PERSETUJUAN
Judul : Faktor-Faktor Yang Mempengaruhi Produk Domestik Regional Bruto (PDRB) Di Kota Medan
Kategori : Tugas Akhir
Nama : Diyah Puspita Sari
Nomor Induk Mahasiswa : 112407062 Program Studi : D3 Statistika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Disetujui di Medan, Juli 2014
Disetujui oleh
Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,
PERNYATAAN
FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DI KOTA MEDAN
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2014
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha
Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan
Tugas Akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Produk
Domestik Regional Bruto (PDRB) Di Kota Medan.
Terimakasih penulis sampaikan kepada Bapak Prof. Dr. Saib Suwilo, M.Sc
selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas
akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3
Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan Ibu Dr.
Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA
USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan,
seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai
FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada
Ayahanda Ir. Mariono Hendro Wibowo dan Ibunda Susi Lawati serta keluarga
yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga
DAFTAR ISI
1.6. Lokasi dan Waktu Penelitian 4
1.7. Tinjauan Pustaka 4
1.8. Sistematika Penulisan 6
BAB 2. Landasan Teori 8
2.1. Pengertian Analisis Regresi 8
2.2. Persamaan Regresi 9
2.3. Regresi Linier Berganda 9
2.4. Membentuk Persamaan Regresi Linier Berganda 11
2.5. Kesalahan Standart Estimasi 13
2.6. Koefisien Determinasi 13
2.7. Koefisien Korelasi 14
2.8. Uji Regresi Linier Berganda 16
2.9. Uji Koefisien Regresi Berganda 18
BAB 3. Pengolahan Data 19
3.1. Data dan Pembahasan 19
3.2. Membentuk Persamaan Regresi Linier Berganda 21
3.3. Koefisien Determinasi 23
3.4. Koefisien Korelaasi 23
3.5. Uji Regresi Linier Berganda 24
3.6. Uji Koefisien Regresi Berganda 26
3.6.2. Pengaruh Sektor Industri Pengolahan (X1) Terhadap 27
PDRB (Y)
3.6.3. Pengaruh Sektor Industri Pengolahan (X1) Terhadap 28
PDRB (Y)
BAB 4. Kesimpulan Dan Saran 30
4.1. Kesimpulan 30
4.2. Saran 31
Daftar Pustaka
DAFTAR TABEL
Nomor Judul Halaman
Tabel
2.1 Interpretasi Koefisien Korelasi Nilai r 16
3.1. Data Pendapatan di Sektor Pertanian, Industri 19 Pengolahan, Perdagangan dan Pendapatan Regional
Kota Medan Tahun 2002-2012
3.2 CoefficientsaUntuk Menentukan Persamaan Regresi 22 Linier Berganda
3.3 Model Summary untuk Menentukan Koefisien Determinasi 23 3.4 Correlations untuk Menentukan Koefisien Korelasi 23
DAFTAR GAMBAR
Nomor Judul Halaman
Gambar
3.1 Tampilan Kotak Dialog Linier Regression 20
3.2 Tampilan Jendela Statistik Regresi Linier 21
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Pendapatan regional didefinisikan sebagai nilai produksi barang-barang dan
jasa-jasa yang diciptakan dalam suatu perekonomian di dalam suatu wilayah selama
satu tahun (Sukirno, 1985). Tingkat pendapatan dapat diukur dari total pendapatan
wilayah maupun pendapatan rata-rata masyarakat pada wilayah tersebut. Salah
satu indikator penting untuk mengetahui kondisi suatu daerah dalam suatu periode
tertentu adalah data Produk Domestik Regional Bruto (PDRB), baik atas dasar
harga berlaku maupun atas dasar harga konstan.
Produk domestik regional bruto (PDRB) adalah produksi yang dihasilkan
penduduk di daerah tertentu dalam jangka waktu satu tahun. PDRB merupakan
salah satu indikator keberhasilan pembangunan ekonomi (Untoro dkk, 2004).
Perhitungan/penyusunan publikasi PDRB bertujuan untuk mengetahui gambaran
ekonomi makro secara sektoral sebagai hasil pelaksanaan pembangunan
khususnya pembangunan bidang ekonomi di kota Medan yang sangat diperlukan
oleh pemerintah maupun kalangan lainnya. PDRB juga merupakan tujuan
perhitungan pendapatan regional. Dengan tersedianya pendapatan regional secara
berkala kita dapat mengetahui seberapa besar tingkat pertumbuhan ekonomi suatu
daerah, tingkat kemakmuran suatu daerah, tingkat inflasi dan deflasi, dan
Dalam PDRB terdabat beberapa sektor yang mempengaruhi, antara lain
sektor Pertanian, Pertambangan, Listrik , Gas & Air Minum, Bangunan, Industri
pengolahan, Perdagangan, Hotel dan Restoran, Pengangkutan & Komunikasi,
Keuangan, Persewaan dan Jasa, dan Jasa-jasa. Di Sumatera Utara kontribusi
sektor pertanian (terutama perkebunan) terhadap PDRB cukup besar yakni sekitar
37 persen, diikuti oleh sektor perdagangan dan industri yang masing-masing
sekitar 17 persen (Wiranta, 1996). Melihat keadaan yang ada, penulis mengambil
3 variabel yang dijadikan sandaran untuk melihat faktor-faktor yang paling
berpengaruh terhadap PDRB kota Medan.
Untuk mengetahui apakah sektor pertanian, industri pengolahan dan
perdagangan mempengaruhi pendapatan regional di daerah kota Medan maka
penulis mengusulkan judul tugas akhir yaitu “Faktor-Faktor Yang Mempengaruhi Produk Domestik Regional Bruto (PDRB) Di Kota Medan”.
Penulis menggunakan teknik analisis regresi linier untuk melihat seberapa
besar pengaruh PDRB di kota Medan. Di beberapa literatur yang ada, khususnya
buku-buku yang berkenaan dengan statistik, regresi linier menyatakan perubahan
itu disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel
tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan
oleh variabel lain diperlukan alat analisis yang memungkinkan kita untuk
membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang
mempengaruhinya. Dalam ilmu statistika, teknik yang umum digunakan untuk
menganalisis hubungan antara dua atau lebih variabel adalah adalah analisis
analisis regresi menggunakan persamaan regresi hingga didapat sebuah
kesimpulan yang dapat diinterpretasikan mengenai masalah yang diidentifikasi.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah di atas, perumusan masalah penelitian adalah
mencari seberapa besar nilai pengaruh dan mana yang lebih dominan berpengaruh
antara sektor pertanian, industri pengolahan dan perdagangan terhadap produk
domestik regional bruto di daerah kota Medan.
1.3 Batasan Masalah
Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak
jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti pengaruh
PDRB kota Medan dengan faktor-faktor yang mempengaruhi yaitu pertanian,
industri pengolahan dan perdagangan. Data kuantitatif yang digunakan adalah data
pendapatan di bidang pertanian, industri pengolahan, perdagangan dan pendapatan
regional kota Medan dari tahun 2002 sampai tahun 2012.
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk membuktikan secara empiris
seberapa besar pengaruh pendapatan di sektor pertanian, industri pengolahan dan
1.5 Manfaat Penelitian
Kontribusi yang dapat diambil dari penelitian ini adalah :
1. Kontribusi empiris pada pengaruh pendapatan di sektor pertanian, industri
pengolahan dan perdagangan terhadap produk domestik regional bruto kota
Medan.
2. Konstribusi kebijakan untuk memberikan masukan bagi pemerintah pusat
maupun daerah dalam hal penyusunan kebijakan di masa yang akan datang.
3. Konstribusi teori sebagai bahan referensi dan data tambahan bagi
peneliti-peneliti lainnya yang tertarik pada bidang kajian ini.
1.6 Lokasi dan Waktu Penelitian
Penelitian dan riset data dilakukan penulis di Badan Pusat Statistik (BPS)
Provinsi Sumatera Utara. Pengambilan data dan riset dilakukan pada tanggal 10,
11, dan 17 Maret 2014.
1.7 Tinjauan Pustaka
Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya
variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola
perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat
analisis yang memungkinkan kita untuk membuat perkiraan nilai variabel tersebut
pada nilai tertentu variabel yang mempengaruhinya (Algifari, 2000).
Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis
dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan
persamaan regresi.
Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan
regresi adalah bahwa antara variabel dependen dengan variabel independen
mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil
penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.
Untuk memperkirakan atau meramalkan niai variabel Y (dependent variable), akan lebih baik apabila kita ikut memperhitungkan variabel-variabel lain yang ikut mempengaruhi Y. Dengan demikian, kita mempunyai hubungan
antara satu variabel tidak bebas Y dengan beberapa variabel lain yang bebas
(independent variable) (Supranto, 2009).
Regresi ganda berguna untuk mendapatkan pengaruh dua variabelkriterium
atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel
kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap
variabel kriteriumnya (Sudjana, 2001).
Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabelbebas
(variabel predictor) dan variabel tidak bebas (variabel respon). Variabel yang
mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan
variabel yang terjadi karena variabel bebas itu merupakan variabel tidak
bebas(Sudjana, 2001).
Setelah mengetahui hubungan fungsional antara variabel-variabeldimana
persamaan regresinya telah ditentukan dan telah melakukan pengujian maka
persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari
Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel
tersebut.
Studi yang membahas derajat hubunan antara variabel-variabel tersebut
dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi
(Iswardono, 1981). Jika kenaikan didalam suatu variabel diikuti dengan kenaikan
di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut
mempunyai korelasi yang positip. Tetapi jika kenaikan di dalam suatu variabel
diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa
variabel tersebut mempunyai korelasi yang negatip. Dan jika tidak ada perubahan
pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua
variabel tersebut tidak mempunyai hubungan.
1.8 Sistematika Penulisan
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran
dalam tugas akhir ini. Dalam penyusunan tugas akhir ini penulis membagi enam
bab di mana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika
penulisannya adalah sebagai berikut:
BAB 1 : PENDAHULUAN
Bab ini menjelaskan latar belakang masalah, rumusan masalah,
batasan masalah, tujuan, manfaat, metode penelitian dan
BAB 2 : LANDASAN TEORI
Bab ini menguraikan tentang pengertian regresi, regresi linier
berganda, uji regresi linier berganda dan korelasi regresi linier
ganda serta uji koefisien regresi linier berganda.
BAB 3 : PENGOLAHAN DATA
Bab ini menguraikan pengolahan data dengan menggunakan
metode analisis regresi linier berganda dengan menggunakan
program SPSS (Statistic Product and Service Solution).
BAB 4 : KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup yang merupakan kesimpulan dari
pembahasan serta saran-saran penulis berdasarkan kesimpulan
BAB 2
LANDASAN TEORI
2.1 Pengertian Analisis Regresi
Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor
(variabel independent) dengan variabel outcome (variabel dependen) untuk
mengetahui bentuk hubungan variabel-variabel tersebut (Yasril, 2009). Analisis
regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu
kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap
variabel lainnya dapat ditentukan). Jadi dengan analisis regresi, peramalan atau
perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat pula. Karena
merupakan suatu prediksi, maka nilai prediksi tidak selalu tepat dengan nilai
riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai
riilnya, maka semakin tepat persamaan regresi yang dibentuk.
Dapat disimpulkan bahwa analisis regresi adalah metode statistika yang
digunakan untuk menentukan kemungkinan bentuk hubungan antara
variabelvariabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk
2.2 Persamaan Regresi
Persamaan Regresi adalah suatu persamaan matematis yang mendefenisikan
hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat
taksiran mengenai variabel dependen disebut persamaan regresi estimasi, yaitu
suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu
atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel yang
nilainya belum diketahui.
Sifat hubungan antara variabel dalam persamaan regresi merupakan
hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi
dalam mejelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan
penganalisisan data untuk mengetahui apakah variabel-variabel tersebut
berkorelasi. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut
dengan variabel bebas (independent variabel), sedangkan variabel yang nilainya
dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variabel).
2.3 Regresi Linier Berganda
Selain hubungan linier dua variabel (regresi linier sederhana), hubungan linier
lebih dari dua variabel dapat juga terjadi. Pada hubungan ini, perubahan satu
variabel dipengaruhi oleh lebih dari satu variabel lain. Maka regresi linier
berganda adalah analisis regresi yang menjelaskan hubungan antara peubah
respon (variable dependent) dengan faktor-faktor yang mempengaruhi lebih dari
Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel
bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih
terhadap variabel terikatnya. Dengan demikian multiple regression (regresi berganda) digunakan untuk penelitian yang menyertakan beberapa variabel
sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap
penelitian, tentu saja jika diarahkan untuk menguji variabel-variabel yang ada
(Supranto, 2009).
Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas
hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai Y
atas nilai X. Bentuk umum persamaan regresi linier berganda yang mencakup dua
atau lebih variabel, yaitu :
= + + + + + + (2.1)
Model di atas merupakan model regresi untuk populasi, sedangkan apabila
hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak
mengetahui regresi populasi untuk keperluan analisis, variabel bebas akan
dinyatakan dengan , , . . . , ( 1) sedangkan variabel tidak bebas
dinyatakan dengan Y.
= + + + + + (2.2)
dengan: = variabel tidak bebas (dependent)
= pengamatan ke-i pada variabel bebas
, , , =koefisien regresi
2.4 Membentuk Persamaan Regresi Linier Berganda
Dalam regresi linier berganda variabel tak bebas (Y), tergantung kepada dua atau
lebih variabel bebas (X). Bentuk persamaan regresi linier berganda yang
mencakup dua atau lebih variabel, yaitu :
= + + + + + (2.3)
dengan: = Variabel terikat (dependen)
, , , , . . . , = koefisien regresi
, , , . . . , = Variabel bebas (independen)
= kesalahan pengganggu (disturbance terma),
artinya nilai–nilai dari variabel lain yang
tidak dimasukkan dalam persamaan. Nilai ini
biasanya tidak dihiraukan dalam perhitungan.
Untuk hal ini, penulis menggunakan regresi linier berganda dengan empat
variabel, yaitu satu variabel tak bebas (dependent variable) dan tiga variabel bebas
(independent variable). Bentuk umum persamaan regresi linier berganda tersebut
yaitu :
= + + + (2.4)
Nilai dari koefisien , , , dapat ditentukan dengan rumus dan
persamaan sebagai berikut:
= + +
=
(2.6)= ( )( ) (2.7)
= ( )( ) (2.8)
= ( )( ) (2.9)
= ( ) (2.10)
= ( ) (2.11)
= ( ) (2.12)
= ( )( ) (2.13)
= ( )( ) (2.14)
= ( )( ) (2.15)
(Hasan, 2002). Untuk mencari harga , , , dapat digunakan metode
eliminasi dari persamaan (2.5) diatas.
Harga-harga , , , yang telah didapat kemudian disubstitusikan ke
dalam persamaan (2.4) sehingga diperoleh model regresi linier berganda atas
, dan . Dalam persamaan model regresi linier yang diperoleh, maka antara
nilai dan akan menimbulkan perbedaan hasil yang sering disebut sebagai
2.5 Kesalahan Standart Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan
standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel
tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi,
makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan
nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Kesalahan
standar estimasi dapat ditentukan dengan rumus:
, , ,
=
( ) (2.16)dengan: , , , = Kesalahan baku
= nilai data sebenarnya
= nilai taksiran
= banyak ukuran sampel
= banyak variabel bebas
2.6 Koefisien Determinasi
Koefisien determinasi merupan nilai yang menyatakan besarnya keterandalan
model, yaitu menyatakan besarnya variasi Y yang dapat diterangkan oleh X
menurut persamaan yang diperoleh (Santoso, 1992). Koefisien determinasi
Nilai koefisien determinasi menunjukkan persentase variasi nilai variabel
dependen yang dapat dijelaskan oleh persamaan regresi yang dihasilkan.
Koefisien determinasi yang dinyatakan dengan untuk pengujian regresi linier
berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui
proporsi keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau
diterangkan oleh variabelvariabel bebas (X) yang ada dalam model persamaan
regresi linier berganda secara bersama-sama. Maka akan ditetukan dengan
rumus, yaitu:
=
(2.17)
dengan: = Jumlah Kuadrat Regresi
= 1 1 + 2 2 + + (2.18)
Harga yang diperoleh sesuai dengan variansi yang dijelaskan
masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang
dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (bersifat
nyata).
2.7 koefisien korelasi
Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti,
untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel
berganda merupakan alat ukur mengenai hubungan yang terjadi antara variabel
terikat dan dua atau lebih variabel bebas (Hasan, 2002).
Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data
kuantitatif dinamakan koefisien korelasi. Besarnya hubungan antara variabel yang
satu dengan variabel yag lain dinyatakan dengan koefisien korelasi yang
disimbolkan dengan “r” yang besarnya adalah akar koefisien determinasi. Atau
secara matematis dapat ditulis sebagai berikut:
= (2.19)
Koefisien korelasi (r) dapat digunakan untuk:
1. Mengetahui keeratan hubungan (korelasi linier) antara dua variabel.
2. Mengetahui arah hubungan antara dua variabel.
Sandaran nilainya adalah, -1≤ ≤ 1. Semakin tinggi nilai koefisien korelasi
(semakin mendekati 1) maka hubungan antara dua variabel tersebut semakin
tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya semakin
rendah. Sedangkan apabila dua buah variabel mempunyai r = 2 1, maka dua buah
variabel tersebut mempunyai hubungan yang sempurna.
Besarnya hubungan antara variabel yang satu dengan yang lain (koefisien
korelasi) selain diturunkan dari koefisien determinasi ( ), dapat pula ditentukan
dengan menggunakan formulasi sebagai berikut:
=
( )( )( ( ) )( ( ) )
(2.20)
dimana: = koefisien korelasi antara Y dan X
= Variabel bebas (independen)
Tabel 2.1. : Interpretasi Koefisien Korelasi Nilai r
2.8 Uji Regresi linier Berganda
Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat
dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu
dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan
memiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya
adalah sebagai berikut:
1. Menentukan formulasi hipotesis
: = = = = = 0( , , , tidak mempengaruhi
: minimal ada satu parameter koefisien regresi yang tidak sama dengan nol
2. Penentuan nilai kritis. Nilai kritis dalam pengujian hipotesis terhadap
koefisien regresi dapat ditentukan dengan menggunakan tabel distribusi F
dengan memperhatikan tingkat signifikan (α) dan banyaknya sampel
digunakan serta nilai dengan derajat kebebasan = dan
= 1
3. Menentukan kriteria pengujian
diterima bila Fhitung ≤ Ftabel
ditolak bila Fhitung > Ftabel
4. Menentukan nilai statistik F dengan rumus :
= /( / )
(2.21)
dimana:
= jumlah kuadrat regresi
= jumlah kuadrat residu (sisa)
1= derajat kebebasan
= + + +
= ( )
2.9 Uji Koefisien Regresi Berganda
Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu
diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel
tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji
statistik t (student).
Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut :
1. Menentukan formulasi hipotesis
: = = = = 0 ( , , , tidak mempengaruhiY)
: 0 (minimal ada satu parameter koefisien regresi tidak sama
dengan nol atau mempengaruhiY).
2. Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk
yaitun–k–1maka di peroleh ( ; ). 3. Menentukan kriteria pengujian
diterima bila
ditolak bila >
4. Menentukan nilai statistikthitungdengan rumus : =
BAB 3
PENGOLAHAN DATA
3.1 Data dan Pembahasan
Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari
Badan Pusat Statistik (BPS) Provinsi Sumatera Utara mengenai produk domestik
regional bruto kota Medan tahun 2002 s/d 2012, dan beberapa variabel yang
dianggap mempengaruhi produk domestik regional bruto yaitu: sektor pertanian,
sektor industri pengolahan dan sektor perdagangan.
Tabel 3.1 Data Pendapatan di Sektor Pertanian, Industri Pengolahan, Perdagangan dan PDRB Kota Medan Tahun 2002-2012
Tahun PDRB
2002 19.660.542,50 810.011,06 3.957.938,12 6.788.650,51
2003 22.542.021,05 888.269,18 4.265.965,28 7.841.083,41
2004 26.379.403.23 998.206,21 4.858.025,89 9.343.861,13
2005 42.792.450,19 1.306.921,44 7.094.919,38 11.271.818,27
2006 48.849.946,89 1.427.430,11 7.960.595,91 12.692.841,73
2007 55.455.584,62 1.577.838,36 9.029.327,78 14.106.440,58
2008 65.221.770,00 1.870.620,00 10.420.820,00 16.917.910,00
2009 72.630.208,14 2.023.057,29 10.860.498,52 19.502.959,16
2010 83.315.016,03 2.225.319,51 12.475.525,44 22.431.933,66
2011 93.610.757,40 2.340.771,21 13.464.885,26 24.263.410,06
2012 105.400.442,18 2.579.127,20 14.567.460,19 26.892.959,91
Coefficientsa
B Std. Error Beta Tolerance VIF
1 (Constant) -8279.087 3378980.720 -2.450 .044
X1 -14.993 16.685 -.315 -8.99 .399 .002 452.601
X2 6.448 2.064 .824 3.124 .017 .004 255.915
X3 2.089 .668 .493 3.128 .017 .011 91.565
a. b. Dependent Variable: Y
Tabel 3.2 CoefficientsaUntuk Menentukan Persamaan Regresi Linier Berganda
tabel 3.2 diperoleh :
a = -8279,087
b1= -14,993
b2= 6,448
b3= 2,089
Maka persamaan regresi linier bergandanya adalah :
= + + +
3.3 Koefisien Determinasi
Untuk menentukan koefisien determinasi dilihat dari hasil output pengolahan data
pada tabel 3.1 yaitu tabel Model Summary.
Model Summaryb
1 .999a .998 .997 1.51703E6 1.974
a. Predictors: (Constant), X3, X2, X1
b. Dependent Variable: Y
Tabel 3.3 Model Summary untuk Menentukan Koefisien Determinasi
Tabel Model Summary menunjukkan nilai koefisien korelasi (R) yaitu sebesar
0,999. Sedangkan koefisien determinasinya R2 = 0,998. Artinya 99,8% PDRB di
Kota Medan dipengaruhi oleh ketiga faktor yang dianalisis, sedangkan 0,2%
sisanya dipengaruhi oleh faktor lain.
3.4 Koefisien Korelasi
Untuk menentukan koefisien korelasi dilihat dari hasil output pengolahan data
pada tabel 3.1 yaitu tabel Correlations.
Correlations
Y X1 X2 X3
Pearson Correlation Y 1.000 .997 .997 .995
X1 .997 1.000 .998 .994
X2 .997 .998 1.000 .989
Sig. (1-tailed) Y . .000 .000 .000
Tabel 3.4 Correlations untuk Menentukan Koefisien Korelasi
Tabel Pearson Correlations memaparkan nilai koefisien korelasi antara variabel Y
(PDRB) dengan variabel X1 (sektor pertanian) sebesar 0,997. koefisien korelasi
antara variabel Y (PDRB) dengan variabel X2(sektor industri pengolahan) sebesar
0,997. Dan koefisien korelasi antara variabel Y (PDRB) dengan variabel X3
(sektor perdagangan) sebesar 0,995. Hubunghan antara variabel Y terhadap X1,
X2, dan X3 tergolong tinggi, ditandai dengan tingginya nilai korelasi yang
diperoleh.
3.5 Uji Regresi Linier Berganda
Pengujian hipotesa dalam regersi linier berganda perlu dilakukan agar tidak
terjadi kesalahan penarikan kesimpulan.
1. Menentukan formulasi hipotesis
: Tidak terdapat pengaruh yang signifikan antara variabel bebas terhadap
variabel terikat.
: Terdapat pengaruh yang signifikan antara variabel bebas terhadap
2. Mencari nilaiFtabeldari Tabel DistribusiF
yaitu tabel ANOVAb.
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 8.454E15 3 2.818E15 1224.472 .000a
Residual 1.611E13 7 2.301E12
Total 8.470E15 10
a. Predictors: (Constant), X3, X2, X1
b. Dependent Variable: Pendapatan_Regional
Tabel 3.5 ANOVAbuntuk Menentukan Fhitung
Untuk ,yaitunilai statistik F jika dilihat dari tabel distribusi F dengan
derajat kebebasan pembilang V1= k yaitu 3 dan penyebut V2= n–k–1 yaitu 7, dan =
5% = 0,05 maka :
= ( )( : )
= ( , )( ; )
= 4,35
Dengan demikian dapat kita lihat bahwa nilai (1224.472) >
(4,35), maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa terdapat pengaruh yang signifikan antara sektor pertanian, industri pengolahan dan perdagangan
terhadap PDRB kota Medan.
3.6 Uji Koefisien Regresi Berganda
Dari Tabel 3.2 dapat diketahui nilai thitung, kemudian proses selanjutnya dapat
dilakukan pengujian sebagai berikut :
3.6.1 Pengaruh Sektor Pertanian (X1) Terhadap PDRB (Y)
1. Menentukan formulasi hipotesis
: Tidak ada pengaruh antara Sektor Pertanian terhadap PDRB di Kota
Medan
: Ada pengaruh antara Sektor Pertanian terhadap PDRB di Kota
Medan
2. Mencari nilaittabeldari Tabel Distribusit
Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk
yaitu n – k – 1 = 11 – 3 – 1 = 7, maka diperoleh ( ; ) = ( , ; ) =
3. Menentukan kriteria pengujian
diterima bila
ditolak bila >
4. Uji Statistik (thitung)
thitung= -0,899
Karenathitung(-0,899)<ttabel(2,36) maka H0diterima.
5. Kesimpulan
Tidak ada pengaruh antara Sektor Pertanian terhadap PDRB di Kota Medan.
3.6.2 Pengaruh Sektor Industri Pengolahan (X2) Terhadap PDRB (Y)
1. Menentukan formulasi hipotesis
: Tidak ada pengaruh antara Sektor Industri Pengolahan terhadap
PDRB di Kota Medan
: Ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di
Kota Medan
2. Mencari nilaittabeldari Tabel Distribusit
Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk
yaitu n – k – 1 = 11 – 3 – 1 = 7, maka diperoleh ( ; ) = ( , ; ) =
2,36.
3. Menentukan kriteria pengujian
diterima bila
4. Uji Statistik (thitung)
thitung= 3,124
Karenathitung(3,124)>ttabel(2,36) maka H0ditolak.
5. Kesimpulan
Ada pengaruh antara Sektor Industri Pengolahan terhadap PDRB di Kota
Medan.
3.6.3 Pengaruh Sektor Perdagangan (X3) Terhadap PDRB (Y)
1. Menentukan formulasi hipotesis
: Tidak ada pengaruh antara Sektor Perdagangan terhadap PDRB di
Kota Medan
: Ada pengaruh antara Sektor Industri Perdagangan terhadap PDRB
di Kota Medan
2. Mencari nilaittabeldari Tabel Distribusit
Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk
yaitu n – k – 1 = 11 – 3 – 1 = 7, maka diperoleh ( ; ) = ( , ; ) =
5. Kesimpulan
Ada pengaruh antara Sektor Perdagangan terhadap PDRB di Kota
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai
berikut:
1. Persamaan regresi linier berganda yang diperoleh adalah: = 8.279,087
14,997 X1+ 6,449 X2+ 2,089 X3. Ini berarti jika nilai X1 bertambah maka akan
cenderung menurun dan pada saat X2 dan X3 bertambah maka akan
cenderung bertambah.
2. Koefisien determinasi ( ) sebesar 0,9981 berarti sekitar 99,8% produk
domestik regional bruto kota Medan dipengaruhi oleh sektor pertanian, industri
pengolahan dan perdagangan dan 0,2% dipengaruhi oleh faktor lain.
3. Karena Fhitung> Ftabel maka H0ditolak. Hal ini menunjukkan bahwa minimal ada
parameter koefisien regresi yang tidak sama dengan nol atau pendapatan sektor
pertanian, industri pengolahan dan perdagangan mempunyai pengaruh
terhadap produk domestik regional bruto kota Medan.
4. Uji t menunjukkan bahwa terdapat hubungan yang signifikan antara sektor
industri pengolahan dan sektor perdagangan terhadap produk domestik
regional bruto, dan tidak terdapat hubungan yang signifikan antara sektor
5. Berdasarkan gambar histogram dan normal P-P Plot of Regression
Standardlized Residual pada lampiran dapat juga dipastikan bahwa model
regresi tersebut memenuhi asumsi normalitas.
4.2 Saran
Penulis memberikan beberapa saran terhadap hasil penelitian sebagai berikut:
1. Sektor pertanian di Kota Medan tidak dapat ditingkatkan karena rendahnya
hasil pertanian di kota Medan dan banyaknya lahan yang dijadikan pusat
pertokoan sehingga mengurangi lahan pertanian. Jika pemerintah
meningkatkan di sektor pertanian tidak akan meningkatkan produk domestik
regionall bruto Kota Medan.
2. Peningkatan sektor industri pengolahan dan perdagangan perlu di tingkatkan
untuk meningkatkan produk domestik regional bruto kota Medan.
3. Penulis menyarankan agar metode analisis regresi dapat dipergunakan
sebaik-baiknya, baik dalam lingkungan pendidikan ataupun lingkungan masyarakat
luas, guna kepentingan analisis yang sangat diperlukan dalam mengambil
Algifari. 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE.
Yogyakarta.
Ardiningsih, Sri. 1999. Statistik. BPFE. Yogyakarta.
Hamang, Abdul. 2005. Metode Statistika. Graha Ilmu. Yogyakarta.
Hasan, Ir.M.Iqbal. 2002. Pokok-Pokok Statistik 2. Bumi Aksara. Jakarta.
Santoso, Ratno Dwi, dan Mustadjab Hary Kusnadi. 1992. Analisis Regresi. Andi
Offset. Yogyakarta.
Sudjana. 2005. Metode Statistika. Tarsito. Bandung.
Supranto, J. 2009. Teori Dan Aplikasi. PT.Gelora. Jakarta.
Trihendradi, C. 2012. Step by Step SPSS 20 Analisis Data Statistik. Andi.
Yogyakarta.
Yamin, Sofyan, Lien A. Rachmach dan Heri Kurniawan. 2011. Regresi Dan
Korelasi Dalam Genggaman Anda. Salemba Empat. Jakarta.
Yasril, dan Heru Subaris Kasjono. 2009. Analisis Multivariat. Mitra Cendikia
