ANALISIS TERHADAP JUMLAH PRODUKSI BERAS LUAS PANEN DAN KEBUTUHAN BERAS DI PROPINSI SUMATERA UTARA
PADA TAHUN 2000 - 2008
TUGAS AKHIR
OLEH
RIANG ENJELITA NDRURU NIM : 082407035
PROGRAM STUDI D-III STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISIS TERHADAP JUMLAH PRODUKSI BERAS LUAS PANEN DAN KEBUTUHAN BERAS DI PROPINSI SUMATERA UTARA
PADA TAHUN 2000 - 2008
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
OLEH
RIANG ENJELITA NDRURU NIM : 082407035
PROGRAM STUDI D-III 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 PROPINSI SUMATERA UTARA
PADA TAHUN 2000 - 2008
Kategori : TUGAS AKHIR
Nama : RIANG ENJELITA NDRURU
Nomor Induk Mahasiswa : 082407035
Program Studi : DIPLOMA III STATISTIKA
Departemen : MATEMETIKA
Fakultas : MATEMETIKA DAN ILMU PENGETAHUAN ALAM
(FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Juni 2011
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU Pembimbing
Prof. Dr. Tulus, MSi Drs. Ujian Sinulingga, M.Si
PERNYATAAN
ANALISIS TERHADAP JUMLAH PRODUKSI BERAS, LUAS PANEN DAN KEBUTUHAN BERAS DI PROPINSI SUMATERA
UTARA PADA TAHUN 2000-2008
TUGAS AKHIR
Saya mengetahui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali
beberapa kutipan dan ringkasan yang masing – masing disebut sumbernya.
Medan, Juni 2011
PENGHARGAAN
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karna berkat rahmat dan
bimbingan-Nya penulis dapat menyelesaikan Tugas Akhir ini yang diajukan guna
memenuhi salah satu syarat untuk menyelesaikan pendidikan pada Program Studi
D-III Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera
Utara Medan.
Pada kesempatan ini penulis menyampaikan ucapan terima kasih kepada:
1. Bapak Drs.Ujian Sinulingga, M.Si selaku dosen pembimbing yang telah memberikan bimbingan dan pengarahan kepada penulis dalam menyelesaikan Tugas Akhir ini.
2. Bapak Drs. Faigiziduhu Bu’ulölö, M.Si dan Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D III Statistika FMIPA USU.
3. Bapak Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA Universitas Sumatera Utara.
4. Bapak Dr. Sutarman, M.Sc selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara Medan.
5. Ibu dr. Kanserina E. Dachi, SpPD atas dukungannya baik secara moril maupun materil, inspirasi, serta doa yang dapat membuat penulis tetap semangat dalam menyelesaikan Tugas Akhir.
6. Kedua orang tua saya tercinta mengucapkan terima kasih yang sebesar-besarnya, karena atas dukungannya baik secara moril maupun materil serta doa restunya
yang selalu mengiringi penulis, dan semua saudara saya yang telah memberi
nasehat, dukungan.
DAFTAR ISI
1.4Tujuan dan Manfaat Penelitian 3
1.5Metodologi Penelitian 4
1.6Tinjauan Pustaka 5
1.7Sistematika Penulisan 6
BAB 2 LANDASAN TEORI
2.1 Defenisi Analisis Regresi dan Korelasi 7
2.2 Analisis Regresi Sederhana dan Berganda 7
2.2.1 Analisis Regresi Sederhana 7
2.2.2 Analisis Regresi Berganda 9
2.3 Uji Regresi Linier Berganda 10
2.4 Analisis Korelasi Sederhana dan Berganda
2.4.1 Analisis Korelasi Sederhana 13
2.3.2 Analisis Korelasi Berganda 13
14
BAB 3 TNJAUAN UMUM TEMPAT RISET
3.1 Sejarah Singkat Badan Ketahanan Pangan Propinsi Sumatera Utara 16 3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi 16
SumateraUtara, Medan. 17
3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan untuk
Peningkatan Pangan 18
BAB 4 ANALISIS DAN EVALUASI 22
4.1 Data Jumlah Produksi Beras, Luas Panen dan Jumlah Kebutuhan
Beras di Propinsi Sumatera Utara Pada Tahun 2000 – 2008. 22
4.2 Analisis Korelasi Sederhana dan Berganda 26
4.3 Analisis Regresi Linier Berganda 28
4.4 Uji Persamaan Linier Berganda 30
4.5 Standard Error of Estimate 32
4.7 Uji Asumsi dalam Model Regresi 33
4.8 Uji Koefisien Model Regresi Berganda 37
4.9 Uji Kelayakan Model Regresi 38
BAB 5 IMPLEMENTASI SISTEM 40
5.1 Pengertian Implementasi Sistem 40
5.2 Pengertian SPSS 40
5.3 Langkah – langkah Pengolahan Data dengan SPSS 41
BAB 6 KESIMPULAN DAN SARAN 46
6.1 Kesimpulan 46
6.2 Saran 47
DAFTAR PUSTAKA 48
LAMPIRAN 49
DAFTAR TABEL
Halaman
Tabel 2.1 Tingkat Hubungan Nilai r 8
Tabel 2.2 ANAVA 14
Tabel 4.1 Data Jumlah Produksi Beras, Luas Panen, dan Jumlah Kebutuhan Beras di Propinsi Sumatera Utara pada tahun 2000–2009 22
Table 4.2 Hasil Perhitungan Regresi dan Korelasi 23
Tabel 4.3 Variansi dan Standar Deviasi 24
Tabel 4.4 Perhitungan Standar Deviasi dan Standar Error Penduga 25
Tabel 4.5 Analisis Variansi (ANOVA) 31
Tabel 4.6 Dependent Variabel Nilai Kebutuhan 34
Tabel 4.7 Model Summary 36
Tabel 4.8 Coefficients 37
DAFTAR GAMBAR
Halaman Gambar 4.1 Normal P-P Plot of Regression Standardized Residual 33 Gambar 4.2 Regression Standardized Pradicted Value 35 Gambar 5.1 Tampilan Jendela pada Variabel View dalam SPSS 41 Gambar 5.2 Tampilan Jendela pada Variabel View dalam SPSS 42 Gambar 5.3 Tampilan Jendela Pengisian Data View dalam SPSS 43 Gambar 5.4 Tampilan Jendela Pengisian Pengolahan Data dalam SPSS 43
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
(Jawa merang) 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.
Peranan sektor pertanian yang strategis harus didukung dan ditingkatkan
dalam pelestarian swasembada pangan dalam arti yang luas, yang tidak hanya terbatas
palawija, hortikultura serta tanaman bahan makanan lainnya yang dapat menggantikan
fungsi beras sebagai makan pokok. Komoditas beras merupakan komoditas yang
paling penting, karena dibutuhkan penduduk sebagai sumber kalori yang utama.
Karena fungsinya yang penting diperlukan perencanaan yang matang untuk
mencukupi kebutuhan akan permintaan yang 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 diperlkukan 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 menerus bertambah. Semakin bertambahnya jumlah penduduk
maka kebutuhan akan beras semakin meningkat sehingga diperlukan peningkatan
produksi beras.
1.2Perumusan Masalah
Berdasarkan latar belangka 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 Propinsi Sumatera Utara pada data tahun 2000-2008.
2. Bagaimana pengaruh antara jumlah produksi beras, luas panen dan kabutuhan
beras di Propinsi Sumatera Utara, sehingga mampu memprediksi kebutuhan beras
1.3Pembatasan Masalah
Dalam penelitian ini analisis terhadap jumlah produksi beras, luas panen, yang
mempengaruhi kebutuhan beras hanya dibatasi dalam sektor Ketahanan Pangan
dibidang Ketersediaan Pangan yaitu, jumlah produksi beras, luas panen, dan
kebutuhan beras di Propinsi Sumatera Utara Medan pada tahun 2000 - 2008, dengan
menggunakan analisis regresi dan analisis korelasi.
1.4Tujuan dan Manfaat Penelitian 1.4.1 Tujuan Penelitian
Tujuan penelitian ini adalah menganalisis pengaruh dan hubugan antara jumlah
produksi beras, luas panen dan kebutuhan beras di Propinsi Sumatera Utara pada
tahun 2000 - 2008.
Selain itu tujuan penelitian ini adalah sebagai berikut :
1. Menentukan apakah jumlah produksi beras dan luas panen mempunyai hubungan
dengan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008.
2. Mencari besarnya hubungan (korelasi) antara jumlah produksi beras, luas penen,
dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008.
3. Menentukan apakah jumlah produksi beras, luas penen berpengaruh terhadap
jumlah kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008.
4. Mencari bagaimana pengaruh jumlah produksi beras dan luas panen terhadap
1.4.2 Manfaat Penelitian
Manfaat dari penelitian ini adalah :
1. Memberi gambaran seberapa besar hubungan antara jumlah produksi beras, luas
panen dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 - 2008.
2. Memberi gambaran tentang pengaruh jumlah produksi beras, luas panen terhadap
kebutuhan beras di propinsi Sumatera Utara pada tahun 2000 - 2008.
3. Memberikan bahan masukan bagi penelitian – penelitian selanjutnya.
1.5Metodologi Penelitian
Metodologi penelitian adalah suatu cara yang digunakan untuk melaksanakan
penelitian sehingga tujuan penelitian dapat diperoleh. Metodologi penelitian yang
digunakan dalam tugas ini adalah penelitian kuantitatif. Mengumpulkan informasi
data dari Badan Ketahanan Pangan (BKP) Propinsi Sumatera Utara, diolah, dianalisis,
kemudian menggunakan metode regressi linier dan korelasi untuk memperoleh
hubungan antara variabel data.
1.5.1 Sumber Data
Sumber data tugas akhir ini menggunakan data skunder yang diperoleh dari Badan
Ketahanan Pangan (BKP) Propinsi Sumatera Utara di Jalan Jend. Besar Abdul Haris
Nasution No. 24 Medan yaitu data jumlah produksi beras, luas penen dan kebutuhan
1.5.2 Analisis dan Evaluasi Data
Metode yang digunakan dalam penelitian ini adalah analisis regresi dan korelasi untuk
menganalisis pengaruh dan hubungan antara jumlah produksi dan kebutuhan beras di
Propinsi Sumatera Utara pada tahun 2000 – 2008. Kemudian untuk meramalkan
jumlah produksi beras dan kebutuhan beras di Propinsi Sumatera Utara, penulis
menggunakan metode peramalan trend kuadratis. Pengolahan data penelitian ini
menggunakan program microfoft excel dan SPSS.
1.6Tinjauan Pustaka
Teori penunjang yang digunakan untuk mewujudkan tulisan ini dikutip dari buku
Metode dan Aplikasi Peramalan yang diterbitkan oleh Bina Pura Aksara yang mana di
dalam buku tersebut disebutkan bahwa Peramalan Analisis Korelasi dan Analisis
Regresi sebagai berikut :
Rumus Korelasi Sederhana :
=
...
1.1Rumus Korelasi Ganda :
=
... 1.2
Persamaan penduga regresi linier berganda adalah sebagai berikut :
Ŷ = a + + + … + . ... 1.3
Persamaan penduga regresi linier berganda dengan dua variable bebas adalah :
1.7Sistematika Penulisan
Adapun sistematika penulisan tugas akhir ini adalah sebagai berikut :
BAB 1 : PENDAHULUAN
Dalam bab ini dijelaskan 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 Propinsi Sumatera
Utara Medan, Visi dan Misi serta Struktur Organisasi Badan Ketahanan
Pangan Propinsi Sumatera Utara.
BAB 4 : ANALISA DATA
Bab ini mejelaskan tentang 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 ini barisi tentang kesimpulan dan saran untuk permasalahan penelitian
BAB 2
LANDASAN TEORI
2.1 Defenisi Analisis Regresi dan Korelasi
1. Analisis Korelasi adalah metode statstika 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
Persamaan regresi linier sederhana Y terhadap X adalah :
1. Model populasi regresi linier sederhana dinyatakan dalam persamaan :
= α + β ... 2.3
2. Model sampel (penduga) untuk regresi linier sederhana :
di mana : = variable bebas (independen)
= variable terikat (dependen)
a = penduga bagi intersep (α)
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 ( = 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 variable 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 :
2.2.2 Alisis Regresi Berganda
Regresi berganda adalah bentuk hubungan atau pengaruh dari dua atau lebih variabel
babas X dengan variabel terikat Y. persamaan regresi linier berganda dari Y terhadap
X adalah :
1. Model populasi berganda adalah
Y = α + + + … + ... 2.5
2. Sedangkan model penduganya (model sampel) regresi linier ganda adalah
Ŷ = a + + + … + ... 2.6
Koefisien α dan β adalah parameter yang nilainya tidak diketahui, sehingga
diduga menggunakan satistik sampel. Nilai a, , dan akan diperoleh dari tiga
persamaan normal berikut :
= + b +
Koefisien a, dan dapat dihitung dengan rumus sebagai berikut :
a =
=
=
–
Nilai dari a, dan dari tiga persamaan normal di atas dapat juga dihitung
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 = = . . . =
dengan adalah matriks yang diperoleh dengan menggantikan
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 dan berpengaruh secara simultan dan signifikan terhadap Y dilakukan
dengan uji F.
1. Hipotesis yang diuji
: = = 0, berarti dan tidak berpengaruh simultan dan signifikan terhadap Y
: = 0, berarti antara dan berpengaruh simultan dan signifikan
2. Pengaruh uji statistik (taraf nyata α = 5 %)
JK res = –
JKT = –
JKreg = JKT –JKres , JKres + JKreg.
– = – + –
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.
=
=
...
2.7Tabel 2.2 Anova
Suber variasi JK df JKT Fhit
Regresi JKreg k
Resudu JKres (n-k-1)
Total JKT n-1
3. Kriteria pengujian :
Pada tingkat keyakinan 95 % atau taraf nyata 5 %, dengan derajat kebebasan penyebut
4. Membuat Kesimpulan 4.1 Standard Error Estimate
Standard 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 standard error populasinya tidak diketahui,
maka diduga dengan (standard error estimate) sehingga adalah standard
deviasi yang menggambarkan variasi titik – titik di atas dan di bawah garis regresi
sampel. Nilai dapat diperoleh dengan rumus sebagai berikut :
=
...
2.8Apabila semua titik – titik observasi berada pada tepat garis regresi, berarti
standard error penduga sama dengan nol. Dengan demikian, standard error penduga
berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam
meramalkan data.
4.2 Variansi dan Standard Deviasi
Standard deviasi (S) adalah akar kuadrat dari variansi dan menunjukkan standar
penyimpangan data dari nilai rata – rata hitungnya. Nilai ) menunjukan sebaran
atau fluktuasi data terhadap rata – rata hitungnya. Nilai 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 :
=
...
2.1Koefisien 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 negatif sempurna (menyatakan arah hubungan antara X dan Y adalah
negatif dan sangat kuat), r = 0 artinya tidak ada korelasi, r = 1 berarti korelasinya
sangat kuat dengan arah yang posotif. Sedangkan arti harga r akan dikonsultasikan
dengan tabel sebagai berikut :
Table 2.1 Tingkat Hubungan Nilai r
Interval Koefisien Tingkat Hubungan
0,800 - 1,000
Besar kecilnya sumbangan nilai variable X terhadap Y dapat ditentukan dengan rumus
= x 100%,
di mana : = 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 :
= Variable X berhubungan secara signifikan dengan variable Y
= Variabel X tidak berhubungan secara signifikan dengan variable Y
Dasar Pengambilan Keputusan :
1. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau
(0,05 ≤ sig), maka diterima dan ditolak, artinya tidak signifikan.
2. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau
(0,05 ≥ sig), maka ditolak dan diterima, artinya signifikan.
2.4.2 Analisis Korelasi Berganda
Analisis korelasi berganda berfungsi untuk mencari besarnya hubungan antara dua
variable bebas (X) atau lebih secara simultan dengan variable terikat (Y).
Rumus korelasi berganda yaitu :
Selanjutnya untuk mengetahui signifikan korelasi ganda dibandingkan antara nilai
probabilitas 0,05 dengan nilai probabilitas sig sebagai berikut :
Hipotesis :
: Variable dan berhubungan secara simultan dan signifikan terhadap
variabel Y.
: Variabel dan 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 diterima dan ditolak, artinya tidak signifikan.
2. Jika nilai probabilitas 0,05 lebih besar tau sama dengan nilai probabilitas sig atau
BAB 3
TINJAUAN UMUM TEMPAT RISET
3.1 Sejarah Singkat Badan Ketahanan Pangan Propinsi Sumatera Utara
Badan Ketahanan Pangan Propinsi 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 Propinsi Sumatera Utara Medan
berlandaskan pada visi dan misi sebagai berikut:
1. Visi
Terwujudnya ketahanan pangan masyarakat yang berbasis 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 berbasis sumber daya lokal yang dimiliki.
3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan
Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara,
Medan adalah :
1. Menyiapkan bahan dalam perumusan kebijakan teknis dalam 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 perencanaan 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.
b. Monitoring eksport / import bahan pangan strategis.
d. Monitoring pengadaan / penyiapan / penyaluran cadangan pangan.
e. Monitoring daerah rawan pangan.
f. Monitoring kewaspadaan pangan ( bencana alam dan gangguan OPT ).
g. Monitoring panganekaragaman 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 palaporan 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 :
1. Menjaga ketersediaan pangan malalui upaya-upaya paningkatan produksi dan
produktivitas bahan nabati dan hewani sesuai potensi wilayah masing-masing
yang diwujudkan malalui 4 (empat) usaha pokok yaitu intensivikasi,
ekstensivikasi, diversivikasi dan rehabilitasi dangan 8 (delapan) langkah
a. Pemberdayaan kelompok tani dan kelembagaan kelompok ekonomi petani
( KUD, Koptan 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. Perlunya 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 lokal harus
diupayakan secara bertahap mencapai titik ideal yaitu sesuai dengan tingkat
kebutuhan dan jika terjadi kelebihan (surplus) diprioritaskan untuk
perdagangan antar propinsi maupun eksport.
4. Mendukung kebijakan pemerintah untuk tetap melaksanakan larangan import
beras pada tahun 2005 dan tahun 2006, mengingat cadangan dan produksi
cukup tinggi.
5. Untuk memantapkan ketersediaan gula pemerintah dihimbau nutuk
memberikan kepercayaan kepada pemerintah daerah untuk melaksanakan
import gula melalui importir daerah sehingga lebih memudahkan dalam
2. Kebijakan dalam 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 pangsa pasar yang bukan saja antar propinsi 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 lokal 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.
4. Peningkatan konsumsi bahan pangan lokal sebagai basis pada non beras.
4. Kebijakan Dalam Aspek Kewaspadaan dan Keamanan Pangan
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
2. Peningkatan kemampuan fungsi Sistem Kewaspadaan Pangan dan Gizi
(SKPG).
3. Peningkatan keberdayaan masyarakat miskin yang berada dalam kondisi
kerawanan pangan kronis serta pengembangan jaringan pengamanan 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
Tahuh 1996 pada KKT 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 :
Meningkatkan pemberian bantuan langsung masyarakat baik berupa dana
penguatan modal bagi lembaga ekonomi pedesaan maupun bantuan dana berupa
BAB 4
ANALISA DAN EVALUASI
4.1 Data Jumlah Produksi Beras, Luas Panen, dan Kebutuhan Beras Propinsi Sumatera Utara Pada Tahun 2000 - 2008
Data yang akan dianalisis dalam tugas akhir ini adalah data skunder yang diperoleh
dari Badan Ketahanan Pangan (BKP) Propinsi Sumatera Utara di Jalan Jend Besar
Abdul Haris Nasution No. 24 Medan yaitu, data jumlah produksi beras, luas panen
dan kebutuhan beras di Propinsi Sumatera Utara pada tahun 2000 – 2008, di mana
datanya disajikan pada tabel 4.1 berikut :
Tebel 4.1
Daftar Jumlah Produksi Beras, Luas Panen dan Kebutuhan Beras di Propinsi Sumatera Utara Pada Tahun 2000 - 2008
Periode Tahun Produksi Beras (Dalam ribuan ton)
Tabel 4.2 Hasil Perhitungan Analisis Regresi dan Korelasi
Periode Y Y Y
1 2.221,01 847,61 1.910,28 4.932.885,42 718.442,71 3.649.169,68 4.242.750,98 1.619.172,43 1.882.550,29 2 2.080,24 801,95 1.944,89 4.327.398,46 643.123,80 3.782.597,11 4.045.837,97 1.559.704,54 1.668.248,47 3 1.992,89 768,24 1.972,69 3.971.610,55 590.192,70 3.891.505,84 3.931.354,17 1.515.499,37 1.531.017,81 4 2.150,74 825,19 1.996,44 4.625.682,55 680.938,54 3.985.772,67 4.293.823,37 1.647.442,32 1.774.769,14 5 2.160,67 826,09 1.942,23 4.668.494,85 682.424,69 3.772.257,37 4.196.518,09 1.604.456,78 1.784.907,88 6 2.178,75 822,07 1.972,27 4.746.951,56 675.799,08 3.889.848,95 4.297.083,26 1.621.344,00 1.791.085,01 7 1.900,83 705,03 1.934,46 3.613.154,69 497.067,30 3.742.135,49 3.677.079,60 1.363.852,33 1.340.142,17 8 2.064,01 750,23 1.756,38 4.260.137,28 562.845,05 3.084.870,70 3.625.185,88 1.317.688,97 1.548.482,22 9 2.111,38 748,54 1.758,10 4.457.925,50 560.312,13 3.090.915,61 3.712.017,18 1.316.008,17 1.580.452,39
Tabel 4.3 Varians dan Standar Deviasi
Tahun Standar Deviasi Produksi Standar Deviasi Luas Penen
2000 2.221,01 2.095,61 125,40 15.725,16 847,61 788,33 59,28 3.514,12
2001 2.080,24 2.095,61 -15,37 236,24 801,95 788,33 13,62 185,50
2002 1.992,89 2.095,61 -102,72 10.551,40 768,24 788,33 -20,09 403,61
2003 2.150,74 2.095,61 55,13 3.039,32 825,19 788,33 36,86 1.358,56
2004 2.160,67 2.095,61 65,06 4.232,80 826,09 788,33 37,76 1.425,82
2005 2.178,75 2.095,61 83,14 6.912,26 822,07 788,33 33,74 1.138,39
2006 1.900,83 2.095,61 -194,78 37.939,25 705,03 788,33 -83,30 6.938,89
2007 2.064,01 2.095,61 -31,60 998,56 750,23 788,33 -38,10 1.451,61
2008 2.111,38 2.095,61 15,77 248,69 748,54 788,33 -39,79 1.583,24
Tabel 4.3 Perhitungan Standar Deviasi dan Standar Error Penduga
Tahun Standar Deviasi Kebutuhan Beras Standar Error Penduga (Estimasi)
2000 1.910,28 1.909,75 0,53 0,28 2.221,01 847,61 1.939,59 -29,31 859,11
2001 1.944,89 1.909,75 35,14 1.234,82 2.080,24 801,95 1.981,54 -36,65 1.343,06 2002 1.972,69 1.909,75 62,94 3.961,44 1.992,89 768,24 1.988,40 -15,71 246,88 2003 1.996,44 1.909,75 86,69 7.515,16 2.150,74 825,19 1.961,86 34,58 1.195,90
2004 1.942,23 1.909,75 32,48 1.054,95 2.160,67 826,09 1.950,63 -8,40 70,52
2005 1.972,27 1.909,75 62,52 3.908,75 2.178,75 822,07 1.910,01 62,26 3.876,06
2006 1.934,46 1.909,75 24,71 610,58 1.900,83 705,03 1.896,98 37,48 1.404,97
2007 1.756,38 1.909,75 -153,37 23.522,36 2.064,01 750,23 1.820,81 -64,43 4.150,73 2008 1.758,10 1.909,75 -151,65 22.997,72 2.111,38 748,54 1.745,91 12,19 148,67
4.2 Analisis Korelasi Sederhana dan Berganda
Rumus koefisien korelasi sederhana : =
Rumus koefisien korelasi ganda :
=
Dari (Tabel 4.2) diperoleh :
n = 9
= 18.860,51 = 39.604.218,08 = 36.021.659,13
= 7.094,95 ∑ = 5.611.151,90 = 13.565.183,58 = 17.187,75 ∑ = 32.889.105,43 = 14.901.659,22
Koefisien Korelasi Antara X1 dan Y
=
=
– –
=
=
= 0,0389
= 0,0389 adalah koefisien korelasi antara dan Y. Hal ini menunjukkan
bahwa arah hubungan antara dan Y positif sebesar 0,0389 dan mempunyai hubungan
Koefisien Korelasi Antara dan Y
=
=
=
=
0,4568
0,4568 adalah koefisien korelasi antara dan Y. Hal ini menunjukkan bahwa
arah hubungan antara dan Y positif sebesar 0,4568 dan mempunyai hubungan yang
cukup kuat.
Koefisien Korelasi Antara dan
=
=
=
=
= 0,8801
= 0,8801 adalah koefisien korelasi antara dan . Hal ini menunjukkan
bahwa arah hubungan antara dan positif sebesar 0,8801 dan mempunyai hubungan
yang sangat kuat.
=
tingkat hubungan antara variable sebesar 0,8909 yaitu hubungan yang sangat kuat antara
jumlah produksi beras dan luas panen secara simultan terhadap nilai kebutuhan
beras (Y) di Propinsi Sumatera Utara. R square (koefisien determinasi) adalah
pengkuadratan dari koefisien korelasi ganda sebesar 0,8909 yaitu = 0,7937,
menunjukkan bahwa sebesar 79,37% variabel Y dapat dijelaskan oleh variabel dan
sisanya sebesar 20,63% diterangkan oleh factor – faktor lain.
4.3Analisis Regresi Linear Berganda
Persamaan regresi linier berganda Y atas , ,…, akan ditaksir oleh :
Ŷ = a + + + … + . Penaksiran untuk persamaan regresi linier berganda
untuk dua variabel bebas adalah Ŷ = a + + . Nilai a, dan akan diperoleh
dari tiga persamaan normal berikut :
Persamaan normal di atas adalah bentuk sistem persamaan linier (SPL) yang dapat
dijelaskan dengan metode determinan. Jika AX = b dengan 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 = = =
=
Setelah dihitung nilai determinan , , dan maka diperoleh penyelesaian
sebagai berikut :
a = = 2.148,057 = = -1,454 = = 3,564
Penaksiran untuk persamaan regresi linier yaitu Ŷ = a + + adalah
Ŷ = 2.148,057 - 1,454 + 3,564
Ŷ =17.195,72
Konstanta sebesar 2.148,057 menyatakan bahwa jika tidak ada kenaikan nilai dari
variabel jumlah produksi beras ( ) dalam luas panen ( ) maka nilai kebutuhan beras
adalah 2.148,057 juta ton. Koefisien regresi berganda sebesar -1,454 dan 3,564
menyatakan bahwa setiap pengurangan dan penambahan satu skor, maka nilai jumlah
produksi beras dan luas panen akan memberikan pengurangan dan penambahan
4.4 Uji Persamaan Linier Berganda
Untuk mengetahui atau menguji kepastian dari persamaan linier berganda tersebut apakah
jumlah produksi beras dan luas panen berpengaruh secara simultan dan signifikan
terhadap jumlah produksi beras di Proponsi Sumatera Utara atau tidak berpengaruh
dilakukan dengan uji F. Langkah – langkah pengujian persamaan ini adalah sebagai
berikut :
1. Hipotesis yang di uji
: = = 0, berarti antara jumlah produksi beras ( ) dan luas panen ( ) tidak berpengaruh simultan dan signifikan terhadap kebutuhan beras ( Y ) di
Propinsi Sumatera Utara.
: = 0, berarti antara jumlah produksi beras ) dan luas panen ( )
berpengaruh simultan dan signifikan terhadap kebutuhan beras ( Y
) di Propinsi Sumatera Utara.
2. α = 5 % ( taraf nyata ) 3. Kriteria Pengujian :
ditolak jika
4. Perhitungan Uji Statistik :
JKT = JKres + JKreg
JKres = 13.295,90
JKT = 64.806,064
JKreg = JKT – JKres = 64.806,064 – 13.288,807
F=
=
=Tabel 4.5 Analisis Varians (Anova)
Suber variasi JK df JKT
Regresi 51.517.257 2 25.758.629
11,63
Resudu 13.288.807 6 2.214.801
Total 64.806.064 8
5. Kriteria Pengujian ditolak jika
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 di
peroleh F table = 5,14 untuk α = 5 % (dilihat dari tabel distribusi F). Dengan demikian
diperoleh bahwa = 11,63 5,14 ; jadi ditolak.
Dapat dinyatakan bahwa antara jumlah produksi beras ( ) dan luas panen ( )
berpengaruh secara simultan dan signifikan terhadap kebutuhan beras ( Y ) di Propinsi
4.5 Standard Error of Estimasi (Kesalahan Baku Persamaan Regresi Linier Berganda)
=
=
= 2.215,89Standar 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. Standar error of estimate berguna untuk
mengetahui batasan seberapa jauh melesetnya perkiraan dalam suatu peramalan.
Kesalahan baku yang terjadi dalam meprediksi jumlah kebutuhan adalah sebesar 2.215,89
ton.
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.
Koefisien korelasi parsial Antara Y dan , apabila konstan =
=
– –
=
= -0.860
Koefisien korelasi parsial antara Y dan , apabila konstan =
=
=
= 0.890679 = 0.891
4.7 Uji Asumsi Dalam Model Regresi 4.7.1 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 normal P-P Plot
Gambar 4.1 4.7.2 Uji Non – Multikolinearitas
Multikolinearitas adalah antara variabel independen dalam model memiliki
hubungan/korelasi sempurna atau mendekati sempurna (koefisien korelasinya tinggi),
pengujian ini dapat dilihat dari nilai VIP pada table berikut :
Tabel 4.6
Model Correlations Collinearity Statistics Zero-order Partial Part Tolerance VIF
1 (Constant)
Produksi beras .039 -.861 -.766 .225 4.446
Luas Panen .457 .891 .891 .225 4.446
4.7.3 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 tetentu
yang teratur, maka terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik – titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Dapat dilihat bahwa dari plot gambar 4.2 di atas sebaran datar sekitar nilai nol
secara acak dan tidak membentu pola tertentu sehingga mengindikasikan bahwa tidak
terjadi heteroskedastisitas dalam model regresi.
4.7.4 Uji Non – Autokorelasi
Adanya penyimpangan autokorelasi dalam model regresi berarti ada korelasi antara
sampel yang diurutkan berdasarkan waktu. Penyimpangan ansumsi ini karena
menggunakan data time series.
Konsekuensi adanya autokorelasi dalam suatu model regresi adalah varians sampel
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 Durbin Waston (DW).
Tabel 4.7
Pada table 4.7 di atas menunjukkan nilai koefisien korelasi ganda (R), koefisien
determinasi (R Square), standar error penduga, nilai Durbin Waston, Prosedur
pengujianya adalah :
1. Menentukan hipotesa
: tidak ada autokorelasi
: ada autokorelasi positif/negatif
2. Menentukan nilai α dan nilai d tabel
Signifikan 5 % pada n = 9 dan k = 2 diperoleh = 0,63 dan du = 1,70
4. Menentukan nilai uji statistik
Pada table 4.7 di atas nilai uji statistik diperoleh d = 2.012 (nilai Durbin Watson).
5. Membuat kesimpulan
Nilai d = 2.012 > = 0,63, bararti H1 diterima dapat di ambil kesimpulan bahwaa
4.8 Uji Koefisien Model Regresi Berganda
Interval for B Correlations
B Std. Error Lower Bound
Berdasarkan table 4.8 koefisien di atas diperoleh bentuk estimasi persamaan model
regresi linier berganda Ŷ = 2148,057 - 1,454 + 3,564 . Model ini untuk menjelaskan
keterkaitan atau pengaruh dan terhadap Y. Jika nilai sig < 0,05 maka variabel
dan memiliki pengaruh yang signifikan terhadap Y, artinya kedua variabel bebas
secara sendiri – sendiri berpengaruh secara signifikan terhadap Y. Untuk memperkuat
penjelasan tersebut dapat diuji dengan uji korelasi parsial. Pada tabel korelasi parsial zero
order menampilkan koefisien korelasi biasa sebelum dilakukan uji parsial.
Analisis koefisien regresi secara sendiri – sendiri signifikan atau signifikan atau
tidak digunakan uji sebagai berikut :
1. Hipotesis yang diuji
: koefisien regresi tidak signifikan
: koefisien regresi signifikan =
2. Taraf nyata α = 5 %
=
= = -4,142 dan = 4,861
Nilai t table = t(n-k-1);(α) = t(6;0,05) = 2,45
Jika t hitung > t table maka H0 ditolak dan jika t hitung < t table maka H0 diterima.
Dari hasil di atas maka koefisien regresi yang signifikan hanya koefisien regresi
4.9 Uji Kelayakan Model Regresi ( Uji F )
Uji kelayakan keberatian untuk melihat apakh model yang digunakan dapat
menggambarkan/ menjelaskan variabel Y. table ANOVA adalah pengujian apakah model
Ŷ = 2148,057 + -1,454 + 3,564 dapat digunakan untuk menjelaskan nilai variabel
Y. Pengujian yang digunakan dengan menyatakan bentuk hipotesis sebagai berikut :
Tabel 4.9
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 51517.257 2 25758.629 .009a
Residual 13288.807 6 2214.801 11.630
Total 64806.064 8
Hipotesis yang diuji :
: = 0, ( model memiliki kelayakan )
Uji kelayakan model dapat dilihat pada nilai sig Regression sebesar 0,000 < 0,05
berarti ditolak, artinya model regresi linier.
Ŷ = 2148,057 - 1,454 + 3,564 memiliki keberatian / kelayakan untuk digunakan
menjelaskan variabel Y . Uji kelayakan model regresi dapat juga dengan membandingkan
F hitung dengan Tabel. Dengan α = 5 % dk pembilang = 2, dk penyebut = 6, maka
diperoleh F tabel 5,14. Karena F hit > F table maka ditolak. Hal ini menunjukkan
terdapat pengaruh antara dan terhadap Y, sehingga model regresi tersebut memiliki
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 implentasi 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 atau analisis data ilmu sosial. SPSS pertama kali dibuat pada tahun
1968 oleh mahasiswa Standford 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
dikerjakan secara manual atau dengan menggunakan tenaga yang tentunya membutuhkan
waktu dan tenaga yang banyak untuk mengolah data tersebut. Faktor kesalahan yang
dilakukan manusia relative besar sementara komputer dan perangkat lunak dapat
menyelesaikan pekerjaan dengan cepat dan tepat waktu serta mempunyai kesalahan yang
relative 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.
3. Klik variabel view pada SPSS data editor, maka akan tampil sebagai berikut :
4. Pada kolom name baris ketik Y, pada label ketik Nilai Kebutuhan Beras, 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 nama baris ketiga ketik x2,
pada label ketik luas panen, dan pada kolom measure pilih scale untuk kolom lainnya bias
diabaikan (isian default). Maka akan tampil sebagai berikut :
Gambar 5.2 Tampilan jendela pengisian variabel view dalam SPSS
5. Kemudian masukkan data ke dalam halaman data view dengan cara klik data view.
Gambar 5.3 Tampilan jendela pengisian data view dalam SPSS
7. Selanjutnya, klik Analyze > Regression > Linear
Gambar 5.4 Tampilan jendela pengisian pengolahan data dalam SPSS
Gambar 5.5 Tampilan jendela pengisian linear regression
8. Masukkan variabel kebutuhan beras ke kotak dependen, sedangkan jumlah produksi
dan luas panen ke kotak independent (s ).
9. Klik tab Statistik. Beri centang pada kotak Estimate, Confidence intervals, Model vit,
Deskriptives, Part and Partial Correlation, Colinearity diagnostics, kemudian pada
Residual berikan centang pada Durbin-Waston, Casewise diagnosis serta All case,
Gambar 5.6 Tampilan jendela pengisian linier regression statistics
Kemudian klik Continue, kemudian plot, dan berikan tanda centang pada pilihan Normal
probability plot dan isi pada sumbu X ZPRED dan sumbu Y ZRESID kemudian klik
Continue, akan tampil gambar sebagai berukut :
Gambar 5.7 Tampilan jendela pengisian linier regression plots
Klik OK untuk mengakhiri pengisian prosedur analisis. Kemudian akan muncul output
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 Propinsi Sumatera Utara pada tahun 2000 – 2009
2. Besarnya hubungan antara jumlah Produksi beras dengan jumlah Kebutuhan Beras
di Propinsi Sumatera Utara sebesar 0,0389, sedangkan jumlah Produksi Beras
terhadap jumlah Kebutuhan Beras di Propinsi Sumatera Utara sebesar (0,0389)2
100% = 0,15%. Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah Produksi
Beras sebsar 0,15% sedangkan sisanya dijelaskan oleh faktor lain.
3. Besarnya hubunyan antara luas panen dengan jumlah Kebutuhan Beras di Propinsi
Sumatera Utara sebesar 0,4568, sedangkan jumlah Produksi Beras terhadap jumlah
Kebutuhan Beras di Propinsi Sumatera Utara sebesar (0,4568)2 100% = 20,87%.
Artinya jumlah Kebutuhan Beras dijelaskan oleh jumlah produksi beras sebesar
20,87% sedangkan sisanya di jelaskan oleh faktor lain.
4. Besarnya hubungan antara jumlah Produksi Beras dan Luas Panen di Propinsi
5. Besarnya jumlah Produksi Beras dan Luas Panen dengan jumlah Kebutuhan Beras
sebesar 0,8909, sedangkan jumlah Produksi Beras dan Luas Panen terhadap jumlah
Kebutuhan di Propinsi Sumatera Utara sebesar (0,8909)2 100% = 79,37%. Artinya
jumlah Kebutuhan Beras dijelaskan oleh jumlah Produksi Beras dan Luas Panen
sebesar 79,37 sedangkan sisanya dijelaskan oleh faktor lain.
6. Model persamaan regresi dapat digunakan untuk menjelaskan nilai variabel Y
sehingga model tersebut memiliki keberanian / kelayakan untuk digunakan
menjelaskan variabel Y
6.2 Saran
1. Dalam meningkatkan kebutuhan dari jumlah kebutuhan beras di Propinsi 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
2. Saran untuk petani agar tetap memelihara tanaman padi dengan menerapkan sistem
perawatan dan pengolahan lahan dan hasil panen dengan baik dan benar.
Daftar Pustaka
1. Makridakis. 1999. Metode dan aplikasi peramalan. Edisi 2. Jakarta : Binarupa Aksara
2. J.Supranto. 2001. Statistik teori dan aplikasi. Edisi 6. Jakarta : Erlangga
3. Hasan, M.I 1996. Pokok materi statistik 1 ( statistic deskriptif ). Edisi ke- 1
Jakarta : Bumi Aksara.
4. Hasan, M.I 1996. Pokok materi statistik 1 ( statistic deskriptif ). Edisi ke- 2
Jakarta : Bumi Aksara.
5. Iswardono. 1981. Sekelumit Analisis Regresi dan Korelasi. Yogyakarta : BPFE
Yogyakatra
6. Sudjana. 1992. Metode Statistika. Bandung : Tarsito