ANALISIS TERHADAP JUMLAH PRODUKSI BERAS
LUAS PANEN DAN KEBUTUHAN BERAS
DI PROVINSI SUMATERA UTARA
PADA TAHUN 2005-2013
TUGAS AKHIR
RIFDAH RAMADHANI DLM
112407017
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
ANALISIS TERHADAP JUMLAH PRODUKSI BERAS
LUAS PANEN DAN KEBUTUHAN BERAS
DI PROVINSI SUMATERA UTARA
PADA TAHUN 2005-2013
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya
RIFDAH RAMADHANI DLM
112407017
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS TERHADAP JUMLAH PRODUKSI BERAS
LUAS PANEN DAN KEBUTUHAN BERAS DI PROVINSI SUMATERA UTARA PADA TAHUN 2005-2013.
Kategori : TUGAS AKHIR
Nama : RIFDAH RAMADHANI DLM
Nim : 112407017
Program Studi : D3 STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Disetujui: Medan, Juni 2014
Diketahui oleh: Disetujui: Program Studi Statistika FMIPA USU Pembimbing,
Ketua,
PERNYATAAN
ANALISIS TERHADAP JUMLAH PRODUKSI BERAS, LUAS PANEN DAN
KEBUTUHAN BERAS DI PROVINSI SUMATERA
UTARA PADA TAHUN 2005-2013
TUGAS AKHIR
Saya mengaku bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dari ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2014
RIFDAH RAMADHANI DLM
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpahan dan karuniaNya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul “ANALISIS TERHADAP JUMLAH PRODUKSI BERAS, LUAS PANEN DAN KEBUTUHAN BERAS DI PROVINSI SUMATERA UTARA PADA TAHUN 2005-2013”.
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Daftar Isi iv
Daftar Tabel vi
Daftar Gambar vii
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 4
1.6 Tinjauan Pustaka 4
1.7 Metodologi Penelitian 5
1.8 Sistematika Penulisan 6
BAB 2 LANDASAN TEORI
2.1 Defenisi Analisis Regresi dan Korelasi 8 2.2 Analisis Regresi Sederhana dan Berganda 8
2.2.1 Analisis Regresi Sederhana 8 2.2.2 Analisis Regresi Berganda 10 2.3 Uji Regresi Linier Berganda 12 2.4 Analisis Korelasi Sederhana dan Berganda 14
BAB 3 SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Singkat Badan Ketahanan Pangan Provinsi Sumatera Utara 18 3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Provinsi
Sumatera Utara 19
3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan Untuk Peningkatan
Pangan 20
BAB 4 PENGOLAHAN DATA
4.1 Data dan Pembahasan 25
4.2 Analisis Korelasi Sederhana dan Berganda 27 4.3 Analisis Regresi Linier Berganda 31 4.4 Uji Persamaan Linier Berganda 32 4.5 Standard Error of Estimate 36 4.6 Uji Asumsi Dalam Model Regresi 36
4.6.1 Uji Normalitas 36
4.6.2 Heteroskedastisitas 37
4.6.3 Uji Non-Autokorelasi 38
4.7 Uji Koefisien Model Regresi Berganda 40
4.8 Uji Kelayakan Model Regresi 41
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 44
5.2 Pengertian SPSS 44
5.3 Pengolahan Data dengan SPSS 45 5.4 Analisis Regresi dan Korelasi dengan SPSS 48
BAB 6 PENUTUP
6.1 Kesimpulan 52
6.2 Saran 53
DAFTAR TABEL
Halaman
Tabel 2.1 ANOVA 13
Tabel 2.2 Tingkat Hubungan Nilai r 15 Tabel 4.1 Data Jumlah Produksi beras, Luas panen dan Kebutuhan Beras
di Provinsi Sumatera Utara Pada Tahun 2005-2013 26 Tabel 4.2 Hasil Perhitungan Analisis Regresi dan Korelasi
Tabel 4.3 Varians dan Standar Deviasi
Tabel 4.4 Analisis Varians (Anova) 34
Tabel 4.5 Model Summary 39
Tabel 4.6 Coefficients 40
DAFTAR GAMBAR
BAB 1
PENDAHULUAN
1.1Latar Belakang
Dengan berkembangnya ilmu pengetahuan dan teknologi yang sangat cepat dan pesat khususnya teknologi pengolahan data,mengharuskan perangkat dunia pendidikan untuk mempersiapkan sumber daya manusia yang mempunyai kemampuan dan berkualitas untuk dapat mengatualisasikan diri dalam menghadapi kemajuan tersebut. Dalam pelaksanaan pembangunan saat ini, ilmu statistika memegang peranan penting baik itu di dalam pekerjaan di perkantoran maupun dalam kehidupan sehari-hari, dikarenakan dalam pengolahan data, statistik mampu membantu peningkatan kreatifitas dan produktifitas.
Beras adalah bagian butir padi (gabah) yang telah dipisah dari sekam. Sekam secara anatomi disebut palea (bagian yang ditutupi) dan lemma (bagian yang menutupi). Pada salah satu tahap pemrosesan hasil panen padi, gabah digiling sehingga bagian luarnya (kulit gabah) terlepas dari isinya.Bagian isi inilah yang berwarna putih,kemerahan,ungu atau bahkan hitam, yang disebut beras.
fungsinya yang penting diperlukan perencanaan yang matang untuk mencukupi kebutuhan akan permintaan yang akan datang dari penduduk.
Masalah kebutuhan beras tidak hanya menyangkut pemenuhan akan banyaknya yang tersedia, tetapi juga menyangkut ketersediaannya untuk dapat memenuhi permintaan dari waktu ke waktu. Untuk itu diperlukan suatu indikator yang dapat menunjukkan peningkatan dan penurunan jumlah produksi beras terhadap kebutuhan yang diinginkan. Selain melihat peningkatan atau penurunan jumlah produksi beras, perlu juga dilakukan peninjauan terhadap perkembangan jumlah penduduk yang terus bertambah. Semakin bertambahnya jumlah penduduk maka kebutuhan beras akan semakin meningkat sehingga diperlukan peningkatan produksi beras.
1.2Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan di atas, maka yang menjadi masalah adalah sebagai berikut:
1. Seberapa besar hubungan (korelasi) antara jumlah produksi beras, luas panen dan kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013.
2. Seberapa besar hubungan antara jumlah produksi beras dengan jumlah kebutuhan beras di provinsi Sumatera Utara.
3. Seberapa besar hubungan antara luas panen dengan jumlah kebutuhan beras di provinsi Sumatera Utara.
1.3Batasan Masalah
dibidang Ketersediaan Pangan yaitu, jumlah produksi beras, luas panen, dan kebutuhan beras di Provinsi Sumatera Utara Medan pada tahun 2005-2013, dengan menggunakan analisis regresi dan analisis korelasi.
1.4Tujuan Penelitian
Tujuan penelitian ini adalah menganalisis pengaruh dan hubungan antara jumlah produksi beras, luas panen dan kebutuhan beras di Provinsi Sumatera Utarapada tahun 2005-2013.
Selain itu tujuan penelitian ini adalah sebagai berikut:
1. Menentukan apakah jumlah produksi beras dan luas panen mempunyai hubungan dengan kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013.
2. Mencari besarnya hubungan korelasi antara jumlah produksi beras, luas panen, dan kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013.
3. Menentukan apakah jumlah produksi beras, luas panen berpengaruh terhadap kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013.
4. Mencari bagaimana pengaruh jumlah produksi beras dan luas panen terhadap kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013.
1.5Manfaat penelitian
Manfaat dari penelitian ini adalah:
2. Memberi gambaran tentang pengaruh jumlah produksi beras, luas panen terhadap kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013.
1.6Tinjauan Pustaka
Teori penunjang yang digunakan untuk mewujudkan tulisan ini dikutip dari buku Metode dan Aplikasi Peramalan yang diterbitkan oleh Bima Pura Aksara yang mana di dalam buku tersebut disebutkan bahwa Peramalan Analisis Korelasi dan Analisis Regresi sebagai berikut:
Rumus Korelasi Sederhana:
² ²
…1.1
Rumus korelasi Ganda:
²
…1.2
Persamaan penduga regresi linier berganda adalah sebagai berikut:
Y
=b
0+ b X
i +b X i + … + bnXn…1.3
Persamaan penduga regresi linier berganda dengan dua variabel bebas adalah:
Metodologi penelitian adalah suatu cara yang digunakan untuk melaksanakan penelitian sehingga tujuan penelitian dapat diperoleh. Metodologi penelitian yang digunakan dalam tugas akhir ini adalah penelitian kuantitatif. Mengumpulkan informasi data dari Badan Ketahanan Pangan (BKP) Provinsi Sumatera Utara, dengan menggunakan metode regresi linier dan korelasi untuk memperoleh hubungan antara variabel data.
1.7.1 Sumber Data
Sumber data tugas akhir ini menggunakan data sekunder yang diperoleh dari Badan Ketahanan Pangan (BKP) Provinsi Sumatera Utara di Jalan Jend. Besar Abdul Haris Nasution No.24 Medan yaitu data jumlah produksi beras, luas panen dan kebutuhan beras pada tahun 2005-2013.
1.7.2 Analisis dan Evaluasi Data
Metode yang digunakan dalam penelitian ini adalah analisis regresi linier dan korelasi untuk menganalisis pengaruh dan hubungan antara jumlah produksi dan kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013. Pengolahan data penelitian ini menggunakan program Microsoft excel dan SPSS.
1.8Sistematika Penulisan
Adapun sistematika penulisan tugas akhir ini adalah sebagai berikut:
Dalam bab ini menjelaskan mengenai latar belakang, perumusan masalah, pembatasan 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 Ketahanan Pangan Provinsi Sumatera Utara Medan, Visi dan Misi serta Srtuktur Organisasi Badan Ketahanan Pangan Provinsi Sumatera Utara.
BAB 4: ANALISIS DATA
Bab ini menjelaskan cara menggunakan rumusan untuk memperoleh hasil penelitian.
BAB 5: IMPLEMENTASI SISTEM
Bab ini menjelaskan tentang bagaimana mengolah dan menganalisis data dengan menggunakan program excel dan SPSS.
BAB 6: KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
2.1Defenisi Analisis Regresi dan Korelasi
1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau lebih. Semakin nyata hubungan linier (garis lurus), maka semakin kuat atau tinggi derajat hubungan garis lurus antara kedua variabel atau lebih. Ukuran untuk derajat hubungan garis lurus ini dinamakan koefisien korelasi.
2. 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 (X).
2.2 Analisis Regresi Sederhana dan Berganda
2.2.1 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.
Persamaan regresi linier sederhana Y terhadap X adalah:
Y
i =α
+
β
X
i + i… 2.1
2. Model sampel (penduga) untuk regresi linier sederhana:
i = a +
b
Xi
di mana: Xi = variabel bebas (independen) Yi = variabel terikat (dependen)
a = penduga bagi intersep ( )
b = penduga bagi koefisien regresi ( β ) i = 1,2,3,…
Nilai α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga menggunakan statistik sampel. Komponen sisaan / kesalahan ( i= galat ) menunjukkan:
1. Pengaruh dari variabel yang tidak dimasukkan dalam persamaan regresi karena berbagai pertimbangan.
2. Penetapan persamaan yang tidak sempurna.
3. Kesalahan pengukuran dalam pengumpulan dan pemrosesan data.
Nilai a menunjukkan intersep (konstanta) persamaan tersebut, artinya untuk 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:
∑ ∑ ∑
∑ ∑ ²
dan
a =
∑
2.2.2
Analisis Regresi BergandaRegresi berganda adalah bentuk hubungan atau pengaruh dari dua atau lebih variabel bebas X dengan variabel terikat Y. Persamaan regresi linier berganda dari Y terhadap X adalah:
1. Model populasi berganda adalah:
Y =
α
+
β
1X
1+
β
2X
2+ … +
β
nX
n+
i…2.3
2.
Model penduga (model sampel) regresi linier ganda adalah:Y
= b
0+
b
1X
1+ b
2X
2+ … + b
nX
n…2.4
Koefisien α dan β adalah parameter yang nilainya tidak diketahui, sehingga diduga menggunakan statistik sampel. Nilai b0, b1, dan b2 akan diperoleh dari tiga
persamaan normal berikut:
∑
Y = nb
0+ b
1∑
X
1+ b
2∑
X
2∑
X
1Y = b
0∑
X
1+ b
1∑
X
1 2+ b
2∑
X
1X
2∑
X
2Y = b
0∑
X
2+ b
1∑
X
1X
2+ b
2∑
X
12Koefisien b0, b1 dan b2 dapat dihitung dengan rumus sebagai berikut:
b
0= b
1 1–
b
2 2b
1=
∑ ²ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ
b
=
∑ ²ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ∑ ²ᵢ ∑ ²ᵢ ∑ ᵢ ᵢ ²
Nilai dari b0, b1 dan b2 dari tiga persamaan normal di atas dapat juga dihitung
dengan metode matriks. Persamaan normal di atas adalah bentuk sistem persamaan linier (SPL) yang dapat diselesaikan dengan metode determinan, yaitu menggunakan aturan Crammer.
Jika AX = b merupakan suatu persamaan linier dalam k peubah, maka sistem persamaan tersebut mempunyai penyelesaian dengan metode determinan sebagai berikut:
a =
| || |
b1
=
| |
| |
…
bk
= (
| | | |
dengan
Aj
( j = 1,2, … , k) adalah matriks yang diperoleh dengan menggunakan anggota-anggota pada kolom ke-j dari matriks A dengan anggota pada matriks b.2.3 Uji Regresi Linier Berganda
Untuk mengetahui atau menguji kepastian dari persamaan regresi berganda tersebut apakah X1 dan X2 berpengaruh secara simultan dan signifikan terhadap Y dilakukan
dengan uji F.
1. Hipotesis yang diuji
H0 : β = β = 0, berarti X dan X tidak berpengaruh simultan dan signifikan terhadap
H0 : β = β ≠0, berarti antara X dan X tidak berpengaruh simultan dan signifikan
terhadap Y.
2. Pengaruh uji statistic (taraf nyata α = 5%)
∑ Yᵢ ᵢ ²
JKT
=
∑
Y²
-
∑ ²JK
reg= JKT – JK
res, JK
res+ JK
reg∑
ᵢᵢ
)² =
∑
ᵢᵢ
ᵢ
)² +
∑
ᵢᵢ
)²
di mana: JKres (Jumlah Kuadrat Residu) adalah variasi yang tidak dijelaskan. JKreg (Jumlah Kuadrat Regresi) adalah variasi yang dijelaskan. JKT (Jumlah Kuadrat Total) adalah variasi total.
F
hitung=
…2.5
Tabel 2.1 Anova
Suber Variasi JK Dk JKT F
Regresi JKreg K
Resudu JKres (n-k-1)
Total JKT n-1
Pada tingkat keyakinan 95% atau taraf nyata 5%, dengan derajat kebebasan penyebut (n-k-1). Nilai F tabel diperoleh dari daftar distribusi F.
4. Membuat Kesimpulan
1) Standart Error Estimate
Standart error atau kesalahan buku adalah angka yang digunakan untuk mengukur ketetapan suatu penduga atau mengukur jumlah variasi titik-titik observasi di atas dan di bawah regresi populasi. Karena standart error populasinya tidak diketahui, maka ₑ diduga dengan Sₑ (standart error estimate) sehingga Sₑ adalah standart deviasi yang menggambarkan variasi titik-titik di atas dan di bawah garis regresi sampel. Nilai Sₑ dapat diperoleh dengan rumus sebagai berikut:
S
ₑ
=
∑ ²…2.6
Apabila semua titik-titik observasi berada pada tepat garis regresi, berarti standart error penduga sama dengan nol. Dengan demikian standart error penduga berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam meramalkan data.
2) Variasi dan Standart Deviasi
Standart deviasi (S) adalah akar kuadrat dari variansi dan menunjukkan standar penyimpangan data dari nilai rata-rata hitungnya. Nilai (S²) menunjukkan sebaran atau fluktuasi data terhadap rata-rata hitungnya. Nilai S² dapat dihitung dengan rumus sebagai berikut:
2.4 Analisis Korelasi Sederhana dan Berganda
2.4.1 Analisis Korelasi Sederhana
Kegunaan analisis korelasi sederhana untuk mengetahui derajat hubungan antara variabel bebas X (independent) dengan variabel terikat Y (dependent).
Rumus korelasi sederhana adalah:
∑ ∑ ∑
∑ ∑ ∑ ∑
…2.8
Koefisien korelasi sederhana dilambangkan (r) adalah suatu ukuran arah dan kekuatan hubungan linier antara dua variabel bebas (X) dan variabel terikat (Y), dengan ketentuan nilai r berkisar dari harga (-1 ≤ r ≤
+
1).
Apabila nilai r = -1 artinya korelasinya negative sempurna (menyatakan arah hubungan antara X dan Y adalah negative dan sangat kuat), r = 0 artinya tidak ada korelasi, r = 1 berarti korelasinya sangat kuat dengan arah yang positif. Sedangkan arti harga r akan dijelaskan pada tabel berikut:Tabel 2.2 Tingkat Hubungan Nilai r
Interval Koefisien Tingkat Hubungan
0,800 – 1,000 0,600 – 0,799 0,400 – 0,599 0,200 – 0,399 0,000 – 0,199
Sangat Kuat Kuat
Cukup Kuat Rendah
Besar kecilnya sumbangan nilai variabel X terhadap Y dapat ditentukan dengan rumus koefisien determinasi sebagai berikut:
R² = r² x 100%
di mana: R² = nilai koefisien determinasi r = nilai koefisien korelasi
Pengujian signifikansi berfungsi apabila penelitian 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
H = Variabel X tidak berhubungan secara signifikan dengan variabel Y
Dasar Pengambilan Keputusan:
1. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig
atau (0,05 ≤ sig), maka H0 diterima dan H ditolak, artinya tidak signifikan.
2. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig
atau (0,05 sig), maka H0 ditolak dan H diterima, artinya signifikan.
2.4.2 Analisis Korelasi berganda
Rumus korelasi berganda yaitu:
²
…2.9
Selanjutnya untuk mengetahui signifikan korelasi ganda dibandingkan antara nilai probabilitas 0,05 dengan nilai probabilitas sig sebagai berikut:
Hipotesis:
H0 = Variabel X dan X berhubungan secara simultan dan signifikan terhadap variabel
Y.
H = Variabel X dan X tidak berhubungan secara simultan dan signifikan terhadap variabel Y.
Dasar Pengambilan Keputusan:
1. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig
atau (0,05 ≤ sig), maka H0 diterima dan H ditolak, artinya tidak signifikan.
2. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Singkat Badan Ketahanan Pangan Provinsi Sumatera Utara
Badan Ketahanan Pangan Provinsi Sumatera Utara adalah lembaga pemerintah yang didirikan pada tanggal 16 Mei 2000 yang beralamat di Jalan Jendral Besar Abdul Haris Nasution No.24 Medan.
Kantor Badan Ketahanan Pangan Provinsi Sumatera Utara Medan berlandaskan pada visi dan misi sebagai berikut:
1. Visi
Terwujudnya ketahanan pangan masyarakat yang berbaris kepada sumber daya lokal yang dimiliki secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan sejahtera.
2. Misi
a. Meningkatkan pemberdayaan dan kemandirian masyarakat untuk mewujudkan ketahanan pangan yang berbaris sumber daya local yang dimiliki.
3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Provinsi Sumatera
Utara
Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Provinsi Sumatera Utara, Medan adalah:
1. Menyiapkan bahan dalam perumusan kebijakan teknis dlam lingkup ketahanan pangan.
2. Menyelenggarakan evaluasi dan pengkajian ketahanan pangan, pembinaan, kewaspadaan dan gizi serta pembinaan penyeragaman konsumsi pangan sumber daya dalam ketahanan pangan.
3. Melaksanakan tugas lain yang terkait dengan ketahanan pangan sesuai dengan ketetapan Kepala Daerah.
4. Mengkoordinasikan perumusan kebijakan dan perencnaan program peningkatan ketahanan pangan daerah yang meliputi aspek-aspek sebagai berikut:
a. Aspek ketersediaan yang bersumber dari produksi, cadangan dan import.
b. Aspek distribusi yang berbasis kepada stabilitas harga pangan, aman dan terjangkau.
c. Aspek konsumsi yang berbasis kepada penganekaragaman konsumsi non beras, bermutu/ bergizi dan aman.
5. Mengkoordinasikan monitoring program peningkatan ketahanan pangan melalui Rapat Dewan Ketahanan Pangan dan Rapat Pokja guna mengantisipasi dan memecahkan masalah yang dihadapi melalui hal-hal sebagai berikut:
a. Monitoring pelaksanaan kegiatan tani.
c. Monitoring harga bahan pangan strategi dan lokal.
d. Monitoring pengadan / penyiapan / penyaluran cadangan pangan. e. Monitoring daerah rawan pangan.
f. Monitoring kewaspadaan pangan (bencana alam dan gangguan OPT). g. Monitoring penganekaragaman konsumsi bahan pangan.
h. Monitoring mutu dan keamanan pangan. i. Supervisi yang terkoordinasi ke lapangan.
6. Melaksanakan pengkajian, analisis dan pembinaan terhadap aspek-aspek ketahanan pangan (ketersediaan, distribusi, penganekaragaman konsumsi dan kewaspadaan atau keamanan pangan).
7. Memantau dan mengendalikan ketersediaan dan distribusi bahan pangan, terutama Sembilan bahan pokok pangan.
8. Mengkoordinasikan pelaporan dan evaluasi program peningkatan ketahanan pangan yang meliputi aspek ketersediaan, mutu dan keamanan pangan.
3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan untuk Peningkatan
Pangan
Kebijakan Kantor Badan Ketahanan Pangan untuk peningkatan pangan meliputi berbagai aspek diantaranya adalah:
1. Kebijakan dalam aspek ketahanan pangan:
ekstensivikasi, diversivikasi dan rehabilitasi dengan 8 (delapan) langkah kegiatan utama yaitu:
a. Pemberdayaan kelompok tani dan kelembagaan kelompok ekonomi petani (KUD, Kotan dan lain-lain).
b. Pemantapan penyediaan dan penyaluran sarana produksi (benih, pupuk, obat-obatan dan alsintan).
c. Penyediaan dan penyaluran kredit modal. d. Peningkatan mutu teknologi.
e. Peningkatan kinerja penyuluh.
f. Mengembangkan kemitraan dalam pemasaran hasil. g. Peningkatan mutu koordinasi.
h. Peningkatan dan pengembangan jaringan irigasi.
2. Perlu menata ulang kembali mekanisme/ tata cara pengadaan dan penyaluran pupuk yang sudah ada secara terkoordinasi dengan pemerintah daerah sehingga pupuk betul-betul tersedia di tengah-tengah petani yang memenuhi prinsip 6 (enam) tepat.
3. Tingkat ketersediaan bahan pangan yang bersumber dari produksi local harus diupayakan secara bertahap mencapai titik ideal yang sesuai dengan tingkat kebutuhan dan jika terjadi kelebihan (surplus) diprioritaskan untuk perdagangan antar provinsi maupun eksport.
5. Untuk memantapkan ketersediaan gula pemerintah dihimbau untuk memberikan kepercayaan kepada pemerintah daerah untuk melaksanakan import gula melalui importer daerah sehingga lebih memudahkan dalam pengawasan.
2. Kebijakan dalm aspek distribusi:
1. Mengembangkan kerja sama jaringan distribusi dan informasi pangan dalam daerah dan antar daerah untuk mewujudkan ketersediaan dan stabilitas harga. 2. Peningkatan efisiensi kelancaran distribusi bahan pangan melalui reformasi
berbagai peraturan yang menghambat lalulintas perdagangan, pengembangan saranan dan prasarana distribusi serta pelayanan teknologi pasca panen.
3. Peningkatan kemampuan masyarakat dan pemerintah daerah dalam menstabilkan harga bahan pangan antar waktu maupun antar wilayah.
4. Penguatan yang bukan saja antar provnsi tetapi juga eksport serta mengembangkan kemitraan pemasaran hasil.
3. Kebijakan dalam aspek penganekaragaman konsumsi:
1. Melakukan upaya-upaya diversifikasi konsumsi pangan yang beragam, bergizi dan berimbang serta aman, sesuai dengan kondisi dan situasi daerah, dengan mengutamakan sumber pangan local untuk mencegah ketergantungan terhadap satu jenis pangan tertentu sesuai dengan Pola Pangan Harapan (PPH).
2. Penurunan konsumsi beras sebagai bahan pangan pokok masyarakat.
3. Peningkatan penganekaragaman konsumsi bahan pangan yang seimbang baik jenis nabati, atau hewani maupun mutu dan gizi.
1. Melaksanakan pengamatan dini kerawanan pangan serta mengembangkan cadangan pangan daerah untuk mengantisipasi kondisi darurat (bencana alam, kerawanan pangan kronis dan lain-lain) yang mampu memenuhi kebutuhan masyarakat dalam 3 (tiga) bulan.
2. Peningkatan kemampuan fungsi Sistem Kewaspadaan Pangan dan Gizi (SKPG). 3. Peningkatan keberdayaan masyarakat miskin yang berada dalam kondisi
kerawanan pengan kronis serta pengembangan jaringan pengamatan pangan bagi kelompok rawan pangan transien (mendadak) karena bencana alam dan sosial. 4. Peningkatan pengembangan keamanan mutu dan gizi pangan.
5. Kebijakan dalam upaya pengentasan kemiskinan:
1. Mengurangi jumlah penduduk yang kelaparan sekurang-kurangnya 1% per tahun dimulai tahun 2005 sebagai komitmen Indonesia dalam deklarasi Roma Tahun 1996 pada KTT Pangan Dunia melalui Pembangunan Ketahanan Pangan di pedesaan dan perkotaan.
2. Mengembangkan desa mandiri pangan dan menggalang sumber-sumber dana masyarakat yang memadai yang dimulai pada tahun 2005.
6. Kebijakan dalam pemberdayaan masyarakat dalam ketahanan pangan:
BAB 4
PENGOLAHAN DATA
4.1Data dan Pembahasan
Data merupakan alat untuk mengambil suatu keputusan atau untuk memecahkan suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan/permasalahan.
Tabel 4.1: Data Jumlah Produksi Beras, Luas Panen dan Kebutuhan Beras di
Propinsi Sumatera Utara Pada Tahun 2005-2013
Periode Tahun Produksi Beras (dalam ribuan ton)
Luas Panen (Ha)
Kebutuhan beras (dalam ribuan
ton)
1 2005 3.447,39 822,07 1.686,91
2 2006 3.007,63 705,02 1.730,26
3 2007 3.265,83 750,23 1.756,38
4 2008 3.340,79 748,54 1.784,84
5 2009 3.527,90 768,41 1.810,01
6 2010 3.582,30 754,67 1.835,52
7 2011 3.607,40 757,55 1.861,40
8 2012 3.715,51 765,10 1.887,64
9 2013 3.727,25 742,97 1.914,26
Tabel 4.2 Hasil Perhitungan Analisis Regresi dan Korelasi
Periode X X Y X ²
1 3.447,39 822,07 1.686,91 11.884.525,39
2 3.007,63 705,02 1.730,26 9.045.874,31
3 3.265,83 750,23 1.756,38 10.665.671,72
4 3.340,79 748,54 1.784,84 11.160.904,55
5 3.527,90 768,41 1.810,01 12.446.071,35
6 3.582,30 754,67 1.835,52 12.832.887,62
7 3.607,40 757,55 1.861,40 13.013.356,40
8 3.715,51 765,10 1.887,64 13.805.044,28
9 3.727,25 742,97 1.914,26 13.892.385,11
Jumlah 31.222,03 6,814.56 16.267,22 108.746.720,74
SambunganTabel 4.2 Hasil Perhitungan Analisis Regresi dan Korelasi
X ² Y² X Y X Y X X
675.804,02 2.845.651,85 5.815.429,62 1.386.759,88 2.834.009,53
497.057,43 2.993.806,59 5.203.998,28 1.219.874,51 2.120.452,56
562.848,05 3.084.884,76 5.736.058,58 1.317.695,48 2.450.133,17
560.312,13 3.185.657,40 5.962.786,10 1.336.024,88 2.500.717,94
590.449,32 3.276.118,10 6.385.514,83 1.390.820,51 2.710.862,29
569.532,85 3.369.144,68 6.575.397,71 1.385.221,48 2.703.470,18
573.877,46 3.464.813,68 6.714.823,55 1.410.098,74 2.732.777,32
585.376,48 3.563.199,87 7.013.567,71 1.444.234,54 2.842.736,05
552.001,45 3.664.379,86 7.134.912,49 1.422.231,69 2.769.226,74
Tabel 4.3 Varians dan Standar Deviasi
Y X X
2005 1.686,91 1.807,47 -120.56 14.534,71 3.447,39 822,07 1.691,985 -5.07 25,75 2006 1.730,26 1.807,47 -77.21 5.961,38 3.007,63 705,02 1.735,128 -4.87 23,69 2007 1.756,38 1.807,47 -51.09 2.610,18 3.265,83 750,23 1.748,854 7.53 56,63 2008 1.784,84 1.807,47 -22.63 512,11 3.340.79 748,54 1.777,448 7.39 54,64 2009 1.810,01 1.807,47 2,54 6,45 3.527,9 768,41 1.808,81 1.20 1,44 2010 1.835,52 1.807,47 28,05 786,80 3.582,3 754,67 1.850,345 -14.83 219,79 2011 1.861,4 1.807,47 53,93 2.854,51 3.607,4 757,55 1.854,196 7.20 51,9 2012 1.887,64 1.807,47 80,17 6.427,22 3.715,51 765,1 1.878,845 8.79 77,35 2013 1.914,26 1.807,47 106.79 11.404,10 3.727,25 742,97 1.919,642 -5.38 28,96
Jumlah 16.267,22 16.267,23 -0.01 1.484.033,75 31.222,03 6.814,56 16.265,25 1,97 540,16 Tabel 4.3 Varians dan Standar Deviasi
Tahun Standar Deviasi Produksi Standar Deviasi Produksi
( Y ‐ ) (Y ‐ )² (Y‐ ) (Y‐ )²
X X
2005 3.447,39 3.469,11 -21.72 471,95 822,07 757,17 64.90 4.211,58 2006 3.007,63 3.469,12 -461.48 212.967,90 705,02 757,17 -52.15 2.719,97 2007 3.265,83 3.469,13 -203.28 41.324,57 750,23 757,17 -6.94 48,21 2008 3.340.79 3.469,14 -128.32 16.467,16 748,54 757,17 -8.63 74,53 2009 3.527,9 3.469,15 58.79 3.455,74 768,41 757,17 11.24 126,26 2010 3.582,3 3.469,16 113.19 12.810,97 754,67 757,17 -2.50 6,27 2011 3.607,4 3.469,17 138.29 19.122,89 757,55 757,17 0.38 0,14 2012 3.715,51 3.469,18 246.40 6.071,77 765,1 757,17 7.93 62,83 2013 3.727,25 3.469,19 258.14 66.633,97 742,97 757,17 -14.20 201,73
Jumlah 31.222,03 31.222,04 0,03 433.965,91 6.814,56 6.814,56 0,00 7.451,53
Tahun Standar Deviasi Produksi Standar Deviasi Produksi
Tabel 4.3 Varians dan Standar Deviasi
4.2Analisis Korelasi Sederhana dan Berganda
Rumus koefisien korelasi sederhana
:
r
xy=
∑ ∑ ∑∑ ∑ ∑ ∑
Rumus koefisien korelasi ganda:
R
x .x .Y =
Dari (Tabel 4.2) diperoleh):
n = 9
∑X = 31.222,03 ∑X ² = 108.746.720,74 ∑X Y = 56.542.488,88
∑X = 6.814,56 ∑X ² = 5.167.259,18 ∑X Y = 12.312.916,72
∑Y = 16.267,22 ∑Y² = 29.447.656,79 ∑X X = 23.664.385,77
Koefisien Korlasi Antara X dan Y
∑ ∑ ∑
∑ ∑ ∑ ∑
=
. ,. . , . ,
=
. ,. . ,
=
0,7832
=
0,7832 adalah koefisien korelasi antara X dan Y. Hal ini menunjukkan bahwa arah hubungan antara X dan Y positif sebesar 0,7832 dan mempunyai hubungan yang kuat.Koefisien Korelasi Antara X dan Y
=
∑ ∑ ∑∑ ∑ ∑ ∑
=
. . , . , . ,. . , , . . . , . ,
=
. ,. , . ,
=
. ,. ,
=
-0,2258 adalah koefisien korelasi antara X dan Y. Hal ini menunjukkan bahwaarah hubungan antara X dan Y negatif sebesar -0,2258 dan mempunyai hubungan yang sangat rendah.
Koefisien Korelasi Antara X dan X
=
∑ ∑ ∑∑ ∑ ∑ ∑
. . , . , . ,
. . , . , ² . . , . , ²
=
. ,. . , . ,
=
. ,. ,
= 0,4201
= 0,4201
adalah koefisien korelasi antara X dan X . Hal ini menunjukkanKoefisien Korelasi Antara X X dan Y
.
=
=
, , , , ,,
=
, ,
,
=
, ,=
√ ,
.
=
0,9936
.
=
0,9936
adalah koefisien korelasi ganda (R). Hal ini menunjukkan bahwa4.3 Analisis Regresi Linier Berganda
Persamaan regresi linier berganda Y atas
X , X , …, X
n akan ditaksir oleh:= b
0+
b X
+
b X
+ … +
bnXn.
Penaksiran untuk persamaan regresi linierberganda untuk dua variabel bebas adalah
= b
0+
b X
+
b X
.
Nilai b0, b dan bakan diperoleh dari tiga persamaan normal berikut: ∑Y = nb0 + b1∑X + b2∑X
∑X Y = b0∑X + b ∑X ² + b ∑X X
∑X Y = b0∑X + b ∑X X + b ∑X ²
Kita dapat subtitusikan nilai-nilai yang bersesuaian, sehingga diperoleh persamaan:
16.267,22 = 9b0 + 31.222,03b1+ 6.814,56b2
b0 = 1.871,541
56.542.488,88 = 1.871,541(31.222,03) + 108.746.720,74b1 +23.664.385,77b2
b1 = 0,344
12.312.961,72 = 1.871,541(6.814,56) + 0,344(23.664.385,77) +108.746.720,74b2
Setelah persamaan di atas diselesaikan, maka didapat koefisien: b0 = 1.871,541
b1 = 0,344
b2 = -1,661
Dengan demikian diperoleh persamaan regresi linier berganda:
b
.
,
,
,
Konstanta sebesar 1.871,541 menyatakan bahwa jika tidak ada kenaikan nilai dari variabel jumlah produksi beras (X ) dalam luas panen (X ) maka nilai kebutuhan beras adalah 1.871,541 juta ton. Koefisien regresi berganda sebesar 0,344 dan -1,661menyatakan bahwa setiap pengurangan dan penambahan satu skor, maka nilai jumlah produksi beras dan luas panen akan memberikan penambahan dan pengurangan masing-masing sebesar 0,344 dan -1,661.
4.4Uji Persamaan Linier Berganda
1. Hipotesis yang di uji
H0 : β = β = 0, berarti antara jumlah produksi beras (X ) dan luas panen (X ) tidak
berpengaruh simultan dan signifikan terhadap kebutuhan beras (Y) di Provinsi Sumatera Utara.
H0 : β = β ≠ 0, berarti antara jumlah produksi beras (X ) dan luas panen (X )
berpengaruh simultan dan signifikan terhadap kebutuhan beras (Y) di Provinsi Sumatera Utara.
2. Taraf nyata (α = 5%)
3. Kriteria Pengujian
H0 diterima jika Fhit ≤Ftabel
H
0ditolak jikaF
hitF
tabel 4. Perhitungan Uji Statistik∑ Yᵢ ᵢ ²
JKT
=
∑
Y²
-
∑ ²JK
reg= JKT – JK
res, JK
res+ JK
regMaka dapat dihitung:
∑ Yᵢ ᵢ ²
= 540,16
= 29.447.656,79 - . , ²
= 29.447.656,79 - , , ,
= 29.447.656,79 – 29.402.494,06
JKT
= 45.162,73JK
reg= JKT – JK
res= 45.162,73 – 540,16 = 44.622,57
F =
=
=
. ,
Tabel 4.4 Analisis Varians (Anova)
Suber Variasi JK dk JKT F
Regresi 44.622,57 2 22.311,29
,
Resudu 540,16 6 90,03
Total 45.162,7323 8
5. Kriteria Pengujian
1.
H
0 diterima jikaF
hitF
tabelPada tingkat keyakinan sebesar 95% atau taraf nyata atau kesalahan 5% dengan derajat kebebasan pembilang (k) = 2 dan derajat bebas penyebut (n-k-1) = 6, maka diperoleh f tabel = 5,14 untuk α = 5% (dilihat dari tabel distribusi F). Dengan demikian diperoleh bahwa Fhit ≤Ftabel = 247,391 5,14. Maka H0 diterima.
Dapat dinyatakan bahwa antara jumlah produksi beras (X ) dan luas panen (X ) tidak berpengaruh secara simultan dan signifikan terhadap kebutuhan beras (Y) di Provinsi Sumatera Utara.
2.
H
0 ditolak jikaFhit
Ftabel
Pada tingkat keyakinan sebesar 95% atau taraf nyata atau kesalahan 5% dengan derajat kebebasan pembilang (k) = 2 dan derajat bebas penyebut (n-k-1) = 6, maka diperoleh f tabel = 5,14 untuk α = 5% (dilihat dari tabel distribusi F). Dengan demikian diperoleh bahwa Fhit Ftabel = 247,391 5,14. Maka H0 ditolak.
4.5 Standard Error of Estimasi (Kesalahan Baku Persamaan Regresi Linier
Berganda)
S
e=
∑ ²=
,9,4882657
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 jumlah kebutuhan adalah sebesar 9,4882657 ton.
4.6 Uji Asumsi Dalam Model Regresi
4.6.1 Uji Normalitas
Gambar 4.1 Normal P-P Plot of Regression Standardized Residual
4.6.2 Heteroskedastisitas
Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Kriterianya adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur maka terjadi heteroskedastisitas.
Gambar 4.2 Regression Standardized Pradicted Value
Dapat dilihat bahwa dari plot gambar 4.2 di atas sebaran datar sekitar nilai nol secara acak dan tidak membentuk pola tertentu sehingga mengindikasikan bahwa tidak terjadi heteroskedastisitas dalam model regresi.
4.6.3 Uji Non – Autokorelasi
Konsekuensi adanya autokorelasi dalam suatu model regresi adalah varians sampel yang tidak dapat menggambarkan varians populasinya. Selain itu model regresi yang dihasilkan tidak dapat digunakan untuk menaksirkan nilai variabel dependen (Y) pada nilai variabel independen tertentu (X). Untuk mendianogsis adanya autokorelasi dalam suatu model regresi dilakukan pengujian terhadap nilai uji Dorbin Waston (DW).
Tabel 4.5 Model Summary
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .994a .988 .984 9.49535 2.103
a. Predictors: (Constant), Luas_Panen, Produksi_Beras
b. Dependent Variable: Kebutuhan_Beras
4.7 Uji Koefisien Model Regresi Berganda
Tabel 4.6 Coefficients
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 1871.541 85.013 22.015 .000
Produksi_Beras .344 .016 1.067 21.662 .000
Luas_Panen -1.661 .121 -.674 -13.695 .000
a. Dependent Variable: Kebutuhan_Beras
Berdasarkan tabel 4.6 koefisien di atas diperoleh bentuk estimasi persamaan model regresi linier berganda = 1871,541 + 0,344X – 1,661X . Model ini untuk menjelaskan keterkaitan atau pengaruh X dan X terhadap Y. Jika nilai sig < 0,05 maka variabel X dan X memiliki pengaruh yang signifikan terhadap Y, artinya kedua variabel bebas X1 dan X2 secara sendiri-sendiri berpengaruh secara signifikan terhadap
Y.
Analisis koefisien regresi secara sendiri-sendiri signifikan atau tidak digunakan uji sebagai berikut:
3. Hipotesis yang diuji
H0: koefisien regresi tidak signifikan
H1: koefisien regresi signifikan
t
i=
ᵢᵢt
1=
,,
= 21,5
t =
,,
= -13,7272
Nilai
t
tabel=t
(n-k-1);(α)= t
(6;0,05)= 2,45Jika
t
hitung> t
tabel maka H0 ditolak dan jikat
hitung≤
t
tabel maka H0 diterima. Darihasil diatas maka koefisien regresi yang signifikan hanya koefisien regresi.
4.8 Uji Kelayakan Model Regresi (Uji F)
[image:50.595.98.505.575.709.2]Uji kelayakan berarti untuk melihat apakah model yang digunakan dapat menjelaskan variabel Y, maka tabel ANOVA adalah pengujian apakah model = 1871,541 + 0,344X – 1,661X dapat digunakan untuk menjelaskan nilai variabel Y. Pengujian yang digunakan dengan menyatakan bentuk hipotesis sebagai berikut:
Tabel 4.7 ANOVAb
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 44610.464 2 22305.232 247.391 .000a
Residual 540.970 6 90.162
Total 45151.435 8
a. Predictors: (Constant), Luas_Panen, Produksi_Beras
Hipotesis yang diuji:
H0 : β = β = 0, (model tidak memiliki kelayakan)
H1 : β = β ≠ 0, (model memiliki kelayakan)
Uji kelayakan model dapat dilihat pada nilai sig Regression sebesar 0,000 ≤ 0,05 berarti H0 ditolak, artinya model regresi linier.
= 1871,541 + 0,344X – 1,661X memiliki kelayakan untuk digunakan menjelaskan variabel Y. Uji kelayakan model regresi dapat juga dengan membandingkan
F
hitung denganF
tabel. Dengan α = 5% dk pembilang = 2, dk penyebut = 6, maka diperoleh Ftabel= 5,14. Karena Fhit > Ftabel = 247,391 > 5,14 maka H0 ditolak. Hal ini menunjukkan
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah penerapan hasil desain tertulis dalam programming dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun prosedur untuk menyelesaikan desain sistem, yang mana dalam hal ini implementasi sistem digunakan untuk menganalisa data-data yang dianggap mempengaruhi hasil produksi kelapa sawit di PT. Perkebunan Nusantara IV Kebun Laras. Pengolahan data pada tugas akhir ini menggunakan software SPSS.
5.2 Pengertian SPSS
SPSS (Statistical Product and Service Solution) merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien, dengan hasil perhitungan yang akurat.
SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stamford University pada tahun 1968 dan dioperasionalkan pada komputer mainframe. Seiring dengan perkembangan software ini, SPSS sudah mampu memproses data statistik pada berbagai bidang ilmu sosial maupun non sosial. Program ini dapat dioperasikan dalam sistem
5.3 Pengolahan Data dengan SPSS
1) Memulai SPSS pada Windows sebagai berikut:
Pilih menu Start dari Windows
Selanjutnya pilih menu Program
[image:53.595.100.498.221.447.2] Pilih SPSS Statistics 17
Gambar 5.1 Tampilan Pengaktifan SPSS 17,0
2) Memasukkan Data ke dalam SPSS
SPSS data editor mempunyai 2 tipe lingkungan kerja yaitu: Data View dan Variabel View. Untuk menyusun definisi posisi tampilan SPSS data editor harus berada pilih
Pada tampilan jendela Variabel View terdapat kolom-kolom berikut:
Name : untuk memasukkan nama variabel yang akan diuji
Type : untuk mengidentifikasikan tipe variabel apakah bersifat numeric/string
Width : untuk menuliskan panjang pendek variabel
Decimals : untuk menuliskan jumlah desimal dibelakang koma
Label : untuk menuliskan label variabel
Value : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan scale
Missing : untuk menuliskan ada tidaknya jawaban kosong
Columns : untuk menuliskan lebar kolom
Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau angka data view
Measure : untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal atau scale
3) Pengisian Variabel
Letakkan pointer pada baris pertama di bawah name:
Type : pilih numeric karena data dalam bentuk angka
Width : untuk keseragaman ketik 8
Decimal : Isi sesuai data yang pada table 4.1.1
Label : tidak perlu diisi
Value and Missing: abaikan karena data tidak dikategorisasikan
Align : pilih center
Measure : pilih nominal
Begitu seterusnya untuk mengisi X1, X2 dengan Name dan Label yang sesuai dengan
Variabel yang dimaksudkan.
[image:55.595.99.498.452.681.2]Tampilan adalah sebagai berikut:
4) Pengisian Data
1. Aktifkan jendelan dengan mengklik Data View
2. Ketikkan data yang sesuai dengan setiap variabel yang telah didefinisikan pada
Variabel View
[image:56.595.100.498.273.495.2]Tampilan adalah sebagai berikut:
Gambar 5.4 Tampilan Pengisian Data pada Data View
5.4 Analisis Regresi dan Korelasi dengan SPSS
Langkah-langkah sebagai berikut:
1. Lampirkan lembar kerja dimana sudah terdapat data yang akan dianalisis
2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression dan klik
Gambar 5.5 Tampilan Menu Analyze, Regression, Linier
Gambar 5.6 Tampilan pada Linier Regression
4. Klik kotak Statistics pada kotak dialog Linier Regression, kemudian aktifkan
[image:58.595.99.497.224.444.2]Estimate, Model Fit, Descriptive dan Partial Correlation lalu klik Continue untuk melanjutkan seperti pada gambar berikut:
Gambar 5.7 Tampilan pada Linier Regression Statistics
Gambar 5.8 Tampilan pada Linier Regression Statistics
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil analisis dan evaluasi data pada bab sebelumnya, maka dapat disimpulkan sebagai berikut:
1. Jumlah produksi beras dan luas panen mempunyai hubungan dengan jumlah kebutuhan beras di Provinsi Sumatera Utara pada tahun 2005-2013.
2. Besarnya hubungan antara jumlah produksi beras dengan jumlah kebutuhan beras di Provinsi Sumatera Utara sebesar 0,7832 sedangkan jumlah produksi beras terhadap jumlah kebutuhan beras di Provinsi Sumatera Utara sebesar (0,7832)² x 100% = 61,34%. Artinya jumlah kebutuhan beras dijelaskan oleh jumlah produksi beras sebesar 61,34% .
3. Besarnya hubungan antara luas panen dengan jumlah kebutuhan beras di Provinsi Sumatera Utara sebesar -0,2258, sedangkan jumlah produksi beras terhadap jumlah kebutuhan beras di Provinsi Sumatera Utara sebesar (-0,2258)² x 100% = 5,098%. Artinya jumlah kebutuhan beras dijelaskan oleh jumlah produksi beras sebesar 5,098%.
4. Besarnya hubungan antara jumlah produksi beras dan luas panen di Provinsi Sumatera Utara sebesar 0,4201
jumlah kebutuhan beras dijelaskan oleh jumlah produksi beras dan luas panen sebesar 98,72.
6. Model persamaan regresi dapat digunakan untuk menjelaskan nilai variabel Y sehingga model tersebut memiliki kelayakan untuk digunakan menjelaskan variabel Y.
6.2 Saran
1. Dalam meningkatkan kebutuhan dari jumlah kebutuhan beras di Provinsi Sumatera Utara tidak hanya dipengaruhi oleh jumlah produksi beras saja, melainkan ada juga faktor lain seperti mutu, kualitas beras, harga beras dan lainnya. Oleh karena itu diharapkan agar memperhatikan faktor-faktor lain yang tidak dijelaskan dalam penelitian ini.
DAFTAR PUSTAKA
1. J.Supranto. 2001. Statistik teori dan aplikasi. Edisi 6. Jakarta : Erlangga 2. Hasan, M.I 1996. Pokok materi statistik I (statistic deskriptif). Edisi ke-1
Jakarta : Bumi Aksara.
3. Hasan, M.I 1996 Pokok materi statistik I (statistic deskriptif). Edisi ke-2 Jakarta : Bumi Aksara.
4. Sudjana. 1992. Metode Statistika. Bandung : Tarsito
5. Sugiyono. 1999. Metode Penelitian Bisnis. Bandung : Alfabeta