Pengaruh Harga Impor Beras, Produksi Beras, Nilai Kurs (Rupiah Terhadap Dolar Amerika) Terhadap Permintaan Impor Beras di Indonesia Chapter III V
BAB 3
PEMBAHASAN
3.1 Pengumpulan Data
Data merupakan alat bagi pengambilan keputusan yang tepat dan juga sebagai
dasar untuk memecahkan masalah yang dihadapi. Maka penelitian ini
menggunakan data sekunder yang bersifat time series yang dimulai dari tahun
2005 hingga tahun 2014 berupa data statistik. Data tersebut diperoleh dari instansi
yang terkait dengan penelitian yaitu Kantor Badan Pusat Statistik Provinsi
Sumatera Utara. Adapun datanya adalah sebagai berikut :
Tabel 3.1 Data Impor Beras, CIF Value, Produksi Beras dan Kurs Rupiah
Tahun Impor Beras
CIF Value
Produksi Beras Nilai Kurs
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
189,617
51,499
438,108
132,620
2.500,000
703,167
289.689,411
124.142,808
250.473,149
108.153,251
687.581,501
360.784,998
2.750.476,186 1.513.163,507
1.810.372,303 945.623,182
472.664,654
246.002,090
844.163,741
388.178,457
54,15110
54,45494
57,15744
60,32592
64,39889
66,46939
65,75690
69,05612
71,27971
70,84647
9,830
9,020
9,419
10,950
9,400
8,991
9,068
9,670
12,189
12,440
di mana:
Jumlah Impor Beras (ribu kg)
Harga Impor Beras (ribu US$)
Produksi Beras (juta Ton)
Rata-rata Kurs Rupiah Per Tahun (ribu Rp)
:�
: �1
: �2
: �3
3.2 Pengolahan Data
Untuk membahas dan memecahkan masalah mengenai pengaruh jumlah
permintaan impor beras di Indonesia, akan digunakan data yang telah
dikumpulkan sebelumnya. Yaitu tentang jumlah permintaan impor beras di
Indonesia, harga impor beras per tahunnya, nilai tukar rupiah terhadap dolar
Amerika serta jumlah produksi beras yang dihasilkan oleh pertanian-pertanian
yang ada di Indonesia. Proses pengolahan dan penganalisisan data dilakukan
Universitas Sumatera Utara
dengan perhitungan manual dan menggunakan program SPSS, yaitu salah satu
program statistik yang mampu memproses data dengan cepat.
3.3 Persamaan Regresi linier Berganda
Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung
koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan jumlahjumlah variabel seperti berikut:
Tabel 3.2 Pengamatan Data Regresi Tiga Variabel X dan Satu Variabel Y
No.
�
�1
�2
�3
1
189,617
51,499
54,15110
9,830
2
438,108
132,620
54,45494
9,020
3
2.500,000
703,167
57,15744
9,419
4
289.689,411
124.142,808
60,32592
10,950
5
250.473,149
108.153,251
64,39889
9,400
6
687.581,501
360.784,998
66,46939
8,991
7
2.750.476,186
1.513.163,507
65,75690
9,068
8
1.810.372,303
945.623,182
69,05612
9,670
9
472.664,654
246.002,090
71,27971
12,189
10
844.163,741
388.178,457
70,84647
12,440
Jumlah
7.108.548,67
3.686.935,58
633,90
100,98
Tabel 3.3 Pengamatan Data Kuadratik Variabel X dan Variabel Y
No.
Y²
X₁²
X₂²
X₃²
1
35.954,61
2.652,15
2.932,34
96,63
2
191.938,62
17.588,06
2.965,34
81,36
3
6.250.000,00
494.443,83
3.266,97
88,72
4
83.919.954.845,53
15.411.436.778,12
3.639,22
119,90
5
62.736.798.369,98
11.697.125.701,87
4.147,22
88,36
6
472.768.320.517,41
130.165.814.781,86
4.418,18
80,84
7
7.565.119.249.753,11 2.289.663.798.916,54 4.323,97
82,23
8
3.277.447.875.469,52
894.203.202.335,81
4.768,75
93,51
9
223.411.875.140,94
60.517.028.284,37
5.080,80
148,57
10
712.612.421.619,12
150.682.514.478,90
5.019,22
154,75
Jumlah 12.398.022.973.608,80 3.552.341.435.961,51 40.562,00 1.034,87
Tabel 3.4 Pengamatan Perkalian Data Variabel X dan Variabel Y
No.
Y*X₁
Y*X₂
Y*X₃
1
9.765,09
10.267,97
1.863,94
2
58.101,88
23.857,14
3.951,73
3
1.757.917,50
142.893,59
23.547,50
Universitas Sumatera Utara
No.
4
5
6
7
8
9
10
Jumlah
Y*X₁
35.962.856.929,41
27.089.485.352,56
248.069.090.463,12
4.161.920.191.527,74
1.711.930.017.767,53
116.276.492.753,13
327.686.178.436,73
6.628.936.139.014,68
Y*X₂
17.475.780,23
16.130.192,77
45.703.122,95
180.862.787,52
125.017.287,00
33.691.399,46
59.806.021,15
478.863.609,78
Y*X₃
3.172.099,05
2.354.447,60
6.182.045,28
24.941.318,05
17.506.300,17
5.761.309,47
10.501.396,94
70.448.279,73
Tabel 3.5 Pengamatan Perkalian Data Variabel X dan Variabel X
No.
X₁*X₂
X₁*X₃
X₂*X₃
1
2.788,73
506,24
532,31
2
7.221,81
1.196,23
491,18
3
40.191,22
6.623,13
538,37
4
7.489.029,10
1.359.363,75
660,57
5
6.964.949,31
1.016.640,56
605,35
6
23.981.158,74
3.243.817,92
597,63
7
99.500.941,41
13.721.366,68
596,28
8
65.301.067,93
9.144.176,17
667,77
9
17.534.957,63
2.998.519,48
868,83
10
27.501.073,41
4.828.940,01
881,33
Jumlah 248.323.379,31
36.321.150,15
6.439,61
Dari Tabel 3.2 sampai Tabel 3.5 diperoleh hasil sebagai berikut :
∑ � = 7.108.548,67
∑ �3 2 = 1.034,87
∑ �2 = 633,90
∑ �. �2 = 478.863.609,78
∑ �1 = 3.686.935,58
∑ �3 = 100,98
∑ � 2 = 12.398.022.973.608,80
∑ �1 2 = 3.552.341.435.961,51
∑ �2 2 = 40.562,00
∑ �. �1 = 6.628.936.139.014,68
∑ �. �3 = 70.448.279,73
∑ �1 �2 = 248.323.379,31
∑ �1 �3 = 36.321.150,15
∑ �2 �3 = 6.439,61
Dengan mensubstitusikan angka-angka diatas kedalam sistem Persamaan (2.3),
maka diperoleh bentuk persamaannya sebagai berikut:
7.108.548,67 = 10b 0 + 3.686.935,58b 1 + 633,90b 2 + 100,98b 3
(3.1)
6.628.936.139.014,68 = 3.686.935,58b0 + 3.552.341.435.961,51b1 +
248.323.379,31b2 + 36.321.150,15�3
(3.2)
Universitas Sumatera Utara
478.863.609,78 = 633.90�0 + 248.323.379,31�1 + 40.562,00�2 +
6.439,61�3
70.448.279,73 = 100,98 �0 + 36.321.150,15�1 + 6.439,6�2 +
1.034,87�3
R
(3.3)
(3.4)
Untuk mengetahui nilai b 0 , b 1 , b 2 , dan b 3 sistem persamaan (3.1),(3.2),(3.3) dan
(3.4) dapat ditulis dalam notasi matriks sebagai berikut:
10
3.686.935
�
633.896,9
100,97
3.686.935,58
3.552.341.435.961
248.323.379,31
36.321.150,15
633.896,90
248.323.379
40.562,00
6.439,61
�
�0
100,98
7.108.548,67
36.321.150 �1 6.628.936.139.015
�� ��
�
�2
6.439.61
478.863.609,78
1.034,87
70.448.279,73
�3
�
�
Nilai dugaan bagi parameter model diketahui melalui persamaan:
� = �−1 �
�−1 =
1
det �
(3.5)
��� �)
(3.6)
Berdasarkan persamaan (3.6) diperoleh nilai invers dari matriks � yaitu:
13,3650134 0,000001160051
0,0000012 0,000000000001
�
−,2040385 −0,000000053707
−0,0751441 0,000000189685
−0,204038452
−0,000000054
0,006789710
−0,020455933
−0,07514414
0,00000019
�
−0,02045593
0,12893071
Maka, nilai koefisien adalah:
13,365013 0,0000011600
0,000001 0,00000000000
�=�
−,204038 −0,000000053
−0,0751440,00000018968
� = �−1 �
−0,20403845
−0,00000005
0,00678971
−0,02045593
7.108.548,6
−0,0751441
6.628.936.139.015
0,0000002
��
�
−0,0204559
478.863.609,78
0,12893071
70.448.279,73
−304.614,99
1,807
�
�=�
3825,033
10589,626
Jadi dapat diketahui nilai koefisien-koefisien linier bergandanya yaitu:
b 0 = −304.614,99
b 1 = 1,807
b 2 = 03825,03
b 3 = 110589,626
Universitas Sumatera Utara
Perhitungan serupa juga dilakukan dengan menggunakan SPSS 18
sehingga
diperoleh hasil sebagai berikut:
Tabel 3.6 Nilai – Nilai Koefisien
Model
1 (Constant)
Coefficientsa
Unstandardized
Coefficients
B
Std. Error
-304614,993 149658,465
Harga Impor Beras
1,807
Produksi Beras
3825,033
Kurs Rp terhadap
10589,627
Dolar
a. Dependent Variable: Impor Beras
Standardized
Coefficients
Beta
,039
3373,201
14699,237
t
Sig.
-2,035 ,088
,987 46,716 ,000
,027 1,134 ,300
,015
,720 ,498
Pada tabel 3.6 dapat juga diketahui nilai-nilai koefisien linier bergandanya adalah:
�0
�1
�2
�3
= −304.614,993
= 1,807
= 3825,033
= 10589,626
Sehingga diperoleh persamaan regresinya :
�� = �0 + �1 �1 + �2 �2 + ⋯ + �� ��
�� = −304.614,99 + 1,807�1 + 3.825,033�2 + 10.589,626�3
Dari persamaan regresi diatas dapat diketahui Harga Impor Beras (�1 ),
Produksi Beras (�2 ) dan Nilai Kurs Rupiah Terhadap Dolar (�3 ) mempunyai
koefisien regresi yang positif terhadap Permintaan Impor Beras (�). Hal ini
menunjukkan bahwa Permintaan Impor Beras di Indonesia dipengaruhi oleh
Impor Beras, Produksi Beras dan Nilai Kurs Rupiah Terhadap Dolar. Dengan
melihat Tabel 3.6 di atas dan melihat persamaan regresi tersebut, maka telah
diketahui variabel yang paling mempengaruhi.
3.4 Uji Regresi Linier Berganda
Setelah persamaan regresi diperoleh maka persamaan tersebut perlu diuji sebelum
digunakan untuk membuat suatu kesimpulan. Perumusan hipotesa untuk Uji
Regresi Berganda tersebut adalah:
�0 : �0 = �1 = �2 = �3 = 0
Universitas Sumatera Utara
Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu harga
impor beras, produksi beras dan kurs rupiah terhadap permintaan Impor Beras
di Indonesia.
�1 : �0 = �1 = �2 = �3 ≠ 0
Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol.
Terdapat pengaruh yang signifikan antara variabel bebas yaitu harga impor
beras, produksi beras dan kurs rupiah terhadap permintaan Impor Beras di
Indonesia.
Kriteria pengujan hipotesanya:
Jika �ℎ����� ≥ ������ , maka �0 ditolak dan �1 diterima
Jika �ℎ����� < ������ , maka �0 diterima dan �1 ditolak
�ℎ����� dapat diketahui melalui persamaan (2.4) dan untuk menguji model regresi
yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi
(����� ) dan JK untuk sisa (����� ) yang diperoleh melalui persamaan (2.5) dan
(2.6).
Untuk menentukannya maka diperlukan jumlah-jumlah variabel seperti berikut:
No.
1
2
3
4
5
6
7
8
9
10
Jumlah
No.
1
2
3
Tabel 3.7 Data pengamatan nilai �, �1 , �2 dan x3
�
�1
�2
-710.665,253
-368.642,061
-9,239
-710.416,762
-368.560,940
-8,935
-708.354,870
-367.990,393
-6,233
-421.165,459
-244.550,752
-3,064
-460.381,721
-260.540,309
1,009
-23.273,369
-7.908,562
3,079
2.039.621,316
1.144.469,947
2,367
1.099.517,433
576.929,622
5,666
-238.190,216
-122.691,470
7,890
133.308,871
19.484,897
7,456
-0,030
-0,021
-0,003
Tabel 3.8 Data pengamatan nilai � 2 , �1 2 , �2 2 dan �3 2
�2
�1 2
�2 2
505.045.101.821,55
135.896.969.138,33
85,36
504.691.975.730,57
135.837.166.493,68
79,84
501.766.621.852,72
135.416.929.340,29
38,84
�3
-0,270
-1,080
-0,681
0,850
-0,700
-1,109
-1,032
-0,430
2,089
2,340
-0,023
�3 2
0,07
1,17
0,46
Universitas Sumatera Utara
No.
4
5
6
7
8
9
10
Jumlah
�2
177.380.343.854,68
211.951.329.030,92
541.649.704,61
4.160.055.112.681,57
1.208.938.585.470,91
56.734.578.998,13
17.771.255.087,29
7.344.876.554.232,95
�1 2
59.805.070.303,77
67.881.252.613,82
62.545.352,91
1.309.811.459.586,18
332.847.788.741,06
15.053.196.810,76
379.661.211,10
2.192.992.039.591,90
�2 2
9,39
1,02
9,48
5,60
32,10
62,25
55,60
379,48
�3 2
0,72
0,49
1,23
1,07
0,18
4,36
5,48
15,23
Tabel 3.9 Data pengamatan hasil perkalian variabel � dan �
No.
�1 �
�2 �
�3 �
1
261.981.103.547,01
6.565.767,338
191.879,6183
2
261.831.869.594,48
6.347.618,525
767.250,103
3
260.667.786.994,76
4.414.867,77
482.389,6665
4
102.996.329.714,88
1.290.484,66
-357.990,6402
5
119.947.995.847,29
-464.474,5145
322.267,2047
6
184.058.881,69
-71.667,77976
25.810,16622
7
2.334.285.299.422,59 4.827.579,693
-2.104.889,198
8
634.344.177.003,10
6.229.997,717
-472.792,4962
9
29.223.907.740,66
-1.879.251,729
-497.579,3612
10
2.597.509.620,62
994.013,5973
311.942,7581
Jumlah
4.008.060.038.367,07 28.254.935,28
- 1.331.712,18
Dari Tabel 3.7 sampai Tabel 3.9, diperoleh nilai
∑ � = −0,030
∑ �. �3 = − 1.331.712,18
∑ �2 = − 0,003
∑ �1 2 2.192.992.039.591,90
∑ �1 = − 0,021
∑ �3 = − 0,023
∑ �. �1 = 4.008.060.038.367,07
∑ �. �2 = 28.254.935,28
∑ � 2 = 7.344.876.554.232,95
∑ �2 2 = 379,48
∑ �3 2 = 15,23
Sehingga diperoleh dua macam kuadrat-kuadrat yaitu JK reg dan JK res sebagai
berikut:
JK reg = b1 ∑ x1 y + b2 ∑ x2 y + b3 ∑ x3 y
JK reg = (1,807)(4.008.060.038.367,07) + (3.825,03)(28.254.935,28) +
(110.589,626)(− 1.331.712,18)
JK reg = 7.240.847.773.536,30 + 28.254.935,28 − 14102334641,09
Universitas Sumatera Utara
JK reg = 7.226.773.693.830,49
JK res = ∑(Ŷ − Y)²
∑(Ŷ − Y)2 = 10.055.054.093,25
Maka Fhitung dapat dicari dengan:
Fhitung =
Fhitung =
Fhitung =
JK reg
k
JK res
n −k −1
7.226 .773 .693 .830 ,49
3
10.055 .054 .093 ,25
10−3−1
2.408.924.564.610,163
1.675.842.348,875
Fhitung = 1.458,932
Perhitungan serupa juga dilakukan dengan SPSS 18, dan diperoleh hasil sebagai
berikut:
Tabel 3.10 Nilai ANOVA
Model
1
Regression
Residual
Sum of Squares
7,335E12
1,006E10
ANOVAb
df
3
6
7,345E12
9
Total
Mean Square
2,445E12
1,676E9
F
1458,932
Sig.
,000a
a. Predictors: (Constant), Kurs Rp terhadap Dolar, Harga Impor Beras, Produksi Beras
b. Dependent Variable: Impor Beras
Untuk Ftabel , yaitu nilai statistik F jika dilihat dari tabel distribusi F
dengan derajat kebebasan pembilang v1 = k = 3 dan v2 = n − k − 1 = 6, dan
α = 5% = 0,05 maka;
Ftabel = F(α)(v 1 ;v 2 ) = F(α)(k;n−k−1)
= F(0,05)(6)
= 4,76
Dengan demikian dapat dilihat bahwa nilai Fhitung (1.458,932 ) > Ftabel (4,76).
Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier
berganda � atas �1 , �2 , dan �3 bersifat nyata yang berarti bahwa harga impor
beras, produksi beras dan kurs rupiah secara bersama-sama mempengaruhi tingkat
permintaan Impor Beras di Indonesia.
3.5 Uji Determinasi
Untuk mengetahui pengaruh antara Variabel � dan Variable �, maka nilai
koefisien determinasi diperoleh dari persamaan:
�����
�2 =
∑(�)2
Universitas Sumatera Utara
Dengan
����� = 7.226.773.693.830,49
nilai
dan
nilai
∑ � 2 = 7.344.876.554.232,95, maka nilai �2 adalah
�� ���
�2 = ∑(�)2
�2 =
7.226.773.693.830,49
7.344.876.554.232,95
�2 = 0,984
Dan untuk koefisien korelasi ganda digunakan rumus:
� = √�2
� = √0,984
� = 0,99
Perhitungan dengan SPSS 18 untuk mencari nilai koefisien determinasi dapat
dilihat pada tabel berikut:
Tabel 3.11 Nilai Model Summary
Model Summaryb
Model
dimension0
1
R
,999a
R Square
Adjusted R Square
,999
Std. Error of the Estimate
,998
40937,05431
a. Predictors: (Constant), Kurs Rp terhadap Dolar, Harga Impor Beras, Produksi Beras
b. Dependent Variable: Impor Beras
Dan dari perhitungan di atas didapat nilai �2 = 0,985, hal ini artinya variabel
bebas harga impor beras (�1 ), jumlah produksi beras(�2 ), dan nilai kurs rupiah per
tahun (�3 ), memiliki pengaruh sebesar 98,5 % terhadap jumlah permintaan impor
beras (Y). Sisanya dipengaruhi oleh variabel lain seperti misalnya pendapatan
penduduk, selera, adanya barang substitusi (pengganti) dan lain sebagainya yang
dapat dijelaskan oleh faktor yang lain yang tidak diteliti oleh penelitian ini. Dari
hasil perhitungan diperoleh juga korelasi (R) positif yaitu sebesar 0,999 yang
menunjukkan bahwa antara variabel bebas X
dengan variabel tak bebas Y
berhubungan secara positif dengan tingkat yang tinggi.
3.6 Perhitungan Korelasi antar Variabel
Untuk mengukur besarnya pegaruh setiap variabel dengan variabel lainnya, dari
hasil pengamatan Tabel 3.2, Tabel 3.3, Tabel 3.4 dan Tabel 3.5 dapat dihitung
besar koefisien korelasinya yaitu:
Universitas Sumatera Utara
a. Koefisien korelasi antara permintaan impor beras dengan harga impor beras
ryx 1 =
ryx 1 =
ryx 1 =
n ∑ X 1 Y−(∑ X 1 )(∑ Y)
��n ∑ X 21 −(∑ X 1 )2 ��n ∑ Y 2 −(∑ Y)2 �
10(6.628.936.139.014,7) − (3.686.935,58)(7108548,67)
�{(10)(3.552.341.435.961,5) − (3.686.935,6)2 }{(10)(12.398.022.973.608,8) − (7.108.548,7)2 }
66.289.361.390.147 − 26208761013584,7
�{(35523414359615 − 13593493971069,9)(123980229736088 − 50531464193758,8)}
ryx 1 =
ryx 1 =
ryx 1 =
40080600376562 ,1
�{(21929920388545 ,1)(73448765542329 ,2)}
40080600376562 ,1
√1,6107255809802 E+27
40080600376562 ,1
40133845828430 ,1
ryx 1 = 0,9986
b. Koefisien korelasi antara permintaan impor beras dengan produksi beras
ryx 2 =
ryx 2 =
ryx 2 =
n ∑ X 2 Y−(∑ X 2 )(∑ Y)
��n ∑ X 22 −(∑ X 2 )2 ��n ∑ Y 2 −(∑ Y)2 �
10(478863609,78) − (3.686.935,58)(633,9)
�{(10)(40562) − (633,9)2 }{(10)(12.398.022.973.608,8) − (7.108.548,7)2 }
4788636097,8 − 4506109001,913
�{(405620 − 401825,24)(123980229736088 − 50531464193758,8)}
ryx 2 =
ryx 2 =
ryx 2 =
282527095 ,88
�{(3794,759)(73448765542329 ,2)}
282527095 ,88
√278720398748235000
282527095 ,88
527939768 ,106396
ryx 2 = 0,53515
c. Koefisien korelasi antara permintaan impor beras dengan nilai kurs rupiah
ryx 3 =
ryx 3 =
ryx 3 =
n ∑ X 3 Y−(∑ X 3 )(∑ Y)
��n ∑ X 23 −(∑ X 3 )2 ��n ∑ Y 2 −(∑ Y)2 �
10(70448279,73) − (100,98)(633,9)
�{(10)(40562) − (633,9)2 }{(10)(12.398.022.973.608,8) − (7.108.548,7)2 }
704482797,3 − 717821244,69
�{(10348,7 − 10196,35)(123980229736088 − 50531464193758,8)}
ryx 3 =
−13338447 ,39
�{(152,34)(73448765542329 ,2)}
Universitas Sumatera Utara
ryx 3 =
ryx 3 =
−13338447 ,39
√11189586780914600
−13338447 ,39
105780843 ,16
ryx 3 = −0,12609
d. Koefisien korelasi antara permintaan harga impor beras dengan produksi beras
rx 1 x 2 =
rx 1 x 2
=
rx 1 x 2
=
rx 1 x 2 =
rx 1 x 2 =
rx 1 x 2 =
n ∑ X 1 X 2 −(∑ X 1 )(∑ X 2 )
��n ∑ X 21 −(∑ X 1 )2 ��n ∑ X 2 2 −(∑ X 2 )2 �
10(248323379,31) − (3.686.935,58)(633,9)
�{(10)(3.552.341.435.961,5) − (3.686.935,6)2 }{(10)(633,9) − (633,9)2 }
2483233793,1 − 2337148464,162
�{(35523414359615 − 13593493971069,9)(405620 − 401829,21)}
146085328 ,938
�{(21929920388545 ,1)(3790,79)}
146085328 ,938
√83131722909693900
146085328 ,938
288325723 ,63
rx 1 x 2 = 0,50666
e. Koefisien korelasi antara permintaan harga impor beras dengan kurs rupiah
rx 1 x 3 =
rx 1 x 3
=
rx 1 x 3
=
rx 1 x 3 =
rx 1 x 3 =
rx 1 x 3 =
n ∑ X 1 X 3 −(∑ X 1 )(∑ X 3 )
��n ∑ X 21 −(∑ X 1 )2 ��n ∑ X 3 2 −(∑ X 3 )2 �
10(36321150,15) − (3.686.935,58)(100,98)
�{(10)(3.552.341.435.961,5) − (3.686.935,6)2 }{(10)(1034,87) − (100,98)2 }
363211501,53 − 372306754,86
�{(35523414359615 − 13593493971069,9)(10348,7 − 10196,96)}
−9095253,33
�{(21929920388545 ,1)(151,739)}
−9095253,33
√3327637347789660
−9095253,33
57685677 ,14
rx 1 x 3 = −0,15766
f. Koefisien korelasi antara permintaan produksi beras dengan kurs rupiah
rx 2 x 3 =
n ∑ X 2 X 3 −(∑ X 2 )(∑ X 3 )
��n ∑ X 22 −(∑ X 2 )2 ��n ∑ X 3 2 −(∑ X 3 )2 �
Universitas Sumatera Utara
rx 2 x 3
=
rx 2 x 3
=
rx 2 x 3 =
rx 2 x 3 =
rx 2 x 3 =
10(6439,61) − (633,9)(100,98)
�{(10)(40562) − (633,9)2 }{(10)(1034,87) − (100,98)2 }
64396,14 − 64011,22
�{(405620 − 401829,21)(10348,7 − 10196,96)}
384,91
�{(3790,79)(151,739)}
384,91
√575212 ,95
384,91
758,42
rx 2 x 3 = 0,50752
Perhitungan nilai korelasi antar veriabel yangg dihitung menggunakan SPSS 18
adalah sebagai berikut:
Tabel 3.12 Koefisien Korelasi Antar Variabel
Pearson
Correlation
Sig. (1-tailed)
N
Correlations
Impor
Harga
Produksi
Kurs Rp. thdp
Beras
Beras
Beras
USD
Impor Beras
1,000
,999
,535
-,126
Harga Beras
,999
1,000
,506
-,157
Produksi Beras
,535
,506
1,000
,509
Kurs Rp. thdp USD
-,126
-,157
,509
1,000
Impor Beras
.
,000
,055
,364
Harga Beras
,000 .
,068
,332
Produksi Beras
,055
,068 .
,066
Kurs Rp. thdp USD
,364
,332
,066 .
Impor Beras
10
10
10
10
Harga Beras
10
10
10
10
Produksi Beras
10
10
10
10
Kurs Rp. thdp USD
10
10
10
10
Koefisien korelasi memiliki nilai paling kecil -1 dan paling besar +1 (-1≤ r ≤1).
Maka hasil perhitungan nilai korelasi secara manual dan SPSS 18 dapat dikatan
sebagai berikut:
Tabel 3.13 Interpretasi nilai korelasi
No. Korelasi
Koefisien
Korelasi
Interpretasi
1
��� 1
0,9986
Jika harga impor beras meningkat maka
permintaan impor beras akan meningkat sebanyak
99,86%
2
��� 2
0,5352
Jika produksi beras meningkat maka permintaan
Universitas Sumatera Utara
No. Korelasi
Koefisien
Korelasi
Interpretasi
impor beras akan meningkat sebanyak 53,53%
3
��� 3
-0,1260
Jika nilai tukar rupiah terhadap dolar meningkat
maka permintaan impor beras akan menurun
sebanyak 12,60%
4
�� 1 � 2
0,5066
Jika harga impor beras meningkat maka produksi
beras akan meningkat sebanyak 50,66%
5
�� 1 � 3
-0,1576
Jika harga impor beras meningkat maka nilai tukar
rupiah terhadap dolar akan menurun sebanyak
15,76%
6
�� 2 � 3
0,5075
Jika produksi beras meningkat maka nilai tukar
rupiah terhadap dolar akan meningkat sebanyak
50,75%
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem merupakan langkah yang dilakukan untuk menyelesaikan
desain sistem yang ada dalam desain yang telah disetujui, menginstal dan
memulai sistem baru atau sistem yang diperbaiki. Tahapan implementasi sistem
adalah tahapan penerapan hasil desain tertulis kedalam programming. Dalam
pengolahan data pada Tugas Akhir ini penulis menggunakan perangkat lunak
(softwere) sebagai implementasi sistem yaitu SPSS IncStatistics 18 for windows
dalam masalah memperoleh perhitungan.
4.2 Sejarah Singkat SPSS
SPSS (Statistical Package for Service Solution) merupakan sebuah program
statistika yang dibuat pada tahun 1968 oleh mahasiswa dari Universitas Standford.
Pada awalnya SPSS ditujukan untuk menganalisis data ilmu – ilmu sosial atau
dulu disebut Statistical Package for Sosial Science. Namun, seiring berjalannya
waktu
program ini
kemudian
berkembang
dan
berubah
nama
sesuai
kebutuhannya. Dan kini, SPSS telah banyak digunakan pada berbagai ilmu untuk
memproses data statistik karena dianggap dapat melakukan proses analisis dengan
cepat.
4.3 Cara Kerja SPSS
Cara kerjakomputerdan SPSS padaprinsipnyaadalahsama, yaitumeliputi 3 bagian
yaitu :
1.
Input
Pada komputer, input berupa data yang akan diolah dengan komputer. Proses
inputting dapat melalui keyboard, mouse, touch screen, atau harddisk. Pada
statistik, input berupa data yang telah dikumpulkan, diedit, dan ditabulasi dan
kemudian dianalisis. Pada SPSS input berupa data yang telah ditabulasi pada
Universitas Sumatera Utara
data editor bagian vew data, sedangkan proses coading dan pendefinisian
variabel pada view variabel.
2.
Proses
Pada komputer proses berupa eksekusi program komputer menjalankan
perintah-perintah sesuai dengan apa yang telah diprogramkan. Pada statistik
proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi,
baik statistik parametrik maupun statistik nonparametrik. Pada SPSS proses
berupa eksekusi program SPSS untuk menganalisis input yang ada di data
editor sesuai dengan perintah dari operator.
3.
Output
Padakomputer, output berupahasil pengolahan yang telah diproses dengan
program komputer yang sesuai. Bentuk output komputer bisa dalam bentuk
cetakan, tampilan, gambar, dan suara. Pada statistik output berupa hasil
analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau
tabel serta kesimpulan yang diperoleh dari hasil analisis. Pada SPSS, bentuk
output disajikan dalam bentuk output navigator.
4.4 Pengoperasian SPSS
Adapun langkah-langkah yang dilakukan untuk mengoperasikan SPSS, adalah
sebagai berikut:
4.4.1 Membuka Lembar Kerja SPSS
Jika program SPSS telah di install, maka cara memulai SPSS adalah sebagai
berikut:
1. Double klik pada desktop yang berlambang SPSS 18.0, atau
2. Klik menu start kemudian pilih dan klik SPSS 18.0
Universitas Sumatera Utara
Gambar4.1 Tampilan Mengaktifkan Lembar Kerja SPSS
4.4.2 Memasukkan Data dengan SPSS
Adapun langkah-langkah yang dapat dilakukan dalam pemasukan data dengan
program SPSS 18.0 adalah:
1. Buka dahulu Program SPSS for Windows
2. Setelah program SPSS terbuka, klik variable view yang terdapat pada SPSS
data editor untuk menginput nama variabel.
3. Klik variable view pada SPSS data editor, definisikan variabel Y dengan label
Impor beras, variabel X1 dengan label Harga Impor Beras, variabel X2 dengan
label Produksi Beras, dan variabel X3 dengan label Kurs Rupiah Terhadap
Dolar Amerika Serikat.
Gambar 4.2 Tampilan Pembuatan Variabel Pada Variable View
Universitas Sumatera Utara
4. Kemudian klik data view , maka akan terlihat empat variabel, input data
berdasarkan data yang tersedia, pada variabel Y, X1, X2, dan X3, masingmasing variabel diisi sebanyak 10 data sesuai dengan data pada tabel 3.1.
Gambar 4.3 Tampilan Pengisian Data pada Data View
4.4.3 Analisis Regresi Linier dan Korelasi dengan SPSS 18.0
Adapun langkah-langkah dalam analisis regresi dengan SPSS 18.0 adalah sebagai
berikut:
1. Klik Analyse – Regression – Linear
Gambar 4.4 Tampilan pada Saat Membuat Persamaan Regresi Linier Berganda
2. Maka akan muncul kotak dialog Linear Regression, kemudian pindahkan
variabel Produksi Perikanan Laut ke kolom Dependent dan variabel Jumlah
Universitas Sumatera Utara
Nelayan, Jumlah Kapal dan Jumlah Alat Penangkapan ke kolom Independent(s)
dengan mengklik tanda panah.
Gambar 4.5 Tampilan Kotak Dialog Linear Regression
3. Pilih dan klik menu statistics kemudian pada regression coefficient berikan
tanda ceklis pada kotak estimate, model fit, descriptive, part and partial
correlation,
kemudian pada residual berikan tanda ceklis pada casewise
diagnostic serta all cases, selanjutnya klik continue.
Gambar 4.6 Tampilan Kotak Dialog Linear Regression : Statistics
4. Kemudian klik OK untuk mengakhiri pengisian prosedur analisis. Dan
tampilan outputnya dapat dilihat pada Bab 3.
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data, maka dapat diambil beberapa kesimpulan
sebagai berikut:
a. Persamaan regresi linier berganda yang didapatkan adalah
b.
�� = −304.614,99 + 1,807�1 + 3.825,033�2 + 10.589,626�3
Hasil uji koefisien determinasi (R2) adalah 0,984 yang artinya, 98,4%
variabel dependen impor beras dapat dijelaskan dengan baik oleh ketiga
variabel independen. Sedangkan, 1,6% sisanya dijelaskan oleh faktor-faktor
lain yang tidak diteliti oleh penelitian ini.
c.
Berdasarkan perhitungan uji F diketahui bahwa Fhitung (1.458,932 ) >
Ftabel (4,76) sehingga H0 ditolak dan H1 diterima. Hal ini berarti persamaan
regresi linier berganda � atas �1 , �2 , dan �3 bersifat nyata yang berarti
bahwa harga impor beras, produksi beras dan kurs rupiah secara bersamasama mempengaruhi tingkat permintaan Impor Beras di Indonesia.
d. Nilai korelasi antara Harga Impor Beras dan permintaan Impor Beras
merupakan yang paling tinggi yaitu 0,9986.
5.2 Saran
Setelah penelitian dilakukan, diketahui bahwa harga beras impor yang paling
mempengaruhi permintaan beras impor di Indonesia. Hal ini mungkin terjadi
karena harga beras impor lebih murah dibanding beras dalam negeri. Melihat hal
ini, ada banyak faktor mengapa hal itu terjadi. Salah satunya adalah harga beras
dalam negeri relatif mahal. Faktor lain yang perlu dippertimbangkan adalah
produksi beras yg meningkat masih belum mencukupi konsumsi beras nasional.
Agar hal ini tidak berkelanjutan, maka disarankan kegiatan impor beras
semakin dikurangi. Ada baiknya kesejahteraan petani yang merupakan penghasil
beras ditingkatkan agar produksi beras semakin meningkat dan diharapkan akan
menekan tingginya harga beras dalam negeri.
Universitas Sumatera Utara
PEMBAHASAN
3.1 Pengumpulan Data
Data merupakan alat bagi pengambilan keputusan yang tepat dan juga sebagai
dasar untuk memecahkan masalah yang dihadapi. Maka penelitian ini
menggunakan data sekunder yang bersifat time series yang dimulai dari tahun
2005 hingga tahun 2014 berupa data statistik. Data tersebut diperoleh dari instansi
yang terkait dengan penelitian yaitu Kantor Badan Pusat Statistik Provinsi
Sumatera Utara. Adapun datanya adalah sebagai berikut :
Tabel 3.1 Data Impor Beras, CIF Value, Produksi Beras dan Kurs Rupiah
Tahun Impor Beras
CIF Value
Produksi Beras Nilai Kurs
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
189,617
51,499
438,108
132,620
2.500,000
703,167
289.689,411
124.142,808
250.473,149
108.153,251
687.581,501
360.784,998
2.750.476,186 1.513.163,507
1.810.372,303 945.623,182
472.664,654
246.002,090
844.163,741
388.178,457
54,15110
54,45494
57,15744
60,32592
64,39889
66,46939
65,75690
69,05612
71,27971
70,84647
9,830
9,020
9,419
10,950
9,400
8,991
9,068
9,670
12,189
12,440
di mana:
Jumlah Impor Beras (ribu kg)
Harga Impor Beras (ribu US$)
Produksi Beras (juta Ton)
Rata-rata Kurs Rupiah Per Tahun (ribu Rp)
:�
: �1
: �2
: �3
3.2 Pengolahan Data
Untuk membahas dan memecahkan masalah mengenai pengaruh jumlah
permintaan impor beras di Indonesia, akan digunakan data yang telah
dikumpulkan sebelumnya. Yaitu tentang jumlah permintaan impor beras di
Indonesia, harga impor beras per tahunnya, nilai tukar rupiah terhadap dolar
Amerika serta jumlah produksi beras yang dihasilkan oleh pertanian-pertanian
yang ada di Indonesia. Proses pengolahan dan penganalisisan data dilakukan
Universitas Sumatera Utara
dengan perhitungan manual dan menggunakan program SPSS, yaitu salah satu
program statistik yang mampu memproses data dengan cepat.
3.3 Persamaan Regresi linier Berganda
Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung
koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan jumlahjumlah variabel seperti berikut:
Tabel 3.2 Pengamatan Data Regresi Tiga Variabel X dan Satu Variabel Y
No.
�
�1
�2
�3
1
189,617
51,499
54,15110
9,830
2
438,108
132,620
54,45494
9,020
3
2.500,000
703,167
57,15744
9,419
4
289.689,411
124.142,808
60,32592
10,950
5
250.473,149
108.153,251
64,39889
9,400
6
687.581,501
360.784,998
66,46939
8,991
7
2.750.476,186
1.513.163,507
65,75690
9,068
8
1.810.372,303
945.623,182
69,05612
9,670
9
472.664,654
246.002,090
71,27971
12,189
10
844.163,741
388.178,457
70,84647
12,440
Jumlah
7.108.548,67
3.686.935,58
633,90
100,98
Tabel 3.3 Pengamatan Data Kuadratik Variabel X dan Variabel Y
No.
Y²
X₁²
X₂²
X₃²
1
35.954,61
2.652,15
2.932,34
96,63
2
191.938,62
17.588,06
2.965,34
81,36
3
6.250.000,00
494.443,83
3.266,97
88,72
4
83.919.954.845,53
15.411.436.778,12
3.639,22
119,90
5
62.736.798.369,98
11.697.125.701,87
4.147,22
88,36
6
472.768.320.517,41
130.165.814.781,86
4.418,18
80,84
7
7.565.119.249.753,11 2.289.663.798.916,54 4.323,97
82,23
8
3.277.447.875.469,52
894.203.202.335,81
4.768,75
93,51
9
223.411.875.140,94
60.517.028.284,37
5.080,80
148,57
10
712.612.421.619,12
150.682.514.478,90
5.019,22
154,75
Jumlah 12.398.022.973.608,80 3.552.341.435.961,51 40.562,00 1.034,87
Tabel 3.4 Pengamatan Perkalian Data Variabel X dan Variabel Y
No.
Y*X₁
Y*X₂
Y*X₃
1
9.765,09
10.267,97
1.863,94
2
58.101,88
23.857,14
3.951,73
3
1.757.917,50
142.893,59
23.547,50
Universitas Sumatera Utara
No.
4
5
6
7
8
9
10
Jumlah
Y*X₁
35.962.856.929,41
27.089.485.352,56
248.069.090.463,12
4.161.920.191.527,74
1.711.930.017.767,53
116.276.492.753,13
327.686.178.436,73
6.628.936.139.014,68
Y*X₂
17.475.780,23
16.130.192,77
45.703.122,95
180.862.787,52
125.017.287,00
33.691.399,46
59.806.021,15
478.863.609,78
Y*X₃
3.172.099,05
2.354.447,60
6.182.045,28
24.941.318,05
17.506.300,17
5.761.309,47
10.501.396,94
70.448.279,73
Tabel 3.5 Pengamatan Perkalian Data Variabel X dan Variabel X
No.
X₁*X₂
X₁*X₃
X₂*X₃
1
2.788,73
506,24
532,31
2
7.221,81
1.196,23
491,18
3
40.191,22
6.623,13
538,37
4
7.489.029,10
1.359.363,75
660,57
5
6.964.949,31
1.016.640,56
605,35
6
23.981.158,74
3.243.817,92
597,63
7
99.500.941,41
13.721.366,68
596,28
8
65.301.067,93
9.144.176,17
667,77
9
17.534.957,63
2.998.519,48
868,83
10
27.501.073,41
4.828.940,01
881,33
Jumlah 248.323.379,31
36.321.150,15
6.439,61
Dari Tabel 3.2 sampai Tabel 3.5 diperoleh hasil sebagai berikut :
∑ � = 7.108.548,67
∑ �3 2 = 1.034,87
∑ �2 = 633,90
∑ �. �2 = 478.863.609,78
∑ �1 = 3.686.935,58
∑ �3 = 100,98
∑ � 2 = 12.398.022.973.608,80
∑ �1 2 = 3.552.341.435.961,51
∑ �2 2 = 40.562,00
∑ �. �1 = 6.628.936.139.014,68
∑ �. �3 = 70.448.279,73
∑ �1 �2 = 248.323.379,31
∑ �1 �3 = 36.321.150,15
∑ �2 �3 = 6.439,61
Dengan mensubstitusikan angka-angka diatas kedalam sistem Persamaan (2.3),
maka diperoleh bentuk persamaannya sebagai berikut:
7.108.548,67 = 10b 0 + 3.686.935,58b 1 + 633,90b 2 + 100,98b 3
(3.1)
6.628.936.139.014,68 = 3.686.935,58b0 + 3.552.341.435.961,51b1 +
248.323.379,31b2 + 36.321.150,15�3
(3.2)
Universitas Sumatera Utara
478.863.609,78 = 633.90�0 + 248.323.379,31�1 + 40.562,00�2 +
6.439,61�3
70.448.279,73 = 100,98 �0 + 36.321.150,15�1 + 6.439,6�2 +
1.034,87�3
R
(3.3)
(3.4)
Untuk mengetahui nilai b 0 , b 1 , b 2 , dan b 3 sistem persamaan (3.1),(3.2),(3.3) dan
(3.4) dapat ditulis dalam notasi matriks sebagai berikut:
10
3.686.935
�
633.896,9
100,97
3.686.935,58
3.552.341.435.961
248.323.379,31
36.321.150,15
633.896,90
248.323.379
40.562,00
6.439,61
�
�0
100,98
7.108.548,67
36.321.150 �1 6.628.936.139.015
�� ��
�
�2
6.439.61
478.863.609,78
1.034,87
70.448.279,73
�3
�
�
Nilai dugaan bagi parameter model diketahui melalui persamaan:
� = �−1 �
�−1 =
1
det �
(3.5)
��� �)
(3.6)
Berdasarkan persamaan (3.6) diperoleh nilai invers dari matriks � yaitu:
13,3650134 0,000001160051
0,0000012 0,000000000001
�
−,2040385 −0,000000053707
−0,0751441 0,000000189685
−0,204038452
−0,000000054
0,006789710
−0,020455933
−0,07514414
0,00000019
�
−0,02045593
0,12893071
Maka, nilai koefisien adalah:
13,365013 0,0000011600
0,000001 0,00000000000
�=�
−,204038 −0,000000053
−0,0751440,00000018968
� = �−1 �
−0,20403845
−0,00000005
0,00678971
−0,02045593
7.108.548,6
−0,0751441
6.628.936.139.015
0,0000002
��
�
−0,0204559
478.863.609,78
0,12893071
70.448.279,73
−304.614,99
1,807
�
�=�
3825,033
10589,626
Jadi dapat diketahui nilai koefisien-koefisien linier bergandanya yaitu:
b 0 = −304.614,99
b 1 = 1,807
b 2 = 03825,03
b 3 = 110589,626
Universitas Sumatera Utara
Perhitungan serupa juga dilakukan dengan menggunakan SPSS 18
sehingga
diperoleh hasil sebagai berikut:
Tabel 3.6 Nilai – Nilai Koefisien
Model
1 (Constant)
Coefficientsa
Unstandardized
Coefficients
B
Std. Error
-304614,993 149658,465
Harga Impor Beras
1,807
Produksi Beras
3825,033
Kurs Rp terhadap
10589,627
Dolar
a. Dependent Variable: Impor Beras
Standardized
Coefficients
Beta
,039
3373,201
14699,237
t
Sig.
-2,035 ,088
,987 46,716 ,000
,027 1,134 ,300
,015
,720 ,498
Pada tabel 3.6 dapat juga diketahui nilai-nilai koefisien linier bergandanya adalah:
�0
�1
�2
�3
= −304.614,993
= 1,807
= 3825,033
= 10589,626
Sehingga diperoleh persamaan regresinya :
�� = �0 + �1 �1 + �2 �2 + ⋯ + �� ��
�� = −304.614,99 + 1,807�1 + 3.825,033�2 + 10.589,626�3
Dari persamaan regresi diatas dapat diketahui Harga Impor Beras (�1 ),
Produksi Beras (�2 ) dan Nilai Kurs Rupiah Terhadap Dolar (�3 ) mempunyai
koefisien regresi yang positif terhadap Permintaan Impor Beras (�). Hal ini
menunjukkan bahwa Permintaan Impor Beras di Indonesia dipengaruhi oleh
Impor Beras, Produksi Beras dan Nilai Kurs Rupiah Terhadap Dolar. Dengan
melihat Tabel 3.6 di atas dan melihat persamaan regresi tersebut, maka telah
diketahui variabel yang paling mempengaruhi.
3.4 Uji Regresi Linier Berganda
Setelah persamaan regresi diperoleh maka persamaan tersebut perlu diuji sebelum
digunakan untuk membuat suatu kesimpulan. Perumusan hipotesa untuk Uji
Regresi Berganda tersebut adalah:
�0 : �0 = �1 = �2 = �3 = 0
Universitas Sumatera Utara
Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu harga
impor beras, produksi beras dan kurs rupiah terhadap permintaan Impor Beras
di Indonesia.
�1 : �0 = �1 = �2 = �3 ≠ 0
Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol.
Terdapat pengaruh yang signifikan antara variabel bebas yaitu harga impor
beras, produksi beras dan kurs rupiah terhadap permintaan Impor Beras di
Indonesia.
Kriteria pengujan hipotesanya:
Jika �ℎ����� ≥ ������ , maka �0 ditolak dan �1 diterima
Jika �ℎ����� < ������ , maka �0 diterima dan �1 ditolak
�ℎ����� dapat diketahui melalui persamaan (2.4) dan untuk menguji model regresi
yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi
(����� ) dan JK untuk sisa (����� ) yang diperoleh melalui persamaan (2.5) dan
(2.6).
Untuk menentukannya maka diperlukan jumlah-jumlah variabel seperti berikut:
No.
1
2
3
4
5
6
7
8
9
10
Jumlah
No.
1
2
3
Tabel 3.7 Data pengamatan nilai �, �1 , �2 dan x3
�
�1
�2
-710.665,253
-368.642,061
-9,239
-710.416,762
-368.560,940
-8,935
-708.354,870
-367.990,393
-6,233
-421.165,459
-244.550,752
-3,064
-460.381,721
-260.540,309
1,009
-23.273,369
-7.908,562
3,079
2.039.621,316
1.144.469,947
2,367
1.099.517,433
576.929,622
5,666
-238.190,216
-122.691,470
7,890
133.308,871
19.484,897
7,456
-0,030
-0,021
-0,003
Tabel 3.8 Data pengamatan nilai � 2 , �1 2 , �2 2 dan �3 2
�2
�1 2
�2 2
505.045.101.821,55
135.896.969.138,33
85,36
504.691.975.730,57
135.837.166.493,68
79,84
501.766.621.852,72
135.416.929.340,29
38,84
�3
-0,270
-1,080
-0,681
0,850
-0,700
-1,109
-1,032
-0,430
2,089
2,340
-0,023
�3 2
0,07
1,17
0,46
Universitas Sumatera Utara
No.
4
5
6
7
8
9
10
Jumlah
�2
177.380.343.854,68
211.951.329.030,92
541.649.704,61
4.160.055.112.681,57
1.208.938.585.470,91
56.734.578.998,13
17.771.255.087,29
7.344.876.554.232,95
�1 2
59.805.070.303,77
67.881.252.613,82
62.545.352,91
1.309.811.459.586,18
332.847.788.741,06
15.053.196.810,76
379.661.211,10
2.192.992.039.591,90
�2 2
9,39
1,02
9,48
5,60
32,10
62,25
55,60
379,48
�3 2
0,72
0,49
1,23
1,07
0,18
4,36
5,48
15,23
Tabel 3.9 Data pengamatan hasil perkalian variabel � dan �
No.
�1 �
�2 �
�3 �
1
261.981.103.547,01
6.565.767,338
191.879,6183
2
261.831.869.594,48
6.347.618,525
767.250,103
3
260.667.786.994,76
4.414.867,77
482.389,6665
4
102.996.329.714,88
1.290.484,66
-357.990,6402
5
119.947.995.847,29
-464.474,5145
322.267,2047
6
184.058.881,69
-71.667,77976
25.810,16622
7
2.334.285.299.422,59 4.827.579,693
-2.104.889,198
8
634.344.177.003,10
6.229.997,717
-472.792,4962
9
29.223.907.740,66
-1.879.251,729
-497.579,3612
10
2.597.509.620,62
994.013,5973
311.942,7581
Jumlah
4.008.060.038.367,07 28.254.935,28
- 1.331.712,18
Dari Tabel 3.7 sampai Tabel 3.9, diperoleh nilai
∑ � = −0,030
∑ �. �3 = − 1.331.712,18
∑ �2 = − 0,003
∑ �1 2 2.192.992.039.591,90
∑ �1 = − 0,021
∑ �3 = − 0,023
∑ �. �1 = 4.008.060.038.367,07
∑ �. �2 = 28.254.935,28
∑ � 2 = 7.344.876.554.232,95
∑ �2 2 = 379,48
∑ �3 2 = 15,23
Sehingga diperoleh dua macam kuadrat-kuadrat yaitu JK reg dan JK res sebagai
berikut:
JK reg = b1 ∑ x1 y + b2 ∑ x2 y + b3 ∑ x3 y
JK reg = (1,807)(4.008.060.038.367,07) + (3.825,03)(28.254.935,28) +
(110.589,626)(− 1.331.712,18)
JK reg = 7.240.847.773.536,30 + 28.254.935,28 − 14102334641,09
Universitas Sumatera Utara
JK reg = 7.226.773.693.830,49
JK res = ∑(Ŷ − Y)²
∑(Ŷ − Y)2 = 10.055.054.093,25
Maka Fhitung dapat dicari dengan:
Fhitung =
Fhitung =
Fhitung =
JK reg
k
JK res
n −k −1
7.226 .773 .693 .830 ,49
3
10.055 .054 .093 ,25
10−3−1
2.408.924.564.610,163
1.675.842.348,875
Fhitung = 1.458,932
Perhitungan serupa juga dilakukan dengan SPSS 18, dan diperoleh hasil sebagai
berikut:
Tabel 3.10 Nilai ANOVA
Model
1
Regression
Residual
Sum of Squares
7,335E12
1,006E10
ANOVAb
df
3
6
7,345E12
9
Total
Mean Square
2,445E12
1,676E9
F
1458,932
Sig.
,000a
a. Predictors: (Constant), Kurs Rp terhadap Dolar, Harga Impor Beras, Produksi Beras
b. Dependent Variable: Impor Beras
Untuk Ftabel , yaitu nilai statistik F jika dilihat dari tabel distribusi F
dengan derajat kebebasan pembilang v1 = k = 3 dan v2 = n − k − 1 = 6, dan
α = 5% = 0,05 maka;
Ftabel = F(α)(v 1 ;v 2 ) = F(α)(k;n−k−1)
= F(0,05)(6)
= 4,76
Dengan demikian dapat dilihat bahwa nilai Fhitung (1.458,932 ) > Ftabel (4,76).
Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier
berganda � atas �1 , �2 , dan �3 bersifat nyata yang berarti bahwa harga impor
beras, produksi beras dan kurs rupiah secara bersama-sama mempengaruhi tingkat
permintaan Impor Beras di Indonesia.
3.5 Uji Determinasi
Untuk mengetahui pengaruh antara Variabel � dan Variable �, maka nilai
koefisien determinasi diperoleh dari persamaan:
�����
�2 =
∑(�)2
Universitas Sumatera Utara
Dengan
����� = 7.226.773.693.830,49
nilai
dan
nilai
∑ � 2 = 7.344.876.554.232,95, maka nilai �2 adalah
�� ���
�2 = ∑(�)2
�2 =
7.226.773.693.830,49
7.344.876.554.232,95
�2 = 0,984
Dan untuk koefisien korelasi ganda digunakan rumus:
� = √�2
� = √0,984
� = 0,99
Perhitungan dengan SPSS 18 untuk mencari nilai koefisien determinasi dapat
dilihat pada tabel berikut:
Tabel 3.11 Nilai Model Summary
Model Summaryb
Model
dimension0
1
R
,999a
R Square
Adjusted R Square
,999
Std. Error of the Estimate
,998
40937,05431
a. Predictors: (Constant), Kurs Rp terhadap Dolar, Harga Impor Beras, Produksi Beras
b. Dependent Variable: Impor Beras
Dan dari perhitungan di atas didapat nilai �2 = 0,985, hal ini artinya variabel
bebas harga impor beras (�1 ), jumlah produksi beras(�2 ), dan nilai kurs rupiah per
tahun (�3 ), memiliki pengaruh sebesar 98,5 % terhadap jumlah permintaan impor
beras (Y). Sisanya dipengaruhi oleh variabel lain seperti misalnya pendapatan
penduduk, selera, adanya barang substitusi (pengganti) dan lain sebagainya yang
dapat dijelaskan oleh faktor yang lain yang tidak diteliti oleh penelitian ini. Dari
hasil perhitungan diperoleh juga korelasi (R) positif yaitu sebesar 0,999 yang
menunjukkan bahwa antara variabel bebas X
dengan variabel tak bebas Y
berhubungan secara positif dengan tingkat yang tinggi.
3.6 Perhitungan Korelasi antar Variabel
Untuk mengukur besarnya pegaruh setiap variabel dengan variabel lainnya, dari
hasil pengamatan Tabel 3.2, Tabel 3.3, Tabel 3.4 dan Tabel 3.5 dapat dihitung
besar koefisien korelasinya yaitu:
Universitas Sumatera Utara
a. Koefisien korelasi antara permintaan impor beras dengan harga impor beras
ryx 1 =
ryx 1 =
ryx 1 =
n ∑ X 1 Y−(∑ X 1 )(∑ Y)
��n ∑ X 21 −(∑ X 1 )2 ��n ∑ Y 2 −(∑ Y)2 �
10(6.628.936.139.014,7) − (3.686.935,58)(7108548,67)
�{(10)(3.552.341.435.961,5) − (3.686.935,6)2 }{(10)(12.398.022.973.608,8) − (7.108.548,7)2 }
66.289.361.390.147 − 26208761013584,7
�{(35523414359615 − 13593493971069,9)(123980229736088 − 50531464193758,8)}
ryx 1 =
ryx 1 =
ryx 1 =
40080600376562 ,1
�{(21929920388545 ,1)(73448765542329 ,2)}
40080600376562 ,1
√1,6107255809802 E+27
40080600376562 ,1
40133845828430 ,1
ryx 1 = 0,9986
b. Koefisien korelasi antara permintaan impor beras dengan produksi beras
ryx 2 =
ryx 2 =
ryx 2 =
n ∑ X 2 Y−(∑ X 2 )(∑ Y)
��n ∑ X 22 −(∑ X 2 )2 ��n ∑ Y 2 −(∑ Y)2 �
10(478863609,78) − (3.686.935,58)(633,9)
�{(10)(40562) − (633,9)2 }{(10)(12.398.022.973.608,8) − (7.108.548,7)2 }
4788636097,8 − 4506109001,913
�{(405620 − 401825,24)(123980229736088 − 50531464193758,8)}
ryx 2 =
ryx 2 =
ryx 2 =
282527095 ,88
�{(3794,759)(73448765542329 ,2)}
282527095 ,88
√278720398748235000
282527095 ,88
527939768 ,106396
ryx 2 = 0,53515
c. Koefisien korelasi antara permintaan impor beras dengan nilai kurs rupiah
ryx 3 =
ryx 3 =
ryx 3 =
n ∑ X 3 Y−(∑ X 3 )(∑ Y)
��n ∑ X 23 −(∑ X 3 )2 ��n ∑ Y 2 −(∑ Y)2 �
10(70448279,73) − (100,98)(633,9)
�{(10)(40562) − (633,9)2 }{(10)(12.398.022.973.608,8) − (7.108.548,7)2 }
704482797,3 − 717821244,69
�{(10348,7 − 10196,35)(123980229736088 − 50531464193758,8)}
ryx 3 =
−13338447 ,39
�{(152,34)(73448765542329 ,2)}
Universitas Sumatera Utara
ryx 3 =
ryx 3 =
−13338447 ,39
√11189586780914600
−13338447 ,39
105780843 ,16
ryx 3 = −0,12609
d. Koefisien korelasi antara permintaan harga impor beras dengan produksi beras
rx 1 x 2 =
rx 1 x 2
=
rx 1 x 2
=
rx 1 x 2 =
rx 1 x 2 =
rx 1 x 2 =
n ∑ X 1 X 2 −(∑ X 1 )(∑ X 2 )
��n ∑ X 21 −(∑ X 1 )2 ��n ∑ X 2 2 −(∑ X 2 )2 �
10(248323379,31) − (3.686.935,58)(633,9)
�{(10)(3.552.341.435.961,5) − (3.686.935,6)2 }{(10)(633,9) − (633,9)2 }
2483233793,1 − 2337148464,162
�{(35523414359615 − 13593493971069,9)(405620 − 401829,21)}
146085328 ,938
�{(21929920388545 ,1)(3790,79)}
146085328 ,938
√83131722909693900
146085328 ,938
288325723 ,63
rx 1 x 2 = 0,50666
e. Koefisien korelasi antara permintaan harga impor beras dengan kurs rupiah
rx 1 x 3 =
rx 1 x 3
=
rx 1 x 3
=
rx 1 x 3 =
rx 1 x 3 =
rx 1 x 3 =
n ∑ X 1 X 3 −(∑ X 1 )(∑ X 3 )
��n ∑ X 21 −(∑ X 1 )2 ��n ∑ X 3 2 −(∑ X 3 )2 �
10(36321150,15) − (3.686.935,58)(100,98)
�{(10)(3.552.341.435.961,5) − (3.686.935,6)2 }{(10)(1034,87) − (100,98)2 }
363211501,53 − 372306754,86
�{(35523414359615 − 13593493971069,9)(10348,7 − 10196,96)}
−9095253,33
�{(21929920388545 ,1)(151,739)}
−9095253,33
√3327637347789660
−9095253,33
57685677 ,14
rx 1 x 3 = −0,15766
f. Koefisien korelasi antara permintaan produksi beras dengan kurs rupiah
rx 2 x 3 =
n ∑ X 2 X 3 −(∑ X 2 )(∑ X 3 )
��n ∑ X 22 −(∑ X 2 )2 ��n ∑ X 3 2 −(∑ X 3 )2 �
Universitas Sumatera Utara
rx 2 x 3
=
rx 2 x 3
=
rx 2 x 3 =
rx 2 x 3 =
rx 2 x 3 =
10(6439,61) − (633,9)(100,98)
�{(10)(40562) − (633,9)2 }{(10)(1034,87) − (100,98)2 }
64396,14 − 64011,22
�{(405620 − 401829,21)(10348,7 − 10196,96)}
384,91
�{(3790,79)(151,739)}
384,91
√575212 ,95
384,91
758,42
rx 2 x 3 = 0,50752
Perhitungan nilai korelasi antar veriabel yangg dihitung menggunakan SPSS 18
adalah sebagai berikut:
Tabel 3.12 Koefisien Korelasi Antar Variabel
Pearson
Correlation
Sig. (1-tailed)
N
Correlations
Impor
Harga
Produksi
Kurs Rp. thdp
Beras
Beras
Beras
USD
Impor Beras
1,000
,999
,535
-,126
Harga Beras
,999
1,000
,506
-,157
Produksi Beras
,535
,506
1,000
,509
Kurs Rp. thdp USD
-,126
-,157
,509
1,000
Impor Beras
.
,000
,055
,364
Harga Beras
,000 .
,068
,332
Produksi Beras
,055
,068 .
,066
Kurs Rp. thdp USD
,364
,332
,066 .
Impor Beras
10
10
10
10
Harga Beras
10
10
10
10
Produksi Beras
10
10
10
10
Kurs Rp. thdp USD
10
10
10
10
Koefisien korelasi memiliki nilai paling kecil -1 dan paling besar +1 (-1≤ r ≤1).
Maka hasil perhitungan nilai korelasi secara manual dan SPSS 18 dapat dikatan
sebagai berikut:
Tabel 3.13 Interpretasi nilai korelasi
No. Korelasi
Koefisien
Korelasi
Interpretasi
1
��� 1
0,9986
Jika harga impor beras meningkat maka
permintaan impor beras akan meningkat sebanyak
99,86%
2
��� 2
0,5352
Jika produksi beras meningkat maka permintaan
Universitas Sumatera Utara
No. Korelasi
Koefisien
Korelasi
Interpretasi
impor beras akan meningkat sebanyak 53,53%
3
��� 3
-0,1260
Jika nilai tukar rupiah terhadap dolar meningkat
maka permintaan impor beras akan menurun
sebanyak 12,60%
4
�� 1 � 2
0,5066
Jika harga impor beras meningkat maka produksi
beras akan meningkat sebanyak 50,66%
5
�� 1 � 3
-0,1576
Jika harga impor beras meningkat maka nilai tukar
rupiah terhadap dolar akan menurun sebanyak
15,76%
6
�� 2 � 3
0,5075
Jika produksi beras meningkat maka nilai tukar
rupiah terhadap dolar akan meningkat sebanyak
50,75%
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem merupakan langkah yang dilakukan untuk menyelesaikan
desain sistem yang ada dalam desain yang telah disetujui, menginstal dan
memulai sistem baru atau sistem yang diperbaiki. Tahapan implementasi sistem
adalah tahapan penerapan hasil desain tertulis kedalam programming. Dalam
pengolahan data pada Tugas Akhir ini penulis menggunakan perangkat lunak
(softwere) sebagai implementasi sistem yaitu SPSS IncStatistics 18 for windows
dalam masalah memperoleh perhitungan.
4.2 Sejarah Singkat SPSS
SPSS (Statistical Package for Service Solution) merupakan sebuah program
statistika yang dibuat pada tahun 1968 oleh mahasiswa dari Universitas Standford.
Pada awalnya SPSS ditujukan untuk menganalisis data ilmu – ilmu sosial atau
dulu disebut Statistical Package for Sosial Science. Namun, seiring berjalannya
waktu
program ini
kemudian
berkembang
dan
berubah
nama
sesuai
kebutuhannya. Dan kini, SPSS telah banyak digunakan pada berbagai ilmu untuk
memproses data statistik karena dianggap dapat melakukan proses analisis dengan
cepat.
4.3 Cara Kerja SPSS
Cara kerjakomputerdan SPSS padaprinsipnyaadalahsama, yaitumeliputi 3 bagian
yaitu :
1.
Input
Pada komputer, input berupa data yang akan diolah dengan komputer. Proses
inputting dapat melalui keyboard, mouse, touch screen, atau harddisk. Pada
statistik, input berupa data yang telah dikumpulkan, diedit, dan ditabulasi dan
kemudian dianalisis. Pada SPSS input berupa data yang telah ditabulasi pada
Universitas Sumatera Utara
data editor bagian vew data, sedangkan proses coading dan pendefinisian
variabel pada view variabel.
2.
Proses
Pada komputer proses berupa eksekusi program komputer menjalankan
perintah-perintah sesuai dengan apa yang telah diprogramkan. Pada statistik
proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi,
baik statistik parametrik maupun statistik nonparametrik. Pada SPSS proses
berupa eksekusi program SPSS untuk menganalisis input yang ada di data
editor sesuai dengan perintah dari operator.
3.
Output
Padakomputer, output berupahasil pengolahan yang telah diproses dengan
program komputer yang sesuai. Bentuk output komputer bisa dalam bentuk
cetakan, tampilan, gambar, dan suara. Pada statistik output berupa hasil
analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau
tabel serta kesimpulan yang diperoleh dari hasil analisis. Pada SPSS, bentuk
output disajikan dalam bentuk output navigator.
4.4 Pengoperasian SPSS
Adapun langkah-langkah yang dilakukan untuk mengoperasikan SPSS, adalah
sebagai berikut:
4.4.1 Membuka Lembar Kerja SPSS
Jika program SPSS telah di install, maka cara memulai SPSS adalah sebagai
berikut:
1. Double klik pada desktop yang berlambang SPSS 18.0, atau
2. Klik menu start kemudian pilih dan klik SPSS 18.0
Universitas Sumatera Utara
Gambar4.1 Tampilan Mengaktifkan Lembar Kerja SPSS
4.4.2 Memasukkan Data dengan SPSS
Adapun langkah-langkah yang dapat dilakukan dalam pemasukan data dengan
program SPSS 18.0 adalah:
1. Buka dahulu Program SPSS for Windows
2. Setelah program SPSS terbuka, klik variable view yang terdapat pada SPSS
data editor untuk menginput nama variabel.
3. Klik variable view pada SPSS data editor, definisikan variabel Y dengan label
Impor beras, variabel X1 dengan label Harga Impor Beras, variabel X2 dengan
label Produksi Beras, dan variabel X3 dengan label Kurs Rupiah Terhadap
Dolar Amerika Serikat.
Gambar 4.2 Tampilan Pembuatan Variabel Pada Variable View
Universitas Sumatera Utara
4. Kemudian klik data view , maka akan terlihat empat variabel, input data
berdasarkan data yang tersedia, pada variabel Y, X1, X2, dan X3, masingmasing variabel diisi sebanyak 10 data sesuai dengan data pada tabel 3.1.
Gambar 4.3 Tampilan Pengisian Data pada Data View
4.4.3 Analisis Regresi Linier dan Korelasi dengan SPSS 18.0
Adapun langkah-langkah dalam analisis regresi dengan SPSS 18.0 adalah sebagai
berikut:
1. Klik Analyse – Regression – Linear
Gambar 4.4 Tampilan pada Saat Membuat Persamaan Regresi Linier Berganda
2. Maka akan muncul kotak dialog Linear Regression, kemudian pindahkan
variabel Produksi Perikanan Laut ke kolom Dependent dan variabel Jumlah
Universitas Sumatera Utara
Nelayan, Jumlah Kapal dan Jumlah Alat Penangkapan ke kolom Independent(s)
dengan mengklik tanda panah.
Gambar 4.5 Tampilan Kotak Dialog Linear Regression
3. Pilih dan klik menu statistics kemudian pada regression coefficient berikan
tanda ceklis pada kotak estimate, model fit, descriptive, part and partial
correlation,
kemudian pada residual berikan tanda ceklis pada casewise
diagnostic serta all cases, selanjutnya klik continue.
Gambar 4.6 Tampilan Kotak Dialog Linear Regression : Statistics
4. Kemudian klik OK untuk mengakhiri pengisian prosedur analisis. Dan
tampilan outputnya dapat dilihat pada Bab 3.
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data, maka dapat diambil beberapa kesimpulan
sebagai berikut:
a. Persamaan regresi linier berganda yang didapatkan adalah
b.
�� = −304.614,99 + 1,807�1 + 3.825,033�2 + 10.589,626�3
Hasil uji koefisien determinasi (R2) adalah 0,984 yang artinya, 98,4%
variabel dependen impor beras dapat dijelaskan dengan baik oleh ketiga
variabel independen. Sedangkan, 1,6% sisanya dijelaskan oleh faktor-faktor
lain yang tidak diteliti oleh penelitian ini.
c.
Berdasarkan perhitungan uji F diketahui bahwa Fhitung (1.458,932 ) >
Ftabel (4,76) sehingga H0 ditolak dan H1 diterima. Hal ini berarti persamaan
regresi linier berganda � atas �1 , �2 , dan �3 bersifat nyata yang berarti
bahwa harga impor beras, produksi beras dan kurs rupiah secara bersamasama mempengaruhi tingkat permintaan Impor Beras di Indonesia.
d. Nilai korelasi antara Harga Impor Beras dan permintaan Impor Beras
merupakan yang paling tinggi yaitu 0,9986.
5.2 Saran
Setelah penelitian dilakukan, diketahui bahwa harga beras impor yang paling
mempengaruhi permintaan beras impor di Indonesia. Hal ini mungkin terjadi
karena harga beras impor lebih murah dibanding beras dalam negeri. Melihat hal
ini, ada banyak faktor mengapa hal itu terjadi. Salah satunya adalah harga beras
dalam negeri relatif mahal. Faktor lain yang perlu dippertimbangkan adalah
produksi beras yg meningkat masih belum mencukupi konsumsi beras nasional.
Agar hal ini tidak berkelanjutan, maka disarankan kegiatan impor beras
semakin dikurangi. Ada baiknya kesejahteraan petani yang merupakan penghasil
beras ditingkatkan agar produksi beras semakin meningkat dan diharapkan akan
menekan tingginya harga beras dalam negeri.
Universitas Sumatera Utara