ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA
PADA TAHUN 1988-2008
TUGAS AKHIR
LAILA ELFI SYAHRI PANE 072407054
PROGRAM STUDI DIII STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA
PADA TAHUN 1988-2008
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
LAILA ELFI SYAHRI PANE 072407054
PROGRAM STUDI DIII STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA PADA TAHUN 1988-2008
Kategori : TUGAS AKHIR
Nama : LAILA ELFI SYAHRI PANE
Nomor Induk Mahasiswa : 072407054
Program studi : DIPLOMA III STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA)
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 28 Juni 2010
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua Pembimbing
Dr. Saib Suwilo, M.Sc Drs. Faigiziduhu Buulolo, M.Si
PERNYATAAN
ANALISA TERHADAP JUMLAH PRODUKSI KARET, JUMLAH EKSPOR KARET DAN NILAI DEVISA KARET DI INDONESIA
PADA TAHUN 1988-2008
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 28 Juni 2010
PENGHARGAAN
Puji syukur kehadirat Allah SWT karena berkat rahmat dan keridhoan-Nya lah
sehingga penulis dapat menyelesaikan tugas akhir ini. Shalawat dan salam penulis
hadiahkan ke roh nabi Muhammad SAW yang kita nantikan syafa’atnya di hari kelak.
Terima kasih penulis sampaikan kepada bapak Drs. Faigiziduhu Bu’ulolo M.Si
yang telah banyak membimbing dan mengarahkan penulis dalam menyelesaikan tugas
akhir ini. Terima kasih juga penulis sampaikan kepada bapak Dr. Saib Suwilo, M.Sc
selaku ketua Departemen Matematika dan bapak Drs. Henry Rani Sitepu, M.Si selaku
sekretaris Departemen Matematika. Terima kasih juga penulis ucapkan kepada dekan
dan pembantu dekan serta semua dosen dan pegawai Departemen Matematika di
Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera
Utara.
Terima kasih penulis ucapkan kepada ibunda tercinta Rosdiani Hasibuan
sebagai sumber inspirasi bagi penulis dan yang selalu memberi semangat dan do’a
sehingga penulis dapat menyelesaikan tugas akhir ini.Buat ayahanda, bg Mail dan
keluarga terima kasih atas dukungan dan bantuannya. Dan tidak lupa terima kasih buat
temen-temen yang sudah banyak membantu dan memberikan semangat buat penulis
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar Isi v
Daftar Tabel vii
Daftar Gambar viii Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 4
1.3 Batasan Masalah 5
1.4 Tujuan dan Manfaat Penelitian 5
1.5 Metodologi Penelitian 6
1.6 Tinjauan Pustaka 7
1.7 Sistematika Penulisan 8
Bab 2 Landasan Teori 10
2.1 Defenisi Analisis Korelasi dan Regresi 10
2.2 Analisis Korelasi Sederhana dan Berganda 10
2.2.1 Analisis Korelasi Sederhana 10
2.2.2 Analisis Korelasi Berganda 12
2.3 Analisis Regresi Sederhana dan Berganda 13
2.3.1 Analisis Regresi Sederhana 13
2.3.2 Analisis Regresi Berganda 15
2.4 Uji Regresi Linier Berganda 16
Bab 3 Tinjauan Umum Tempat Riset 20
3.1 Kegiatan Badan Pusat Statistik (BPS) 20
3.1.1 Pengumpulan Data 20
3.1.2 Pengolahan Data 21
3.1.3 Ruang Lingkup Kegiatan Kantor BPS Propsu 22
3.2 Struktur Organisasi Badan Pusat Statistik 23
3.3 Visi dan Misi Badan Pusat Statistik 30
Bab 4 Analisa Data 31
4.1 Data Jumlah Produksi karet, Jumlah Ekspor Karet dan Nilai Devisa Karet di Indonesia Tahun 1988-2008 31
4.2 Analisis Korelasi Sederhana dan Berganda 36
4.3 Analisis Regresi Linier Berganda 39
4.5 Standard Error of Estimate 42
4.6 Koefisien Korelasi Parsial 43
4.7 Uji Asumsi dalam Model Regresi 44
4.8 Uji Koefisien Model Regresi Berganda 48
4.9 Uji Kelayakan Model Regresi 50
Bab 5 Implementasi Sistem 52
5.1 Pengertian Implementasi Sistem 52
5.2 Pengertian SPSS 52
5.3 Langkah-langkah Pengolahan Data dengan SPSS 53
Bab 6 Kesimpulan dan Saran 58
6.1 Kesimpulan 58
6.2 Saran 59
Daftar Pustaka 60
DAFTAR TABEL
Halaman
Tabel 2.1 Tingkat Hubungan Nilai r 11
Tabel 2.2 ANOVA 18
Tabel 4.1 Data Jumlah Produksi Karet, Jumlah Ekspor Karet, dan Nilai 32 Devisa Karert di Indonesia pada Tahun 1988-2008
Tabel 4.2 Hasil Perhitungan Analisa Regresi dan Korelasi 33
Tabel 4.3 Variansi dan Standar Deviasi 34
Tabel 4.4 Perhitungan Standar Deviasi dan Standar Error Penduga 35
Tabel 4.5 Analisis Varians (ANOVA) 41
Tabel 4.6 Dependent Variabel Nilai Devisa 45
Tabel 4.7 Model Summary 47
Tabel 4.8 Coefficients 48
DAFTAR GAMBAR
Halaman Gambar 4.1 Normal P-P Plot of Regression Standardized Residual 44 Gambar 4.2 Regression Standardized Pradicted Value 46
Gambar 5.1 Tampilan Jendela pada Variabel View dalam SPSS 53
Gambar 5.2 Tampilan Jendela pada Variabel View dalam SPSS 54 Gambar 5.3 Tampilan Jendela Pengisian Data View dalam SPSS 55
Gambar 5.4 Tampilan Jendela Pengisian Pengolahan Data dalam SPSS 56
Gambar 5.6 Tampilan Jendela Pengisian Linier Regression Statistics 57
BAB 1
PENDAHULUAN
1.1Latar Belakang
Karet merupakan komoditi ekspor yang mampu memberikan kontribusi di dalam
upaya peningkatan devisa Indonesia. Ekspor Karet Indonesia selama 20 tahun terakhir
terus menunjukkan adanya peningkatan dari 1.0 juta ton pada tahun 1985 menjadi 1.3
juta ton pada tahun 1995 dan 2.0 juta ton pada tahun 2005. Pendapatan devisa dari
komoditi ini pada semester pertama tahun 2006 mencapai US$ 2.0 milyar, dan
diperkirakan nilai ekspor karet pada tahun 2006 akan mencapai US $ 4,2 milyar
(Kompas, 2006). Sejumlah lokasi di Indonesia memiliki keadaan lahan yang cocok
untuk perkebunan karet, sebagian besar berada di wilayah Sumatera dan Kalimantan.
Luas area perkebunan karet tahun 2005 tercatat mencapai lebih dari 3.2 juta ha
yang tersebar di seluruh wilayah Indonesia. Diantaranya 85% merupakan perkebunan
karet milik rakyat, dan hanya 7% perkebunan besar negara serta 8% perkebunan besar
milik swasta. Produksi karet secara nasional pada tahun 2005 mencapai 2.2 juta ton.
Jumlah ini masih akan bisa ditingkatkan lagi dengan melakukan peremajaan dan
memberdayakan lahan-lahan pertanian milik petani serta lahan kosong/tidak produktif
yang sesuai untuk perkebunan karet.
Karet merupakan komoditas perkebunan yang sangat penting peranannya di
(KK), komoditas ini juga memberikan kontribusi yang signifikan sebagai salah satu
sumber devisa non-migas, pemasok bahan baku karet dan berperan penting dalam
mendorong pertumbuhan sentra-sentra ekonomi baru di wilayah-wilayah
pengembangan karet.
Sebagai penghasil devisa negara, karet memberikan kontribusi yang sangat
berarti. Sampai dengan tahun 1998 komoditas karet masih merupakan penghasil
devisa terbesar dari subsektor perkebunan dengan nilai US$ 1,1 miliar, namun pada
tahun 2003 turun menjadi nomor dua setelah kelapa sawit dengan nilai US$ 1,4 miliar
(nilai ekspor minyak sawit mencapai US$ 2,4 miliar). Pada tahun 2005 pendapatan
devisa dari komoditas karet mencapai US$ 2,6 miliar, atau sekitar 5% dari pendapatan
devisa non-migas. Di samping itu, perusahaan besar yang bergerak di bidang karet
juga memberikan sumbangan pendapatan kepada negara dalam bentuk berbagai jenis
pajak dan pungutan perusahaan.
Ditengah ancaman pelemahan pertumbuhan ekonomi dunia akibat krisis
keuangan, perekonomian Indonesia juga akan mendapat tekanan yang cukup berat.
Pelemahan pertumbuhan ekonomi di negara-negara industri memberikan tekanan yang
cukup besar terhadap kinerja ekspor komoditas, namun diharapkan dengan bangsa
yang cukup besar dan adanya ekspektasi perbaikan perekonomian dunia dalam 2-3
tahun ke depan, ekspor komoditas masih tetap menjadi tumpuan perekonomian dalam
jangka panjang. Ekspor komoditas yang selama ini menopang perekonomian pasca
krisis 1997, diharapkan dapat kembali menjadi salah satu faktor penting dalam
Kinerja ekspor komoditas pertanian menunjukkan pertumbuhan yang cukup
baik khususnya hasil perkebunan. Salah satu komoditas yang selama ini menjadi
andalan ekspor adalah karet dan barang karet (pertumbuhan ekspor karet dan barang
karet mencapai sekitar 65% dalam 3 tahun terakhir) di samping CPO yang tetap
menjadi primadona ekspor.
Peranan karet dan barang karet terhadap ekspor nasional tidak dapat dianggap
kecil mengingat Indonesia merupakan produsen karet no 2 (dua) terbesar di dunia
dengan produksi sebesar 2,55 juta ton pada tahun 2007 setelah Thailand (produksi
sebesar 2,97 juta ton) dan negara yang memiliki luas lahan karet terbesar di dunia
dengan luas lahan mencapai 3,4 juta hektar di tahun 2007.
Dengan posisi yang cukup strategis tersebut, karet diharapkan menjadi salah
satu penggerak kebangkitan ekonomi melalui peningkatan produksi yang akan
meningkatkan ekspor karet. Strategi optimalisasi ekspor karet dinilai tepat mengingat
harganya yang cukup tinggi di pasar internasional dan kemampuan pasar dalam negeri
untuk mengolah karet menjadi barang industri masih rendah.
Perkembangan harga karet menunjukkan tren cukup baik akibat meningkatnya
permintaan dari negara berkembang yang sedang mengalami pertumbuhan ekonomi
tinggi yang dimotori oleh industrialisasi seperti Cina (rata-rata pertumbuhan ekonomi
sebesar 10%) dan India (8%). Disamping dari negara tersebut, permintaan dari negara
industri juga cukup tinggi seperti Amerika Serikat, Jepang, Korea dan negara-negara
Tingginya pertumbuhan permintaan dari negara tersebut relatif tidak diikuti
dengan pertumbuhan produksi dari negara-negara produsen karet. Kondisi tersebut
mengakibatkan terjadinya over demand pasar yang mendorong terjadinya peningkatan
harga di pasar internasional, disamping terjadinya kenaikan harga minyak dunia yang
juga berperan dalam mendorong kenaikan harga karet internasional. Menurut
perkiraan IRSG (International Rubber Study Group), pada tahun 2020 dengan
proyeksi permintaan dunia mencapai 10,9 juta ton dengan rata-rata pertumbuhan
konsumsi per tahun sebesar 9%, akan terjadi kekurangan pasokan karet bila produksi
karet tidak mengalami pertumbuhan yang tinggi (diatas 9%).
1.2Rumusan Masalah
Karet merupakan komoditi ekspor yang mampu memberikan kontribusi di dalam
upaya peningkatan devisa Indonesia, melihat hal tersebut maka penulis ingin
mengetahui bagaimana hubungan antara jumlah produksi karet, jumlah ekspor karet,
dan nilai devisa karet. Berdasarkan uraian di atas maka masalah dalam tugas akhir ini
dirumuskan sebagai berikut :
1. Seberapa besarkah hubungan (korelasi) antara jumlah produksi karet, jumlah
ekspor karet dan nilai devisa karet di Indonesia pada tahun 1988-2008?.
2. Bagaimana pengaruh antara jumlah produksi karet, jumlah ekspor karet dan
1.3Batasan Masalah
Dalam penelitian ini analisis terhadap jumlah produksi karet dan jumlah ekspor karet
yang mempengaruhi pendapatan devisa negara hanya dibatasi pada sektor pertanian
dibidang perkebunan karet yaitu, jumlah produksi karet, jumlah ekspor karet dan nilai
devisa karet di Indonesia pada tahun 1988-2008, dengan menggunakan analisis regresi
dan analisis korelasi.
1.4 Tujuan dan Manfaat Penelitian
1.4.1 Tujuan
Penelitian ini bertujuan untuk menganalisis pengaruh dan hubungan antara jumlah
produksi karet, jumlah ekspor karet dan nilai devisa karet di Indonesia pada tahun
1988-2008.
Selain tujuan tersebut, penelitian ini diharapkan dapat memberi manfaat sebagai
berikut :
1. Menentukan apakah jumlah produksi karet dan jumlah ekspor karet
mempunyai hubungan dengan nilai devisa karet di Indonesia pada tahun
1988-2008.
2. Mencari besarnya hubungan (korelasi) antara jumlah produksi karet, jumlah
ekspor karet dan nilai devisa karet di Indonesia pada tahun 1988-2008.
3. Menentukan apakah jumlah produksi karet dan jumlah ekspor karet
berpengaruh terhadap besarnya nilai devisa karet di Indonesia pada tahun
4. Mencari bagaimana pengaruh jumlah produksi karet dan jumlah ekspor karet
terhadap nilai devisa karet di Indonesia pada tahun 1988-2008.
1.4.2 Manfaat
Manfaat dari penelitian ini salah satunya penulis dapat mengaplikasikan ilmu yang
diperoleh sewaktu duduk di bangku perkuliahan. Selain itu manfaatnya adalah :
1. Penelitian ini dapat memberi gambaran seberapa besar hubungan antara
jumlah produksi karet, jumlah ekspor karet dan nilai devisa karet di Indonesia
2. Penelitian ini dapat memberi gambaran tentang pengaruh jumlah produksi,
jumlah ekspor terhadap besarnya nilai devisa karet di Indonesia pada tahun
1988-2008.
3. Hasil penelitian ini dapat memberi bahan masukan bagi penelitian-penelitian
selanjutnya yang berkenaan dengan masalah karet di Indonesia.
1.5 Metodologi Penelitian
Metodologi penelitian adalah suatu cara yang digunakan untuk melaksanakan
penelitian sehingga tujuan penelitian diperoleh. Metodologi penelitian yang digunakan
dalam tugas akhir ini adalah penelitian kuantitatif. Pada bagian ini akan diuraikan
mengenai sumber data serta analisa dan evaluasi data.
1.5.1 Sumber Data
Sumber data tugas akhir ini, menggunakan data sekunder yang diperoleh dari Badan
jumlah produksi karet dan besarnya nilai devisa karet di Indonesia pada tahun
1988-2008.
1.5.2 Analisa dan Evaluasi Data
Metode yang digunakan dalam penelitian ini adalah analisis regresi dan korelasi untuk
menganalisis pengaruh dan hubungan antara jumlah produksi dan besarnya nilai
devisa karet di Indonesia pada tahun 1988-2008. kemudian untuk meramalkan jumlah
produksi karet dan besarnya nilai devisa karet di Indonesia, penulis menggunakan
metode peramalan trend kuadratis. Pengolahan data penelitian ini menggunakan
program komputer microsoft excel dan SPSS.
1.6 Tinjauan Pustaka
Teori penunjang yang digunakan untuk mewujudkan tulisan ini dikutip dari buku
Metode dan Aplikasi Peramalan yang diterbitkan oleh Binapura Aksara yang mana di
dalam buku tersebut disebutkan bahwa persamaan analisis korelasi dan analisis regresi
sebagai berikut :
Rumus korelasi sederhana adalah : r
xy=
{
2 2}{
2 2}
) ( ) ( ) )( ( Y Y n X X n Y X XY n ∑ − ∑ ∑ − ∑ ∑ ∑ − ∑
Rumus korelasi ganda adalah : R
2 2 2 2 1 2 1 2 1 2 1 2 . 1 1 ) )( )( ( 2 x x x x y x y x y x y x y x x r r r r r r − − + =
Persamaan penduga regresi linier berganda adalah sebagai berikut :
n n i
i b X b X
X b a
Persamaan penduga regresi linier berganda dengan dua variabel bebas adalah :
2 2 1 1X b X
b a
Y∧ = + +
1.7 Sistematika Penulisan
Adapun sistematika penulisan tugas akhir ini adalah sebagai berikut :
BAB 1 : PENDAHULUAN
Dalam bab ini dijelaskan mengenai latar belakang, identifikasi masalah,
batasan masalah, tujuan dan manfaat penelitian, metode penelitian, dan
sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menjelaskan uraian tentang teori-teori yang akan digunakan dalam
penelitian ini.
BAB 3 : TINJAUAN UMUM TEMPAT RISET
Bab ini memaparkan kegiatan Badan Pusat Statisik (BPS), Visi dan Misi
BAB 4 : ANALISA DATA
Bab ini menjelaskan tentang cara menggunakan rumus yang telah ditentukan
penulis.
PAB 5 : IMPLEMENTASI SISTEM
Bab ini menjelaskan tentang bagaimana mengolah dan menganalisa data
dengan menggunakan program excel dan SPSS.
BAB 6 : KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan dan saran untuk permasalahan penelitian
BAB 2
LANDASAN TEORI
2.1 Defenisi Analisis Korelasi dan Regresi
a) Analisis Korelasi adalah metode statistika yang digunakan untuk menentukan
kuatnya atau derajat hubungan linear antara dua variabel atau lebih. Semakin
nyata hubungan linier ( garis lurus ), maka semakin kuat atau tinggi derajat
hubungan garis lurus anrata kedua variabel atau lebih. Ukuran untuk derajat
hubungan garis lurus ini dinamakan koefisien korelasi.
b) Analisis Regresi adalah metode statistika yang digunakan untuk menentukan
kemungkinan bentuk hubungan/pengaruh antara dua atau lebih variabel bebas
(X) dengan variabel terikat (Y). Tujuan pokok penentuan metode ini adalah
untuk meramalkan atau memperkirakan nilai dari satu variabel (Y) dalam
hubungannya dengan variabel yang lain yang diketahui (X).
2.2 Analisis Korelasi Sederhana dan Berganda
2.2.1 Analisis Korelasi Sederhana
Kegunaan analisis korelasi sederhana untuk mengetahui derajat hubungan antara
variabel bebas X (independent) dengan variabel terikat Y (dependent). Rumus korelasi
sederhana
r
xy=
( ) ( )( )
( )
{
∑
−∑
∑
}
−∑
{
∑
∑
−( )
∑
}
−
2 2
2 2
y y
n x x
n
y x xy
n
Koefisien korelasi sederhana dilambangkan (r) adalah suatu ukuran arah dan
kekuatan hubungan linear antara dua variabel bebas (X) dan variabel terikat (Y),
dengan ketentuan nilai r tidak lebih dari harga (-1≤ r ≤ +1 ). Ap ab ila n ilai r = -1
artinya korelasinya negatif sempurna(menyatakan arah hubungan antara X dan Y
adalah negatif dan sangat kuat) ; r = 0 artinya tidak ada korelasi ; dan r = 1 berarti
korelasinya sangat kuat dengan arah yang positif. Sedangkan arti harga r akan
dikonsultasikan dengan tabel sebagai berikut :
Tabel 2.1 Tingkat Hubungan Nilai r
Interval Koefisien Tingkat Hubungan
0,80 – 1,000
0,60 – 0,799
0,40 – 0, 599
0,20 – 0. 399
0,00 – 0, 199
Sangat Kuat
Kuat
Cukup Kuat
Rendah
Sangat Rendah
Besar kecilnya sumbangan nilai variabel X terhadap Y dapat ditentukan
dengan rumus koefisien determinan sebagai berikut :
R2 = r2 x 100%, di mana : R2 = nilai koefisien determinasi
Pengujian signifikansi berfungsi apabila peneliti ingin mencari makna dari
hubungan variabel X terhadap Y, maka hasil korelasi tersebut diuji signifikansi
sebagai berikut :
Hipotesis :
H0 : Variabel X berhubungan secara signifikan dengan variabel Y
H1 : Variabel Y tidak berhubungan secara signifikan dengan variabel Y
Dasar Pengambilan Keputusan :
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig
atau [0,05 ≤ Sig] maka Ho diterima dan H1 ditolak, artinya tidak signifikan.
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig
atau [0,05 ≥ Sig] maka Ho ditolak dan H1 diterima, artinya signifikan.
2.2.2 Analisis Korelasi Berganda
Analisis korelasi berganda berfungsi untuk mencari besarnya hubungan antara dua
varibel bebas (X) atau lebih secara simultan dengan variabel terikat (Y). Rumus
korelasi berganda yaitu :
RX1.X2.Y=
2 1 2 1 2 1 2 1 . 2 . . . . 2 . 2 1 ) ).( ).( ( 2 X X X X Y X Y X Y X Y X r r r r r r − − +
Selanjutnya untuk mengetahui signifikan korelasi ganda bandingkan antara
Hipotesis :
H0 : Variabel X dan 1 X berhubungan secara simultan dan signifikan terhadap 2
variabel Y.
H1 : Variabel X dan 1 X tidak berhubungan secara simultan dan signifikan terhadap 2
variabel Y.
Dasar Pengambilan Keputusan :
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig
atau [ 0,05≤ Sig ] maka Ho diterima dan H1 ditolak, artinya tidak signifikan.
Jika nilai Probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig
atau [ 0,05≥ Sig] maka Ho ditolak dan H1diterima, artinya signifikan.
2.3 Analisis Regresi Sederhana dan Berganda.
2.3.1 Analisis Regresi Sederhana
Analisis regresi sederhana adalah proses mengestimasi (menaksir) sebuah fungsi
hubungan antara variabel dependen (Y) dengan variabel independen (X). dalam suatu
persamaan regresi besarnya nilai variabel dependen adalah tergantung pada nilai
variabel lainnya. Sedangkan variabel independent adalah variabel yang nilainya tidak
tergantung pada nilai variabel lainnya.
Persamaan regresi linear sederhana Y terhadap X adalah :
a. Model populasi regresi linear sederhana dinyatakan dalam persamaan :
b. Model sampel (penduga) untuk regresi linear sederhananya Yi =a+bXi ^
di mana: X i= variabel bebas (independent)
Y i= variabel terikat (dependent)
α = penduga bagi intersep (α)
b = penduga bagi koefisien regresi (ß)
i = 1,2,3,…
Nilai α dan ß adalah parameter yang nilainya tidak diketahui sehinggga diduga
menggunakan statistik sampel. Komponen sisaan/kesalahan ( εj= galat )
menunjukkan :
a) Pengaruh dari variabel yang tidak dimasukkan dalam persamaan regresi karena berbagai peertimbangan.
b) Penetapan persamaan yang tidak sempurna
c) Kesalahan pengukuran dalam pengumpulan dan pemrosesan data.
Nilai a menunjukkan intersep (konstanta) persamaan tersebut. Artinya jika nilai
variabel X = 0 maka besarnya Y = a. Parameter b menunjukkan besarnya koefisien
(slope) persamaan tersebut. Nilai ini menunjukkan besarnya perubahan nilai Y jika
nilai X berubah sebesar satu satuan. Dengan menggunakan metode kuadrat terkecil
nilai a dan b dapat dihitung dengan menggunakan rumus sebagai berikut :
b=
∑
∑
∑
∑ ∑
− −
2 2
) ( ) (
) )( ( ) (
X X
n
Y X XY
n
dan α =
n X b n
Y
∑
2.3.2 Analisis Regresi Berganda
Regresi berganda adalah bentuk hubungan atau pengaruh dari dua atau lebih variabel
bebas X dengan variabel terikat Y. persamaan regresi linear berganda dari Y terhadap
X adalah :
1. Model populasi regresi berganda adalah
Y =α+β1X1i +β2X2i +...+βnXn +εi
a) Sedangkan model penduganya (model sampel ) regresi linier ganda adalah
n n i
i b X b X
X b a
Y∧ = + 1 1 + 2 2 +...+
α dan ß adalah parameter yang nilainya tidak diketahui sehingga diduga
menggunakan statistik sampel. Nilai a,b1,dan b akan diperoleh dari tiga persamaan 2
normal berikut :
∑
Y =an+b∑
X1 +b∑
X2∑
=∑
+∑
+ 2∑
1 22 1 1 1
1Y a X b X b X X
X
∑
=∑
+∑
+∑
22 2 2 1 1 2
2Y a X b X X b X
X
Koefisien a,b1,dan b dapat dihitung dengan rumus sebagai berikut : 2
2 2 1 1 − − − − −
=Y b X b X
Nilai dari a,b1,dan b dari tiga persamaan normal di atas dapat juga dihitung 2
dengan metode determinan matriks. Persamaan normal di atas adalah bentuk sistem
persamaan linear (SPL) yang dapat diselesaikan dengan metode determinan, yaitu
menggunakan aturan Crammar.
Jika Ax = b merupakan suatu persamaan linear dalam k peubah, maka sistem
tersebut mempunyai suatu penyelesaian sebagai berikut :
A A
a= 1
A A
b1 = 2
A A
bk = k
Dengan Ajadalah matriks yang diperoleh dengan menggantikan anggota –
amggota pada kolom ke – j dari matriks A dengan anggota pada matriks b.
2.4 Uji Regresi Linier Berganda
Untuk mengetahui atau menguji kepastian dari persamaan regresi berganda tersebut
apakah X1 dan X2berpengaruh secara simultan dan signifikan terhadap Y dilakukan
dengan uji F.
1. Hipotesa yang diuji
0 : 1 2
0 β =β =
H ,berarti antara X dan 1 X tidak berpengaruh simultan dan signifikan 2
terhadap y.
0 : 1 2
0 β =β ≠
H ,berarti antara X dan 1 X berpengaruh simultan dan signifikan 2
2. Perhitungan uji statistik ( taraf nyata α = 5 % )
JK res =
∑
− ^ 2) (Yi Yi
JKT =
∑
−∑
nY Y
2 2 ( )
JK reg = JKT-Jkres, JK res + JK reg
= −
∑
=n − i i Y Y 1 2 ) (∑
− + = n i i Y Y 1 2 ^ ) (∑
= − − n i i Y Y 1 2 ^ ) (dimana : JK res ( Jumlah Kuadrat Residu) variasi yang tidak dijelaskan
JK reg (Jumlah Kuadrat Regresi) adalah variasi yang dijelaskan.
JKT (Jumlah Kuadrat Total) adalah variasi total.
) 1 /( / − − = = k n JKres k JKreg KTres KTreg Fhitung
Tabel 2.2 ANOVA
Sumber variasi JK df KT F hit
Regresi Jkreg k Jkreg / k
Residu Jkres (n-k-1) Jkres/ (n-k-1) JKreg/ JK res
Total JKT n-1
3. Kriteria pengujian :
Pada tingkat keyakinan sebesar 95% atau taraf nyata sebesar 5 %, dengan derajat
kebebasan pembilang (df = k) dan derajat kebebasan penyebut (n-k-1). Nilai F tabel
4. Membuat Kesimpulan
Standart Error of Estimate
Standar error atau kesalahan baku adalah angka yang digunakan untuk mengukur
ketepatan suatu penduga atau mengukur jumlah variasi titik – titik observasi di atas
dan di bawah regresi populasi. Karena standard error populasinya tidak diketahui,
maka σe Diduga dengan S (standard error estimate) sehingga e S adalah standard e
deviasi yang menggambarkan variasi titik – titik di atas dan di bawah garis regresi
sampel. Nilai S dapat diperoleh dengan rumus sebagai berikut : e
e
S =
1 ) (
^ 2
− −
−
∑
k n
Y Y
Apabila semua titik observasi berada pada garis regresi, berarti standar error
penduga sama dengan nol. Dengan demikian, standard error penduga berguna untuk
mengetahui batasan seberapa jauh melesetnya perkiraan dalam meramalkan data.
Varians dan Standard Deviasi
Standar deviasi (S) adalah akar kuadrat dari varians dan menunjukkan standar
penyimpangan data dari nilai rata – rata hitungnya. Varians (S2) menunjukkan
sebaran atau fluktuasi data terhadap rata – rata hitungnya. Nilai S2 dapat dihitung
dengan rumus sebagai berikut :
S
1 ) (
1 1 2
− − =
∑
=−
n X X
n
i
BAB 3
TINJAUAN UMUM TEMPAT RISET
3.1 Kegiatan Badan Pusat Statistik (BPS)
Badan Pusat Statistik (BPS) adalah lembaga negara non-departemen dan bertanggung
jawab langsung kepada Presiden. Badan Pusat Statistik melakukan kegiatan yang
ditugaskan oleh pemerintah antara lain : di bidang pertanian, agraria, pertambangan,
kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan dan keagamaan. Selain
hal-hal di atas Badan Pusat Statistika 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 defenisi, klasifikasi dan ukuran-ukuran
lainnya. Adapun kegiatan dari Badan Pusat Statistik (BPS) antara lain:
3.1.1 Pengumpulan Data
Cara pengumpulan data statistik adalah sensus, survei sektoral, studi khusus, dan
pemanfaatan catatan administrasi.
Sensus adalah kegiatan yang berskala besar yang dilakukan sepuluh tahun sekali
sebagai upaya pengumpulan data secara menyeluruh. BPS melakukan tiga macam
1. Sensus Penduduk yang dilaksanakan pada tahun berakhiran 0 (nol).
2. Sensus Pertanian yang dilaksanakan pada tahun berakhiran 3 (tiga).
3. Sensus Ekonomi yang dilaksanakan pada tahun yang berakhiran 6 (enam).
Survei Antar Sensus adalah kegiatan pengumpulan data yang berkaitan dengan
sensus. Survei Sekroral adalah survei yang bebas penyelenggaraanya dan tidak
berkaitan dengan salah satu sensus. Pemanfaatan catatan administrasi dilakukan
bekerja sama dengan departemen/instansi pemerintah atau swasta yang mengelola
administrasi. Survei khusus dilaksanakn guna menghasilkan data staristik yang
beragam, lebih lengkap untuk memenuhi berbagai keperluan dan diusahakan
pelaksanaannya dilakukan secara teratur.
Studi khusus dilakukan untuk mempelajari kegiatan aspek statistik guna memberi
masukan untuk pengumpulan data statistik yang baru, penyempurnaan metode yang
sudah ada sebelum diimplementasikan secara nasional. Disamping itu, studi khusus
dimaksudkan untuk memenuhi permintaan data yang lebih spesifik yang belum
terdapat pada sensus atau survei.
3.1.2 Pengolahan Data
Kegiatan selanjutnya adalah pengolahan data, kegiatan ini dilakukan dengan dua cara
yaitu cara komputerisasi dan manual. Di bidang perangkat keras saat ini BPS
mempunyai jaringan yang tersebar di Indonesia hingga tingkat Kabupaten /
Kotamadya dan dikelompokkan menurut Lokal Area Network untuk keperluan
Dengan semakin memasyarakatnya penggunaan komputer, memungkinkan
untuk pengiriman data secara elektronik. Di bidang perangkat lunak BPS dilengkapi
dengan berbagai bahasa pemrograman.
3.1.3 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatera Utara
a. Merencanakan kegiatan Badan Pusat Statistik untuk dilaksanakan misalnya,
jenis data yang akan dikumpulkan, kegunaan data dan lain-lain.
b. Mengumpulkan Data Badan Pusat Statistik
Sesudah dikumpulkan data sebelumnya agar data yang diperlukan itu dapat
dipergunakan sebaik-baiknya.
c. Mengolah Data Badan Pusat Statistik
Sesudah dikumpulkan data tersebut satu persatu kemudian data diolah kembali
supaya dengan mudah menemukannya saat dibutuhkan.
d. Menyajikan Data Badan Pusat Statistik
Kantor Badan Pusat Statistik adalah merupakan suatu sumber atau pusat
informasi yang dapat mempermudah masyarakat untuk mengetahui tentang
perkembangan Negara Indonesia.
e. Menganalisa Data Badan Pusat Statistik
Kemudian data tersebut dianalisa atau dibahas, data statistik tersebut juga
disebarluaskan. Misalnya indikator pendapatan, proyeksi keadaan
perekonomian dan ketenagakerjaan di Indonesia, analisa Badan Pusat Statistik
f. Memasyarakatkan Data Badan Pusat Statistik
Sesudah selesai dikerjakan seluruhnya, data tersebut disebarluaskan kepada
seluruh lapisan masyarakat agar suatu tujuan dapat tercapai.
3.2Struktur Organisasi Badan Pusat Statistik
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan
kegiatan langsung dengan instansi sosial yang terjadi diantara individu dalam rangka
kerja sama untuk mencapai tujuan yang telah ditetapkan. Dengan adanya struktur
organisasi pemisahan tugas diantara para pegawai / staf akan lebih jelas.
Struktur organisasi yang diterapkan di kantor Badan Pusat Staristik adalah
struktur organisasi yang mengandung unsur-unsur spesialisasi kerja, standarisasi
kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang
menunjukkan lokasi kekuasaaan, pembuatan keputusan dan ukuran satuan yang
menunjukkan suatu kelompok kerja.
Adapun struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara
adalah sebagai berikut. Dalam organisasi kantor Badan Pusat Statistik Propinsi
Sumatera Utara dipimpin seorang kepala kantor. Kepala kantor dibantu bagian tata
usaha terdiri dari :
a. Sub Bagian Urusan Dalam
b. Sub Bagian Urusan Perlengkapan
c. Sub Bagian Urusan Keuangan
e. Sub Bagian Urusan Bina Potensi / Bina Program
Bidang Penunjang Statistik terdiri dari lima bidang yaitu :
1. Bidang Statistik Produksi
Bidang statistik produksi mempunyai tugas untuk melaksanakan kegiatan statistik
pertanian, industri, konstruksi pertambangan dan energi.
2. Bidang Statistik Distribusi
Bidang statistik disrtibusi mempunyai tugas untuk mempunyai tugas untuk
melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistik keuangan
dan harga produsen serta niaga dan jasa.
3. Bidang Statistik Sosial
Bidang statistik sosial kependudukan mempunyai tugas yaitu melaksanakan kegiatan
demografi dan rumah tangga, ketenegakerjaan, serta ststistik kesejahteraan.
4. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)
Penyiapan data, penyusunan sistem dan program serta operasional pengolahan data
5. Bidang Neraca Wilayah dan Analisis Statistik
Mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi, dan
akumulasi penyajian analisis serta kegiatan penerapan statistik.
Tugas dan Wewenang Masing-Masing Bagian di Badan Pusat Statistik
Wewenang adalah hak untuk melakukan sesuatu atau memerintahkan orang lain untuk
melakukan atau tidak melakukan sesuatu agar tercapai tujuan tertentu. Tugas adalah
kewajiban untuk melakukan sesuatu agar tercapai tujuan tertentu.
1. Bagian Tata Usaha
a. Menyusun progran kerja tahunan tiap bidang.
b. Mengatur dan melaksanakan penghimpunan barang dan penyusunan program
kerja tahunan baik rutin maupun proyek kantor statistik propinsi dan
menyampaikan ke Bidang Pusat Statistik.
c. Mengatur dan melaksanakn urusan dalam yang meliputi surat-surat
penggandaan atau percetakan kearsipan, rumah tangga dan pemeliharaan
gedung keamanan dan lingkungan serta dinas di dalam maupun di luar negeri.
d. Mengatur dan melaksanakan urusan perlengkanapan dan perbekalan yang
meliputi penyusunan, penyimpanan atau penggudangan, inventarisasi dan
penghapusan serta pemeliharaan perlengkapan.
e. Mengatur dan melaksanakan urusan dan keuangan yang meliputi tata usaha
f. Mengatur dan melaksanakan urusan dan mutassi pegawai, pembinaan
pegawai, kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum,
organisasi tata laksana serta penyajian.
g. Menyusun laporan kegiatan bagian secara berkala dan sewaktu-waktu.
h. Mengatur dan melaksanakan urusan penyelanggaraan berbagai pelatihan
teknis dan pelatihan administrarif.
2. Bidang Statistik Produksi
a. Menyusun program kerja tahunan yang meliputi kegiatan statitik di bidang
pertanian, industri, konstruksi energi dan statistik produksi lainnya yang
ditemuka n.
b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di
bidang statistik produksi.
c. Mengatur dan mengkoordinasikan penyelenggaraaan pelatihan petugas
lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya.
d. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian
proyek untuk menyiapkan program pelatihan petugas laporan.
e. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap
pelaksanaan lapangan produksi.
f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil
pengumpulan data statistik produksi.
g. Bersama-sama dengan bidang pengolahan data, mengatur dan menyiapkan
data statistik produksi melalui komputer sesuai yang diterapkan.
i. Maengatur dan menyiapkan hasil pengolahan statistik produksi yang akan
dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan.
j. Membantu kepala kantor Badan Pusat Statistik Propinsi melakukan pembinaan
secara teratur, petugas pencacah, pengawas dan pemeriksaan pengumpulan
data statistik produksi, Kabupaten, Kotamadya, maupun di Kecamatan.
3. Bidang Statistik Distribusi
a. Menyusun program kerja tahunan yang meliputi pelaksanaan kegiatan statistik
di bidang pertanian, industri pertambangan, energi dan statistik produksi
lainnya yang ditentukan.
b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di
bidang statistik distribusi.
c. Membantu kepala kantor Badan Pusat Statistik memimpin proyek untuk
menyiapkan proyek tugas lapangan.
d. Mengatur dan mengkoordinasi penyelenggaraaan petugas lapangan di pusat
pelatihan serta mengatur pelatihan.
e. Mengatur dan melaksanakan dokumen yang diperlukan untuk pelaksanaan
lapangan, melakukan pembinaan, dan pengawasan terhadap kegiatan statistik
produksi.
f. Melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan
terhadap pelaksanaan kegiatan statistik produksi.
g. Mengatur dan melaksanakan penerimaan dan pemeriksaan dokumen hasil
h. Mengatur dan melaksanakan pengolahan data statistik distribusi secara
sederhana sesuai yang diterapkan oleh pusat.
i. Bersama-sama dengan bidang pengolahan data, mengatur dan menyiapkan
data statistik distribusi melalui komputer sesuai yang diterapkan.
j. Mengatur dan mengevaluasi hasil kegiatan statistik distribusi sebagai bahan
masukan untuk penyempurnaan selanjutnya.
k. Membantu kepala kantor Badan Pusat Statistik Propinsi melakukan
pembinaan secara terarur terhadap petugas pencacah, pengawas dan
pemeriksaan penyimpulan data statistik produksi, kabupaten, kotamadya,
ataupun di kecamatan.
4. Bidang Statistik Sosial
a. Menyusun program kerja tahunan di bidang statistik kependudukan meliputi
pelaksanaan kegiatan statistik demokratis, rumah tangga dan statistik
kependudukan lainnya.
b. Mengatur keikutsertaan program lainnya yang diselenggarakan oleh statistik
bidang penduduk.
c. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian
untuk menyiapkan pengolahan latihan tugas lapangan.
d. Mengatur dan mengkoordinasi penyelenggaraan latihan tugas lapangan di
pusat serta mengatur penjatahan pelatihannya.
e. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanaan tugas
f. Melakukan pembinaan dan pengawasan lapangan terhadap pengawasan
kegiatan statistik kependudukan.
g. Bersama-sama dengan bidang pengolahan data mengatur dan menyiapkan data
statistik kependudukan melalui komputer sesuai yang ditetapkan.
h. Mengatur dan melaksanakan penerimaan dokumen hasil dari pengumpulan
data statistik kependudukan.
i. Mengatur dan menyiapkan pengolahan data statistik kependudukan yang akan
dikirim ke pusat sesuai dengan jadwal yang ditetapkan.
j. Mengatur dan melaksanakan evaluasi hasil pengolahan statistik kependudukan
sebagai bahan untuk penyempurnaan.
5. Bidang Integrasi Pengolahan dan Diseminasi Statistik
a. Menyusun program kerja tahunan.
b. Melaksanakan penyusunan, pemeliharaan, penyelesaian permasalahan dan
pengembangan sistem jaringan komunikasi data sesuai dengan aturan yang
ditetapkan serta membantu penyerapan teknologi informasi.
c. Mengatur dan melaksanakan keikutsertaan dalam program latihan yang
diselenggarakan oleh Badan Pusat Statistik dalam bidang pengolahan,
penyajian dan pelayanan statistik.
d. Melaksanakan koordinasi pengolahan dan pemeliharaan perangkat keras dan
perangkat lunak serta menyusun sistem pengolahan data.
e. Mengatur integrasi penggunaan sistem dan program aplikasi pengolahan data
statistik seperti data statistik kependudukan, data statistik produksi dan data
f. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data termasuk bahan komputer yang bekerja sama dengan satuan organisasi terkait.
3.3Visi dan Misi 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.
Dalam menunjang pembangunan nasional Badan Pusat Statistik mengemban
misi mengarahkan pembangunan statistik pada penyediaan data statistik yang
bermutu, handal, efektif, dan efisien. Peningkatan kesadaran mesyarakat akan arti dan
BAB 4
ANALISA DAN EVALUASI
4.1 Data Jumlah Produksi Karet, Jumlah Ekspor Karet, dan Nilai Devisa Karet di Indonesia Pada Tahun 1988-2008
Data yang akan dianalisa dalam tugas akhir ini adalah data sekunder yang diperoleh
dari Badan Pusat Statistik (BPS) Sumatera Utara di Jalan Asrama No. 179 Medan
yaitu data jumlah produksi karet, jumlah ekspor karet, dan nilai devisa karet di
[image:39.595.109.534.498.756.2]Indonesia pada tahun 1988-2008. Datanya adalah sebagai berikut :
Tabel 4.1
Data Jumlah Produksi Karet, Jumlah Ekspor Karet dan Nilai Devisa Karet di Indonesia pada Tahun 1988-2008
Periode Tahun Produksi Karet
(dalam ribuan ton)
Ekspor Kopi
(dalam ribuan ton)
Nilai Devisa Karet
(dalam jutaaan US$)
1 1988 1.173,3 1.131,9 1.243,1
2 1989 1.180,2 1.151,8 1.007,6
3 1990 1.228,7 1.077,3 846,9
4 1991 1.301,5 1.220,0 1.056,6
5 1992 1.365,4 1.267,8 1.036,7
6 1993 1.437,0 1.214,3 976,8
7 1994 1.464,5 1.244,8 1.271,8
8 1995 1.532,1 1.323,8 1.962,8
9 1996 1.527,7 1.434,3 1.918,0
Periode Tahun Produksi Karet
(dalam ribuan ton)
Ekspor Kopi
(dalam ribuan ton)
Nilai Devisa Karet
(dalam jutaaan US$)
11 1998 1.513,8 1.641,2 1.101,5
12 1999 1.488,3 1.494,6 849,1
13 2000 1.547,9 1.379,6 888,6
14 2001 1.547,3 1.453,4 786,2
15 2002 1.630,4 1.496,4 1.038,4
16 2003 1.792,3 1.662,0 1.494,6
17 2004 2.065,8 1.875,2 2.181,4
18 2005 2.270,9 1.674,7 2.133,4
19 2006 2.637,2 1.948,0 3.690,8
20 2007 2.764,7 2.097,1 4.243,3
21 2008 2.892,2 1.798,9 4.795,8
Jumlah 32.974,0 29.240,4 31.208,6
4.2 Analisis Korelasi Sederhana dan Berganda
Rumus koefisien korelasi ssederhana :
r
xy=
( ) ( )( )
( )
{
∑
∑
−∑
}
∑
{
∑
∑
−( )
∑
}
− 2 2 2 2 y y n x x n y x xy nRumus koefisian korelasi ganda : RX .X .Y 2 1 =
2 1 2 1 2 1 2 1 . 2 . . . . 2 . 2 1 ) ).( ).( ( 2 X X X X Y X Y X Y X Y X r r r r r r − − +
Dari (Tabel 4.4) diperoleh :
n = 21
∑
X1 =35.871,2∑
=66.577.356,682 1
X
∑
X1Y =72.516.603,62∑
X2 =31.039,3∑
=47.539.081,912 2
X
∑
X2Y =58.294.375,09∑
Y = 36.004,4 2 88.356.523,62∑
Y =∑
X1X2 =55.679.107,3Koefisien Korelasi antara X dan 1 Y
r
X1Y=
(
) (
)( )
(
)
{
∑
∑
−∑
∑
}
{
∑
∑
−( )
∑
}
− 2 2 2 1 2 1 1 1 Y Y n X X n Y X Y X nr
X1Y=
{
2}{
2}
) 4 , 004 . 36 ( ) 62 , 523 . 356 . 88 ( 21 ) 2 , 871 . 35 ( ) 68 , 356 . 577 . 66 ( 21 ) 4 , 004 . 36 )( 2 , 871 . 35 ( ) 62 , 603 . 516 . 72 ( 21 − − −
=
) 7 , 176 . 170 . 559 ( 8 , 500 . 381 . 111 7 , 642 . 327 . 231=
3 , 043 . 562 . 249 7 , 642 . 327 . 231r
X1Y=
0,9269 adalah koefisien korelasi antara X dan 1 Y. Hal ini menunjukkanarah hubungan antara X dan 1 Yantara positif sebesar 0,9269 dan mempunyai
hubungan yang sangat kuat.
Koefisien Korelasi antara X2 dan Y
r
X2Y=
(
) (
)( )
(
)
{
∑
∑
−∑
∑
}
{
∑
∑
−( )
∑
}
− 2 2 2 2 2 2 2 2 Y Y n X X n Y X Y X nr
X2Y=
{
2}{
2}
) 4 , 004 . 36 ( ) 62 , 523 . 356 . 88 ( 21 ) 3 , 039 . 31 ( ) 91 , 081 . 539 . 47 ( 21 ) 4 , 004 . 36 )( 3 , 039 . 31 ( ) 09 , 375 . 294 . 58 ( 21 − − −
=
8 , 361 . 661 . 139 504 . 630 . 106r
X2Y=
0,7635r
X2Y=
0,7635 adalah koefisien korelasi antara X2 dan Y. Hal ini menunjukkanarah hubungan antara X2 dan Y adalah positif sebesar 0,7635 dan mempunyai
hubungan yang kuat.
Koefisien Korelasi antara X1 dan X 2
r
X1X2=
(
)
(
)(
)
(
)
{
∑
−∑
∑
}
{
∑
∑
−(
∑
)
}
− 2 2 2 2 1 2 1 2 1 2 1 X X n X X n X X X X nr
X1X2=
{
2}{
2}
=
10 , 963 . 331 . 62 14 , 315 . 844 . 55r
X1X2=
0,8959r
X1X2=
0,8959 adalah koefisien antara X1 dan X2. Hal ini menunjukkan arahhubungan antara X1 dan X2 adalah positif sebesar 0,8959 dan mempunyai hubungan
sangat kuat.
Koefisien Korelasi antara X1,X2 dan Y
RX .X .Y 2 1 = 2 1 2 1 2 1 2 1 . 2 . . . . 2 . 2 1 ) ).( ).( ( 2 X X X X Y X Y X Y X Y X r r r r r r − − +
RX1.X2.Y = 2
2 2 ) 89 , 0 ( 1 ) 89 , 0 ).( 76 , 0 ).( 92 , 0 ( 2 ) 76 , 0 ( ) 92 , 0 ( −− + = 80263681 , 0 1 179424 , 0 −
= 0,8630
RX .X .Y 2
1 = 0,9289
RX.X .Y 2
1 = 0,9289. Koefisien korelasi ganda (R) menunjukkan tingkat hubungan antar
variabel 0,9289 yaitu hubungan yang sangat kuat antara jumlah produksi karet (X1)
dan jumlah ekspor karet (X2) secara simultan terhadap nilai devisa karet (Y) di
Indonesia. R square (koefisien determinasi) adalah pengkuadratan dari koefisien
bahwa sebesar 86,28% variabel Y dapat dijelaskan variabel X1 dan X , sisanya 2
sebesar 13,72% diterangkan oleh faktor-faktor lain.
4.3 Analisis Regresi Linear Berganda
Persamaan regresi linear berganda Y atas X ,1 X ,…,2 Xn akan ditaksir oleh :
n n i
i b X b X
X b a
Y∧ = + 1 1 + 2 2 +...+ . Penaksir untuk persamaan regresi linear berganda untuk dua variabel bebas adalah 1 1 2 2
^
X b X b a
Y = + + . Nilai a,b1,dan b akan 2
diperoleh dari tiga persamaan normal berikut :
∑
Y =an+b∑
X1 +b∑
X2∑
=∑
+∑
+ 2∑
1 22 1 1 1
1Y a X b X b X X
X
∑
=∑
+∑
+∑
22 2 2 1 1 2
2Y a X b X X b X
X
Persamaan normal di atas adalah berbentuk sistem persamaan linear (SPL)
yang dapat diselesaikan dengan metode determinan. Jika Ax = b dengan Aj adalah
matriks yang diperoleh dengan menggantikan anggota-anggota pada kolom ke-j dari
matriks A dengan anggota pada matriks b maka, persamaan tersebut sebagai berikut :
A A
a= 1
A A
b1 = 2
A A
bn = k
21 35.871,2 31.039,3 a 36.004,4
A = 35.871,2 66.577.356,68 55.679.107,3 b1 = 72.492.642,62
Setelah dihitung nilai determinan A,A1, A2,dan A3 maka diperoleh penyelesaian
sebagai berikut :
A A
a= 1 = -966,426
A A
b1 = 2 = 2,763
A A
b2 = 3 = 1,381
Penaksir untuk persamaan regresi linear berganda yaitu 1 1 2 2
^
X b X b a
Y = + +
adalah 1 2
^
381 , 1 763 , 2 246 ,
966 X X
Y =− + + .
Konstanta sebesar -966,246 menyatakan bahwa jika tidak ada kenaikan nilai
dari variabel jumlah produksi karet (X ) dan jumlah ekspor karet (1 X ) maka nilai 2
devisa karet adalah 966,246 juta US$. Koefisien regresi berganda sebesar 2,763 dan
1,381 menyatakan bahwa setiap pengurangan dan penambahan satu skor, maka nilai
jumlah produksi karet dan jumlah ekspor karet akan memberikan pengurangan dan
penambahan sebesar 2,763 dan 1,381.
4.4 Uji Persamaan Linear Berganda
Untuk mengetahui atau menguji kepastian dari persamaan linear berganda tersebut
apakah jumlah produksi karet dan jumlah ekspor karet berpengaruh secara simultan
dan signifikan terhadap pendapatan devisa karet di Indonesia atau tidak berpengaruh
dilakukan dengan uji F. Langkah-langkah pengujian persamaan ini adalah sebagai
berikut:
1. Hipotesis yang di uji
0 : 1 2
0 β =β =
H , berarti antara jumlah produksi karet (X1) dan jumlah ekspor karet
(X2) tidak berpengaruh simultan dan signifikan terhadap nilai devisa karet (Y)
0 : 1 2
0 β =β ≠
H ,berarti antara jumlah produksi karet (X1) dan jumlah ekspor karet
(X2) berpengaruh simultan dan signifikan terhadap nilai devisa karet (Y)
di Indonesia .
2. α = 5 % ( taraf nyata )
3. Kriteria Pengujian : H ditolak jika 0 Fhit >Ftabel
4. Perhitungan uji statistik :
JKT = JK res + JK reg
JK res = 3142667,757
JKT = 26627125,52
JK reg = JKT-Jkres = 26.627.125,52-3.142.667,757
= 23.484.457,76
255 , 67 6532 , 592 . 174
88 , 228 . 742 . 11 ) 1 /(
/
= =
− − =
=
k n JKres
k JKreg KTres
[image:46.595.110.527.527.658.2]KTreg F
Tabel 4.5 Analisis Varians (ANOVA)
Sumber Variasi JK dk KT F hit
Regresi 23.484.457,76 2 11.742.228,88
Residu 3.142.667,76 18 174.592,65 67,255
5. Kriteria Pengujian
0
H ditolak jika Fhit >Ftabel
Pada tingkat keyakinan sebesar 95% atau taraf nyata atau kesalahan 5% dengan
derajat kebebasan pembilang (k) =2 dan derajat kebebasan penyebut (n-k-1) =18,
maka diperoleh F tabel =3,55 untuk α =5%( dilihat dari tabel distribusi F). Diperoleh Fhit >Ftabel = 67,255 > 3,55 , H ditolak. 0
Dapat disimpulkan bahwa antara jumlah produksi karet (X1)dan jumlah
ekspor karet (X2) berpengaruh secara simultan dan signifikan terhadap nilai devisa
karet (Y ) di Indonesia .
4.5 Standard Error of Estimate (Kesalahan Baku Persamaan Regresi Linear Berganda)
e
S =
1 ) (
^ 2
− −
−
∑
k n
Y Y
= 417,84
18 757 , 3142667
=
Standard Error of Estimate atau kesalahan baku adalah angka yang digunakan
untuk mengukur ketepatan suatu penduga atau mengukur jumlah variasi titik-titik
observasi di atas dan di bawah garis regresi populasi. Standard Error of Estimate
berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam suatu
peramalan. Kesalahan baku yang terjadi dalam memprediksi nilai devisa adalah
4.6 Koefisien Korelasi Parsial
Koefisien korelasi parsial adalah angka yang digunakan untuk mengukur keeratan
hubungan antara dua variabel, jika variabel lainnya konstan pada persamaan yang
melibatkan lebih dari dua variabel.
Koefisian korelasi parsial antara Y dan X1, apabilaX2 konstan
) 1
)( 1
( 2 1 2
2 1 2 1 2 .
1 2 2
X X YX X X YX YX X YX r r r r r r − − − = = ) 8959 , 0 1 )( 7635 , 0 1 ( ) 8959 , 0 ( 7635 , 0 9269 , 0 2 2 − − − = 286903854 , 0 24288035 , 0 2 . 1X YX
r = 0,846556595 = 0,847
Koefisian korelasi parsial antara Y dan X2, apabila X1 konstan
) 1
)( 1
( 1 1 2
2 1 1 2 1 .
2 2 2
X X YX X X YX YX X YX r r r r r r − − − = = ) 8959 , 0 1 )( 9269 , 0 1 ( ) 8959 , 0 ( 9269 , 0 7635 , 0 2 2 − − − = 166732919 , 0 06690971 , 0 − 1 . 2X YX
4.7 Uji Asumsi Dalam Model Regresi
1. Uji Normalitas
Uji ini merupakan pengujian terhadap normalitas kesalahan pengganggu/error yang
digunakan untuk melihat apakah variabel bebas dan variabel terikat mempunyai
distribusi normal. Asumsi kenormalan dapat diperiksa dengan menggunakan plot
[image:49.595.135.530.410.699.2]normal P-P Plot sebagai berikut :
2. Uji Non-multikolinearitas
Multikolinearitas adalah antara variabel independen dalam model memiliki
hubungan/korelasi sempurna atau mendekati sempurna (koefisien korelasinya tinggi).
[image:50.595.105.474.268.411.2]Pengujian ini dapat dilihat dari nilai VIF pada tabel berikut :
Tabel 4.6
Model
Correlations Collinearity Statistics
Zero-order Partial Part Tolerance VIF
1 (Constant)
Jumlah Produksi .927 .848 .550 .200 5.009
Jumlah Ekspor .761 -.406 -.152 .200 5.009
a.Dependent Variabel : Nilai Devisa
3. Heteroskedastisidas
Heteroskedastisidas adalah varian residual yang tidak sama pada semua pengamatan
di dalam model regresi. Regresi yang baik seharusnya tidak terjadi
heteroskedastisidas.
Kriterianya adalah sebagai berikut :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola
tertentu yang teratur, maka terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah
Gambar 4.2
Dapat dilihat bahwa dari plot gambar 4.2 di atas sebaran data disekitar nilai nol
secara acak dan tidak membentuk pola tertentu sehingga mengindikasikan bahwa
tidak terjadi heteroskedastisitas dalam model regresi.
4. Uji Non-autokorelasi
Adanya penyimpangan autokorelasi dalam model regresi berarti ada korelasi antara
sampel yang diurutkan berdasarkan waktu. Penyimpangan asumsi ini karena
menggunakan data time series.
Konsekuensi adanya autokorelasi dalam suatu model regresi adalah varians
sampel tidak dapat menggambarkan varians polulasinya. Selain itu model regresi yang
dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependent (Y) pada
dalam suatu model regresi dilakukan pengujian terhadap nilai uji Durbin Watson
(DW).
Tabel 4.7
Model Summaryb
Model R R Square
Adjusted
R Square
Std. Error of the
Estimate Durbin-Watson
1 .939a .882 .869 417.84286 1.019
a. Predictors: (Constant), Jumlah Ekspor, Jumlah Produksi
b. Dependent Variable: Nilai Devisa
Pada tabel 4.7 di atas menunjukkan nilai koefisien korelasi ganda(R), koefisien
determinasi (R Square), standar error penduga, nilai Durbin Watson. Prosedur
pengujiannya adalah sebagai berikut :
1. Menentukan hipotesa
H0 : tidak ada autokorelasi
H1 : ada autokorelasi positif/negatif
2. Menentukan nilai α dan nilai d tabel
Signifikan 5% pada n= 21 dan k=2 diperoleh d =1,13 danL d = 1,54 u
3. Menentukan Kriteria Pengujian a. Untuk autokorelasi positif
H0 diterima jika d>d dan Hu 1 ditolak jika d<d serta tidak ada kesimpulan jika L
L
b. Untuk autokorelasi negatif
H0 diterima jika (4-d)< d dan Hu 1 ditolak jika (4-d)< d serta tidak ada kesimpulan L
jika d <d<L d . u
4. Menentukan nilai uji statistik
Pada tabel 4.7 di atas nilai uji statistik diperoleh d =1,019 (nilai Durbin-Watson).
5. Membuat kesimpulan
Nilai d= 1,019 <d =1,13, berarti HL 1ditolak dapat di ambil kesimpulan bahwa tidak
terdapat autokorelasi.
[image:53.595.106.554.432.621.2]4.8 Uji Koefisien Model Regresi Berganda
Tabel 4.8
Standardized Coefficients
t Sig.
95.0% Confidence Interval for B Correlations
Beta Lower Bound Upper Bound
Zero-order Partial Part
1 -1.715 .104 -2150.504 217.652
Jumlah Produksi
1.232 6.798 .000 1.909 3.617 .927 .848 .550
Jumlah Ekspor
-.341 -1.883 .076 -2.922 .160 .761 -.406
-.152
Berdasarkan tabel 4.8 koefisien di atas diperoleh bentuk estimasi persamaan
model regresi linear berganda 1 2
^
381 , 1 763 , 2 426 ,
966 X X
Y =− + − . Model ini untuk
menjeleskan keterkaitan atau pengaruh X1 dan X terhadap 2 Y. Jika nilai sign< 0,05
kedua variabel bebas secara sendiri-sendiri berpengaruh secara signifikan terhadap Y .
Untuk memperkuat penjelasan tersebut dapat didukung dengan uji korelasi parsial.
Pada tabel korelasi parasial zero order menampilkan koefisien korelasi biasa sebelum
dilakukan uji parsial.
Analisis koefisien regresi secara sendiri-sendiri signifikan atau tidak
digunakan uji sebagai berikut :
1. Hipotesis yang diuji
H0 : koefisien regresi tidak signifikan
H1 : koefisien regresi signifikan
t t t
SB B b t0 = −
2. Taraf nyata α 5 %
3. Nilai uji statistik t (t hitung) 0
t t t
SB B b t0 = −
407 , 0
0 763 , 2
1
− =
t = 6,789 dan
733 , 0
0 381 , 1
1
− −
=
t = -1,884
Nilai t tabel = t(n−k−1);(α)=t(18;0,05) =2,10
Jika t hitung > t tabel maka H0 ditolak dan jika t hitung < t tabel maka H0 diterima.
Dari hasil di atas maka koefisien regresi yang signifikan hanya koefisien regresi
4.9 Uji Kelayakan Model Regresi (Uji F)
Tabel 4.9
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 2.348E7 2 1.174E7 67.255 .000a
Residual 3142667.757 18 174592.653
Total 2.663E7 20
a. Predictors: (Constant), Jumlah Ekspor, Jumlah Produksi
Uji kelayakan/keberartian untuk melihat apakah model yang digunakan dapat
menggambarkan/menjelaskan variabel Y. Tabel ANOVA adalah pengujian apakah
model 1 2
^
381 , 1 763 , 2 426 ,
966 X X
Y =− + − dapat digunakan untuk menjelaskan nilai
variabel Y. Pengujian yang dilakukan dengan menyatakan bentuk hipotesis sebagai
berikut :
Hipotesis yang diuji :
0 : 1 2
0 β =β =
H (model tidak memiliki kelayakan)
0 : 1 2 0 β =β ≠
Uji kelayakan model dapat dilihat pada nilai Sign Regression sebesar
0,000<0,05 berarti H0 ditolak. Artinya model regresi linear
2 1
^
381 , 1 763 , 2 426 ,
966 X X
Y =− + − memiliki keberartian /kelayakan untuk digunakan
menjelaskan variabel Y . Uji kelayakan model regresi dapat juga dengan
membandingkan F hitung dengan F tabel. Dengan α = 5 %, dk pembilang = 2, dk
penyebut = 18, maka diperoleh F tabel = 3,56. Karena F hit > F tabel maka H0
ditolak. Hal ini menunjukkan terdapat pengaruh antara X1 dan X terhadap 2 Y.
Sehingga model regresi tersebut memiliki keberartian/kelayakan untuk digunakan
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah tahap penerapan hasil desain tertulis ke dalam
programming dengan menggunakan perangkat lunak (software) sebagai implementasi
atau prosedur yang dilakukan untuk menyelesaikan desain sistem. Dalam analisa dan
evaluasi data yang digunakan pada tugas akhir ini adalah satu perangkat lunak sebagai
implementasi sistem yaitu software SPSS versi 17 for windows untuk memperoleh
hasil perhitungan.
5.2 Pengertian SPSS
SPSS ( Statistical Product and Service Sollution) merupakan suatu program statistika
untuk pengolahan ataupun analisis data ilmu sosial. SPSS pertama kali dibuat pada
tahun 1968 oleh mahasiswa Stanford University. Seiring dengan perkembangan
software ini, SPSS sudah mampu memproses data statistik pada berbagai ilmu bidang
sosial maupun non sosial.
Dalam pengolahan data, komputer mempunyai kelebihan dari manusia yaitu
kecepatan, ketepatan, dan keandalan dalam memproses data. Dengan adanya
perangkat lunak tersebut sangat terbantu karena ada kalanya data yang sangat rumit
tentunya membutuhkan waktu dan tenaga yang banyak untuk mengolah data tersebut.
Faktor kesalahan yang dilakukan manusia relatif besar sementara komputer dan
perangkat lunak dapat menyelesaikan pekerjaan dengan cepat dan tepat waktu serta
mempunyai kesalahan yang relatif kecil.
5.3 Langkah-langkah Pengolahan Data dengan SPSS
Langkah-langkah yang dilakukan dalam menyelesaikan program linier berganda
dengan SPSS sesuai dengan data dalam tulisan sebagai berikut :
1. Bukalah program SPSS dengan menggunakan klik ganda pada ikon SPSS 17 pada
desktop atau ikon pada start menu.
2. Klik Cancel untuk memulai membuat variabel dan data baru.
[image:58.595.108.531.433.702.2]3. Klik variabel view pada SPSS data editor, maka akan tampil sebagai berikut :
4. Pada kolom Name baris pertama ketik y, pada Label ketik Nilai Devisa, dan pada
kolom Measure pilih Scale. Pada kolom Name baris kedua ketik x1, pada Label
ketik Jumlah Produksi, pada kolom Measure pilih Scale. Pada kolom Name baris
ketiga ketik x2, pada Label ketik Jumlah Ekspor, dan pada kolom Measure pilih
Scale untuk kolom lainnya bisa diabaikan (isian default). Maka akan tampil
[image:59.595.109.541.252.607.2]sebagai berikut :
Gambar 5.2 Tampilan jendela pengisian variabel view dalam SPSS
5. Kemudian masukkan data ke halaman Data View dengan cara klik Data View.
Gambar 5.3 Tampilan jendela pengisian data view dalam SPSS
7. Selanjutnya, kliklah Analyze > Regression >Linear.
Gambar 5.4 Tampilan jendela pengisian pengolahan data dalam SPSS
[image:60.595.113.530.432.701.2]Gambar 5.5 Tampilan jendela pengisian linier regression
8. Masukkan variabel Nilai Devisa ke kotak Dependent, sedangkan Jumlah Produksi
dan Jumlah Ekspor ke kotak Independent (s).
9. Klik tab Statistics. Beri centang pada kotak Estimate
