Analisis Fluktuasi Harga Beras di Kota Medan

(1)

ANALISIS FLUKTUASI HARGA BERAS

DI KOTA MEDAN

TUGAS AKHIR

ANDREAS SIPAHUTAR

092407057

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

PERSETUJUAN

Judul : ANALISIS FLUKTUASI HARGA BERAS DI

KOTA MEDAN TAHUN

Kategori : TUGAS AKHIR

Nama : ANDREAS SIPAHUTAR

Nomor Induk Mahasiswa : 092407057

Program Studi : D-III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM

(FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2012

Diketahui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing I

Prof. Dr. Tulus, M.Si Dra. Mardiningsih, M.si

(3)

PERNYATAAN

ANALISIS FLUKTUASI HARGA BERAS DI KOTA MEDAN

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2012

(4)

PENGHARGAAN

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa atas rahmat dan karunia-Nyalah sehingga penulis dapat menyelesaikan tugas akhir ini tepat pada waktunya.

Pada kesempatan ini, penulis menyampaikan ucapan terima kasih atas bantuan dan bimbingan yang sangat berharga yang telah diberikan kepada penulis sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan tepat waktu. Maka dengan ini penulis mengucapkan terima kasih kepada:

1. Ibu Dra.Mardiningsih, M. Si, selaku Dosen Pembimbing saya yang telah banyak memberi dukungan, bimbingan serta saran dalam penulisan Tugas Akhir saya ini.

2. Bapak DR. Sutarman, M.Sc, selaku Dekan FMIPA USU.

3. Ibu DR. Marpongahtun, M.Si, selaku Pembantu Dekan I FMIPA USU.

4. Bapak Prof. DR. Tulus, M.Si, selaku Ketua Departemen Matematika FMIPA USU.

5. Bapak Drs. Faigiziduhu Bu’ulölö, M.Si, selaku Ketua Program Studi D-III STATISTIKA FMIPA USU.

(5)

7. Sahabatku Fernandus,jefry,Aglur,Berry yang selalu setia menemaniku dalam suka dan duka

8. Bang Suryanto,dan adik ku Yohana yang selalu memberi semangat dan mendoakan proses kuliah hingga Tugas Akhir ini selesai.

Penulis juga menyadari bahwa dalam penulisan Tugas Akhir ini masih terdapat beberapa kekurangan. Oleh karena itu, dengan tangan terbuka penulis menerima segala kritik dan saran yang bersifat membangun untuk kesempurnaan Tugas Akhir ini. Penulis berharap semoga Tugas Akhir ini dapat memberikan ilmu dan

pengetahuan kepada setiap orang yang membacanya.

Akhir kata, penulis mengucapkan terima kasih kepada seluruh pihak yang telah membantu dalam penyelesaian Tugas Akhir ini.

Medan, Juni 2012 Penulis

(6)

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 3

1.3 Batasan Masalah 3

1.4 Tujuan penelitian 3

1.5 Manfaat penelitian 4

1.6 Lokasi Penellitian 4

1.7 Tinjauan Pustaka 4

1.8 Metodologi penelitian 5

1.9 Sistematika Penulisan 6

BAB 2 TINJAUAN TEORITIS

2.1 Regresi Linear Sederhana 8

2.2 Analisis Regresi linear Berganda 9

2.3 Uji Keberartian Regresi 10

2.4 Uji Koefisien Regresi Linear Berganda 12

2.5 Analisis Korelasi 13

2.6 Uji Koefisien Determinasi 15

BAB 3 ANALISIS DATA

3.1 Analisis dan Evaluasi Data 17

3.2 Menentukan Persamaan Regresi Linear Berganda 18

3.3 Uji Keberartian Regresi 22

3.4 Uji Koefisien Regresi Linear Berganda 24

3.5 Uji Koefisien Korelasi 27

(7)

3.5.2 Perhitungan Korelasi Antara Variabel Bebas 30

3.6 Perhitungan Koefisien Korelasi 31

BAB 4 IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem 33

4.2 Pengenalan SPSS 33

4.2.1Langkah – langkah Pengolahan Data dengan SPSS 34

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan 50

5.2 Saran 51

DAFTAR PUSTAKA

(8)

DAFTAR TABEL

Halaman Tabel 3.1 Harga Rata-Rata Beras, Produksi Beras, Kebutuhan Beras, 17

dan Ketersediaan Beras Per Bulan Pada Tahun di Kota Medan

Tabel 3.2 Nilai-Nilai untuk Menghitung Koefisien-Koefisien Regresi

dan Perhitungan Uji Regresi 19

Tabel 3.3 Nilai Yang Diperlukan Untuk Uji Korelasi 27

Tabel 4.1 Deskripsi Statistika 44

Tabel 4.2 Model Summary (b) 45

Tabel 4.3 ANAVA (b) 45

Tabel 4.4 Coefficients (a) 46

Tabel 4.5 Korelasi antara Produksi Beras dengan Produksi Beras,

(9)

DAFTAR GAMBAR

Halaman

Gambar 4.1 Tampilan Pengaktifan SPSS 17.0 35

Gambar 4.2 Tampilan Jendela Data View dalam SPSS 36

Gambar 4.3 Tampilan Jendela Pengisian Variabel View 40

Gambar 4.4 Tampilan Jendela Pengisian Data View 41

Gambar 4.5 Kotak Dialog Linier Regression 42

Gambar 4.6 Kotak dialog Linier Regression: Statistics 42

Gambar 4.7 Kotak dialog Linier Regression Plots 43

Gambar 4.8 Kotak dialog Linier Regression : Option 44

(10)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Posisi beras sebagai bahan makanan pokok menyebabkan komoditas ini menjadi salah

satu indikator pertumbuhan ekonomi maupun tingkat kemakmuran masyarakat. Naik

turunnya harga beras langsung berpengaruh terhadap inflasi dan jumlah penduduk

miskin di Indonesia.

Data statistik FAO untuk neraca pangan (Food Balance Sheet) terutama beras

pada studi ini digunakan untuk menggambarkan kondisi kesetimbangan ketersediaan

dan konsumsi beras nasional. Laju pertumbuhan ketersediaan beras sebelum krisis

sebesar 2,76% per tahun terutama didukung oleh pertumbuhan produksi yang cepat

pula (2,46% per tahun) namun laju pertumbuhan produksi setelah krisis yang semakin

lambat mengakibatkan pula lambatnya laju pertumbuhan ketersediaan beras nasional.

Walaupun demikian, jika ditinjau ketersediaan selama sepuluh tahun terakhir ternyata

(11)

ketersediaan beras nasional seperti ditunjukkan oleh laju pertumbuhan tingkat

produksi yang lebih lambat dari laju pertumbuhan kertersediaan beras.

Penduduk Indonesia khususnya Sumatera Utara sangat tergantung pada nasi

sebagai makanan pokok. Ketergantungan yang sangat besar ini menjadi tantangan

bagi Negara-negara yang mengkonsumsi nasi sebagai makanan pokok, khususnya

Indonesia. Tantangan lainnya adalah: padi dihasilkan dalam lahan sumber daya yang

terbatas, petani padi butuh intensif untuk usaha tani mereka, intensifikasi budidaya

padi harus terus diupayakan. Kondisi ini menyebabkan padi akan tetap menjadi

penentu ketahanan dan ekonomi Indonesia.

Perubahan-perubahan harga beras secara langsung mempengaruhi tingkat

biaya hidup rakyat, harga beras yang tidak stabil sangat merugikan rakyat baik yang

hidup di kota maupun di pedesaan. Harga beras yang terlalu rendah merugikan para

petani dan produsen dan dapat mengurangi motivasi para petani untuk meningkatkan

produksi, sebaliknya harga beras yang terlalu tinggi atau meningkat terlalu cepat jelas

merugikan konsumen. Semakin tinggi harga beras relatif terhadap harga barang lain

maka semakin sedikit jumlah produk yang dijual ke pasar karena mampu untuk

membeli barang lain dengan hanya menjual beras sejumlah itu. Sebaliknya semakin

rendah harga beras relatif terhadap barang lain maka petani akan menjual semakin

(12)

Dengan demikian jika harga beras relatif lebih rendah dari harga barang lain

maka kemampuan rumahtangga petani untuk membeli barang lain menurun yang

berarti pula menurun tingkat kesejahteraannya. Mengingat hal-hal tersebut diatas

maka senantiasa diusahakan agar harga-harga beras khususnya di kota Medan tetap

stabil.

1.2 RUMUSAN MASALAH

Berdasarkan latar belakang yang telah dijelaskan sebelumnya maka dapat dituliskan

rumusan masalahnya sebagai berikut :

1. Bagaimana hubungan antara beberapa faktor yang mempengaruhi fluktuasi

harga beras di Kota Medan?

2. Seberapa besar hubungan antara faktor yang mempengaruhi fluktuasi harga

beras?

1.3 BATASAN MASALAH

Fluktuasi harga beras dipengaruhi oleh beberapa faktor, maka penulis membatasi

(13)

ketersediaan beras. Hal ini dikarenakan penulis menganggap ketiga faktor ini yang

memberikan kontribusi paling besar terhadap fluktuasi harga beras.

1.4 TUJUAN PENELITIAN

Tujuan dari tulisan ini adalah:

1. Untuk mengetahui hubungan produksi, kebutuhan dan ketersediaan beras

terhadap fluktuasi harga beras di Kota Medan

2. Untuk mengetahui seberapa besar hubungan produksi, kebutuhan, dan

ketersediaan beras terhadap fluktuasi harga beras

1.5 MANFAAT PENELITIAN

Dari tujuan penelitian diatas dapat diperoleh manfaat sebagai berikut :

Bagi penulis:

1. Sebagai syarat untuk menyelesaikan program studi D3 Statistika.

2. Sebagai penerapan ilmu dari mata kuliah yang diperoleh.

Bagi lembaga/ Instansi dan masyarakat pada umumnya;

1. Sebagai pertimbangan dan pengambilan kebijakan dalam mengatasi masalah

(14)

1.6 LOKASI PENELITIAN

Penelitian atau pengumpulan data mengenai harga beras di peroleh dari Badan Pusat Statistik Medan, yang berada di Jalan Asrama No179 Medan

1.7TINJAUAN PUSTAKA

Metode analisis data adalah metode yang digunakan yang bertujuan untuk

mendapatkan informasi yang relevan yan terkandung dalam data tersebut, dan

menggunakan hasil analisis tersebut untuk memecahkan suatu masalah. Permasalahan

yang akan dipecahkan biasanya dinyatakan dalam bentuk satu atau lebih hipotesis nol.

(Hartono. 2004. Statistik untuk Penelitian)

Metode analisis data biasanya menggunakan variabel independent (bebas) dan

variabel dependent ( terikat ). Untuk melihat persamaan regresi linier nya dan untuk

mengetahui hubungan setiap variabel digunakan analisis korelasi.

1.) Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel

terikat (Y).

2.) Menentukan hubungan antara variabel bebas (X) dengan variabel terikat

(15)

3.) Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel

bebas X secara bersama-bersama terhadap variabel terikat Y.

Secara umum model regresi linier berganda adalah sebagai berikut :

^

Y= β0 + β1X1 + β2X2 + β3X3 + …+ βnXn + ε

4.) Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat.

( Santoso, Ratni Dwi dan Mustadjab Hary Kusnadi.1992 )

Uji determinasi untuk mengetahui seberapa besar kontribusi variabel bebas

terhadap variabel terikat.

1.8 METODOLOGI PENELITIAN

Untuk mendukung penyusunan Tugas Akhir, penulis menggunakan beberapa metode

untuk memperoleh data. Metode yang digunakan sebagai berikut :

1. Penelitian Kepustakaan (Studi Literature)

Metode ini adalah metode dimana peneliti dapat memperoleh data dengan

membaca dan mempelajari buku-buku ataupun literatur yang bisa

diperoleh dari perkuliahan ataupun secara umum, serta sumber informasi

lain seperti internet.

(16)

Untuk memperoleh data yang dibutuhkan, penulis melakukan riset di

Badan pusat statistik (BPS) Sumatera Utara dengan mengambil data

sekunder. Data yang diperoleh kemudian sajikan dan disusun dalam

bentuk angka- angka agar gambaran yang jelas dari sekumpulan data yang

di peroleh dapat diambil yang kemudian dapat ditarik kesimpulannya.

3. Pengolahan Data

Data penelitian dianalisa dengan menggunakan metode regresi linier

1.9 SISTEMATIKA PENULISAN

Adapun sistematika penulisan yang diuraikan oleh penulis antara lain :

BAB 1 : PENDAHULUAN

Bab ini menguraikan tentang latar belakang, rumusan masalah,

batasan masalah, tujuan penelitan, manfaat penelitian, lokasi

penelitian, metode penelitian, dan sistematika penelitian.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi linier sederhana,

(17)

berganda, uji korelasi, dan uji koefisien determinasi untuk regresi

linier berganda..

BAB 3 : ANALISIS DATA

Bab ini menguraikan proses analisis data pada regresi linier

berganda, analisis korelasi, dan koefisien linier berganda.

BAB 4 : IMPLEMENTASI SISTEM

Bab ini menguraikan proses pengolahan data dengan program yang

akan digunakan yaitu SPSS mulai dari input data hingga hasil

outputnya yang membantu dalam menyelesaikan permasalahan dalan

penulisan.

BAB 5 : PENUTUP

Bab ini terdiri atas kesimpulan dari hasil analisis yang telah

dilakukan serta saran berdasarkan kesimpulan yang diperoleh yang

tentunya bermanfaat bagi pembaca dan pihak yang

(18)

BAB 2

Tinjauan Teoritis

2.1 Regresi Linear Sederhana

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh

antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang

mempengaruhi sering disebut variabel bebas, variabel independen atau variabel

penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau

variabel dependen.

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu

dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear

berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis

regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam

penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang

paling banyak digunakan adalah SPSS. Analisis regresi linear sederhana dipergunakan

untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah

(19)

Y = a + b X.

Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien

adalah konstanta (intercept) yang merupakan titik potong antara garis regresi dengan

sumbu Y pada koordinat kartesius dan b adalah koefisien regresi.

Nilai a dan b dapat diperoleh dengan rumus sebagai berikut:

a =

b =

2.2 Analisis Regresi Linear Berganda

Rumus pada regresi berganda juga menggunakan rumus persamaan seperti regresi

tunggal, hanya saja pada regresi ganda ditambahkan variable-variabel lain yang juga

diikutsertakan dalam penelitian. Adapun rumus yang dipakai disesuaikan dengan

jumlah variabel yang diteliti. Rumus-rumusnya dalah sebagai berikut:

Untuk 2 prediktor : Y = a + +

Untuk 3 prediktor : Y = a + + +

Untuk 4 prediktor : Y = a + + + +

(20)

Untuk penelitian-penelitian yang variabelnya lebih dari 4 ditambahkan sesuai dengan

jumlah variabel yang ada.

Regresi ganda digunakan untuk menghitung dan atau menguji tingkat

signifikansi, antara lain:

1. Menghitung persamaan regresinya.

2. Menguji apakah persamaan garis regresi signifikan.

3. Bagaimanakah kesimpulannya?

Jika 3 prediktor rumusnya sebagai berikut:

⅀X1Y = b1⅀X21 + b2⅀X1X2 +b3⅀X1X3 . . . (1)

⅀X2Y = b1⅀X1X2 + b2⅀X2 2 + b3⅀X2X3 . . . . . . (2)

⅀X3Y = b1⅀X1X3 + b2⅀X2X3 + b3 ⅀X2 3 . . . (3)

Untuk mendapatkan nilai b1, b2, b3 dari persamaan diatas disusun menurut

datanya dan kemudian diselesaikan dengan metode eliminasi dan subsitusi.

(21)

Uji keberartian regresi digunakan untuk mengetahui apakah sekelompok bebas secara

bersamaan mempunyai pengaruh terhadap variabel tidak bebas.

Langkah-langkah untuk pengujian keberartian regresi adalah sebagai berikut:

1. Kumpulkan data dalam bentuk tabel

2. Statistik uji adalah

F = . . . (4)

F = statistic F yang menyebar mengikuti distribusi derajat kebebasan V1 = k dan

V2 = n-k-1

JKreg = a1⅀x1i yi+ a2⅀x2iyi + ak⅀xkiyi . . . .(5)

x1i = X1i -X 1

x2i = X2i - X 2

xki = Xki - X k dan

yi = Yi - Y

JKres = ⅀(

JKreg = Jumlah kuadrat regresi

(22)

V1 = dk pembilang ; V2 = dk penyebut

3. Kriteria pengujian

Langkah-langkah yang dibutuhkan dalam pengujian hipotesa ini adalah

sebagai berikut :

a. H0 : �1 = �2 = …= �k = 0

H1 : Minimal satu parameter koefisien yang tidak sama dengan nol

b. Pilih taraf nyata � yang diinginkan

c. Hitung statistik Fhit dengan menggunakan salah satu dari formula diatas

d. Keputusan : Tolak H0 jika Fhit >Ftab ; k : n-k-1

Terima H0 jika Fhit <Ftab ; k : n-k-1

2.4 Uji Koefisien Regresi Linear Berganda

Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam persamaan regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya. Misalkan populasi mempunyai model regresi ganda :

Ŷ= β0 + β1 x1 +β2 x2 + β3 x3 + …+ βk xk . . . (6)

yang berdasarkan sampel acak berukuran n ditaksir oleh regresi berbentuk :

Ŷ= a0 + a1 x1 +a2 x2 + a3 x3 + …+ ak xk

(23)

H0 = β1 = 0, i = 1, 2, …, k

H0 ≠ β1 = 0, i = 1, 2, …, k

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran sy.12…k,

jumlah kuadrat∑ x2ij dengan xij = Xj - Xj dan koefisien korelasi ganda antara variabel

Xi yang dianggap sebagai variabel tak bebas dengan variabel-variabel bebas sisanya

yang ada dalam regresi.

Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien bi, yakni :

∑

−

=

)

1

)(

(

...

12

.

2 2 2 i ij bi

R

x

k

y

S

. . . (7)

Dengan 1 ) ( ... 12 . 2 2 − − − =

∑

k n Y Y k y

S i i



2 2

)

( _ij ij

ij X X

x =

∑

−

∑

= i reg i y JK

R2 ₂

Selanjutnya hitung statistik :

(24)

Dengan kriteria pengujian : jika ti > ttabel maka tolak H0, dan jika ti < ttabel maka terima

H0 yang akan berdistribusi student t dengan derajat kebebasan dk = (n-k-1);

ttabel = t(n-k-1, �).

2.5 Analisis Korelasi

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat

hubungan linier antara satu variabel dengan variabel lain. Uji korelasi ini tidak

membedakan jenis variabel (tidak ada variabel dependen maupun variabel

independen). Koefisien korelasi merupakan nilai yang digunakan untuk mengukur

kekuatan suatu hubungan antarvariabel.

Koefisien korelasi dapat dirumuskan sebagai berikut :

. . . (8)

Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan tiga variabel

bebas X1, X2, X3 yaitu :

(25)

1. Koefisien korelasi antara Y dengan X₁

r_y₁=

{

∑

−

∑

}

{

∑

−

∑

}

− 2 2 2 1 2 1 1 1 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n

2. Koefisien korelasi antara Y dengan X₂

r_y₂=

{

∑

−

∑

}

{

∑

−

∑

}

3. Koefisien korelasi antara Y dengan X₃

r_y₃=

{

∑

−

∑

}

{

∑

−

∑

}

− 2 2 2 2 3 3 3 ) ( ) 3 ( ) )( ( i i i i i i Y Y n X X n Y X Y X n untuk

Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien

korelasi adalah plus(+) atau minus(-). Hal ini menunjukkan arah korelasi. Makna sifat

korelasi:

1. Korelasi positif (+) berarti jika variabel x1 mengalami kenaikan maka variabel

x2 juga akan mengalami kenaikan, atau jika variabel x2 mengalami kenaikan

(26)

2. Korelasi negatif (-) berarti jika variabel x1 mengalami kenaikan maka variabel

x2 akan mengalami penurunan, atau jika variabel x2 mengalami kenaikan maka

variabel x1 akan mengalami penurunan

Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat

dikelompokkan sebagai berikut:

1. 0,00-0,20 berarti korelasi memiliki keeratan sangat lemah

2. 0,21-0,40 berarti korelasi memiliki keeratan lemah

3. 0,41-0,70 berarti korelasi memiliki keeratan kuat

4. 0,71-0,90 berarti korelasi memiliki keeratan sangat kuat

5. 0,91-0,99 berarti korelasi memiliki keeratan sangat kuat sekali

6. 1 berarti korelasi sempurna

2.5 Uji Koefisien Determinasi

Langkah berikutnya adalah menghitung koefisien determinasi dengan menggunakan

rumus:

(27)

Koefisien determinasi mencerminkan seberapa besar kemampuan variabel

bebas dalam menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di

mana nilai yang mendekati 1 berarti semakin tinggi kemampuan variabel bebas dalam

menjelaskan varians variabel terikatnya.

Jadi kegunaan koefisien determinasi adalah:

a. Sebagai ukuran ketepatan atau kecocokan garis regresi yang dibentuk dari

hasil observasi. Maka besar nilai R2 semakin bagus garis regresi yang

terbentuk, sebaliknya makin kecil nilai R2 makin tidak tepat garis regresi

tersebut dalam mewakili data hasil observasi.

b. Mengukur besar proporsi (persentase) dari jumlah ragam Y yang diterangkan

oleh model regresi atau untuk mengukur besar sumbangan variabel penjelas X

terhadap ragam variabel respon Y. dari hasil perhitungan, maka akan diperoleh

R yang merupakan koefisien korelasi untuk populasi. Pengujian hipotesis

(28)

(29)

BAB 3

ANALISIS DATA

3.1 Analisis dan Evaluasi Data

Data yang diambil dari Badan Pusat Statistik Sumatera Utara (BPS), yaitu berupa data Harga Rata-Rata Beras, Produksi Beras, Kebutuhan Beras, Ketersediaan Beras tahun 2008 - 2009

Tabel 3.1 Harga Rata-Rata Beras, Produksi Beras, Kebutuhan Beras, Ketersediaan Beras Per Bulan Kota Medan

Bulan Harga Beras

Produksi Beras

Kebutuhan Beras

Ketersediaan Beras

1 6243 2320 23859 28556

2 6100 2420 20000 28556

3 6000 2600 19500 28556

4 6238 2354 23850 28556

5 6222 2350 23859 28556

6 6222 2350 23000 28556

7 6234 2300 23859 28556

8 6213 2354 23800 28556

9 6100 2450 20000 28556

10 6500 2100 25000 28556

11 6350 2220 24000 28556

12 6400 2240 25000 28556

13 6225 2450 23000 29700

(30)

15 6000 3245 20000 29700

16 6020 3245 20000 29700

17 6000 3100 21000 29700

18 6100 3000 20000 29700

19 6354 1900 23200 29700

20 6385 2000 24062 29700

21 6500 2000 25300 29700

22 6500 2300 25000 29700

23 6234 2152 24062 29700

24 6000 1856 23700 29700

Badan Pusat Statistik Propinsi Sumatera Utara (-) data tidak ada

Dari data tersebut, disimbolkan menjadi : Y = Harga Rata-rata beras

X1 = Produksi Beras X2 = Kebutuhan Beras X3 = Ketersediaan Beras

Setelah melihat data yang tersedia penulis mengelompokkan penganalisaan dan pembahasan menjadi 5 kelompok yaitu:

1. Menentukan persamaan regresi linier berganda

2. Uji keberartian regresi

3. Uji koefisien regresi berganda

4. Menentukan nilai korelasi

5. Uji koefisien determinasi

(31)

Untuk melihat hubungan antara variabel variabel bebas ( produksi beras, kebutuhan beras, ketersediaan beras) terhadap variabel terikat ( harga rata-rata beras) maka langkah pertama yang harus dilakukan adalah menentukan persamaan regresi linier berganda.

[image:31.595.106.530.363.693.2]

Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien regresi b1, b2, b3 sebagai berikut:

Tabel 3.2 Nilai-Nilai untuk Menghitung Koefisien-Koefisien Regresi dan Perhitungan Uji Regresi

Dengan menggunakan persamaan 5

Bulan Y X1 X2 X3 x1i x2i x3i yi yi2

(32)

23 6234 2152 24062 29700 -248.25 1101.54 572.00 7.33 53.78 24 6000 1856 23700 29700 -544.25 739.54 572.00 -226.67 51377.78

Jumlah 149440 57606 551051 699072 613141.33

Sambungan tabel 3.2

Bulan x1x2 x2x3 x1x3 x1i yi x2i yi x3i yi

1 -72107.97 -513965.8333 45903.00 -1310.75 14676.18 -9342.67

2 -58469.05 1693382.167 -11297.00 -2501.67 374991.39 72453.33

3 -691226.55 1979382.167 -114257.00 -45276.67 784370.56 129653.33

4 -41141.30 -508817.8333 26455.00 -524.17 10081.47 -6482.67

5 -45151.72 -513965.8333 28743.00 234.50 -4193.19 2669.33

6 -1986.97 -22617.83333 28743.00 234.50 -184.53 2669.33

7 -90078.80 -513965.8333 57343.00 -735.17 6589.31 -4194.67

8 -38828.80 -480217.8333 26455.00 632.08 -11473.74 7817.33

9 -147282.80 1693382.167 -28457.00 -6301.67 374991.39 72453.33

10 -612372.39 -1166617.833 171743.00 -82068.33 557474.72 -156346.67

11 -187377.39 -594617.8333 103103.00 -22230.83 128210.14 -70546.67

12 -326836.55 -1166617.833 91663.00 -27776.67 353520.56 -99146.67

13 1967.20 22617.83333 28457.00 -82.92 -65.90 -953.33

14 -304714.05 1738617.833 -57343.00 -7351.67 222899.72 41946.67

15 -2500847.18 -1693382.167 483197.00 -191476.67 671037.22 -129653.33

16 -2500847.18 -1693382.167 483197.00 -174581.67 611828.06 -118213.33

17 -1371830.72 -1121382.167 400257.00 -158610.00 444370.56 -129653.33

18 -1775534.89 -1693382.167 343057.00 -75968.33 374991.39 -72453.33

19 -119830.72 137017.8333 -286143.00 -63698.50 30501.64 72834.67

20 -440892.05 630081.8333 -228943.00 -63372.92 174410.76 90566.67

21 -936401.55 1338217.833 -228943.00 -109401.67 639474.72 156346.67

22 -204464.05 1166617.833 -57343.00 -27401.67 557474.72 156346.67

23 -273457.72 630081.8333 -141999.00 -1820.50 8077.97 4194.67

24 -402495.55 423017.8333 -311311.00 123363.33 -167629.44 -129653.33

Jumlah -13142208.75 -230516.00 852280.00 -938028.00 6156425.67 -116688.00 Sambungan tabel 3.2

(33)

1 6,440.06 807377.13 327184.00 6287.34 -44.34 1965.65 2 390.06 8764313.54 327184.00 6058.02 41.98 1761.96 3 39,900.06 11974771.88 327184.00 6020.22 -20.22 408.90 4 2,139.06 791284.38 327184.00 6285.17 -47.17 2224.55 5 2,525.06 807377.13 327184.00 6285.88 -63.88 4080.96 6 2,525.06 1563.54 327184.00 6235.92 -13.92 193.68 7 10,050.06 807377.13 327184.00 6288.30 -54.30 2948.97 8 2,139.06 704830.21 327184.00 6282.26 -69.26 4796.50 9 2,475.06 8764313.54 327184.00 6056.57 43.43 1886.07 10 90,150.06 4159730.21 327184.00 6364.36 135.64 18397.86 11 32,490.06 1080646.88 327184.00 6300.38 49.62 2462.02 12 25,680.06 4159730.21 327184.00 6357.58 42.42 1799.49 13 2,475.06 1563.54 327184.00 6222.04 2.96 8.76 14 10,050.06 9238813.54 327184.00 6403.81 -103.81 10776.22 15 713,602.56 8764313.54 327184.00 6009.03 -9.03 81.53 16 713,602.56 8764313.54 327184.00 6009.03 10.97 120.36 17 489,650.06 3843396.88 327184.00 6074.22 -74.22 5508.64 18 359,700.06 8764313.54 327184.00 6020.90 79.10 6257.28 19 250,250.06 57380.21 327184.00 6260.32 93.68 8776.61 20 160,200.06 1213394.04 327184.00 6305.61 79.39 6302.37 21 160,200.06 5473455.21 327184.00 6377.62 122.38 14975.99 22 10,050.06 4159730.21 327184.00 6345.64 154.36 23826.59 23 61,628.06 1213394.04 327184.00 6298.25 -64.25 4128.02 24 296,208.06 546921.88 327184.00 6291.53 -291.53 84990.56

Jumlah 3444520.50 94864305.96 7852416.00 208679.55

Y X1 X2 X3

6226.67 2400.25 22960.46 29128.00

Untuk menentukan regresi linier berganda dengan persamaan

Ŷ = a + b1x1+ b2x2 + b3x3

Akan digunakan model rumus : y = b₁x₁+ b₂x₂ + b₃x₃

(34)

1

X = 2.400,25

2

X = 22.960,46

3

X = 29.128,00

Y = 6.226,67

⅀x12 = 3.444.520,50

⅀x22= 94.864.305,96

⅀x32 = 7.852.416,00

⅀x1x2 = -13.142.208,75

⅀x2x3 = -230.516,00

⅀x1x3 = 852.280,00

⅀x1y = -938.028,00

⅀x2y = 6.156.425,67

⅀x3y = -116.688,00

⅀x1y = b1⅀x21 + b2⅀x1x2 +b3⅀x1x3

⅀x2y = b1⅀x1x2 + b2⅀x2 2 + b3⅀x2x3

⅀x3y = b1⅀x1x3 + b2⅀x2x3 + b3⅀x2 3

Dapat kita subsitusikan nilai-nilai yang bersesuaian dengan persamaan 1 ,2 dan 3, sehingga diperoleh :

-938.028,00 = 3.444.520,50 b1 -13.142.208,75 b2 + 852.280,00 b3 6.156.425,67 = -13.142.208,75 b1 + 94.864.305,96 b2 -230.516,00 b3 -116.688,00 = 852.280,00 b1 -230.516,00 b2 + 7.852.416,00 b3

Setelah diselesaikan diperoleh nilai-nilai sebagai berikut: b1 = - 0,048

b2 = 0,058 b3 = - 0,008

jika harga- harga ini disubsitusikan ke dalam rumus y = b₁x₁+ b₂x₂ + b₃x₃ maka kita dapatkan: y = -0,048x1 + 0,058x2 -0,008x3

(35)

Ŷ - Y= - 0,048 (X1 - X 1 )+ 0,058 (X2 - X 2 ) – 0,008 ( X3 - X 3 ) Atau Ŷ = 5.237,35 – 0,048 X1 + 0,058 X2 – 0,008 X3

3.3 Uji Keberartian Regresi

Setelah persamaan regresi berganda diperoleh maka dilakukan pengujian hipotesa mengenai keberartian model regresi dengan criteria pengujian sebagai berikut:

Tolak H0 jika Fhit > Ftab Terima H0 jika Fhit < Ftab

Rumus yang digunakan sebagai berikut:

F =

F = statistic F yang menyebar mengikuti distribusi derajat kebebasan V1 = k dan V2 = n-k-1 dan �=0.05

JKreg = b1⅀x1i yi+ b2⅀x2iyi + bk⅀xkiyi x1i = X1i -X 1

x2i = X2i - X 2 xki = Xki - X k dan yi = Yi - Y

(36)

Menguji keberartian regresi linier ganda ini dimaksudkan untuk menyakinkan apakah regresi (berbentuk linier) yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan peubah.

Dari nilai tabel diatas dapat dicari nilai kuadrat regresi (JKreg), nilai jumlah kuadrat residu (JKres) sehingga diperoleh nilai Fhitung :

JKreg = b1⅀x1i yi+ b2⅀x2iyi + b3⅀x3iyi

= (-0,048)( -938.028) + (0,058)( 6.156.426,67 ) + (- 0,008)(-116.688 )

= 45.025,344 + 357.072,747 + 933,504

= 403.031,60

Untuk JKres dapat diketahui dari tabel 3.2

JKres = ⅀(

= 208.679,55

Jadi Fhitung dapat dicari dengan rumus dibawah ini:

F =

= 1 3 24 55 , 679 . 208 3 60 , 031 . 403 − − = 9775 , 433 . 10 867 , 343 . 134 = 12,88

(37)

= F (0,05)(3;20) = 3,10

Jadi karena Fhitung = 12,88 > Ftabel = 3,10 maka H0 ditolak

Hal ini berarti persamaan regresi linier berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa produksi beras, kebutuhan beras dan ketersediaan beras secara bersama-sama mempengaruhi fluktuasi harga beras.

3.4Uji Koefisien Regresi Linear Ganda

Dari hasil perhitungan didapat persamaan penduga regresi berganda:

Ŷ = 5.237,35 – 0,048 X1 + 0,058 X2 – 0,008 X3

Untuk mengetahui bagaimana keberartian adnya setiap variabel bebas dalam persamaan regresi diatas, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.

1. Hipotesis pengujian

H0 : �I = 0 ; I = 1, 2, 3

Tidak ada pengaruh yang signifikan antara koefisien X1, X2, X3 terhadap Y H0 : �I ≠ 0 ; I = 1, 2, 3

Ada pengaruh yang signifikan antara koefisien X1,X2, X3 terhadap Y 2. Taraf nyata signifikansi (�) diambil sebesar 0,05

3. Kriteria pengujian: terima H0 jika ti < ttabel dan tolak H0 jika ti > ttabel,

(38)

Dimana koefisien korelasi ganda adalah sebesar 0,81 dan R2 = 0,660. Dari

perhitungan sebelumnya didapat ⅀x21 = 3.444.520,50 , ⅀x2 2 = 94.864.305,96

⅀x2 3 = 7.852.416,00 dan nilai dari kesalahan bakunya dapat dihitung:

1 3 24 55 , 679 . 208 .. 2 . 1 . 2 − − = k y S 9775 , 433 . 10 .. 2 . 1 . 2 = k y S

Dengan menggunakan persamaan 7 dapat dihitung kekeliruan baku koefisien bi sebagai berikut:

∑

− = ) 1 )( ( 123 . 1 2 1 2 2 1 R X y S S j b ) 66 , 0 1 )( 5 , 520 . 444 . 3 ( 9775 , 433 . 10 − =

= 0,009 = 0,094

∑

− = ) 1 )( ( 123 . 2 2 2 2 2 2 R X y S S j b = ) 66 , 0 1 )( 96 , 94864305 ( 9775 , 433 . 10 −

(39)

= 0,004 = 0,0625

Diperoleh distribusi student

bi i i s b t = 1 1 1 b s b t = = 094 , 0 048 , 0 − = 0,508 2 2 2 b s b t = = 018 , 0 058 , 0 = 3,224 3 3 3 b s b t = = 063 , 0 008 , 0 −

= −0,127

[image:39.595.101.535.597.692.2]

3.5 Uji Koefisien Korelasi

Tabel 3.5 Nilai Yang Diperlukan Untuk Uji Korelasi

BULAN Y X1 X2 X3 X12 X22 X32

1 6243 2320 23859 28556 5382400 569251881 815445136

2 6100 2420 20000 28556 5856400 400000000 815445136

3 6000 2600 19500 28556 6760000 380250000 815445136

4 6238 2354 23850 28556 5541316 568822500 815445136

(40)

6 6222 2350 23000 28556 5522500 529000000 815445136

7 6234 2300 23859 28556 5290000 569251881 815445136

8 6213 2354 23800 28556 5541316 566440000 815445136

9 6100 2450 20000 28556 6002500 400000000 815445136

10 6500 2100 25000 28556 4410000 625000000 815445136

11 6350 2220 24000 28556 4928400 576000000 815445136

12 6400 2240 25000 28556 5017600 625000000 815445136

13 6225 2450 23000 29700 6002500 529000000 882090000

14 6300 2300 26000 29700 5290000 676000000 882090000

15 6000 3245 20000 29700 10530025 400000000 882090000

16 6020 3245 20000 29700 10530025 400000000 882090000

17 6000 3100 21000 29700 9610000 441000000 882090000

18 6100 3000 20000 29700 9000000 400000000 882090000

19 6354 1900 23200 29700 3610000 538240000 882090000

20 6385 2000 24062 29700 4000000 578979844 882090000

21 6500 2000 25300 29700 4000000 640090000 882090000

22 6500 2300 25000 29700 5290000 625000000 882090000

23 6234 2152 24062 29700 4631104 578979844 882090000

24 6000 1856 23700 29700 3444736 561690000 882090000

Jumlah 149440 57606 551051 699072 141713322 12747247831 20370421632

Sambungan tabel 3.3

BULAN X1X2 X2X3 X1X3 X1Y X2Y X3Y Y2

1 55352880 681317604 66249920 14483760 148951737 178275108 38975049

2 48400000 571120000 69105520 14762000 122000000 174191600 37210000

3 50700000 556842000 74245600 15600000 117000000 171336000 36000000

4 56142900 681060600 67220824 14684252 148776300 178132328 38912644

5 56068650 681317604 67106600 14621700 148450698 177675432 38713284

6 54050000 656788000 67106600 14621700 143106000 177675432 38713284

7 54875700 681317604 65678800 14338200 148737006 178018104 38862756

8 56025200 679632800 67220824 14625402 147869400 177418428 38601369

9 49000000 571120000 69962200 14945000 122000000 174191600 37210000

10 52500000 713900000 59967600 13650000 162500000 185614000 42250000

11 53280000 685344000 63394320 14097000 152400000 181330600 40322500

12 56000000 713900000 63965440 14336000 160000000 182758400 40960000

13 56350000 683100000 72765000 15251250 143175000 184882500 38750625

(41)

15 64900000 594000000 96376500 19470000 120000000 178200000 36000000

16 64900000 594000000 96376500 19534900 120400000 178794000 36240400

17 65100000 623700000 92070000 18600000 126000000 178200000 36000000

18 60000000 594000000 89100000 18300000 122000000 181170000 37210000

19 44080000 689040000 56430000 12072600 147412800 188713800 40373316

20 48124000 714641400 59400000 12770000 153635870 189634500 40768225

21 50600000 751410000 59400000 13000000 164450000 193050000 42250000

22 57500000 742500000 68310000 14950000 162500000 193050000 42250000

23 51781424 714641400 63914400 13415568 150002508 185149800 38862756

24 43987200 703890000 55123200 11136000 142200000 178200000 36000000

Jumlah 1309517954 16050783012 1678799848 357755332 3437367319 4352771632 931126208

3.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas, maka dari tabel 3. 3 dapat dihitung besar koefisien korelasinya,dengan menggunakan persamaan 8 yaitu :

1. Koefisien korelasi antara harga beras (Y) dengan produksi beras (X₁) :

r_y₁=

{

∑

−

∑

}

{

∑

−

∑

}

− 2 2 2 1 2 1 1 1 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n =

{

2

}{

2

}

(149.440) -8) 931.126.20 )( 24 ( (57.606) -13.322) (24)(141.7 49.440) (57.606)(1 -) 332 . 755 . 357 )( 24 ( =

{

82.668.492

}{

14.715.392

}

640 8.608.640. -968 8.586.127. = 60 .265.828.8 12.166.499 22.512.672 -= 0,645

(42)

r_y₂=

{

∑

−

∑

}

{

∑

−

∑

}

{

2

}{

2

}

(149.440) -26.208) (24)(931.1 (551.051) -7.247.831) (24)(12.74 149.440) (551.051)( -319) 3.437.367. )( 24 ( =

{

2.276.743.343

}{

14.715.392

}

.440 8.234.9061 -.656 82.496.815 = 00 .775.635.5 33.503.170 6 147.754.21 =

= 0, 807

3. _{Koefisien korelasi antara harga beras (Y) dengan ketersediaan beras (X2) :}

r_y₃=

{

∑

−

∑

}

{

∑

−

∑

}

− 2 2 2 2 3 3 3 ) ( ) 3 ( ) )( ( i i i i i i Y Y n X X n Y X Y X n =

{

2

}{

2

}

(149.440) -8) 931.126.20 )( 24 ( (699.072) -0.421.632) (24)(20.37 149.440) (699.072)( -2) 352.771.63 )( 24 ( =

{

188.457.984

}{

14.715.392

}

9.680 104.469.31 -9.168 104.466.51 = 0 110.089.73 2.773.233. 2.800.512 -= -0,053

(43)

1. _{Koefisien korelasi antara produksi beras (X1) dengan kebutuhan beras (X2) :}

r₁₂=

{

∑

−

∑

}{

∑

−

∑

}

− 2 2 2 2 2 1 2 1 2 1 2 1 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n

{

2

}{

2

}

(551.051) -.831) 12.747.247 )( 24 ( (57606) -13.322) (24)(141.7 51.051) (57.606)(5 -954) 1.309.517. )( 24 ( = =

{

82.668.492

}{

2.276.743.343

}

.906 31.743.843 -.896 31.428.430 = 000 8.836.849. 188.214.93 0 315.413.01 -= -0,727

2. _{Koefisien korelasi antara produksi beras (X1) dengan ketersediaan beras (X3)}

:r₁₃=

{

∑

−

∑

}{

∑

−

∑

}

{

2

}{

2

}

(699.072) -0.421.632) (24)(20.37 (57.606) -13.322) (24)(141.7 99.072) (57.606)(6 -848) 1.678.799. )( 24 ( =

{

82.668.422

}{

188.457.984

}

(44)

3. _{Koefisien korelasi antara kebutuhan beras (X2) dengan ketersediaan beras (X3)} :

r₂₃=

{

∑

−

∑

}{

∑

−

∑

}

{

2

}{

2

}

(699072) -.632) 20.370.421 )( 24 ( (551051) -.247.831) (24)(1.277 699.072) (551.051)( -.012) 16.050.783 )( 24 ( = =

{

2.276.743.343

}{

188.457.984

}

4.672 385.224.32 -2.288 385.218.79 = 000 0.507.201. 429.070.46 5532384

= - 0,008

Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap

variabel tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan sebagai

berikut :

1. r_y₁= 0,645 ; variabel X₁berkorelasi kuat terhadap variabel Y

2. r_y₂= 0, 807 ; variabel X₂berkorelasi sangat kuat terhadap variabel Y

3. r_y₃= -0,053 ; variabel X₃berkorelasi sangat lemah terhadap variabel Y

4. r₁₂= -0,727 ; variabel X₁berkorelasi sangat kuat terhadap variabel X₂

5. r₁₃= 0,164 ; variabel X₁berkorelasi sangat lemah terhadap variabel X₃

(45)

3.6 Perhitungan Koefisien Determinasi

Langkah berikutnya adalah menghitung koefisien determinasi dengan rumus:

Dimana R2 adalah koefisien multiple yang dikuadratkan. Dari hasil perhitungan telah

diperoleh maka R dapat dihitung:

R2 =

=

33 , 141 . 613

66 , 031 . 403

= 0,660

Dan untuk koefisien korelasi ganda, digunakan rumus:

R= 2

R

R= 0,660 R=0,81

Nilai koefisien determinasi sebesar 0,660 berarti sekitar 66% kenaikan harga

beras disebabkan oleh produksi beras, kebutuhan beras, dan ketersediaan beras, nilai

tersebut menunjukkan hubungan yang kuat mempengaruhi terjadinya fluktuasi harga

beras dikota Medan. Sedangkan sisanya (100% - 66%= 44%) dijelaskan oleh

(46)

BAB 4

IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem

Pengertian implementasi sistem adalah prosedur yang digunakan untuk menyelesaikan

desain sistem yang ada dalam desain yang disetujui, menginstal dan mulai

menggunakan program yang dibuat.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu program SPSS 17,0 For Windows dalam masalah memperoleh hasil perhitungan.

4.2 Pengenalan SPSS

SPSS atau Statistical Product and Service Solution merupakan program aplikasi yang

(47)

SPSS paling banyak digunakan dalam berbagai riset pasar, pengendalian dan

perbaikan mutu (quality improvement) serta riset-riset lain.

SPSS dibuat pertama kali sebagai software statistik pada tahun 1968.

Diprakarsai oleh ketiga mahasiswa Stanford University, yang pada saat itu

dioperasikan hanya pada computer mainframe. Pada tahun 1984, SPSS pertama kali

muncul pada versi PC (bisa dipakai untuk komputer desktop) dengan nama

SPSS/PC+, dan sejalan dengan populernya sistem operasi windows. Pada tahun 1992,

SPSS juga mengeluarjan versi windows. Dan antara tahun 1994 sampai tahun 1998,

SPSS melakukan berbagai kebijakan strategis untuk pengembangan software statistik,

dengan mengakusisi software house terkemuka seperti SYSTAT. Inc, BMDP

Statistical Software, Jandel Statistics Software Clear Software, Quantime Ltd., Initive

Technologies A/S dan Integral Solution Ltd. Untuk memantapkan posisinya sebagai

salah satu market leader dalam business intelligence, SPSS juga menjalin aliansi

strategis dengan Software house terkemuka dunia yang lain seperti Oracle Corp.,

Business Object dan Ceres Integrated Solution.

Karena perkembangan SPSS ini membuat SPSS yang tadinya hanya ditujukan

pada pengolahan data statistik untuk ilmu social yang pada saat itu SPSS yang

singkatan dari Statistical Packcage for the Social Sciences berubah menjadi Statistical

Product and Service Solution. Fungsi SPSS diperluas untuk melayani berbagai user

(48)

4.2.1 Langkah – langkah Pengolahan Data dengan SPSS

1. Cara memulai dan mengaktifkan SPSS pada program window : 1.1 Pilih menu start dari windows

1.2 Kemudian pilih menu All Programme

[image:48.595.114.522.272.497.2]

1.3 Pilih SPSS for windows dan klik SPSS 17,0 for window.

Gambar 4.1 Tampilan Pengaktifan SPSS 17.0 2. Pemasukan data ke dalam SPSS

Langkah-langkahnya sebagai berikut :

SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan Variable

View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data Editor harus

berada pilih ada “Variable View”. Lakukan dengan mengklik tab sheet Variable View

(49)

variable view juga dapat dimunculkan dari view lalu pilih Variable.

[image:49.595.129.506.194.400.2]

Maka tampilannya sebagai berikut :

Gambar 4.2 Tampilan Jendela Data View dalam SPSS 3. Menyusun Defenisi Variabel

Name : untuk memasukkan nama variabel yang akan diuji

Type : untuk mendefenisikan tipe variabel

Widht : untuk menuliskan panjang pendek variabel

Decimal : untuk menuliskan jumlah desimal di belakang koma

Label : untuk menuliskan nama keterangan untuk nama

variabel yang diikutsertakan atau tidak.

Missing : untuk menuliskan ada tidaknya jawaban kosong

(50)

Align : untuk menuliskan rata kanan, kiri atau tengah

penempatan teks atau angka di Data view

Measure : untuk menentukan skala pengukuran variabel,

misalnya nominal, ordinal atau scale.

Dalam penulisan ini values, missing and measure tidak dipergunakan, oleh karena itu

ketiga variabel ini diabaikan saja.

a. Pengisian Variabel

Variabel Y : Variabel Y adalah Harga Beras,

variabel ini merupakan yang pertama ditempatkan

pointer pada baris pertama

Name : Letakkan kursor di bawah name, lalu klik ganda

pada sel tersebut lalu ketik Y

Type : Pilih numeric

Width : Untuk keseragaman ketik 8

Decimal : Ketik 2

Label : Letakkan klik kursor di bawah label lalu ketik

jumlah pasangan usia subur

Align : Pilih Center

(51)

merupakan variabel kedua maka tempatkan kursor

pada baris kedua.

pada sel tersebut lalu ketik X1

Decimal : Ketik 2

Produksi Beras

Variabel X2 : Variabel X2 adalah jumlah kebutuhan beras yang

pada

baris kedua.

(52)

Kebutuhan Beras

Variabel X3 : Variabel X3 adalah jumlah ketersediaan beras yang

pada

baris kedua.

Decimal : Ketik 2

Ketersediaan Beras

Dari pengisian yang telah dikerjakan maka dapat diperoleh seperti gambar seperti

(53)

[image:53.595.122.517.140.352.2]

Gambar 4.3 Tampilan Jendela Pengisian Variabel View

b. Pengisian Data

Klik pada tab sheet Data View yang ada di kiri bawah layar dan mulai pengisian.

Pengisian dilakukan dengan mengetik biasa, seperti mengisi data pada Microsoft

Excel atau mengetik table pada Microsoft Word. Untuk mengisi variabel Y, letakkan

kursor pada baris satu kolom Y lalu ketik menurun sesuai data Y. Demikian juga

untuk pengisian data pada

(54)

[image:54.595.112.525.141.361.2]

Gambar 4.4 Tampilan Jendela Pengisian Data View

c. Pengolahan Data Regresi Linier

Langkah-langkah pengolahan data adalah sebagai berikut :

1. Dari menu utama SPSS, pilih menu Analyze,

2. Lalu pilih sub menu Regression dan klik Linier sehingga kotak dialog Linier

Regression akan muncul.

3. Masukkan variabel Y pada kotak Dependent dan variabel X1 dan X2

(55)

[image:55.595.143.489.141.362.2]

Gambar 4.5 Kotak Dialog Linier Regression 4. Klik tombol Statistic sehingga kotak dialog Linier Regresion:

Pada Pilihan Coefficient pilih Estimate, Model Fit dan Deskriptive. Pada pilihan

Residual, pilih casewise Diagnostics dan Cek All Cases (untuk semua kasus) Setelah

(56)

[image:56.595.147.487.140.351.2]

Gambar 4.6 Kotak dialog Linier Regression: Statistics

5. Klik Plots untuk membuat grafik. Isi kolom Y dengan pilihan SDRESID dan kolom X dengan ZPRED, kemudian tekan Next. Isi lagi kolom Y dengan ZPRED dan

kolom X DEPENDENT. Pada pilihan Standardizes Residual Plots, cek Normal

(57)

[image:57.595.131.502.141.386.2]

Gambar 4.7 Kotak dialog Linier Regression Plots

6. Klik tombol Option sehingga kotak dialog Linier Regression : Option akan

muncul. Pilih Use Probabilty of F kemudian masukkan nilai tingkat kepercayaan pada

kotak Entry. Dan penulis memasukkan selang kepercayaan 0,05. Setelah itu klik

(58)

[image:58.595.112.525.140.365.2]

Gambar 4.8 Kotak dialog Linier Regression : Option

Pengisian telah selesai maka klik OK. Maka output SPSS Viewer akan menampilkan

hasil sebagai berikut :

Tabel 4.1 Deskripsi Statistika Descriptive Statistics

Mean Std. Deviation N

Harga Beras (kg) 6226.6667 163.27375 24

Produksi Beras (Ton) 2400.2500 386.99065 24

Kebutuhan Beras (Ton) 22960.4583 2030.89513 24

[image:58.595.159.475.484.589.2]

(59)

[image:59.595.161.474.146.378.2]

Tabel 4.2 Model Summary (b) Model Summaryb

Model

R R Square Adjusted R Square

Std. Error of the

Estimate

1 .812a .660 .609 102.14684

a. Predictors: (Constant), Ketersediaan Beras (Ton), Kebutuhan Beras (Ton),

Produksi Beras (Ton)

[image:59.595.121.518.487.567.2]

b. Dependent Variable: Harga Beras (kg)

Tabel 4.3 ANAVA (b)

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 404461.785 3 134820.595 12.921 .000a Residual 208679.548 20 10433.977

Total 613141.333 23

a. Predictors: (Constant), Ketersediaan Beras (Ton), Kebutuhan Beras (Ton), Produksi Beras (Ton)

b. Dependent Variable: Harga Beras (kg)

(60)

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig. B Std. Error Beta

1 (Constant) 5237.355 1110.715 4.715 .000

Produksi Beras (Ton) -.048 .082 -.115 -.588 .563

Kebutuhan Beras (Ton) .058 .015 .724 3.757 .001

Ketersediaan Beras (Ton) -.008 .037 -.028 -.211 .835

a. Dependent Variable: Harga Beras (kg)

2.6 Pengolahan data korelasi

1. Dari menu utama SPSS, pilih menu Analyze, lalu pilih sub menu Correlate dan klik Bivariate sehingga kotak dialog Bivariate Correlations akan muncul.

[image:60.595.109.527.421.646.2]

2. Masukkan variabel Y, X1, dan X2 pada kotak Variables, pilih Pearson pada Correlations Coefficients.

(61)

[image:61.595.76.557.250.496.2]

3. Setelah selesai klik OK sehingga output SPSS Viewer menampilkan hasil sebagai berikut :

Tabel 4.5 Korelasi antara Produksi Beras dengan Produksi Beras, Kebutuhan Beras, dan Ketersediaan Beras

Correlations

Harga Beras

(kg)

Produksi Beras

(Ton)

Kebutuhan Beras

(Ton)

Ketersediaan

Beras (Ton)

Harga Beras (kg) Pearson Correlation 1 -.645** .807** -.053

Sig. (2-tailed) .001 .000 .805

N 24 24 24 24

Produksi Beras (Ton) Pearson Correlation -.645** ₁ _-.727** _.164

Sig. (2-tailed) .001 .000 .444

N 24 24 24 24

Kebutuhan Beras (Ton) Pearson Correlation .807** -.727** 1 -.008

Sig. (2-tailed) .000 .000 .969

N 24 24 24 24

Ketersediaan Beras (Ton) Pearson Correlation -.053 .164 -.008 1

Sig. (2-tailed) .805 .444 .969

N 24 24 24 24

**. Correlation is significant at the 0.01 level (2-tailed).

(62)

(63)

(64)

(65)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan, maka dapat diambil beberapa kesimpulan

sebagai berikut:

1. Model persamaan regresi linier berganda adalah :

Ŷ = 5.237,35 – 0,048 X1 + 0,058 X2 – 0,008 X3

2. Dari uji keberartian regresi berganda maka H0 ditolak dan H1 diterima, hal ini

berarti produksi beras, kebutuhan beras, dan ketersediaan beras sama-sama

menpengaruhi harga beras dikota Medan.

3. Koefisien korelasi ganda untuk R2 = 0,66 dan R= 0,812, dari hasil tersebut

dapat disimpulkan bahwa koefisien korelasi ganda Y dengan X1, X2, X3 sangat

(66)

5.2 SARAN

Untuk melakukan penelitian tentang fluktuasi harga beras di kota Medan setelah

menggunakan metode analisis adalah metode untuk peramalan, agar dapat

mendapatkan hasil untuk membantu kebijakan dalam penanganan hal yang

(67)

DAFTAR PUSTAKA

Algifari. 2000. Analisis Regresi Teori, Kasus, dan Solusi. Yogyakarta: BPFE Hartono. 2004. Statistik untuk Penelitian. Pekanbaru: LSFK2P

J. Supranto. 1977. Statistik Teori dan Aplikasi. Jakarta: Erlangga

Nugroho, bhuono Agung. 2005. Strategi jitu memilih metode statistik penelitian Dengan spss. Yogyakarta: Andi

Santoso, Ratni Dwi dan Mustadjab Hary Kusnadi.1992. Analisis Regresi. Yogyakarta: Andi Offset