Faktor-Faktor yang Mempengaruhi Produksi Jagung di Kabupaten Karo

1

FAKTOR - FAKTOR YANG MEMPENGARUHI PRODUKSI

JAGUNG DI KABUPATEN KARO

TUGAS AKHIR

DESSY K WARDHANI

112407064

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

FAKTOR - FAKTOR YANG MEMPENGARUHI PRODUKSI

JAGUNG DI KABUPATEN KARO

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

DESSY K WARDHANI

112407064

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PERSETUJUAN

Judul : Faktor-Faktor yang Mempengaruhi Produksi

Jagung di Kabupaten Karo

Kategori : Tugas Akhir

Nama : Dessy K Wardhani

Nomor Induk Mahasiswa : 112407064

Program Studi : D3 Statistika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam

Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Drs. Faigiziduhu Bu’ulölö, M.Si Prof. Dr. Saib Suwilo, M.Sc

PERNYATAAN

FAKTOR – FAKTOR YANG MEMPENGARUHI PRODUKSI JAGUNG DI KABUPATEN KARO

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan masing-masing disebutkan sumbernya.

Medan, Juli 2014

DESSY K WARDHANI 112407064

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor-Faktor yang Mempengaruhi Produksi Jagung Di Kabupaten Karo.

Terimakasih penulis sampaikan kepada Bapak Prof. Dr. Saib Suwilo, M.Sc selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulölö, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda Sutan Nawir Siregar dan Ibunda Erni boru Sitorus serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1. PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 4

1.3 Batasan Masalah 5

1.4 Tujuan dan Manfaat Penelitian 5

1.4.1 Tujuan Penelitian 5

1.4.2 Manfaat Penelitian 5

1.5 Metode Penelitian 6

1.5.1 Metode Pengumpulan Data 6

1.5.2 Metode Analisis Data 7

1.6 Lokasi Penelitian 9

1.7 Tinjauan Pustaka 9

1.8 Sistematika Penulisan 11

BAB 2. LANDASAN TEORI 12

2.1 Analisis Regresi 12

2.1.1 Regresi Linier Sederhana 13

2.1.2 Regresi Linier Berganda 13

2.2 Uji Keberartian Regresi Linier 15

2.2.1 Uji F (Simultan) 15

2.3 Analisis Korelasi 16

2.3.1 Koefisien Korelasi 17

2.3.2 Koefisien Determinasi 19

2.4 Uji t (Parsial) 19

BAB 3 PENGOLAHAN DATA 21

3.1 Data dan Pembahasan 21

3.2.1 Jendela Lembar Kerja Excel 24

3.2.2 Pengisian Data 25

3.3 Program SPSS 26

3.3.1 Cara Kerja SPSS 27

3.3.2 Pengoprasian SPSS 27

3.3.3 Pengolahan Data dengan Analsis Regresi 30

BAB 4 PENUTUP 54

4.1 Kesimpulan 54

4.2 Saran 57

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Nomor Judul Halaman Tabel

Tabel 1.1 Kadar Kalori, Protein dan Karbohidrat pada

Makanan Mentah (dalam 100 gram) 2

Tabel 1.2 Kandungan Nutrisi atau Zat Makanan pada Biji Jagung 2

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 19

Tabel 3.1 Data Hasil Produksi Jagung, Luas Panen., Rata – Rata Suhu Udara, Rata - Rata Kelembaban Udara, Rata – Rata Curah Hujan, Jumlah Hujan Sn Rata – Rata Kecepatan Angin

Berdasarkan Tahun 1995-2011 23

Tabel 3.2 Bagian Descriptive Statistics 39

Tabel 3.3 Bagian Correlations 40

Tabel 3.4 Bagian Variables Entered/Removed 45

Tabel 3.5 Bagian Model Summary 2

Tabel 3.6 Bagian ANOVA 19

Tabel 3.7 Bagian Coefficients 23

Tabel 3.8 Bagian Casewise Diagnostics 39

Tabel 3.9 Bagian Residuals Statistics 40

DAFTAR GAMBAR

Nomor Judul Halaman Gambar

Gambar 3.1 Tampilan Pengaktifan Program Excel 24

Gambar 3.2 Jendela Microsoft Excel 24

Gambar 3.3 Input Data dalam Excel 26

Gambar 3.4 Tampilan Pengaktifan SPSS 27

Gambar 3.5 Kotak Dialog Awal SPSS 27

Gambar 3.6 Tampilan Jendela Data View dalam SPSS 28

Gambar 3.7 Tampilan Sheet Variabel View 29

Gambar 3.8 Jendela Data View Setelah di Input Data 30

Gambar 3.9 Tampilan Pengolahan Data dengan Regresi Linear 30

Gambar 3.10 Prosedur Regresi Linear 31

Gambar 3.11 Grafik Hubungan Produksi Jagung dengan Luas Panen 00 Gambar 3.12 Grafik Hubungan Produksi Jagung dengan Rata – Rata Suhu

Udara 00

Gambar 3.13 Grafik Hubungan Produksi Jagung dengan Rata – Rata

Kelembaban Udara 00

Gambar 3.14 Grafik Hubungan Produksi jagung dengan Rata – Rata

Curah Hujan 00

Gambar 3.15 Grafik hubungan Produksi Jagung dengan Jumlah Hari

Hujan 53

Gambar 3.16 Grafik Hubungan Produksi Jagung dengan Rata –Rata

Kecepatan Angin 57

Gambar 3.17 Histogram Produksi Jagung dengan Luas Panen 74

Gambar 3.18 Histogram Produksi Jagung dengan Rata – Rata Suhu Udara 77 Gambar 3.19 Histogram Produksi Jagung Dengan Rata – Rata

Kelembaban Udara 78

Gambar 3.20 histogram Produksi Jagung dengan Rata – Rata Curah

Hujan 79

Gambar 3.21 Histogram Produksi Jagung dengan Jumlah Hari Hujan 81 Gambar 3.22 Histogram Produksi Jagung dengan Rata – Rata Kecepatan

BAB 1 PENDAHULUAN

1.1Latar Belakang

Tanaman jagung sangat bermanfaat bagi kehidupan manusia ataupun hewan. Di Indonesia, jagung merupakan makanan pokok kedua setelah padi. Sedangkan berdasarkan urutan bahan makanan pokok dunia, jagung menduduki urutan ketiga setelah gandum dan padi. Di Negara agraris seperti Indonesia, sangat mendukung dikembangkannya komoditi jagung. Sebab tanaman jagung memiliki potensi yang cukup untuk di budidayakan dan mudah diusahakan. Peranan penganekaragaman kebutuhan pangan dari bahan jagung sangat diperlukan dalam usaha tani ini, sehingga tidak mustahil komoditi jagung pada dewasa ini mendapat perhatian (AAK, 1993).

Ditinjau dari produksinya, swasembada jagung sebenarnya sudah berhasil dicapai oleh Indonesia. Namun, karena kontinuitas produksi jagung tidak dapat dipenuhi maka ada saatnya Indonesia harus mengimpor jagung disamping kegiatan mengekspor jagung (Adisarwanto, 2000).

Produksi jagung hingga kini dikonsumsi oleh manusia dalam berbagai bentuk penyajian. Buah jagung yang masih muda, terutama jenis jagung manis (sweet corn) sangat disukai orang dan biasanya disajikan dalam bentuk jagung rebus atau tepung maizena dan minyak jagung. Jagung merupakan salah satu jenis bahan makanan yang mengandung sumber karbohidrat yang dapat digunakan

untuk menggantikan beras. Karena jagung memiliki kalori yang hampir sama dengan kalori yang terkandung dalam padi.

Selain itu, kandungan protein di dalam biji jagung sama dengan biji padi. Sehingga jagung dapat pula menyumbangkan sebagian kebuthan protein yang diperlukan manusia. Kandungan karbohidratnya pun mendekati karbohidrat pada padi. Selengkapnya dapat dilihat pada tabel 1.1.

Jagung memiliki keunggulan yang lain, yakni dapat tumbuh pada berbagai macam tanah, bahkan pada kondisi tanah yang agak kering pun jagung masih dapat ditanam. Pada daerah tertentu jagung digunakan sebagai makanan pokok karena mudah diperoleh (AAK, 1993).

Tabel 1.1. Kadar Kalori, Protein dan Kabohidrat Pada Makanan Mentah (dalam 100 gram)

Bahan mentah Kadar kalori Kadar protein (gram)

Kadar karbohidrat (gram)

Beras/padi 350 kal 8 73

Jagung 320 kal 8 63

Ubi kayu basah 136 kal 1,2 32

Gaplek tepung 352 kal 1,5 85

Ketela rambat 125 kal 1,8 28

Kentang 85 kal 2 19

Sagu 341kal - 85

Cantel 304 kal 9 58

Sumber: AAK, 1993

Berdasarkan tabel 1.1, ternyata nilai dari ketiga unsur gizi pada jagung mendekati atau hampir sama dengan ketiga unsur gizi yang terkandung pada padi atau beras. Untuk lebih mengetahui kandungan gizi pada jagung dapat dilihat pada tabel 1.2.

Tabel 1.2. Kandungan Nutrisi Atau Zat Makanan Pada Biji Jagung

No Bagian Jumlah dalam (%)

1 Air 11,40

3 Lemak 4,72

4 Karbohidrat 71,35

5 Serat kasar 2,04

6 Abu 1,40

Sumber: AAK, 1993

Berdasarkan hasil penelitian terhadap kandungan kalori dan protein per unit areal pertanaman yang dilakukan oleh pusat Introduksi Kentang (USDA IR. Potato Intoduction Station Sturgeon Baywis Consin), produksi kalori jagung per unit areal menduduki peringkat ke-4 sedangkan produksi protein jagung per unit areal pada peringkat ke-3.

Pada tahun 2010 kabupaten yang memiliki kontribusi luas panen jagung terbesar adalah kabupaten simalungun yaitu sebesar 26,56 persen dan disusul oleh Kabupaten Karo yaitu sebesar 26,06. Pada tahun 2012 produksi jagung di Sumatera Utara sebesar 1.347.124 ton pipilan kering, naik sebesar 52.479 ton atau 4,05 persen dibandingkan tahun 2011. Peningkatan produksi jagung disebabkan oleh peningkatan produktivitas sebesar 4,70 ku/ha. Apabila pada tahun 2010 Kabupaten Simalungun adalah kontribusi terbesar di Sumatera Utara, namun pada tahun 2012 Kabupaten Karo yang menjadi kontribusi luas panen jagung terbesar yakni sebesar 32,23 persen dan disusul oleh Kabupaten Simalungun sebesar 26,59 persen. (Sumatera Utara dalam angka 2009,2010)

Kabupaten Karo merupakan salah satu kabupaten yang terdapat di Provinsi Sumatera Utara, yang terletak pada jajaran Dataran Tinggi Bukit Barisan dan sebelah barat daya berbatasan langsung dengan Samudera Indonesia serta merupakan daerah hulu sungai. Secara geografis Kabupaten Karo terletak pada koordinat 2050’ – 3019’ Lintang Utara dan 97055’ - 98038’ Bujur Timur.

• Sebelah Utara : Kabupaten Langkat dan Kabupaten Deli Serdang

• Sebelah Selatan : Kabupaten Dairi dan Kabupaten

Samosir

• Sebelah Barat : Provinsi Nangroe Aceh Darusalam

• Sebelah Timur : Kabupaten Deli Serdang dan

Kabupaten Simalungun

Kabupaten Karo mempunyai wilayah seluas 2.127,25 atau 2,97% dari luas Provinsi Sumatera Utara. Terdiri dari 17 kecamatan dan 262 desa. Wilayah yang terluas adalah Kecamatan Mardingding yakni 267,11 (12,56% dari luas kabupaten) dan kecamatan dengan luas terkecil adalah Kecamatan Berastagi seluas 30,5 (1,43% dari luas kabupaten). Sehingga Kabupaten Karo merupakan wilayah yang tepat untuk dijadikan ladang pertanian. (Kabupaten Karo dalam angka 2009).

Penulis mencoba menganalisis enam faktor yang mempengaruhi Produksi (ton) jagung di Kabupaten Karo yaitu, Luas Panen (ha), Curah Hujan (mm), Banyak Hari Hujan (hari), Suhu (°Celsius), Kelembaban Udara (%), dan Kecepatan Angin (m/sec).

Berdasarkan latar belakang, maka penulis mengusulkan judul “Faktor-faktor yang Mempengaruhi Produksi Jagung di Kabupaten Karo”.

1.2Rumusan Masalah

Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah penelitian ini sebagai berikut:

1. Apakah faktor–faktor yang mempengaruhi produksi jagung di Kabupaten Karo.

2. Bagaimana besar nilai faktor-faktor yang

mempengaruhi produksi jagung di Kabupaten Karo.

3. Bagaimana hubungan korelasi antara faktor-faktor yang mempengaruhi

produksi jagung di kabupaten Karo.

1.3Batasan Masalah

Terdapat begitu banyak faktor yang dapat mempengaruhi produksi jagung di Kabupaten Karo dan penelitian diharapkan menghasilkan data atau informasi yang lebih jelas serta mudah dimengerti bagi setiap pembaca, maka penulis membatasi pokok permasalahan kepada enam variabel yang peneliti anggap mempengaruhi Produksi (ton) yaitu, Luas Panen (ha), Curah Hujan (mm), Banyak Hari Hujan (hari), Suhu (°Celsius), Kelembaban Udara (%), dan Kecepatan Angin (m/sec). penulis menggunakan metode analisis regresi linier berganda.

1.4Tujuan dan Manfaat Penelitian

1.4.1Tujuan Penelitian

Tujuan dari penelitian ini adalah sebagai berikut:

1. Mengetahui faktor-faktor yang mempengaruhi produksi jagung di Kabupaten Karo.

2. Mengetahui besar faktor-faktor yang mempengaruhi produksi jagung di Kabupaten Karo.

3. Mengetahui faktor mana yang paling berpengaruh terhadap produksi jagung di Kabupaten Karo.

1.4.2 Manfaat Penelitian Manfaat penelitian ini, yaitu:

1. Menambah wawasan bagi penulis dalam penerapan ilmu yang diperoleh di bangku kuliah dengan objek permasalahan yang diamati.

2. Dapat dijadikan pertimbangan bagi instansi di Kabupaten Karo mengenai upaya peningkatan hasil produksi jagung.

3. Dapat bermanfaat sebagai bahan masukan dan referensi bagi pihak yang berkepentingan.

1.5 Metode Penelitian

Metode yang digunakan penulis dalam melakukan penelitian ini adalah sebagai berikut:

1.5.1 Metode Pengumpulan Data

Metode penelitian adalah suatu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu terwujud. Penulis melakukan beberapa langkah-langkah untuk menyelesaikan penelitian, antara lain:

Penulis melakukan penelitian kepustakaan yaitu dengan mencari informasi di internet, membaca buku-buku di perpustakaan dan Badan Pusat Statistik (BPS) yang ada kaitannya dengan Kabupaten Karo dan Produksi jagung.

2. Pengumpulan Data

Metode pengumpulan data dapat dibedakan berdasarkan sumbernya yaitu:

a. Data Primer

Data primer adalah data yang diperoleh langsung dari sumbernya, diamati dan dicatat untuk pertama kalinya.

b. Data Sekunder

Data sekunder yaitu data yang tidak diusahakan sendiri pengumpulannya oleh peneliti tetapi dikumpulkan oleh pihak lain, misalnya dari internet, Badan Pusat Statistik (BPS), kantor-kantor yang ada hubungannya atau publikasi lainnya.

Adapun data yang digunakan penulis adalah data sekunder yang diperoleh dari internet dan Badan Pusat Statistik (BPS) Sumatera Utara. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk memperoleh gambaran yang jelas tentang data tersebut.

Agar mengetahui seberapa besar pengaruhi enam faktor terhadap Produksi (ton) jagung di Kabupaten Karo yaitu, Luas Panen (ha), Curah Hujan (mm), Banyak Hari Hujan (hari), Suhu (°Celsius), Kelembaban Udara (%), dan Kecepatan Angin (m/sec). Maka data yang diperoleh penulis akan dianalisis dengan menggunakan regresi linier berganda.

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variabel dependent) dengan factor-faktor yang mempengaruhi lebih dari satu predaktor (variabel independent). Metode analisis regresi linier berganda pada prinsip dasarnya sama dengan metode analisis regresi linier sederhana.

Keduanya bekerja alat untuk melihat pengaruh dan estimasi sebuah kasus dan diselesaikan dengan metode persamaan linier serta membentuk sebuah garis lurus. Tujuan analisis ini adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai Y dan X. bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:

Y = + + + …+ +

Keterangan:

Y = Pengamatan ke – i pada variabel tak bebas

Xi = Pengamatan ke – i pada variabel bebas

= Parameter Intersep

= Parameter koefisien regresi variabel bebas

= Pengamatan ke – i variabel kesalahan

Model diatas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak

mengatahui regresi populasi sehingga model regresi populasi perlu diduga berdasarkan model regresi sampel sebagai berikut:

Y =

Keterangan:

Y = Variabel tak bebas

X = Variabel bebas

…, = koefisien regresi

Dalam regresi linier berganda variabel tak bebas (Y). tergantung kepada dua atau lebih variable bebas (X). Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:

Y = +

Untuk hal ini, penulis menggunakan regresi linier berganda satu variabel tak bebas (dependent variabel) dan enam variabel bebas (independent variabel).

1.6 Lokasi Penelitian

Penelitian dan riset data dilakukan di Kantor Badan Pusat Statistik Provinsi Sumatera Utara di Jl. Asrama No. 179, Medan.

1.7 Tinjauan Pustaka

Untuk mendukung penyelesaian penelitian ini, peniliti menggunakan teori-teori sebagai berikut:

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain

diperlukan alat analisis yang memungkinkan kita untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya. (Algifari, 2000)

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya (Usman, Husaini, dan R. Purnomo Akbar, 1995).

Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel bebas (variabel predictor) dan variabel tidak bebas (variabel respon). Variabel yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tidak bebas. Setelah mengetahui hubungan fungsional antara variabel-variabel dimana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut (Sudjana, 2001).

Studi yang membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Jika kenaikan didalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di

dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan (Iswardono, 1981).

Analisis regresi merupakan suatu teknik (technique) untuk membuat persamaan garis lurus dan persamaan tersebut digunakan untuk menjelaskan hubungan antar variabel.Persamaan regresi (regression equation) adalah suatu persamaan matematis yang mendefenisikan hubungan antar dua variabel (Mason, 1996).

1.8 Sistematika Penulisan

Adapun sistematika penulisan dalam Tugas Akhir ini adalah sebagai berikut:

BAB 1 PENDAHULUAN

Bab ini menjelaskan mengenai latar belakang masalah, rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metode penelitian, loksdi penelitian, tinjauan pustaka dan sistematika penulisan.

BAB 2 LANDASAN TEORI

Bab ini menjelaskan tentang klasifikasi mengenai faktor-faktor yang mempengaruhi produksi jagung di Kabupaten Karo dan menguraikan tentang regresi, regresi linier berganda, uji regresi ganda dan korelasi regresi linier berganda serta uji koefisien regresi berganda.

BAB 3 PENGOLAHAN DATA

Bab ini memaparkan mengenai data dan pembahasan, mengolah data dengan program Excel dan implementasi keluaran dari SPSS.

BAB 4 KESIMPULAN DAN SARAN

Bab ini merupakan penutup yang berisi kesimpulan yang diambil setelah pengolahan data dan analisa perhitungan serta saran-saran yang berupa masukan-masukan yang mungkin dapat bermanfaat untuk masa yang akan datang.

BAB 2

LANDASAN TEORI

2.1 Analisis Regresi

Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang

terkenal Galton menemukan bahwa meskipun terdapat tendensi atau

kecenderungan bahwa orang tua yang tinggi akan mempunyai anak yang tinggi dan orang tua yang pendek akan mempunyai anak yang pendek juga, tetapi rata-rata tinggi badan anak yang lahir dari orang tua dengan tinggi badan tertentu cenderung bergerak atau regress ke arah rata-rata tinggi badan anak seluruh populasi tersebut (Hakim Abdul, 2004).

Menurut Mason (1996, Hal 490), pengertian dari analisis regresi adalah suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua variabel atau lebih yaitu variabel bebas dan variabel terikat. Variabel bebas adalah variabel yang nilai-nilainya tidak bergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel ini digunakan untuk meramalkan atau menerangkan nilai dari variabel yang lain. Sedangkan variabel terikat adalah variabel yang nilai-nilainya bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu merupakan variabel yang diramalkan atau menerangkan nilainya (Hasan, 1999).

Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis regresi dapat dilihat dari dua bentuk yaitu:

2. Analisis Regresi Linier Berganda (Multiple Analysis Regression).

2.1.1Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu prosedur untuk menunjukkan dua hubungan matematis dalam bentuk persamaan antara dua variabel, yaitu variabel bebas (X) dan variabel terikat (Y). Bentuk umum persamaan regresi linier sederhana adalah:

... (2.1)

Keterangan:

= Nilai estimasi Y

a = Parameter intersep (garis potong kurva terhadap sumbu Y)

b = Koefisien regresi (kemiringan atau slop kurva linier)

X = Variabel bebas (variable independent).

Nilai a dan b diperoleh dari cara di bawah ini:

(2.2)

2.1.2 Regresi Linier Berganda

Regresi linier berganda merupakan suatu linier yang menjelaskan ada tidaknya suatu hubungan fungsional dan meramalkan pengaruh dua variabel bebas (X) atau lebih terhadap variabel terikat (Y). Bentuk umum persamaan regresi linier berganda adalah

... (2.3)

Keterangan:

= Nilai Y pada perpotongan (intersep) antara garis linier dengan sumbu vertikal Y atau disebut konstanta

= Koefisien variabel bebas = Variabel bebas

Agar dapat mengetahui nilai koefisien diperlukan n buah pasangan data yang didapat dari pengamatan. Untuk menentukan regresi linier berganda dengan variabel bebas dapat ditaksir oleh

. Persamaan untuk mengetahui besarnya nilai adalah: (2.4)

Setelah menentukan persamaan liniernya langkah selanjutnya adalah menentukan kekeliruan baku (standard error). Menurut Hasan (1999) kekeliruan baku

(standard error) adalah angka atau indeks yang digunakan untuk menduga ketepatan suatu penduga atau mengukur jumlah variasi titik-titik observasi di sekitar garis regresi. Rumus untuk menghitung standard error adalah:

(2.5)

Keterangan:

= Kekeliruan baku taksiran = Derajat kebebasan.

2.2 Uji Keberartian Regresi Linier

Uji keberartian digunakan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel terikat. Pada dasarnya pengujian hipotesa tentang parameter koefisien regresi secara keseluruhan adalah dengan menggunakan uji F.

Uji linieritas garis regresi juga dilakukan dengan menghitung nilai F, yaitu dengan mempergunakan hipotesis nol . Jika nilai F < P 0,05, garis regresi data skor yang bersangkutan dinyatakan linier. Sebaliknya, jika nilai F > P

0,05, garis regresi itu berarti tidak linier, dan sebagai konsekuensinya data tersebut harus dibuat menjadi regresi nonlinier.

2.2.1 Uji F (Simultan)

Karena dalam analisis regresi yang dianalisis adalah varians garis regresi, hasil perhitungan analisis regresi juga menghasilkan bilangan atau rasio F, atau lengkapnya Fregresi (disingkat Freg) atau Fhitung. Adapun rumus untuk memperoleh

Freg adalah sebagai berikut:

... (2.6)

Keterangan: Freg

JK

= Bilangan F garis regresi

(reg)

RK

= Jumlah kuadrat garis regresi

(res)

n = Banyaknya data

= Jumlah kuadrat garis residu

= Jumlah variabel bebas = Derajat kebebasan

Rumus untuk mencari JK(reg) dan JK(res) adalah sebagai berikut:

... (2.7) ... (2.8) Adapun untuk mencari nilai-nilai yang diperlukan untuk mencari koefisien-koefisien regresi ganda adalah dengan menentukan x dan y dari data yang tersedia dengan rumus:

dan ... (2.9)

Maka langkah-langkah dalam pengujian hipotesis adalah sebagai berikut: 1. Menentukan formulasi hipotesis

: tidak mempengaruhi Y)

: (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhi Y).

2. Menentukan taraf nyata α dan dengan dk dan n-k-1

3. Menentukan kriteria pengujian diterima bila

ditolak bila

4. Menentukan nilai statistik Fhitung dengan rumus:

5. Membuat kesimpulan apakah diterima atau ditolak.

2.3 Analisis Korelasi

Analisis korelasi adalah alat statistik yang digunakan untuk derajat hubungan linier antara suatu variabel dengan variabel lainnya. Sehingga apabila terdapat hubungan antar variabel maka perubahan-perubahan yang terjadi pada suatu

variabel akan mengakibatkan terjadinya perubahan pada variabel lain. Pada umumnya analisis korelasi digunakan dalam hubungan analisis regresi di mana kegunaannya untuk mengukur ketepatan garis regresi, dalam menjelaskan variasi nilai variabel dependen. Oleh karena itu, korelasi tidak dapat dilakukan tanpa adanya persamaan regresi (Kustituanto, 1984).

2.3.1 Koefisien Korelasi

Koefisien korelasi pertama kali diperkenalkan oleh Karl Pearson sekitar tahun 1900. Koefisien korelasi menggambarkan keeratan hubungan antara dua variabel berskala selang atau rasio. Dilambangkan dengan r, koefisien korelasi sering juga disebut dengan r pearson atau korelasi produk-momen pearson. Menurut Hasan (1999) koefisien korelasi yang terjadi dapat berupa:

1. Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X) meningkat maka variabel lainnya (Y) cenderung meningkat pula. 2. Korelasi negatif adalah korelasi dari dua variabel, yaitu apabila variabel yang

satu (X) meningkat maka variabel yang lainnya (Y) cenderung menurun. 3. Tidak adanya terjadi korelasi apabila kedua variabel (X dan Y) tidak

menunjukkan adanya hubungan.

4. Korelasi sempurna adalah korelasi dua variabel, yaitu apabila kenaikan atau penurunan variabel yang satu (X) berbanding dengan kenaikan atau penurunan variabel yang lainnya (Y).

Untuk menghitung koefisien korelasi r berdasarkan sekumpulan data (Xi dan Yi) berukuran n dengan menggunakan rumus:

Keterangan:

r = Nilai koefisien korelasi

= Jumlah dari variabel X

= Jumlah dari variabel Y

= Jumlah dari perkalian variabel X dan Y

= Jumlah dari kuadrat variabel X

= Jumlah dari kuadrat variabel Y

Koefisien korelasi r dipakai apabila terdapat dua variabel tapi apabila digunakan korelasi berganda atau memiliki tiga variabel ganda maka koefisien korelasinya dinotasikan dengan R. Nilai koefisien linier berganda (R) dapat dicari dengan menggunakan rumus sebagai berikut:

(2.11)

Keterangan:

= Koefisien korelasi antara Y dan = Koefisien korelasi antara Y dan = Koefisien korelasi antara dan .

Korelasi antara variabel dibedakan atas tiga jenis, yaitu: 1. Korelasi Positif

Perubahan antara variabel berbanding lurus, artinya apabila variabel yang satu meningkat, maka variabel yang lainnya juga mengalami peningkatan.

Perubahan antara variabel berlawanan, artinya apabila variabel yang satu meningkat, maka variabel yang lain mengalami penurunan.

3. Korelasi Nihil

Terjadi apabila perubahan pada variabel yang satu diikuti pada perubahan yang lain dengan arah yang tidak teratur.

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r

Interval Koefisien Tingkat Hubungan

Sangat Kuat Kuat

Cukup Kuat Rendah

Sangat Rendah

2.3.2 Koefisien Determinasi

Menentukan koefisien korelasi berganda juga dapat dicari dengan mencari koefisien determinasi di bawah ini:

(2.12)

2.4 Uji t (Parsial)

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut: 1. Menentukan formulasi hipotesis

: (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhi Y).

2. Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk

yaitu n – k – 1 maka di peroleh .

3. Menentukan kriteria pengujian

Jika , maka diterima dan ditolak.

Jika , maka ditolak dan diterima.

4. Menentukan nilai statistik thitung dengan rumus:

BAB 3

PENGOLAHAN DATA

3.1 Data dan Pembahasan

Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara mengenai Produksi jagung (ton) di Kabupaten Karo tahun 1995-2011, dan beberapa variabel yang dianggap mempengaruhi produksi jagung yaitu : luas panen (ha), rata-rata suhu udara (%), rata-rata kelembaban udara (%), rata-rata curah hujan (mm), jumlah hari hujan (hari), Kecepatan angin (m/sec).

23

Tabel 3.1. Data Hasil Produksi Jagung, Luas Panen, Rata-rata Suhu Udara, Rata-rata Kelembaban Udara, Rata-rata Curah Hujan, Jumlah Hujan dan Rata-rata Kecepatan Angin di Kabupaten Karo Berdasarkan Tahun 1995-2011

NO Tahun Produksi (ton) Luas Panen (ha) Rata-rata Suhu Udara (°C) Rata-rata Kelembaban Udara (%) Rata-rata Curah Hujan (mm) Jumlah Hari Hujan (hari) Rata-rata Kecepatan Angin (m/sec)

1 1995 354.656,00 59.383,00 19,22 89,47 9,90 178 0,51

2 1996 436.189,00 66.899,00 18,92 89,54 15,05 167 0,41

3 1997 563.237,00 74.844,00 16,23 90,72 5,52 178 0,51

4 1998 517.325,00 66.754,00 19,73 91,36 96,58 149 0,57

5 1999 433.883,00 62.648,00 19,23 84,43 121,13 161 0,36

6 2000 370.546,00 61.859,00 19,12 89,58 8,92 131 0,01

7 2001 293.594,00 48.733,00 19,88 89,19 115,17 146 0,21

8 2002 377.689,00 62.857,00 19,15 88,78 132,45 159 11,34

9 2003 323.122,00 52.997,00 18,96 86,02 278,00 153 0,34

10 2004 275.053,00 43.959,00 19,32 88,00 201,45 151 1,01

11 2005 244.583,00 39.805,00 18,85 85,66 159,67 147 1,43

12 2006 318.579,00 50.135,00 18,93 88,39 172,42 172 1,32

13 2007 400.609,00 61.566,00 19,14 86,90 198,67 179 5,89

14 2008 419.619,00 65.234,00 18,48 88,80 188,50 182 9,48

15 2009 427.747,00 67.068,00 18,95 87,38 158,25 170 10,25

16 2010 469.633,00 90.605,00 19,66 89,90 155,65 160 10,09

17 2011 369.813,00 65.318,00 19,21 84,66 142,75 155 18,76

Untuk memudahkan pengolahan data, maka untuk seluruh variabel dilambangkan dengan:

Y : Produksi Jagung (ton) X1

X

: Luas Panen (ha) 2

X

: Rata-rata Suhu Udara (%) 3

X

: Rata-rata Kelembaban Udara (%) 4

X

: Rata-rata Curah Hujan (mm) 5

X

: Jumlah hari hujan (hari)

6 : Rata-rata Kecepatan Angin (m/sec)

Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan sebuah perangkat lunak sebagai implementasi sistem yaitu program SPSS 17.0 For Window untuk memperoleh hasil perhitungan.

3.2 Program SPSS

SPSS (Statistic Package For Servic Solution) merupakan program statistika yang dibuat pada tahun 1968 oleh mahasiswa dari universitas Standford. Pada awalnya SPSS ditunjukkan untuk menganalisis data ilmu-ilmu sosial atau dulu disebut Statistic Package Social Sience. Namun seiring berjalannya waktu program ini dikembangkan sehingga barubah nama sesuai kebutuhannya. Dan kini, SPSS telah

banyak digunakan pada berbagai ilmu untuk pemprosesan data statistic karena dianggap dapat melakukan proses analisis dengan cepat.

3.3 Cara Kerja SPSS

Pada computer yang sudah terdapat software SPSS, klik tombol Start kemudian pilih dan klik SPSS statistics 17.0 seperti berikut:

Gambar 3.1. Tampilan Pengaktifan SPSS

3.3.1 Pengoperasian SPSS

Gambar 3.2. Kotak Dialog Awal SPSS

Untuk memunculkan lembar kerja baru klik cancel. Maka akan muncul tampilan jendela editor klik Variabel View seperti tampilan berikut ini:

Gam bar 3.3. Tampilan Jendela Data View dalam SPSS

Gamb ar 3.4. Tampilan Sheet Variabel View

Setelah selesai mengisi Variabel view, klik pilihan Data View sehingga data pun dapat di inputkan berdasarkan jenis variabel yang telah didefenisikan terlebih dahulu pada Variabel View.

Gamb ar 3.5. Jendela Data View Setelah di Input Data

3.3.2 Pengolahan Data dengan Anlisis Regresi

Pada layar kerja Data View, klik Analyze yang terdapat pada menu kemudian pilih Regression dan klik Linier seperti gambar dibawah ini:

Gambar 3.6. Tampilan Pengolahan Data dengan Regresi Linear

Gamb ar 3.7. Prosedur Regresi Linear

Setelah dilakukan prosedur analisis seperti diatas, maka hasil dari analisis tersebut adalah sebagai berikut.

Tabel 3.2. Bagian Descriptive Statistics

Descriptive Statistics

Mean Std. Deviation N

produksi jagung 387992.76 84551.331 17

luas panen 61215.53 11965.206 17

rata-rata suhu udara 18.9988 .79169 17

rata-rata kelembaban udara 88.1635 2.03991 17

rata-rata curah hujan 140.8283 58.82204 17

jumlah hari hujan 161.06 14.254 17

rata-rata kecepatan angin 4.2572 5.64546 17

Keluaran descriptive statistics berisi informasi sebagai berikut.

1) Besarnya rata-rata prediksi masing-masing variabel.

Prediksi untuk variabel produksi jagung sebesar 387992,76. Prediksi untuk luas panen sebesar 61215,53. Prediksi untuk rata-rata suhu udara sebesar 18,9988. Prediksi untuk rata-rata kelembaban udara sebesar 88,1635. Prediksi untuk rata-rata curah hujan sebesar 140,8283. Prediksi untuk jumlah hari hujan sebesar 161,06 dan kecepatan angin sebesar 4,2572.

2) Nilai simpangan baku untuk tiap variabel. Simpangan

baku produksi jagung sebesar 84551.331. Nilai simpangan baku luas panen sebesar 11965.206. Nilai simpangan baku rata-rata suhu udara sebesar

0,79169. Nilai simpangan baku rata-rata curah hujan sebesar 58.82204. Nilai simpangan baku jumlah hari hujan sebesar 14.254. Dan nilai simpangan baku rata-rata kecepatan angin sebesar 5.64546.

3) Jumlah data (N) adalah 17.

Tabel 3.3. Bagian Correlations

Correlations

produksi

jagung luas panen

rata-rata suhu udara rata-rata kelembaban udara rata-rata curah hujan jumlah hari hujan rata-rata kecepatan angin Pearson Correlation

produksi jagung 1.000 .844 -.422 .458 -.479 .377 .116

luas panen .844 1.000 -.186 .378 -.340 .307 .405

rata-rata suhu udara -.422 -.186 1.000 -.152 .242 -.454 .098

rata-rata kelembaban udara

.458 .378 -.152 1.000 -.513 .077 -.281

rata-rata curah hujan -.479 -.340 .242 -.513 1.000 .027 .206

jumlah hari hujan .377 .307 -.454 .077 .027 1.000 .187

rata-rata kecepatan angin .116 .405 .098 -.281 .206 .187 1.000

Sig. (1-tailed)

produksi jagung . .000 .046 .032 .026 .068 .328

luas panen .000 . .237 .068 .091 .115 .053

rata-rata suhu udara .046 .237 . .280 .175 .034 .354

rata-rata kelembaban udara

.032 .068 .280 . .018 .385 .138

rata-rata curah hujan .026 .091 .175 .018 . .459 .214

jumlah hari hujan .068 .115 .034 .385 .459 . .236

N produksi jagung 17 17 17 17 17 17 17

luas panen 17 17 17 17 17 17 17

rata-rata suhu udara 17 17 17 17 17 17 17

rata-rata kelembaban udara

17 17 17 17 17 17 17

rata-rata curah hujan 17 17 17 17 17 17 17

jumlah hari hujan 17 17 17 17 17 17 17

rata-rata kecepatan angin 17 17 17 17 17 17 17

Berikut penjelasan output dari tabel correlation.

a. Pada bagian Pearson Correlation menjelasakan sebagai berikut.

1) Besarnya hubungan antar variabel produksi jagung dan luas panen adalah 0,844. Nilai ini menunjukan bahwa hubungan kedua variabel tersebut sangat kuat. Koefisien korelasi positif (0,844) menunjukan bahwa hubungan antara variabel produksi jagung dan luas panen searah. Artinya, jika variabel luas panen meningkat, maka produksi jagung juga akan meningkat.

2) Besarnya hubungan antar variabel produksi jagung dan rata-rata suhu udara adalah -0,422. Nilai ini menunjukan hubungan korelasi sedang yang negatif. Koefisien korelasi negative (-0,422) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata suhu udara tidak searah. Artinya, jika variabel rata-rata suhu udara meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata suhu udara menurun maka variabel produksi jagung meningkat.

3) Besarnya hubungan antara variabel produksi jagung dan rata-rata kelembaban udara 0,458. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,458) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika variabel kelembaban udara meningkat maka variabel produksi jagung juga akan meningkat.

4) Besarnya hubungan antara variabel produksi jagung dan rata-rata curah hujan adalah -0,479. Nilai ini menunjukan hubungan korelasi sedang yang negatif. Koefisien korelasi negative (-0,479) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata curah hujan tidak searah. Artinya, jika variabel rata-rata curah hujan meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata curah hujan menurun maka variabel produksi jagung meningkat.

5) Besarnya hubungan antara variabel produksi jagung dan jumlah hari hujan adalah 0,377. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,377) menunjukkan bahwa hubungan antara variabel produksi jagung dan jumlah hari hujan searah. Artinya, jika variabel jumlah hari hujan meningkat maka variabel produksi jagung juga akan meningkat.

6) Besarnya hubungan antara variabel produksi jagung dan rata-rata kecepatan angin adalah 0,116. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,458) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika

variabel kecepatan angin meningkat maka variabel produksi jagung juga akan meningkat.

b. Bagian sig (1-tailed)

1) Hubungan antara variabel produksi jagung dan luas panen jika dilihat dari angka signifikansi (sig.) sebesar 0,000 yang lebih kecil dari 0,05. Berdasarkan ketentuan, jika angka signifikansi < 0,05 hubungan antara kedua variabel tersebut signifikan.

c. Bagian Kolom N menunjukkan banyaknya jumlah data yang dianalisis, yakni 17.

Tabel 3.4. Bagian Variables Entered/Removed

Variables Entered/Removed

Model Variables Entered

Variables

Removed Method

1 rata-rata

kecepatan angin, rata-rata suhu udara, rata-rata

curah hujan, jumlah hari hujan,

rata-rata kelembaban udara, luas panena

. Enter

a. All requested variables entered.

Tabel ini menunjukan bahwa semua variabel telah dimasukkan. Variabel tergantungnya adalah produksi jagung.

Tabel 3.5. Bagian Model Summary

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .915a _{.837 .739 43209.069 1.275}

a. Predictors: (Constant), rata kecepatan angin, rata suhu udara, rata-rata curah hujan, jumlah hari hujan, rata-rata-rata-rata kelembaban udara, luas panen b. Dependent Variable: produksi jagung

Bagian model summary atau ringkasan model menunjukkan besarnya koefisien determinasi yang berfungsi untuk mengetahui besarnya variabilitas variabel tergantung produksi jagung yang dapat diterangkan dengan menggunakan variabel bebas luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin. Koefisien determinasi juga digunakan untuk menghitung besarnya peranan atau pengaruh variabel bebas terhadap variabel tergantung.koefisien determinasi dihitung dengan mengalikan dengan 100% ( Nilai penting dalam keluaran ini adalah nilai R square, nilai standard error of the estimate, dan nilai Durbin-Watson.

1) Nilai R square dalam tabel diatas adalah 0,837. Angka R square disebut juga koefisien determinasi. Besarnya angka koefisien determinasi 0,837 sama dengan 83,7%. Angka tersebut berarti bahwa sebesar 83,7% tingkat produksi jagung dapat dijelaskan dengan menggunakan variabel bebas luas panen, rata-rata suhu udara, rata-rata-rata-rata kelembaban udara, rata-rata-rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin. Sedangkan sisanya, yaitu 16,3% (100% -

83,7%) dijelaskan oleh faktor-faktor penyabab lainnya. Dengan kata lain, besarnya pengaruh bebas luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin terhadap produksi jagung adalah 83,7%. Sedangkan sisanya sebesar 16,3% dipengaruhi oleh faktor lain di luar model regresi ini. Besarnya pengaruh faktor lain disebut error (e). untuk menghitung nilai error dapat menggunakan rumus:

e = 1 - .

Sebagai catatan, besarnya R square bekisar antara 0-1 yang berarti semangkin kecil nilai R square, semakin lemah hubungan variabel. sebaliknya, jika R square semakin mendekati 1, hubungan antar variabel semakin kuat.

2) Nilai Durbin-Watson mempunyai makna bahwa otokorelasi tidak akan terjadi jika nilai Durbin-Watson: 1 < DW < 3. Nilai Durbin-Watson pada tabel sebesar 1,275. Hal ini menunjukan bahwa otokorelasi tidak akan terjadi.

Tabel 3.6. Bagian ANOVA

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 9.571E10 6 1.595E10 8.544 .002a

Residual 1.867E10 10 1.867E9

Total 1.144E11 16

a. Predictors: (Constant), rata-rata kecepatan angin, rata-rata suhu udara, rata-rata curah hujan, jumlah hari hujan, rata-rata kelembaban udara, luas panen

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 9.571E10 6 1.595E10 8.544 .002a

Residual 1.867E10 10 1.867E9

Total 1.144E11 16

a. Predictors: (Constant), rata-rata kecepatan angin, rata-rata suhu udara, rata-rata curah hujan, jumlah hari hujan, rata-rata kelembaban udara, luas panen

b. Dependent Variable: produksi jagung

Bagian ANOVA menunjukkan besarnya angka probabilitas atau signifikansi pada perhitungan ANOVA yang akan digunakan untuk di uji kelayakan model regresi dengan ketentuan bahwa angka probabilitas yang baik untuk digunakan sebagai model regresi harus lebih kecil dari 0,05.

Uji ANOVA menghasilkan angka F sebesar 8,544 dengan tingkat signifikansi (angka probabilitas) sebesar 0,002. Karena angka probabilitas 0,002 < 0,05. Maka model regresi ini sudah layak digunakan untuk memprediksi produksi jagung. Agar dapat dipakai sebagai model regresi untuk memprediksi variabel tergantung, angka signifikan atau probabilitas (sig.) harus lebih kecil dari 0,05.

Untuk menguji apakah variabel luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin mempengaruhi produksi jagung. Maka dapat dilakukan pengujian dengan menggunakan angka F dari keluaran ANOVA, dengan terlebih dahulu melakukan langkah-langkah sebagai berikut.

: luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin tidak berpengaruh terhadap produksi jagung.

: luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin berpengaruh terhadap produksi jagung.

2. Mengihtung nilai F tabel dengan ketentuan sebagai berikut: a.

b. Degree of freedom:

Vektor 1: jumlah variabel (7 - 1 = 6)

Vektor 2: jumlah kasus – jumlah variabel (17 – 6 = 11)

Dengan ketentuan tersebut maka diperoleh nilai F dari tabel sebesar 3,09. 3. Menentukan kriteria berdasarkan ketentuan yang telah ada.

a. Jika > maka ditolak dan diterima.

b. Jika jika maka diterima dan ditolak.

4. Mengambil keputusan.

nilai pada tabel ANOVA sebesar 29,067.

> (29,067 > 3,09)

Dengan demikian ditolak dan diterima. Artinya, luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin berpengaruh terhadap produksi jagung.

Tabel 3.7. Bagian Coefficients

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 371875.172 690969.881 .538 .602

luas panen 5.807 1.282 .822 4.528 .001

rata-rata suhu udara -19940.334 16241.344 -.187 -1.228 .248

rata-rata kelembaban udara 2.928 7006.523 .000 .000 1.000

rata-rata curah hujan -169.292 231.190 -.118 -.732 .481

jumlah hari hujan 466.293 915.415 .079 .509 .622

rata-rata kecepatan angin -2824.042 2538.452 -.189 -1.113 .292

a. Dependent Variable: produksi jagung

Bagian koefisien regresi digunakan untuk menggambarkan persamaan regresi agar mengetahui angka konstan dan uji hipotesis signifikansi koefisien regresi. Persamaan regresinya adalah sebagai berikut:

Y = a + + + +

Keterangan:

Y = data produki jagung = data luas panen

= data rata-rata suhu udara

= data rata-rata kelembaban udara = data rata-rata curah hujan = data jumlah hari hujan = data kecepatan udara

A = angka konstan dari understandardized coefficient yang dalam penelitian

penelitian ini sebesar 371875,172. Angka ini berupa angka konstan yang berarti besarnya produksi jagung saat nilai (luas panen), rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan kecepatan angin sama dengan nol (0).

B1 = angka koefisien regresi pertama sebesar 5,807. Angka tersebut berarti bahwa setiap penambahan satu satuan luas panen, maka produksi jagung mengalami kenaikan sebesar 5,807.

B2 = angka koefisien kedua sebesar -19940,334. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata suhu udara, maka produksi jagung akan mengalami penurunan sebesar -19940,334

B3 = angka koefisien ketiga sebesar 2,928. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata kelembaban udara, maka produksi jagung akan mengalami kenaikan sebesar 2,928.

B4 = angka koefisen ketiga sebesar -169,292. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata curah hujan maka produksi jagung mengalami penurunan sebesar -169,292.

B5 = angka koefisien kelima sebesar 466,293. Angka tersebut mempunyai arti bahwa setiap penambahan satu jumlah hari hujan, maka produksi jagung mengalami peningkatan sebsar 466,293.

B6 = angka koefisien keenam sebsar -2824,042. Angka tersebut mempunyai arti bahwa setiap penambahan satu rata-rata kecepatan angin, maka produksi jagung mengalami penurunan sebesar -2824,042.

Oleh karena itu persamaan regresinya menjadi:

Agar dapat mengetahui apakah koefisien regresi signifikan atau tidak, penulis menggunakan uji t untuk menguji signifikansi konstanta dan variabel luas panen, rata-rata suhu udara, rata-rata-rata-rata kelembaban udara, rata-rata-rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin yang digunakan sebagai predictor untuk variabel produksi jagung. Caranya adalah sebagai berikut.

1. Membuat hipotesis

= tidak ada pengaruh antara luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin terhadap produksi jsgung.

= terdapat pengaruh antara luas panen, rata-rata suhu udara, rata-rata kelembaban udara, rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin terhadap produksi jagung.

2. Menghitung nilai t tabel dengan ketentuan berikut:

a. = = 0,025

b. Degree of freedom (DF) = (jumlah data – 2) atau 17 – 2 = 15 c. Dengan ketentuan tersebut didapatkan nilai t dari tabel sebesar 2,13 3. Menentukan kriteria berdasarkan ketentuan yang ada.

a. Jika , maka diterima dan ditolak.

b. Jika > , maka ditolak dan diterima.

Berdasarkan dari keluaran tabel Coefficients dapat diketahui;

a. 4,528 > 2,13, maka ditolak dan diterima b. -1,228 < 2,13, maka diterima dan ditolak c. 0,000 < 2,13, maka diterima dan ditolak d. -0,732 < 2,13, maka diterima dan ditolak e. 0,509 < 2,13, maka diterima dan ditolak f. -1,113 < 2,13, maka diterima dan ditolak 4. Membuat keputusan

Karena hanya satu variable nilai jatuh pada daerah penerimaan . Maka hanya luas panen yang berpengaruh terhadap produksi jagung.

Tabel 3.8. Bagian CasewiseDiagnostics Casewise Diagnosticsa

Case Number Std. Residual produksi jagung Predicted

Value Residual 1 -1.047 354656 399879.56 -45223.555 2 -.352 436189 451405.15 -15216.152 3 .165 563237 556119.57 7117.428 4 2.302 517325 417863.81 99461.185 5 .645 433883 406004.31 27878.687 6 -.622 370546 397442.66 -26896.657 7 -.311 293594 307027.98 -13433.980 8 -.046 323122 325119.94 -1997.941 9 -.012 275053 275588.82 -535.824 10 -.469 244583 264865.60 -20282.602 11 -.335 318579 333071.97 -14492.972 12 .450 400609 381171.77 19437.225 13 .255 419619 408619.52 10999.476 14 .475 427747 407244.12 20502.878 15 .146 369813 363486.83 6326.168 16 .063 377689 374968.09 2720.912 17 -1.304 469633 525997.28 -56364.277

a. Dependent Variable: produksi jagung

Bagian casewise diagnostics atau diagnosis per kasus menunjukkan hasil prediksi persamaan regresi. Pembahasan dimulai dari case number 1 dengan menggunakan persamaan regresi yang telah diperoleh dari tabel coefficients.

Yaitu:

1) Pada kasus nomor satu (dilihat dari kolom case number 1) luas panen adalah 354.656, rata suhu udara 19,22, rata kelembaban udara 89,47, rata-rata curah hujan 9,90, jumlah hari hujan 178, dan rata-rata-rata-rata kecepatan angin 0,51 apabila dimasukkan ke dalam persamaan regresi yang telah diperoleh sebelumnya menjadi sebagai berikut:

399879.56

Hasil tertera pada kolom Predicted Value, sehingga perhitungan untuk kasus berikutnya dapat dilakukan dengan cara yang sama.

2) Angka pada kolom Residual sebesar -45223,555 memberikan penjelasan

tentang adanya selisih antara produksi jagung data observasi dengan tingkat kepuasan yang diprediksikan.

Yaitu: 354656 – 399879,56 = -45223,555

Angka pada kolom Residual selanjutnya sebesar -15216,152 memberikan penjelasan tentang adanya selisih antara produksi jagung data observasi dengan produksi jagung yang diprediksikan.

Yaitu: 436189 – 451405,15 = -15216,152

Angka pada kolom residual selanjutnaya sebesar 7117,428 memberikan penjelasan tentang adanya selisih antara produksi jagung data observasi dengan produksi jagung yang diprediksikan.

a. Kolom std. residual (standardized residual) menyatakan residual yang distandarkan dengan dibagi oleh standard error of the estimate (nilai dapat diperoleh dari keluaran (model summary). Untuk kasus pertama,

= -1,046622

Besar kecilnya angka residual dan standard residual memberikan makna bagi persamaan regresi yang akan digunakan untuk memprediksi data. Semakin kecil angka residual dan standard residual, maka semakin baik regresi digunakan untuk memprediksi.

Tabel 3.9 Bagian Residuals Statistics

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 262839.19 554755.56 387992.76 76978.336 17

Residual -69264.328 98238.070 .000 34975.181 17

Std. Predicted Value -1.626 2.166 .000 1.000 17

Std. Residual -1.566 2.221 .000 .791 17

a. Dependent Variable: produksi jagung

Bagian residuals statistics memberikan penjelasan mengenai nilai minimum produksi jagung yang diprediksi sebesar 262839,19 sedangkan nilai maksimum yang diprediksi sebesar 554755,56. Nilai rata-rata produksi jagung yang di prediksi sebesar 387992,76. Angka ini berlaku untuk semua kasus yang diteliti.

3.4 Menguji Validitas Model Regresi

Validitas model regresi dilakukan agar dapat mengetahui ketiadaan otokolelasi, linearitas, dan normalitas data.

A. Pengecekan otokorelasi

Pada tabel 3.5. Bagian Model Summary dapat dilihat nilai Durbin-Watson.

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .915a _{.837 .739 43209.069 1.275}

a. Predictors: (Constant), rata kecepatan angin, rata suhu udara, rata-rata curah hujan, jumlah hari hujan, rata-rata-rata-rata kelembaban udara, luas panen

Nilai Durbin-Watson sebesar 1,232 dapat dilihat pada kolom paling kanan. Berdasarkan ketentuan, otokorelasi tidak akan terjadi jika:

1 < DW < 3

Perhitungan berdasarkan data observasi sebagai berikut: 1 < 1,275 < 3

Maka dapat disimpulkan tidak akan terjadi otokorelasi data dalam menganalisis data observasi.

B. Pengecekan ada atau tidaknya hubungan linear antara variabel bebas (X) dan variabel tergantung (Y).

1) Hubungan produksi jagung dengan luas panen

Gambar 3.11. grafik hubungan produksi jagung dengan luas panen

Gambar 3.12. grafik hubungan produksi jagung dengan rata-rata suhu udara

3) Hubungan produksi jagung dengan rata-rata kelembaban udara

4) Hubungan produksi jagung dengan rata-rata curah hujan

Gambar 3.14. grafik hubungan produksi jagung dengan rata-rata curah hujan

Gambar 3.15. grafik hubungan produksi jagung dengan jumlah hari hujan 6) Hubungan produksi jagung dengan rata-rata kecepatan angin

Gambar 3.16. grafik hubungan produksi jagung dengan rata-rata kecepatan angin

Semua gambar diatas menunjukkan adanya hubungan linear antara luas panen, rata-rata suhu udara, rata-rata-rata-rata kelembaban udara, rata-rata-rata-rata curah hujan, jumlah hari hujan dan rata-rata kecepatan angin dengan produksi jagung karena sebaran data mengikuti garis lurus dari bawah menuju atas.

C. Data harus berdistribusi normal

Berikut adalah histogram untuk masing-masing variabel tersebut. 1) Histogram produksi jagung dengan luas panen

Gambar 3.17. histogram produksi jagung dengan luas panen

Gambar 3.18. histogram produksi jagung dengan rata-rata suhu udara

3) Histogram produksi jagung dengan rata-rata kelembaban udara

Gambar 3.19. histogram produksi jagung dengan rata-rata kelembaban udara

Gambar 3.20. histogram produksi jagung dengan rata-rata curah hujan

5) Hubungan histogram produksi jagung dengan jumlah hari hujan

Gambar 3.21. Histogram produksi jagung dengan jumlah hari hujan

Gambar 3.22. Histogram produksi jagung dengan rata-rata kecepatan angin

Meskipun semua gafik histogram tidak sempurna, akan tetapi data sudah mendekati bentuk standar distribusi normal, yakni sebaran data berbentuk bel.

BAB 4

PENUTUP

4.1Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan penulis, maka dapat diambil beberapa kesimpulan yaitu:

1. Dari perhitungan yang telah dilakukan dengan menggunakan software maka diperoleh hasil persamaan regresi linier berganda yaitu

Ini berarti jika dan bertambah maka akan cenderung bertambah,

sebaliknya jika dan mengalami kenaikan maka akan cenderung

menurun. Dan jika semua variabel bernilai 0 maka .

2. Melalui perhitungan koefisien korelasi antar variabal dependent dan

independent maka di peroleh,

a. Besarnya hubungan antar variabel produksi jagung dan luas panen adalah 0,844. Nilai ini menunjukan bahwa hubungan kedua variabel tersebut sangat kuat. Koefisien korelasi positif (0,844) menunjukan bahwa hubungan antara variabel produksi jagung dan luas panen searah. Artinya, jika variabel luas panen meningkat, maka produksi jagung juga akan meningkat.

b. Besarnya hubungan antar variabel produksi jagung dan rata-rata suhu udara adalah -0,422. Nilai ini menunjukan hubungan korelasi sedang yang negatif. Koefisien korelasi negative (-0,422) menunjukkan bahwa

hubungan antara variabel produksi jagung dan rata-rata suhu udara tidak searah.

Artinya, jika variabel rata-rata suhu udara meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata suhu udara menurun maka variabel produksi jagung meningkat.

c. Besarnya hubungan antara variabel produksi jagung dan rata-rata kelembaban udara 0,458. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,458) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika variabel kelembaban udara meningkat maka variabel produksi jagung juga akan meningkat.

d. Besarnya hubungan antara variabel produksi jagung dan rata-rata curah hujan adalah -0,479. Nilai ini menunjukan hubungan korelasi sedang yang negatif. Koefisien korelasi negative (-0,479) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata curah hujan tidak searah. Artinya, jika variabel rata-rata curah hujan meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata curah hujan menurun maka variabel produksi jagung meningkat.

e. Besarnya hubungan antara variabel produksi jagung dan jumlah hari hujan adalah 0,377. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,377) menunjukkan bahwa hubungan antara variabel produksi jagung dan jumlah hari hujan searah. Artinya, jika variabel jumlah hari hujan meningkat maka variabel produksi jagung juga akan meningkat.

f. Besarnya hubungan antara variabel produksi jagung dan rata-rata kecepatan angin adalah 0,116. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,458) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika variabel kecepatan angin meningkat maka variabel produksi jagung juga akan meningkat.

3. Dari tabel Coefficients diperoleh hanya satu variable nilai jatuh pada daerah penerimaan yaitu variable luas panen. Maka, yang berpengaruh terhadap produksi jagung adalah luas panen.

4.2Saran

1. Dalam melakukan usaha pertanian jagung petani agar

memperhatikan faktor-faktor yang mempengaruhi produksi jagung sehingga dapat mencapai efisiensi dalam memproduksi jagung. Hubungan faktor-faktor merupakan hubungan antara faktor produksi yang satu dengan faktor produksi yang lainnya. Untuk memperoleh suatu produksi petani dapat menggunakan bermacam-macam faktor produksi dalam berbagai kombinasinya.

2. Saat ini walaupun petani memperoleh produksi yang besar, namun

petani memperoleh pendapatan yang rendah karena mereka menjual hasil pada saat panen raya sehingga harga rendah. Petani perlu menyimpan dahulu menunggu harga baik. Akan tetapi permasalahan mereka adalah kebutuhan akan uang tunai yang sangat mendesak menyebabkan petani menjual saat panen. Permasalahan tersebut dapat diatasi dengan cara bekerjasama

membentuk kelompok atau koperasi pertanian atau bekerjasama dengan lembaga lain.

Dengan demikian petani dapat menunjukkan produksinya sebagai agunan maka petani memperoleh pinjaman uang tunai saat itu juga. Agunan petani pada lembaga tersebut dikelola menunggu saat yang tepat yaitu harga baik baru dijual. Saat ini pemerintah telah menerbitkan undang-undang tentang lembaga tersebut yaitu lembaga pembiayaan pertanian dengan sistem resi gudang.

DAFTAR PUSTAKA

[AAK] Aksi Agraris Kasinius, Teknik Bercocok Tanam Jagung, Kanisius, Yogyakarta, 1993.

Adisarwanto, T Dr. dan Yustina Erna Widyastuti, Meningkatkan Produksi Jagung Di Lahan Kering, Sawah, dan Pasang Surut, PT Penebar Swadaya, anggota IKAPI, Jakarta 2000.

Algifari, Analisis Regresi Teori, Kasus, dan Solusi, BPFE, Yogyakarta, 1997. [BPS] Badan Pusat Statistika. Kabupaten Karo dalam Angka 1995-2011.

[BPS] Badan Pusat Statistika. Sumatera Utara dalam Angka 2011.

Hakim, Abdul. Statistik Deskriptif Untuk Ekonomi dan Bisnis, Edisi Pertama, EKONISIA, Yogyakarta, 2004.

Hasan, Iqbal, Pokok-Pokok Materi Statistika I, Bumi Aksara, Jakarta, 1999. Iswardono, Analisa Regresi dan Korelasi, BPFE, Yogyakarta, 1981.

Kazmier, Leonard J, Ph.D. Statistik Untuk Bisnis, Erlangga, Jakarta, 2005.

Kustituanto, Bambang. Statistik Analisa Runtut Waktu dan Regresi Korelasi. Edisi Pertama, BPFE, Yogyakarta, 1984.

Marzuki, Gunawan dan Nurgiyantor, Burhan, Statistik Terapan Untuk Penelitian Ilmu-Ilmu Sosial, Cetakan Kedua. Gadjah Mada University Press, Yogyakarta, 2002.

Nurlaelah, ST, MT, dan R.A Agung, SE, MM. Praktikum Statistika Ekonomi dan Bisnis Dengan SPSS, Edisi Pertama, Mitra Wacana Media, Jakarta, 2010.

Sudjana, Prof.DR. M.A.,M.Sc. Metode Statistika. Edisi Ke-6, Tarsito, Bandung, 1992.

Usman, Husaini. dan R, Purnomo Setiady Akbar. Pengantar Statistik, Bumi Aksara, Jakarta, 1995.

No

Kartu Bimbingan Tugas Akhir Mahasiswa

Nama : Desi K Wardhani

Nomor Induk Mahasiswa : 112407064

Judul Tugas Akhir : Faktor-faktor yang Mempengaruhi Produksi Jagung di

Kabupaten Karo

Dosen pembimbing : Prof. Dr. Saib Suwilo, M.Sc

Tanggal Mulai Bimbingan : Tanggal Selesai Bimbingan :

Tanggal Asistensi Bimbingan

Pembahasan Pada Asistensi Pada Bab

Paraf Dosen

Pembimbing Keterangan

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

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua Pembimbing

Drs. Faigiziduhu Bu’ulölö, M.Si Prof. Dr. Saib Suwilo, M.Sc

NIP. 1953121 18198003 1 003 NIP. 19640109 198803 1 004

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI D3 STATISTIKA

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

SURAT KETERANGAN

Hasil Uji Implementasi Sistem Tugas Akhir

Yang bertanda tangan di bawah ini, menerangkan bahwa Mahasiswa Tugas Akhir Program D3 Statistika :

Nama : Desi K Wardhani

NIM : 112407064

Prog. Studi : D3 Statistika

Judul Tugas Akhir : Faktor-faktor yang Mempengaruhi Produksi Jagung di Kabupaten Karo

Telah melaksanakan test implementasi sistem Tugas Akhir Mahasiswa tersebut di atas pada tanggal ...

Dengan Hasil : Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.

Medan, Juni 2014 Pembimbing

Prof. Dr. Saib Suwilo, M.Sc NIP. 19640109 198803 1 004

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI D3 STATISTIKA

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

hubungan antara variabel produksi jagung dan rata-rata suhu udara tidak searah.

Artinya, jika variabel rata-rata suhu udara meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata suhu udara menurun maka variabel produksi jagung meningkat.

c. Besarnya hubungan antara variabel produksi jagung dan rata-rata kelembaban udara 0,458. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,458) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika variabel kelembaban udara meningkat maka variabel produksi jagung juga akan meningkat.

d. Besarnya hubungan antara variabel produksi jagung dan rata-rata curah hujan adalah -0,479. Nilai ini menunjukan hubungan korelasi sedang yang negatif. Koefisien korelasi negative (-0,479) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata curah hujan tidak searah. Artinya, jika variabel rata-rata curah hujan meningkat maka variabel produksi jagung menurun. Sebaliknya, jika variabel rata-rata curah hujan menurun maka variabel produksi jagung meningkat.

e. Besarnya hubungan antara variabel produksi jagung dan jumlah hari hujan adalah 0,377. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,377) menunjukkan bahwa hubungan antara variabel produksi jagung dan jumlah hari hujan searah. Artinya, jika variabel jumlah hari hujan meningkat maka variabel produksi jagung juga akan meningkat.

f. Besarnya hubungan antara variabel produksi jagung dan rata-rata kecepatan angin adalah 0,116. Nilai ini menunjukkan hubungan korelasi sedang positif. Koefisien korelasi positif (0,458) menunjukkan bahwa hubungan antara variabel produksi jagung dan rata-rata kelembaban udara searah. Artinya, jika variabel kecepatan angin meningkat maka variabel produksi jagung juga akan meningkat.

3. Dari tabel Coefficients diperoleh hanya satu variable nilai jatuh pada daerah penerimaan yaitu variable luas panen. Maka, yang berpengaruh terhadap produksi jagung adalah luas panen.

4.2Saran

1. Dalam melakukan usaha pertanian jagung petani agar memperhatikan faktor-faktor yang mempengaruhi produksi jagung sehingga dapat mencapai efisiensi dalam memproduksi jagung. Hubungan faktor-faktor merupakan hubungan antara faktor produksi yang satu dengan faktor produksi yang lainnya. Untuk memperoleh suatu produksi petani dapat menggunakan bermacam-macam faktor produksi dalam berbagai kombinasinya.

2. Saat ini walaupun petani memperoleh produksi yang besar, namun petani memperoleh pendapatan yang rendah karena mereka menjual hasil pada saat panen raya sehingga harga rendah. Petani perlu menyimpan dahulu menunggu harga baik. Akan tetapi permasalahan mereka adalah kebutuhan akan uang tunai yang sangat mendesak menyebabkan petani menjual saat panen. Permasalahan tersebut dapat diatasi dengan cara bekerjasama

membentuk kelompok atau koperasi pertanian atau bekerjasama dengan lembaga lain.

Dengan demikian petani dapat menunjukkan produksinya sebagai agunan maka petani memperoleh pinjaman uang tunai saat itu juga. Agunan petani pada lembaga tersebut dikelola menunggu saat yang tepat yaitu harga baik baru dijual. Saat ini pemerintah telah menerbitkan undang-undang tentang lembaga tersebut yaitu lembaga pembiayaan pertanian dengan sistem resi gudang.

DAFTAR PUSTAKA

[AAK] Aksi Agraris Kasinius, Teknik Bercocok Tanam Jagung, Kanisius, Yogyakarta, 1993.

Adisarwanto, T Dr. dan Yustina Erna Widyastuti, Meningkatkan Produksi

Jagung Di Lahan Kering, Sawah, dan Pasang Surut, PT Penebar

Swadaya, anggota IKAPI, Jakarta 2000.

Algifari, Analisis Regresi Teori, Kasus, dan Solusi, BPFE, Yogyakarta, 1997. [BPS] Badan Pusat Statistika. Kabupaten Karo dalam Angka 1995-2011.

[BPS] Badan Pusat Statistika. Sumatera Utara dalam Angka 2011.

Hakim, Abdul. Statistik Deskriptif Untuk Ekonomi dan Bisnis, Edisi Pertama, EKONISIA, Yogyakarta, 2004.

Hasan, Iqbal, Pokok-Pokok Materi Statistika I, Bumi Aksara, Jakarta, 1999. Iswardono, Analisa Regresi dan Korelasi, BPFE, Yogyakarta, 1981.

Kazmier, Leonard J, Ph.D. Statistik Untuk Bisnis, Erlangga, Jakarta, 2005.

Kustituanto, Bambang. Statistik Analisa Runtut Waktu dan Regresi Korelasi.

Edisi Pertama, BPFE, Yogyakarta, 1984.

Marzuki, Gunawan dan Nurgiyantor, Burhan, Statistik Terapan Untuk Penelitian

Ilmu-Ilmu Sosial, Cetakan Kedua. Gadjah Mada University Press,

Yogyakarta, 2002.

Nurlaelah, ST, MT, dan R.A Agung, SE, MM. Praktikum Statistika Ekonomi

dan Bisnis Dengan SPSS, Edisi Pertama, Mitra Wacana Media, Jakarta,

2010.

Sudjana, Prof.DR. M.A.,M.Sc. Metode Statistika. Edisi Ke-6, Tarsito, Bandung, 1992.

Usman, Husaini. dan R, Purnomo Setiady Akbar. Pengantar Statistik, Bumi Aksara, Jakarta, 1995.

No

Kartu Bimbingan Tugas Akhir Mahasiswa

Nama : Desi K Wardhani

Nomor Induk Mahasiswa : 112407064

Judul Tugas Akhir : Faktor-faktor yang Mempengaruhi Produksi Jagung di Kabupaten Karo

Dosen pembimbing : Prof. Dr. Saib Suwilo, M.Sc Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan :

Tanggal Asistensi Bimbingan

Pembahasan Pada Asistensi Pada Bab

Paraf Dosen

Pembimbing Keterangan

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

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua Pembimbing

Drs. Faigiziduhu Bu’ulölö, M.Si Prof. Dr. Saib Suwilo, M.Sc NIP. 1953121 18198003 1 003 NIP. 19640109 198803 1 004

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI D3 STATISTIKA

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

SURAT KETERANGAN

Hasil Uji Implementasi Sistem Tugas Akhir

Yang bertanda tangan di bawah ini, menerangkan bahwa Mahasiswa Tugas Akhir Program D3 Statistika :

Nama : Desi K Wardhani

NIM : 112407064

Prog. Studi : D3 Statistika

Judul Tugas Akhir : Faktor-faktor yang Mempengaruhi Produksi Jagung di Kabupaten Karo

Telah melaksanakan test implementasi sistem Tugas Akhir Mahasiswa tersebut di atas pada tanggal ...

Dengan Hasil : Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.

Medan, Juni 2014 Pembimbing

Prof. Dr. Saib Suwilo, M.Sc NIP. 19640109 198803 1 004

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI D3 STATISTIKA

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