PERKAPITA KOTA PADANGSIDIMPUAN
TUGAS AKHIR
OLEH
ISMED SULAIMAN SITANGGANG 102407037
PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISIS PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DAN JUMLAH TENAGA KERJA TERHADAP PENDAPATAN
PERKAPITA KOTA PADANGSIDIMPUAN
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli
Madya
OLEH
ISMED SULAIMAN SITANGGANG 102407037
PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Judul : ANALISIS PRODUK DOMESTIK REGIONAL
BRUTO (PDRB) DAN JUMLAH TENAGA
KERJA TERHADAP PENDAPATAN
PERKAPITA KOTA PADANGSIDIMPUAN
Kategori : TUGAS AKHIR
Nama : ISMED SULAIMAN SITANGGANG
Nomor Induk Mahasiswa : 102407037
Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (MIPA) UNIVERSITAS SUMATERA
UTARA
Disahkan di
Diketahui
Ketua Departemen Matematika FMIPA USU Pembimbing
Prof. Dr. Tulus, M.Si Drs. Gim Tarigan, M.Si
ANALISIS PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DAN
JUMLAH TENAGA KERJA TERHADAP PENDAPATAN PERKAPITA
KOTA PADANGSIDIMPUAN
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 2013
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 “ANALISIS PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DAN JUMLAH TENAGA KERJA TERHADAP
PENDAPATAN PERKAPITA KOTA PADANGSIDIMPUAN”.
Terimakasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si,
selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas
akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu‟ulolo, M.Si dan Bapak
Drs. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3
Statisika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan
Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika
FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU
Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU,
pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada
Bapak H. Syahluddin Sitanggang, Ibu Hj. Nuraidah Nasution dan keluarga yang
selama ini memberikan bantuan dan dukungan yang diperlukan. Semoga Tuhan
Yang Maha Esa akan membalasnya.
Penulis
PERSETUJUAN i
1.9 Sistematika Penelitian 7
BAB 2 LANDASAN TEORI
2.1 Konsep Dasar Analisis Regresi 9
2.2 Persamaan Regresi 10
2.2.1 Regresi Linier Sederhana 11
2.2.2 Regresi Linier Berganda 12
2.3 Uji Regresi Linier Berganda 15
2.3.1 Uji F (Simultan) 15
2.3.2 Uji t (Uji Parsial) 16
2.4 Koefisien Determinasi 18
2.5 Koefisien Korelasi 18
BAB 3 SEJARAH DAN STRUKTUR BADAN PUSAT STATISTIK (BPS)
3.1 Sejarah Singkat BPS 21
3.1.1 Masa Pemerintahan Hindi Belanda 21
3.1.2 Masa Pemerintahan Jepang 22
3.1.3 Masa Kemerdekaan Republik 22
3.1.4 Masa Orde Baru Sampe Sekarang 23
3.2 Visi dan Misi BPS 24
3.2.1 Visi BPS 25
3.2.2 Misi BPS 25
4.3 Analisis Residu 33
4.4 Uji Regresi Linier Berganda 34
4.4.1 Uji F (Simultan) 34
5.1 Pengertian Implementasi Sistem 47
5.2 Peranan Komputer Dalam Statistika 47
5.3 Cara kerja SPSS 49
5.4 Mengoperasikan SPSS 51
5.4.1 Mengaktifkan Program SPSS Pada windows 51
5.4.2 Perumusan Data 52
5.4.3 Menyimpan Data 55
5.5 Analisis Regresi Dengan SPSS 56
5.6 Analisis Korelasi Dengan SPSS 57
BAB 6 PENUTUP
6.1 Kesimpulan 59
6.2 Saran 61
Tabel 2.1. Data Hasil Pengamatan dari n Responden (X1,X2,…,Xk Y) 13
Tabel 4.1. Data Pendapatan Perkapita, PDRB, dan Jumlah Tenaga Kerja 29
Tabel 4.2. Nilai-Nilai koefisien 30
Tabel 4.3. Penyimpangan Nilai Koefisien 34
Tabel 4.4. Nilai koefisien untuk uji F 36
Tabel 4.5. Nilai koefisien pengaruh X1 terhadap Y 38
Tabel 4.6. Nilai koefisien pengaruh X2 terhadap Y 41
Gambar 5.1. Sistematika cara kerja SPSS 51
Gambar 5.2. Tampilan SPSS saat dibuka pada windows 52
Gambar 5.3. Tampilan pada pengisian Variabel View 54
Gambar 5.4. Tampilan pada Data View 55
Gambar 5.5. Tampilan saat membuat persamaan regresi 56
Gambar 5.6. Tampilan pada kotak dialog regresi 57
Gambar 5.7. Tampilan analisis korelasi 58
PENDAHULUAN
1.1 Latar Belakang
Di era globalisasi ini sangat diperlukan adanya dukungan dan koordinasi dari
berbagai pihak untuk mewujudkan adanya pembangunan yang terpadu dan
berkesinambungan. Diantaranya adalah pembangunan dalam bidang ekonomi
yang bertujuan untuk meningkatkan pendapatan masyarakat secara baik dan dapat
diterimanya secara adil dan merata.
Produk Domestik Regional Bruto (PDRB) merupakan ukuran kinerja
makro kegiatan ekonomi di suatu wilayah. PDRB suatu wilayah menggambarkan
struktur ekonomi daerah, peranan sektor - sektor ekonomi dan pergeserannya yang
didasarkan pada PDRB atas dasar harga berlaku. Di samping itu PDRB
menunjukkan laju pertumbuhan ekonomi baik secara total maupun per sektor
dengan membandingkan PDRB tahun berjalan terhadap tahun sebelumnya
menggunakan dasar harga konstan tahun 2000.
PDRB Kota Padangsidimpuan pada tahun 2011 atas dasar harga berlaku
tahun 2010 sebesar 2,304 Triliun Rupiah, sedangkan pada tahun 2010 sebesar
Padangsidimpuan tahun 2011 sebesar 992,128 Miliar dan tahun 2010 sebesar
936,051 Miliar.
Apabila PDRB dikaitkan dengan sejumlah penduduk akan
menggambarkan tingkat pendapatan perkapita suatu wilayah. PDRB perkapita
Kota Padangsidimpuan atas dasar harga berlaku tahun 2011 sebesar 11,918 Juta
Rupiah lebih tinggi bila dibandingkan tahun 2010 sebesar 10,96 Juta Rupiah.
Jumlah tenaga kerja terdaftar di Kota Padangsidimpuan tahun 2011
sebesar 127.627 orang, dengan tenaga kerja perempuan sebesar 74.409 orang
lebih besar dari tenaga kerja laki - laki yang hanya sebesar 53.218 orang. Pencari
kerja terbesar pada tahun 2011 adalah yang berpendidikan SLTA yaitu sekitar
41% kemudian diikuti oleh yang berpendidikan sarjana sebesar 38%, sarjana
muda sebesar 21%, dan selebihnya pendidikan lainnya.
Berdasarkan latar belakang di atas, maka penulis tertarik untuk
menganalisis pendapatan perkapita Kota Padangsidimpuan. Untuk mencapai
tujuan yang dimaksud, maka penulis mencoba membuat Tugas Akhir yang
berjudul “ANALISIS PRODUK REGIONAL DOMESTIK BRUTO (PDRB)
DAN JUMLAH TENAGA KERJA TERHADAP PENDAPATAN
1.2 Identifikasi Masalah
Dengan memanfaatkan data dari Badan Pusat Statistik, memungkinkan penulis
untuk mengolah data dengan menggunakan metode Analisis Regresi Linier
Berganda, dan juga melihat sektor mana yang paling berpengaruh terhadap
pendapatan perkapita Kota Padangsidimpuan.
1.3 Rumusan Masalah
Bagaimana menentukan pendapatan perkapita Kota Padangsidimpuan di masa
yang akan datang maka diperlukan analisis faktor - faktor yang memberikan
pengaruh terhadap pendapatan perkapita tersebut, adapun faktor - faktor yang
mempengaruhinya adalah PDRB dan jumlah tenaga kerja. Sebagai rumusan
masalah yang akan di analisis dalam penelitian ini adalah variabel bebas mana
yang paling berpengaruh terhadap variabel tak bebas tersebut.
1.4 Batasan Masalah
Agar permasalahan yang dibahas dalam penelitian ini tidak menyimpang dari
sasaran yang dituju, maka perlu dibuat batasan masalah yaitu hanya mengenai
pengaruh PDRB dan jumlah tenaga kerja terhadap pendapatan perkapita Kota
Padangsidimpuan dan faktor yang lain tidak diperhitungkan. Metode analisa data
1.5 Tujuan Penelitian
Adapun tujuan dari penelitian yang dilakukan ini adalah untuk mengetahui
bagaimana faktor PDRB dan jumlah tenaga kerja mempengaruhi pendapatan
perkapita Kota Padangsidimpuan dengan analisis regresi linier berganda dan
mengetahui besarnya derajat hubungan antara satu faktor dengan faktor lain
dengan analisis korelasi.
1.6 Manfaat Penelitian
Adapun yang menjadi manfaat penelitian ini adalah informasi yang dihasilkan
diharapkan dapat dipergunakan oleh pemerintah Kota Padangsidimpuan sebagai
acuan dalam pengambilan keputusan guna mengatasi permasalahan pemerintahan
yang dihadapi. Penelitian ini bermanfaat bagi penulis yaitu untuk memperluas dan
memperdalam pemahaman penulis dalam bidang statistika. Penelitian ini
diharapkan menjadi pendukung dalam pengembangan teori - teori yang sudah ada.
1.7 Tinjauan Pustaka
Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya
variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola
perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat
analisis yang memungkinkan untuk membuat perkiraan nilai variabel tersebut
Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis
hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis
dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan
persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara variabel dependen dengan variabel
independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada
teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan
logis tertentu.
Regresi linier sederhana berguna untuk mendapatkan hubungan pengaruh
dari dua variabel. Regresi ganda berguna untuk mendapatkan pengaruh dua
variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau
lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor
atau lebih terhadap variabel kriteriumnya (Sudjana, 2001).
Setelah mengetahui hubungan fungsional antara variabel - variabel di
mana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka
persoalan berikutnya yang dirasakan perlu jika data hasil pengamatan terdiri dari
banyak variabel adalah seberapa kuat atau lemahnya hubungan antara variabel
-variabel itu. Dengan kata lain perlu dilakukan suatu cara untuk mengetahui derajat
hubungan antara variabel - variabel tersebut.
Analisis korelasi adalah alat statistik yang dapat digunakan untuk
mengetahui derajat hubungan linier antara satu variabel dengan variabel lain.
koefisien korelasi adalah dengan menggunakan nilai absolut dari koefisien
korelasi tersebut. Besarnya koefisien korelasi (r) antara dua macam variabel
adalah 0 sampai dengan 1. Apabila dua buah variabel mempunyai nilai r = 0,
berarti antara dua variabel tersebut tidak ada hubungan. Sedangkan apabila dua
buah variabel mempunyai r = 1, maka dua buah variabel tersebut mempunyai
hubungan yang sempurna.
1.8 Metode Penelitian
Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah sebagai
berikut:
1.8.1 Lokasi Penelitian
Dalam penyusunan tugas akhir ini data yang digunakan diperoleh dari Badan
Pusat Statistik (BPS) Propinsi Sumatera Utara. Data tersebut telah dikumpulkan
dalam bentuk buku yang berjudul “PADANGSIDIMPUAN DALAM ANGKA”,
data tersebut diperoleh dari buku pada edisi 2008 sampai edisi 2012.
1.8.2 Metode Pengumpulan Data
Keperluan data untuk riset ini penulis peroleh dengan menggunakan data sekunder
(data yang telah tersedia) atau data yang telah dikumpulkan. Data yang
angka - angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang
sekumpulan data tersebut.
1.9 Sistematika Penulisan
Adapun sistematika penulisan yang digunakan penulis antara lain:
BAB 1 : PENDAHULUAN
Pada bab ini akan diuraikan latar belakang, rumusan masalah,
pembatasan masalah, tujuan penelitian, manfaat penelitian,
tinjauan pustaka, metode penelitian, dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menguraikan tentang pengertian analisa regresi berganda,
korelasi berganda dan koefisien determinasi.
BAB 3 : GAMBARAN UMUM
Dalam bab ini penulis menguraikan sejarah singkat berdirinya
Badan Pusat Statistika (BPS) Propinsi Sumatera Utara.
BAB 4 : PENGOLAHAN DATA
Bab ini merupakan bab yang berisikan mengenai proses
pembentukan regresi linier berganda, analisa residu, uji regresi
linier ganda, mencari koefisien determinasi dan koefisien
BAB 5 : IMPLEMENTASI SISTEM
Dalam bab ini penulis menguraikan pengetian dan tujuan
implementasi sistem, rancangan program yang dipakai dan hasil
outputnya.
BAB 6 : PENUTUP
Bab ini merupakan bab penutup yang merupakan hasil dan
kesimpulan dari pembahasan serta saran penulis berdasarkan
BAB 2
LANDASAN TEORI
2.1 Konsep Dasar Analisis Regresi
Perubahan suatu variabel dapat disebabkan karena adanya perubahan pada
variabel - variabel lain yang mempengaruhinya. Misalnya pada seorang karyawan
terhadap perubahan tingkat produktivitas karena adanya perubahan upah yang
diterimanya. Dalam artian bahwa karyawan tersebut semakin produktif sebagai
akibat adanya tambahan upah yang diterimanya. Dalam hal ini berarti bahwa
perubahan produktivitas disebabkan oleh adanya perubahan upah. Dalam
fenomena alam banyak sekali kejadian yang saling berkaitan sehingga perubahan
pada variabel lain berakibat pada perubahan variabel yang lainnya. Teknik yang
digunakan untuk menganalisis hal - hal semacam ini disebut dengan analisis
regresi.
Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat
perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu
tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai
prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang di
Sedemikian hingga dapat didefenisikan bahwa analisa regresi adalah
metode statistika yang digunakan untuk menentukan kemungkinan bentuk
hubungan antara variabel - variabel, dengan tujuan pokok dalam penggunaan
metode ini adalah untuk meramal atau memperkirakan nilai dari suatu variabel
lain yang diketahui.
2.2 Persamaan Regresi
Persamaan Regresi (regression equation) adalah suatu persamaan matematis yang
mendefenisikan hubungan antara dua variabel. Persamaan regresi yang digunakan
untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi
estimatis, yaitu suatu formula matematis yang menunjukkan hubungan
ketertarikan antara satu atau beberapa variabel yang nilainya sudah diketahui
dengan satu variabel lain yang nilainya belum diketahui.
Sifat hubungan antarvariabel dalam persamaan regresi merupakan
hubungan sebab akibat (causal relasionship). Oleh karena itu, sebelum
menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau
lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau
perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab
akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut
dengan variabel bebas (independent variable), sedangkan variabel yang nilainya
dipengaruhi oleh nilai variabel lain disebut variabel tak bebas (dependent
2.2.1 Regresi linier Sederhana
Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan
matematis dalam bentuk persamaan antara variabel bebas tunggal dengan variabel
tak bebas tunggal. Regresi linier sederhana hanya memiliki satu variabel bebas X
yang dihubungkan dengan satu variabel tak bebas Y.
Bentuk umum Regresi Linier Sederhana:
Persamaan regresi linier sederhana dengan satu variabel bebas ditaksir oleh:
Ŷ = α + bX (2.2)
Nilai α dan b dapat ditentukan dengan menggunakan persamaan normal berikut:
ΣY = αn + bΣX
ΣXY = αΣX + bΣX2
(2.3)
Dalam bentuk matriks dapat dituliskan:
= (2.4)
Atau dengan rumusan Metode Kuadrat Terkecil ditulis:
α =
2.2.2 Regresi Linier Berganda
Banyak persoalan penelitian atau pengamatan yang terjadi sebagai akibat lebih
dari dua variabel, atau dengan kata lain memerlukan lebih dari satu variabel bebas
dalam membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi
Kumulatif) seorang mahasiswa (Y) bergantung pada jumlah jam belajar (X1),
banyaknya buku yang dibaca (X2), jumlah uang (X3) dan banyak faktor lainnya.
Untuk memberikan gambaran tentang suatu permasalahan atau persoalan,
biasanya sangat sulit ditentukan sehingga diperlukan suatu model yang dapat
memprediksi dan meramalkan respon yang penting terhadap persoalan tersebut,
yaitu regresi liner berganda.
Analisis regresi linier berganda memberikan kemudahan bagi pengguna
untuk memasukkan lebih dari satu variabel prediktor hingga k-prediktor dimana
Nilai b0,b1,b2 dapat ditentukan dengan menggunakan persamaan normal berikut:
ΣYi = b0n + b1ΣX1i + b2ΣX2i
ΣYiΣ1i = b0ΣX1i + b1ΣX1i2 + b2ΣX1iX2i
ΣYiΣX2i = b0ΣX2i + b1ΣX2iX1 + b2ΣX2i2 (2.9)
Dalam bentuk matriks dapat dituliskan:
= (2.10)
Dengan rumusan Metode Kuadrat Terkecil ditulis:
b1 =
b2 =
b0 = (2.11)
Dengan:
= - = -
= - = -
= - = -
Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan
3 variabel, yaitu satu variabel tak bebas (dependent variable) dan dua variabel
Dalam persamaan model regresi linier yang diperoleh, maka antara Y
dengan Ŷ akan menimbulkan perbedaan hasil yang sering disebut sebagai
kekeliruan. Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran Sy,1,2,…,k
yang dapat ditentukan oleh rumus:
Sy,1,2,…,k = (2.12)
Dengan:
Yi = nilai data sebenarnya
Ŷ = nilai taksiran
n = banyaknya data
k = banyak variabel bebas
2.3 Uji Regresi Linier Berganda
2.3.1 Uji F (Simultan)
Uji F ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar
pengaruh koefisien regresi secara bersama - sama terhadap variabel tak bebas.
Nilai Fhitung dapat diperoleh dengan rumus:
F =
(2.13)Dengan:
JKreg = jumlah kuadrat regresi
JKres = jumlah kuadrat residu (sisa)
Dengan: x1j = X1 -
x2i = X2 -
xkj = Xi -
JKreg = ∑(Y - )2
Untuk uji F ini digunakan hipotesa sebagai berikut:
H0 : b1=b2=bn...=bn=0 (tidak ada pengaruh)
H1 : b1 b2 0…bi=1 (minimal terdapat satu pengaruh)
Kriteria pengambilan keputusan:
a. H0 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama
tidak berpengaruh secara simultan dan signifikan terhadap variabel tak
bebasnya.
b. H1 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama
berpengaruh secara simultan dan signifikan terhadap variabel tak bebasnya.
2.3.2 Uji t (Uji Parsial)
Keberartian adanya variabel - variabel bebas dalam regresi linier berganda perlu
diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel
tak bebas. Dan cara tepat untuk mengujinya adalah dengan menggunakan uji
Adanya kriteria bahwa variabel - variabel tersebut memberikan pengaruh
yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis H0
melawan tandingan H1 dalam bentuk:
H0 = i = 0,i = 1,2,…,k.
H1 = i 0,i = 1,2,…,k.
Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran
S2y,1,2,…,k jadi untuk melihat kekeliruan baku dari koefisien bi adalah:
Sbi = (2.14)
= standar deviasi nilai taksiran parameter bke-i
Dan distribusi t-statistik serta dk = ( n-k-1 ), ttabel = t(α,n-k-1) dimana kriteria
2.4 Koefisien Determinasi
Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel. Koefisien determinasi adalah
untuk mengetahui proporsi keragaman total dalam variabel tak bebas Y yang
dapat dijelaskan atau diterangkan oleh variabel - variabel bebas X yang ada dalam
model persamaan regresi linier berganda secara bersama - sama. Maka R2 akan ditentukan oleh rumus:
R2 = (2.16)
Dengan:
JKreg = jumlah kuadrat regresi
∑yi2 = ∑Yi2–
2.5 Koefisien Korelasi
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui
adanya derajat hubungan linier antara satu variabel dengan variabel yang lain.
Hubungan antara satu variabel dengan variabel yang lainnya dapat merupakan
hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan sebab
akibat.
Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel
dengan dengan arah yang berlawanan. Hubungan antarvariabel dapat
dikelompokkan menjadi 3 jenis hubungan sebagai berikut:
1. Korelasi positif
Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti
dengan perubahan variabel yang lain dengan arah yang sama (berbanding
lurus). Artinya apabila variabel yang satu meningkat, maka akan diikuti
dengan peningkatan variabel lain.
2. Korelasi Negatif
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti
dengan perubahan yang lain dengan arah yang berlawanan (berbanding
terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti
dengan penurunan pada variabel yang lain dan sebaliknya.
3. Korelasi Nihil
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti
perubahan pada variabel yang lain dengan arah yang tidak teratur (acak),
artinya apabila variabel yang satu meningkat, kadang diikuti dengan
peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan
pada variabel yang lain.
Besarnya hubungan antara variabel yang satu dengan variabel yang lain
dinyatakan dengan koefisien korelasi yang disimbolkan dengan “r”. besarnya
Untuk mencari korelasi antara variabel Y terhadap Xi atau ry.1,2,…,k dapat diperoleh
dengan rumus:
ry.1, 2, …, k = (2.17)
Sedangkan untuk mengalami korelasi antar variabel bebas dengan variabel
bebasnya adalah:
Koefisien korelasi antara X1 dan X2
r 12 = (2.18)
Nilai koefisien korelasi -1 r 1. Jika dau variabel berkorelasi negatif
maka nilai koefisien akan mendekati -1, jika dua variabel tidak berkorelasi maka
koefisien korelasi akan mendekati 0, sedangkan jika dua variabel berkorelasi
positif maka nilai koefisien korelasi akan mendekati +1.
Untuk lebih memudahkan mengetahui seberapa jauh derajat kerataan
antarvariabel tersebut, berikut ini diberikan nilai – nilai dari Koefisien Korelasi
BAB 3
SEJARAH DAN STRUKTUR BPS
3.1 Sejarah Badan Pusat Statistik (BPS)
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan
Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain
pada bidang pertanian, agraria, pertambangan, kependudukan, sosial,
ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal - hal tersebut
Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan,
kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan
mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi,
memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan
ukuran - ukuran lainnya. Berikut ini beberapa masa peralihan di BPS yaitu:
3.1.1 Masa Pemerintahan Hindia Belanda
Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur
Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverbeid en
Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan
Pada bulan Maret 1923, dibentuk suatu Komisi untuk statistik yang
anggotanya merupakan tiap - tiap Departemen. Komisi tersebut diberi tugas
merencanakan tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan
dalam kegiatan di bidang statistik di Indonesia.
Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan
nama Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan
dipindahkan ke Jakarta. Bersama dengan itu, beralih juga pekerjaan mekanisme
statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en
Accijnsen (IUA) yang disebut sekarang Kantor Bea dan Cukai.
3.1.2 Masa Pemerintahan Jepang
Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan
statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau
militer. Pada masa ini juga CKS diganti nama menjadi Shomubu Chosasitu
Gunseikanbu.
3.1.3 Masa Kemerdekaan Republik
Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945,
kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana
kemerdekaan yaitu KPPURI (Kantor Penyelidikan Perangkaan Umum Republik
hasil dari perjanjian Linggarjati. Sementara itu, pemerintahan Belanda (NICA) di
Jakarta mengaktifkan kembali CKS.
Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44,
lembaga KPS berada di bawah dan bertanggung jawab kepada Menteri
Perekonomian. Selanjutnya, keputusan Menteri Perekonomian tanggal 24
September 1953 No. 18.009/M KPS dibagi menjadi 2 (dua) bagian, yaitu bagian
research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang
disebut Afdeling B.
Dengan Keputusan Presiden RI No. 131 tahun 1957, kementerian
perekonomian dipecah menjadi kementerian perdagangan dan kementerian
perindustrian. Untuk selanjutnya, Keputusan Presiden RI No. 172 tahun 1957,
terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.
3.1.4 Masa Orde Baru Sampai Sekarang
Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam
perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang
handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan
Organisasi Biro Pusat Statistik.
Dalam masa orde baru ini BPS telah mengalami empat kali perubahan
1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS.
2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.
3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi,
suasana, dan tata kerja BPS.
4. Undang - Undang No. 16 tahun 1997 tentang Statistik.
5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.
6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata
kerja BPS.
7. PP 51 tahun 1999 tentang penyelenggaraan statistik.
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu
yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980,
Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti
Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau
Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal
19 Mei 1997 menetapkan tentang statistik sebagai pengganti Undang - Undang
Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan
Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus
mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.
3.2 Visi dan Misi Badan Pusat Statistik
3.2.1 Visi 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.
3.2.2 Misi Badan Pusat Statistik
Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan
misi mengarahkan pembangunan statistik pada penyajian data statistik yang
bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti
dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.
3.3 Struktur Organisasi Badan Pusat Statistik
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan
kegiatan langsung dengan instansi sosial yang terjadi di antara individu - individu
dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur
organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi
tingkat keberhasilan suatu perusahaan dalam mencapai suatu tujuan yang
ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan
Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah
struktur organisasi ini dan staf. Struktur ini mengandung unsur - unsur spesialisasi
kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan
keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan
keputusan, dan ukuran satuan yang menunjukkan suatu kelompok kerja.
Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat
Statistik (BPS) Propinsi Sumatera Utara adalah:
1. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai
departemen dan kegiatan - kegiatan yang saling berhubungan satu sama lain.
2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi
manajemen.
3. Pembuatan keputusan yaitu membuat keputusan - keputusan dan mengamati
bagaimana pelaksanaan dari keputusan tersebut.
Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera
Utara adalah sebagai berikut:
1. Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan
Badan Pusat Statistik sebagaimana lampiran dalam organisasi Kantor Badan
Pusat Statistik Propinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.
2. Kepala Kantor dibantu tata usaha yang terdiri dari:
Sub Bagian Urusan Dalam, Sub Bagian Perlengkapan, Sub Bagian Keuangan,
Sub Bagian Kepegawaian, Sub Bagian Bina Potensi/Bina Program
a. Bidang Statistik Produksi
Bidang Statistik Produksi mempunyai tugas melaksanakan kegiatan
statistik pertanian, industri, konstruksi pertambangan dan energi.
b. Bidang Statistik Distibusi
Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan
statistik konsumen, perdagangan besar, statistik keuangan dan harga
produsen serta niaga dan jasa.
c. Bidang Statistik Kependudukan
Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan
statistik demografi dan rumah tangga, statistik tenaga kerja, serta statistik
kesejahteran.
d. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)
Bidang IPDS mempunyai tugas untuk penyiapan data, penyusunan sistem,
dan program serta operasional pengolahan data dengan program komputer.
e. Bidang Neraca Wilayah dan Analisis Statistik
Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk
penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian
BAB 4
PENGOLAHAN DATA
4.1 Data dan Pembahasan
Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari
Badan Pusat Statistik Propinsi Sumatera Utara. Yaitu pendapatan perkapita,
PDRB dan jumlah tenaga kerja Kota Padangsidimpuan dari tahun 2007 sampai
2011, datanya adalah sebagai berikut:
Tabel 4.1. Data Pendapatan Perkapita, PDRB dan Jumlah Tenaga Kerja
Tahun Pendapatan perkapita
Sumber : Badan Pusat Statistik Propinsi Sumatera Utara
4.2 Pembentukan Persamaan Regresi Linier Berganda
Untuk membentuk persamaan Regresi Linier Berganda, diperlukan pencarian nilai
b0, b1,b2, sehingga akan membentuk persamaan berikut:
Tabel 4.2. Nilai - Nilai Koefisien
2010 2,0449 102,62304 15,67852 13,3848
2011 1,6384 118,22656 15,25504 12,6976
Jumlah 8,3967 450,17661 65,21079 57,5479
Dari data tersebut diperoleh persamaan normal sebagai berikut:
∑Y = b0n + b1∑X1 + b2∑X2
∑YX1 = b0∑X1 + b1∑X12 + b2∑X1X2
∑YX2 = b0∑X2 + b1∑X1X2 + b2∑X22
Harga - harga koefisen regresi b0, b1, dan b2 di cari dengan substitusi dan
eliminasi dari persamaan normal di atas. Selanjutnya substitusi nilai jumlah pada
tabel 3.2. ke dalam persamaan normal, sedemikian hingga dapat diperoleh:
5b0 + 44,37b1 + 6,47b2 = 50,202 …1)
44,37b0 + 396,3225b1 + 57,5479b2 = 450,17661 …2)
6,47b0 + 57,5479b1 + 8,3967b2 = 65,21079 …3)
Selanjutnya dilakukan langkah perhitungan sebagai berikut:
1. Eliminasi persamaan (1) dan (2)
5b0 + 44,37b1 + 6,47b2 = 50,202 | x 44,37
44,37b0 + 396,3225b1 + 57,5479b2 = 450,17661 | x 5 +
---
221,85b0 + 1.968,6969b1 + 287,0739b2 = 2.227,46274
221,85b0 + 1.981,6125b1 + 287,7395b2 = 2.250,88305 -
---
2. Eliminasi persamaan (1) dan (3)
3. Eliminasi persamaan (4) dan (5)
- 12,915b1 - 0,6656b2 = -23,42031 | x 0,6656
4. Substitusi harga koefisien regresi b2 ke persamaan (4)
-12,9156b1 - 0,6656b2 = -23,42031
-12,9156b1– 0,6656(0,453) = -23,42031
-12,9156b1– 0,3015168 = -23,42031
-12,9156b1 = -23,1187932
b1 =
b1 = 1,79
5. Substitusi harga koefisien regresi b1 dan b2 ke persamaan (1)
5b0 + 44,37b1 + 6,47b2 = 50,202
5b0 + 44,37(1,79) + 6,47(0,453) = 50,202
5b0 + 79,4223 + 2,93091 = 50,202
5b0 + 82,35321 = 50,202
5b0 = 50,202 – 82,35321
5b0 = -32,15121
b0 =
b0 = -6,43
Sedemikian hingga diperoleh persamaan regresi linier berganda sebagai berikut:
Ŷ = -6,43 + 1,79X1 + 0,453X2
4.3 Analisis Residu
Setelah mendapatkan persamaan regresi, langkah selanjutnya adalah menghitung
kesalahan baku. Untuk menghitung kekeliruan baku tafsiran diperlukan harga Ŷ
yang diperoleh dari persamaan regresi diatas untuk tiap harga X1 dan X2 yang
Tabel 4.3. Penyimpangan Nilai Koefisien
Tahun Y X1 X2 Ŷ Y- Ŷ (Y- Ŷ)2
2007 8,166 7,88 1,23 8,23239 -0,06639 0,004407632
2008 9,253 8,36 1,26 9,10518 1,14782 0,021850752
2009 9,901 8,85 1,27 9,98681 -0,08581 0,007363356
2010 10,964 9,36 1,43 10,97219 -0,00819 0,000067076
2011 11,918 9,92 1,28 11,90664 0,01136 0,000129050
Jumlah 50,202 44,37 6,47 50,20321 -0,00121 0,033817866
Sedemikian hingga diperoleh:
=
=
=
=
= 0,13
Hasil yang diperoleh menunjukkan nilai pendapatan perkapita penduduk akan
menyimpang dari nilai rata - rata pendapatan perkapita penduduk yang sebenarnya
sebesar 0,13 atau 13%.
4.4 Uji Regresi Linier Berganda
4.4.1 Uji F (Simultan)
1. Menentukan formulasi hipotesanya
H0 : b1 = b2 = 0 PDRB dan jumlah tenaga kerja tidak berpengaruh secara
simultan dan signifikan terhadap pendapatan perkapita
penduduk Kota Padangsidimpuan.
H1 : b1 b2 0 PDRB dan jumlah tenaga kerja berpengaruh secara
simultan signifikan terhadap pendapatan perkapita
penduduk Kota Padangsidimpuan.
2. Menentukan taraf nyata
Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 2
dan dk penyebut (v2) =5 – 2 – 1 = 2, maka diperoleh F(2;2;0,05) = 19,00.
3. Kriteria pengujian
H0 diterima apabila Fhitung Ftabel
H0 ditolak apabila Fhitung Ftabel
4. F-hitung
F =
Untuk menguji model regresi linier berganda yang telah terbentuk, maka
dilakukan pengujian dengan menggunakan uji F yang memerlukan nilai - nilai
yj, x1j, dan x2j, nilai - nilai tersebut dapat diperoleh melalui rumus berikut:
yj = Y -
x1j = X1 -
Tabel 4.4. Nilai koefisien untuk uji F
yj x1j x2j x1jyj x2jyj yj2
-1,8744 -0,994 -0,064 1,863154 0,119962 3,513375
-0,7874 -0,514 -0,034 0,404724 0,026772 0,619999
-0,1394 -0,024 -0,024 0,003346 0,003346 0,019432
0,9236 0,486 0,136 0,448870 0,125610 0,853037
1,8776 1,046 -0,014 1,963970 -0,026290 3,525382
0 0 0 4,684062 0,249402 8,531225
Selanjutnya dapat di peroleh nilai perhitungan Fhitung,
JKreg = b1∑yix1i + b2∑yix2i
JKreg = 1,79(4,684062) + 0,453(0,249402)
JKreg = 8,38447098 + 0,112979106
JKreg = 8,497450086
(Y - Ŷ)2 dapat dilihat pada tabel 4.3 JKres = (Y - Ŷ)2
= 0,033817866
F =
F =
F =
F = 251,27
5. Didapat Fhitung = 251,27 Ftabel = 19,00. Fhitung > Ftabel maka H0 ditolak dan
H1 diterima. Hal ini berarti bahwa PDRB dan jumlah tenaga kerja berpengaruh
secara simultan dan signifikan terhadap pendapatan perkapita penduduk
Kota Padangsidimpuan.
4.4.2 Uji t (Uji Parsial)
4.4.2.1 Apakah X1 mempegaruhi Y ?
Langkah - langkah pengujiannya sebagai berikut:
1. Menentukan formulasi hipotesanya
H0 : b1 = b2 = 0 PDRB tidak berpengaruh secara signifikan terhadap
pendapatan perkapita penduduk Kota Padangsidimpuan.
H1 : b1 b2 0 PDRB berpengaruh secara signifikan terhadap pendapatan
perkapita penduduk Kota Padangsidimpuan.
2. Menentukan taraf nyata
Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan ( ) = (1- )
= (1-0,025) = 0,975 dan dk = n – k = 5 - 2 = 3. Dengan t(3;0,975) = 3,18.
3. Kriteria pengujian
H0 diterima apabila thitung ttabel
4. t-hitung
t =
Tabel 4.5. Nilai koefisien pengaruh X1 terhadap Y
Y X1 X2 X12 X22 x1j2
8.166 7.88 1.23 62.0944 1.5129 0.988036
9.253 8.36 1.26 69.8896 1.5876 0.264196
9.901 8.85 1.27 78.3225 1.6129 0.000576
10.964 9.36 1.43 87.6096 2.0449 0.236196
11.918 9.92 1.28 98.4064 1.6384 1.094116
50.202 44.37 6.47 396.3225 8.3967 2.583120
Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai
Sb1, rumusannya sebagai berikut:
Sb1 =
Nilai Sb1 dapat diperoleh melalui pencarian, pertama nilai kesalahan baku
tafsirannya,
=
=
=
Kedua, menentukan nilai korelasi antara X1 dan X2 yang dicari dengan
rumusan:
r12 =
r12 =
r12 =
r12=
r12=
r12=
r12 = 0,529
Ketiga menentukan nilai Sb1.
Sb1 =
Sb1 =
Sb1 =
Sb1 =
Sb1 =
Sb1 =
Kemudian nilai thitung dapat diperoleh sebagai berikut:
t =
t =
t = 18,775
5. Didapat thitung = 18,775 ttabel = 3,18. thitung ttabel maka H0 ditolak dan H1
diterima. Hal ini berarti bahwa PDRB berpengaruh secara signifikan terhadap
pendapatan perkapita Kota Padangsidimpuan.
4.4.2.2 Apakah X2 mempegaruhi Y ?
Langkah - langkah pengujiannya sebagai berikut:
1. Menentukan formulasi hipotesanya
H0 : b1 = b2 = 0 Jumlah tenaga kerja tidak berpengaruh secara signifikan
terhadap pendapatan perkapita penduduk Kota
Padangsidimpuan.
H1 : b1 b2 0 Jumlah tenaga kerja berpengaruh secara signifikan terhadap
pendapatan perkapita penduduk Kota Padangsidimpuan.
2. Menentukan taraf nyata
Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan ( ) = (1- ) =
(1-0,025) = 0,975 dan dk = n – k = 5 - 2 = 2, maka diperoleh t(2;0,975) = 3,18.
3. Kriteria pengujian
H0 ditolak apabila thitung ttabel
4. t-hitung
t =
Tabel 4.6. Nilai koefisien pengaruh X2 terhadap Y
Y X1 X2 X12 X22 X2j2
8.166 7.88 1.23 62.0944 1.5129 0.988036
9.253 8.36 1.26 69.8896 1.5876 0.264196
9.901 8.85 1.27 78.3225 1.6129 0.000576
10.964 9.36 1.43 87.6096 2.0449 0.236196
11.918 9.92 1.28 98.4064 1.6384 1.094116
50.202 44.37 6.47 396.3225 8.3967 2.583120
Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai
Sb2, rumusannya sebagai berikut:
Sb2 =
Nilai Sb2 dapat diperoleh melalui pencarian, pertama nilai kesalahan baku
tafsirannya,
=
=
=
Kedua, menentukan nilai korelasi antara X1 dan X2 yang dicari dengan
rumusan:
r12 =
r12 =
r12 =
r12=
r12=
r12=
r12 = 0,529
Ketiga menentukan nilai Sb2.
Sb2 =
Sb2 =
Sb2 =
Sb2 =
Sb2 =
Sb2 =
Kemudian nilai thitung dapat diperoleh sebagai berikut:
t =
t =
t = 0,463
5. Didapat thitung = 0,463 ttabel = 3,18. thitung ttabel maka H0 diterima dan H1
ditolak. Hal ini berarti bahwa jumlah tenaga kerja tidak berpengaruh secara
signifikan terhadap pendapatan perkapita penduduk Kota Padangsidimpuan.
4.5 Koefisien Determinasi
Mencari koefisien determinasi dengan menggunakan rumus:
R2 =
=
= 0,996
Diperoleh nilai koefisien determinasi 0,996. Ini berarti sekitar 99,6% pendapatan
perkapita penduduk ditentukan oleh PDRB dan jumlah tenaga kerja melalui
hubungan regresi linier berganda sisanya 0,4% lagi dipengaruhi oleh faktor lain.
Koefisien korelasi bergandanya diperoleh dengan:
R =
= 0,998
Dari hasil perhitungan diperoleh korelasi (R) antara PDRB dan jumlah tenaga
kerja terhadap pendapatan perkapita penduduk sebesar 0,998. Nilai korelasi
tersebut menyatakan bahwa hubungan antara PDRB dan jumlah tenaga kerja
terhadap pendapatan perkapita penduduk Kota Padangsidimpuan sangat tinggi.
4.6 Koefisien Korelasi
Koefisien korelasi antara variabel tak bebas (Y) dengan variabel bebas (X)
sehingga dapat diketahui seberapa besar hubungan antarvariabel.
1. Koefisien korelasi antara Y dan X1
ry.x1 =
ryx1 =
ryx1 =
ryx1 =
ryx1 =
ryx1 =
ryx1 = 0,998
Koefisien korelasi antara PDRB (X1) dengan pendapatan perkapita penduduk
Kota Padangsidimpuan (Y) adalah 0,998 yang berarti nilai tersebut menunjukkan
2. Koefisien korelasi antara Y dan X2
ryx2 =
ryx2 =
ryx2 =
ryx2 =
ryx2 =
ryx2 =
ryx2 = 0,545
Koefisien korelasi antara jumlah tenaga kerja (X2) dengan pendapatan
perkapita Kota Padangsidimpuan (Y) adalah 0,545 yang berarti nilai tersebut
menunjukkan korelasi yang tinggi dengan arah yang sama (korelasi positif).
3. Koefisien korelasi X1 dan X2
r12 =
r12 =
r12 =
r12 =
r12 =
r12 = 0,528
Koefisien korelasi antara PDRB (X1) dengan jumlah tenaga kerja (X2) adalah
0,528 yang berarti nilai tersebut menunjukkan korelasi yang tinggi dengan arah
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, mengistal dan memulai sistem baru
atau yang diperbaiki.
Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis
ke dalam programming. Dalam pengolahan data pada tugas akhir ini penulis
menggunakan perangkat lunak (software) sebagai implementasi sistem yaitu SPSS
Statistic 17.0 for windows dalam masalah memperoleh perhitungan.
5.2 Peranan Komputer Dalam Statistika
Komputer memegang peranan sangat penting dalam statistika, komputer dalam
bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai
berikut:
1. Jumlah input yang besar
Jumlah input yang besar akan dapat diolah oleh komputer dengan mudah
dapat bekerja sangat efisien pada pengolahan data dengan menggunakan input
yang besar.
2. Proyek yang repetitif
Perintah pengolahan yang berulang - ulang akan lebih efisien dengan
menggunakan komputer, karena di sini perintah hanya dilakukan satu kali
kemudian diulang - ulang (di-copy) untuk menjalankan perintah pengolahan
yang lain.
3. Diperlukan kecepatan yang tinggi
Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam
waktu yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya
diolah oleh komputer, yang membedakan hanya proses pemasukan data saja.
4. Diperlukan ketepatan yang tinggi
Komputer yang telah terprogram dengan benar akan melakukan proses
pengolahan yang tepat. Kesalahan informasi yang mungkin dihasilkan hanya
terjadi pada proses pemasukan data saja.
5. Pengolahan hal yang kompleks
Hubungan antarfenomena yang kompleks akan dipecahkan dengan mudah
menggunakan komputer dalam waktu yang tepat dan cepat.
Saat ini banyak beredar berbagai paket program komputer statistik dari
yang „kuno‟ dan berbasis DOS seperti Microstat sampai yang berbasis wnidows
seperti SPSS, SAS, statistika dan lainnya. Dari berbagai software khusus statistik
yang beredar sekarang, SPSS adalah yang paling populer dan paling banyak
SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga
mahasiswa Standford University, yang dioperasikan pada komputer mainframe.
Pada tahun 1984, SPSS pertama kali muncul dengan versi PC ( dapat dipakai
statistik untuk ilmu sosial ( SPSS saat itu adalah singkatan dari Statistical Package
for the Social Sciences ), sekarang diperluas untuk melayani berbagai user, seperti
untuk proses produksi di pabrik, riset ilmu - ilmu sains dan lainnya. Sedemikian
hingga sekarang kepanjangan SPSS adalah Statistical Product and Services
Solutions.
5.3 Cara Kerja SPSS
Cara kerja komputer, statistik, dan SPSS pada prinsipnya adalah sama, yaitu
meliputi 3 bagian: input, proses, dan output.
1. Input
Pada komputer, input berupa data yang akan diolah dengan komputer. Pada
inputing dapat melalui keyboard, mouse, touch, screen, atau hardisk.
Pada statistik, input berupa data yang telah ditabulasikan pada data editor
bagian view data, sedangkan proses coding dan pendefenisian variabel pada
2. Proses
Pada komputer, proses berupa eksekusi program komputer dimana komputer
menjalankan perintah - perintah sesuai dengan apa yang telah diprogramkan.
Pada statistik, proses berupa analisis perhitungan, baik secara deksriptif
maupun inferensi, baik dengan statistik parametrik ataupun non-parametrik.
Pada SPSS, proses berupa eksekusi program SPSS untuk menganalisis input
yang ada di data editor sesuai dengan perintah dari pemakai.
3. Output
Pada komputer, output berupa hasil pengolahan yang telah diproses dengan
program komputer yang dikehendaki. Bentuk output komputer bisa dalam
bentuk cetakan, tampilan, gambar, maupun suara.
Pada statistik, output berupa hasil analisis, baik dalam bentuk penyajian data
maupun dalam bentuk grafik atau bentuk tabel serta kesimpulan yang
diperoleh dari hasil analisis.
Pada SPSS, output berupa hasil analisis program SPSS yang disajikan
dalam output navigator.
Dengan demikian, cara kerja SPSS dapat di lihat dalam sistematika pada gambar
5.1. berikut.
Gambar 5.1. Sistematika cara kerja SPSS
5.4 Mengoperasikan SPSS
Adapun langkah - langkah pengolahan data dengan menggunakan program SPSS
sebagai berikut.
5.4.1 Mengaktifkan Program SPSS Pada windows
Klik Start, kemudian All Program, Statistics 17.0, SPSS Statitics 17.0. Akan
tampak tampilan seperti gambar 5.2. berikut.
Gambar 5.2. Tampilan SPSS saat dibuka pada windows
5.4.2 Perumusan Data
Langkah - langkahnya sebagai berikut:
Buka lembar kerja baru dari menu file, pilih new, lalu klik data. Pada menu Data
view hanya akan didefenisikan seperlunya saja, jadi tidak akan menjelaskan proses
pemasukan data diluar dari yang diperlukan.
1. Input variabel Y ( Pendapatan perkapita )
1. Name
Letakkan pointer pada kolom name, klik ganda pada sel tersebut, ketik Y.
2. Type
Karena Y berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih
tipe numeric.
letakkan pointer pada kolom name, klik ganda pada sel tersebut, ketik X1.
2. Type
Karena X1 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih
tipe numeric.
3. Width
4. Decimals
Untuk keseragaman ketik 2.
5. Label
Label adalah keterangan untuk nama variabel. Maka untuk X1 ketik
PDRB.
3. Input variabel X2 ( Jumlah tenaga kerja )
1. Name
Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik
X2.
2. Type
Karena X2 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih
tipe numeric.
3. Width
Untuk keseragaman ketik 8.
4. Decimals
Untuk keseragaman ketik 2.
5. Label
Label adalah keterangan untuk nama variabel, maka untuk X2 Jumlah
tenaga kerja.
Gambar 5.3. Tampilan pada pengisian Variabel View
Setelah proses variable view selesai, klik pada data view dan isikan data pada
kolom yang sudah didefenisiskan sebelumnya. Tampilannya pada gambar 5.4.
berikut.
5.4.3 Menyimpan Data
Setelah semua data diisikan dan didefenisikan untuk setiap variabel ke dalam
SPSS data editor, maka langkah selanjutnya adalah menyimpan file tersebut
dengan langkah - langkah sebagai berikut:
1. Dari menu SPSS, pilih menu file, kemudian pilih submenu save as.
2. Beri nama file tersebut.
3. Setelah menemukan direktori yang dituju, klik save.
4. Apabila mau menyimpan file yang telah telah diberi nama tanpa mengganti
dengan nama baru, tinggal klik save.
5.5 Analisis Regresi Dengan SPSS
Adapun langkah - langkah analisis regresi dalam SPSS adalah sebagai berikut:
1. Buka analyze, regression, linear … akan tampak tampilan seperti gambar 5.5.
berikut.
2. Masukkan variabel
Y pada kotak dependent
X1 pada kotak independent (s)
X2 pada kotak independent (s)
3. Abaikan pilihan yang lain, klik OK seperti yang terlihat pada gambar 5.6.
berikut.
Gambar 5.6. Tampilan pada kotak dialog regresi
4. Tampilan outputnya dapat dilihat pada lampiran 1.
5.6 Analisis Korelasi Dengan SPSS
Adapun langkah - langkah analisis korelasi dalam SPSS adalah sebagai berikut:
Gambar 5.7. Tampilan analisis korelasi
2. Masukkan variabel Y, X1, dan X2.
3. Pada correlation coefficients, pilih pearson, klik OK seperti yang terlihat pada
gambar 5.8. berikut:
Gambar 5.8. Tampilan pada kotak dialog korelasi
BAB 6
PENUTUP
6.1 Kesimpulan
Berdasarkan analisa yang telah dilakukan penulis maka dapat di ambil beberapa
kesimpulan sebagai berikut:
1. Dari persamaan perhitungan diperoleh bahwa persamaan penduga:
Ŷ = -6,43 + 1,79X1 + 0,453X2
Ini berarti bahwa PDRB mempengaruhi pendapatan perkapita sebesar 1,79
dan jumlah tenaga kerja mempengaruhi pendapatan perkapita sebesar 0,453.
Serta nilai konstan -6,43.
2. Kesalahan baku sebesar 0,13. Ini berarti nilai pendapatan perkapita
penduduk akan menyimpang dari nilai rata - rata pendapatan perkapita yang
sebenarnya sebesar 0,13 atau 13%.
3. Melalui uji keberartian regresi linier diperoleh Fhitung = 251,27 dan Ftabel =
19,00. Maka Fhitung Ftabel maka H0 ditolak dan H1 diterima. Hal ini berarti
bahwa PDRB dan jumlah tenaga kerja berpengaruh secara simultan dan
signifikan terhadap pendapatan perkapita penduduk Kota Padangsidimpuan.
4. Melalui perhitungan nilai thitung = 18,775 ttabel = 3,18. thitung ttabel maka H0
ditolak dan H1 diterima. Hal ini berarti bahwa PDRB berpengaruh secara
5. Melalui perhitungan nilai thitung = 0,463 ttabel = 3,18. thitung ttabel maka H0
diterima dan H1 ditolak. Hal ini berarti bahwa jumlah tenaga kerja tidak
berpengaruh secara signifikan terhadap pendapatan perkapita Kota
Padangsidimpuan.
6. Melalui perhitungan R2 didapat nilai koefisien determinasi 0,996. Hal ini menunjukkan bahwa sekitar 99,6% pendapatan perkapita Kota
Padangsidimpuan dipengaruhi oleh PDRB dan jumlah tenaga kerjanya
sisanya 0,4% dipengaruhi oleh faktor lain.
7. Melalui perhitungan didapat korelasi (R) antara PDRB dan jumlah tenaga
kerja terhadap pendapatan perkapita Kota Padangsidimpuan sebesar 0,998.
Nilai korelasi tersebut menyatakan bahwa hubungan antara PDRB dan
jumlah tenaga kerja terhadap pendapatan perkapita Kota Padangsidimpuan
tinggi.
dengan arah yang sama (korelasi positif).
10. Koefisien korelasi antara PDRB (X1) dengan pendapatan perkapita (Y)
adalah 0,528, hal ini menunjukkan korelasi yang tinggi dengan arah yang
6.2 Saran
Dari hasil penelitian yang dilakukan, maka penulis dapat memberikan beberapa
saran, yaitu:
1. Sebaiknya pemerintah Kota Padangsidimpuan dapat mempertahankan
kestabilan pendapatan perkapita penduduknya, begitu juga dengan PDRB
kota tersebut.
2. Jumlah tenaga kerja sebaiknya di tingkatkan demi kesejahteraan
DAFTAR PUSTAKA
Algifari. 2000. Analisis Regresi teori, Kasus, dan Solusi,Edisi Kedua. BPFE.
Yogyakarta.
Badan Pusat Statistik. Padangsidimpuan Dalam Angka 2009-2012. BPS.Medan.
Hartono. 2004. Statistik untuk Penelitian. LSFK2P. Pekan Baru.
Hasan, M M, Iqbal, Ir. 1994. Pokok-Pokok Materi Statistik 2 ,Edisi 2. Bumi
Aksara. Jakarta.
Pasaribu, Amudi. 1989. Pengantar Statistik. Ade Putra. Medan.
Santoso, Singgih. 1992. Mengolah Data Statistik Secara Profesional. PT.Elex
Media Komputindo. Jakarta.
Sudjana. 2005. Metoda Statistika. Tarsito. Bandung.
Lampiran 1
Hasil tampilan output SPSS Linear Regression