Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
ANALISIS INDEKS HARGA KONSUMEN TERHADAP
INDEKS HARGA SANDANG DAN PANGAN
KOTA MEDAN
TUGAS AKHIR
JOHANNES HASIBUAN
NIM:062407138
PROGRAM STUDI DIII STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
▸ Baca selengkapnya: lembar aktivitas 9: menghitung indeks harga
(2)Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
ANALISIS INDEKS HARGA KONSUMEN TERHADAP
INDEKS HARGA SANDANG DAN PANGAN
KOTA MEDAN
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
JOHANNES HASIBUAN
NIM:062407138
PROGRAM STUDI DIII STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
PERSETUJUAN
Judul : ANALISIS INDEKS HARGA
KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN
KOTA MEDAN
Kategori : TUGAS AKHIR
Nama : JOHANNES HASIBUAN
Nomor Induk Mahasiswa : 062407138
Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Juni 2009
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing
Dr. Saib Suwilo, M.Sc. Drs. Pengarapen Bangun, M.Si.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
PERNYATAAN
ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN
KOTA MEDAN TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri,kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Mei 2009
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat dan karunia yang telah diberikan sehingga penulis dapat menyelesaikan tugas akhir ini dalam waktu yang telah ditetapkan.
Tujuan dari tugas akhir ini adalah untuk melengkapi persyaratan dalam memperoleh gelar Ahli Madya pada Program Diploma-III Jurusan Statistika FMIPA USU. Sehubungan dengan penulisan tugas akhir ini, penulis memilih judul “Analisis Regresi Berganda Terhadap Faktor-Faktor Yang Mempengaruhi Laju Inflasi”.
Penulis banyak menerima saran dan bimbingan dari berbagai pihak baik secara langsung maupun tidak langsung selama menyelesaikan tugas akhir ini. Untuk itu pada kesempatan ini,penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Drs. Pengarapen Bangun,M.Si selaku dosen pembimbing yang sangat membantu dalam penyusunan Tugas Akhir ini.
2. Bapak Prof.Dr.Eddy Marlianto, M.Sc, selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam USU.
3. Bapak Dr.Saib Suwilo,M.Sc, ketua Departemen dan Jurusan Matematika FMIPA USU.
4. Bapak dan Ibu Dosen pengajar program D-III Statistika.
5. Seluruh staf dan pegawai FMIPA USU.
6. Bapak ketua BPS Provinsi Sumatera Utara yang telah mengijinkan penulis melakukan riset data untuk penyusunan tugas akhir ini.
7. Orangtua tercinta yang selalu memberikan dukungan dan semangat, semoga Tuhan memberkati.
8. Buat teman senasib seperjuangan Firdaus, Chanro,Sony,Agus ,Patar. Buat semua teman-temanku Stat C ’06,serta semua yang tidak disebutkan namanya terima kasih atas dukungan dan kerjasamanya selama ini.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Penulis menyadari bahwa tugas akhir ini masih jauh dari sempurna,disamping pengetahuan dan pengalaman penulis yang terbatas. Untuk itu penulis mengharapkan saran dan kritik yang membangun dari semua pihak yang membacanya.
Demikianlah kiranya tugas akhir ini dapat bermanfaat bagi siapa saja yang membacanya,khususnya bagi mahasiswa/i statistika di FMIPA USU.
Medan, Mei 2009 Penulis,
JOHANNES HASIBUAN 062407138
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Daftar Isi v
Daftar Tabel vii
Daftar Gambar viii
BAB 1 : PENDAHULUAN
1.1Latar Belakang 1
1.2Identifikasi Masalah 3
1.3Batasan Masalah 3
1.4Tujuan Penelitian 3
1.5Manfaat Penelitian 3
1.6Metodologi Penelitian 4
1.7Tinjauan Pustaka 4
1.8Sistematika Penulisan 6
BAB 2 : LANDASAN TEORI
2.1 Konsep Dasar Analisis Regresi 8
2.2 Persamaan Regresi 9
2.2.1 Persamaan Regresi Linier Sederhana 10 2.2.2 Persamaan Regresi Linier Berganda 11
2.3 Uji Regresi Linier Ganda 16
2.4 Koefisien Determinasi 17
2.5 Koefisien Korelasi 18
2.6 Uji Koefisien Regresi Ganda 21
BAB 3 : SEJARAH SINGKAT BADAN PUSAT STATISTIK
3.1 Sejarah Singkat Badan Pusat Statistik 23
3.1.1 Masa Pemerintahan Hindia Belanda 23
3.1.2 Masa Pemerintahan Jepang 24
3.1.3 Masa Pemerintahan RI 24
3.1.4 Masa Orde Baru-Sekarang 25
3.2 Visi dan Misi 26
3.3 Kedudukan dan Fungsi BPS 27
3.4 Tata Kerja BPS 28
3.5 Tugas BPS 28
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAB 4 : ANALISIS DATA
4.1 Pengolahan Data 34
4.2 Persamaan Regresi Linier Berganda 36
4.3 Uji Regresi Linier Berganda 40
4.4 Mencari Koefisien Determinasi 43
4.5 Mencari Koefisien Korelasi 43
4.5.1 Perhitungan Korelasi Antara Variabel Y dengan Xi 43
4.5.2 Perhitungan Korelasi Antara Variabel Bebas 44
4.6 Pengujian Koefisien Regresi Berganda 45
BAB 5 : IMPLEMENTASI SISTEM 5.1 Pengertian Implementasi Sistem 48
5.2 Peranan Komputer Dalam Statistika 48
5.3 Cara Kerja SPSS 50
5.4 Mengoperasikan SPSS 51
5.4.1 Mengaktifkan Program SPSS pada Windows 52
5.4.2 Pemasukan Data 52
5.4.3 Menyimpan Data 56
5.5 Analisis Regresi dengan SPSS 57
5.6 Analisis Korelasi dengan SPSS 58
BAB 6 : PENUTUP 6.1 Kesimpulan 61
6.2 Saran 62 DAFTAR PUSTAKA
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
DAFTAR TABEL
Halaman
Tabel 2.1 Data Hasil Pengamatan dari n Responden
(X1,X2,…,Xk,Y) 12
Tabel 4.1 Data Indeks Harga Konsumen, Indeks Harga Sandang,
dan Indeks Harga Pangan 35
. Tabel 4.2 Nilai-nilai yang dibutuhkan untuk menghitung
koefisien-koefisien 36
Tabel 4.3 Harga Penyimpangan 39
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
DAFTAR GAMBAR
Halaman
Gambar 3.1 Bagan Struktur BPS 33
Gambar 5.1 Tampilan saat membuka SPSS pada windows 52 Gambar 5.2 Tampilan pada pengisian variabel view 55
Gambar 5.3 Tampilan pada data view 56
Gambar 5.4 Tampilan saat membuka persamaan regresi 57
Gambar 5.5 Tampilan pada kotak dialog regresi 58
Gambar 5.6 Tampilan analisis korelasi 59
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Di dalam era globalisasi ini samgat diperlukan adanya dukungan dan koordinasi dari berbagai pihak untuk mewujudkan adanya pembangunan yang terpadu dan berkesinambungan. Diantaranya adalah pembangunan dalam bidang ekonomi yang bertujuan untuk meningkatkan pendapatan masyarakat secara baik dan dapat diterimanya secara adil dan merata.
Untuk mencapai tujuan tersebut diperlukan adanya dukungan data-data yang baik sesuai dengan bidang dan sektornya, salah satu sektor ekonomi yang dianggap penting adalah Indeks Harga Konsumen, karena dapat memberikan gambaran tentang laju inflasi/deflasi di suatu daerah.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Adapun kegunaan angka indeks adalah pertama, untuk mengetahui perkembangan harga sehingga stabilitas harga dapat diamati terutama harga kebutuhan pokok masyarakat. Kedua, untuk mengetahui pertumbuhan ekonomi. Ketiga, untuk kebijaksanaan pemerintah dalam menentukan gaji pegawai negeri maupun upah buruh bagi para pegawai perusahaan swasta. keempat, bagi dunia perbankan dapat diggunakan sebagai pedoman menentukan kebijakan interest rate para nasabah
Mengingat pentingnya angka Indeks Harga Konsumen, penulis ingin menganalisis faktor-faktor yang mempengaruhi Indeks Harga Konsumen yaitu indeks yang merupakan kebutuhan pokok dari manusia indeks harga sandang, yaitu indeks yang mengambarkan perubahan barang pakai dalam hal ini pakaian dan indeks harga pangan dalam hal ini indeks yang mengambarkan perubahan harga sembilan bahan pokok ini yang menjadi dasar penulis mengambil judul “Analisis Indeks Harga Konsumen terhadap Indeks Harga Sandang dan Pangan”
1.2Perumusan Masalah
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
1.3Batasan Masalah
Agar permasalahan yang dibahas dalam penelitian ini tidak menyimpang penulis hanya memuat dua faktor yang mempengaruhi Indeks Harga Konsumen, dan penulis membatasi wilayahnya yaitu pada ruang lingkup kota Medan
1.4Tujuan Penelitian
Tujuan dari penelitian yang dilakukan ini adalah :
Untuk mengetahui bagaimana faktor Indeks Harga Sandang dan Pangan mempengaruhi Indeks Harga konsumen dengan analisis regresi berganda dan mengetahui besarnya derajat hubungan antara satu faktor dengan faktor lain dengan analisis korelasi
1.5Metodologi Penelitian
Metodologi ini ditujukan untuk mengetahui metode dalam pengumpulan data yang sifatnya mengambarkan atau merenungkan :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
1. Library Research (penelitian kepustakaan) yaitu penelitian yang dilakukan penulis dengan mempelajari buku-buku yang memuat teori-teori yang erat kaitannya dengan judul Tugas Akhir yang dipilih dari buku-buku teks, internet maupun catatan-catatan kuliah penulis
2. Field Research (penelitian lapangan) yaitu penelitian yang dilakukan penulis dengan dating langsung ke objek lapangan yaitu Badan Pusat Statistik
3. Metode Pengolahan data
a. Menentukan apa saja yang menjadi variabel bebas (X) dan variabel terikat(Y) b. Mencari persamaan regresi antara variabel X dan Y dengan menggunakan rumus
yang telah diperoleh dari buku literature.
c. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-sama terhadap variabel tak bebas.
d. Uji koefisien regresi berganda dilakukan untuk mengetahui tingkat nyata koefisien-koefisien regresi yang di dapat.
1.6Waktu dan Lokasi Penelitian
Penelitian dilakukan di Kantor Badan Pusat Statistik Sumatera Utara yang beralamat di Jln.Asrama No 179 Medan tepatnya di perpustakaan BPS Medan pada bulan januari 2009.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Prinsip dasar permodelan regresi majemuk tidak berbeda dengan regresi sederhana. Hanya saja pada regresi sederhana digunakan satu variabel terikat, maka pada regresi majemuk digunakan lebih dari satu variabel terikat. Dengan semakin banyaknya variabel bebas berarti semakin tinggi pula kemampuan regresi yang dibuat untuk menerangkan variabel terikat, atau peran faktor-faktor lain di luar variabel bebas yang digunakan, yang dicerminkan oleh error semakin kecil.Studi yang menyangkut masalah ini dikenal dengan analisis regresi berganda.
Dengan :
i = 1,2,3,….,n = nilai regresi
koefisien regresi = variabel bebas
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Rumus korelasi antara Y dengan adalah :
1.8 Sistematika Penulisan
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut
BAB 1 : PENDAHULUAN
Pada bab ini berisi tentang latar belakang permasalahan ,perumusan masalah, batasan masalah tujuan dan manfaat penelitian ,tinjauan pustaka serta sistematika penulisan.
BAB 2 : LANDASAN TEORI
Pada bab ini berisi tentang konsep dasar analisis regresi, persamaan regresi, analisis korelasi dan uji koefisien regresi berganda.
BAB 3 : SEJARAH SINGKAT BPS SUMATERA UTARA
Pada bab ini berisi tentang sejarah instansi tempat penulis mengadakan penelitian dan pengumpulan data . Isinya berupa sejarah BPS, tugas fungsi landasan hukum dan operasional BPS serta susunan organisasi.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Pada bab ini berisi tentang cara penggunaan rumus dan metode yang telah ditentukan dengan tinjauan pustaka.
BAB 5 : IMPLEMENTASI SISTEM
Pada bab ini berisi tentang cara mengolah dan menganalisis data dengan program SPSS.
BAB 6 : PENUTUP
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAB 2
LANDASAN TEORI
2.1 Konsep Dasar Analisis Regresi
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tepat dengan nilai riilnya,semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang kita bentuk.
Sehingga dapat didefinisikan bahwa : analisa regresi adalah metode statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan antara variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.
2.2 Persamaan Regresi
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Sifat hubungan antarvariabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan variabel bebas (independent variabel),sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel tergantung (dependent variabel).
1.2.1 Persamaan Regresi Linier Sederhana
Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk persamaan antara variabel bebas tunggal dengan variabel tak bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah bebas X yang dihubungkan dengan satu peubah tak bebas Y.
Bentuk umum dari persamaan regresi linier untuk populasi adalah sebagai berikut :
µy,x = 0+ 1X
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Jika 0, 1 ditaksir oleh b0 dan b1,maka bentuk regresi linier sederhana untuk
sampel adalah sebagai berikut :
= b0 + b1X
1.2.2 Persamaan Regresi Linier Berganda
Banyak persoalan penelitian/pengamatan yang terjadi sebagai akibat lebih dari dua variabel, atau dengan kata lain memerlukan lebih dari satu peubah bebas dalam membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi Kumulatif) seorang mahasiswa (Y) bergantung pada jumlah jam belajar (X1) ,banyaknya buku yang
dibaca (X2),jumlah uang (X3) dan banyak faktor lainnya. Untuk memberikan gambaran
tentang suatu permasalahan/persoalan, biasanya sangat sulit ditentukan sehingga diperlukan suatu model yang dapat memprediksi dan meramalkan respon yang penting terhadap persoalan tersebut,yaitu regresi linier berganda.
Bentuk umum model regresi linier berganda untuk populasi adalah : µy,x= 0+ 1X1 + 2X2+ … + kXk
Dimana 0, 1, 2,…, k adalah koefisien atau parameter model.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
= b0 + b1X1 + b2X2 +…+ bkXk
Dengan :
= nilai penduga bagi variabel Y b0 = dugaan bagi parameter konstanta 0
b1,b2,…,bk = dugaan bagi parameter konstanta 1, 2,…, k
e = galat dugaan (error)
Untuk mencari nilai b0, b1,b2,…,bk diperlukan n buah pasang data
(X1,X2,….,Xk,Y) yang dapat disajikan dalam tabel berikut.
Tabel 2.1 : Data Hasil Pengamatan dari n Responden (X1,X2,….,Xk,Y)
Responden X1 X2 …….. Xk Y
1 X11 X21 …….. Xk1 Y1
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
. . . . . .
. . . . . .
. . . . . .
N X1n X2n ……... Xkn Yn
Dari tabel 2.1 dapat dilihat bahwa Y1 berpasangan dengan X11,X21,….,Xk1, data
Y2 berpasangan dengan X12,X22,….,Xk2 dan umumnya data Yn berpasangan dengan
X1n,X2n,…,Xkn.
Persamaan regresi berganda dengan dua variabel bebas X1,X2 ditaksir oleh :
= b0 + b1X1 + b2X2
Dan diperoleh tiga persamaan normal yaitu :
Yi = b0n + b1 X1i + b2 X2i
Yi 1i = b0 X1i + b1 X1i
2
+ b2 X1iX2i Yi X2i = b0 X2i + b1 X2iX1 + b2 X2i
2
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
=
Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan 3 variabel, yaitu satu variabel tak bebas (dependent variable) dan dua variabel bebas (independent variabel).
Untuk regresi linier berganda dengan tiga variabel X1,X2,X3 ditaksir oleh :
= b0 + b1X1 + b2X2 + b3X3
Untuk rumus di atas harus diselesaikan dengan empat persamaan normal yaitu : Yi = b0n + b1 X1i + b2 2i + b3 X3i
YiX1i = b0 X1i + b1 X1i
2
+ b2 X1iX2i + b3 X1iX3i
YiX2i = b0 X2i + b1 X2iX1i + b2 X2i
2
+ b3 X2iX3i YiX3i = b0 X3i + b1 X3iX1i + b2 X2iX3i + b3 X3i
2
Sehingga dalam bentuk matriks dapat dituliskan :
=
Dengan :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
X1,X2,X3 = variabel bebas
b0,b1,b2,dan b3 = koefisien regresi linier berganda
b0 = nilai Y , apabila X1=X2=X3=0
b1 = besarnya kenaikan/penurunan Y dalam satuan,jika X1 naik/turun satu
satuan dimana X2,X3 konstan.
b2 = besarnya kenaikan/penurunan Y dalam satuan,jika X2 naik/turun satu
satuan dimana X1,X3 konstan.
b3 = kenaikan/penurunan Y dalam satuan,jika X3 naik/turun satu satuan
dimana X1,X2 konstan.
= atau - = tanda yang menunjukkan arah hubungan antara Y dengan variabel bebas X.
Harga-harga b0,b1,b2 dan b3 yang telah didapat kemudian disubstitusikan ke dalam
persamaan sehingga diperoleh model regresi linier berganda Y atas X1,X2,X3.
Dalam persamaan model regresi linier yang diperoleh,maka antara nilai Y dengan akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran S2y.12…k , yang dapat ditentukan oleh
rumus :
S
2y.12…k=
Dengan :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
=nilai hasil regresi n = ukuran sampel
k = banyak variabel bebas 2.3 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
H0:b1=b2=b3=…=bk=0(X1,X2,…Xk tidak mempengaruhi Y)
H1: minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau
mempengaruhi Y.
2) Menentukan taraf nyata dan nilai Ftabel dengan derajat kebebasan v1=k dan v2
=n-k-1.
3) Menentukan kriteria pengujian H0 diterima bila Fhitung≤ Ftabel
H0 ditolak bila Fhitung > Ftabel
4) Menentukan nilai statistik F dengan rumus :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Dengan :
JKreg = jumlah kuadrat regresi
JKres = jumlah kuadrat residu(sisa)
(n-k-1) = derajat kebebasan
JKreg = + …+
Dengan : x1i = X1i
x2i = X2i-
xki = Xki
-JK
res=
5) Membuat kesimpulan apakah H0 diterima atau ditolak.
2.4 Koefisien Determinasi
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
R
2=
Dengan :
JKreg = jumlah kuadrat regresi
=
–
2.5 Koefisien Korelasi
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui adanya derajat hubungan linear antara satu variabel dengan variabel yang lain. Hubungan antara satu variabel dengan variabel yang lainnya dapat merupakan hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan sebab akibat.
Dua variabel dikatakan berkorelasi apabila perubahan pada satu variabel akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah yang berlawanan. Hubungan antar variabel dapat dikelompokkan menjadi 3 jenis hubungan sebagai berikut :
1. Korelasi Positif
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
2. Korelasi Negatif
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan ( berbanding terbalik ). Artinya apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan pada variabel yang lain dan sebaliknya.
3. Korelasi nihil
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan pada variabel yang lain dengan arah yang tidak teratur ( acak ), artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan pada variabel yang lain
Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinytakan dengan koefisien korelasi yang disimbolkan dengan “r”. Besarnya koefisien korelasi berkisar antara -1≤ r ≤ +1.
Untuk mencari korelasi antara variabel Y terhadap Xi atau ry.1,2,…,k dapat dicari
dengan rumus:
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Sedangkan untuk mengetahui korelasi antar variabel bebas dengan tiga buah variabel bebas adalah :
1. Koefisien korelasi antara X1 dan X2
r
12=
2. Koefisien korelasi antara X1 dan X3
r
13=
3. Koefisien korelasi antara X2 dan X3
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Nilai koefisien korelasi adalah -1≤ r ≥1. Jika dua variabel berkorelasi negatif maka nilai koefisien korelasi akan mendekati -1 ; jika dua variabel tidak berkorelasi maka koefisien korelasi akan mendekati 0 ; sedangkan jika dua variabel berkorelasi positif maka nilai koefisien korelasi akan mendekati +1.
Untuk lebih memudahkan mengetahui seberapa jauh derajat keeratan antara variabel tersebut ,dapat dilihat pada perumusan berikut :
-1,00 ≤ r ≥ -8,00 berarti berkorelasi kuat secara negatif -0,79 ≤ r ≥ -0,50 berarti berkorelasi sedang secara negatif -0,49 ≤ r ≥ 0,49 berarti berkorelasi lemah
0,50 ≤ r ≥ 0,79 berarti berkorelasi sedang secara positif 0,80 ≤ r ≥ 1,00 berarti berkorelasi kuat secara positif
2.6 Uji Koefisien Regresi Ganda
Keberartian adanya variabel-variabel bebas dalam regresi linier ganda 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 ( t-student).
Dimisalkan populasi mempunyai model regresi berganda sebagai berikut :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
yang akan ditaksir oleh regresi berbentuk : = b0 + b1X1 + b2X2 + … + bkXk .
Adanya kriteria bahwa variabel-variabel tersebut memberikan pengaruh yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis H0 melawan hipotesis tandingan H1
dalam bentuk:
H0= i = 0,i = 1,2…,k.
H1= i ≠ 0,i = 1,2…,k.
Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran . Jadi untuk melihat kekeliruan baku dari koefisien bi adalah :
Dengan :
(
)
∑
XIJ =∑
XIJ −XIJJohannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Perhitungan statistik t : ti =
Dengan distribusi t-student serta dk = (n-k-1), ttabel = ,dimana kriteria pengujian
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAB 3
SEJARAH SINGKAT BADAN PUSAT STATISTIK (BPS)
3.1 Sejarah Badan Pusat Statistik (BPS)
3.1.1 Masa Pemerintahan Hindia Belanda
1. Pada bulan Februari 1920 di kantor Statistik untuk pertama kalinya didirikan oleh Direktur Pertanian,Kerajinan dan Perdagangan dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
3. Pada bulan September 1924 nama lembaga tersebut diganti menjadi Kantor Pusat Statistik dan dipindahkan ke Jakarta.Bersamaan dengan itu beralih pula pekerjaan mekanisme Statistik Perdagangan yang sekarang disebut Kantor Bea Cukai. Kantor Pusat Statistik selain mencakup bidang administrasi mencakup juga bagian yang menangani Urusan Umum, Statistik Perdagangan, Statistik Pertanian, Statistik Kerajinan, Statistik Konjungtor, Statistik Sosial. Kegiatan statistik pada era ini diarahkan untuk mendukung kebijakan yang ditempuh oleh Pemerintahan Kolonial Belanda. Komisi ini juga pernah melakukan sesuatu kegiatan statistik yang bersifat monumental yaitu Sensus Penduduk 1930, yang nerupakan sensus penduduk yang pertama kali dilakukan di Indonesia.
3.1.2 Masa Pemerintahan Jepang
Pada Juni 1942 Pemerintah Jepang baru mengaktifkan kembali kegiatan statistic yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Dan tugas serta fungsi kegiatan statistik pada saat itu lebih terkonsentrasi untuk keperluan militer.
3.1.2 Masa Pemerintahan RI
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Kantor Pusat Statistik (KPS) dan berada di bawah dan bertanggung jawab kepada menteri Kemakmuran.
Dengan Keputusan Presiden RI Nomor 172 Tahun 1957,terhitung mulai 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik, dan urusan statistik yang semula menjadi tanggung jawab dan wewenang Menteri Perekonomian dialihkan menjadi wewenang dan berada di bawah Perdana Menteri. Berdasarkan Keppres ini pula secara formal nama Biro Pusat Statistik dipergunakan.
3.1.4 Masa Orde Baru-Sekarang
Seiring dengan perkembangan jaman,khususnya pada pemerintahan Orde Baru,untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan,mutlak dibutuhkan data statistic. Untuk mendapatkan data secara tepat dan akurat ,salah satu unsurnya adalah pembenahan organisasi BPS.
Dalam masa Orde Baru ini,BPS telah mengalami empat kali perubahan stuktur organisasi ;
1. Peraturan Pemerintah No.16 Tahun 1980 tentang organisasi BPS
2. Peraturan Pemerintah No.6 Tahun 1980 tentang organisasi BPS
3. Peraturan Pemerintah No.2 Tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja BPS
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
5. Keputusan Presiden RI No.86 tahun 1998 tentang BPS
6. Keputusan kepala BPS No.100 tahun 1998 tentang organisasi dan tata kerja BPS
7. PP 51 tahun 1998 tentang penyelenggaraan statistik.
Tahun 1968,ditetapkan peraturan pemerintah No.16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan daerah. Tahun 1980,peraturan pemerintah No. 6 Tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah No.16 tahun 1968. Berdasarkan peraturan pemerintah No.6 tahun 1980 di tiap provinsi terdapat perwakilan BPS dengan nama kantor statistik provinsi dan di kabupaten atau kotamadya terdapat cabang perwakilan BPS dengan nama kantor statistik kabupaten atau kotamadya. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No.6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juli 1998 dengan keputusan presiden RI No.89 tahun 1998,ditetapkan BPS sekaligus mengatur tata kerja dan stuktur organisasi BPS yang baru.
3.2 Visi dan Misi
Adapun visi Badan Pusat Statistik adalah menjadi sumber informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional,didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang muktahir.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
penyediaan data statistik yang handal dan bermutu ,efektif dan efisien,peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu statistik.
3.3 Kedudukan dan Fungsi Badan Pusat Statistik
Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di bawah dan bertanggung jawab kepada presiden ( Keppres No.86 tahun 1998),dalam melaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :
1. UU No.16 tentang Statistik
2. Keputusan Presiden No.86 tahun 1998 tentang BPS
3. Peraturan pemerintah No.51 tahun 1999 tentang penyelenggaraan statistik
Berdasarkan keputusan presiden No.86 tahun 1998 dalm menyelenggarakan statistik dasar melaksanakan koordinasi dan kerjasama serta mengembangkan dan membina statistik sesuai dengan peraturan perundang-undangan yang berlaku. Fungsi yang diselenggarakan Badan Pusat Statistik adalah :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan,serta pelaksanaan kerjasama di bidang statistik dengan lembaga/ organisasi lain baik di dalam maupun luar negeri.
3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik produksi dan kependudukan serta statistik distribusi dan neraca nasional secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder.
4. Penyebarluasan statistik melalui berbagai cara baik langsung maupun tidak langsung.
5. Pengelolaan keuangan,kepegawaian dan organisasi, perlengkapan dan perbekalan serta memberikan pelayanan administrasi di lingkungan BPS.
3.4 Tata Kerja Badan Pusat Statistik
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
3.5 Tugas BPS
Menurut Keputusan Presiden RI Nomor 6 Tahun 1992 tugas BPS adalah :
1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah, antara lain di bidang pertanian, agraria, pertambangan, perindustrian, perhubungan, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan nasional, pendidikan dan keagamaan.
2. Atas nama pemerintah melaksanakan koordinasi di lapangan kegiatan statistik dari segenap instansi pemerintah baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan lain-lain.
3. Mengadakan segala daya agar masyarakat menyadari akan tujuan dan kegunaan statistik.
Berdasarkan Keppres ini Kepala berada di bawah dan bertanggungjawab langsung kepada Presiden serta mempunyai tugas :
1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina aparatur BPS agar berdaya guna dan berhasil guna.
perundang-Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
undangan yang berlaku serta kebijakan umum yang telah ditetapkan oleh Pemerintah.
3. Membina dan melaksanakan koordinasi dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan, serta melaksanakan kerjasama di bidang statistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.
Wakil Kepala BPS berada di bawah dan bertanggung jawab langsung kepada Kepala BPS serta mempunyai tugas :
1. Membantu Kepala BPS dalam membina dan mengembangkan administrasi BPS agar berdayaguna dan berhasil guna.
2. Membantu Kepala BPS dalam mengkoordinasikan tugas-tugas Deputi, Pusat Pendidikan dan Pelatihan Statistik dan Perwakilan BPS di daerah.
3. Mewakili Kepala BPS dalam hal Kepala BPS berhalangan.
Deputi Administrasi mempunyai tugas menyelenggarakan pembinaan pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan, pengendalian, serta memberikan pelayanan administrasi di lingkungan BPS.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
perencanaan program dan metodologi statistik, sistem informasi statistik, pengolahan hasil sensus, survey dan data sekunder serta analisis dan pengembangan statistik.
Deputi Statistik Produksi dan Kependudukan adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik pertanian, industri, konstruksi, pertambangan dan energi, kesejahteraan rakyat, serta statistik demografi dan ketenagakerjaan.
Deputi Statistik Produksi dan Neraca Nasional adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik harga dan keuangan, perdagangan dan jasa , serta neraca nasional.
3.6 Struktur Organisasi Badan Pusat Statistik
Struktur organisasi BPS dipimpin oleh seorang kepala dibantu oleh bagian tata usaha. Tata usaha terdiri dari :
1. Sub bagian urusan dalam
2. Sub bagian perlengkapan dan perbekalan
3. Sub bagian keuangan
Uraian tugas bagian Tata Usaha :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja tahunan, baik rutin maupun proyek kantor BPS Provinsi dan menyimpannya ke BPS.
3. Mengatur dan melaksanakan urusan dalam yang meliputi surat-menyurat,pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung, keamanan dan ketertiban lingkungan, serta perjalanan dinas dalam dan luar negeri.
4. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan, penyimpanan pergudangan, inventaris, penghapusan, serta pemeliharaan peralatan dan perlengkapan.
5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, perbendaharaan, verifikasi dan pembukuan.
Organisasi BPS berdasarkan Keppres RI Nomor 6 tahun 1992 terdiri atas : 1. Kepala
2. Wakil Kepala
3. Deputi Administrasi
4. Deputi Perencanaan dan Analisis Statistik
5. Deputi Statistik Produksi dan Kependudukan
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
7. Pusat Pendidikan dan Pelatihan Statistik
8. Perwakilan BPS di Daerah
9. Unit Pelaksanaan Teknis
Deputi Perencanaan dan Analisis Statistik (PAS) mengkoordinasi 3 biro yakni : 1. Biro Perencanaan dan Pengendalian
2. Biro Pengolahan dan Penyajian
3. Biro Analisa dan Pengembangan
Deputi Pembinaan Statistik mengkoordinir 4 Biro, yakni : 1. Biro Statistik dan Industri
2. Biro Statistik Distribusi
3. Biro Statistik Sosial dan Kependudukan
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAGAN STRUKTUR ORGANISASI BPS
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAB 4
ANALISIS DATA
4.1 Pengolahan Data
Setiap data merupakan alat bagi pengambilan keputusan untuk dasar pembuatan keputusan atau untuk memecahkan masalah suatu persoalan. Keputusan yang baik dapat diberikan jika pengambilan keputusan tersebut didasarkan atas keputusan yang baik. Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan/permasalahan.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
[image:47.612.108.452.279.696.2]Statistik adalah data mengenai Indeks Harga Konsumen kota Medan berdasarkan perhitungan bulanan, serta Indeks Harga Sandang dan Pangan, Adapun datanya adalah sebagai berikut :
Tabel 4.1 Data Indeks Harga Konsumen, Indeks Harga Sandang, dan Pangan
Bulan
Indeks Harga Konsumen
Indeks Harga Sandang
Indeks Harga Pangan
1 149,22 143,90 150,73
2 150,44 147,05 151,63
3 151,29 151,78 154,23
4 154,16 152,57 161,60
5 155,72 157,29 161,00
6 158,53 159,63 165,92
7 148,79 162,97 168,76
8 155,00 160,71 167,59
9 154,71 160,01 171,71
10 99,15 109,87 118,39
11 99,83 111,92 118,53
12 100,02 109,83 117,49
13 100,86 110,47 116,57
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
15 102,03 111,94 122,78
Sumber : BPS Medan
4.2 Persamaan Regresi Linier Berganda
Untuk mencari persamaan linier berganda terlebih dahilu kita menghitung koefisien-koefisien regresinya (bo, b1, b2) dengan mencari penggandaan suatu variabel dengan
variabel yang lain. Untuk lebih menyaderhanakan tabel 4.1 maka variabel-variabel yang akan dicari persamaan regresinya diubah ke notasi variabel X dan Y, yaitu Indeks Harga Sandang (X1i), Indeks Harga Pangan (X2i), dan Indeks Harga Konsumen (Y). berikut ini
[image:48.612.113.579.525.727.2]dapat disajikan dalam tabel.
Tabel 4.2 Nilai-nilai yang dibutuhkan untuk menghitung koefisien-koefisien
Bln X1 X2 Yi X1X2 Yi.X1 Yi.X2
2 1
X X22
1 143,90 150,73 149,22 21.690,05 21.472,76 22.491,93 20.707,21 22.719,53
2 147,05 151,63 150,44 22.297,20 22.122,20 22.811,22 21.623,70 22.991,66
3 151,78 154,23 151,29 23.409,00 22.962,80 23.333,46 23.037,17 23.786,89
4 152,57 161,60 154,16 24.655,30 23.520,19 24.912,26 23.277,60 26.114,56
5 157,29 161,00 155,72 25.323,70 24.493,20 25.070,92 24.740,14 25.921,00
6 159,63 165,92 158,53 26.485,80 25.306,14 26.303,30 25.481,74 27.529,45
7 162,97 168,76 148,79 27.502,80 24.248,31 25.109,80 26.559,22 28.479,94 8 160,71 167,59 155,00 26.933,40 24.910,05 25.976,45 25.827,70 28.086,41
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
10 109,87 118,39 99,15 13.007,50 10.893,61 11.738,37 12.071,42 14.016,19 11 111,92 118,53 99,83 13.265,90 11.172,97 11.832,85 12.526,09 14.049,36
12 109,83 117,49 100,02 12.903,90 10.985,20 11.751,35 12.062,63 13.803,90 13 110,47 116,57 100,86 12.877,50 11.142,00 11.757,25 12.203,62 13.588,56 14 112,09 121,21 101,52 13.586,40 11.379,38 12.305,24 12.564,17 14.691,86
15 111,94 122,78 102,03 13.744,00 11.421,24 12.527,24 12.530,56 15.074,93
Jlh 2.062,03 2.168,14 1.981,27 305.158,00 280.785,20 294.486,90 290.816,2 320.338,6
Dari tabel 4.2 diperoleh: n =15
∑
X1i =2.062,03∑
X2i =2.168,14i i X
X1. 2
∑
=305.157,8020 , 280785 . . 1 1 =
∑
Y X i9 , 486 . 294 . 2 1 =
∑
Y X i2 , 816 . 290 2 1 =
∑
X i6 , 338 . 320 2 2 =
∑
X iDari persamaan:
∑
∑
∑
Yi =bo.n+b1 X1i +b2 X2i0 1 .
1X b
Y i =
∑
X i b X i b X1i X2i 21
1 1
∑
2∑
.∑
+Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009. 2 2 2 1 . 2 1 2 0 1 . 1 .
. i i
i i
i b X b X X b X
X
Y =
∑
+∑
+∑
Dapat disubtitusikan ke dalam nilai-nilai yang berkesesuaian sehingga diperoleh:
1.961,27 =15b0 +2.062,02b1 +2.168,14b2
280.785,20=2.062,02b0 +290.816,20b1 +305.157,80b2 294.486,9 =2.168,14b0 +305.157,80b1 +320.338,60b2
Setelah persamaan diatas diselesaikan, maka diperoleh koefisien – koefisien regresi linier berganda sebagai berikut :
= 0 b -20,625 542347 , 1 1 = b 41035 , 0 2 =− b
Dengan demikian, persamaan regresi linier ganda atas Xi dan X2 atas Y adalah: =
Yˆ -20,625 +1,542347X1-0,41035X2
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Tabel 4.3 Harga Penyimpangan Yˆ
Bulan Y Yˆ Y −Yˆ
( )
2 ˆ Y Y − 1 149,22 139,4742 9,7458 94,9803 2 150,44 143,9633 6,4767 41,9472 3 151,29 150,1919 1,0981 1,2059 4 154,16 148,3864 5,7736 33,3344 5 155,72 155,9125 -0,1925 0,0370 6 158,53 157,5029 1,0271 1,0550 7 148,79 161,4891 -12,6991 161,2662 8 155,00 158,4834 -3,4834 12,1341 9 154,71 155,7133 -1,0033 1,0067 10 99,15 100,2572 -1,1072 1,2260 11 99,83 103,3616 -3,5316 12,4723 12 100,02 100,5648 -0,5448 0,2968 13 100,86 101,9294 -1,0694 1,1436 14 101,52 102,5242 -1,0042 1,0084 15 102,03 101,6487 0,3813 0,1454
Jumlah 1.981,27 1.981,4029 -0,1329 363,2595
Sehingga kesalahan bakunya dapat dihitung menggunakan rumus :
dengan :
( )
∑
− 2ˆ
Y
Y =363,2595
n =15
( )
(
1)
ˆ 2 2
12 − −
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
k =2 diperoleh :
Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata angka Indeks Harga Konsumen yang sebenarnya akan menyimpang dari rata-rataIndeks Harga Konsumen yang diperkerakan sebesar 30,2716
4.3 Uji Regresi Linier Ganda
Perumusan Hipotesis:
k
k X X X
H0 :β1 =β2 =...=β =0( 1, 2.... tidak mempengaruhi Y) :
1
H minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi Y
Dengan :
H
0ditolak bila Fhitung〉FtabelH0diterima bila Fhitung〈Ftabel
Dalam pengujian model regresi yang telah ada, maka dapat diambil nilai-nilai :
Y Y y dan X X x X X
x1i = 1i − 1, 2i = 2i − 2 = i = i − ,dan disajikan dalam table 4.4 berikut :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Tabel 4.4 Harga-harga yang diperlukan untuk regresi linier ganda
Bulan x1i x2i yi
2 1i
x x2i2
2 1
y yi.x1i yi.x2i
1 6,4313 6,1873 17,1353 41,36162 38,28268 293,6185 110,2023 106,0212
2 9,5813 7,0873 18,3553 91,80131 50,22982 336,917 175,8676 130,0895
3 14,3113 9,6873 19,2053 204,8133 93,84378 368,8435 274,8528 186,0475
4 15,1013 17,0573 22,0753 228,0493 290,9515 487,3189 333,3657 376,545
5 19,8213 16,4573 23,6353 392,8839 270,8427 558,6274 468,4824 388,9732
6 22,1613 21,3773 26,4453 491,1232 456,989 699,3539 586,0622 565,3291
7 25,5013 24,2173 16,7053 650,3163 586,4776 279,067 426,0069 404,5573
8 23,2413 23,0473 22,9153 540,158 531,178 525,111 532,5814 528,1358
9 22,5413 27,1673 22,6253 508,1102 738,0622 511,9042 510,0037 614,6683
10 -27,5987 -26,1527 -32,9347 761,6882 683,9637 1084,694 908,9549 861,3313
11 -25,5487 -26,0127 -32,2547 652,7361 676,6606 1040,366 824,0657 839,0318
12 -27,6387 -27,0527 -32,0647 763,8977 731,8486 1028,145 886,2266 867,4367
13 -26,9987 -27,9727 -31,2247 728,9298 782,4719 974,9819 843,0263 873,4392
14 -25,3787 -23,3327 -30,5647 644,0784 544,4149 934,2009 775,6924 713,157
15 -25,5287 -21,7627 -30,0547 651,7145 473,6151 903,285 767,2574 654,0714
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Dari tabel 4.4 dapat dicari :
9.663,186 8108,834 0,41035 -8422,648 5423 , 1 2 2 1 1 = × × = + =
∑
∑
reg i i i i reg JK x y b x y b JKUntuk JKresdapat dilihat dari tabel 4.3 yaitu
∑
( )
Y −Yˆ 2= 363,2583 maka nilaihitung
F dapat dicari dengan rumus :
(
1)
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Dari table distribusi F dk pembilang = 2 ,dk penyebut = 12 , dan α=0.05,
diperoleh Ftabel=3,89, karena Fhitunglebih besar daripada Ftabel maka
H
0 ditolak danH
1 diterima. Hal ini berarti berarti persamaan regresi berganda Y atasi
i X
X1, 2 bersifat nyata atau ini berarti bahwa Indeks Harga Sandang dan Pangan secara bersama-sama mempengaruhi Indeks Harga Konsumen.
4.4 Mencari Koefisien Determinasi
Melalui tabel 4.4 dapat dilihat bahwa
∑
Y2i =10.026,43,sedangkan JKregyang dihitung adalah 9663,186. Maka dengan rumus koefisien (R2) diperoleh :∑
= 2
2
i reg
y JK
R
=
43 , 026 . 10
186 , 663 . 9
= 0,963771
Dari perhitungan diatas diperoleh koefisien determinasinya sebesar 0,963771 Dengan mencari akar dari R2, maka di dapat koefisien korelasinya sebesar 0,981719
atau 98,17% Indeks Harga Konsumen dipengaruhi oleh Faktor yang dianalisis 1,83% dipengaruhi oleh faktor.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
4.5.1 koefisien korelasi antara variabel (Y)dengan (X)
1. Koefisien korelasi antara Indeks Harga Konsumen (Y) dengan Indek Harga Sandang( X1)
0,981
=
2. Koefisien korelasi antara Indeks Harga Konsumen dengan Indeks Harga Pangan
( )(
) (
)(
)
( )(
) (
)
(
)
(
( )(
) (
)
)
0,9714 27 , 981 . 1 222 , 552 . 300 15 14 , 168 . 2 6 , 338 . 320 15 27 , 981 . 1 14 , 168 . 2 9 , 486 . 294 15 ) ) ( ( ) ( ( ) )( ( . 2 2 2 2 2 2 2 2 2 2 2 . = − − − − = − − =∑
∑
∑
∑
i∑
∑
i∑
i ii i i i y Y Y n X X n Y X Y X n r
Dari ketiga nilai korelasi diatas dapat dilihat bahwa korelasi antara Y dengan X1 sebesar 0,981 , dan Y dengan X2 sebesar 0,9714 , dari kedua nilai itu, korelasi yang paling kuat adalah adalah antara Y dengan X1 yaitu sebesar 0,981, dan korelasi yang paling lemah terjadi antara Y dengan X2 yaitu sebesar 0,9714
( )(
) (
)(
)
( )(
) (
)
(
2)
(
( )(
) (
)
2)
2 2 1 2 2 1 1 1 1 . 27 , 981 . 1 2 300.552,22 15 03 , 062 . 2 2 , 816 . 290 15 27 , 981 . 1 03 , 062 . 2 280.785,2 15 ) ) ( )( ) ( ( ) )( ( . − − − − = − − =
∑
∑
∑
i∑
∑
i∑
∑
i iJohannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
4.5.2 Perhitungan Korelasi Antar Variabel Bebas
Koefisien korelasi antara Indeks Harga Sandang dan Indeks Harga Pangan
∑
∑
∑
∑
∑
−∑
∑
− − = ) ) ( )( ) ( ( ) )( ( 2 2 2 2 2 1 1 2 2 1 2 1 12 i i i i i i i i X X n X X n X X X X n r(
( )(
) (
)(
)
)
( )(
) (
)
(
15 290.816,2 2.062,03)
(
( )(
15 320.338,6) (
2.168,14)
)
14 , 168 . 2 03 , 062 . 2 8 , 157 . 305 15 2 − − − = = 0,994
Berdasarkan perhitungan korelasi diatas disimpulkan bahwa korelasi antara
variabel bebas X1i dan X2i bersifat kuat secara positif
4.6 Pengujian Koefisien Regresi Bergabda
Hipotesis
k i
b
H0 = i =0, =1,2,..., (variable bebas Xi tidak berpengaruh terhadap Y ) k
i b
H1 = i ≠0, =1,2..., (variable bebas Xi berpengaruh terhadap Y) Dimana tolak Ho jika ti>ttabel dan terima H0 jika ti <ttabel
[image:57.612.104.484.162.548.2]Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009. 832 , 949 . 6 , 662 , 351 . 7 , 2715 ,
30 1 2 2 2
.. 12
2 =
∑
=∑
=i i
k
y x x
s
12
r =0,994 , sehingga dapat dihitung kekeliruan baku koefisien bi sebagai berikut :
(
i)(
i)
y i R x s sb 2 2 123 2 1− =
∑
Maka:(
21)(
21)
12 2 1 1 R x s sb i − =
∑
(
7.351,662)(
1 0,988)
2716 , 30
1 = −
sb
= 0,585
(
2)
(
22)
12 2 2 1 R x s sb i − =
∑
(
6.949,832)(
1 0,988)
2716 , 30
2
2 = −
sb
= 0,602
Perhitungan statistik :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
=2,636
2 2 2
sb b t =
=
602 , 0
4103 , 0 −
=-0,681
Dari tabel distribusi t dngan dk=15 dan α =0,05 diperoleh t table sebesar 2,13 dari
hasil perhitungan tersebut diperoleh :
1. t1=2,636 > ttabel=2,13
2. t2=−0,681< ttabel =2,13
Sehingga dari kedua koefisien regresi tersebut variabel X1 (Indeks Harga Sandang)
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi sistem
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming. Dalam pengolahan data pada karya tulis ini penulis menggunakan perangkat lunak(software) sebagai implementasi sistem yaitu SPSS for windows dalam masalah memperoleh perhitungan.
5.2 Peranan Komputer Dalam Statistika
Komputer memegang peranan yang sangat penting dalam statistika.Komputer dalam bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai berikut:
1. Jumlah Input yang Besar
Jumlah Input yang besar akan dapat diolah oleh komputer dengan mudah semudah mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja sangat efisien pada pengolahan data dengan menggunakan input yang besar.
2. Proyek yang Repetitif
Perintah pengolahan yang berulang-ulang akan lebih efisien dengan menggunakan komputer,karena disini perintah hanya dilakukan satu kali kemudian diulang-ulang(di-copy) untuk menjalankan perintah pengolahan yang lain.
3. Diperlukan Kecepatan yang Tinggi
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Kesalahan informasi yang mungkin dihasilkan hanya terjadi pada proses pemasukan data saja.
5. Pengolahan Hal yang Kompleks
Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan mudah menggunakan komputer dalam waktu yang tepat dan cepat.
Saat ini banyak beredar berbagai paket program komputer statistik dari yang ‘kuno’ dan berbasis DOS seperti Microstat sampai yang berbasis Windows seperti SPSS ,SAS,Statistika dan lainnya. Dari berbagai software khusus statistik yang beredar sekarang,SPSS adalah yang paling popular dan paling banyak digunakan pemakai di seluruh dunia.
SPSS sebagai software statistik,pertama kali dibuat tahun 1968 oleh tiga mahasiswa Standford University,yang dioperasikan pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk komputer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya sistem operasi windows,SPSS pada tahun 1992 juga mengeluarkan versi Windows.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
5.3 Cara Kerja SPSS
Cara kerja komputer,statistik, dan SPSS pada prinsipnya adalah sama,yaitu meliputi 3 bagian : input,proses dan output.
1. Input
Pada komputer,input berupa data yang akan diolah dengan komputer. Proses inputing dapat melalui keyboard,mouse,touch screen,atau hardisk.
Pada statistik,input berupa data yang telah ditabulasikan pada data editor bagian view data, sedangkan proses coding dan pendefinisian variabel pada view variable.
2. Proses
Pada komputer,proses berupa eksekusi program komputer dimana komputer menjalankan perintah-perintah sesuai dengan apa yang telah diprogramkan. Pada statistik,proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi,baik dengan statistik parametrik ataupun non-parametrik.
Pada SPSS, proses berupa eksekusi program SPSS untuk menganalisis input yang ada di data editor sesuai dengan perintah dari pemakai.
3. Output
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Pada statistik, output berupa hasil analisis,baik dalam bentuk penyajian data maupun dalam bentuk grafik atau tabel serta kesimpulan yang diperoleh dari hasil analisis.
Pada SPSS,output berupa hasil analisis program SPSS yang disajikan dalam output navigator.
Dengan demikian,cara kerja SPSS dapat dilihat dalam sistematika berikut.
5.4 Mengoperasikan SPSS
Adapun langkah-langkah pengolahan data dengan menggunakan program SPSS adalah : 5.4.1 Mengaktifkan Program SPSS pada Windows
Klik Start,kemudian Program, SPSS for Windows,SPSS 17.0 for windows. Akan tampak tampilan seperti gambar 5.1 berikut.
INPUT DATA dengan DATA EDITOR
PROSES dengan DATA EDITOR
OUTPUT DATA dengan
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Gambar 5.1 Tampilan saat membuka SPSS pada windows
5.4.2 Pemasukan Data
Langkah-langkahnya sebagai berikut :
Buka lembar kerja baru dari menu file,pilih new,lalu klik data. Pada menu data view isilah kolom dengan ketentuan data yang akan diolah. Pada pemasukan data view hanya akan didefinisikan seperlunya saja,jadi tidak akan menjelaskan proses pemasukan data diluar dari yang diperlukan.
1. Input variabel X1i (jumlah uang beredar)
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Letakkan pointer pada kolom name ,klik ganda pada sel tersebut dan ketik X1i.
2. Type
Karena X1i berupa angka,maka klik kotak kecil di kanan sel tersebut , pilih
type numeric. 3. Width
Untuk keseragaman ketik 8 4. Decimals
Untuk keseragaman ketik 3 5. Label
Label adalah keterangan untuk nama variabel . Maka untuk X1i ketik
jumlah uang beredar.
2. Input variabel X2i (suku bunga bank)
1. Name
Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik X2i.
2. Type
Karena X2i berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih
type numeric 3. Width
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
4. Decimals
Untuk keseragaman ketik 2 5. Label
Label adalah keterangan untuk nama variabel. Maka untuk X2i ketik suku bunga bank.
3. Input variabel X3i ( kurs rupiah terhadap dolar)
1. Name
Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik X3i.
2. Type
Karena X3i berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih
tipe numeric 3. Width
Untuk keseragaman ketik 8 4. Decimals
Untuk keseragaman ketik 3 5. Label
Label adalah keterangan untuk nama variabel. Maka untuk X3i ketik kurs
rupiah terhadap dolar.
4. Input variabel Yi (laju inflasi)
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Letakkan pointer pada kolom name,klik ganda pada sel tersebut dan ketik Yi.
2. Type
Karena Yi berupa angka ,maka klik kotak kecil di kanan sel tersebut, pilih
type numeric. 3. Width
Untuk keseragaman ketik 8. 4. Decimals
Untuk keseragaman ketik 2. 5. Label
Label adalah keterangan untuk nama variabel. maka untuk Yi ketik laju
inflasi.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Gambar 5.2 Tampilan pada pengisian variabel view
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
[image:70.612.107.520.84.477.2]Gambar 5.3 Tampilan pada data view
5.4.3 Menyimpan Data
Setelah semua data diisikan dan didefinisikan untuk setiap variabel ke dalam SPSS data editor,maka langkah selanjutnya adalah menyimpan file tersebut dengan langkah-langkah sebagai berikut.
1. Dari menu SPSS,pilih menu file,kemudian pilih submenu save as… 2. Beri nama file tersebut.
3. Setelah menemukan direktori yang dituju,klik save
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
5.5 Analisis Regresi Dengan SPSS
Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai berikut.
1. Buka file ,analyze,regression,linear… Akan tampak tampilan seperti gambar 5.4 berikut.
[image:71.612.108.521.262.525.2]
Gambar 5.4 Tampilan saat membuat persamaan regresi
2. Masukkan variabel : Y pada kotak dependent.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
X2 pada kotak independent (s) X3
[image:72.612.106.520.193.502.2]3. Abaikan pilihan yang lain,klik OK. Seperti yang terlihat pada gambar 5.5 berikut.
Gambar 5.5 Tampilan pada kotak dialog regresi
Tampilan outputnya dapat dilihat pada lampiran.
5.6 Analisis Korelasi Dengan SPSS
Adapun langkah-langkah analisis korelasi dalam SPSS adalah sebgai berikut :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Gambar 5.6 Tampilan analisis korelasi
2. Masukkan variabel Y,X1,X2 dan X3
3. Pada correlation coefficients, pilih pearson. 4. Pada test of significance,pilih two-tailed.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Gambar 5.7 Tampilan pada kotak dialog korelasi
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
BAB 6
PENUTUP
6.1 Kesimpulan
Berdasarkan hasil pengolahan data pada bab sebelumnya,maka dapat diambil beberapa kesimpulan,yaitu :
1. Dengan menggunakan rumus didapat nilai koefisien-koefisien b0 =-20,625,
b1=1,5423, dan b1=-0,4103. Sehingga persamaan regresi linier yang didapat adalah
2 1 0,4103 5423
, 1 625 ,
20 X X
Y=− + −
2. Terdapat hubungan fungsional yang signifikan antara Indeks Harga Sandang (X1),
Indeks Harga Pangan (X2), terhadap Indeks Harga Konsumen (Y)
3. Koefisien determinasi (R) sebesar 98,17% Indeks Harga Konsumen dipengaruhi oleh kedua faktor X1,(Indeks Harga Sandang) dan X2 (Indeks Harga Pangan) dan
1,83% dipengaruhi oleh faktor-faktor lain.
4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang sangat kuat secara positif terjadi antara Indeks Harga Konsumen (Y) dengan Indeks harga sandang (X1) yaitu sebesar 0.981 Sedangkan antar variabel
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
6.2 Saran
1. Penulis menyarankan agar metode analisis regresi dapat dipergunakan dalam meramalkan Indeks Harga Konsumen,ataupun meramalkan hal-hal lain sehingga dapat digunakan sebagai acuan untuk mengambil keputusan atau kebijakan ekonomi moneter.
2. Faktor-faktor yang mempengaruhi Indeks Harga Konsumen perlu diperhatikan sebelum membentuk model regresi agar model yang terbentuk akurat dan dapat dipergunakan untuk berbagai keperluan.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
DAFTAR PUSTAKA
Badan Pusat Statistik. Berita Resmi Statistik Tahun 20078Jakarta:BPS.
Hasan, M.M, Iqbal ,Ir.1994.Pokok-Pokok Materi Statistik 2 ,Edisi 2. Bumi Aksara: Jakarta.
Santoso,Singgih.1992.Mengolah Data Statistik Secara Profesional. Jakarta: PT.Elex Media Komputindo.
Sudjana.1992. Metoda Statistika.Bandung: Tarsito.
Suliyanto.2005. Analisis Data Dalam Aplikasi Pemasaran. Gahlia Indonesia: Bogor. Walpole,E. Ronald.1982. Pengantar Statistika,Edisi 3. Jakarta: PT.Gramedia.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
L
A
M
P
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
Regression
Variables Entered/Removed
Model
Variables
Entered
Variables
Removed Method
1 Indeks.Harga.Pa
ngan,
Indeks.Harga.Sa
ndanga
. Enter
a. All requested variables entered.
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .982a .964 .958 5.50196 1.088
a. Predictors: (Constant), Indeks.Harga.Pangan, Indeks.Harga.Sandang
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
ANOVAb
Model Sum of Squares df Mean Square F Sig.