Analisis Faktorfaktor Yang Mempengaruhi Laju Pertumbuhan Produk Domestik Regional Brut Di Kabupaten Dairi Chapter III VI
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1
Sejarah Badan Pusat Statistik (BPS)
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat
Statistik (BPS) Melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada
bidang pertanian, agraria, pertambangan, kependudukan, social, ketenagakerjaan,
keuangan, pendapatan, dan keagamaan. Selain hal-hal tersebut Badan Pusat Statistik
juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari
segenap instansibaik dari dari pusat maupun daerah dengan tujuan mencegah
dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan
keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran-ukuran lainnya.
Berikut ini beberapa masa peralihan BPS di Indonesia:
3.1.1
Masa Pemerintahan Hindia Belanda
Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur
Pertanian, Kerajinan dan Perdagangan (Directure Vand Landbow Nijeverheiden
Handend) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan
mempublikasikan data statistik
Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya
merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk
merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai
kesatuan dalam kegiatan di bidang statitik di Indonesia.
Universitas Sumatera Utara
Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama
Central Kantor Voor de Statistik (CKS) atau kantor pusat statistik dan dipindahkan ke
Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme statistik
perdagangan yang semula dilakukan oleh kantor Invoer Vitvoer en Accijensen (IUA)
yang sekarang diisebut kantor Bea dan Cukai.
3.1.2
Masa Pemerintahan Jepang
Pada bulan Juni 1942, pemerintah Jepang baru mengaktifkan kembali kegiatan
Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer.
Pada masa ini Central Kantor Voor de Statistik diganti namanya menjadi Shomubu
Chasasitsu Gunseikanbu.
3.1.3
Masa Kemerdekaan Republik Indonesia
Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik
ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu
KAPPURI (Kantor Pusat Perangkat Umum Republik Indonesia) dipindahkan ke
Yogyakarta sebagai sekuens dari perjanjian Linggarjati. Sementara itu pemerintah
Belanda (NICA) di Jakarta mengaktifkan kembaliCentral Kantor Voor de Statistik.
Berdasarkan surat edaran kementerian kemakmuran tanggal 12 Juni 1950
Nomor 219/S.C,KAPURRI (Kantor Pusat Perangkat Umum Republik Indonesia) dan
Central Voor de Statistik dilebur menjadi Kantor Pusat Statistik (KPS) dan berada di
bawah dan bertanggung jawab kepada Menteri Kemakmuran.
Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 Nomor p/44,
Lembaga Kantor Pusat Statistik berada dibawah dan bertanggung jawab kepada
Menteri Perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24
Universitas Sumatera Utara
Desember 1953 Nomor:18.099/M, KPS dibagi menjadi dua bagian yaitu bagian
Research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang
disebut Afdeling B.
Dengan keputusan Presiden RI Nomor 131 tahun 1957, kemerdekaan
Perekonomian
dipecah
menjadi
kementerian
Perdagangan
dan
kementerian
Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172,terhitung tanggal
1 Juni 1957 Kantor Pusat Statistik diubah menjadi Biro Pusat Statistik yang semula
menjadi tanggung jawab dan wewenang berada di bawah Perdana Menteri.
3.1.4
Masa Orde Baru Sampai Sekarang
Perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang
handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan organisasi
Biro Pusat Statistik
.
Dalam masa orde baru Badan Pusat Statistik telah mengalami empat kali
perubahan struktur organisasi:
1.
Peraturan Pemerintah Nomor 16 tahun 1969 tentang organisasi Badan Pusat
Statistik.
2.
Peraturan Pemerintah Nomor 6 tahun 1980 tentang organisasi Badan Pusat
Statistik.
3.
Peraturan Pemerintah Nomor 2 tahun 1992 tentang organisasi Badan Pusat
Statistik dan Keputusan Presiden Nomor 6 tahun 1992 tentang kedudukan,
tugas, fungsi, reorganisasi, susunan dan tata Kerja Biro Pusat Statistik.
Universitas Sumatera Utara
4.
Undang-undang Nomor 16 tahun 1917 tentang Statistik.
5.
Keputusan Presiden RI Nomor 86 tahun1998 tentang Badan Pusat Statistik.
6.
Keputusan Pemerintah Nomor 51 tahun 1999 tentang penyelenggaraan
Statistik.
Tahun 1968, ditetapkan peraturan Pemerintah Nomor 16 tahun 1968 yaitu
yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980 peraturan
pemerintah nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan
pemerintah Nomor 16 tahun 1968. Berdasarkan peraturan Pemerintah Nomor 6 tahun
1980 di tiap propinsi terdapat perwakilan BPS (Badan Pusat Statistik).
Pada tanggal 17 Juni 1998 dengan keputusan Presiden Republik Indonesia Nomor 86
tahun1998 ditetapkan Badan Pusat Statistik, sekaligus mengatur tata kerja dan struktur
organisasi BPS (Badan Pusat Statistik) yang baru.
3.2
Logo Instansi Badan Pusat Statistik
BADAN PUSAT STATISTIK
Gambar 2.1 Logo BPS
Universitas Sumatera Utara
Logo BPS terdiri dari 3 warna yang masing-masing mempunyai makna. Adapun
makna yang dimaksud adalah :
1. Biru
Memiliki makna tentang Sensus Penduduk yang dilakukan oleh pihak BPS setiap 10
tahun sekali (tahun berakhiran angka 0) yang mencakup index pembangunan manusia,
kemiskinan, kependudukan, kesehatan, ketahanan sosial, konsumsi dan pagelaran,
pendidikan, perumahan, sosial budaya, tenaga kerja.
2. Hijau
Memiliki makna tentang Sensus Pertanian yang dilakukan setiap 10 tahun sekali
(tahun berakhiran angka 3) yang mencakup index tanaman pangan, hortikultura,
kehutanan, perkebunan, perikanan dan peternakan.
3. Orange
Memiki makna tentang Sensus Ekonomi yang dilakukan setiap 10 tahun sekali (tahun
berakhiran angka 6) yang mencakup index kegiatan ekspor-impor, industri, inflasi,
harga produsen, harga perdagangan, keuangan, komunikasi, konstruksi, neraca arus
dana, nilai tukar petani, pariwisata, produk domestik bruto, produk domestik regional
bruto, transportasi, upah buruh, dan usaha mikro kecil.
3.3
Visi dan Misi Badan Pusat Statistik
Visi
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang
punggung informasi pembangunan nasional dan regional, didukung Sumber Daya
Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.
Universitas Sumatera Utara
Misi
Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi
mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu,
handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan
statistik serta pengembanan ilmu pengetahuan statistik.
3.4
Struktur Organisasi Badan Pusat Statistik
Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur
organisasi, karena perusahaan juga merupakan organisasi. Organisasi adalah suatu
sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah
orang untuk mencapai tujuan bersama.
Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung
jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana
hubungannya yang satu dengan yang lain. Struktir organisasi perusahaan merupakan
salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan
dalam mencapai suatu tujuan yang ditetapkan. Dengan adanya struktur organisasi
maka akan jelaslah pemisahan tugas dari para pegawai atau staf.
Sruktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah
struktur organisasi ini dan staf. Struktur ini mengandung unsur-unsur spesialisasi
kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan
dan ukuran satuan yang menunjukkan lokasi
pembuatan keputusan, dan ukuran
satuan yang menunjukkan suatu kelompok kerja.
Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat
Statistik Provinsi Sumatera Utara adalah:
Universitas Sumatera Utara
1. Pengkoordinasian yaitu yang memungkinkan komunikasi intergrasi berbagai
departemen dan kegiatan-kegiatan yang salaing berhubungan satu sama lain.
2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi
manajemen.
3. Pembuataan keputusan yaitu membuat keputusan-keputusan dan mengamati
bagaimana pelaksanaan dari keputusan tersebut.
Adapun struktur organisasi Badan Pusat Statistik Provinsi Sumatera Utara
adalah sebagai berikut:
1. Peraturan Presiden Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat
Statistik sebagaimana lampiran dalam organisasi Kantor Badan Pusat Statistik
Provinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.
2. Kepala kantor dibantu tata usaha yang terdiri dari:
•
Sub Bagian Urusan Dalam
•
Sub Bagian Perlengkapan
•
Sub Bagian Keuangan
•
Sub Bagian Kepegawaian
•
Sub Bagian Bina Potensi/Bina Program
3. Sedangkan Bidang Penunjangan Statistik terdiri dari 5 (lima) bidang yaitu:
•
Bidang Statistik Produksi
Bidang Statistik Produksi mempunyai tugas melaksanakan kegiatan
statistik pertanian, industry, konstruksi pertambangan dan energi.
•
Bidang Statistik Distribusi
Universitas Sumatera Utara
Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan
statistic konsumen, perdagangan besar, statistic keuangan dan harga
produsen serta niaga dan jasa.
•
Bidang Statistik Kependudukan
Bidang Statistik kependudukan mempunyai tugas melaksanakan
kegiatan statistik konsumen, perdagangan besar, statistic keuangan dan
harga produsen serta niaga dan jasa.
•
Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)
Bidang (IPDS) mempunyai tugas untuk penyiapan data, penyusunan
system, dan program serta operasional pengolahan data dengan
program computer.
•
Bidang Neraca Wilayah dan Analisis Statistik
Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk
penyusunan neraca produksi, neraca konsumsi, dan akumulasi
penyajian analisis serta kegiatan peneraoan statistik.
Universitas Sumatera Utara
BAB 4
PENGOLAHAN DATA
4.1
Data yang Diperoleh
Pada dasarnya data merupakan alat bagi pengambilan keputusan untuk dassar
pembuatan keputusan-keputusan atau untuk memecahkan suatu percobaan. Keputusan
yang baik jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah
satu kegunaan dari data adalah untuk memperoeh dan mengetahui gambaran tentang
suatu keadaan atau permasalahan.
Data yang akan diolah dalam Tugas Akhir ini adalah data yang diambil dari
Badan Pusat Statistik (BPS) Sumatera Utara, yaitu tentang Pertumbuhan Produk
Domestik Regional Bruto (PDRB) dari tahun 2005-2015. Data yang akan diolah
dalam Tugas akhir ini adalah data sekunder mengenai Produk PDRB di Kabupaten
Dairi. Adapaun data yang dianalisis adalah sebagai berikut:
Tabel 4.1
Data PDRB Kabupaten Dairi Menurut Lapangan Usaha Atas
Dasar Harga Berlaku
Lapangan Usaha
Total
Tahun
Keseluruhan
PDRB
Sektor pertanian
(Jutaan Rupiah)
(%)
Sektor Perdagangan,
Hotel, & Restoran
(%)
Sektor Jasa-Jasa
(%)
Universitas Sumatera Utara
2005
2303591,46
67,81
16,01
9,55
2006
2552751,946
65,27
14,45
8,61
2007
2860204,81
63,11
15,09
9,43
2008
3116742,54
61,91
15,17
10,43
2009
3392997,01
60,70
15,34
11,37
2010
3777740,16
60,28
15,24
11,89
2011
4226282,44
59,60
15.28
12,59
2012
4731424,45
59,22
15,22
12,98
2013
5345415,37
58,47
15,22
13,83
2014
5711283,08
58,38
15,41
13,96
2015
5968081,16
57,77
15,49
14,35
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara
4.2
Menentukan Model Persamaan Regresi Linier Berganda
Untuk mempermudah proses analisis, maka seluruh variabel dilambangkan dengan :
Y
: Total PDRB
X1
: Sektor Pertanian
X2
: Sektor Perdagangan, Hotel, & Restoran
X3
: Sektor Jasa-Jasa
Tabel 4.2
Data PDRB Kabupaten Dairi Menurut Lapangan Usaha Atas
Dasar Harga Berlaku yang Akan Diolah Dengan Varibel
Dilambangkan
Variabel Bebas
Tahun
Y
X1
X2
X3
2005
2,30359146
67,81
16,01
9,55
2006
2,552751946
65,27
14,45
8,61
2007
2,86020481
63,11
15,09
9,43
2008
3,11674254
61,91
15,17
10,43
2009
3,39299701
60,70
15,34
11,37
Universitas Sumatera Utara
2010
3,77774016
60,28
15,34
11,89
2011
4,22628244
59,60
15,28
12,59
2012
4,73142445
59,22
15,22
12,98
2013
5,34541537
58,47
15,22
13,83
2014
5,71128308
58,38
15,19
13,96
2015
5,96808116
57,77
15,22
14,35
Hubungan antara variabel –variabel bebas X terhadap variabel tak bebas Y
dapat terlihat melalui persamaan penduga untuk regresi linier berganda. Persamaan
penduga, yaitu:
Ŷ = b0 + b1X1 + b2X2 + b3X3
Untuk menentukan koefisien-koefisien regresi tersebut (b0, b1, b2, b3) maka
dibutuhkan beberapa tabeluntuk nilai-nilai n, ∑Y, ∑X1, ∑X2, ∑X3, ∑ X1Y, ∑X2Y,
∑X3Y, ∑X12 , ∑X22 , ∑X32 , ∑X1X2, ∑X1X3, ∑X2X3.
Nilai-nilai koefisien di atas dapat dilihat dalam table berikut ini:
Tabel 4.3
Nilai-nilai Koefisien Untuk Mencari Persamaan Regresi Linier
Berganda
Tahun
Y
X12
X2
2005
2,303591 67,81
16,01
9,55
5,306534
4598,196
2006
2,552752 65,27
14,45
8,61
6,516542
4260,173
2007
2,860205 63,11
15,09
9,43
8,180772
3982,872
2008
3,116743 61,91
15,17
10,43
9,714084
3832,848
2009
3,392997 60,7
15,34
11,37
11,51243
3684,49
2010
3,77774
15,34
11,89
14,27132
3633,678
2011
4,226282 59,6
15,28
12,59
17,86146
3552,16
60,28
X3
Y2
X1
Universitas Sumatera Utara
2012
4,731424 59,22
15,22
12,98
22,38638
3507,008
2013
5,345415 58,47
15,22
13,83
28,57347
3418,741
2014
5,711283 58,38
15,19
13,96
32,61875
3408,224
2015
5,968081 57,77
15,22
14,35
35,61799
3337,373
∑
43,98651 672,52
167,53
128,99
192,5597
41215,76
Lanjutan tabel 4.3
X22
X32
X1Y
X2Y
256,3201
91,2025
156,206537
36,8804993
208,8025
74,1321
166,61812
36,8872656
227,7081
88,9249
180,507526
43,1604906
230,1289
108,7849
192,957531
47,2809843
235,3156
129,2769
205,954919
52,0485741
235,3156
141,3721
227,722177
57,9505341
233,4784
158,5081
251,886433
64,5775957
231,6484
168,4804
280,194956
72,0122801
231,6484
191,2689
312,546437
81,3572219
230,7361
194,8816
333,424706
86,75439
231,6484
205,9225
344,776049
90,8341953
2552,7505
1552,7549
2652,79539
669,744031
Universitas Sumatera Utara
Lanjutan Tabel 4.3
X3Y
X1X2
X1X3
X2X3
21,99929844
1085,6381
647,5855
152,8955
21,97919426
943,1515
561,9747
124,4145
26,97173136
952,3299
595,1273
142,2987
32,50762469
939,1747
645,7213
158,2231
38,578376
931,138
690,159
174,4158
44,9173305
924,6952
716,7292
182,3926
53,20889592
910,688
750,364
192,3752
61,41388936
901,3284
768,6756
197,5556
73,92709457
889,9134
808,6401
210,4926
79,7295118
886,7922
814,9848
212,0524
85,64196465
879,2594
828,9995
218,407
540,8749115
10244,1088
7828,961
1965,523
Dari tabel 4.3 diperoleh data berikut:
N
11
∑X3Y
540,8749115
∑Y
43,98651
∑X12
41215,76
∑X1
672,52
∑X22
2552,7505
∑X2
167,53
∑X32
1552,7549
∑X3
128,99
∑X1X2
10244,1088
∑ X1Y
2652,79539
∑X1X3
7828,961
∑X2Y
669,744031
∑X2X3
1965,523
∑Y2
192,5597
Harga-harga perkalian antar variable kemudian disusun kedalam persamaan untuk
mendapatkan harga koefisien regresi b0, b1, b2, b3 :
∑Yi = b0 n + b1∑X1i + b2∑X2i + b3∑X3i
2
+ b2∑ X1i X2i + b3∑ X1i X3i
∑Yi X1i = b0∑X1i + b1∑X1i
Universitas Sumatera Utara
2
∑Yi X2i = b0∑X2i + b1∑ X1i X2i + b2 ∑X2i
+ b3∑ X2i X3i
2
∑Yi X3i = b0∑X3i + b1∑ X1i X3i + b2 ∑ X2i X3i + b3∑ X3i
Dapat kita subsitusikan nilai-nilai yang bersesuaian, sehinngga ditemukan persamaan:
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3
2.652,7948
= 672,52b0 + 41.575,7642b1 + 10.244,1088b2+ 7.879,2209b3
669,744
= 167,53b0 + 10.244,1088b1 + 2317,4349b2 + 1.965,523b3
540,8749
= 128,96b0 + 7879,2209b1 + 1965,532b2 + 1.552,7549b3
Untuk mendapat koefisien b0, b1, b2, dan b3 dari persamaan diatas, maka maka
diperoleh koefisien dengan cara mengeliminasi setiap persamaan sebagai berikut:
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3……..(1)
2.652,7948
= 672,52b0 + 41.575,7642b1 + 10.244,1088b2+ 7.879,2209b3……(2)
669,744
= 167,53b0 + 10.244,1088b1 + 2317,4349b2 + 1.965,523b3……..(3)
540,8749
= 128,96b0 + 7879,2209b1 + 1965,532b2 + 1.552,7549b3…….(4)
Dari persamaan (1) dan (2) :
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3 [x672,2]
2.652,7948
= 672,52b0 + 41.575,7642b1 + 10.244,1088b2+ 7.879,2209b3[x11]
29.581,81068 = 7.397,72b0 + 424.283,1504b1 + 112.667,2756b2 + 86.782,1792b3
29.180,7428 = 7.397,72b0 + 457.333,4062b1 + 112.685,1968b2 + 86.671,4299b3
401,06788
─
= -5.050,2558b1 -17,9212b2 + 56,7493b3 …….(5)
Dari Persamaan (1) dan (3)
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3 [x 167,53]
669,744
= 167,53b0 + 10.244,1088b1 + 2317,4349b2 + 1.965,523b3[ x11]
7.369,06076
= 1.842,83b0 + 112.667,22756b1 + 28.066,3009b2 + 21.004,6688b3
7.367,184
= 1.842,83b0 + 112.685,1968b1 + 25.491,7839b2 + 21.620,753b3
1,8768
= -17,9212b1 + 2574,517b2 – 16,0842b3…….(6)
─
Dari Persamaan (1) dan (4)
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3 [x128,96]
540,8749
= 128,96b0 + 7879,2209b1 + 1965,532b2 + 1.552,7549b3 [x11]
5.672,5009
= 1.418,56b0 + 86.728,1792b1 + 21.604,6688b2 + 16.6630,6816b3
5.949,6239
= 1.418,56b0 + 86.671,4299b1 + 21.620,753b2 + 17.080,3039b3
-277,123
= 56,749b1 – 16,0842b2 – 449,6223b3 ……..(7)
─
Universitas Sumatera Utara
Dari persamaan (5) dan (6)
401,06788
= -5.050,2558b1 -17,9212b2 + 56,7493b3 [x 17,9212]
1,8768
= -17,9212b1 + 2574,517b2 – 16,0842b3 [x 5.050,255]
7.187,6177
= 90.506,6442b1 – 321,1694b2 + 1.017,0155b3
9.478,3201
= 90.506,6442b1 + 13.001.969,4114b2 – 81.229,3243b3
-2.290,7024
= -13.002.290,5808b2 + 82.246,3398b3 ………(8)
─
Dari persamaan (6) dan (7)
1,8768
= -17,9212b1 + 2574,517b2 – 16,0842b3 [x 56,749]
-277,123
= 56,749b1 – 16,0842b2 – 449,6223b3
106,5065
= -1.017,0102b1 + 146.101,2652b2 – 912,7623b3
-4.966,3767
= 1.017,0102b1 – 288,2482b2 – 8.057,7712b3
-4.889,8702
= 145.813,017b2 – 8.970,5335b3 ……….(9)
[x 17,9212]
+
Dari Persamaan (8) dan (9)
-2.290,7024 = -13.002.290,5808b2 + 82.246,3398b3 [x 145.813,017]
-4.889,8702
= 145.813,017b2 – 8.970,5335b3
[x 13.002.290,5808]
-334.014.227,9931408
= - 1.895.903.217.497,13b2 + 11.992.586.943,44518b3
-63.574.312.326,5623
= 1.895.903.217.497,13b2 – 116.637.483.231,8009b3 +
-63.908.326.554,5554
= -104.644.896.288,3557b3
b3 =
−63.908.326.554,554
−104.644.896.288,3557
b3 = 0,6107
Substitusi b3 Kepersamaan (9) :
-4.889,8702 = 145.813,017b2 – 8.970,5335b3
-4.889,8702 = 145.813,017b2 – 8.970,5335 (0,6107)
-4.889,8702 = 145.813,017b2 – 5478,3048
145.813,017b2 = 5478,3048 – 4.889,8702
145.813,017b2 = 588,4346
b2 =
588,4346
145.813,017
b2 = 0,004035
Subsitusikan b2 dan b3 ke Persamaan 6
1,8767 = -17,9212b1 + 2574,517b2 – 16,0842b3
1,8767 = -17,9212b1 + 2574,517(0,004035) – 16,0842(0,6107)
Universitas Sumatera Utara
1,8768 = -17,9212b1 + 10,38818 – 9,8226
1,8768 = -17,9212b1 + 0,5656
-17,9212b1 = 1,8768 – 05656
-17,9212b1 = 1,3112
b1 =
1,3112
−17,9212
b1 = -0,073166
Subsitusi b1, b2, dan b3 ke Persamaan (1)
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3
43,986514426 = 11b0 + 672,52(-0,073166) + 167,53(0,004035) + 128,96(0,6107)
43,986514426 = 11b0 – 49,20598 + 0,67598355 + 78,755872
43,986514426 = 11b0 + 30,22587555
11b0 = 43,986514426 – 30,22587555
11b0 = 13,760638876
b0 =
13,760638876
11
b0 = 1,251
Sehingga di dapat nilai koefisien- koefisiennya antara lain :
b0 = 1,251
b1 = -0,073166
b2 = 0,004035
b3 = 0,6107
Setelah mendapat harga-harga koefisien regresi, maka dapat ditentukan
persamaannya yaitu:
Ŷ = 1,251 – 0,073166X1 + 0,004035X2 + 0,6107X3
Universitas Sumatera Utara
Tabel 4.4
Penyimpangan Nilai Koefisien
Tahun
Y
X1
X2
X3
x1
x2
2005
2,303591
67,81
16,01
9,55
6,67181818
0,78
2006
2,552752
65,27
14,45
8,61
4,13181818
-0,78
2007
2,860205
63,11
15,09
9,43
1,97181818
-0,14
2008
3,116743
61,91
15,17
10,43
0,77181818
-0,06
2009
3,392997
60,7
15,34
11,37
-0,4381818
0,11
2010
3,77774
60,28
15,34
11,89
-0,8581818
0,11
2011
4,226282
59,6
15,28
12,59
-1,5381818
0,05
2012
4,731424
59,22
15,22
12,98
-1,9181818
-0,01
2013
5,345415
58,47
15.,22
13,83
-2,6681818
-0,01
2014
5,711283
58,38
15,19
13,96
-2,7581818
-0,04
2015
5,968081
57,77
15,22
14,35
-3,3681818
-0,01
∑
43,98651
672,52
167,53
128,99
�
X
3,998774
61,13818
15,23
11,72636
Universitas Sumatera Utara
Lanjutan Tabel 4.4
x3
-2,17636364
Y
y2
x1y
x2y
x3y
-1,6951825
2,873643975 -11,30994995
-1,322242411 3,689333721
-3,11636364
-1,4460220
2,090979893 -5,974700374
1,127897232
4,506330667
-2,29636364
-1,1385692
1,296339889 -2,245051506
0,159399692
2,614568974
-1,29636364
-0,8820315
0,777979565 -0,680767948
0,05292189
1,143433561
-0,35636364
-0,6057770
0,366965809 0,26544048
-0,066635473 0,215876905
0,16363636
-0,2210339
0,048855976 0,189687256
-0,024313727 -0,03616918
0,86363636
0,2275084
0,051760073 -0,349949286
0,01137542
1,25363636
0,7326504
0,536776625 -1,405356698
-0,007326504 0,918477197
2,10363636
1,3466413
1,813442875 -3,593083916
-0,013466413 2,832843673
2,23363636
1,7125090
2,932687216 -4,723411301
-0,068500362 3,825122468
2,62363636
1,9693071
3,878170538 -6,63298444
-0,019693071 5,166745775
16,66760243 -36,46012768
-0,170583727 25,07304829
0,196484528
Universitas Sumatera Utara
Lanjutan Tabel 4.4
Ŷ
Y-Ŷ
(Y-Ŷ)2
���
���
� ��
2,186398
0,11719346
0,013734307
44,5131579
0,6084
4,73655868
1,7988791
0,75387285
0,568324268
17,0719215
0,6084
9,71172231
2,4328279
0,42737691
0,182651023
3,88806694
0,0196
5,27328595
3,15210482
-0,0353623
0,001250491
0,59570331
0,0036
1,68055868
3,81537777
-0,4223808
0,178405506
0,19200331
0,0121
0,12699504
4,16367334
-0,3859332
0,148944419
0,73647603
0,0121
0,02677686
4,6454784
-0,419196
0,175725253
2,36600331
0,0025
0,74586777
4,90640668
-0,1749822
0,030618781
3,67942149
0,0001
1,57160413
5,48037676
-0,1349614
0,018214577
7,11919421
0,0001
4,42528595
5,56623227
0,14505081
0,021039737
7,60756694
0,0016
4,9891314
5,84915778
0,11892338
0,01414277
11,3446488
0,0001
6,88346777
43,99691282
-0,0103984
1,353051133
99,1141636
1,2686
40,1712545
Setelah mendapatkan persamaan regresi, langkah selanjutnya adalah
menghitung kesalahan baku:
2
Sy.1,2,3,…k
=
∑(Y i − Ŷ)2
n−k−1
1,353051133
Sy.1,2,3,…k = �
11−3−1
1,353051133
Sy.1,2,3,…k = �
7
Sy.1,2,3,…k = √0,193293019
Universitas Sumatera Utara
Sy.1,2,3,…k = 0,439651019
Hasil yang diperoleh menunjukkan nilai pendapatan perkapita penduduk akan
menyimpang dari nilai rata – rata pendapatan perkapita penduduk yang sebenarnya
sebesar 0,439651019
4.3
Uji Keberartian Regresi
4.3.1
Uji F (Simultan)
Langkah - langkahnya sebagai berikut :
1)
Menentukan formulasi hipotesanya
H0 : b1 = b2 = b3 = 0, Tidak terdapat pengaruh yang signifikan antara variabel bebas
yaitu Sektor Pertanian, Sektor Industri, dan Sektor Jasa dengan variabel tak bebas
yaitu Total Keseluruhan PDRB.
H1 : b1 ≠ b2 ≠ b3 ≠ 0, Terdapat pengaruh yang signifikan antara variabel bebas yaitu
Sektor Pertanian, Sektor Industri, dan Sektor Jasa dengan variabel tak bebas yaitu
Total Keseluruhan PDRB
2)
Menentukan Taraf Nyata
Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk
penyebut (v2) = 11 – 3 – 1 = 7 maka diperoleh F(3;7;0,05) = 4,35
3)
Kriteria Pengujian
H0 diterima apabila Fhitung ≤ Ftabel
H0 ditolak apabila Fhitung > Ftabel
4)
F-hitung
F=
JK reg
k
JK reg
(n −k −1)
Universitas Sumatera Utara
Untuk menguji model regresi linier berganda yang telah terbentuk, maka dilakukan
pengujian dengan menggunakan uji F yang memerlukan nilai-nilai dan yj, x1j, x2j, x3j,
nilai-nilai tersebut dapat diperoleh melalui rumus berikut:
�
yj = Y - Y
���2
x2j = X2 –X
���1
x1j = X1 -X
���3
x3j = X3 –X
Dapat dihitung nilai jumlah kuadrat regresi (JKreg) dan nilai jumlah kuadrat
residu (JKres) dari tabel 4.4:
JKreg = b1∑x1iyi + b2∑x2iyi + b3∑x3iyi
JKreg = -0,073166(-36,46012768) + (0,004035)(-0,170583727) +
(0,6107)(25,07304829)
JKreg = 2,667641702 – 0,00688305338445 + 15,312110590703
JKreg = 17,97286924
JKres = Σ(Yi -Ŷ )2
JKres = 1,353051133
Jadi Fhitung dapat dicari dengan:
JK reg
Fhitung =
k
JK reg
(n −k −1)
17,97286924
3
= 1,353051133
11−3−1
=
5,99095641
0,19329302
Fhitung = 30,99416839
Universitas Sumatera Utara
5)
Dengan demikian disimpulkan bahwa nilai Fhitung(30,99416839) > Ftabel (4,35).
Maka Ho ditolak dan H1 diterima. Hal ini berarti persamaan persamaan linier
berganda Y atas X1, X2, X3 Bersifat nyata yang berarti bahwa Sektor Pertanian;
Sektor Perdagangan, Hotel, & Restoran; dan Sektor Jasa-Jasa secara bersama-sama
berpengaruh terhadap Total Keseluruhan PDRB.
4.4
Koefisien Determinasi
Pada Tabel 4.4 dapat dilihat harga ∑y2 = 16,66760243 dan nilai JKreg = 17,97286924
telah diperoleh, maka diperoleh nilai koefisien determinasi:
JK reg
R2 = n
∑ y 2i
i=1
=
17,97286924
16,66760243
R2 = 1,078311612
Nilai koefisien determinasi R2 diperoleh sebesar 1,078311612 yang berarti
kurang lebih 100% tingkat total keseluruhan PDRB dipengaruhi oleh Sektor
Pertanian; Sektor Perdagangan, Hotel, & Restoran; dan Sektor Jasa-Jasa.
Mencari Koefisien korelasi ganda dengan rumus:
R = √R2
R = √1,078311612
R = 1,0384178
Universitas Sumatera Utara
Nilai perhitungan korelasi (R) diperoleh sebesar 1,0384178 yang menunjukkan
bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y berhubungan
secara positif dengan tingkat yang angat tinggi.
4.5
Koefisien Korelasi
4.5.1
Korelasi Antara Varibel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas,
maka dari tabel dapat dihitung besar koefisien korelasinya yaitu:
1. Koefisien korelasi antara Total Keseluruhan PDRB (Y) dengan Sektor Pertanian(X1
)
��� 1 =
��� 1 =
=
n ∑ X 1 Y−(∑X 1 )(∑Y)
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑Y 2 − (∑Y)2 }
(11)(2652 ,79539)− (672,52)(43,98651)
�{(11)(41.215,76)− (452.283,1504 )}{(11)(192,5597)− (1.934,813062 )}
− 401,0584152
�(1090,2096)(183,343638 )
=
− 401,0584152
=
− 401,0584152
√199.882,9942
447,08276
Universitas Sumatera Utara
��� 1 = -0,89705632
Koefisien korelasi antara Sektor Pertanian (X1) dengan Total Keseluruhan
PDRB (Y) adalah 0,89705632 yang berarti nilai tersebut menunjukkan korelasi tinggi
dengan arah yang sama (korelasi negatif).
2. Koefisien korelasi antara Total Keseluruhan PDRB (Y) dengan Sektor
Perdagangan, Hotel, & Restoran (X2 )
ryx 2 =
ryx 1 =
�{(n ∑ X 22 −(∑X 2 )2 ) (n∑Y 2 − (∑Y)2 }
(11)(669,744031 )− (167,53)(43,98651)
�{(11)(2552 ,7505 )− (28.066,3009)} {(11)(192,5597)− (1.934,813062 )}
��� 1 =
��� 1 =
��� 1 =
��� 1
n ∑ X 2 Y−(∑X 2 )(∑Y)
7.367,184341 −7369,06002
�(13,9546)(183,343638 )
−1,8756793
√2.558,487131
−1,8756793
50,58149
= -0.03701
Koefisien korelasi antara Sektor Perdagangan, Hotel, & Restoran (X2) dengan
Total Keseluruhan PDRB (Y) adalah 0,03701 yang berarti nilai tersebut menunjukkan
korelasi rendah dengan arah yang sama (korelasi negatif).
3.
Koefisien korelasi antara Total Keseluruhan PDRB (Y) dengan Sektor Jasa-Jasa
(X3 )
Universitas Sumatera Utara
��� 3 =
n ∑ X 3 Y−(∑X 3 )(∑Y)
�{(n ∑ X 23 −(∑X 3 )2 ) (n∑Y 2 − (∑Y)2 }
��� 3 =
(11)(540,8749115 )−(128,99)(43,98651)
�{(11)(1.552,7505 )−(16.638,4201 )}{(11)(192,5597)− (1.934,8130 62)}
��� 3 =
��� 3 =
��� 3 =
��� 3
5.949,624027 −5.673,819925
�(441,8354 )(183,343638
275,804102
√81.007,70963
275,804102
284,6185
= 0,96903083
Koefisien korelasi antara Sektor Jasa (X3) dengan Total Keseluruhan PDRB
(Y) adalah 0,96903083 yang berarti nilai tersebut menunjukkan korelasi sangat tinggi
dengan arah yang sama (korelasi positif).
4.5.2
Korelasi Antara Variabel Bebas
1. Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Industri (X2)
��1 �2 =
��1 �2 =
n ∑ X 1 X 2 −(∑X 1 )(∑X 2 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 22 − (∑X 2 )2 }
( 11)(10.244,1088 ) − (672,52)(167,53)
�{(11)(412.15,76)−(452.283,1504 )} {(11)(2552 ,7505 )− (28.066,3009}
��1 �2 =
112.685,1968−112.667,2756
�{(1.090,2096)(13,9546}
Universitas Sumatera Utara
��1 �2 =
��1 �2 =
17,9212
√15.213,43888
17,9212
123,3427699
��1 �2 = 0,14529591
Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Perdagangan,
Hotel, &Restoran(X2) adalah 0,14529591 yang berarti nilai tersebut menunjukkan
korelasi rendah dengan arah yang sama (korelasi positif).
2. Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Jasa (X3)
��1 �3 =
��1 �2 =
n ∑ X 1 X 3 −(∑X 1 )(∑X 3 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(7.879,2209)− (672,52)(128,99)
�{(11)(41.215,76)−(452.283,1504 )}{(11)(1.552,7549)− (16.638,4201 )
��1 �3 =
��1 �3 =
86.671,4299−87.135,3248
�(1.090,2096)(441,8838 )
−463,8949
694,079218
��1 �3 = -0,668360164
Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Jasa (X3)
adalah -0,668360164 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan
arah yang sama (korelasi negatif).
3. Koefisien korelasi antara Sektor Perdagangan, Hotel, & Restoran (X2) dengaSektor
Jasa-Jasa (X3).
Universitas Sumatera Utara
��2 �3 =
n ∑ X 2 X 3 −(∑X 2 )(∑X 3 )
�{(n ∑ X 22 −(∑X 2 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(1.965,523)− (167,52)(128,96)
��1 �3 = �{(11)(2.552,7505 )− (28.066,3009)} {(11)(1.552,7549)−(16.630,6816 )}
��1 �3 =
��1 �3 =
21.620,753−21.603,3792
�(13,9546)(449,6223)
17,3738
79,21047499
��1 �3 = 0,219337152
Koefisien korelasi antara Sektor Perdagangan, Hotel, & Restoran (X2) dengan
Sektor Jasa-Jasa (X3) adalah 0,0219337152 yang berarti nilai tersebut menunjukkan
korelasi rendah dengan arah yang sama (korelasi positif).
4.5.3
Uji t (Uji Parsial)
Apakah X mempegaruhi Y ?
Langkah - langkah pengujiannya sebagai berikut :
1) Menentukan formulasi hipotesanya
H0 : b1= b2 = b3 = 0 Sektor Pertanian tidak berpengaruh secara signifikan terhadap
Total Keseluruhan PDRB di Kabupaten Dairi.
Universitas Sumatera Utara
H1 : b1 ≠ b2 ≠ b3 ≠ 0 Sektor Pertanian berpengaruh secara signifikan terhadap Total
Keseluruhan PDRB di Kabupaten Dairi.
2) Menentukan taraf nyata
Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan
�
(1 - ) = (1-
0,05
2
2
) = (1-0,025) = 0,975 dan dk = n – k = 11 - 3 = 8 .
t(8;0,975) = 2,31
3) Kriteria pengujian
H0 diterima apabila thitung ≤ ttabel
H0 ditolak apabila thitung > ttabel
4) t-hitung
t=
�1
�� 1
Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai Sb1,
rumusannya sebagai berikut :
��1 = �
��2 .1,2
2 )
∑���2 (1−�1,2
Nilai ��1 diperoleh melalui pencarian, pertama nilai kesalahan baku tafsiran.
��2.1,2 =
��2.1,2 =
Σ(Yi −Ŷ )2
�−�−1
1,353051133
11−3−1
Universitas Sumatera Utara
��2.1,2 =
��2.1,2 =
1.353051133
11−3−1
0,169131391
Nilai X1 yang mempengaruhi Y :
��1 �2 =
��1 �2 =
n ∑ X 1 X 2 −(∑X 1 )(∑X 2 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 22 − (∑X 2 )2 }
( 11)(10.244,1088 ) − (672,52)(167,53)
�{(11)(412.15,76)−(452.283,1504 )} {(11)(2552 ,7505 )− (28.066,3009}
112.685,1968−112.667,2756
��1 �2 =
��1 �2 =
��1 �2 =
�{(1.090,2096)(13,9546}
17,9212
√15.213,43888
17,9212
123,3427699
��1 �2 = 0,14529591
Menentukan nilai ��1
��1 = �
��2 .1,2
2 (1−� 2 )
∑� ��
1,2
��1 = �
0,169131391
99,1141636 (1−0,021110901 )
Universitas Sumatera Utara
��1 = �
��1
0,169131391
97,0217743
= 0,041752021
Nilai X2 yang mempengaruhi Y:
��1 �3 =
��1 �2 =
n ∑ X 1 X 3 −(∑X 1 )(∑X 3 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(7.879,2209)− (672,52)(128,99)
�{(11)(41.215,76)−(452.283,1504 )}{(11)(1.552,7549)− (16.638,4201 )
��1 �3 =
��1 �3 =
86.671,4299−87.135,3248
�(1.090,2096)(441,8838 )
−463,8949
694,079218
��1 �3 = -0,668360164
Menentukan nilai ��2
��2 = �
��2 .1,2
2 (1−� 2 )
∑� 2�
1,2
��2 = �
��2 = �
0,169131391
1,2686 (1−0,446705308 )
0,169131391
0,701909645
��2 = �0,240958921
Universitas Sumatera Utara
��2 = 0,490875668
Nilai X3 yang mempengaruhi Y:
n ∑ X 2 X 3 −(∑X 2 )(∑X 3 )
��2 �3 =
��1 �3 =
�{(n ∑ X 22 −(∑X 2 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(1.965,523)− (167,52)(128,96)
�{(11)(2.552,7505 )− (28.066,3009)} {(11)(1.552,7549)−(16.630,6816 )}
21.620,753−21.603,3792
��1 �3 =
�(13,9546)(449,6223)
17,3738
��1 �3 =
79,21047499
��1 �3 = 0,219337152
Menentukan nilai ��3
��3 = �
��2 .1,2
2 (1−� 2 )
∑� 3�
1,2
0,169131391
��3 = �
40,1712545 (1−0,0481087862 )
��3 = �
0,16913191
38,2386642059
��3 = 0,06650609
Kemudian dapat ditentukan t-hitung :
t1 =
�1
�� 1
Universitas Sumatera Utara
=
−0,073166
0,041752021
t1= -1,7523942134
t2 =
=
�2
�� 2
0,004035
0,490875668
= 0,00822
t3 =
=
�3
�� 3
0,6107
0,06650609
t3= 9,18261771
5) Kesimpulan
•
Didapat thitung = -1,7523942134 < ttabel = 2,31. thitung < ttabel, maka H0 diterima
dan H1 ditolak. Hal ini berarti bahwa Sektor Pertanian kurang berpengaruh
secara simultan dan signifikan terhadap Total Keseluruhan PDRB di
Kabupaten Dairi.
•
Didapat thitung = 0,00822 < ttabel = 2,31. thitung < ttabel, maka H0 diterima dan H1
ditolak. Hal ini berarti bahwa Sektor Perdagangan, Hotel, & Restoran kurang
berpengaruh secara simultan dan signifikan terhadap Total Keseluruhan PDRB
di Kabupaten Dairi.
•
Didapat thitung = 9,18261771 > ttabel = 2,36. thitung > ttabel, maka H0 ditolak dan
H1 diterima. Hal ini berarti bahwa Sektor Jasa-Jasa berpengaruh secara
Universitas Sumatera Utara
simultan dan signifikan terhadap Total Keseluruhan PDRB di Kabupaten
Dairi.
Universitas Sumatera Utara
BAB 5
IMPLEMENTASI SISTEM
5.1
Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru
atau sistem yang diperbaiki.
Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis
kedalam programming.
Dalam pengolahan data pada karya tulis ini penulis
menggunakan perangkat lunak (software) sebagai implementasi sistem yaitu SPSS for
windows dalam masalah memperoleh perhitungan.
5.2
Peranan Komputer Dalam Statistika
Komputer memegang peranan sangat penting dalam statistika. Komputer dalam
bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai
berikut:
1. Jumlah input yang besar
Jumlah input yang besar akan dapat diolah oleh komputer dengan mudah semudah
mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja sangat
efisien pada pengolahan data dengan menggunakan input yang besar.
2. Proyek yang repetitif
Universitas Sumatera Utara
Perintah pengolahan yang berulang – ulang akan lebih efisien dengan menggunakan
komputer, karena disini perintah hanya dilakukan satu kali kemudian diulang – ulang
(di-copy) untuk menjalankan perintah pengolahan yang lain.
3. Diperlukan kecepatan yang tinggi
Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu
yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah oleh
komputer, yang membedakan hanya pada proses pemasukan data saja.
4. Diperlukan ketepatan yang tinggi
Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan
yang tepat. Kesalahan informasi yang mungkin dilakukan hanya terjadi pada proses
pemasukan data saja.
5. Pengolahan hal yang kompleks
Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan mudah
menggunakan komputer dalam waktu yang tepat dan cepat.
Saat ini banyak beredar berbagai paket program komputer statistik dari yang
‘kuno’ dan berbasis DOS seperti Microstat sampai yang berbasis Windows seperti
SPSS, SAS, Statistika dan lainnya. Dari berbagai software khusus statistik yang
beredar sekarang, SPSS adalah yang paling populer dan paling banyak digunakan
pemakai di seluruh dunia.
SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga
mahasiswa Stanford University, yang dioperasikan pada komputer mainframe. Pada
tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk
Universitas Sumatera Utara
komputer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya
sistem operasi windows, SPSS pada tahun 1992 juga mengeluarkan versi Windows.
Hal ini membuat SPSS yang tadinya ditujukan bagi pengolahan data statistic
untuk ilmu sosial (SPSS saat itu adalah singkatan dari Statistical Package for the
Social Sciences), sekarang diperluas untuk melayani berbagai user, seperti untuk
proses produksi di pabrik, riset ilmu – ilmu sains dan lainnya. Sehingga sekarang
kepanjangan SPSS adalah Statistical Product and Services Solutions.
5.3
Cara Kerja SPSS
Cara kerja komputer, statistik dan SPSS pada prinsipnya adalah sama, yaitu meliputi 3
bagian : input, proses dan output.
1. Input
Pada komputer, input berupa data yang akan diolah dengan komputer. Proses inputing
dapat melalui keyboard, mouse, touch screen, atau hardisk. Pada statistik, input
berupa dat yang telah ditabulasikan pada data ditor bagian view data, sedangkan
proses coding dan pendefenisisan variabel pada view variable.
2. Proses
Pada komputer, proses berupa eksekusi program komputer dimana computer
menjalankan perintah – perintah sesuai dengan apa yang telah diprogramkan. Pada
statistik, proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi,
baik dengan statistik parametrik ataupun non-parametrik. Pada SPSS, proses berupa
Universitas Sumatera Utara
eksekusi program SPSS untuk menganalisis input yang ada di data editor sesuai
dengan perintah dari pemakai.
3. Output
Pada komputer, output berupa hasil pengolahan yang telah diproses dengan program
komputer yang dikehendaki. Bentuk output komputer bisa dalam bentuk cetakan,
tampilan, gambar, maupun 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, output berupa hasil analisis program SPSS yang disajikan dalam output
navigator.
5.4
Mengoperasikan SPSS
langkah – langkah pengolahan data dengan menggunakan program SPSS
adalah :
5.4.1
Mengaktifkan Program SPSS pada Windows
Klik tombol start pada windows, kemudian klik program, lalu klik SPSS. Selain cara
itu, program SPSS bisa diaktifkan melalui icon shortcut pada tampilan desktop.
Universitas Sumatera Utara
Gambar 5.1
5.4.2
Tampilan Pengaktifan SPSS 18
Membuka Lembar Baru
Dari tampilan yang muncul pada saat membuka SPSS, pilih type in data untuk
membuat data baru atau menu File, pilih new, maka akan muncul jendela editor,
kemudian klik data.
Gambar 5.2
Tampilan Awal SPSS
Universitas Sumatera Utara
5.4.3
Menamai Variabel
Klik variable view, yang terletak disebelah kiri bawah jendela editor, lalu lakukan
langkah – langkah sebagai berikut :
1. Name : Ketik nama variabel yang kita inginkan.
2. Type : Sesuaikan tipe data sesuai dengan apa yang kita inginkan.
3. Width : Digunakan untuk menengtukan jarak atau lebar kolom.
4. Label : Ketikkan nama sesuai dengan identitas dari nama variabel, nama variabel
hanya terdiri dari 8 digit atau karakter.
5. Value : Digunakan untuk mengisi penjelasan nama (label) pada variabel.
6. Missing : Digunakan untuk menjelaskan data yang hilang.
7. Columns : Digunakan untuk menentukan lebar kolom.
8. Align : Digunakan untuk menentukan letak pengisisan data, apakah rata kiri, rata
kanan atau diletakkan ditengah – tengah kolom.
9. Measure : Digunakan untuk menentukan jenis data.
Gambar 5.3
Layar Kerja Variabel View
Universitas Sumatera Utara
5.4.4
Pengisian Data
1. Aktifkan jendela data dengan mengklik data view, yang terletak disudut kiri bawah
jendela editor.
2. Selanjutnya ketikkan data yang sesuai untuk setiap variabel yang telah
didefenisikan.
Gambar 5.4 Data yang diolah
5.4.5
Pengolahan Data dengan Persamaan Regresi
1. Tampilkan file yang akan ditentukan oleh persamaan regresi pada jendela editor
yang tampak.
2. Pilih menu analyze, kemudian pilih sub menu regression dengan cursor, dan pilih
linier yang keluar pada tampilan jendela editor.
Universitas Sumatera Utara
Gambar 5.5 Pilih Analyze, Regression, Linier
3. Setelah muncul kotak dialog, kemudian sorot variabel yang menjadi variabel
tidak bebas, dan pindahkan ke kotak Variable Dependent. Demikian juga sorot
Variable Independent.
Gambar 5.6 Kotak Dialog Linier Regression
4. Klik Statistic pada kotak dialog Linier Regression, aktifkan Estimate, Model
Universitas Sumatera Utara
Fit, Casewise Diagnotics, kemudian klik Continue untuk melanjutkannya, lalu
klik OK.
Gambar 5.7
Kotak Dialog Linier Regression Statistics
5. Kemudian klik Plots pada kotak tersebut, lalu aktifkan Produce All Partial Plots,
kemudian klik Continue, lalu klik Ok pada kotak dialog Linier Regresssion untuk
melihat hasilnya atau Outputnya.
Gambar 5.8 Kotak Dialog Linier Regression Plots
Universitas Sumatera Utara
6. Klik continue untuk meneruskan
7. Pada kolom Option, untuk stepping Method Criteria, digunakan uji F dengan
mengambil standart 5% maka pilih 0,05, klik continue dan klik OK. Akan tampil
sebagai berikut:
Gambar 5.9
Kotak Dialog Analisis Option
8. Klik continue kemudian OK untuk melihat hasilnya.
Model Summaryb
Model
R
.989a
1
R Square
Adjusted R
Std. Error of the
Square
Estimate
.979
.970
.22420805540
a. Predictors: (Constant), Sektor_Jasa, Sektor_PHR, Sektor_Pertanian
b. Dependent Variable: Total_PDRB
ANOVAb
Model
1
Sum of Squares
Regression
Residual
Total
df
Mean Square
16.316
3
5.439
.352
7
.050
16.668
10
F
108.189
Sig.
.000a
Universitas Sumatera Utara
a. Predictors: (Constant), Sektor_Jasa, Sektor_PHR, Sektor_Pertanian
b. Dependent Variable: Total_PDRB
Coefficientsa
Model
Standardized
Unstandardized Coefficients
B
1
(Constant)
Coefficients
Std. Error
Beta
1.162
4.207
.124
.071
Sektor_PHR
-.948
Sektor_Jasa
.825
Sektor_Pertanian
t
Sig.
.276
.790
.303
1.751
.123
.266
-.261
-3.558
.009
.111
1.281
7.404
.000
Residuals Statisticsa
Minimum
Predicted Value
Maximum
Mean
Std. Deviation
N
2.2931327820
5.7541594505
3.9987740387
1.27732993654
11
-.24643373489
.37818148732
.00000000000
.18758591758
11
Std. Predicted Value
-1.335
1.374
.000
1.000
11
Std. Residual
-1.099
1.687
.000
.837
11
Residual
a. Dependent Variable: Total_PDRB
Gambar 5.10 Output ANOVA, Coefisien dan Residual Statistic
Universitas Sumatera Utara
G
Gambar 5.11 Charts
Universitas Sumatera Utara
pGGG
Gambar 5.12 Plot Regression Standardized Residual
Universitas Sumatera Utara
BAB 6
KESIMPULAN DAN SARAN
6.1
Kesimpulan
Berdasarkan analisa yang telah dilakukan penulis maka dapat diambil beberapa
kesimpulan sebagai berikut :
1. Berdasarkan hasil pengolahan data yang telah dilakukan diatas, maka
diperoleh persamaan regresi linier bergandanya:
Ŷ = 1,251 – 0,073166X1 + 0,004035X2 + 0,6107X3
Ini berarti bahwa Sektor Pertanian mempengaruhi Total Keseluruhan PDRB
sebesar -0.073166 %, Sektor Perdagangan, Hotel, & Restoran mempengaruhi
Total Keseluruhan PDRB sebesar 0,004035 %, dan Sektor Jasa mempengaruhi
Total Keseluruhan PDRB sebesar 0,6107 %. Serta nilai konstan sebesar 1,251.
2. Melalui uji keberatian regresi linier diperoleh Fhitung(30,99416839) > Ftabel
(4,35) Maka Ho ditolak dan H1 diterima. Hal ini berarti bahwa terdapat
pengaruh yang signifikan antara variabel bebas yaitu Sektor Pertanian, sektor
Perdagangan, Hotel, & Restoran, dan Sektor Jasa dengan variabel tak bebas
terhadap Total Keseluruhan PDRB.
3. Diperoleh kesalahan baku sebesar 0,439651019. Ini berarti nilai pendapatan
perkapita penduduk akan menyimpang dari nilai rata-rata pendapatan perkapita
yang sebenarnya sebesar 0,439651019
4. Melalui perhitungan nilai Didapat thitung = -1,7523942134 < ttabel = 2,31. thitung <
ttabel, maka H0 diterima dan H1 ditolak. Hal ini berarti bahwa Sektor Pertanian
kurang
berpengaruh
secara
simultan
dan
signifikan terhadap
Total
Universitas Sumatera Utara
Keseluruhan PDRB di Kabupaten Dairi. Melalui perhitungan nilai thitung =
0,00822 < ttabel = 2,31. thitung < ttabel, maka H0 diterima dan H1 ditolak. Hal ini
berarti bahwa Sektor Perdagangan, Hotel, & Restoran kurang berpengaruh
secara simultan dan signifikan terhadap Total Keseluruhan PDRB di
Kabupaten Dairi. Melalui perhitungan nilai thitung = 9,18261771 > ttabel = 2,36.
thitung > ttabel, maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa Sektor
Jasa-Jasa berpengaruh secara simultan dan signifikan terhadap Total
Keseluruhan PDRB di Kabupaten Dairi.
6.2
Saran
Dari hasil penelitian yang dilakukan, maka penulis dapat memberikan beberapa saran,
yaitu:
1. Untuk meningkatkan pertumbuhan Produk Domestik Regional Bruto di
Kabupaten Dairi, diharapkan kepada Pemerintahan Kabupaten Dairi agar
memperhatikan Sektor Pertanian dan Sektor Perdagangan, Hotel dan Restoran.
Mengambil tindakan untuk meningkatkannya pertumbuhan Sektor Pertanian
dan Sektor Perdagangan, Hotel dan Restoran sebagai sektor yang kuat untuk
meningkatkan pendapatan Produk Domestik Regional Bruto di Kabupaten
Dairi.
2. Penulis menyarankan agar metode regresi linier dapat dipakai untuk mencari
pengaruh Produk Domestik Regional Bruto terhadap Sektor Pertanian, Sektor
Industri, Sektor Jasa, dan sektor-sektor yang lainnya.
Universitas Sumatera Utara
SEJARAH SINGKAT TEMPAT RISET
3.1
Sejarah Badan Pusat Statistik (BPS)
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat
Statistik (BPS) Melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada
bidang pertanian, agraria, pertambangan, kependudukan, social, ketenagakerjaan,
keuangan, pendapatan, dan keagamaan. Selain hal-hal tersebut Badan Pusat Statistik
juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari
segenap instansibaik dari dari pusat maupun daerah dengan tujuan mencegah
dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan
keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran-ukuran lainnya.
Berikut ini beberapa masa peralihan BPS di Indonesia:
3.1.1
Masa Pemerintahan Hindia Belanda
Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur
Pertanian, Kerajinan dan Perdagangan (Directure Vand Landbow Nijeverheiden
Handend) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan
mempublikasikan data statistik
Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya
merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk
merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai
kesatuan dalam kegiatan di bidang statitik di Indonesia.
Universitas Sumatera Utara
Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama
Central Kantor Voor de Statistik (CKS) atau kantor pusat statistik dan dipindahkan ke
Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme statistik
perdagangan yang semula dilakukan oleh kantor Invoer Vitvoer en Accijensen (IUA)
yang sekarang diisebut kantor Bea dan Cukai.
3.1.2
Masa Pemerintahan Jepang
Pada bulan Juni 1942, pemerintah Jepang baru mengaktifkan kembali kegiatan
Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer.
Pada masa ini Central Kantor Voor de Statistik diganti namanya menjadi Shomubu
Chasasitsu Gunseikanbu.
3.1.3
Masa Kemerdekaan Republik Indonesia
Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik
ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu
KAPPURI (Kantor Pusat Perangkat Umum Republik Indonesia) dipindahkan ke
Yogyakarta sebagai sekuens dari perjanjian Linggarjati. Sementara itu pemerintah
Belanda (NICA) di Jakarta mengaktifkan kembaliCentral Kantor Voor de Statistik.
Berdasarkan surat edaran kementerian kemakmuran tanggal 12 Juni 1950
Nomor 219/S.C,KAPURRI (Kantor Pusat Perangkat Umum Republik Indonesia) dan
Central Voor de Statistik dilebur menjadi Kantor Pusat Statistik (KPS) dan berada di
bawah dan bertanggung jawab kepada Menteri Kemakmuran.
Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 Nomor p/44,
Lembaga Kantor Pusat Statistik berada dibawah dan bertanggung jawab kepada
Menteri Perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24
Universitas Sumatera Utara
Desember 1953 Nomor:18.099/M, KPS dibagi menjadi dua bagian yaitu bagian
Research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang
disebut Afdeling B.
Dengan keputusan Presiden RI Nomor 131 tahun 1957, kemerdekaan
Perekonomian
dipecah
menjadi
kementerian
Perdagangan
dan
kementerian
Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172,terhitung tanggal
1 Juni 1957 Kantor Pusat Statistik diubah menjadi Biro Pusat Statistik yang semula
menjadi tanggung jawab dan wewenang berada di bawah Perdana Menteri.
3.1.4
Masa Orde Baru Sampai Sekarang
Perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang
handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan organisasi
Biro Pusat Statistik
.
Dalam masa orde baru Badan Pusat Statistik telah mengalami empat kali
perubahan struktur organisasi:
1.
Peraturan Pemerintah Nomor 16 tahun 1969 tentang organisasi Badan Pusat
Statistik.
2.
Peraturan Pemerintah Nomor 6 tahun 1980 tentang organisasi Badan Pusat
Statistik.
3.
Peraturan Pemerintah Nomor 2 tahun 1992 tentang organisasi Badan Pusat
Statistik dan Keputusan Presiden Nomor 6 tahun 1992 tentang kedudukan,
tugas, fungsi, reorganisasi, susunan dan tata Kerja Biro Pusat Statistik.
Universitas Sumatera Utara
4.
Undang-undang Nomor 16 tahun 1917 tentang Statistik.
5.
Keputusan Presiden RI Nomor 86 tahun1998 tentang Badan Pusat Statistik.
6.
Keputusan Pemerintah Nomor 51 tahun 1999 tentang penyelenggaraan
Statistik.
Tahun 1968, ditetapkan peraturan Pemerintah Nomor 16 tahun 1968 yaitu
yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980 peraturan
pemerintah nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan
pemerintah Nomor 16 tahun 1968. Berdasarkan peraturan Pemerintah Nomor 6 tahun
1980 di tiap propinsi terdapat perwakilan BPS (Badan Pusat Statistik).
Pada tanggal 17 Juni 1998 dengan keputusan Presiden Republik Indonesia Nomor 86
tahun1998 ditetapkan Badan Pusat Statistik, sekaligus mengatur tata kerja dan struktur
organisasi BPS (Badan Pusat Statistik) yang baru.
3.2
Logo Instansi Badan Pusat Statistik
BADAN PUSAT STATISTIK
Gambar 2.1 Logo BPS
Universitas Sumatera Utara
Logo BPS terdiri dari 3 warna yang masing-masing mempunyai makna. Adapun
makna yang dimaksud adalah :
1. Biru
Memiliki makna tentang Sensus Penduduk yang dilakukan oleh pihak BPS setiap 10
tahun sekali (tahun berakhiran angka 0) yang mencakup index pembangunan manusia,
kemiskinan, kependudukan, kesehatan, ketahanan sosial, konsumsi dan pagelaran,
pendidikan, perumahan, sosial budaya, tenaga kerja.
2. Hijau
Memiliki makna tentang Sensus Pertanian yang dilakukan setiap 10 tahun sekali
(tahun berakhiran angka 3) yang mencakup index tanaman pangan, hortikultura,
kehutanan, perkebunan, perikanan dan peternakan.
3. Orange
Memiki makna tentang Sensus Ekonomi yang dilakukan setiap 10 tahun sekali (tahun
berakhiran angka 6) yang mencakup index kegiatan ekspor-impor, industri, inflasi,
harga produsen, harga perdagangan, keuangan, komunikasi, konstruksi, neraca arus
dana, nilai tukar petani, pariwisata, produk domestik bruto, produk domestik regional
bruto, transportasi, upah buruh, dan usaha mikro kecil.
3.3
Visi dan Misi Badan Pusat Statistik
Visi
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang
punggung informasi pembangunan nasional dan regional, didukung Sumber Daya
Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.
Universitas Sumatera Utara
Misi
Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi
mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu,
handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan
statistik serta pengembanan ilmu pengetahuan statistik.
3.4
Struktur Organisasi Badan Pusat Statistik
Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur
organisasi, karena perusahaan juga merupakan organisasi. Organisasi adalah suatu
sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah
orang untuk mencapai tujuan bersama.
Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung
jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana
hubungannya yang satu dengan yang lain. Struktir organisasi perusahaan merupakan
salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan
dalam mencapai suatu tujuan yang ditetapkan. Dengan adanya struktur organisasi
maka akan jelaslah pemisahan tugas dari para pegawai atau staf.
Sruktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah
struktur organisasi ini dan staf. Struktur ini mengandung unsur-unsur spesialisasi
kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan
dan ukuran satuan yang menunjukkan lokasi
pembuatan keputusan, dan ukuran
satuan yang menunjukkan suatu kelompok kerja.
Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat
Statistik Provinsi Sumatera Utara adalah:
Universitas Sumatera Utara
1. Pengkoordinasian yaitu yang memungkinkan komunikasi intergrasi berbagai
departemen dan kegiatan-kegiatan yang salaing berhubungan satu sama lain.
2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi
manajemen.
3. Pembuataan keputusan yaitu membuat keputusan-keputusan dan mengamati
bagaimana pelaksanaan dari keputusan tersebut.
Adapun struktur organisasi Badan Pusat Statistik Provinsi Sumatera Utara
adalah sebagai berikut:
1. Peraturan Presiden Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat
Statistik sebagaimana lampiran dalam organisasi Kantor Badan Pusat Statistik
Provinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.
2. Kepala kantor dibantu tata usaha yang terdiri dari:
•
Sub Bagian Urusan Dalam
•
Sub Bagian Perlengkapan
•
Sub Bagian Keuangan
•
Sub Bagian Kepegawaian
•
Sub Bagian Bina Potensi/Bina Program
3. Sedangkan Bidang Penunjangan Statistik terdiri dari 5 (lima) bidang yaitu:
•
Bidang Statistik Produksi
Bidang Statistik Produksi mempunyai tugas melaksanakan kegiatan
statistik pertanian, industry, konstruksi pertambangan dan energi.
•
Bidang Statistik Distribusi
Universitas Sumatera Utara
Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan
statistic konsumen, perdagangan besar, statistic keuangan dan harga
produsen serta niaga dan jasa.
•
Bidang Statistik Kependudukan
Bidang Statistik kependudukan mempunyai tugas melaksanakan
kegiatan statistik konsumen, perdagangan besar, statistic keuangan dan
harga produsen serta niaga dan jasa.
•
Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)
Bidang (IPDS) mempunyai tugas untuk penyiapan data, penyusunan
system, dan program serta operasional pengolahan data dengan
program computer.
•
Bidang Neraca Wilayah dan Analisis Statistik
Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk
penyusunan neraca produksi, neraca konsumsi, dan akumulasi
penyajian analisis serta kegiatan peneraoan statistik.
Universitas Sumatera Utara
BAB 4
PENGOLAHAN DATA
4.1
Data yang Diperoleh
Pada dasarnya data merupakan alat bagi pengambilan keputusan untuk dassar
pembuatan keputusan-keputusan atau untuk memecahkan suatu percobaan. Keputusan
yang baik jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah
satu kegunaan dari data adalah untuk memperoeh dan mengetahui gambaran tentang
suatu keadaan atau permasalahan.
Data yang akan diolah dalam Tugas Akhir ini adalah data yang diambil dari
Badan Pusat Statistik (BPS) Sumatera Utara, yaitu tentang Pertumbuhan Produk
Domestik Regional Bruto (PDRB) dari tahun 2005-2015. Data yang akan diolah
dalam Tugas akhir ini adalah data sekunder mengenai Produk PDRB di Kabupaten
Dairi. Adapaun data yang dianalisis adalah sebagai berikut:
Tabel 4.1
Data PDRB Kabupaten Dairi Menurut Lapangan Usaha Atas
Dasar Harga Berlaku
Lapangan Usaha
Total
Tahun
Keseluruhan
PDRB
Sektor pertanian
(Jutaan Rupiah)
(%)
Sektor Perdagangan,
Hotel, & Restoran
(%)
Sektor Jasa-Jasa
(%)
Universitas Sumatera Utara
2005
2303591,46
67,81
16,01
9,55
2006
2552751,946
65,27
14,45
8,61
2007
2860204,81
63,11
15,09
9,43
2008
3116742,54
61,91
15,17
10,43
2009
3392997,01
60,70
15,34
11,37
2010
3777740,16
60,28
15,24
11,89
2011
4226282,44
59,60
15.28
12,59
2012
4731424,45
59,22
15,22
12,98
2013
5345415,37
58,47
15,22
13,83
2014
5711283,08
58,38
15,41
13,96
2015
5968081,16
57,77
15,49
14,35
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara
4.2
Menentukan Model Persamaan Regresi Linier Berganda
Untuk mempermudah proses analisis, maka seluruh variabel dilambangkan dengan :
Y
: Total PDRB
X1
: Sektor Pertanian
X2
: Sektor Perdagangan, Hotel, & Restoran
X3
: Sektor Jasa-Jasa
Tabel 4.2
Data PDRB Kabupaten Dairi Menurut Lapangan Usaha Atas
Dasar Harga Berlaku yang Akan Diolah Dengan Varibel
Dilambangkan
Variabel Bebas
Tahun
Y
X1
X2
X3
2005
2,30359146
67,81
16,01
9,55
2006
2,552751946
65,27
14,45
8,61
2007
2,86020481
63,11
15,09
9,43
2008
3,11674254
61,91
15,17
10,43
2009
3,39299701
60,70
15,34
11,37
Universitas Sumatera Utara
2010
3,77774016
60,28
15,34
11,89
2011
4,22628244
59,60
15,28
12,59
2012
4,73142445
59,22
15,22
12,98
2013
5,34541537
58,47
15,22
13,83
2014
5,71128308
58,38
15,19
13,96
2015
5,96808116
57,77
15,22
14,35
Hubungan antara variabel –variabel bebas X terhadap variabel tak bebas Y
dapat terlihat melalui persamaan penduga untuk regresi linier berganda. Persamaan
penduga, yaitu:
Ŷ = b0 + b1X1 + b2X2 + b3X3
Untuk menentukan koefisien-koefisien regresi tersebut (b0, b1, b2, b3) maka
dibutuhkan beberapa tabeluntuk nilai-nilai n, ∑Y, ∑X1, ∑X2, ∑X3, ∑ X1Y, ∑X2Y,
∑X3Y, ∑X12 , ∑X22 , ∑X32 , ∑X1X2, ∑X1X3, ∑X2X3.
Nilai-nilai koefisien di atas dapat dilihat dalam table berikut ini:
Tabel 4.3
Nilai-nilai Koefisien Untuk Mencari Persamaan Regresi Linier
Berganda
Tahun
Y
X12
X2
2005
2,303591 67,81
16,01
9,55
5,306534
4598,196
2006
2,552752 65,27
14,45
8,61
6,516542
4260,173
2007
2,860205 63,11
15,09
9,43
8,180772
3982,872
2008
3,116743 61,91
15,17
10,43
9,714084
3832,848
2009
3,392997 60,7
15,34
11,37
11,51243
3684,49
2010
3,77774
15,34
11,89
14,27132
3633,678
2011
4,226282 59,6
15,28
12,59
17,86146
3552,16
60,28
X3
Y2
X1
Universitas Sumatera Utara
2012
4,731424 59,22
15,22
12,98
22,38638
3507,008
2013
5,345415 58,47
15,22
13,83
28,57347
3418,741
2014
5,711283 58,38
15,19
13,96
32,61875
3408,224
2015
5,968081 57,77
15,22
14,35
35,61799
3337,373
∑
43,98651 672,52
167,53
128,99
192,5597
41215,76
Lanjutan tabel 4.3
X22
X32
X1Y
X2Y
256,3201
91,2025
156,206537
36,8804993
208,8025
74,1321
166,61812
36,8872656
227,7081
88,9249
180,507526
43,1604906
230,1289
108,7849
192,957531
47,2809843
235,3156
129,2769
205,954919
52,0485741
235,3156
141,3721
227,722177
57,9505341
233,4784
158,5081
251,886433
64,5775957
231,6484
168,4804
280,194956
72,0122801
231,6484
191,2689
312,546437
81,3572219
230,7361
194,8816
333,424706
86,75439
231,6484
205,9225
344,776049
90,8341953
2552,7505
1552,7549
2652,79539
669,744031
Universitas Sumatera Utara
Lanjutan Tabel 4.3
X3Y
X1X2
X1X3
X2X3
21,99929844
1085,6381
647,5855
152,8955
21,97919426
943,1515
561,9747
124,4145
26,97173136
952,3299
595,1273
142,2987
32,50762469
939,1747
645,7213
158,2231
38,578376
931,138
690,159
174,4158
44,9173305
924,6952
716,7292
182,3926
53,20889592
910,688
750,364
192,3752
61,41388936
901,3284
768,6756
197,5556
73,92709457
889,9134
808,6401
210,4926
79,7295118
886,7922
814,9848
212,0524
85,64196465
879,2594
828,9995
218,407
540,8749115
10244,1088
7828,961
1965,523
Dari tabel 4.3 diperoleh data berikut:
N
11
∑X3Y
540,8749115
∑Y
43,98651
∑X12
41215,76
∑X1
672,52
∑X22
2552,7505
∑X2
167,53
∑X32
1552,7549
∑X3
128,99
∑X1X2
10244,1088
∑ X1Y
2652,79539
∑X1X3
7828,961
∑X2Y
669,744031
∑X2X3
1965,523
∑Y2
192,5597
Harga-harga perkalian antar variable kemudian disusun kedalam persamaan untuk
mendapatkan harga koefisien regresi b0, b1, b2, b3 :
∑Yi = b0 n + b1∑X1i + b2∑X2i + b3∑X3i
2
+ b2∑ X1i X2i + b3∑ X1i X3i
∑Yi X1i = b0∑X1i + b1∑X1i
Universitas Sumatera Utara
2
∑Yi X2i = b0∑X2i + b1∑ X1i X2i + b2 ∑X2i
+ b3∑ X2i X3i
2
∑Yi X3i = b0∑X3i + b1∑ X1i X3i + b2 ∑ X2i X3i + b3∑ X3i
Dapat kita subsitusikan nilai-nilai yang bersesuaian, sehinngga ditemukan persamaan:
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3
2.652,7948
= 672,52b0 + 41.575,7642b1 + 10.244,1088b2+ 7.879,2209b3
669,744
= 167,53b0 + 10.244,1088b1 + 2317,4349b2 + 1.965,523b3
540,8749
= 128,96b0 + 7879,2209b1 + 1965,532b2 + 1.552,7549b3
Untuk mendapat koefisien b0, b1, b2, dan b3 dari persamaan diatas, maka maka
diperoleh koefisien dengan cara mengeliminasi setiap persamaan sebagai berikut:
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3……..(1)
2.652,7948
= 672,52b0 + 41.575,7642b1 + 10.244,1088b2+ 7.879,2209b3……(2)
669,744
= 167,53b0 + 10.244,1088b1 + 2317,4349b2 + 1.965,523b3……..(3)
540,8749
= 128,96b0 + 7879,2209b1 + 1965,532b2 + 1.552,7549b3…….(4)
Dari persamaan (1) dan (2) :
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3 [x672,2]
2.652,7948
= 672,52b0 + 41.575,7642b1 + 10.244,1088b2+ 7.879,2209b3[x11]
29.581,81068 = 7.397,72b0 + 424.283,1504b1 + 112.667,2756b2 + 86.782,1792b3
29.180,7428 = 7.397,72b0 + 457.333,4062b1 + 112.685,1968b2 + 86.671,4299b3
401,06788
─
= -5.050,2558b1 -17,9212b2 + 56,7493b3 …….(5)
Dari Persamaan (1) dan (3)
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3 [x 167,53]
669,744
= 167,53b0 + 10.244,1088b1 + 2317,4349b2 + 1.965,523b3[ x11]
7.369,06076
= 1.842,83b0 + 112.667,22756b1 + 28.066,3009b2 + 21.004,6688b3
7.367,184
= 1.842,83b0 + 112.685,1968b1 + 25.491,7839b2 + 21.620,753b3
1,8768
= -17,9212b1 + 2574,517b2 – 16,0842b3…….(6)
─
Dari Persamaan (1) dan (4)
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3 [x128,96]
540,8749
= 128,96b0 + 7879,2209b1 + 1965,532b2 + 1.552,7549b3 [x11]
5.672,5009
= 1.418,56b0 + 86.728,1792b1 + 21.604,6688b2 + 16.6630,6816b3
5.949,6239
= 1.418,56b0 + 86.671,4299b1 + 21.620,753b2 + 17.080,3039b3
-277,123
= 56,749b1 – 16,0842b2 – 449,6223b3 ……..(7)
─
Universitas Sumatera Utara
Dari persamaan (5) dan (6)
401,06788
= -5.050,2558b1 -17,9212b2 + 56,7493b3 [x 17,9212]
1,8768
= -17,9212b1 + 2574,517b2 – 16,0842b3 [x 5.050,255]
7.187,6177
= 90.506,6442b1 – 321,1694b2 + 1.017,0155b3
9.478,3201
= 90.506,6442b1 + 13.001.969,4114b2 – 81.229,3243b3
-2.290,7024
= -13.002.290,5808b2 + 82.246,3398b3 ………(8)
─
Dari persamaan (6) dan (7)
1,8768
= -17,9212b1 + 2574,517b2 – 16,0842b3 [x 56,749]
-277,123
= 56,749b1 – 16,0842b2 – 449,6223b3
106,5065
= -1.017,0102b1 + 146.101,2652b2 – 912,7623b3
-4.966,3767
= 1.017,0102b1 – 288,2482b2 – 8.057,7712b3
-4.889,8702
= 145.813,017b2 – 8.970,5335b3 ……….(9)
[x 17,9212]
+
Dari Persamaan (8) dan (9)
-2.290,7024 = -13.002.290,5808b2 + 82.246,3398b3 [x 145.813,017]
-4.889,8702
= 145.813,017b2 – 8.970,5335b3
[x 13.002.290,5808]
-334.014.227,9931408
= - 1.895.903.217.497,13b2 + 11.992.586.943,44518b3
-63.574.312.326,5623
= 1.895.903.217.497,13b2 – 116.637.483.231,8009b3 +
-63.908.326.554,5554
= -104.644.896.288,3557b3
b3 =
−63.908.326.554,554
−104.644.896.288,3557
b3 = 0,6107
Substitusi b3 Kepersamaan (9) :
-4.889,8702 = 145.813,017b2 – 8.970,5335b3
-4.889,8702 = 145.813,017b2 – 8.970,5335 (0,6107)
-4.889,8702 = 145.813,017b2 – 5478,3048
145.813,017b2 = 5478,3048 – 4.889,8702
145.813,017b2 = 588,4346
b2 =
588,4346
145.813,017
b2 = 0,004035
Subsitusikan b2 dan b3 ke Persamaan 6
1,8767 = -17,9212b1 + 2574,517b2 – 16,0842b3
1,8767 = -17,9212b1 + 2574,517(0,004035) – 16,0842(0,6107)
Universitas Sumatera Utara
1,8768 = -17,9212b1 + 10,38818 – 9,8226
1,8768 = -17,9212b1 + 0,5656
-17,9212b1 = 1,8768 – 05656
-17,9212b1 = 1,3112
b1 =
1,3112
−17,9212
b1 = -0,073166
Subsitusi b1, b2, dan b3 ke Persamaan (1)
43,986514426 = 11b0 + 672,52b1 + 167,53b2 + 128,96b3
43,986514426 = 11b0 + 672,52(-0,073166) + 167,53(0,004035) + 128,96(0,6107)
43,986514426 = 11b0 – 49,20598 + 0,67598355 + 78,755872
43,986514426 = 11b0 + 30,22587555
11b0 = 43,986514426 – 30,22587555
11b0 = 13,760638876
b0 =
13,760638876
11
b0 = 1,251
Sehingga di dapat nilai koefisien- koefisiennya antara lain :
b0 = 1,251
b1 = -0,073166
b2 = 0,004035
b3 = 0,6107
Setelah mendapat harga-harga koefisien regresi, maka dapat ditentukan
persamaannya yaitu:
Ŷ = 1,251 – 0,073166X1 + 0,004035X2 + 0,6107X3
Universitas Sumatera Utara
Tabel 4.4
Penyimpangan Nilai Koefisien
Tahun
Y
X1
X2
X3
x1
x2
2005
2,303591
67,81
16,01
9,55
6,67181818
0,78
2006
2,552752
65,27
14,45
8,61
4,13181818
-0,78
2007
2,860205
63,11
15,09
9,43
1,97181818
-0,14
2008
3,116743
61,91
15,17
10,43
0,77181818
-0,06
2009
3,392997
60,7
15,34
11,37
-0,4381818
0,11
2010
3,77774
60,28
15,34
11,89
-0,8581818
0,11
2011
4,226282
59,6
15,28
12,59
-1,5381818
0,05
2012
4,731424
59,22
15,22
12,98
-1,9181818
-0,01
2013
5,345415
58,47
15.,22
13,83
-2,6681818
-0,01
2014
5,711283
58,38
15,19
13,96
-2,7581818
-0,04
2015
5,968081
57,77
15,22
14,35
-3,3681818
-0,01
∑
43,98651
672,52
167,53
128,99
�
X
3,998774
61,13818
15,23
11,72636
Universitas Sumatera Utara
Lanjutan Tabel 4.4
x3
-2,17636364
Y
y2
x1y
x2y
x3y
-1,6951825
2,873643975 -11,30994995
-1,322242411 3,689333721
-3,11636364
-1,4460220
2,090979893 -5,974700374
1,127897232
4,506330667
-2,29636364
-1,1385692
1,296339889 -2,245051506
0,159399692
2,614568974
-1,29636364
-0,8820315
0,777979565 -0,680767948
0,05292189
1,143433561
-0,35636364
-0,6057770
0,366965809 0,26544048
-0,066635473 0,215876905
0,16363636
-0,2210339
0,048855976 0,189687256
-0,024313727 -0,03616918
0,86363636
0,2275084
0,051760073 -0,349949286
0,01137542
1,25363636
0,7326504
0,536776625 -1,405356698
-0,007326504 0,918477197
2,10363636
1,3466413
1,813442875 -3,593083916
-0,013466413 2,832843673
2,23363636
1,7125090
2,932687216 -4,723411301
-0,068500362 3,825122468
2,62363636
1,9693071
3,878170538 -6,63298444
-0,019693071 5,166745775
16,66760243 -36,46012768
-0,170583727 25,07304829
0,196484528
Universitas Sumatera Utara
Lanjutan Tabel 4.4
Ŷ
Y-Ŷ
(Y-Ŷ)2
���
���
� ��
2,186398
0,11719346
0,013734307
44,5131579
0,6084
4,73655868
1,7988791
0,75387285
0,568324268
17,0719215
0,6084
9,71172231
2,4328279
0,42737691
0,182651023
3,88806694
0,0196
5,27328595
3,15210482
-0,0353623
0,001250491
0,59570331
0,0036
1,68055868
3,81537777
-0,4223808
0,178405506
0,19200331
0,0121
0,12699504
4,16367334
-0,3859332
0,148944419
0,73647603
0,0121
0,02677686
4,6454784
-0,419196
0,175725253
2,36600331
0,0025
0,74586777
4,90640668
-0,1749822
0,030618781
3,67942149
0,0001
1,57160413
5,48037676
-0,1349614
0,018214577
7,11919421
0,0001
4,42528595
5,56623227
0,14505081
0,021039737
7,60756694
0,0016
4,9891314
5,84915778
0,11892338
0,01414277
11,3446488
0,0001
6,88346777
43,99691282
-0,0103984
1,353051133
99,1141636
1,2686
40,1712545
Setelah mendapatkan persamaan regresi, langkah selanjutnya adalah
menghitung kesalahan baku:
2
Sy.1,2,3,…k
=
∑(Y i − Ŷ)2
n−k−1
1,353051133
Sy.1,2,3,…k = �
11−3−1
1,353051133
Sy.1,2,3,…k = �
7
Sy.1,2,3,…k = √0,193293019
Universitas Sumatera Utara
Sy.1,2,3,…k = 0,439651019
Hasil yang diperoleh menunjukkan nilai pendapatan perkapita penduduk akan
menyimpang dari nilai rata – rata pendapatan perkapita penduduk yang sebenarnya
sebesar 0,439651019
4.3
Uji Keberartian Regresi
4.3.1
Uji F (Simultan)
Langkah - langkahnya sebagai berikut :
1)
Menentukan formulasi hipotesanya
H0 : b1 = b2 = b3 = 0, Tidak terdapat pengaruh yang signifikan antara variabel bebas
yaitu Sektor Pertanian, Sektor Industri, dan Sektor Jasa dengan variabel tak bebas
yaitu Total Keseluruhan PDRB.
H1 : b1 ≠ b2 ≠ b3 ≠ 0, Terdapat pengaruh yang signifikan antara variabel bebas yaitu
Sektor Pertanian, Sektor Industri, dan Sektor Jasa dengan variabel tak bebas yaitu
Total Keseluruhan PDRB
2)
Menentukan Taraf Nyata
Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk
penyebut (v2) = 11 – 3 – 1 = 7 maka diperoleh F(3;7;0,05) = 4,35
3)
Kriteria Pengujian
H0 diterima apabila Fhitung ≤ Ftabel
H0 ditolak apabila Fhitung > Ftabel
4)
F-hitung
F=
JK reg
k
JK reg
(n −k −1)
Universitas Sumatera Utara
Untuk menguji model regresi linier berganda yang telah terbentuk, maka dilakukan
pengujian dengan menggunakan uji F yang memerlukan nilai-nilai dan yj, x1j, x2j, x3j,
nilai-nilai tersebut dapat diperoleh melalui rumus berikut:
�
yj = Y - Y
���2
x2j = X2 –X
���1
x1j = X1 -X
���3
x3j = X3 –X
Dapat dihitung nilai jumlah kuadrat regresi (JKreg) dan nilai jumlah kuadrat
residu (JKres) dari tabel 4.4:
JKreg = b1∑x1iyi + b2∑x2iyi + b3∑x3iyi
JKreg = -0,073166(-36,46012768) + (0,004035)(-0,170583727) +
(0,6107)(25,07304829)
JKreg = 2,667641702 – 0,00688305338445 + 15,312110590703
JKreg = 17,97286924
JKres = Σ(Yi -Ŷ )2
JKres = 1,353051133
Jadi Fhitung dapat dicari dengan:
JK reg
Fhitung =
k
JK reg
(n −k −1)
17,97286924
3
= 1,353051133
11−3−1
=
5,99095641
0,19329302
Fhitung = 30,99416839
Universitas Sumatera Utara
5)
Dengan demikian disimpulkan bahwa nilai Fhitung(30,99416839) > Ftabel (4,35).
Maka Ho ditolak dan H1 diterima. Hal ini berarti persamaan persamaan linier
berganda Y atas X1, X2, X3 Bersifat nyata yang berarti bahwa Sektor Pertanian;
Sektor Perdagangan, Hotel, & Restoran; dan Sektor Jasa-Jasa secara bersama-sama
berpengaruh terhadap Total Keseluruhan PDRB.
4.4
Koefisien Determinasi
Pada Tabel 4.4 dapat dilihat harga ∑y2 = 16,66760243 dan nilai JKreg = 17,97286924
telah diperoleh, maka diperoleh nilai koefisien determinasi:
JK reg
R2 = n
∑ y 2i
i=1
=
17,97286924
16,66760243
R2 = 1,078311612
Nilai koefisien determinasi R2 diperoleh sebesar 1,078311612 yang berarti
kurang lebih 100% tingkat total keseluruhan PDRB dipengaruhi oleh Sektor
Pertanian; Sektor Perdagangan, Hotel, & Restoran; dan Sektor Jasa-Jasa.
Mencari Koefisien korelasi ganda dengan rumus:
R = √R2
R = √1,078311612
R = 1,0384178
Universitas Sumatera Utara
Nilai perhitungan korelasi (R) diperoleh sebesar 1,0384178 yang menunjukkan
bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y berhubungan
secara positif dengan tingkat yang angat tinggi.
4.5
Koefisien Korelasi
4.5.1
Korelasi Antara Varibel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas,
maka dari tabel dapat dihitung besar koefisien korelasinya yaitu:
1. Koefisien korelasi antara Total Keseluruhan PDRB (Y) dengan Sektor Pertanian(X1
)
��� 1 =
��� 1 =
=
n ∑ X 1 Y−(∑X 1 )(∑Y)
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑Y 2 − (∑Y)2 }
(11)(2652 ,79539)− (672,52)(43,98651)
�{(11)(41.215,76)− (452.283,1504 )}{(11)(192,5597)− (1.934,813062 )}
− 401,0584152
�(1090,2096)(183,343638 )
=
− 401,0584152
=
− 401,0584152
√199.882,9942
447,08276
Universitas Sumatera Utara
��� 1 = -0,89705632
Koefisien korelasi antara Sektor Pertanian (X1) dengan Total Keseluruhan
PDRB (Y) adalah 0,89705632 yang berarti nilai tersebut menunjukkan korelasi tinggi
dengan arah yang sama (korelasi negatif).
2. Koefisien korelasi antara Total Keseluruhan PDRB (Y) dengan Sektor
Perdagangan, Hotel, & Restoran (X2 )
ryx 2 =
ryx 1 =
�{(n ∑ X 22 −(∑X 2 )2 ) (n∑Y 2 − (∑Y)2 }
(11)(669,744031 )− (167,53)(43,98651)
�{(11)(2552 ,7505 )− (28.066,3009)} {(11)(192,5597)− (1.934,813062 )}
��� 1 =
��� 1 =
��� 1 =
��� 1
n ∑ X 2 Y−(∑X 2 )(∑Y)
7.367,184341 −7369,06002
�(13,9546)(183,343638 )
−1,8756793
√2.558,487131
−1,8756793
50,58149
= -0.03701
Koefisien korelasi antara Sektor Perdagangan, Hotel, & Restoran (X2) dengan
Total Keseluruhan PDRB (Y) adalah 0,03701 yang berarti nilai tersebut menunjukkan
korelasi rendah dengan arah yang sama (korelasi negatif).
3.
Koefisien korelasi antara Total Keseluruhan PDRB (Y) dengan Sektor Jasa-Jasa
(X3 )
Universitas Sumatera Utara
��� 3 =
n ∑ X 3 Y−(∑X 3 )(∑Y)
�{(n ∑ X 23 −(∑X 3 )2 ) (n∑Y 2 − (∑Y)2 }
��� 3 =
(11)(540,8749115 )−(128,99)(43,98651)
�{(11)(1.552,7505 )−(16.638,4201 )}{(11)(192,5597)− (1.934,8130 62)}
��� 3 =
��� 3 =
��� 3 =
��� 3
5.949,624027 −5.673,819925
�(441,8354 )(183,343638
275,804102
√81.007,70963
275,804102
284,6185
= 0,96903083
Koefisien korelasi antara Sektor Jasa (X3) dengan Total Keseluruhan PDRB
(Y) adalah 0,96903083 yang berarti nilai tersebut menunjukkan korelasi sangat tinggi
dengan arah yang sama (korelasi positif).
4.5.2
Korelasi Antara Variabel Bebas
1. Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Industri (X2)
��1 �2 =
��1 �2 =
n ∑ X 1 X 2 −(∑X 1 )(∑X 2 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 22 − (∑X 2 )2 }
( 11)(10.244,1088 ) − (672,52)(167,53)
�{(11)(412.15,76)−(452.283,1504 )} {(11)(2552 ,7505 )− (28.066,3009}
��1 �2 =
112.685,1968−112.667,2756
�{(1.090,2096)(13,9546}
Universitas Sumatera Utara
��1 �2 =
��1 �2 =
17,9212
√15.213,43888
17,9212
123,3427699
��1 �2 = 0,14529591
Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Perdagangan,
Hotel, &Restoran(X2) adalah 0,14529591 yang berarti nilai tersebut menunjukkan
korelasi rendah dengan arah yang sama (korelasi positif).
2. Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Jasa (X3)
��1 �3 =
��1 �2 =
n ∑ X 1 X 3 −(∑X 1 )(∑X 3 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(7.879,2209)− (672,52)(128,99)
�{(11)(41.215,76)−(452.283,1504 )}{(11)(1.552,7549)− (16.638,4201 )
��1 �3 =
��1 �3 =
86.671,4299−87.135,3248
�(1.090,2096)(441,8838 )
−463,8949
694,079218
��1 �3 = -0,668360164
Koefisien korelasi antara Sektor Pertanian (X1) dengan Sektor Jasa (X3)
adalah -0,668360164 yang berarti nilai tersebut menunjukkan korelasi tinggi dengan
arah yang sama (korelasi negatif).
3. Koefisien korelasi antara Sektor Perdagangan, Hotel, & Restoran (X2) dengaSektor
Jasa-Jasa (X3).
Universitas Sumatera Utara
��2 �3 =
n ∑ X 2 X 3 −(∑X 2 )(∑X 3 )
�{(n ∑ X 22 −(∑X 2 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(1.965,523)− (167,52)(128,96)
��1 �3 = �{(11)(2.552,7505 )− (28.066,3009)} {(11)(1.552,7549)−(16.630,6816 )}
��1 �3 =
��1 �3 =
21.620,753−21.603,3792
�(13,9546)(449,6223)
17,3738
79,21047499
��1 �3 = 0,219337152
Koefisien korelasi antara Sektor Perdagangan, Hotel, & Restoran (X2) dengan
Sektor Jasa-Jasa (X3) adalah 0,0219337152 yang berarti nilai tersebut menunjukkan
korelasi rendah dengan arah yang sama (korelasi positif).
4.5.3
Uji t (Uji Parsial)
Apakah X mempegaruhi Y ?
Langkah - langkah pengujiannya sebagai berikut :
1) Menentukan formulasi hipotesanya
H0 : b1= b2 = b3 = 0 Sektor Pertanian tidak berpengaruh secara signifikan terhadap
Total Keseluruhan PDRB di Kabupaten Dairi.
Universitas Sumatera Utara
H1 : b1 ≠ b2 ≠ b3 ≠ 0 Sektor Pertanian berpengaruh secara signifikan terhadap Total
Keseluruhan PDRB di Kabupaten Dairi.
2) Menentukan taraf nyata
Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan
�
(1 - ) = (1-
0,05
2
2
) = (1-0,025) = 0,975 dan dk = n – k = 11 - 3 = 8 .
t(8;0,975) = 2,31
3) Kriteria pengujian
H0 diterima apabila thitung ≤ ttabel
H0 ditolak apabila thitung > ttabel
4) t-hitung
t=
�1
�� 1
Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai Sb1,
rumusannya sebagai berikut :
��1 = �
��2 .1,2
2 )
∑���2 (1−�1,2
Nilai ��1 diperoleh melalui pencarian, pertama nilai kesalahan baku tafsiran.
��2.1,2 =
��2.1,2 =
Σ(Yi −Ŷ )2
�−�−1
1,353051133
11−3−1
Universitas Sumatera Utara
��2.1,2 =
��2.1,2 =
1.353051133
11−3−1
0,169131391
Nilai X1 yang mempengaruhi Y :
��1 �2 =
��1 �2 =
n ∑ X 1 X 2 −(∑X 1 )(∑X 2 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 22 − (∑X 2 )2 }
( 11)(10.244,1088 ) − (672,52)(167,53)
�{(11)(412.15,76)−(452.283,1504 )} {(11)(2552 ,7505 )− (28.066,3009}
112.685,1968−112.667,2756
��1 �2 =
��1 �2 =
��1 �2 =
�{(1.090,2096)(13,9546}
17,9212
√15.213,43888
17,9212
123,3427699
��1 �2 = 0,14529591
Menentukan nilai ��1
��1 = �
��2 .1,2
2 (1−� 2 )
∑� ��
1,2
��1 = �
0,169131391
99,1141636 (1−0,021110901 )
Universitas Sumatera Utara
��1 = �
��1
0,169131391
97,0217743
= 0,041752021
Nilai X2 yang mempengaruhi Y:
��1 �3 =
��1 �2 =
n ∑ X 1 X 3 −(∑X 1 )(∑X 3 )
�{(n ∑ X 21 −(∑X 1 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(7.879,2209)− (672,52)(128,99)
�{(11)(41.215,76)−(452.283,1504 )}{(11)(1.552,7549)− (16.638,4201 )
��1 �3 =
��1 �3 =
86.671,4299−87.135,3248
�(1.090,2096)(441,8838 )
−463,8949
694,079218
��1 �3 = -0,668360164
Menentukan nilai ��2
��2 = �
��2 .1,2
2 (1−� 2 )
∑� 2�
1,2
��2 = �
��2 = �
0,169131391
1,2686 (1−0,446705308 )
0,169131391
0,701909645
��2 = �0,240958921
Universitas Sumatera Utara
��2 = 0,490875668
Nilai X3 yang mempengaruhi Y:
n ∑ X 2 X 3 −(∑X 2 )(∑X 3 )
��2 �3 =
��1 �3 =
�{(n ∑ X 22 −(∑X 2 )2 ) (n∑X 23 − (∑X 3 )2 }
(11)(1.965,523)− (167,52)(128,96)
�{(11)(2.552,7505 )− (28.066,3009)} {(11)(1.552,7549)−(16.630,6816 )}
21.620,753−21.603,3792
��1 �3 =
�(13,9546)(449,6223)
17,3738
��1 �3 =
79,21047499
��1 �3 = 0,219337152
Menentukan nilai ��3
��3 = �
��2 .1,2
2 (1−� 2 )
∑� 3�
1,2
0,169131391
��3 = �
40,1712545 (1−0,0481087862 )
��3 = �
0,16913191
38,2386642059
��3 = 0,06650609
Kemudian dapat ditentukan t-hitung :
t1 =
�1
�� 1
Universitas Sumatera Utara
=
−0,073166
0,041752021
t1= -1,7523942134
t2 =
=
�2
�� 2
0,004035
0,490875668
= 0,00822
t3 =
=
�3
�� 3
0,6107
0,06650609
t3= 9,18261771
5) Kesimpulan
•
Didapat thitung = -1,7523942134 < ttabel = 2,31. thitung < ttabel, maka H0 diterima
dan H1 ditolak. Hal ini berarti bahwa Sektor Pertanian kurang berpengaruh
secara simultan dan signifikan terhadap Total Keseluruhan PDRB di
Kabupaten Dairi.
•
Didapat thitung = 0,00822 < ttabel = 2,31. thitung < ttabel, maka H0 diterima dan H1
ditolak. Hal ini berarti bahwa Sektor Perdagangan, Hotel, & Restoran kurang
berpengaruh secara simultan dan signifikan terhadap Total Keseluruhan PDRB
di Kabupaten Dairi.
•
Didapat thitung = 9,18261771 > ttabel = 2,36. thitung > ttabel, maka H0 ditolak dan
H1 diterima. Hal ini berarti bahwa Sektor Jasa-Jasa berpengaruh secara
Universitas Sumatera Utara
simultan dan signifikan terhadap Total Keseluruhan PDRB di Kabupaten
Dairi.
Universitas Sumatera Utara
BAB 5
IMPLEMENTASI SISTEM
5.1
Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru
atau sistem yang diperbaiki.
Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis
kedalam programming.
Dalam pengolahan data pada karya tulis ini penulis
menggunakan perangkat lunak (software) sebagai implementasi sistem yaitu SPSS for
windows dalam masalah memperoleh perhitungan.
5.2
Peranan Komputer Dalam Statistika
Komputer memegang peranan sangat penting dalam statistika. Komputer dalam
bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai
berikut:
1. Jumlah input yang besar
Jumlah input yang besar akan dapat diolah oleh komputer dengan mudah semudah
mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja sangat
efisien pada pengolahan data dengan menggunakan input yang besar.
2. Proyek yang repetitif
Universitas Sumatera Utara
Perintah pengolahan yang berulang – ulang akan lebih efisien dengan menggunakan
komputer, karena disini perintah hanya dilakukan satu kali kemudian diulang – ulang
(di-copy) untuk menjalankan perintah pengolahan yang lain.
3. Diperlukan kecepatan yang tinggi
Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu
yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah oleh
komputer, yang membedakan hanya pada proses pemasukan data saja.
4. Diperlukan ketepatan yang tinggi
Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan
yang tepat. Kesalahan informasi yang mungkin dilakukan hanya terjadi pada proses
pemasukan data saja.
5. Pengolahan hal yang kompleks
Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan mudah
menggunakan komputer dalam waktu yang tepat dan cepat.
Saat ini banyak beredar berbagai paket program komputer statistik dari yang
‘kuno’ dan berbasis DOS seperti Microstat sampai yang berbasis Windows seperti
SPSS, SAS, Statistika dan lainnya. Dari berbagai software khusus statistik yang
beredar sekarang, SPSS adalah yang paling populer dan paling banyak digunakan
pemakai di seluruh dunia.
SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga
mahasiswa Stanford University, yang dioperasikan pada komputer mainframe. Pada
tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk
Universitas Sumatera Utara
komputer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya
sistem operasi windows, SPSS pada tahun 1992 juga mengeluarkan versi Windows.
Hal ini membuat SPSS yang tadinya ditujukan bagi pengolahan data statistic
untuk ilmu sosial (SPSS saat itu adalah singkatan dari Statistical Package for the
Social Sciences), sekarang diperluas untuk melayani berbagai user, seperti untuk
proses produksi di pabrik, riset ilmu – ilmu sains dan lainnya. Sehingga sekarang
kepanjangan SPSS adalah Statistical Product and Services Solutions.
5.3
Cara Kerja SPSS
Cara kerja komputer, statistik dan SPSS pada prinsipnya adalah sama, yaitu meliputi 3
bagian : input, proses dan output.
1. Input
Pada komputer, input berupa data yang akan diolah dengan komputer. Proses inputing
dapat melalui keyboard, mouse, touch screen, atau hardisk. Pada statistik, input
berupa dat yang telah ditabulasikan pada data ditor bagian view data, sedangkan
proses coding dan pendefenisisan variabel pada view variable.
2. Proses
Pada komputer, proses berupa eksekusi program komputer dimana computer
menjalankan perintah – perintah sesuai dengan apa yang telah diprogramkan. Pada
statistik, proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi,
baik dengan statistik parametrik ataupun non-parametrik. Pada SPSS, proses berupa
Universitas Sumatera Utara
eksekusi program SPSS untuk menganalisis input yang ada di data editor sesuai
dengan perintah dari pemakai.
3. Output
Pada komputer, output berupa hasil pengolahan yang telah diproses dengan program
komputer yang dikehendaki. Bentuk output komputer bisa dalam bentuk cetakan,
tampilan, gambar, maupun 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, output berupa hasil analisis program SPSS yang disajikan dalam output
navigator.
5.4
Mengoperasikan SPSS
langkah – langkah pengolahan data dengan menggunakan program SPSS
adalah :
5.4.1
Mengaktifkan Program SPSS pada Windows
Klik tombol start pada windows, kemudian klik program, lalu klik SPSS. Selain cara
itu, program SPSS bisa diaktifkan melalui icon shortcut pada tampilan desktop.
Universitas Sumatera Utara
Gambar 5.1
5.4.2
Tampilan Pengaktifan SPSS 18
Membuka Lembar Baru
Dari tampilan yang muncul pada saat membuka SPSS, pilih type in data untuk
membuat data baru atau menu File, pilih new, maka akan muncul jendela editor,
kemudian klik data.
Gambar 5.2
Tampilan Awal SPSS
Universitas Sumatera Utara
5.4.3
Menamai Variabel
Klik variable view, yang terletak disebelah kiri bawah jendela editor, lalu lakukan
langkah – langkah sebagai berikut :
1. Name : Ketik nama variabel yang kita inginkan.
2. Type : Sesuaikan tipe data sesuai dengan apa yang kita inginkan.
3. Width : Digunakan untuk menengtukan jarak atau lebar kolom.
4. Label : Ketikkan nama sesuai dengan identitas dari nama variabel, nama variabel
hanya terdiri dari 8 digit atau karakter.
5. Value : Digunakan untuk mengisi penjelasan nama (label) pada variabel.
6. Missing : Digunakan untuk menjelaskan data yang hilang.
7. Columns : Digunakan untuk menentukan lebar kolom.
8. Align : Digunakan untuk menentukan letak pengisisan data, apakah rata kiri, rata
kanan atau diletakkan ditengah – tengah kolom.
9. Measure : Digunakan untuk menentukan jenis data.
Gambar 5.3
Layar Kerja Variabel View
Universitas Sumatera Utara
5.4.4
Pengisian Data
1. Aktifkan jendela data dengan mengklik data view, yang terletak disudut kiri bawah
jendela editor.
2. Selanjutnya ketikkan data yang sesuai untuk setiap variabel yang telah
didefenisikan.
Gambar 5.4 Data yang diolah
5.4.5
Pengolahan Data dengan Persamaan Regresi
1. Tampilkan file yang akan ditentukan oleh persamaan regresi pada jendela editor
yang tampak.
2. Pilih menu analyze, kemudian pilih sub menu regression dengan cursor, dan pilih
linier yang keluar pada tampilan jendela editor.
Universitas Sumatera Utara
Gambar 5.5 Pilih Analyze, Regression, Linier
3. Setelah muncul kotak dialog, kemudian sorot variabel yang menjadi variabel
tidak bebas, dan pindahkan ke kotak Variable Dependent. Demikian juga sorot
Variable Independent.
Gambar 5.6 Kotak Dialog Linier Regression
4. Klik Statistic pada kotak dialog Linier Regression, aktifkan Estimate, Model
Universitas Sumatera Utara
Fit, Casewise Diagnotics, kemudian klik Continue untuk melanjutkannya, lalu
klik OK.
Gambar 5.7
Kotak Dialog Linier Regression Statistics
5. Kemudian klik Plots pada kotak tersebut, lalu aktifkan Produce All Partial Plots,
kemudian klik Continue, lalu klik Ok pada kotak dialog Linier Regresssion untuk
melihat hasilnya atau Outputnya.
Gambar 5.8 Kotak Dialog Linier Regression Plots
Universitas Sumatera Utara
6. Klik continue untuk meneruskan
7. Pada kolom Option, untuk stepping Method Criteria, digunakan uji F dengan
mengambil standart 5% maka pilih 0,05, klik continue dan klik OK. Akan tampil
sebagai berikut:
Gambar 5.9
Kotak Dialog Analisis Option
8. Klik continue kemudian OK untuk melihat hasilnya.
Model Summaryb
Model
R
.989a
1
R Square
Adjusted R
Std. Error of the
Square
Estimate
.979
.970
.22420805540
a. Predictors: (Constant), Sektor_Jasa, Sektor_PHR, Sektor_Pertanian
b. Dependent Variable: Total_PDRB
ANOVAb
Model
1
Sum of Squares
Regression
Residual
Total
df
Mean Square
16.316
3
5.439
.352
7
.050
16.668
10
F
108.189
Sig.
.000a
Universitas Sumatera Utara
a. Predictors: (Constant), Sektor_Jasa, Sektor_PHR, Sektor_Pertanian
b. Dependent Variable: Total_PDRB
Coefficientsa
Model
Standardized
Unstandardized Coefficients
B
1
(Constant)
Coefficients
Std. Error
Beta
1.162
4.207
.124
.071
Sektor_PHR
-.948
Sektor_Jasa
.825
Sektor_Pertanian
t
Sig.
.276
.790
.303
1.751
.123
.266
-.261
-3.558
.009
.111
1.281
7.404
.000
Residuals Statisticsa
Minimum
Predicted Value
Maximum
Mean
Std. Deviation
N
2.2931327820
5.7541594505
3.9987740387
1.27732993654
11
-.24643373489
.37818148732
.00000000000
.18758591758
11
Std. Predicted Value
-1.335
1.374
.000
1.000
11
Std. Residual
-1.099
1.687
.000
.837
11
Residual
a. Dependent Variable: Total_PDRB
Gambar 5.10 Output ANOVA, Coefisien dan Residual Statistic
Universitas Sumatera Utara
G
Gambar 5.11 Charts
Universitas Sumatera Utara
pGGG
Gambar 5.12 Plot Regression Standardized Residual
Universitas Sumatera Utara
BAB 6
KESIMPULAN DAN SARAN
6.1
Kesimpulan
Berdasarkan analisa yang telah dilakukan penulis maka dapat diambil beberapa
kesimpulan sebagai berikut :
1. Berdasarkan hasil pengolahan data yang telah dilakukan diatas, maka
diperoleh persamaan regresi linier bergandanya:
Ŷ = 1,251 – 0,073166X1 + 0,004035X2 + 0,6107X3
Ini berarti bahwa Sektor Pertanian mempengaruhi Total Keseluruhan PDRB
sebesar -0.073166 %, Sektor Perdagangan, Hotel, & Restoran mempengaruhi
Total Keseluruhan PDRB sebesar 0,004035 %, dan Sektor Jasa mempengaruhi
Total Keseluruhan PDRB sebesar 0,6107 %. Serta nilai konstan sebesar 1,251.
2. Melalui uji keberatian regresi linier diperoleh Fhitung(30,99416839) > Ftabel
(4,35) Maka Ho ditolak dan H1 diterima. Hal ini berarti bahwa terdapat
pengaruh yang signifikan antara variabel bebas yaitu Sektor Pertanian, sektor
Perdagangan, Hotel, & Restoran, dan Sektor Jasa dengan variabel tak bebas
terhadap Total Keseluruhan PDRB.
3. Diperoleh kesalahan baku sebesar 0,439651019. Ini berarti nilai pendapatan
perkapita penduduk akan menyimpang dari nilai rata-rata pendapatan perkapita
yang sebenarnya sebesar 0,439651019
4. Melalui perhitungan nilai Didapat thitung = -1,7523942134 < ttabel = 2,31. thitung <
ttabel, maka H0 diterima dan H1 ditolak. Hal ini berarti bahwa Sektor Pertanian
kurang
berpengaruh
secara
simultan
dan
signifikan terhadap
Total
Universitas Sumatera Utara
Keseluruhan PDRB di Kabupaten Dairi. Melalui perhitungan nilai thitung =
0,00822 < ttabel = 2,31. thitung < ttabel, maka H0 diterima dan H1 ditolak. Hal ini
berarti bahwa Sektor Perdagangan, Hotel, & Restoran kurang berpengaruh
secara simultan dan signifikan terhadap Total Keseluruhan PDRB di
Kabupaten Dairi. Melalui perhitungan nilai thitung = 9,18261771 > ttabel = 2,36.
thitung > ttabel, maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa Sektor
Jasa-Jasa berpengaruh secara simultan dan signifikan terhadap Total
Keseluruhan PDRB di Kabupaten Dairi.
6.2
Saran
Dari hasil penelitian yang dilakukan, maka penulis dapat memberikan beberapa saran,
yaitu:
1. Untuk meningkatkan pertumbuhan Produk Domestik Regional Bruto di
Kabupaten Dairi, diharapkan kepada Pemerintahan Kabupaten Dairi agar
memperhatikan Sektor Pertanian dan Sektor Perdagangan, Hotel dan Restoran.
Mengambil tindakan untuk meningkatkannya pertumbuhan Sektor Pertanian
dan Sektor Perdagangan, Hotel dan Restoran sebagai sektor yang kuat untuk
meningkatkan pendapatan Produk Domestik Regional Bruto di Kabupaten
Dairi.
2. Penulis menyarankan agar metode regresi linier dapat dipakai untuk mencari
pengaruh Produk Domestik Regional Bruto terhadap Sektor Pertanian, Sektor
Industri, Sektor Jasa, dan sektor-sektor yang lainnya.
Universitas Sumatera Utara