ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA III
TUGAS AKHIR
DANIEL SEPTA PUTRA SIMAREMARE 102407052
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA III
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
DANIEL SEPTA PUTRA SIMAREMARE 102407052
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS FAKTOR-FAKTOR YANG
MEMPENGARUHI HASIL PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA III
Kategori : TUGAS AKHIR
Nama : DANIEL SEPTA PUTRA SIMAREMARE
Nomor Induk Mahasiswa : 102407052
Program Studi : D-3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2013
Diketahui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang dengan limpah karunia-Nya, penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul : Analisis Faktor-Faktor yang Mempengaruhi Hasil Produksi Kelapa Sawit Di PT. Perkebunan Nusantara III
Terimakasih penulis sampaikan kepada Bapak Drs.Henry Rani Sitepu,M.Si selaku dosen pembimbing yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Faigiziduhu Bu’lolo,M.Si dan Bapak Drs.Suwarno Ariswoyo,M.Si selaku ketua dan sekretaris Program Studi D3 Statistika FMIPA USU Medan, Bapak Prof.Dr.Tulus,M.Si PhD dan ibu Dra.Mardianingsih,M.Si selaku ketua dan sekretaris Departemen Matematika FMIPA USU Medan, Bapak Drs.Sutarman,M.Sc selaku dekan FMIPA USU Medan, seluruh staff dan dosen Program Studi D3 Statistika FMIPA USU Medan, pegawai FMIPA USU Medan dan rekan-rekan kuliah.
Akhirnya tidak terlupakan kepada Bapak B. Simaremare, Ibu S. Simanjuntak selaku Bapak dan Ibu penulis dan keluarga yang selama ini
memberikan doa, bantuan dan dorongan yang diperlukan dalam proses penyusunan Tugas Akhir ini. Semoga Tuhan Yang Maha Esa akan membalasnya.
Medan, Juli 2013 Penulis
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar isi v
Daftar Tabel vii
Daftar Gambar viii
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Identifikasi Masalah 5
1.3 Batasan Masalah 5
1.4 Tujuan Penelitian 5
1.5 Manfaat Penelitian 6
1.6 Metodologi Penelitian 6
1.7 Tinjauan Pustaka 7
1.8 Lokasi Penelitian 8
1.9 Sistematika Penulisan 8
BAB 2 LANDASAN TEORI
2.1 Pengertian Regresi 10
2.2 Regresi Linier Sederhana 11
2.3 Regresi Linier Berganda 12
2.4 Uji Keberartian Regresi 14
2.5 Uji Koefisien Regresi Liniear Berganda 15
2.6 Uji Koefisien Korelasi 16
2.7 Uji Koefisien Determinasi 18
2.8 Pengujian Hipotesis 19
BAB 3 GAMBARAN UMUM PT. PERKEBUNAN NUSANTARA III
3.1 Sejarah Umum PT. Perkebunan Nusantara III 22
3.2 Makna Logo PT. Perkebunan Nusantara III 23
3.3 Visi dan Misi PT. Perkebunan Nusantara III 24
BAB 4 PENGOLAHAN DATA
4.1 Pengolahan dan Evaluasi Data 26
4.2 Menentukan Persamaan Regresi Linier Berganda 28
4.3 Pengujian Keberartian Regresi 35
4.4 Pengujian Koefisien Regresi Linier Berganda 39
4.5 Pengujian Koefisien Korelasi 42
4.5.1 Perhitungan Koefisien Korelasi antara Variabel
Bebas dan Variabel Terikat 44
4.5.2 Perhitungan Korelasi antar Variabel Bebas 45
4.6. Perhitungan Koefisien Determinasi 47
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 49
5.2 Sekilas Tentang Program SPSS 49
5.3 Pengolahan Data dengan SPSS 50
5.4 Analisis Regresi dan Korelasi dengan SPSS 54
5.5 Hasil Output dengan SPSS 58
BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan 67
6.2 Saran 69
DAFTAR PUSTAKA
DAFTAR TABEL
Tabel 4.1 Data yang akan diolah 27
Tabel 4.2 Nilai-nilai menghitung Koefisien Regresi dan Uji Regresi 29 Tabel 4.3 Nilai-nilai yang diperlukan untuk Menghitung Nilai Taksiran Baku 33 Tabel 4.4 Nilai-nilai yang diperlukan untuk Menghitung Pengujian
Regresi Linier Berganda 35
DAFTAR GAMBAR
Gambar 3.1 Logo PT. Perkebunan Nusantara III 23
Gambar 3.2 Struktur Organisasi PT. Perkebunan Nusantara III 25
Gambar 5.1 Tampilan Pengaktifan SPSS 17.0 50
Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS 52
Gambar 5.3 Tampilan Jendela Pengisian Data View 54
Gambar 5.4 Pilih Analyze, Regression, Linear 55
Gambar 5.5 Kotak Dialog Linier Regression 55
Gambar 5.6 Kotak dialog Linear Regression Statistics 56
Gambar 5.7 Kotak dialog Linear Regression Plots 57
Gambar 5.8 Output Partial Regression Plot Pertama 64
Gambar 5.9 Output Partial Regression Plot Kedua 65
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Kelapa sawit (Elaeis) adalah tumbuhan industri penting penghasil minyak masak, minyak industri, maupun bahan bakar (biodiesel).
Kelapa sawit didatangkan ke Indonesia oleh pemerintah Hindia Belanda pada tahun 1848. Beberapa bijinya ditanam di Kebun Raya Bogor, sementara sisa benihnya ditanam di tepi-tepi jalan sebagai tanaman hias di Deli, Sumatera Utara pada tahun 1870-an. Pada saat yang bersamaan meningkatlah permintaan minyak nabati akibat Revolusi Industri pertengahan abad ke-19. Dari sini kemudian muncul ide membuat perkebunan kelapa sawit berdasarkan tumbuhan seleksi dari Bogor dan Deli, maka dikenallah jenis sawit "Deli Dura".
Hingga menjelang pendudukan Jepang, Hindia Belanda merupakan pemasok utama minyak sawit dunia. Semenjak pendudukan Jepang, produksi merosot hingga tinggal seperlima dari angka tahun 1940. Usaha peningkatan pada masa Republik dilakukan dengan program Bumil (buruh-militer) yang tidak berhasil meningkatkan hasil, dan pemasok utama kemudian diambil alih Malaya (lalu Malaysia). Baru semenjak era Orde Baru perluasan areal penanaman digalakkan. Perluasan areal perkebunan kelapa sawit terus berlanjut akibat meningkatnya harga minyak bumi sehingga peran minyak nabati meningkat sebagai energi alternatif. Beberapa pohon kelapa sawit yang ditanam di Kebun Botani Bogor hingga sekarang masih hidup, dengan ketinggian sekitar 12m, dan merupakan kelapa sawit tertua di Asia Tenggara yang berasal dari Afrika.
Kelapa sawit yang dibudidayakan terdiri dari dua jenis: E. guineensis dan
E. oleifera. Jenis pertama yang terluas dibudidayakan orang. dari kedua species kelapa sawit ini memiliki keunggulan masing-masing. E. guineensis memiliki produksi yang sangat tinggi dan E. oleifera memiliki tinggi tanaman yang rendah. banyak orang sedang menyilangkan kedua species ini untuk mendapatkan species yang tinggi produksi dan gampang dipanen. E. oleifera sekarang mulai dibudidayakan pula untuk menambah keanekaragaman sumber daya genetik. Penangkar seringkali melihat tipe kelapa sawit berdasarkan ketebalan cangkang, yang terdiri dari
Dura,
Pisifera, dan
Dura merupakan sawit yang buahnya memiliki cangkang tebal sehingga dianggap memperpendek umur mesin pengolah namun biasanya tandan buahnya besar-besar dan kandungan minyak per tandannya berkisar 18%. Pisifera buahnya tidak memiliki cangkang, sehingga tidak memiliki inti (kernel) yang menghasilkan minyak ekonomis dan bunga betinanya steril sehingga sangat jarang menghasilkan buah. Tenera adalah persilangan antara induk Dura dan jantan Pisifera. Jenis ini dianggap bibit unggul sebab melengkapi kekurangan masing-masing induk dengan sifat cangkang buah tipis namun bunga betinanya tetap fertil. Beberapa tenera unggul memiliki persentase daging per buahnya mencapai 90% dan kandungan minyak per tandannya dapat mencapai 28%. Untuk pembibitan massal, sekarang digunakan teknik kultur jaringan. Habitat aslinya adalah daerah semak belukar. Sawit dapat tumbuh dengan baik di daerah tropis (15° LU - 15° LS). Tanaman ini tumbuh sempurna di ketinggian 0-500 m dari permukaan laut dengan kelembaban 80-90%. Sawit membutuhkan iklim dengan curah hujan stabil, 2000-2500 mm setahun, yaitu daerah yang tidak tergenang air saat hujan dan tidak kekeringan saat kemarau. Pola curah hujan tahunan memengaruhi perilaku pembungaan dan produksi buah sawit.
menimbulkan iritasi pada tubuh dalam bidang kosmetik. Minyak inti menjadi bahan baku minyak alkohol dan industri kosmetika. Bunga dan buahnya berupa tandan, bercabang banyak. Buahnya kecil, bila masak berwarna merah kehitaman. Daging buahnya padat. Daging dan kulit buahnya mengandung minyak. Minyaknya itu digunakan sebagai bahan minyak goreng, sabun, dan lilin. Ampasnya dimanfaatkan untuk makanan ternak. Ampas yang disebut bungkil inti sawit itu digunakan sebagai salah satu bahan pembuatan makanan ayam. Tempurungnya digunakan sebagai bahan bakar dan arang.
1.2 Identifikasi Masalah
Adapun masalah yang akan dibahas adalah untuk mengetahui regresinya sebagai persamaan penduganya terhadap faktor yang mempengaruhi hasil produksi kelapa sawit. Dalam penelitian ini yang menjadi permasalahan adalah bagaimana hubungan antara beberapa faktor yang mempengaruhi hasil produkai kelapa sawit tersebut dengan regresi linier berganda sehingga akan diperoleh persamaan penduga yang layak digunakan.
1.3 Batasan masalah
Penulis membuat batasan permasalahan dari beberapa faktor yang ada yang mempengaruhi hasil produksi kelapa sawit, yakni penulis hanya mengambil tiga faktor yang mempengaruhi hasil produksi kelapa sawit, yaitu: Curah Hujan (X1), Pupuk (X2), Usia Tanaman (X3). Lalu akan dianalisis secara regresi linier berganda dan akan dicari apakah faktor-faktor tersebut sangat mempengaruhi kenaikan hasil produksi kelapa sawit.
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
1. Untuk mengetahui faktor yang mempengaruhi hasil produksi kelapa sawit di PT. Perkebunan Nusantara III.
1.5 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah :
1. Penulis dapat mengaplikasikan ilmu dengan membandingkan teori-teori yang diperoleh selama kuliah.
2. Menganalisis apakah ada hubungan faktor-faktor yang mempengaruhi hasil produksi kelapa sawit di PT. Perkebunan Nusantara III.
3. Memberikan informasi kepada PT. Perkebunan Nusantara III mengenai hubungan faktor-faktor yang mempengaruhi hasil produksi kelapa sawit. 4. Sebagai acuan bagi Pemerintah untuk mendukung pekembangan pertanian
Indonesia khususnya sektor perkebunan dalam pemeliharaan pertumbuhan kelapa sawit di masa yang akan datang.
1.6 Metodelogi Penelitian
Untuk mendukung penyusunan Tugas Akhir, penulis menggunakan beberapa metode untuk memperoleh data. Metode yang digunakan sebagai berikut :
1. Metode Penelitian Kepustakaan (Studi Literature)
Metode ini adalah dimana peneliti dapat memperoleh data dengan membaca dan mempelajari buku-buku ataupun literature yang bias diperoleh dari perkuliahan ataupun secara umum, serta sumber informasi lain, seperti internet.
2. Metode Pengumpulan Data
data primer yamg diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram.. Data yang diperoleh kemudian disusun dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas dari data yang diperoleh kemudian dapat ditarik kesimpulannya.
1.7 Tinjauan Pustaka
Metode analisis data adalah metode yang digunakan bertujuan untuk mendapatkan informasi yang relevan yang terkandung dalam data tersebut dan menggunakan hasil analisis tersebut untuk memecahkan suatu masalah. Permasalahan yang akan dipecahkan biasanya dinyatakan dalam bentuk satu atau lebih hipotesis nol (Hartono. 2004)
Metode analisis data biasanya menggunakan variabel independent (bebas) dan variabel dependent (terikat). Untuk melihat persamaan regresi linearnya dan mengetahui hubungan setiap variabel digunakan analisis korelasi :
1. Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel terikat (Y)
2. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Y atas X1, X2, X3, … XK.
3. Uji regresi linear berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-sama terhadap variabel terikat Y. Secara umum model regresi linear berganda adalah sebagai berikut :
4. Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat. 5. Uji determinasi untuk mengetahui seberapa besar kontribusi variabel
bebas terhadap variabel terikat.
1.8 Lokasi Penelitian
Penelitian atau pengumpulan data dilakukan di PT. Perkabunan Nusantara III yang beralamat di Jl. Sei Batang Hari No. 2 Medan
1.9 Sistematika Penulisan
Adapun sistematika penulisan yang diuraikan oleh penulis antara lain :
BAB 1 : PENDAHULUAN
Bab ini menguraiakan tentang latar belakang, Identifikasi Masalah, Tujuan Penelitian, Manfaat Penelitian, Metodologi Penelitian, dan Sistematika Penulisan.
BAB 2 : LANDASAN TEORI
berganda, uji korelasi, dan uji koefisien determinasi untuk regresi liniear berganda.
BAB 3 : SEJARAH SINGKAT TEMPAT RISET
Bab ini menguraikan tentang sejarah berdirinya PT. Perkebunan Nusantara III, moto, visi dan misi serta struktur organisasi.
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan proses pengolahan data pada regresi linear berganda, analisis korelasi, dan koefisien berganda
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menguraikan tentang pengolahan data dengan program SPSS, sehingga hasil outputnya membantu dalam menyelesaikan permasalahan dalam penulisan.
BAB 6 : PENUTUP
BAB 2
LANDASAN TEORI 2.1 Pengertian Regresi
Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan bermacam-macam istilah: variabel penjelas, variabel
eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel yang kedua adalah variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.
2.2 Regresi Linear Sederhana
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat, dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling sering digunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program computer yang paling banyak digunakan adalah SPSS. Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat. Berikut persamaan umumnya adalah :
dimana: Y : adalah variabel terikat/tak bebas (dependent) X : adalah variabel bebas (independent)
a : adalah penduga bagi intercept (α)
b : adalah penduga bagi koefisien regresi (β)
2.3 Regresi Linear Berganda
Untuk memperkirakan nilai variabel tak bebas Y, akan lebih baik apabila kita ikut memperhitungkan variabel-variabel bebas lain yang ikut mempengaruhi nilai Y. dengan demikian dimiliki hubungan antara satu variabel tidak bebas Y dengan
beberapa variabel lain yang bebas X1, X2, dan X3, . . . , Xk. Untuk itulah digunakan regresi linear berganda. Dalam pembahasan mengenai regresi sederhana, simbol yang digunakan untuk variabel bebasnya adalah X. Dalam regresi berganda, persamaan regresinya memiliki lebih dari satu variabel bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam hal ini X1, X2, . . . , Xk.
Secara umum persamaan regresi berganda dapat ditulis sebagai berikut : Y = β0+ β1X1i+ β2X2i+ β3X3i+ …+ βnXn + ε (untuk Populasi)
Y = b0+ b1X1i+b2X2i+ b3X3i + …+ bnXn (untuk Sampel)
dimana :
Y : Variabel tak bebas
X : Variabel bebas
β0, β1, β2,… βk : Koefisien regresi untuk data populasi b0, b1, b2, b3, bn : Koefisien regresi untuk data sampel
ε : Variabel kesalahan (galat)
Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel Y dan tiga variabel X yaitu X1, X2, dan X3. Maka persamaan regresi bergandanya adalah :
dimana :
Y = Variabel tak bebas
X = Variabel bebas
bo, b1, b2, b3 = Koefisien regresi untuk data sampel
koefisien-koefsien bo, b1, b2, b3 dapat dihitung dengan menggunakan persamaan
Harga-harga bo,b1,b2,b3 didapat dengan menggunakan persamaan di atas dengan menggunakan metode eliminasi atau substitusi. Dalam penelitian ini penulis menggunakan software dari computer.
2.4 Uji Keberartian Regresi
Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat untuk regresi yang ditulis JKreg dan Jumlah Kuadrat untuk sisa (residu) yang ditulis dengan JKres.
Jika x1i= X1i– X 1, x2i= X2i– X2, . . . , xk= Xki– Xk dan yi= Yi– Ymaka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari :
dengan derajat kebebasan dk = k
dengan derajat kebebasan dk = (n – k – 1) untuk sampel berukuran n.
Dengan demikian uji keberartian regresi berganda dapat dihitung dengan :
Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang V1= k dan penyebut V2= n – k – 1.
2.5 Uji Koefisien Regresi Linier Berganda
Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi. Misalkan populasi memiliki model regresi linier berganda :
µ n
x x x
y.1. 2... = β0+ β1X1+ β2X2+ . . . + βkXk
JKreg= b1
x1iyi+b2
x2iyi...bk
xkiyiJKres=
(Y –2 ^
)
Y
Fhitung =
) 1 /(
/
k n JK
k JK
yang berdasarkan sebuah sampel acak berukuran n ditaksir oleh regresi berbentuk:
^
Y = b0+ b1 X1+ b2X2+ . . . + bkXk
Akan dilakukan pengujian hipotesis dalam bentuk : Ho: βi= 0, i = 1, 2, . . ., k
H1 : βi≠ 0, i = 1, 2, . . ., k
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran sy.12...k,
jumlah kaudrat-kuadrat ∑x2ijdengan xij= Xj- Xj dan koefisien korelasi ganda antara masing-masing variabel bebas X dengan variabel tak bebas Y dalam regresi yaitu Ri.
Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien biyakni :
s
i
b =
) 1 )( x
( ij2 2
2 ... 12 .
ik y
R s
Selanjutnya hitung statistik :
ti=
i
b i
s b
2.6 Uji Koefisien Korelasi
Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antarvariabel. Koefisien korelasi biasanya disimbolkan dengan r.
Koefisien korelasi dapat dirumuskan sebagai berikut :
Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan tiga variabel bebas X1, X2, X3 yaitu :
1. Koefisien korelasi antara Y dengan X1
r
y1 =
2 2 2 1 2 1 1 1 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n2. Koefisien korelasi antara Y dengan X2
r
y2 =
2 2 2 2 2 2 2 2 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n3. Koefisien korelasi antara Y dengan X3
r
y3 =
Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah plus (+) atau minus (-) yang menunjukan arah korelasi. Makna sifat korelasi:
1.Korelasi positif (+) berarti jika variabel X
1mengalami kenaikan maka variabel X2juga mengalami kenaikan atau jika variabel X2mengalami kenaikan maka
variabel X1 juga mengalami kenaikan. 2.Korelasi negatif (-) berarti jika variabel X
1mengalami kenaikan maka variabel X2akan mengalami penurunan, atau jika variabel X2mengalami kenaikan
maka variabel X
1akan mengalami penurunan.
Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut :
1. 0,00 sampai dengan 0,20 berarti korelasi memiliki keeratan sangat lemah. 2. 0,21 sampai dengan 0,40 beirarti korelasi memiliki keeratan lemah. 3. 0,41 sampai dengan 0,70 berarti korelasi memiliki keeratan kuat. 4. 0,71 sampai dengan 0,90 berarti korelasi memiliki keeratan sangat kuat. 5. 0,91 sampai dengan 0,99 berarti korelasi memiliki keeratan sangat kuat sekali. 6. 1 berarti korelasi sempurna.
(Algifari. 2000)
2.7 Uji Koefisien Determinasi
Nilai R2dikatakan baik jika berada di atas 0,5 karena nilai R2 berkisar antara 0 dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel independen yang digunakan dalam model.
Koefisien determinasi dapat dihitung dari :
Sehingga rumus umum koefisien determinasi yaitu :
Harga R2 diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing
variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.
2.8 Pengujian Hipotesis
Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak menutup kemungkinan untuk terjadinya kesalahan dalam mengambil keputusan antara menolak atau menerima suatu hipotesis.
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu:
tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence
R2=
2 2 2 1 1 ) . ( ... i i i ki k i i i i Y Y y x b y x b y x binterval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: Ho (hipotesis nol) dan H1 (hipotesis alternatif). Ho bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penelitian dengan keadaan yang sesungguhnya yang diteliti. H1 bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti.
Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil penelitian terlebih dahulu sebaagai pendukung pernyataan hipotesis yang diusulkan. Dalam membentuk hipotesis ada beberapa hal yang dipertimbangkan :
1) Hipotesis nol dan hipotesis alternatif yang diusulkan
2) Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed
atau two tailed)
3) Penentuan nilai hitung statistik
4) Menarik kesimpulan apakah menerima atau menolak hipotesis yang diusulkan
1)Ho : β0= β1= . . . = βk= 0
Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.
H1 : Minimal satu parameter koefisien regresi βk yang ≠ 0
Terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas
2)Pilih taraf α yang diinginkan
3)Hitung statistik Fhitung dengan menggunakan rumus :
Fhitung =
) 1 /(
/ k n JK
k JK
res reg
4)Nilai Ftabel menggunakan daftar tabel F dengan taraf signifikansi α yaitu Ftabel= F(1)(k),(nk1)
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Umum Perusahaan
3.2 Makna Logo PT. Perkebunan Nusantara III
Gambar 3.1 Logo PT. Perkebunan Nusantara III
1. Gambar 12 Helai daun kelapa sawit disebelah kiri bola dunia dan tujuh urat daun karet yang berwarna hijau disebelah kanan bola dunia melambangkan bahwa PTPN III memiliki 12 paradigma baru dan 7 strategi bisnis yang saling mendukung agar tercapai tujuan yaitu selalu menjadi perusahaan perkebunan terbaik dengan team work yang solid dan inovatif serta ditunjang dengan green teknologi, green bisnis dan ramah lingkungan
2. Gambar 5 garis lintang horizontal dan vertikal yang berwarna biru, melingkari bola dunia melambangkan bahwa PTPN III memiliki tata nilai yang harus mampu mengimbangi kemajuan tecnologi yang berkembang agar selalu menjadi yang terdepan dalam peningkatan usaha
3.3 Visi dan Misi 3.3.1 Visi
Menjadi Perusahaan Agribisnis kelas dunia dengan kinerja prima dan melaksanakan tata kelola bisnis terbaik.
3.3.2 Misi
1. Mengembangkan industri hilir berbasis perkebunan secara berkesinambungan.
2. Menghasilkan produk berkualitas untuk pelanggan.
3. Memperlakukan karyawan sebagai aset dan mengembangkannya secara optimal.
4. Menjadikan perusahaan terpilih yang memberikan “imbal-hasil” terbaik bagi para investor.
5. Menjadikan perusahaan yang paling menarik untuk bermitra bisnis.
6. Memotivasi karyawan untuk berpartisipasi aktif dalam pengembangan komunitas.
3.7 Struktur Organisasi PT. Perkebunan Nusantara III
Susunan organisasi di PT. Perkebunan Nusantara III dapat dilihat pada bagan berikut ini :
BAB 4
PENGOLAHAN DATA
4.1.Pengolahan dan Evaluasi Data
Dalam penelitian ini, data yang dikumpulkan adalah data mengenai jumlah produksi Sawit, dan faktor-faktor yang mempengaruhinya yaitu :
1. Curah Hujan (mm) 2. Pupuk (ton),
3. Usia Tanaman (Tahun),
Tabel 4.1 : Data yang akan diolah
(Sumber: PT. Perkebunan Nusantara III Tahun 2012)
No Kebun PTPN 3 Produksi (ribu ton) Curah Hujan (mm) Pupuk (ribu ton) Usia Tanaman (Tahun)
1 KSMTI 65.84 1.52 3.30 6
2 KSDAN 47.48 2.50 2.81 5
3 KTORA 72.80 2.07 8.68 7
4 KBUTU 39.71 2.22 7.03 4
5 KSBAR 79.91 2.24 8.61 7
6 KSKAR 79.91 2.38 11.27 7
7 KATOR 67.01 2.23 7.01 6
8 KPARO 37.93 2.25 20.27 4
9 KSSUT 123.95 3.04 26.67 11
10 KANAU 42.56 2.48 9.24 4
11 KANAS 139.18 2.82 14.60 12
12 KRPPT 35.31 3.43 7.36 4
13 KMMDA 34.58 3.59 6.22 4
14 KLAJI 45.32 1.48 7.78 4
15 KMSTN 3.52 3.30 1.02 4
16 KSDDP 82.02 2.10 16.46 8
17 KPMDI 57.19 2.55 12.11 6
18 KAMBT 46.58 2.36 10.46 4
19 KSSIL 58.25 3.06 11.54 6
20 KHTPD 76.46 4.96 13.04 7
21 KBDSL 91.12 3.13 14.93 9
22 KDSHU 71.69 1.26 14.82 7
23 KBDBY 101 2.01 6.17 2
24 KBANG 27.82 3.14 1.11 3
25 KGPMA 40.91 0,94 7.79 4
26 KGMNO 50.69 1.52 9.13 6
27 KSDUN 33.90 2.64 7.41 4
28 KGPAR 15.74 2.39 2.57 5
29 KSPTH 7.24 2.42 1.51 4
30 KSGGI 9.90 1.47 2.01 3
31 KTARA 44.95 1.50 7.25 4
32 KRBTN 77.76 1.60 15.58 7
33 KHPSG 8.16 2.80 1.79 4
Dari data tersebut, disimbolkan menjadi : Y = Hasil Produksi Kelapa Sawit X1 = Curah Hujan
X2 = Pupuk
X3 = Usia Tanaman
Setelah melihat data yang tersedia penulis mengelompokkan penganalisaan dan pembahasan menjadi 5 kelompok yaitu :
1. Menentukan persamaan regresi linear berganda 2. Uji keberartian regresi
3. Uji koefisien berganda 4. Menentukan nilai korelasi 5. Uji koefisien determinasi
4.2 Menentukan Persamaan Regresi Linear Berganda
Untuk melihat hubungan antara variabel-variabel bebas (curah hujan, pupuk, dan usia tanaman) terhadap variabel terikat (produksi kelapa sawit) maka langkah pertama yang harus dilakukan adalah menentukan persamaan regresi liniear berganda.
Tabel 4.2 : Nilai-nilai untuk menghitung koefisien-koefisien regresi dan perhitungan uji regresi
No Y X1 X2 X3 X1i X2i X3i
1 65.84 1.52 3.31 6 -0.90 -5.53 0.53 2 47.48 2.51 2.81 5 0.09 -6.03 -0.47 3 72.80 2.07 8.68 7 -0.35 -0.16 1.53 4 39.71 2.22 7.03 4 -0.20 -1.81 -1.47 5 79.91 2.24 8.61 7 -0.18 -0.23 1.53 6 79.91 2.38 11.27 7 -0.04 2.43 1.53 7 67.01 2.23 7.01 6 -0.19 -1.83 0.53 8 37.93 2.25 20.27 4 -0.17 11.43 -1.47 9 123.95 3.04 26.67 11 0.62 17.83 5.53 10 42.56 2.48 9.24 4 0.06 0.40 -1.47 11 139.18 2.82 14.60 12 0.40 5.76 6.53 12 35.31 3.43 7.36 4 1.01 -1.48 -1.47 13 34.58 3.59 6.22 4 1.17 -2.62 -1.47 14 45.32 1.48 7.78 4 -0.94 -1.06 -1.47 15 3.52 3.31 1.02 4 0.89 -7.82 -1.47 16 82.02 2.11 16.46 8 -0.31 7.62 2.53 17 57.19 2.55 12.11 6 0.13 3.27 0.53 18 46.58 2.36 10.46 4 -0.06 1.62 -1.47 19 58.25 3.06 11.54 6 0.64 2.70 0.53 20 76.46 4.96 13.04 7 2.54 4.20 1.53 21 91.12 3.13 14.93 9 0.71 6.09 3.53 22 71.69 1.26 14.82 7 -1.16 5.98 1.53 23 101 2.01 6.17 2 -0.41 -2.67 -3.47 24 27.82 3.14 1.11 3 0.72 -7.73 -2.47 25 40.91 0.94 7.79 4 -1.48 -1.05 -1.47 26 50.69 1.52 9.13 6 -0.90 0.29 0.53 27 33.90 2.64 7.41 4 0.22 -1.43 -1.47 28 15.74 2.39 2.57 5 -0.03 -6.27 -0.47 29 7.24 2.42 1.51 4 0.00 -7.33 -1.47 30 9.90 1.47 2.01 3 -0.95 -6.83 -2.47 31 44.95 1.50 7.25 4 -0.92 -1.59 -1.47 32 77.76 1.60 15.58 7 -0.82 6.74 1.53 33 8.16 2.80 1.79 4 0.38 -7.05 -1.47 34 15.27 2.92 3.03 4 0.50 -5.81 -1.47
Sambungan Tabel 4.2 : Nilai-nilai untuk menghitung koefisien regresi dan perhitungan uji regresi
No yi yi2 (X1i)(X2i) (X2i) (X3i) (X1i) (X3i) (X1i) (yi)
1 11.97 143.22 4.99 -2.93 -0.48 -10.80
2 -6.39 40.86 -0.53 2.84 -0.04 -0.56
3 18.93 358.26 0.06 -0.25 -0.54 -6.66
4 -14.16 200.57 0.37 2.66 0.30 2.86
5 26.04 677.96 0.04 -0.35 -0.28 -4.74
6 26.04 677.96 -0.10 3.72 -0.06 -1.10
7 13.14 172.60 0.35 -0.97 -0.10 -2.52
8 -15.94 254.16 -1.97 -16.81 0.25 2.74
9 70.08 4910.88 11.02 98.58 3.42 43.30
10 -11.31 127.97 0.02 -0.59 -0.09 -0.66
11 85.31 7277.39 2.29 37.60 2.60 33.95
12 -18.56 344.56 -1.49 2.18 -1.48 -18.71
13 -19.29 372.19 -3.06 3.85 -1.72 -22.53
14 -8.55 73.14 1.00 1.56 1.39 8.06
15 -50.35 2535.36 -6.94 11.50 -1.31 -44.71
16 28.15 792.29 -2.38 19.27 -0.79 -8.78
17 3.32 11.01 0.42 1.73 0.07 0.42
18 -7.29 53.18 -0.10 -2.38 0.09 0.45
19 4.38 19.16 1.72 1.43 0.34 2.79
20 22.59 510.20 10.66 6.42 3.88 57.33
21 37.25 1387.39 4.31 21.49 2.50 26.37
22 17.82 317.47 -6.95 9.14 -1.78 -20.71
23 47.13 2221.02 1.10 9.27 1.43 -19.42
24 -26.05 678.73 -5.55 19.10 -1.77 -18.70
25 -12.96 168.02 1.56 1.55 2.18 19.21
26 -3.18 10.13 -0.26 0.15 -0.48 2.87
27 -19.97 398.89 -0.31 2.10 -0.32 -4.35
28 -38.13 1454.08 0.20 2.95 0.02 1.22
29 -46.63 2174.58 0.02 10.78 0.00 0.10
30 -43.97 1933.57 6.50 16.88 2.35 41.86
31 -8.92 79.61 1.47 2.34 1.36 8.23
32 23.89 570.62 -5.54 10.31 -1.26 -19.64
33 -45.71 2089.62 -2.66 10.37 -0.56 -17.28
34 -38.60 1490.14 -2.89 8.55 -0.73 -19.22
Sambungan Tabel 4.2 : Nilai-nilai untuk menghitung koefisien regresi dan perhitungan uji regresi
No (X2i) (yi) (X3i) (yi) (X1i)² (X2i)² (X3i)²
Sehingga didapat suatu persamaan :
2 3 3 3 2 2 3 1 1 3 3 2 3 2 2 2 2 1 1 2 3 1 3 2 1 2 2 1 1 1 i i i i i i i i i i i i i i i i i i i i i X b X X b X X b Y X X X b X b X X b Y X X X b X X b X b Y XDapat kita substitusikan nilai-nilai yang bersesuaian, sehingga diperoleh persamaan :
10,68 = 21,07b1+ 7,34b2+ 8,389b3
4436,54 = 7,34b1+ 1143,15b2+ 294,06b3
1868,20 = 8,389b1+ 294,06b2+ 162,47b3
Setelah diselesaikan diperoleh nilai-nilai sebagai berikut:
1
b = -3,508 b2= 1,682 b3= 8,635
untuk mendapatkan b0 dengan cara : b0 =Ȳ - b1 X1 – b2X2 – b3X3
b0 = 53,87 – (-3,508)(2,42) – (1,682)(8,84) – (8,635)(5,47) b0 = 0,276
Dengan demikian persamaan regresi linier ganda atas X1, X2, X3 adalah :
Ŷ = 0,276 – 3,508 X1 + 1,682 X2 + 8,635 X3
Tabel 4.3 Nilai-nilai yang Diperlukan untuk Menghitung Nilai Taksiran Baku
No Y X1 X2 X3
^
Y
Y-^
Y
(Y-^
Y)² 1 65.840 1.520 3.310 6 52.30 13.54 183.30
2 47.480 2.510 2.810 5 39.35 8.13 66.06
3 72.800 2.070 8.680 7 68.04 4.76 22.67
4 39.710 2.220 7.030 4 38.83 0.88 0.77
5 79.910 2.240 8.610 7 67.33 12.58 158.38
6 79.910 2.380 11.270 7 71.31 8.60 73.99
7 67.010 2.230 7.010 6 56.03 10.98 120.47 8 37.930 2.250 20.270 4 61.00 -23.07 532.09 9 123.950 3.040 26.670 11 129.44 -5.49 30.09
10 42.560 2.480 9.240 4 41.64 0.92 0.85
11 139.180 2.820 14.600 12 118.54 20.64 425.98
12 35.310 3.430 7.360 4 35.14 0.17 0.03
13 34.580 3.590 6.220 4 32.66 1.92 3.67
14 45.320 1.480 7.780 4 42.69 2.63 6.92
15 3.520 3.310 1.020 4 24.90 -21.38 457.11 16 82.020 2.110 16.460 8 89.62 -7.60 57.76 17 57.190 2.550 12.110 6 63.49 -6.30 39.69
18 46.580 2.360 10.460 4 44.11 2.47 6.10
19 58.250 3.060 11.540 6 60.74 -2.49 6.21
20 76.460 4.960 13.040 7 65.23 11.23 126.01
21 91.120 3.130 14.930 9 92.10 -0.98 0.97
22 71.690 1.260 14.820 7 81.21 -9.52 90.60
23 101 2.010 6.170 2 20.85 80.15 6423.56
24 27.820 3.140 1.110 3 17.01 10.81 116.79
25 40.910 0.940 7.790 4 44.60 -3.69 13.63
26 50.690 1.520 9.130 6 62.09 -11.40 129.97
27 33.900 2.640 7.410 4 38.00 -4.10 16.80
28 15.740 2.390 2.570 5 39.37 -23.63 558.36
29 7.240 2.420 1.510 4 2.85 -21.61 466.84
30 9.900 1.470 2.010 3 24.39 -14.49 209.82
31 44.950 1.500 7.250 4 41.73 3.22 10.38
Dengan k = 3, n = 34 dan ∑(Y – Ŷ)2 = 10969.75 didapat :
s
2 .. 12 . ky
=
1 ² ) (Y ^ i
k n Ys²
y.12..k=
1 3 34 10969.75
=
30 10969.75=
365,65s
y.12..k=
1 ) (Y ^ i
k n Y=
365,65= 19,12
4.3 Pengujian Keberartian Regresi
No yi X1i X2i X3i yi2 (X1i)²
[image:42.612.127.408.121.677.2]1 11.97 -0.90 -5.53 0.53 143.22 0.81 2 -6.39 0.09 -6.03 -0.47 40.86 0.01 3 18.93 -0.35 -0.16 1.53 358.26 0.12 4 -14.16 -0.20 -1.81 -1.47 200.57 0.04 5 26.04 -0.18 -0.23 1.53 677.96 0.03 6 26.04 -0.04 2.43 1.53 677.96 0.00 7 13.14 -0.19 -1.83 0.53 172.60 0.04 8 -15.94 -0.17 11.43 -1.47 254.16 0.03 9 70.08 0.62 17.83 5.53 4910.88 0.38 10 -11.31 0.06 0.40 -1.47 127.97 0.00 11 85.31 0.40 5.76 6.53 7277.39 0.16 12 -18.56 1.01 -1.48 -1.47 344.56 1.02 13 -19.29 1.17 -2.62 -1.47 372.19 1.36 14 -8.55 -0.94 -1.06 -1.47 73.14 0.89 15 -50.35 0.89 -7.82 -1.47 2535.36 0.79 16 28.15 -0.31 7.62 2.53 792.29 0.10 17 3.32 0.13 3.27 0.53 11.01 0.02 18 -7.29 -0.06 1.62 -1.47 53.18 0.00 19 4.38 0.64 2.70 0.53 19.16 0.41 20 22.59 2.54 4.20 1.53 510.20 6.44 21 37.25 0.71 6.09 3.53 1387.39 0.50 22 17.82 -1.16 5.98 1.53 317.47 1.35 23 47.13 -0.41 -2.67 -3.47 2221.02 0.17 24 -26.05 0.72 -7.73 -2.47 678.73 0.52 25 -12.96 -1.48 -1.05 -1.47 168.02 2.20 26 -3.18 -0.90 0.29 0.53 10.13 0.81 27 -19.97 0.22 -1.43 -1.47 398.89 0.05 28 -38.13 -0.03 -6.27 -0.47 1454.08 0.00 29 -46.63 0.00 -7.33 -1.47 2174.58 0.00 30 -43.97 -0.95 -6.83 -2.47 1933.57 0.91 31 -8.92 -0.92 -1.59 -1.47 79.61 0.85 32 23.89 -0.82 6.74 1.53 570.62 0.68 33 -45.71 0.38 -7.05 -1.47 2089.62 0.14 34 -38.60 0.50 -5.81 -1.47 1490.14 0.25 34526.78 21.07
Sambungan Tabel 4.4 Pengujian Regresi Linier Berganda
No (X2i)² (X3i)² (X1i) (yi) (X2i) (yi) (X3i) (yi)
1 30.59 0.28 -10.80 -66.19 6.34
2 36.37 0.22 -0.56 38.55 3.01
3 0.03 2.34 -6.66 -3.05 28.95
4 3.28 2.16 2.86 25.65 20.83
5 0.05 2.34 -4.74 -6.01 39.82
6 5.90 2.34 -1.10 63.25 39.82
7 3.35 0.28 -2.52 -24.05 6.96
8 130.62 2.16 2.74 -182.21 23.44 9 317.88 30.57 43.30 1249.42 387.49
10 0.16 2.16 -0.66 -4.51 16.64
11 33.17 42.63 33.95 491.30 557.01
12 2.19 2.16 -18.71 2.49 27.30
13 6.87 2.16 -22.53 50.56 28.37
14 1.13 2.16 8.06 9.07 12.58
15 61.17 2.16 -44.71 393.80 74.05
16 58.05 6.40 -8.78 214.46 71.20
17 10.69 0.28 0.42 10.85 1.76
18 2.62 2.16 0.45 -11.81 10.72
19 7.29 0.28 2.79 11.82 2.32
20 17.63 2.34 57.33 94.85 34.55
21 37.08 12.46 26.37 226.81 131.46 22 35.75 2.34 -20.71 106.53 27.25 23 7.13 12.04 -19.42 -125.87 -163.56 24 59.77 6.10 -18.70 201.41 64.36
25 1.10 2.16 19.21 13.62 19.06
26 0.08 0.28 2.87 -0.92 -1.68
27 2.05 2.16 -4.35 28.58 29.37
28 39.32 0.22 1.22 239.12 17.94
29 53.74 2.16 0.10 341.86 68.58
30 46.66 6.10 41.86 300.37 108.64
31 2.53 2.16 8.23 14.19 13.12
Perumusan Hipotesa :
H0 : Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu, Curah Hujan, Pupuk, Usia Tanaman terhadap Produksi kelapa sawit H1 : Terdapat pengaruh yang signifikan antara variabel bebas yaitu, Curah
Hujan, Pupuk, Usia Tanaman terhadap Produksi kelapa sawit
Kriteria Pengujian Hipotesisnya : Jika Fhitung > Ftabel maka tolak H0
Jika Fhitung < Ftabel maka terima H0
Untuk menguji model regresi yang telah terbentuk, maka dapat diambil : x1i = X1i - X1
x2i = X2i – X2
x3i = X3i – X3 yi = Yi – Ȳ
Dan diperlukan harga – harga yang akan dicantumkan pada tabel 4.4
JKreg = b1
x1iyi+b2
x2iyib3
x3iyi= (-3,508) ( 10,68) + ( 1,682) ( 4436,54) + ( 8,635) ( 1868,20) = -37,57 + 7462,26 + 16131,91
= 23557,02
Untuk JKres dapat diketahui dari table 4.1
JKres =
(Yi –2 ^ ) i Y = 10969,75
Jadi Fhit dapat dicari dengan rumus dibawah ini :
Fhitung =
) 1 /( / k n JK k JK res reg = 30 / 10969,75 3 / 23557,02 = 66 , 365 34 , 7852 = 21,47
Dengan demikian dapat disimpulkan bahwa :
4.4 Pengujian Koefisien Regresi Liniear Berganda
Dari hasil perhitungan didapat persamaan penduga regresi berganda
Ŷ = 0,256 – 3,517 X1 + 1,682 X2 + 8,635 X3
Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam persamaan regresi di atas, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.
1. Hipotesis Pengujian
H0 : Tidak ada pengaruh yang signifikan antara koefisien X1, X2, X3 terhadap Y
H0 : Ada pengaruh yang signifikan antara koefisien X1, X2, X3 terhadap Y
2. Taraf nyata signifikansi (α) diambil sebesar 0,05
3. Kriteria pengujian : terima H0 jika ti < ttabel dan tolak H0 jika ti > ttabel,
Dapat dihitung kekeliruan baku koefisien bi sebagai berikut :
s 1 b =
² .
(∑ ) ( )
= ,
( , ) ( , )
= -0,87
s 2 b =
² .
(∑ ) ( )
= ,
( , )( , )
= 0,30
s 3 b =
² .
(∑ ) ( )
= ,
( , )( , )
Diperoleh distribusi student
t
i=
s i
b
t
1=
1
b
s
1 b
= -0,83
t
2=
2
b
s
2 b
= 2,17
t
3=
3
b
s
3 b
= 4,51
Dari tabel distribusi t dengan dk = 30 dan α = 0,05 diperoleh ttabel sebesar = 2,92 dan hasil dari perhitungan di atas diperoleh :
4.5 Pengujian Koefisien Korelasi
Tabel 4.5 Nilai Yang Diperlukan Untuk Uji Koefisien Korelasi
No Y X1 X2 X3 X₁² X₂² X₃² (X₁) (X₂)
1 65.84 1.52 3.31 6 2.31 10.96 36 5.03
2 47.48 2.51 2.81 5 6.30 7.90 25 7.05
3 72.80 2.07 8.68 7 4.28 75.34 49 17.97
4 39.71 2.22 7.03 4 4.93 49.42 16 15.61
5 79.91 2.24 8.61 7 5.02 74.13 49 19.29
6 79.91 2.38 11.27 7 5.66 127.01 49 26.82
7 67.01 2.23 7.01 6 4.97 49.14 36 15.63
8 37.93 2.25 20.27 4 5.06 410.87 16 45.61
9 123.95 3.04 26.67 11 9.24 711.29 121 81.08
10 42.56 2.48 9.24 4 6.15 85.38 16 22.92
11 139.18 2.82 14.60 12 7.95 213.16 144 41.17
12 35.31 3.43 7.36 4 11.76 54.17 16 25.24
13 34.58 3.59 6.22 4 12.89 38.69 16 22.33
14 45.32 1.48 7.78 4 2.19 60.53 16 11.51
15 3.52 3.31 1.02 4 10.96 1.04 16 3.38
16 82.02 2.11 16.46 8 4.45 270.93 64 34.73
17 57.19 2.55 12.11 6 6.50 146.65 36 30.88
18 46.58 2.36 10.46 4 5.57 109.41 16 24.69
19 58.25 3.06 11.54 6 9.36 133.17 36 35.31
20 76.46 4.96 13.04 7 24.60 170.04 49 64.68
21 91.12 3.13 14.93 9 9.80 222.90 81 46.73
22 71.69 1.26 14.82 7 1.59 219.63 49 18.67
23 101.00 2.01 6.17 2 4.04 38.07 4 12.40
24 27.82 3.14 1.11 3 9.86 1.23 9 3.49
25 40.91 0.94 7.79 4 0.88 60.68 16 7.32
26 50.69 1.52 9.13 6 2.31 83.36 36 13.88
27 33.90 2.64 7.41 4 6.97 54.91 16 19.56
28 15.74 2.39 2.57 5 5.71 6.60 25 6.14
29 7.24 2.42 1.51 4 5.86 2.28 16 3.65
30 9.90 1.47 2.01 3 2.16 4.04 9 2.95
31 44.95 1.50 7.25 4 2.25 52.56 16 10.88
32 77.76 1.60 15.58 7 2.56 242.74 49 24.93
33 8.16 2.80 1.79 4 7.84 3.20 16 5.01
34 15.27 2.92 3.03 4 8.53 9.18 16 8.85
No (X₂) (X₃) (X₁) (X₃) (X₁) (Y) (X₂) (Y) (X₃) (Y) Y²
1 19.86 9.12 100.08 217.93 395.04 4334.91
2 14.05 12.55 119.17 133.42 237.40 2254.35
3 60.76 14.49 150.70 631.90 509.60 5299.84
4 28.12 8.88 88.16 279.16 158.84 1576.88
5 60.27 15.68 179.00 688.03 559.37 6385.61
6 78.89 16.66 190.19 900.59 559.37 6385.61
7 42.06 13.38 149.43 469.74 402.06 4490.34
8 81.08 9.00 85.34 768.84 151.72 1438.68
9 293.37 33.44 376.81 3305.75 1363.45 15363.60
10 36.96 9.92 105.55 393.25 170.24 1811.35
11 175.20 33.84 392.49 2032.03 1670.16 19371.07
12 29.44 13.72 121.11 259.88 141.24 1246.80
13 24.88 14.36 124.14 215.09 138.32 1195.78
14 31.12 5.92 67.07 352.59 181.28 2053.90
15 4.08 13.24 11.65 3.59 14.08 12.39
16 131.68 16.88 173.06 1350.05 656.16 6727.28
17 72.66 15.30 145.83 692.57 343.14 3270.70
18 41.84 9.44 109.93 487.23 186.32 2169.70
19 69.24 18.36 178.25 672.21 349.50 3393.06
20 91.28 34.72 379.24 997.04 535.22 5846.13
21 134.37 28.17 285.21 1360.42 820.08 8302.85
22 103.74 8.82 90.33 1062.45 501.83 5139.46
23 12.34 4.02 203.01 623.17 202.00 10201.00
24 3.33 9.42 87.35 30.88 83.46 773.95
25 31.16 3.76 38.46 318.69 163.64 1673.63
26 54.78 9.12 77.05 462.80 304.14 2569.48
27 29.64 10.56 89.50 251.20 135.60 1149.21
28 12.85 11.95 37.62 40.45 78.70 247.75
29 6.04 9.68 17.52 10.93 28.96 52.42
30 6.03 4.41 14.55 19.90 29.70 98.01
31 29.00 6.00 67.43 325.89 179.80 2020.50
32 109.06 11.20 124.42 1211.50 544.32 6046.62
33 7.16 11.20 22.85 14.61 32.64 66.59
34 12.12 11.68 44.59 46.27 61.08 233.17
4.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel terikat, maka dari tabel 4.5 dapat dihitung besar koefisien korelasinya yaitu :
1. Koefisien korelasi antara Produksi Kelapa Sawit (Y) dengan Curah Hujan (X1) :
r
y1 =
2 2 2 1 2 1 1 1 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n = 2 2 (1831,66) -1) 133202,6 )( 34 }{( (82,35) -220,53) )( 34 {( (1831,66) (82,35) -(4447,07) (34) = 0,132. Koefisien korelasi antara Produksi Kelapa Sawit (Y) dengan Pupuk (X2) :
r
y2 =
3. Koefisien korelasi antara Produksi Kelapa Sawit (Y) dengan Pupuk (X3) :
r
y3 =
2 2 2 2 3 3 3 ) ( ) 3 ( ) )( ( i i i i i i Y Y n X X n Y X Y X n = 2 2 (1831,66) -133202,61) )( 34 }{( (186) -11888,46) )( 34 {( (1831,66) (186) -(11888,46) (34) = 0,784.5.2 Perhitungan Korelasi antara Variabel Bebas
1. Koefisien korelasi antara Curah Hujan (X1) dengan Pupuk (X2) :
r
12 =
2 2 2 2 2 1 2 1 2 1 2 1 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n=
( ) ( , ) ( , ) ( , ) {( )( , ) ( , )²}{( )( , ) ( , ) ²}2. Koefisien korelasi antara Curah Hujan (X1) dengan Usia Tanaman (X3) :
r
13 =
2 3 2 3 2 1 2 1 3 1 3 1 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n=
( ) ( , ) ( , ) ( ) {( )( , ) ( , )²}{( )( ) ( ) ²}=
0,143. Koefisien korelasi antara Pupuk (X2) dengan Usia Tanaman (X3) :
r
23 =
2 3 2 3 2 2 2 2 3 2 3 2 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n=
( ) ( , ) ( , ) ( ) {( )( , ) ( , )²}{( )( ) ( )²} = 0,68Dari perhitungan didapat nilai kofisien korelasi :
1. r
y1 = 0,13; Variabel X1 berkorelasi sangat lemah terhadap variabel Y 2. r
y2 = 0,70; Variabel X2 berkorelasi sangat kuat terhadap variabel Y 3. r
y3 = 0,78; Variabel X3 berkorelasi sangat kuat terhadap variabel Y 4. r
12 = 0,48; Variabel X1 berkorelasi kuat terhadap variabel X2 5. r
13 = 0,14; Variabel X1 berkorelasi sangat lemah lemah terhadap variabelX3 6. r
4.6 Perhitungan Koefisien Determinasi
Berdasarkan tabel 4.4 didapat harga ∑yi2 = 34526,78 sedangkan JKreg yang telah dihitung adalah : 23558,481. Maka selanjutnya dengan rumus :
R
2=
n 1 i
2 i reg
y JK
Sehingga didapat koefisien determinasi :
R2
=
78 , 34526 23558,481
=
0,682Dan untuk koefisien korelasi ganda, digunakan rumus :
R = ²
= √0,682
= 0,826
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai sistem atau system yang diperbaiki.
Tahapan implementasi sistem merupakan tahapa penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini menggunakan software SPSS versi 17.0
5.2 Sekilas Tentang Program SPSS
SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan versi Windows.
SPSS dengan sistem Windows telah mengeluarkan software dengan beberapa versi yang berkembang dalam penggunannya dalam mengolah data statistika.
5.3 Pengolahan Data dengan SPSS
1. Memulai SPSS pada window yaitu sebagai berikut : Pilih menu Start dari Windows
Selanjutnya pilih menu Program Pilih SPSS Statistic 17
[image:56.612.128.504.358.594.2]
Gambar 5.1 Tampilan Pengaktifan SPSS 17.0
2. Memasukkan data ke dalam SPSS
Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS
Pada tampilan jendela Variabel View terdapat kolom-kolom berikut : Name : untuk memasukkan nama variabel yang akan diuji
Type : untuk mendefinisikan tipe variabel apakah bersifat numeric/string Widht : untuk menuliskan panjang pendek variabel
Decimals : untuk menuliskan jumlah decimal di belakang koma Label : untuk menuliskan label variabel
Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau angka data view
Measure : untuk menentukan skala pengukuran variabel, misalnya nominal,ordinal atau scale
2.1 Pengisian Variabel
Tempatkan pointer pada baris pertama di bawah Name
Name : Klik ganda pada sel tersebut dan ketik angka kematian bayi Type : Pilih Numeric karena data dalam bentuk angka
Widht : Untuk keseragaman ketik 8 Decimal : Ketik 2
Label : Tidak Perlu diisi
Values and missing : Abaikan karena data tidak dikategorisasikan Align : Pilih Center
Measure : Pilih nominal
Begitu seterusnya untuk mengisi variabel Y, X1, X2, dan X3 dengan Name dan Label yang sesuai dengan Variabel yang dimaksudkan.
2.2 Pengisian Data
1. Aktifkan jendela dengan mengklik Data View
Tampilannya adalah sebagai berikut :
Gambar 5.3 Tampilan Jendela Pengisian Data View
5.4 Analisis Regresi dan Korelasi Dengan SPSS
Langkah-langkahnya adalah sebagai berikut :
1. Tampilkan lembar kerja dimana sudah terdapat data yang akan dianalisis 2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu
Gambar 5.4 Pilih Analyze, Regression, Linear
3. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog ini akan diatmpilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (Hasil Produksi Kelapa Sawit) pada kotak Dependent, dan variabel bebas X (Curah Hujan, Pupuk, dan Usia Tanaman) pada kotak Independent seperti gambar dibawah ini :
[image:61.612.148.494.474.655.2]4. Klik kotak Statistics pada kotak dialog Linear Regression, kemudian aktifkan Estimate, Model Fit, Descriptive dan Part and Partial Correlations lalu klik Continue untuk melanjutkan seperti pada gambar berikut :
Gambar 5.6 Kotak Dialog Linear Regresion : Statistics
Gambar 5.7 Kotak Dialog Linear Regression : Plots/Option
5.5 Hasil Output Pengolahan Data dalam SPSS
a. Bagian Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N
Hasil_Produksi_Kelapa_Sawit 53.8724 32.34604 34
Curah_Hujan 2.4212 .79884 34
Pupuk 8.8406 5.88593 34
Usia_Tanaman 5.4706 2.21886 34
Interpretasi :
1. Rata-rata hasil produksi kelapa sawit (dengan jumlah data 34) adalah : 53,87 ton dengan standard deviasi 32.34.
2. Rata-rata curah hujan (dengan jumlah data 34) adalah : 2.42 mm dengan standard deviasi 0.79.
3. Rata-rata pupuk (dengan jumlah data 34) adalah : 8.84 ton dengan standard deviasi 5.88.
b. Bagian Correlations
Interpretasi :
1. Besar hubungan antar variabel hasil produksi kelapa sawit dengan curah hujan yang dihitung dengan koefisien korelasi adalah 0.789. Variabel hasil produksi kelapa sawit dengan pupuk diperoleh 0.706. Dan variabel hasil produksi kelapa sawit dengan usia tanaman diperoleh 0.789. Karena korelasi hasil produksi kelapa sawit dengan usia tanaman besar, maka variabel usia tanaman lebih berpengaruh terhadap hasil produksi kelapa sawit dibanding dengan variabel curah hujan dan pupuk.
Correlations
Hasil_Produksi_
Kelapa_Sawit Curah_Hujan Pupuk Usia_Tanaman
Pearson Correlation Hasil_Produksi_Kelapa_Sawit 1.000 .013 .706 .789
Curah_Hujan .013 1.000 .048 .143
Pupuk .706 .048 1.000 .682
Usia_Tanaman .789 .143 .682 1.000
Sig. (1-tailed) Hasil_Produksi_Kelapa_Sawit . .471 .000 .000
Curah_Hujan .471 . .394 .209
Pupuk .000 .394 . .000
Usia_Tanaman .000 .209 .000 .
N Hasil_Produksi_Kelapa_Sawit 34 34 34 34
Curah_Hujan 34 34 34 34
Pupuk 34 34 34 34
2. Terjadi korelasi yang kuat antara variabel curah hujan dengan pupuk, yaitu sebesar 0.048. Dan korelasi yang lemah antara variabel curah hujan dengan usia tanaman yaitu sebesar 0.143 dan antara variabel usia tanaman dengan curah hujan yaitu sebesar 0.143.
3. Tingkat signifikansi koefisien korelasi satu sisi dari output (diukur dari probabilitas) menghasilkan angka 0,000 atau praktis 0. Karena probabilitas jauh di bawah 0,05 maka korelasi diantara variabel hasil produksi kelapa sawit dengan curah hujan, pupuk, dan usia tanaman adalah nyata.
c. Bagian variables entered/removed
Variables Entered/Removed
Model
Variables
Entered
Variables
Removed Method
1 Usia_Tanaman,
Curah_Hujan,
Pupuka
. Enter
a. All requested variables entered.
Interpretasi :
[image:66.612.130.358.396.496.2]d. Bagian Model Summary
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .826a .682 .651 19.12220
a. Predictors: (Constant), Usia_Tanaman, Curah_Hujan, Pupuk
b. Dependent Variable: Hasil_Produksi_Kelapa_Sawit
Interpretasi :
1. Angka R square adalah 0.682. Hal ini berarti 68% hasil produksi kelapa sawit bisa dijelaskan oleh variabel curah hujan, pupuk dan usia tanaman. Sedangkan sisanya (100% - 68% = 32%) dijelaskan oleh sebab-sebab yang lain.
2. Standard error of estimate adalah 19.12220. Perhatikan pada analisis sebelumnya, bahwa standard deviasi hasil produksi kelapa sawit adalah 32.346 yang lebih besar dari standard error of estimate yang hanya 27,000. Karena nilainya lebih kecil dari standard deviasi, maka model regresi lebih bagus dalam bertindak sebagai predictor hasil produksi kelapa sawit daripada rata-rata hasil produksi kelapa sawit itu sendiri.
e. Bagian Anova
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 23557.029 3 7852.343 21.475 .000a
Residual 10969.750 30 365.658
Total 34526.779 33
a. Predictors: (Constant), Usia_Tanaman, Curah_Hujan, Pupuk
f. Bagian Coefficients
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Correlations
B Std. Error Beta Zero-order Partial Part
1 (Constant) .256 12.620 .020 .984
Curah_Hujan -3.508 4.221 -.087 -.831 .412 .013 -.150 -.086
Pupuk 1.682 .775 .306 2.170 .038 .706 .368 .223
Usia_Tanaman 8.635 2.076 .592 4.159 .000 .789 .605 .428
a. Dependent Variable: Hasil_Produksi_Kelapa_Sawit
Interpretasi :
1. Konstanta sebesar 0.256 menyatakan bahwa jika tidak ada curah hujan, pupuk, dan usia tanaman (variabel bebas) maka hasil produksi kelapa sawit adalah 0.256 ton.
a. Koefisien regresi X1 sebesar -3.508 menyatakan bahwa setiap pengurangan ( karena tanda - ) curah hujan maka, terjadi penurunan hasil produksi kelapa sawit sebesar -3.508 ton.
b. Koefisien regresi X2 sebesar 1.682 menyatakan bahwa setiap penambahan ( karena tanda + ) pupuk, maka terjadi kenaikan hasil produksi kelapa sawit sebesar 1.682 ton.
2. Uji t untuk menguji signifikansi konstanta dan variabel dependent.
a. Untuk curah hujan, pada tabel dapat dilihat bahwa thitung sebesar -0.831. Dan nilai ttabel dapat dilihat pada tabel t dengan dk = 30 dan α = 0,05 yaitu 2.92. Karena thitung = -0,831 < ttabel = 2,92 maka H0 diterima. Atau koefisien regresi tidak signifikan, curah hujan secara signifikan tidak berpengaruh terhadap hasil produksi kelapa sawit.
b. Untuk pupuk, pada tabel dapat dilihat bahwa thitung sebesar 2.170. Dan nilai ttabel dapat dilihat pada tabel t dengan dk = 30 dan α = 0,05 yaitu 2.92. Karena thitung = 2.170 < ttabel = 2.92 maka Ho diterima. Atau koefisien regresi signifikan, secara signifikan tidak berpengaruh terhadap hasil produksi kelapa sawit.
g. Bagian Gambar (chart)
[image:70.612.160.461.245.432.2]Setelah diuraikan bagian output angka, sekarang beralih ke bagian output berupa chart untuk menganalisis hubungan setiap variabel bebas dengan variabel tidak bebas.
Gambar 5.8 Output Partial Regression Plot Pertama
Interpretasi :
Gambar 5.9 Output Partial Regression Plot Kedua
Interpretasi :
Gambar 5.10 Output Partial Regression Plot Ketiga Interpretasi :
BAB 6
PENUTUP
6.1 Kesimpulan
Berdasarkan analisis data yang telah dilakukan, maka dapat diperoleh beberapa kesimpulan antara lain :
1. Dari hasil perhitungan diperoleh bahwa persamaan penduga hasil produksi kelapa sawit untuk curah hujan, pupuk dan usia tanaman adalah :
Ŷ = 0,256 – 3,517 X1 + 1,682 X2 + 8,635 X3
Persamaan ini mempunyai arti :
Konstanta sebesar 0,256 menyatakan bahwa jika tidak ada curah hujan, pupuk, dan usia tanaman (variabel bebas) maka hasil produksi kelapa sawit adalah 0,256 ton.
Koefisien regresi X2 sebesar 1,682 menyatakan bahwa setiap penambahan (karena tanda +) pupuk akan meningkatkan hasil produksi kelapa sawit sebesar 1,682 ton.
Koefisien regresi X3 sebesar 8,635 menyatakan bahwa setiap penambahan
(karena tanda +) usia tanaman akan meningkatkan hasil produksi kelapa sawit sebesar 8,635 ton.
2. Dari pengujian koefisien korelasi diperoleh bahwa variabel X2 (Pupuk) sebesar 1,682 dan X3 (Usia Tanaman) sebesar 8,635 mempunyai hubungan yang relatif kuat terhadap hasil produksi kelapa sawit, sedangkan variabel X1 (Curah Hujan) sebesar -3,517 mempunyai hubungan yang lemah terhadap hasil produksi kelapa sawit.
3. Koefisien determinasi menunjukkan bahwa 68% variabel bebas (Curah Hujan, Pupuk, dan Usia Tanaman) mempengaruhi hasil produksi kelapa sawit , sedangkan 32 % lagi dipengaruhi oleh faktor-faktor lain yang tidak dijelaskan dalam penelitian ini.
6.2 Saran
Berdasarkan analisis yang didapat, penulis dapat memberikan saran sebagai berikut :
1. PT. Perkebunan Nusantara III sebaiknya memperhatikan usia tanaman kelapa sawit guna meningkatkan hasil produksi kelapa sawit, karena usia tanaman sangat berpengaruh terhadap hasil produksi kelapa sawit.
DAFTAR PUSTAKA
Algifari.2000. Analisis Regresi Teori, Kasus, dan Solusi. Yogyakarta : BPFE Supranto,J.2010. Analisis Multvariat. Jakarta : Rineka Cipta
Sudjana.2005. Metode Statistika Edisi ke-6. Bandung : Tarsito PTPN III.2011. Sejarah dan Struktur PTPN III 2011 .
Santoso,Singgih.1999. SPSS Mengolah Data Statistika Secara Profesional.
Jakarta : PT.Elex Media Komputindo.
http://www.google.com