= koefisien regresi
= variabel bebas (independent)
Koefisien-koefisien
a
o,...,a
kdapat dihitung dengan menggunakan persamaan: ) ( ... ... ... ) ( ... ) ( ... 2 2 1 1 2 2 2 2 2 1 1 2 2 1 2 1 2 2 1 1 1 1 2 2 1 1 1 + + + + = + + + + = + + + + = + + + + = ki k ki i ki i ki o i ki ki i k i i i i o i i ki i k i i i i o i i ki k i i o X a X X a X X a X a Y X X X a X a X X a X a Y X X X a X X a X a X a Y X X a X a X a n a YDimana koefisien regresi linier berganda dari variable – variable
f ^ Zg
Diperoleh nilai koefisien determinasi sebesar 0,96, hal ini berarti 96%
jumlah tenaga kerja dapat dijelaskan oleh variable jumlah perusahaan, biaya input,
dan nilai tambah berdasarkan hasil pasar dengan persamaan regresi " h =WXY*Z[[ ZZ*Z\X] ^*[W\] = ^*^XJ] "sedangkan sisanya dijelaskan oleh faktor lain.
Dan untuk koefisien korelasi ganda adalah:
? e? f e^ ZYg f ^ Z[
Dari perhitungan di atas diperoleh korelasi antar variabel Jumlah Perusahaan, Biaya Input, dan Nilai Tambah Berdasarkan Hasil Pasar terhadap Jumlah Tenaga Kerja sebesar 0,98 angka korelasi tersebut membuktikan bahwa ada hubungan antara variabel independent dan ketiga variabel dependent dengan arah positif.
Analisis Korelasi adalah alat yang dapat digunakan untuk menghitung
adanya derajat hubungan linier antara satu variabel dengan variabel lain.
Hubungan antara variabel ini dapat berupa hubungan yang kebetulan belaka,
tetapi dapat juga merupakan hubungan sebab akibat.
Untuk mencari korelasi antara variabel Y dan X dapat dirumuskan sebagai berikut:
@ ABCDC.- ABC/- DC/
,E ACF.- AB/FGE DCF.- DB/FG (2.12)
Untuk menghitung korelasi antara variabel tak bebas dengan tiga buah
variabel bebas masing-masing adalah:
7. Koefisien korelasi antara Y dan X1 @H ABCDC.- ABC/- DC/
,E ABCF.- ABC/FGE DCF.- DC/FG
(2.13)
8. Koefisien korelasi antara Y dan X1 @H AFCDC.- AFC/- DC/
,E AFCF.- AFC/FGE DCF.- DC/FG (2.14)
9. Koefisien korelasi antara Y dan X3 @H AICDC.- AIC/- DC/
,E AICF.- AIC/FGE DCF.- DC/FG (2.15)
Sedangkan untuk menghitung korelasi variabel bebas masing-masing
@ ABCAFC.- ABC/- AFC/
,E ABCF.- ABC/FGE AFCF.- AFC/FG (2.16)
8. Koefisien korelasi antara X1 dan X3 @ ABCAIC.- ABC/- AIC/
,E ABCF.- ABC/FGE AICF.- AIC/FG (2.17)
9. Koefisien korelasi antara X2 dan X3 @ AFCAIC.- AFC/- AIC/
,E AFCF.- AFC/FGE AICF.- AIC/FG" (2.18)
Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel
akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun
dengan arah yang berlawanan. Hubungan antara variabel dapat dikelompokkan
menjadi tiga jenis hubungan sebagai berikut:
7. Korelasi Postif
Terjadinya korelasi positif apabila perubahan pada variabel yang satu
diikuti dengan perubahan variabel yang lain dengan arah yang sama atau
berbanding lurus. Artinya, apabila variabel yang satu meningkat, maka
akan diikuti dengan peningkatan variabel yang lain.
8. Korelasi Negatif
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti
dengan variabel yang lain dengan arah yang berlawanan atau berbanding
terbalik. Artinya, apabila variabel yang satu meningkat, maka akan
diikuti dengan penurunan pada variabel yang lain dan sebaliknya.
9. Korelasi Nihil
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti
pada perubahan variabel yang lain dengan arah yang tidak teratur (acak).
Koefisien korelasi nihil adalah =J 2 @ 2 J* Jika dua variabel berkorelasi negatif maka nilai koefisien korelasi akan mendekati -1. Jika dua variabel tidak
berkorelasi akan mendekati 0, sedangkan jika dua variabel berkorelasi positif
maka koefisien korelasi akan mendekati +1.
Dari table 4.3 diperoleh harga-harga sebagai berikut:
= 145416 = 24720955 = 987 = 1715492768,87 " = 81910,94 = 651169378 = 35153,62 = 166585 = 10167450,62 = 877669778,81 = 3908549,79 = 178172017,50 = 332133445,73 Dengan persamaan: !"""""" # ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
145416 = 33b0 + 987b1 + 81910,94b2 + 35153,62b3 24720955 = 987b0 + 166585 b1 + 10167450,62b2 + 3908549,79b3 1715492768,87 = 81910,94b0+ 10167450,62b1 + 3908549,79b2 + 332133445,73b3 651169378 = 35153,62b0 + 3908549,79b1 + 332133445,73b2 + 178172017,50b3
Setelah persamaan disubstitusikan, diperoleh harga-harga sebagai berikut:
b0 = -725,988
b1 = 99,932
b2 = 0,873
b3 = -0,021
Dengan demikian persamaan regresi linier yang didapat atas X1, X2, dan
X3 adalah:
-725,988 99,932 ^ [W\ -0,021
4.2 Standar Error Estimasi
Untuk menghitung kekeliruan baku taksiran Sy,123 diperlukan harga-harga yang
diperoleh dari persamaan regresi di atas untuk tiap harga X1, X2, dan X3 yang
diketahui.
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
yang ada dalam dokumen desain sistem, yang disetujui dan menguji, menginstal,
memulai, serta menggunakan sistem yang baru atau sistem yang diperbaiki.
Tahapan implementasi sistem merupakn tahapan-tahapan penerapan hasil desain
tertulis ke dalam programming. Dalam pengolahan data dalam hal ini digunakan software SPSS 17.0 for windows sebagai implementasi sistem sistem dalam memperoleh hasil perhitungan.
5.2 Mengenal Program SPSS
SPSS merupakan program untuk olah data statistik yang paling populer dan paling
banyak pemakaianya di seluruh dunia dan banyak digunakan oleh para peneliti
untuk bebagai keperluan seperti riset pasar, menyelesaikan tugas penelitian seperti
skripsi, tesis, disertasi dan sebagainya. Awalnya, SPSS merupakan singkatan dari
Statistical Package For The Social Science karena program ini mula-mula dipakai untuk meneliti ilmu-ilmu social. Namun, seiring perkembangannya dari waktu ke
kepanjangan SPSS adalah Statistical Product and Service Solution. SPSS pertama kali di buat pada tahun 1968 oleh tiga orang mahasiswa dari Stanford University.
5.3 Mengaktifkan Program SPSS
Langkah-langkah untuk mengaktifkan program SPSS:
1. Klik tombol Start pada jendela windows.
2. Klik All Programs, pilih menu SPSS Inc > Statistics 17.0, maka akan ditampilkan dalam bentuk sebagai berikut:
Gambar 5.1 Tampilan Saat Membuka SPSS pada Windows
3. Tampilan awal pada SPSS:
Gambar 5.2 Tampilan Awal SPSS
5.4 Mengoperasikan SPSS
Tampilan pada SPSS yang telah aktif dilanjutkan dengan membuat data baru,
dengan cara:
1. Pilih menu File 2. Pilih New
3. Ketika muncul jendela editor, klik Variabel View yang terletak di sebelah kiri bawah jendela editor. Lalu lakukan langkah sebagai berikut:
a. Name : digunakan untuk memberikan nama variabel b. Type : digunakan untuk menentukan tipe data
d. Decimals : digunakan untuk memeberikan nilai desimal atau angka dibelakang koma
e. Label : digunakan untuk memberi nama variabel
f. Value : digunakan untuk memeberikan value atau nilai data nominal atau ordinal
g. Missing : digunakan untuk menentukan data yang hilang
h. Align : digunakan untuk menentukan rata kanan, kiri, atau tengah i. Measure : digunakan untuk menentukan tipe atau ukuran data, yaitu
nominal, ordinal, atau skala.
5.5 Pemasukan Data
Langkah-langkah analisis dengan SPSS adalah sebagai berikut:
1. Bukalah program SPSS
2. Klik menu file pada SPSS data editor, kemudian klik data
Gambar 5.3 Memasukkan Data ke SPSS
3. Pada kotak dialog data pilih excel(*xls,*xlsx,*xlsm) pada menu file of tifes.
Gambar 5.4 Mengimport Data dari Ms. Excel
Gambar 5.5 Tampilan Memasukkan Data pada Ms. Excel
5. Maka akan muncul tampilan SPSS dengan data dari excel.
Gambar 5.6 Tampilan Data yang Telah di Import dari Ms. Excel
5.6 Analisis Regresi dan Korelasi Dengan SPSS
Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai berikut:
1. Pilih menu Analyze > Regression > Linear. Akan tampak tampilan seperti gambar di bawah ini:
Gambar 5.7 Tampilan pada jendela editor Regression
2. Setelah itu akan muncul kotak dialog. Masukkan variable terikat Jumlah
Tenaga Kerja (Y) pada kotak Dependent, sedangkan variable bebas Jumlah Perusahaan (X1), Biaya Input (X2), dan Nilai Tambah (X3) pada kotak
Independent (s). masukkan variable Wilayah pada Case Labels.
Gambar 5.8 Kotak Dialog Linier Regression
3. Isi kolom Method dengan perintah Enter
4. Klik Option: pada pilihan Stepping Method Criteria masukkan angka 0,05 pada kolom Entry
Gambar 5.9 Kotak Dialog Linear Regression: Options
5. Cek Include Constant In Equation
6. Pada pilihan Missing Value cek Exclude Cases Listwise 7. Tekan Continue
8. Pilih Statistics: pada bagian Regression Coefficients pilih Estimates Model Fit, Descriptive. Pada pilihan Residuals, pilih Durbin Watson.
Gambar 5.10 Kotak Dialog Linier Regression: Statistics
9. Tekan Continue 10. Klik OK untuk proses
5.7 Output Program SPSS
Gambar 5.11 Output Hasil Korelasi
Gambar 5.14 Output Hasil Anova
Gambar 5.15 Hasil Koefisien dari Regresi
BAB 6 PENUTUP
6.1 Kesimpulan
Berdasarkan hasil analisis yang telah dilakukan, maka dapat diambil beberapa
kesimpulan diantaranya:
1. Dari perhitungan diperoleh bahwa persamaan penduga dari Jumlah Tenga
Kerja, untuk banyaknya Jumlah Perusahaan, Biaya Input, dan Nilai
Tambah adalah:
=a c* d`` dd* d i * `a i = * i
2. Melalui uji keberartian regresi dengan taraf nyata -j ^ ^Y/
disimpulkan bahwa H0 ditolak dan H1 diterima. Hal ini berarti bahwa
persamaan regresi linier ganda Y atas X1, X2, dan X3 bersifat tidak nyata
atau Jumlah Perusahaan, Biaya Input, dan Nilai Tambah tidak
mempengaruhi banyaknya Jumlah Tenaga Kerja yang diperoleh pada
tahun 2011 di Provinsi Sumatera Utara.
3. Korelasi antara Jumlah Perusahaan, Biaya Input, dan Nilai Tambah
Berdasarkan Hasil Pasar terhadap Jumlah Tenaga Kerja sebesar 0,98.
Angka korelasi tersebut membuktikan bahwa hubungan antara variable
independent dan ketiga variable dependent memiliki korelasi yang kuat
1.` Variabel X1 mempengaruhi terhadap variabel Y, sehingga dengan kata
lain terdapat korelasi terhadap variabel Y;
2. Variabel X2 mempengaruhi terhadap variabel Y, sehingga dengan kata
lain terdapat korelasi terhadap variabel Y;
3. Variabel X3 mempengaruhi terhadap variabel Y, sehingga dengan kata
lain terdapat korelasi terhadap variabel Y.
6.2 Saran
Dari analisis dan kesimpulan yang telah di dapat, ada beberapa saran penulis dapat
berikan, yang mungkin bias membantu masyarakat maupun pemerintah dalam
mengembangkan angka pertumbuhan ekonomi dalam industry di Provinsi
Sumatera Utara adalah sebagai berikut:
1. Perindutrian merupakan salah faktor yang mempengaruhi meningkatnya
jumlah tenaga kerja di Sumatera Utara, maka pemerintah dan prusahaan
industry harus memperhatikan jumlah tenaga kerjanya dalam bentuk
menambah biaya pendapatan untuk tenaga kerja. Agar, nilai tambah
berdasarkan hasil pasar meningkat untuk menjsejahterakan industry tersebut
dan banyaknya jumlah tenaga kerja yang bekerja di industri tersebut.