Peramalan Jumlah Produksi Padi Di Provinsi Sumatera Utara Pada Tahun 2012-2014

PERAMALAN JUMLAH PRODUKSI PADI DI PROVINSI SUMATERA UTARA

PADA TAHUN 2012-2014

TUGAS AKHIR

PUTRI SIMANJUNTAK 102407010

PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS METEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERAMALAN JUMLAH PRODUKSI PADI DI PROVINSI SUMATERA UTARA

PADA TAHUN 2012-2014

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

PUTRI SIMANJUNTAK 102407010

PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS METEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : Peramalan Jumlah Produksi Padi di Provinsi Sumatera Utara Pada Tahun 2012-2014. Kategori : Tugas Akhir

Nama : Putri Simanjuntak Nomor Induk Mahasiswa : 102407010 Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2013

Disetujui Oleh Pembimbing, Departemen Matematika FMIPA USU

Ketua,

Prof. Dr. Tulus, M.Si. Ph.D Dr. Sutarman, M.Sc

PERNYATAAN

PERAMALAN JUMLAH PRODUKSI PADI DI PROVINSI SUMATERA UTARA PADA TAHUN 2012-2014

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri. Kecuali beberapa kutipan dari ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2013

PUTRI SIMANJUNTAK 102407010

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 Peramalan Jumlah Produksi Padi di Provinsi

Sumatera Utara Pada Tahun 2012 - 2014.

Terimakasih penulis sampaikan kepada Bapak Dr. Sutarman, M.Sc selaku pembimbing sekaligus Dekan FMIPA USU Medan yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwaro Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr.Tulus, M.Si. Ph.D dan Ibu Dra. Mardiningsih, M.Sc selaku ketua dan sekretaris

Departemen Matematika FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak B.Simanjuntak, Ibu D.Lubis dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang maha Esa akan membalasnya.

DAFTAR ISI

halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Gambar viii

BAB 1.PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 3

1.5 Lokasi Penelitian 3

1.6 Tinjauan Pustaka 4

1.7 Metode Penelitian 5

1.8 Sistematika Penulisan 6 BAB 2. LANDASAN TEORI

2.1 Pengertian Peramalan 7 2.2. Jenis-jenis Peramalan 8 2.2.1. Peramalan Kualitatif 9 2.2.2. Peramalan Kuantitatif 9

2.3. Metode Peramalan 10

2.3.1. Metode Kualitatif 10 2.3.2. Metode Kuantitatif 11 2.4. AnalisaDeret Berkala 13 2.5. Metode Peramalan Yang Digunakan 13 BAB 3. GAMBARAN UMUN BADAN PUSAT STATISTIK

3.1. Visi dan Misi BPS Provinsi Sumatera Utara 17

3.1.1. Visi BPS 17

3.1.2. Misi BPS 17

3.2 Struktur Organisasi BPS Provinsi Sumatera Utara 18

BAB 4. PENGOLAHAN DATA

4.1 Data yang diolah 22

4.2 Menentukan Persamaan Auto Regresi 24 4.2.1 Menentukan Koefisien Auto Korelasi 27 4.2.2 Test kuat tidaknya Auto Korelasi 28 4.3 Peramalan Jumlah Produksi Padi Tahun 2012-2014 29

BAB 5.IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 31

5.2 Pengenalan Minitab 31

5.3 Mengaktifkan Minitab 32

5.4 Bagian-bagian Minitab 34

5.5 Pengisian Data 36

BAB 6. KESIMPULAN DAN SARAN

6.1 Kesimpulan 39

6.2 Saran 40

DAFTAR TABEL

Tabel 2.1 Skema hubungan nilai suatu variabel antara yang terjadi 14 pada suatu periode dengan yang terjadi pada periode

berikutnya

Tabel 4.1.1 Data Jumlah Produksi Padi di Provinsi Sumatera Utara 23 tahun 1982- 2011

Tabel 4.2.1 Tabel nilai untuk menghitung , , dan dengan 25 selisih waktu satu tahun

DAFTAR GAMBAR

Gambar 4.1 Hasil Produksi Padi di Prov Sumatera Utara Tahun 1982-2011 24

Gambar 5.1 Tampilan saat membuka Minitab dari icon pada dekstop 33

Gambar 5.2 Tampilan saat membuka Minitab pada windows 33

Gambar 5.3 Tampilan Logo Minitab 34

Gambar 5.4 Tampilan awal Minitab 34

Gambar 5.5 tampilan Lembar kerja worksheet 35

Gambar 5.6 Lembar kerja Project Manager 36

Gambar 5.7 tampilan pengisian data pada worksheet 37

Gambar 5.8 Tampilan pada jendela regression 37

Gambar 5.9 Tampilan kotak dialog regression 38

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Sektor pertanian dalam tatanan pembangunan nasional khususnya padi sangat berperan penting dalam kehidupan masyarakat. Yang mana padi merupakan salah satu jenis bahan pokok di Indonesia, yang dapat dikatakan kebutuhan paling pokok masyarakat di Indonesia. Karena selain menyediakan pangan bagi seluruh penduduk, juga merupakan sektor andalan penyumbang devisa Negara dari sektor non migas.

Produksi padi dunia menempati urutan ketiga dari semua serelia, setelah jagung dan gandum. Namun demikian, padi merupakan sumber karbohidrat utama bagi mayoritas penduduk dunia. Hasil dari pengolahan padi dinamakan beras. Untuk itu pemerintah selalu berupaya meningkatkan produksi padi untuk dapat memenuhi kebutuhan pokok masyarakat kita.

Besarnya kesempatan kerja yang dapat diserap dan besarnya jumlah penduduk yang masih bergantung pada sektor pertanian ini masih perluh dikembangkan. Karena dalam pelaksanaannya masyarakat Indonesia masih selalu mengarahkan perhatian terhadap sektor-sektor produksi lain. Misalnya mengarah

kepada perusahaan-perusahaan yang meproduksi kebutuhan tersier. Oleh karena itu, perluh adanya pengembangan yang membangun di bidang pertanian.

Sejak tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami penurunan sehingga hampir setiap tahun kita mengimpor beras. Di samping itu harga beras pun relatif tidak stabil. Meski tampak spekulasi dalam fluktuasi harga, bagaimanapun fluktuasi harga itu terkait juga dengan fluktuasi persediaan beras di pasaran. Bagaimanakah sebenarnya keadaan produksi padi di Sumatera Utara ?

Berdasarkan pemikiran tersebut diatas, maka penulis tertarik untuk meneliti jumlah produksi padi di Sumatera Utara dengan judul “PERAMALAN JUMLAH PRODUKSI PADI DI PROVINSI SUMATERA UTARA PADA TAHUN 2012 -2014”.

1.2Rumusan Masalah

Sesuai dengan judul tersebut, maka yang menjadi ruang lingkup permasalahan adalah bagaimana keadaan perubahan produksi padi setiap tahunnya dan keadaan di tahun-tahun yang akan datang, serta bagaimana pemerintah bisa meningkatkan jumlah produksi padi di Provinsi Sumatera Utara. Karena kita tahu, bahwa wilayah Sumatera Utara adalah wilayah subur dan merupakan sentral produksi padi terhadap produksi Nasional.

1.3Batasan Masalah

Untuk mengarahkan pembahasan dalam tugas akhir ini agar tidak menyimpang dari sasaran yang ingin dituju, maka perlu membuat batasan ruang lingkup permasalahan,yaitu peramalan produksi padi untuk 3 (tiga) tahun mendatang serta bagaimana keterkaitan produksi padi di Sumatera Utara.

1.4 Tujuan Penelitian

Adapun tujuan dilakukannya penelitian ini adalah untuk meramalkan jumlah produksi padi pada tahun 2012 sampai 2014 berdasarkan data tahun 1982 sampai 2011 di Sumatera Utara.

1.5 Lokasi Penelitian

Adapun lokasi penelitian atau pengambilan data dilaksanakan di Badan Pusat Statistik (BPS) Provinsi Sumatera Utara di Jln. Asrama No. 179 Medan.

1.6 Tinjauan Pustaka

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi pada masa depan, berdasarkan data yang relevan di masa lalu. Metode peramalan

akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data masa lalu sehinga dapat membarikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil peramalan yang dibuat atau disusun (J. Supranto, 1981)

Peramalan merupakan suatu alat bantu yang penting pada perencanaan yang efektif dan efisien. Peramalan juga sangat penting dalam pengambilan suatu keputusan. Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu, faktor-faktor penentu kejadian seharusnya dan jenis-jenis pola data dan beberapa hal lain ( Alder Haymans, 1986)

Peramalan adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama, sedangkan waktu yang relatif singkat tidak dibutuhkan peramalan. Pada umumnya kegunaan peramalan adalah:

1. Untuk menentukan kebutuhan sumber daya di masa yang akan datang. 2. Sebagai alat bantu perencanaan.

3. Untuk membuat keputusan yang tepat. (Markridakis, 1993).

Metode auto regresi membahas mengenai pengaruh dan hubungan antara nilai suatu variabel yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya (Indriyo Gitosudarmo, 2000 ).

1.7Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah:

1. Studi kepustakaan, yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan dengan cara membaca buku-buku referensi dan bahan-bahan yang bersifat teoritis yan mendukung penulisan tugas akhir. 2. Metode pengumpulan

Pengumpulan data untuk penelitan ini, penulis menggunakan Data Sekunder yang diperoleh dari BPS Provinsi.

1.8SISTEMATIKA PENULISAN

Sistematika penulisan Tugas Akhir ini terdiri dari 6 ( enam ) bab yang masing-masing dirincikan dalam beberapa sub bab yaitu :

BAB 1 : PENDAHULUAN

Bab ini berisi tentang Latar Belakang, Identifikasi Masalah, Batasan Masalah, Tujuan Penelitian, Lokasi Penelitian, Metodologi Penelitian, Tinjauan Pustaka dan Sistematika Penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menjelaskan tentang segala sesuatu yang mencakup penyelesaian masalah sesuai dengan judul dan permasalahan yang diutarakan.

BAB 3 : GAMBARAN UMUM BADAN PUSAT STATISTIK

Bab ini menguraikan tentang sejarah gambaran umum Badan Pusat Statistik.

BAB 4 : ANALISA DAN PEMBAHASAN

Bab ini menerangkan penganalisaan data yang telah diamati dan dikumpulkan.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program ataupun software yang di gunakan sebagai analisa terhadap data yang diperoleh.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini menjelaskan tentang ringkasan dan kesimpulan dari pembahasan dalam penyelesaian Tugas Akhir, serta saran-saran.

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan adalah suatu proses memperkirakan secara sistematik tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi di masa lalu dan masa sekarang yang dimiliki agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Peramalan dapat juga diartikan sebagai suatu usaha memperkirakan perubahan. Peramalan tidak memberi jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari yang sedekat mungkin dengan yang terjadi. Kegunaan dari peramalan ini terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Ramalan diperlukan untuk memberikan informasi sebagai dasar untuk membuat suatu keputusan yang dianggap memiliki kesalahan terkecil dalam berbagai kegiatan.

Berdasarkan sifat penyusunannya, maka peramalan dapat dibagi dalam 2 kategori utama yaitu:

1. Peramalan yang Subjektif

Peramalan yang subjektif adalah peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

2. Peramalan yang Objektif

Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut (Assauri, Sofyan, 1991).

Berdasarkan jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas 2 kategori yaitu:

1. Peramalan Jangka Panjang

Peramalan jangka panjang adalah peramalan yang dilakukan untuk menyusun hasil ramalan yang jangka waktunya lebih dari setengah tahun. Misalnya diperlukan penyusunan rencana pembangunan suatu Negara atau daerah dan lain sebagainya.

2. Peramalan Jangka Pendek

Peramalan jangka pendek adalah peramalan yang dilakukan untuk menyusun hasil ramalan yang jangka waktunya kurang dari satu setengah tahun. Misalnya penyusunan rencana produksi, rencana penjualan, rencana persediaan dan lain sebagainya.

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas atas dua kategori utama, yaitu peramalan kualitatif dan peramalan kuantitatif.

2.2.1 Peramalan Kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman dari penyusunnya.

2.2.2 Peramalan Kuantitatif

Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa lalu.Peramalan kuantitatif ini memerlukan data historis atau empiris dan ini menuntut variabel yang digunakan mempunyai satuan ukuran atau dapat diukur. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.

Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut :

a. Tersedia informasi ( data ) tentang masa lalu.

b. Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numerik.

c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut pada masa yang akan datang.

Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis adalah

peramalan kuantitatif.

2.3 Metode Peramalan

Metode peramalan adalah cara memperkirakan apa yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan pada masa lalu. Kegunaan Metode Peramalan ini adalah untuk memperkirakan secara sistematis dan

pragmatis atas dasar data yang relevan pada masa lalu. Dengan demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Metode

peramalan terbagi dalam dua jenis yaitu metode peramalan kualitatif dan peramalan kuantitatif.

2.3.1 Metode Kualitatif

Metode peramalan kualitatif digunakan dimana tidak ada model matematik yang dikarenakan data yang ada tidak cukup resprensatif untuk meramalkan masa yang akan datang. Peramalan ini menggunakan pertimbangan pendapat para pakar yang ahli dibidangnya. Teknik model peramalan kualitatif berusaha untuk

menggunakan penilaian (judgement) atau faktor subjektif individu dalam

peramalan. Model ini sangat penting atau ketika data kuantitatif yang akurat sulit didapatkan.

2.3.2 Metode Kuantitatif

Metode peramalan kuantitatif sangat beragam, dikembangkan dari berbagai disiplin ilmu dan untuk berbagai maksud. Setiap teknik yang akan dipilih memiliki sifat, ketepatan, tingkat kesulitan dan biaya tersendiri yang harus dipertimbangkan.

Beberapa metode peramalan kuantitatif antara lain:

a. Peramalan dengan metode Smoothing.

Metode Smoothing adalah mengambil dari rata-rata dari nilai-nilai pada beberapa tahun untuk menaksir nilai pada suatu tahun. Metode Smoothing ini dilakukan antara lain dengan cara moving averages atau dengan exponential smoothing.

b. Peramalan dengan metode Dekomposisi.

Metode Dekomposisi sering juga disebut metode time series. Metode ini didasarkan pada kenyataan bahwa biasanya apa yang yang telah terjadi itu akan berulang kembali dengan pola yang sama. Artinya yang dulu selalu naik maka pada waktu yang akan datang biasanya akan naik juga, sedangkan yang dulu selalu turun maka pada waktu yang akan datang biasanya akan turun juga, yang biasanya berfluktuasi akan berfluktuasi juga dan yang biasanya tidak teratur biasanya akan tidak teratur.

c. Peramalan dengan metode Input-Ouput.

Metode ini memanfaatkan hubungan antara input dan output untuk membuat peramalan. Hasil suatu sektor industri sebagian akan merupakan input bagian sektor lain, dan sebagian akan dibeli oleh pemakai akhir

d. Peramalan dengan metode Regresi sederhana.

Meramal dengan metode regresi sederhana berarti meramal sesuatu dengan melihat faktor lain yang mempengaruhi. Kita menganggap bahwa terdapat hubungan antara variabel yang ingin diramalkan dengan variabel lain. Variabel yang ingin diramalkan disebut dengan variabel dependen dan sedangkan variabel lain disebut variabel independen.

e. Peramalan dengan metode Auto Regresi

Metode ini membahas mengenai pengaruh dan hubungan antara nilai suatu variabel yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya. Disebut Auto karena variabel yang menjadi variable bebas (independent variable ) juga digunakan sebagai variable terikat (dependent variable). Besarnya nilai suatu variabel tergantung pada nilai suatu variabel itu sendiri yang terjadi sebelumnya.

Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan atau pertumbuhan suatu variabel. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain.

Metode Times Series merupakan metode peramalan kuantitatif didasarkan atas data-data berkala (time series) yang sifatnya dinamis dan sudah

memperhitungkann perubahan-perubahan, misalnya perubahan dari waktu (t-1) ke

t dan dari t ke (t+1). Pada umumnya pengamatan dan pencatatan itu dilakukan dalam jangka waktu tertentu. Misalnya: harian, mingguan, bulanan, caturwulan, enam bulanan, tahunan dan sebagainya.

Secara lengkap pengertian analisa deret berkala dapat dituliskan sebagai berikut :

1. Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil penjualan ,jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb). 2. Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu.

2.5 Metode Peramalan Yang Digunakan

Dalam meramalkan tingkat produksi padi pada tahun 2012 – 2014 di Provinsi Sumatera Utara, maka penulis menggunakan metode auto regresi. Metode auto regresi membahas mengenai pengaruh dan hubungan antara nilai suatu variabel yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya. Untuk mengetahui besarnya pengaruh menggunakan Auto Regresi, sedangkan

untuk mengukur kuat tidaknya hubungan tersebut digunakan koefisien Auto Korelasi. Disebut Auto karena variabel yang menjadi variable bebas (independent variable ) juga digunakan sebagai variable terikat (dependent variable). Besarnya nilai suatu variabel tergantung pada nilai suatu variabel itu sendiri yang terjadi sebelumnya. Misalnya jumlah produksi tahun ini ( ) tergantung pada jumlah produksi 1 tahun yang lalu ( ). Jadi secara matematik dapat ditulis :

= ( )

Untuk lebih menjelaskan antara dependent variable dan independent variable, dapat kita lihat tabel di bawah ini

Tabel 2.1. Skema hubungan nilai suatu variabel antara yang terjadi pada suatuperiode dengan yang terjadi pada 1 periode berikutnya

( )

Dependent Variable

( )

Independent Variable

Nilai periode 1

Nilai periode 2

Nilai periode 3

Nilai periode 4

Nilai periode T

-

Nilai periode 1

Nilai periode 2

Nilai periode 3

Berikut ini langkah-langkah penyusunannya :

1. Untuk memudahkan penyelesaian maka sebaiknya data di susun dalam suatu tabel. Kita tentukan terlebih dahulu selisih waktu periode. Misalnya : 1 tahun, 2 tahun ,3 tahun, dan seterusnya.

2. Mencari nilai-nilai yang diperlukan untuk menghitung auto regresi, yaitu :

=

∑(_∑ ) (∑ ) (∑ )

( ) (∑ )

=

∑ ∑

Keterangan :

= Banyaknya pasangan data

= Selisih waktu antara dependent dan independent variable

= data periode t-s

= data periode

Dengan demikian persamaan auto regresinya,

= + ( )

Sehingga untuk peramalan periode berikutnya dapat ditentukan dengan persamaan auto regresi tersebut.

3. Mencari koefisien auto korelasi

=

∑( ) (∑ ∑ )

(∑ ) (∑ ) ( (∑ ) (∑ ) )

2.5.1 Uji terhadap koefisien auto korelasi

Setelah melakukan perhitungan auto korelasi dan untuk mengetahui apakah antara variabel independen dengan variabel dependen betul-betul erat maka nilai r perlu di uji.

Adapun prosedur pengujian sebagai berikut : a) Menentukan hipotesis

Ha : ≠ 0 ( ada pengaruh secara signifikan)

Ho : = 0 (tidak ada pengaruh secara signifikan)

b) Menghitung t hitung dengan rumus

=

√

√

c) Menentukan kriteria penerimaan dan penolakan

Tolak H0 jika – / ( ) < > / ( )

Terima H0 jika – / ( ) < < / ( ) dengan df = N-2

d) Setelah dihitung maka kita dapat mengambil kesimpulan yang nantinya akan digunakan untuk meramal beberapa periode-periode berikutnya.

BAB 3

GAMBARAN UMUM BADAN PUSAT STATISTIK

3.1Visi dan Misi BPS (Badan Pusat Statistik) Provinsi Sumatera Utara

3.1.1 Visi BPS (Badan Pusat Statistik)

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.

3.1.2 Misi BPS (Badan Pusat Statistik)

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.

3.2 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi.Dimana 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.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah berbentuk Lini dan staff

1. Bagian Tata Usaha/Kepegawaian 2. Bidang Statistik Produksi

3. Bidang Statistik Distribusi 4. Bidang Statistik Kependudukan

5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik 6. Bidang Neraca Wilayah dan Analisis Statistik

Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara

3.3Job Description

Dalam menjalankan suatu organisasi maka diperlukan personal-personal jabatan tertentu dalam organisasi tersebut di mana masing-masing diberi tugas dan fungsi

job description atau pembagian kerja. Kepala kantor dibantu bagian tata usaha yang terdiri dari :

1. Sub Bagian Urusan Dalam 2. Sub Bagian Perlengkapan 3. Sub Bagian Keuangan 4. Sub Bagian Kepegawaian 5. Sub Bagian Bina Program

Sedangkan bidang penunjang statistik ada 5 bidang, yaitu:

1. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan statistik pertanian, industri serta statistik konstruksi pertambangan dan energi.

2. Bidang Statistik Distribusi

Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistik keuangan dan harga produsen serta Statistik Kesejahteraan.

3. Bidang Statistik Sosial

Bidang Statistik Kependudukan mempunyai tugas untuk melaksanakan kegiatanstatistik demografi dan rumah tangga, statistik ketenaga kerjaan. 4. Bidang Integrasi Pengolahan dan Distribusi Sosial

Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan kegiatan dan penyiapan data, penyusunan sistem dan program serta operasional pengolahan data dengan komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu melaksanakan kegiatan penyusunan neraca produksi, neraca konsumen dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

BAB 4

PENGOLAHAN DATA

4.1 Data yang diolah

Padadasarnya data adalah alat bagi pengambil keputusan, bentuk-bentuk dasar pembuatan keputusanatau untuk memecahkan suatu persoalan. Keputusan yang baik jika diperoleh pengambil keputusan tersebut atas dasar data yang baik. Untuk memperoleh dan mengetahui gambaran tentang suatu keadaan atau masalah merupakan salah satu kegunaan data.

Untuk membahas dan memecahkan persoalan tentang pembentukan persamaan penduga akan produksi padi seperti yang telah diuraikan pada bagian sebelumnya, penulis mengumpulkan data yang berhubungan dengan pokok-pokok permasalahan tersebut. Data yang akan diolah dalam tugas akhir ini adalah data Produksi Padi di Provinsi Sumatera Utara.

Tabel 4.1.1 Data Jumlah Produksi Padi di Provinsi Sumatera Utara tahun 1982- 2011

Tahun Produksi (ton)

1982 1.834.709

1983 1.832.532

1984 2.022.000

1985 2.148.924

1986 2.067.882

1987 2.319.193

1988 2.482.938

1989 2.540.874

1990 2.617.754

1991 2.730.393

1992 2.895.194

1993 2.918.152

1994 3.079.960

1995 3.134.533

1996 3.136.760

1997 3.212.208

1998 3.321.049

1999 3.451.430

2000 3.514.253

2001 3.291.515

2002 3.153.305

2003 3.403.075

2004 3.418.782

2005 3.447.393

2006 3.007.636

2007 3.265.834

2008 3.340.794

2009 3.527.899

2010 3.852.302

4.2 Menentukan Persamaan Auto Regresi

Dari data hasil produksi padi pada tabel 4.1.1 dapat digambarkan grafik seperti Gambar 4.1 berikut :

Gambar 4.1 Hasil Produksi Padi di Provinsi Sumatera Utara Tahun 1982-2011

Untuk memperkirakan atau meramalkan hasil produksi Padi di tahun-tahun yang akan datang, maka terlebih dahulu kita menggambarkan dan menempatkan data observasi dalam suatu gambar bidang datar dan kemudian menarik suatu garis yang mengikuti titik-titik tersebut. Gambaran titik-titik tersebut seperti terlihat pada gambar 4.2 berikut :

Gambar 4.2 Hasil Produksi Padi di Provinsi Sumatera Utara tahun 1982-2011

Untuk menentukan dan membentuk persamaan penduga maka perluh dicari , , dan sebagai berikut: 0 1000000 2000000 3000000 4000000 5000000 1 9 8 2 1 9 8 4 1 9 8 6 1 9 8 8 1 9 9 0 1 9 9 2 1 9 9 4 1 9 9 6 1 9 9 8 2 0 0 0 2 0 0 2 2 0 0 4 2 0 0 6 2 0 0 8 2 0 1 0

Produksi (t on)

0 1000000 2000000 3000000 4000000 5000000 1 9 8 2 1 9 8 4 1 9 8 6 1 9 8 8 1 9 9 0 1 9 9 2 1 9 9 4 1 9 9 6 1 9 9 8 2 0 0 0 2 0 0 2 2 0 0 4 2 0 0 6 2 0 0 8 2 0 1 0 Tahun Produksi (t on)

Tabel 4.2.1 Tabel nilai untuk menghitung , , dan dengan selisih waktu satu tahun

( )

2 1.834.709 1.832.532 3.362.162.953.188 3.366.157.114.681 3.358.173.531.024 3 1.832.532 2.022.000 3.705.379.704.000 3.358.173.531.024 4.088.484.000.000 4 2.022.000 2.148.924 4.345.124.328.000 4.088.484.000.000 4.617.874.357.776 5 2.148.924 2.067.882 4.443.721.258.968 4.617.874.357.776 4.276.135.965.924 6 2.067.882 2.319.193 4.795.817.459.226 4.276.135.965.924 5.378.656.171.249 7 2.319.193 2.482.938 5.758.412.429.034 5.378.656.171.249 6.164.981.111.844 8 2.482.938 2.540.874 6.308.832.607.812 6.164.981.111.844 6.456.040.683.876 9 2.540.874 2.617.754 6.651.383.076.996 6.456.040.683.876 6.852.636.004.516 10 2.617.754 2.730.393 7.147.497.197.322 6.852.636.004.516 7.455.045.934.449 11 2.730.393 2.895.194 7.905.017.431.242 7.455.045.934.449 8.382.148.297.636 12 2.895.194 2.918.152 8.448.616.161.488 8.382.148.297.636 8.515.611.095.104 13 2.918.152 3.079.960 8.987.791.433.920 8.515.611.095.104 9.486.153.601.600 14 3.079.960 3.134.533 9.654.236.258.680 9.486.153.601.600 9.825.297.128.089 15 3.134.533 3.136.760 9.832.277.733.080 9.825.297.128.089 9.839.263.297.600 16 3.136.760 3.212.208 10.075.925.566.080 9.839.263.297.600 10.318.280.235.264 17 3.212.208 3.321.049 10.667.900.166.192 10.318.280.235.264 11.029.366.460.401 18 3.321.049 3.451.430 11.462.368.150.070 11.029.366.460.401 11.912.369.044.900 19 3.451.430 3.514.253 12.129.198.231.790 11.912.369.044.900 12.349.974.148.009 20 3.514.253 3.291.515 11.567.216.463.295 12.349.974.148.009 10.834.070.995.225 21 3.291.515 3.153.305 10.379.150.707.075 10.834.070.995.225 9.943.332.423.025 22 3.153.305 3.403.075 10.730.933.412.875 9.943.332.423.025 11.580.919.455.625 23 3.403.075 3.418.782 11.634.371.554.650 11.580.919.455.625 11.688.070.363.524 24 3.418.782 3.447.393 11.785.885.135.326 11.688.070.363.524 11.884.518.496.449 25 3.447.393 3.007.636 10.368.503.292.948 11.884.518.496.449 9.045.874.308.496 26 3.007.636 3.265.834 9.822.439.908.424 9.045.874.308.496 10.665.671.715.556 27 3.265.834 3.340.794 10.910.478.632.196 10.665.671.715.556 11.160.904.550.436 28 3.340.794 3.527.899 11.785.983.811.806 11.160.904.550.436 12.446.071.354.201 29 3.527.899 3.852.302 13.590.532.373.498 12.446.071.354.201 14.840.230.699.204 30 3.852.302 3.607.403 13.896.805.791.706 14.840.230.699.204 13.013.356.404.409 Jumlah 84.969.273 86.741.967 262.153.963.230.887 257.762.312.545.683 267.409.511.835.411

Dari tabel 4.2.1 diatas didapat nilai-nilai sebagai berikut :

∑ = 84.969.273

∑ = 86.741.967

∑ ( )= 262.153.963.230.887

∑ −12 = 257.762.312.545.683 ∑ 2 _{= 267.409.511.835.411}

Dari nilai-nilai yang didapat t ersebut dapat lah dihit ung nilai

dan

=

∑(_∑ ) (∑ ) (∑ )

( ) (∑ )

= 29( 262.153.963.230.887)−( 84.969.273) ( 86.741.967)

29( 257.762.312.545.683)−( 84.969.273)

= 7.602.464.933.695.720−7.370.401.874.579.990

7.475.107.063.824.810−7.219.777.354.148.530

= 232.063.059.115.732

255.329.709.676.278

= 0,908876054

=

∑ ∑

= 86.741.967−( 0,908876054)(84.969.273)

29

= 86.741.967−77.226.537,59

= 9515429,41 29

= 328.118,26

+

= 328.118,26 + 0,908876054

Berdasarkan hasil perhitungan mencari persamaan auto regresi dari data jumlah produksi padi di Provinsi Sumatera Utara tahun 1982 sampai dengan tahun 2011 diperoleh koefisien auto regresi = 328.118,26 dan koefisien auto regresi = 0,908876054. Dari koefisien auto regresi tersebut diperoleh persamaan auto regresi 328.118,26 + 0,908876054

4.2.1 Menentukan Koefisien Auto Korelasi

Berdasarkan tabel 4.2.1 dapat dihitung dengan rumus sebagai berikut:

=

∑( ) (∑ ) (∑ )

∑ (∑ ) ( (∑ ) (∑ ) )

=

29 262.153.963.230.887 −84.969.273 86.741.967

29 257.762.312.545.683 −84.969.273 2( 29( 267.409.511.835.411 86.741.9672)

= 7.602.464.933.695.720−7.370.401.874.579.990

( 255.329.709.676.278) ( 230.707.004.197.830)

= 232.063.059.115.732

242.706.308.945.845

= 0,91

Berdasarkan perhitungan mencari koefisien auto korelasi dari data jumlah produksi padi di Provinsi Sumatera Utara tahun 1982 samapi dengan tahun 2011 diperoleh koefisien auto korelasi sebesar 0,956147618.

4.2.2 Test kuat tidaknya auto korelasi

Setelah melakukan perhitungan auto korelasi dan untuk mengetahui apakah antara variabel independen dengan variabel dependen betul-betul erat maka nilai perlu di uji.

e) Menentukan hipotesis

Ha : ≠ 0 ( ada pengaruh secara signifikan antara jumlah produksi padi pada suatu periode dengan periode sebelumnya)

Ho : = 0 (tidak ada pengaruh secara signifikan antara jumlah produksi padi pada suatu periode dengan periode sebelumnya)

f) Menentukan kriteria penerimaan dan penolakan

Tolak H0 jika – t1/2α(N-2) < thitung > t1/2α(N-2)

Terima H0 jika – t1/2α(N-2) < thitung < t1/2α(N-2) dengan df = N-2

g) Menghitung t hitung dengan rumus

=

√

=

, √

√ ,

=

, ,

= 16,96

Berdasarkan hasil perhitungan test kuat tidaknya auto korelasi, diperoleh = 16,96. Harga tersebut kemudian dibandingkan dengan . Dengan

= 5% dan = 29, diperoleh = −2 yaitu 27. Sehingga _{( ,} ; ) = 2,05 (lampiran). Karena -2,05 < 16,96 > 2,05 maka ditolak. Artinya ada auto korelasi yang kuat antara jumlah produksi padi suatu tahun (periode) dengan dengan satu tahun sebelumnya. Sehingga forecast dengan persamaan auoto regresi dapat di pertanggungjawabkan. Oleh karena itu untuk forecast periode berikutnya kita forecast dengan selisih satu tahun (periode) .

4.3 Peramalan Jumlah Produksi Padi di Provinsi Sumatera Utara pada

tahun 2012 – 2014

Setelah diketahui bahwa ada auto korelasi yang kuat antara jumlah produksi padi pada suatu periode dengan periode sebelumnya, maka dapat dilakukan peramalan pada periode berikutnya dengan menggunakan selisih waktu satu periode(tahun) dan persamaan auto regresi 328.118,26 + 0,908876054 diperoleh hasil ramalan untuk tahun 2012,2013,2014 sebagai berikut:

a. Meramal untuk periode ke 31 (tahun 2012) menggunakan nilai jumlah produksi pada periode ke 30 (tahun 2011) sebagai variabel bebas

328.118,26 + 0,908876054

328.118,26 + 0,908876054(3.607.403)

= 3.606.800,46

b. Meramal untuk periode ke 32 (tahun 2013) menggunakan nilai jumlah produksi pada periode ke 31 (tahun 2012) sebagai variabel bebas

328.118,26 + 0,908876054

328.118,26 + 0,908876054 (3.606.800,46)

= 3.606.252,84

c. Meramal untuk periode ke 33 (tahun 2014) menggunakan nilai jumlah produksi pada periode ke 32 (tahun 2013) sebagai variabel bebas

328.118,26 + 0,908876054

328.118,26 + 0,908876054 ( 3.606.252,84)

BAB 5

IMPLEMENTASI SISTEM

5.1Pengertian Implementasi Sistem

Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang disetrujui, menginstal dan memulai sistem baru atau sistem baru atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil desain tertulis kedalam programming. Dalam pengolahan data dalam hal ini menggunakan software minitab 16 sebagai implementasi sistem dalam memperoleh hasil perhitungan.

5.2 Pengenalan Minitab

Minitab adalah program aplikasi statistika yang dirancang untuk melakukan pengolahan statistik. Minitab mengkombinasikan kemudahan penggunaan layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik yang kompleks. Minitab dikembangkan di Pennsylvania State University oleh periset Barbara F. Ryan, Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun 1972. Minitab memulai versi ringannya OMNITAB, sebuah program analisis statistik oleh NIST.

Minitab didistribusikan oleh Minitab Inc, sebuah perusahaan swasta yang bermarkas di State College, Pennsylvania, dengan kantor cabang di Coventry, Inggris (Minitab Ltd.) Paris, Perancis (Minitab SARL) dan Sydney, Australia (Minitab Pty.).

Kini, Minitab seringkali digunakan dalam implementasi Six Sigma, CMMI serta metode perbaikan proses yang berbasis statistika lainnya. Minitab 16, versi terbaru perangkat lunak ini, tersedia dalam tujuh bahasa: Inggris, Perancis, Jerman, Jepang, Korea, Mandarin, dan Spanyol .

5.3 Mengaktifkan Minitab

Harus dipastikan terlebih dahulu bahwa Minitab telah terinstal pada komputer. Jika pada dekstop sudah ada ikon Minitab, maka Minitab dapat dibuka dengan cara:

1. Klik dua kali menu Minitab 16 yang terdapat pada icon shortcut tampilan dekstop yang ditunjukkan pada gambar 5.1 berikut.

2. Selain itu program Minitab dapat diaktifkan melalui : Klik tombol Start

pada jendela windows, kemudian pilih Minitab 16

Gambar 5.2 Tampilan saat membuka Minitab pada windows

Setelah Minitab diaktifkan, maka tampilan pada dekstop adalah seperti gambar 5.3 berikut

Gambar 5.3 Tampilan Logo Minitab

Tampilan awal Minitab adalah :

Gambar 5.4 Tampilan awal Minitab

5.4 Bagian-bagian Minitab

Minitab terdiri atas beberapa bagian

a. Toolbar merupakan alat untuk mempercepat perintah minitab dan berbentuk tombol-tombol dalam windows Minitab. Pengoperasiannya pun mudah yaitu hanya dengan menekan (klik) toolbar tertentu untuk menjalankan suatu perintah

b. Lembar kerja worksheet terdiri dari kolom dan baris. Input data dapat dilakukan pada lembar kerja worksheet. Tempatkan nama variable pada baris pertama lembar worksheet. Baris selanjutnya merupakan tempat data yang akan dianalisis. Untuk menempatkan nama variable atau data,

aktifkan sel tujuan sehingga sel tersebut dilingkupi garis hitam dan kemudian tuliaskan. Lembar kerja worksheet ditunjukkan pada gambar 5.5 berikut

Gambar 5.5 tampilan Lembar kerja worksheet

c. Lembar kerja session menampilkan hasil analisis data yang telah dilakukan..

d. Window graph menampilkan grafik data statistik

e. Project Manager berfungsi mengatur file-file yang tersimpan dalam

project. Melalui lembar project manager dapat menavigasi, melihat, dan memanipulasi proyek. Disamping itu lembar kerja ini juga berfungsi untuk memudahkan pengelolaan file yang telah dibuat. File-file tersebut akan disimpan sesuai dengan foldernya seperti folder session,history, graphs, reportpad, related documents, dan worksheet. Tampilan Project manager

Gambar 5.6 Lembar kerja Project Manager

5.5Pengisian Data

1. Pertama kali menjalankan minitab, terdapat project manager yang masih kosong karena worksheet masih kosong. Masukkan data yang harus diolah kedalam worksheet atau panggil data yang sudah dimasukkan dalam format data lain. Kemudian berikan nama kolom di bawah C1 dan C2 seperti yang ditunjukkan pada gambar 5.7 berikut

Gambar 5.7 tampilan pengisian data pada worksheet

2. Kemudian dari menu bar pilih stat Regression Regression

3. Setelah itu akan muncul kotak dialog regression, masukkan variable Y ke kotak Response, dan masukkan variable X ke kotak Predictors. Proses ini dilakukan dengan memblok variabel dan pilih select. .

Gambar 5.9 Tampilan kotak dialog regression

4. Setelah itu pilih option (kiri bawah). Lalu centang durbin watson statistic, varians factor, dan prdicter R-Square, kemudian klik Ok.

Gambar 5.10 tampilan regression - options

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari perhitungan adalah :

1. Berdasarkan hasil perhitungan nilai-nilai koefisien auto regresi maka diperoleh persamaan 328.118,26 + 0,908876054

2. Dari hasil perhitungan menggunakan metode auto regresi, dapat diketahui bahwa kontribusi terhadap ditentukan oleh koefisien determinasi = 0,91 atau 91 % artinya mempengaruhi sebesar 91 % dan masih ada pengaruh dari variabel yang lain sebesar 0,9 %.

3. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada tahun 2012 adalah sebesar 3.606.800,46 ton

4. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada tahun 2013 adalah sebesar 3.606.252,84 ton

5. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada tahun 2014 adalah sebesar 3.605.755,11 ton

6.2Saran

Adapun saran yang diberikan oleh penulis yaitu dengan adanya perhitungan peramalan jumlah produksi padi di Provinsi Sumatera Utara, diharapkan

Pemerintah dapat meningkatkan produksi padi untuk tahun selanjutnya. Misalnya melalui sosialisasi kepada masyarakat, ataupun pemberian pupuk bersubsidi.

DAFTAR PUSTAKA

Assauri, Sofyan.1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia.

Indryo Gitosodarmo dan . 2000. Teknik proyeksi bisnis. Yogyakarta : Fakultas Ekonomi Universitas Gajah Mada.

J. Supranto, 1981. Metode Peramalan Kuantitatif Untuk Perencanaan. Jakarta : Gramedia.

Makridakis. S. 1993. Metode dan Aplikasi Peramalan. edisi ke-1. Jakarta : Erlangga.

Prof. DR. Sudjana, M.A., M.Sc.2005. Metode Statistika. edisi ke-6. Bandung: Tarsito.

OUTPUT MINITAB

Welcome to Minitab, press F1 for help.

Regression Analysis: y versus x

The regression equation is y = 328118 + 0,909 x

Predictor Coef SE Coef T P VIF Constant 328118 159737 2,05 0,050

x 0,90888 0,05358 16,96 0,000 1,000

S = 158982 R-Sq = 91,4% R-Sq(adj) = 91,1%

PRESS = 798662177617 R-Sq(pred) = 89,96%

Analysis of Variance

Source DF SS MS F P

Regression 1 7,27298E+12 7,27298E+12 287,75 0,000

Total 28 7,95541E+12

Unusual Observations

Obs x y Fit SE Fit Residual St Resid

24 3447393 3007636 3461371 40498 453735 -2,95R

28 3527899 3852302 3534541 43565 317761 2,08R

R denotes an observation with a large standardized residual.

3. Setelah itu akan muncul kotak dialog regression, masukkan variable Y ke kotak Response, dan masukkan variable X ke kotak Predictors. Proses ini dilakukan dengan memblok variabel dan pilih select. .

Gambar 5.9 Tampilan kotak dialog regression

4. Setelah itu pilih option (kiri bawah). Lalu centang durbin watson statistic, varians factor, dan prdicter R-Square, kemudian klik Ok.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari perhitungan adalah :

1. Berdasarkan hasil perhitungan nilai-nilai koefisien auto regresi maka diperoleh persamaan 328.118,26 + 0,908876054

2. Dari hasil perhitungan menggunakan metode auto regresi, dapat diketahui bahwa kontribusi terhadap ditentukan oleh koefisien determinasi = 0,91 atau 91 % artinya mempengaruhi sebesar 91 % dan masih ada pengaruh dari variabel yang lain sebesar 0,9 %.

3. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada tahun 2012 adalah sebesar 3.606.800,46 ton

4. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada tahun 2013 adalah sebesar 3.606.252,84 ton

5. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada tahun 2014 adalah sebesar 3.605.755,11 ton

6.2Saran

Adapun saran yang diberikan oleh penulis yaitu dengan adanya perhitungan peramalan jumlah produksi padi di Provinsi Sumatera Utara, diharapkan

Pemerintah dapat meningkatkan produksi padi untuk tahun selanjutnya. Misalnya melalui sosialisasi kepada masyarakat, ataupun pemberian pupuk bersubsidi.

DAFTAR PUSTAKA

Assauri, Sofyan.1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia.

Indryo Gitosodarmo dan . 2000. Teknik proyeksi bisnis. Yogyakarta : Fakultas Ekonomi Universitas Gajah Mada.

J. Supranto, 1981. Metode Peramalan Kuantitatif Untuk Perencanaan. Jakarta : Gramedia.

Makridakis. S. 1993. Metode dan Aplikasi Peramalan. edisi ke-1. Jakarta : Erlangga.

Prof. DR. Sudjana, M.A., M.Sc.2005. Metode Statistika. edisi ke-6. Bandung: Tarsito.

OUTPUT MINITAB

Welcome to Minitab, press F1 for help.

Regression Analysis: y versus x

The regression equation is y = 328118 + 0,909 x

Predictor Coef SE Coef T P VIF Constant 328118 159737 2,05 0,050

x 0,90888 0,05358 16,96 0,000 1,000

S = 158982 R-Sq = 91,4% R-Sq(adj) = 91,1%

PRESS = 798662177617 R-Sq(pred) = 89,96%

Analysis of Variance

Source DF SS MS F P

Total 28 7,95541E+12

Unusual Observations

Obs x y Fit SE Fit Residual St Resid

24 3447393 3007636 3461371 40498 453735 -2,95R

28 3527899 3852302 3534541 43565 317761 2,08R

R denotes an observation with a large standardized residual.