3 9 6 10 888.500
20 1.500.000 5 6 13 15 959.000
21 1.900.000 7 9 23 15 1.072.500
22 2.300.000 11 12 21 15 1.543.000
23 1.850.000 5 12 7 15 890.750
24 1.500.000 5 6 30 15 1046.250
25 1.800.000 6 6 34 15 927.300
26 1.800.000 4 9 41 10 976.500
27 2.100.000 6 12 14 15 1.308.750
28 2.400.000 4 9 11 10 1.066.000
29 2.000.000 3 9 26 10 1.091.500
30 2.000.000 3 6 50 10 842.250
31 1.500.000 3 6 1 10 723.700
32 2.000.000 5 6 9 10 1.171.000
33 1.800.000 4 9 9 10 1.009.000
34 1.350.000 3 6 35 10 820.750
35 1.200.000 2 12 12 10 644.300
36 1.200.000 2 12 35 10 620.000
37 1.500.000 3 9 5 15 797.500
38 2.000.000 7 6 25 15 1.120.500
39 2.000.000 5 6 25 10 998.800
40 1.800.000 4 6 21 10 865.250
(57)
Lampiran 2 : Output SPSS 17
Korelasi Pearson
(58)
(59)
Korelasi Parsial
Correlations
Control Variables X1 Y X2 & X3 & X4 & X5 X1 Correlation 1.000 .431
Significance (2-tailed) . .009
df 0 34
Y Correlation .431 1.000 Significance (2-tailed) .009 .
df 34 0
Correlations
Control Variables X2 Y X1 & X3 & X4 & X5 X2 Correlation 1.000 .608
Significance (2-tailed) . .000
df 0 34
Y Correlation .608 1.000 Significance (2-tailed) .000 .
df 34 0
Correlations
Control Variables X3 Y X1 & X2 & X4 & X5 X3 Correlation 1.000 .113
Significance (2-tailed) . .512
df 0 34
Y Correlation .113 1.000 Significance (2-tailed) .512 .
(60)
Correlations
Control Variables X4 Y X1 & X2 & X3 & X5 X4 Correlation 1.000 -.315
Significance (2-tailed) . .061
df 0 34
Y Correlation -.315 1.000 Significance (2-tailed) .061 .
df 34 0
Correlations
Control Variables X5 Y X1 & X2 & X3 & X4 X5 Correlation 1.000 -.320
Significance (2-tailed) . .057
df 0 34
Y Correlation -.320 1.000 Significance (2-tailed) .057 .
df 34 0
Pengujian Regresi Linier Berganda dengan Metode Backward
Variables Entered/Removedb
Model
Variables Entered
Variables
Removed Method 1 X5, X1, X4, X3,
X2a
. Enter
2 . X3 Backward (criterion: Probability of F-to-remove >= ,100). a. All requested variables entered.
(61)
Model Summaryc
Model R R Square
Adjusted R Square
Std. Error of the Estimate 1 .824a .679 .632 1.20218E5 2 .822b .675 .638 1.19251E5 a. Predictors: (Constant), X5, X1, X4, X3, X2
b. Predictors: (Constant), X5, X1, X4, X2 c. Dependent Variable: Y
ANOVAc
Model Sum of Squares df Mean Square F Sig. 1 Regression 1.040E12 5 2.081E11 14.399 .000a
Residual 4.914E11 34 1.445E10 Total 1.532E12 39
2 Regression 1.034E12 4 2.585E11 18.180 .000b Residual 4.977E11 35 1.422E10
Total 1.532E12 39 a. Predictors: (Constant), X5, X1, X4, X3, X2
b. Predictors: (Constant), X5, X1, X4, X2 c. Dependent Variable: Y
Excluded Variablesb
Model Beta In t Sig.
Partial Correlation 2 X3 .071a .663 .512 .113
(62)
DAFTAR PERTANYAAN (KUISIONER)
I. IDENTITAS
1. Nama
a. Kepala Rumah Tangga :... b. Istri :... 2. Pekerjaan
a. Kepala Rumah Tangga :... b. Istri :... 3. Usia perkawinan :... 4. Susunan Keluarga
No. Nama Jenis
Kelamin Umur Hubungan
Pendidikan
Terakhir Keterangan
II. PENDAPATAN
1. Kepala rumah tangga :... 2. Istri :...
(63)
III. PENGELUARAN KONSUMSI PANGAN
Jenis Harga per satuan (Rp) Jumlah Pemakaian (/bln)
Total Pengeluaran (Rp/bln) 1. Padi-padian
Beras Raskin ... ... ...
Beras ... ... ...
Jagung ... ... ...
Mie ... ... ...
Roti dan terigu ... ... ... 2. Umbi-umbian
Ubi Kayu ... ... ...
Ubi Jalar ... ... ...
Sagu ... ... ...
Kentang ... ... ...
Wortel ... ... ...
Bawang merah ... ... ...
Bawang putih ... ... ... 3. Pangan Hewani
Daging ... ... ... - Ayam ... ... ... - Sapi ... ... ... - Kambing ... ... ... - Itik ... ... ... - Babi ... ... ...
Telur ... ... ... - Ayam ... ... ... - Bebek ... ... ... - Puyuh ... ... ...
Susu ... ... ...
Ikan ... ... ... - Segar ... ... ... - Asin ... ... ... - Seafood
4. Minyak dan Lemak
(64)
5. Buah2/Biji berminyak
Kelapa ... ... ...
Kemiri ... ... ...
Jenis Harga per satuan (Rp) Jumlah Pemakaian (/bln)
Total Pengeluaran (Rp/bln) 6. Kacang-Kacangan
Kac. Tanah ... ... ...
Kac. Kedelai ... ... ...
Kac. Hijau ... ... ...
Kac. Merah ... ... ...
Tempe ... ... ...
Tahu ... ... ... 7. Sayur-sayuran ... ... ... 8. Buah-buahan ... ... ... 9. Gula
Merah ... ... ...
Putih ... ... ...
Batu ... ... ... 10.Lain-lain
Cabe ... ... ...
Tomat ... ... ...
Kecap ... ... ...
Teh ... ... ...
Kopi ... ... ...
Garam ... ... ...
Rempah-rempah ... ... ...
Makanan &
Minuman Kemasan
(1)
Korelasi Parsial
Correlations
Control Variables X1 Y
X2 & X3 & X4 & X5 X1 Correlation 1.000 .431
Significance (2-tailed) . .009
df 0 34
Y Correlation .431 1.000
Significance (2-tailed) .009 .
df 34 0
Correlations
Control Variables X2 Y
X1 & X3 & X4 & X5 X2 Correlation 1.000 .608
Significance (2-tailed) . .000
df 0 34
Y Correlation .608 1.000
Significance (2-tailed) .000 .
df 34 0
Correlations
Control Variables X3 Y
X1 & X2 & X4 & X5 X3 Correlation 1.000 .113
Significance (2-tailed) . .512
df 0 34
Y Correlation .113 1.000
Significance (2-tailed) .512 .
(2)
Correlations
Control Variables X4 Y
X1 & X2 & X3 & X5 X4 Correlation 1.000 -.315
Significance (2-tailed) . .061
df 0 34
Y Correlation -.315 1.000
Significance (2-tailed) .061 .
df 34 0
Correlations
Control Variables X5 Y
X1 & X2 & X3 & X4 X5 Correlation 1.000 -.320
Significance (2-tailed) . .057
df 0 34
Y Correlation -.320 1.000
Significance (2-tailed) .057 .
df 34 0
Pengujian Regresi Linier Berganda dengan Metode Backward
Variables Entered/Removedb
Model
Variables Entered
Variables
Removed Method
1 X5, X1, X4, X3,
X2a
. Enter
2 . X3 Backward
(criterion: Probability of F-to-remove >= ,100). a. All requested variables entered.
(3)
Model Summaryc
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .824a .679 .632 1.20218E5
2 .822b .675 .638 1.19251E5
a. Predictors: (Constant), X5, X1, X4, X3, X2 b. Predictors: (Constant), X5, X1, X4, X2 c. Dependent Variable: Y
ANOVAc
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.040E12 5 2.081E11 14.399 .000a
Residual 4.914E11 34 1.445E10
Total 1.532E12 39
2 Regression 1.034E12 4 2.585E11 18.180 .000b
Residual 4.977E11 35 1.422E10
Total 1.532E12 39
a. Predictors: (Constant), X5, X1, X4, X3, X2 b. Predictors: (Constant), X5, X1, X4, X2 c. Dependent Variable: Y
Excluded Variablesb
Model Beta In t Sig.
Partial Correlation
(4)
DAFTAR PERTANYAAN (KUISIONER)
I. IDENTITAS
1. Nama
a. Kepala Rumah Tangga :... b. Istri :... 2. Pekerjaan
a. Kepala Rumah Tangga :... b. Istri :... 3. Usia perkawinan :... 4. Susunan Keluarga
No. Nama Jenis
Kelamin Umur Hubungan
Pendidikan
Terakhir Keterangan
II. PENDAPATAN
1. Kepala rumah tangga :... 2. Istri :...
(5)
III. PENGELUARAN KONSUMSI PANGAN
Jenis Harga per satuan (Rp) Jumlah Pemakaian
(/bln)
Total Pengeluaran (Rp/bln) 1. Padi-padian
Beras Raskin ... ... ...
Beras ... ... ...
Jagung ... ... ...
Mie ... ... ...
Roti dan terigu ... ... ... 2. Umbi-umbian
Ubi Kayu ... ... ...
Ubi Jalar ... ... ...
Sagu ... ... ...
Kentang ... ... ...
Wortel ... ... ...
Bawang merah ... ... ...
Bawang putih ... ... ... 3. Pangan Hewani
Daging ... ... ... - Ayam ... ... ... - Sapi ... ... ... - Kambing ... ... ... - Itik ... ... ... - Babi ... ... ...
Telur ... ... ... - Ayam ... ... ... - Bebek ... ... ... - Puyuh ... ... ...
Susu ... ... ...
Ikan ... ... ... - Segar ... ... ... - Asin ... ... ... - Seafood
4. Minyak dan Lemak
Minyak kelapa
(6)
5. Buah2/Biji berminyak
Kelapa ... ... ...
Kemiri ... ... ...
Jenis Harga per satuan (Rp) Jumlah Pemakaian
(/bln)
Total Pengeluaran (Rp/bln) 6. Kacang-Kacangan
Kac. Tanah ... ... ...
Kac. Kedelai ... ... ...
Kac. Hijau ... ... ...
Kac. Merah ... ... ...
Tempe ... ... ...
Tahu ... ... ... 7. Sayur-sayuran ... ... ... 8. Buah-buahan ... ... ... 9. Gula
Merah ... ... ...
Putih ... ... ...
Batu ... ... ... 10.Lain-lain
Cabe ... ... ...
Tomat ... ... ...
Kecap ... ... ...
Teh ... ... ...
Kopi ... ... ...
Garam ... ... ...
Rempah-rempah ... ... ...
Makanan &
Minuman Kemasan