ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL
TAHUN 2013
TUGAS AKHIR
MUHAMMAD HARRIS 112407114
PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL
TAHUN 2013
TUGAS AKHIR
Diajukan untuk melengkapi Tugas Akhir dan memenuhi syarat mencapai gelar Ahli Madya
MUHAMMAD HARRIS 112407114
PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Analisis faktor-faktor yang mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal tahun 2013
Kategori : Tugas Akhir Nama : Muhammad Harris
Nim : 112407114
Program Studi : D3 Statistika Departemen : Matematika
Fakultas : Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara
Disetujui di Medan, Juni 2014
Diketahui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,
PERNYATAAN
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN MANDAILING NATAL
TAHUN 2013
TUGAS AKHIR
Saya mengaku bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali
beberapa kutipan dari ringksan yang masing-masing disebutkan sumbernya.
Medan, Juni 2014
MUHAMMDA HARRIS
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha
Penyayang, dengan lipahan dan karunianya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul “ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN
MANDAILING NATAL TAHUN 2013”.
Terimakasih penulis sampaikan kepada Bapak Drs. Agus Salim harahap,
M.Si selaku Dosen Pembimbing yang telah meluangkan waktuya selama
penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU Medan, Bapak Prof. Dr.
Tulus, M.Si, dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris
Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku
Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika
FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak
terlupakan kepada Bapak Yais Hasyim Lubis dan Ibu Fauziah Nasution dan
keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan.
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Daftar Isi iv
Daftar Tabel vi
Daftar Gambar vii
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Batasan Masalah 2
1.4 Tujuan Penelitian 2
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 3
1.7 Tinjauan Pustaka 5
1.8 Lokasi Penelitian 6
1.9 Sistematika Penulisan 6
BAB 2 LANDASAN TEORI
2.1 Pengertian Regresi 8
2.2 Analisis Regresi Berganda 8
2.3 Regresi Linier Sederhana 9
2.4 Regresi Linier Berganda 10
2.5 Membentuk Persamaan Regresi Linier Berganda 10
2.6 Uji Koefisien Korelasi 11
2.7 Uji Keberartian Regresi 13
2.8 Uji Koefisien Determinasi 14
BAB 3 GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Badan Pusat Statistika (BPS) 17 3.1.1 Masa Pemerintahan Hindia Belanda 18
3.1.2 Masa Pemerintahan Jepang 19
3.1.3 Masa Pemerintahan Republik Indonesia 19 3.1.4 Masa Orde Baru sampai Sekarang 19 3.2 Tugas, Fungsi dan Kewenangan BPS 20
3.2.1 Tugas 20
3.2.2 Fungsi 20
3.2.3 Kewenangan 20
3.3 Visi dan Misi BPS 21
3.3.1 Visi 21
3.3.2 Misi 21
3.4 Struktur Organisasi BPS 22
3.5 Logo BPS 24
BAB 4 PENGOLAHAN DATA
4.1 Pengolahan Data dan Evaluasi 25
4.2 Menentukan Persamaan Regresi Linier Berganda 28
4.3 Pengujian Koefisien Korelasi 33
4.3.1 Perhitungan Korelasi antara Variabel Bebas dan
Variabel Terikat 33
4.3.2 Perhitungan Korelasi antar Variabel Bebas 36 4.4 Pengujian Keberartian Regresi 39 4.5 Perhitungan Koefisien Determinasi 43
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 44
5.2 Pengertian SPSS 44
5.3 Pengolahan Data dengan SPSS 45
5.4 Analisis Regresi dan Korelasi dengan SPSS 50 5.5 Hasil Output Pengolahan Data dalam SPSS 54
BAB 6 PENUTUP
6.1 Kesimpulan 63
6.2 Saran 65
DAFTAR PUSTAKA
DAFTAR TABEL
Halaman
Gambar 2.1 Interval Koefisien Nilai r 12
Tabel 4.1 Data yang akan Diolah 26
Tabel 4.2 Data yang akan Diolah (Simbolis) 27
Tabel 4.3 Nilai-nilai yang Diperlukan untuk Menghitung Koefisien
Regresi 28
Tabel 4.4 Nilai-nilai yang Diperlukan untuk Menghitung Nilai
Taksiran Baku 31
Tabel 4.5 Nilai-nilai untuk Menghitung Koefisien-koefisien Regresi
DAFTAR GAMBAR
Halaman
Gambar 3.1 Struktur Organisasi BPS Propinsi Sumatera Utara 23
Gambar 3.2 Logo BPS (Badan Pusat Statistika) 24
Gambar 5.1 Tampilan Pengaktifan SPSS 17,0 45
Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS 46
Gambar 5.3 Tampilan Pengisian Variabel pada Variabel View 49
Gambar 5.4 Tampilan Pengisian Data pada Data View 50
Gambar 5.5 Tampilan Menu Analyze (Regression dan Analyze) 51
Gambar 5.6 Tampilan pada Linier Regression 52
Gambar 5.7 Tampilan pada Linier Regression Statistics 52
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Jagung merupakan salah satu tanaman pangan yang banyak ditanam di setiap
Negara, termasuk Indonesia. Jagung adalah sumber pangan kedua setelah padi.
Hampir 70% hasil produksi jagung ini dimanfaatkan untuk konsumsi dan sisanya
untuk berbagai keperluan, baik sebagai pakan ternak, kebutuhan permintaan pasar,
maupun kebutuhan industri.
Peluang mengembangkan tanaman jagung ini cukup menjanjikan di
Kabupaten Mandailing Natal, karena lahan di daerah tersebut sangat mendukung
pertumbuhan komoditi itu. Beberapa faktor yang mempengaruhi hasil produksi
jagung antara lain produktifitas, luas panen, dan curah hujan. Pentingnya
mengetahui beberapa faktor yang mempengaruhi hasil produksi sebagai tolak ukur
dalam pengambilan keputusan untuk menunjang pencapaian hasil produksi yang
maksimal membuat penulis termotivasi untuk meneliti faktor-faktor apa saja yang
berpengaruh terhadap hasil produksi jagung di Kabupaten Mandailing Natal.
Dari uraian di atas, penulis memilih judul “ANALISIS FAKTOR
FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI
1.2 Perumusan Masalah
jagung merupakan salah satu bahan baku untuk memenuhi kebutuhan rumah
tangga, permintaan pasar, maupun industri makanan di Indonesia. Berdasarkan hal
diatas dapat dirumuskan masalah penelitian sebagai berikut:
1. Untuk mengetahui bagaimana hubungan antara beberapa faktor yang
mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal.
2. Untuk mengetahui seberapa erat hubungan faktor-faktor tersebut.
1.3 Batasan Masalah
Agar permasalahan yang dibahas dalam penelitian tidak menyimpang, maka
penulis mengambil tiga faktor yang mempengaruhi hasil produksi jagung di
Kabupaten Mandailing Natal yaitu: produktifitas (XІ), luas panen (XЇ) dan curah
hujan (XЈ). Lalu akan dianalisis secara regresi linier berganda untuk mengetahui
ketiga faktor diatas yang sangat mempengaruhi hasil produksi jagung di
Kabupaten Mandailing Natal.
1.4 Tujuan Penelitian
Tujuan penulis dalam menyusun penelitian ini berdasarkan rumusan masalah
diatas diantaranya yaitu:
1. Untuk mengetahui faktor yang sangat berpengaruh terhadap produksi jagung di
2. Untuk mengetahui seberapa besar faktor-faktor tersebut mempengaruhi
produksi jagung di Kabupaten Mandailing Natal.
1.5 Manfaat Penelitian
Penelitian ini diharapkan tidak hanya memberikan informasi khususnya kepada
warga di Kabupaten Mandailing Natal mengenai hubungan faktor-faktor yang
mempengaruhi hasil produksi jagung, serta faktor yang sangat mempengaruhi
hasil produksi jagung di kabupaten tersebut. Namun dapat mengatasi faktor-faktor
yang mempengaruhinya dan dapat meningkatkan hasil produksi di waktu
mendatang.
1.6 Metodologi Penelitian
Untuk mendukung penyusunan Tugas Akhir ini, penulis menggunakan beberapa
metode penelitian untuk memperoleh data. Metode yang digunakan sebagai
berikut:
1. Metode Penelitian Kepustakaan (Studi Literature)
Metode ini digunakan untuk memperoleh informasi yang dibutuhkan dengan
cara membaca dan mempelajari buku-buku perkuliahan atau umum, serta
mencari sumber informasi yang berhubungan dengan objek yang diteliti yang
2. Metode Pengumpulan Data
Untuk memperoleh data yang dibutuhkan, penulis melakukan riset dengan
mengambil data skunder di BPS (Badan Pusat Statistika) Propinsi Sumatera
Utara, Jalan Asrama, No.179, Medan.
3. Metode Pengolahan Data
Adapun pengolahan data dalam menganalisis faktor-faktor yang
mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal, dengan
menggunakan perumusan:
Analisis Regresi
Persamaan penduga regresi linier berganda, adalah sebagai berikut:
dimana:
= variable tak bebas (dependent variable)
= dugaan bagi parameter konstanta
= dugaan bagi parameter koefisien regresi
1.7 Tinjauan Pustaka
(Sudjana. 1992) “Metoda Statistika”, edisi 6 Tarsito, Bandung.
Jika data terdiri atas dua atau lebih variable, maka sewajarnya untuk mempelajari
cara bagaimana data itu berhubungan. Hubungan yang didapat biasanya
dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan
fungsional antara variable-variabel. Studi yang menyangkut masalah ini disebut
analisis regresi.
(Wibisono, Yusuf, 2005) “Metode Statistik”, Gajah Mada University Press,
Yugyakarta.
Analisis regresi telah lama dikembangkan untuk mempelajari pola dan mengukur
hubungan statistik antara dua variabel atau lebih. Teknik analisis regresi
menjelaskan bentuk hubungan antara dua variabel atau lebih yang mengandung
sebab akibat yang disebut analisis regresi.
Persamaan matematik yang memungkinkan melakukan peramalan nilai-nilai suatu
variabel tak bebas dari satu atau lebih variabel bebas disebut persamaan regresi.
Istilah ini berasal dari hasil pengamatan yang dilakukan oleh Sir Francis Galton
(1822-1911) yang membandingkan tinggi badan anak laki-laki dengan tinggi
badan bapaknya. Galton menyatakan bahwa tinggi badan anak laki-laki dengan
(Lungan, Richard, 2006) “Aplikasi Statistik & Hitung Peluang”, Graha Ilmu,
Yogyakarta.
Persamaan regresi yang menyatakan hubungan linier antara satu peubah tak bebas
dengan satu peubah bebas disebut regresi linier sederhana. Sedangkan regresi
yang menyatakan hubungan linier satu peubah tak bebas denga beberapa peubah
bebas disebut regresi linier ganda.
1.8 Lokasi Penelitian
Penelitian dan riset data dilakukan di BPS (Badan Pusat Statistika) Propinsi
Sumatera Utara, Jalan Asrama No.179, Medan.
1.9 Sistematika Penulisan
Adapun sistematika penulisan yang akan diuraikan oleh penulis antara lain:
BAB 1 : PENDAHULUAN
Bab ini menguraikan tentang Latar Belakang, Identifikasi
Masalah, Tujuan Penelitian, Manfaat Penelitian, Metodologi
Penelitian, dan Sistematika Penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menguraikan tentang pengertian regresi linier sederhana,
regresi linier berganda, uji keberartian regresi, uji korelasi, dan uji
BAB 3 : GAMBARAN UMUM TEMPAT RISET
Bab ini menguraikan tentang sejarah berdirinya Badan Pusat
Statistika, moto, visi dan misi, serta struktur organisasi.
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan proses pengolahan data dengan regresi
linier berganda, uji keberartian regresi, uji korelasi, dan uji
koefisien determinasi untuk regresi linier 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 ini terdiri atas kesimpulan dari analisis yang telah dilakukan
serta saran berdasarkan kesimpulan yang tentunya bermanfaat
BAB 2
LANDASAN TEORI
2.1 Pengertian Regresi
Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,
analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel yaitu
variabel tak bebas (dependent variable) satu atau lebih variabel yang
menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan nilai-nilai
dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui.
Variabel yang menerangkan sering disebut variabel bebas (independent variable).
2.2 Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk peramalan, dimana dalam model
terdapat variabel bebas X dan variabel tak bebas Y. Regresi linier yaitu untuk
menentukan suatu persamaan dari garis yang menunjukkan hubungan antara
variabel bebas dan variabel tak bebas, yang merupakan persamaan penduga yang
berguna untuk menaksir atau meramalkan variabel tak bebas.
Untuk mempelajari hubungan-hubungan antara beberapa variabel, dapat
dilakukan dengan dua cara, yaitu:
1. Analisis regresi sederhana (simple analisis regression)
Analisis regresi sederhana merupakan hubungan antara dua variabel,
yaitu variabel bebas (dependent variable) dan variabel tak bebas (independent
variable). Sedangkan analisis regresi linier berganda merupakan hubungan antara
satu variabel bebas (dependent variable) dengan lebih dari dua variabel tak bebas
(independent variable).
2.3 Regresi Linier Sederhana
Analisis regresi linier sederhana berguna untuk mendapatkan hubungan matematis
dalam bentuk persamaan antara variabel bebas dan variabel tak bebas, dimana
jumlah jumlah variabel tak bebasnya hanya satu. Bentuk umum model regresi
linier sederhana yaitu:
dimana:
Variabel tak bebas
Variabel bebas
Parameter intersep
Kemiringan garis
2.4 Regresi Linier Berganda
Regresi linier berganda digunakan untuk memodelkan hubungan antara variabel
bebas dan variabel tak bebas, dengan jumlah variabel tak bebas satu dan jumlah
variabel bebasnya lebih dari satu. Secara umum persamaan regresi linier berganda
dapat ditulis sebagai berikut:
(untuk populasi)
(untuk sampel)
dimana:
Pengamatan ke i pada variabel tak bebas
Pengamatan ke i pada variabel bebas
Koefisien regresi untuk data populasi
Koefisien regresi untuk data sampel
Pengamatan ke i variabel kesalahan
2.5 Membentuk Persamaan Regresi Linier Berganda
Dalam regresi linier berganda variabel tak bebas (Y) bergantung kepada dua atau
lebih variabel bebas (X). bentuk persamaan regresi linier berganda yang
mencakup dua atau lebih variabel, yaitu:
Dalam hal ini penulis menggunakan model regresi linier berganda dengan tiga
variabel, yaitu:
Untuk regresi linier berganda tiga variabel bebas X1, X2, X3 akan ditaksir oleh:
Koefisien-koefisien b0, b1, b2, b3 dapat dihitung dengan menggunakan persamaan:
Harga-harga b0, b1, b2, b3 didapat dengan menggunakan persamaan diatas dengan
menggunakan metode eliminasi atau subtitusi.
2.6Uji Koefisien Korelasi
Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur
kekuatan (keeratan) suatu hubungan antar variabel. Koefisien korelasi biasanya
disimbolkan dengan r.
√[ ][ ]
dimana:
n : banyaknya pasangan data X dan Y
Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat
dikelompokkan sebagai berikut:
Gambar 2.1 Interval Koefisien Nilai r
Interval Koefisien Nilai r Tingkatan Hubungan
0,800 - 1,000 Sangat Kuat
0,600 - 0,799 Kuat
0,400 - 0,599 Cukup kuat
0,200 - 0,399 Lemah
0,001 - 0,199 Sangat Lemah
2.7Uji Keberartian Regresi
Sebelum persamaan regresi yang diperoleh digunakan untuk membuat
kesimpulan, terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan
keberartiannya. Uji keberartian dilakukan untuk mengetahui 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 dan jumlah kuadrat untuk sisa (residu)
yang ditulis dengan .
Secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:
( )
Dengan derajat kebebasan dk = (n – k – 1) untuk sampel ukuran n.
Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:
Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat
2.8 Uji Koefisien Determinasi
Uji koefisien determinasi yang disimbolkan dengan bertujuan untuk
mengetahui seberapa besar kemampuan variabel independent menjelaskan
variabel dependent. Nilai dikatakan baik jika berada di atas 0,5 karena nilai
berkisar antara 0 dan 1. Pada umumnya model regresi linier berganda dapat
dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel bebas
dijelaskan oleh variabel tak bebas yang digunakan dalam model.
Koefisien determinasi dapat dihitung dari:
Sehingga rumus umum koefisien determinasi yaitu:
Harga diperoleh sesuai 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.
2.9 Pengujian Hipotesis
Pengujian hipotesis merupakan salah satu tujuan untuk membuktikan dalam
penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah
populasi maka tidak menutup kemungkinan terjadinya kesalahan dalam
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal,
yaitu: tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau atau
confidence interval. Didasarkan tingkat signifikansi pada umumnya orang
menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai 0,1.
Yang dimaksud dengan tingkat signifikansi adalah probabilitas
melakukan kesalahan yaitu kesalahan menolak hipotesis ketika hipotesis tersebut
benar dan tingkat kepercayaan pada umumnya adalah sebesar 95%. Yang
dimaksud dengan tingkat kepercayaan adalah tingkat dimana sebesar 95% nilai
sampel akan mewakili nilai populasi dimana sampel berasal. Dalam melakukan
uji hipotesis terdapat dua hipotesis, yaitu: H0 (hipotesis 0) dan H1 (hipotesis
alternatif). H0 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.
Dalam uji keberartian regresi, langkah-langkah yang dibutuhkan untuk pengujian
hipotesis ini antara lain:
1. H0 : 0 = 1 = . . . = k = 0
Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas
dengan variabel tak bebas.
H1 : minimal satu parameter koefisien regresi k≠ 0
Terdapat hubunga fungsional yang signifikan antara variabel bebas dengan
2. Pilihan taraf α yang diinginkan
3. Hitung statistik Fhitung dengan menggunakan rumus:
4. Nilai Ftabel mengggunakan daftar tabel F dengan taraf signifikan α yaitu Ftabel =
F(1-α)(k),(n-k-1)
5. Kriteria pengujian:
Fhitung ≥ Ftabel maka H0 ditolak H1 diterima
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS
melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian,
agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,
pendapatan, dan keagamaan. Selain hal – hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik
dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang
serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan
defenisi, klasifikasi dan ukuran – ukuran lainnya.
Setiap sepuluh tahun sekali, BPS menyelenggarakan sensus penduduk. Di
samping itu, BPS juga melakukan pengumpulan data, menerbitkan publikasi
statistik nasional maupun daerah, serta melakukan analisis data statistik yang
digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap
provinsi, kabupaten dan kota di seluruh Indonesia. Dinamakan perwakilan BPS di
daerah, karena BPS merupakan instansi vertikal, yakni instansi pemerintah pusat
yang berada di daerah, sehingga bukan merupakan bagian dari instansi milik
Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah
dalam rangka penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS
menyelenggarakan:
1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol),
2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan
3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).
Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:
3.1.1 Masa Pemerintahan Hindia Belanda
Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur
pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en
Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah
dan memublikasi data statistik.
Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan
nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan
dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme
statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen
3.1.2 Masa Pemerintahan Jepang
Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan
statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer.
Pada masa ini CKS diganti namanya menjadi Shomubu Chasasitsu gunseikanbu
3.1.3 Masa Kemerdekaan Republik Indonesia
Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945
kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan
yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia).
Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi
dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di
Jakarta mengaktifkan kembali CKS.
3.1.4 Masa Orde Baru Sampai Sekarang
Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam
perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang
handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan
3.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan
tata kerja perwakilan BPS di daerah.
3.2.1 Tugas
BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan
ketentuan peraturan perundang-undangan yang berlaku.
3.2.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan
fungsi:
1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.
2. Pengkoordinasian kegiatan statistik nasional dan regional.
3. Penetapan dan penyelenggaraan statistik dasar.
4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang
kegiatan statistik; dan
5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang
perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian,
keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.
3.2.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai
kewenangan:
1. Penyusunan rencana nasional secara makro di bidangnya;
2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara
3. Penetapan sistem informasi di bidangnya;
4. Penetapan dan penyelenggaraan statistik nasional;
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan
yang berlaku, yaitu:
1. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik.
2. Penyusunan pedoman penyelenggaraan survei statistik sektoral.
3.3 Visi dan Misi BPS
3.3.1 Visi
Pelopor data statistik terpercaya untuk semua.
3.3.2 Misi
1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk
penyelenggaraan statistik yang efektif dan efisien.
2. Menciptakan insan statistik yang kompeten dan profesional, didukung
pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan
Indonesia.
3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran,
dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan
4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.
5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik yang
diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik Nasional (SSN) yang efektif dan efisien.
3.4 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan
BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan
maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari
masing-masing bagian.
Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang
uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah
dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan
Gambar 3.1 Struktur organisasi BPS Provinsi
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan
dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu
-individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.
Struktur organisasi perusahaan merupakan salah satu faktor penting yang
mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan
yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah
pemisahan tugas dari para pegawai / staf tersebut.
Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah
struktur organisasi lini dan staf. Struktur ini mengandung unsur – unsur
spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam
K E P A L A
Bagian Tata Usaha
Bidang Integrasi Pengolahan & Diseminasi Statistik Bidang
Neraca Wilayah & Analisis Statistik Bidang Stat. Distribusi Bidang Stat. Produksi Bidang Stat. Sosial Seksi Statistik Kependudukan Seksi Statistik Ketahanan Sosial Seksi Statistik Kesejahteraan Rakyat Seksi Statistik Konstruksi,
Pertam-bangan & Energi Seksi Statistik
Industri Seksi Statistk
Pertanian
Seksi Statistk Niaga & Jasa Seksi Statistk Keuangan & Harga
Produsen Seksi Statistk Harga Konsumen &
pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan
dan ukuran satuan yang menunjukkan suatu kelompok kerja.
Adapun tujuan dari struktur organisasi dan staf di Kantor Badan Pusat
Statistik (BPS) adalah :
a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai
departemen dan kegiatan – kegiatan yang saling berhubungan satu sama lain. b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi
manajemen.
c. Pembuatan keputusan yaitu membuat keputusan – keputusan dan mengamati
bagaimana pelaksanaan dari keputusan tersebut.
3.5 Logo BPS
[image:33.595.166.458.501.662.2]Logo BPS adalah sebagai berikut:
BAB 4
PENGOLAHAN DATA
4.1 Pengolahan Data dan Evaluasi
Pada dasarnya data merupakan alat bagi pengambilan keputusan untuk
memecahkan suatu persoalan. Keputusan dikatakan baik jika pengambilan
keputusan tersebut didasarkan atas data yang baik. Salah satu dari kegunaan data
yaitu untuk memperoleh data dan mengetahui gambaran suatu keadaan atau
permasalahan.
Untuk mengetahui gambaran keadaan atau permasalahan hasil produksi
jagung, penulis mengumpulkan data yang berhubungan dengan permasalahan
tersebut. Data yang diperoleh dari BPS (Badan Pusat Statistika) Propinsi
Sumatera Utara yaitu data hasil produksi jagung di kabupaten Simalungun serta
faktor-faktor yang mempengaruhinya, diantaranya yaitu produktifitas, luas panen
dan curah hujan. Data yang diambil yaitu data dari tahun 2001 sampai 2012.
Tabel 4.1: Data yang akan diolah
Tahun Produksi
(Ribu Ton) Produktifitas (Ribu Ton/Ha) Luas Panen (Ribu Ha) Curah Hujan (Ribu mm)
2012 383.796 5.9370 64.643 0.145
2011 371.070 5.7140 64.935 2.150
2010 322.271 5.0580 63.712 1.490
2009 311.724 4.7360 65.820 2.286
2008 298.861 4.5990 64.971 2.859
2007 204.196 3.4259 59.604 1.380
2006 204.196 3.4259 59.604 1.962
2005 249.250 3.3867 73.597 0.000
2004 200.579 3.3515 59.847 0.783
2003 187.188 3.3514 55.854 2.422
2002 156.920 3.2913 47.677 2.228
2001 186.264 3.2843 56.714 2.091
Sumber: BPS (Badan Pusat Statistika) Propinsi Sumatera Utara
Dari data tersebut, disimbolkan menjadi:
Y = Produksi Jagung (ribu ton)
X1 = Produktifitas (ribu ton/ha)
X2 = Luas Panen (ribu ha)
Tabel 4.2: Data yang akan diolah (Simbol)
No Y X1 X2 X3
1 383.796 5.9370 64.643 0.145
2 371.070 5.7140 64.935 2.150
3 322.271 5.0580 63.712 1.490
4 311.724 4.7360 65.820 2.286
5 298.861 4.5990 64.971 2.859
6 204.196 3.4259 59.604 1.380
7 204.196 3.4259 59.604 1.962
8 249.250 3.3867 73.597 0.000
9 200.579 3.3515 59.847 0.783
10 187.188 3.3514 55.854 2.422
11 156.920 3.2913 47.677 2.228
12 186.264 3.2843 56.714 2.091
Kemudian penulis mengelompokkan analisa dan pembahasan menjadi 4
kelompok:
1. Menentukan persamaan regresi linier berganda
2. Menentukan nilai korelasi
3. Uji keberartian regresi
4.2 Menentukan Persamaan Regresi Linier Berganda
Untuk menentukan hubungan antar variabel bebas (produktifitas, luas panen,
curah hujan) terhadap variabel terikat (produksi jagung), maka langkah pertama
yang harus dilakukan adalah menentukan persamaan regresi linier berganda.
Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien regresi b1, b2, b3
[image:37.595.116.529.317.654.2]adalah sebagai berikut:
Tabel 4.3: Nilai-nilai yang diperlukan untuk menghitung koefisien regresi
No Y XІ XЇ XЈ YXІ YXЇ YXЈ
1 383.796 5.9370 64.643 0.145 2278.597 24809.725 55.650
2 371.070 5.7140 64.935 2.150 2120.294 24095.430 797.801
3 322.271 5.0580 63.712 1.490 1630.047 20532.530 480.184
4 311.724 4.7360 65.820 2.286 1476.325 20517.674 712.601
5 298.861 4.5990 64.971 2.859 1374.462 19417.298 854.444
6 204.196 3.4259 59.604 1.380 699.555 12170.898 281.790
7 204.196 3.4259 59.604 1.962 699.555 12170.898 400.633
8 249.250 3.3867 73.597 0.000 844.135 18344.052 0.000
9 200.579 3.3515 59.847 0.783 672.241 12004.051 157.053
10 187.188 3.3514 55.854 2.422 627.342 10455.199 453.369
11 156.920 3.2913 47.677 2.228 516.471 7481.475 349.618
12 186.264 3.2843 56.714 2.091 611.747 10563.776 389.478
Sambungan tabel 4.3
XІXЇ XІXЈ XЇXЈ XІ² XЇ² XЈ² Y²
383.785 0.861 9.373 35.248 4178.717 0.021 147299.370
371.039 12.285 139.610 32.650 4216.554 4.623 137692.945
322.255 7.536 94.931 25.583 4059.219 2.220 103858.597
311.724 10.826 150.465 22.430 4332.272 5.226 97171.852
298.802 13.149 185.752 21.151 4221.231 8.174 89317.897
204.197 4.728 82.254 11.737 3552.637 1.904 41696.006
204.197 6.722 116.943 11.737 3552.637 3.849 41696.006
249.251 0.000 0.000 11.470 5416.518 0.000 62125.563
200.577 2.624 46.860 11.233 3581.663 0.613 40231.935
187.189 8.117 135.278 11.232 3119.669 5.866 35039.347
156.919 7.333 106.224 10.833 2273.096 4.964 24623.886
186.266 6.867 118.589 10.787 3216.478 4.372 34694.278
3076.202 81.049 1186.279 216.089 45720.693 41.833 855447.683
Dari table 4.2 diperoleh:
= 3.076,315 = 81.049 = 216,089
= 49,561 = 1186.279 = 45.720,693
= 736,978 = 13.550,7693 = 41.833
= 19.796 = 192.563,007 = 855.447,683
Sehingga didapat suatu persamaan:
Kita dapat subtitusikan nilai-nilai yang bersesuaian, sehingga diperoleh
persamaan:
0 0
0 0 0 0 0
00 0 0 0
0
Setelah persamaan di atas diselesaikan, maka didapat koefisien:
b0 = -217,756
b1 = 64,612
b2 = 3,366
b3 = 0,317
Dengan demikian diperoleh persamaan regresi linier berganda:
Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga yang
diperoleh dari persamaan regresi diatas untuk tiap harga X1, X2, dan X3 yang
diketahui:
Tabel 4.4: Nilai-nilai yang Diperlukan untuk Menghitung Nilai Taksiran
Baku
No Y XІ XЇ XЈ Y- (Y- )²
1 383.796 5.9370 64.643 0.145 383.4797 0.31625 0.10002
2 371.070 5.7140 64.935 2.150 370.6897 0.38027 0.14461
3 322.271 5.0580 63.712 1.490 323.9784 -1.70742 2.91528
4 311.724 4.7360 65.820 2.286 310.5212 1.20279 1.44669
5 298.861 4.5990 64.971 2.859 298.9933 -0.13228 0.01750
6 204.196 3.4259 59.604 1.380 204.6628 -0.46677 0.21788
7 204.196 3.4259 59.604 1.962 204.8473 -0.65127 0.42415
8 249.250 3.3867 73.597 0.000 248.7930 0.45704 0.20888
9 200.579 3.3515 59.847 0.783 200.4843 0.09467 0.00896
10 187.188 3.3514 55.854 2.422 187.5570 -0.36899 0.13616
11 156.920 3.2913 47.677 2.228 156.0885 0.83147 0.69134
12 186.264 3.2843 56.714 2.091 186.0114 0.25264 0.06383
[image:40.595.114.521.396.702.2]Dari table 4.2.2 diperoleh:
n = 12 = 19.796
= 3.076,315 = 3076,1066
= 49,561 = 0,20839
= 736,978 ( ) = 6,37528
Dengan k = 3, n = 12, dan ( )2 = 6,37528 didapat:
Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus:
sy123 √ ( )
2 12
i 1
n k 1
sehingga:
sy123 √12 3 1
= 0,892
Ini berarti bahwa rata-rata hasil produksi jagung yang sebenarnya akan
4.3 Pengujian Koefisien Korelasi
4.3.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel terikat,
maka dari table 4.2.1 dapat dihitung besar koefisien korelasinya yaitu:
1. Koefisien korelasi antara Produksi Jagung (Y) dengan Produktifitas (X1)
√[ ][ ]
0 0
√[ ][ 0 ]
0
√[ ][ 0 ]
0 0
√[ ][ 0 0 ]
0 0 √ 0 0 0
0 0 0 0
0
Ini berarti variabel X1 (Produktifitas) berkorelasi sangat kuat terhadap variabel Y
2. Koefisien korelasi antara Produksi Jagung (Y) dengan Luas Panen (X2)
√[ ][ ]
00 0
√[ 0 ][ 0 ]
0 0
√[ ][ 0 ]
0
√[ ][ 0 0 ]
0
√ 00
0 0 0
0
Ini berarti variabel X2 (Luas Panen) berkorelasi kuat terhadap variabel Y
3. Koefisien korelasi antara Produksi Jagung (Y) dengan Curah Hujan (X3)
√[ ][ ]
0
√[ ][ 0 ]
0
√[ 0 ][ 0 ]
0 0
√[ 0 ][ 0 0 ]
0 0 √
0 0
0
Ini berarti variabel X3 (Curah Hujan) berkorelasi sangat lemah terhadap variabel
4.3.2 Perhitung Korelasi antar Variabel Bebas
1. Koefisien korelasi antara Produktifitas (X1) dengan Luas Panen (X2)
√[ ][ ]
0 0
√[ 0 ][ 0 ]
√[ 0 ][ ]
0
√[ ][ ]
0 √ 0
0 0
0
Ini berarti variabel X1 (Produktifitas) berkorelasi cukup kuat terhadap variabel
2. Koefisien korelasi antara Produktifitas (X1) dengan Curah Hujan (X3)
√[ ][ ]
0
√[ 0 ][ ]
0
√[ 0 ][ 0 0 ]
√[ ][ 0 ]
√ 0 0
0 069
Ini berarti variabel X1 (Produktifitas) berkorelasi sangat lemah terhadap variabel
3. Koefisien korelasi antara Luas Panen (X2) dengan Curah Hujan (X3)
√[ ][ ]
√[ 0 ][ ]
√[ ][ 0 0 ]
√[ ][ 0 ]
√ 0
00
0 454
Ini berarti variabel X2 (Luas Panen) berkorelasi cukup kuat terhadap variabel X3
4.4 Pengujian Keberartian Regresi
Perumusan hipotesa:
H0 : Tidak terdapat pengaruh yang sigifikan terhadap variabel bebas
(produktifitas, luas panen, curah hujan) terhadap produksi jagung.
H1 : Terdapat pengaruh yang sigifikan terhadap variabel bebas (produktifitas,
Luas panen, curah hujan) terhadap produksi jagung.
Kriteria pengujian hipotesisnya:
Jika Fhitung > Ftabel maka H0 ditolak
Jika Fhitung < Ftabel maka H0 diterima
Untuk menguji model regresi yang telah terbentuk, maka dapat diambil:
x1i = X1i - X 1
x2i = X2i - X 2
x3i = X3i - X 3 y1 = Yi -
Tabel 4.4: Nilai-nilai untuk Menghitung Koefisien-koefisien Regresi dan
Perhitungan Uji Regresi
No Y XІ XЇ XЈ XІᵢ XЇᵢ XЈᵢ yᵢ
1 383.796 5.9370 64.6430 0.145 1.8069 3.2282 -1.5047 127.4364
2 371.070 5.7140 64.9350 2.150 1.5839 3.5202 0.5003 114.7104
3 322.271 5.0580 63.7120 1.490 0.9279 2.2972 -0.1597 65.9114
4 311.724 4.7360 65.8200 2.286 0.6059 4.4052 0.6363 55.3644
5 298.861 4.5990 64.9710 2.859 0.4689 3.5562 1.2093 42.5014
6 204.196 3.4259 59.6040 1.380 -0.7042 -1.8108 -0.2697 -52.1636
7 204.196 3.4259 59.6040 1.962 -0.7042 -1.8108 0.3123 -52.1636
8 249.250 3.3867 73.5970 0.000 -0.7434 12.1822 -1.6497 -7.1096
9 200.579 3.3515 59.8470 0.783 -0.7786 -1.5678 -0.8667 -55.7806
10 187.188 3.3514 55.8540 2.422 -0.7787 -5.5608 0.7723 -69.1716
11 156.920 3.2913 47.6770 2.228 -0.8388 -13.7378 0.5783 -99.4396
12 186.264 3.2843 56.7140 2.091 -0.8458 -4.7008 0.4413 -70.0956
Sambungan Tabel 4.4: Nilai-nilai untuk Menghitung Koefisien-koefisien
Regresi dan Perhitungan Uji Regresi
(XІᵢ)(XЇᵢ) (XЇᵢ)(XЈᵢ) (XІᵢ)(XЈᵢ) (XІᵢ)(yᵢ) (XЇᵢ)(yᵢ) (XЈᵢ)(yᵢ)
5.8330 -4.8573 -2.7188 230.2670 411.3860 -191.7493
5.5757 1.7613 0.7925 181.6917 403.7998 57.3934
2.1316 -0.3668 -0.1482 61.1603 151.4095 -10.5239
2.6692 2.8032 0.3856 33.5462 243.8895 35.2302
1.6675 4.3006 0.5671 19.9296 151.1421 51.3984
1.2752 0.4883 0.1899 36.7327 94.4596 14.0668
1.2752 -0.5656 -0.2199 36.7327 94.4596 -16.2924
-9.0560 -20.0965 1.2263 5.2851 -86.6101 11.7284
1.2207 1.3588 0.6748 43.4298 87.4547 48.3432
4.3301 -4.2948 -0.6014 53.8628 384.6516 -53.4235
11.5231 -7.9450 -0.4851 83.4083 1366.0844 -57.5092
3.9759 -2.0746 -0.3733 59.2857 329.5077 -30.9355
32.4210 -29.4886 -0.7105 845.3320 3631.6343 -142.2734
(XІᵢ)² (XЇᵢ)² (XЈᵢ)² yᵢ²
3.2649 10.4211 2.2640 16240.0403 2.5088 12.3916 0.2503 13158.4797
0.8610 5.2770 0.0255 4344.3148
0.3671 19.4055 0.4049 3065.2186
0.2199 12.6463 1.4625 1806.3704
0.4959 3.2791 0.0727 2721.0394
0.4959 3.2791 0.0976 2721.0394
0.5526 148.4052 2.7214 50.5462 0.6062 2.4581 0.7511 3111.4735
0.6063 30.9229 0.5965 4784.7079
0.7036 188.7281 0.3345 9888.2307
0.7153 22.0978 0.1948 4913.3908
0
=
Untuk JKres dapat diketahui dari table 4.2.2
( )
6,37528
Jadi Fhitung dapat dicari dengan rumus dibawah ini:
= 27.956,97
Dengan demikian dapat disimpulkan bahwa:
Dari table distribusi Ftabel untuk dkpembilang = 3, dkpenyebut = n-k-1 = 12-3-1 = 8 dan
Ftabel (0,05) = 4,07. Sehingga didapat Fhitung (27.956,97) > Ftabel (4,07) maka H0
ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas
X1, X2, dan X3 bersifat nyata. Ini berarti terdapat pengaruh yang signifikan antara
4.5 Perhitungan Koefisien Determinasi
Berdasarkan tabel 4.4 didapat harga 0 sedangkan JKreg yang
telah dihitung adalah = .
Maka selanjutnya dengan rumus:
0
0
Sehingga didapat koefisien determinasi:
√
√0
0
Dari hasil perhitungan didapat didapat nilai koefisien determinasi sebesar
0 dan dengan mencari akar dari R2, diperoleh koefisien korelasi
gandanya sebesar 0 . Nilai tersebut digunakan untuk mengetahui
pengaruh variabel independent terhadap perubahan variabel dependent. Artinya
hasil produksi jagung dipengaruhi oleh produktifitas, luas lahan, dan
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah penerapan hasil desain tertulis dalam programming
dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun
prosedur untuk menyelesaikan desain sistem, yang mana dalam hal ini
implementasi sistem digunakan untuk menganalisa data-data yang dianggap
mempengaruhi hasil produksi jagung di Kabupaten Mandailing Natal. Pengolahan
data pada tugas akhir ini menggunakan software SPSS.
5.2 Pengertian SPSS
SPSS (Statistical Product and Service Solution) merupakan salah satu paket
program komputer yang digunakan untuk mengolah data statistik. Analisis data
akan menjadi lebih cepat, efisien, dengan hasil perhitungan yang akurat.
SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stamford
University pada tahun 1968 dan dioperasionalkan pada komputer mainframe.
Seiring dengan perkembangan software ini, SPSS sudah mampu memproses data
statistik pada berbagai bidang ilmu sosial maupun non sosial. Program ini dapat
5.3 Pengolahan Data dengan SPSS
1) Memulai SPSS pada windows yaitu sebagai berikut:
Pilih menu Start dari Windows
Selanjutnya pilih menu Program
[image:54.595.116.511.234.478.2] Pilih SPSS Statistics 17
2) Memasukkan data ke dalam SPSS
SPSS data editor mempunyai 2 tipe lingkungan kerja yaitu: Data View dan
Variabel View. Untuk menyusun definisi posisi tampilan SPSS data editor harus
berada pilih “Variabel View”. Lakukan dengan mengklik tab Sheet Variabel
View yang berada di bagian kiri bawah atau langsung menekan Ctrl+T. Tampilan
Variabel View juga dimunculkan dari View lalu pilih Variabel.
[image:55.595.114.514.314.547.2]Tampilannya adalah sebagai berikut:
Pada tampilan jendela Variabel View terdapat kolom-kolom berikut:
Name : untuk memasukkan nama variabel yang akan diuji
Type : untuk mengidentifikasikan tipe variabel apakah bersifat
numeric/string
Width : untuk menuliskan panjang pendek variabel
Decimals : untuk menuliskan jumlah desimal dibelakang koma
Label : untuk menuliskan label variabel
Value : untuk menuliskan nilai kuantitatif dari variabel yang skala
pengukurannya ordinal atau nominal bukan scale
missing : untuk menuliskan ada tidaknya jawaban kosong
Columns : untuk menuliskan lebar kolom
Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau
angka data view
Measure : untuk menentukan skala pengukuran variabel, misalnya nominal,
3) Pengisian Variabel
Letakkan pointer pada baris pertama di bawah name:
Name : klik ganda pada sel tersebut dan ketik Hasil_Produksi
Type : pilih numeric karena data dalam bentuk angka
Width : untuk keseragaman ketik 8
Decimal : Isi sesuai data yang pada table 4.1.1
Label : tidak perlu diisi
Value and Missing: abaikan karena data tidak dikategorisasikan
Align : pilih center
Measure : pilih nominal
Begitu seterusnya untuk mengisi X1, X2, X3 dengan Name dan Label yang sesuai
Gambar 5.3 Tampilan Pengisian Variabel pada Variabel View
4) Pengisian Data
1. Aktifkan jendelan dengan mengklik Data View
2. Ketikkan data yang sesuai dengan setiap variabel yang telah didefinisikan
pada Variabel View
Gambar 5.4 Tampilan Pengisian Data pada Data View
5.4 Analisis Regresi dan Korelasi dengan SPSS Langkah-langkah sebagai berikut:
1. Lampirkan lembar kerja dimana sudah terdapat data yang akan dianalisis
2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression
Gambar 5.5 Tampilan Menu Analyze, Regression, Linier
3. Setelah itu akan muncul kotak dialog Linier Regression, pada kotak dialog ini
akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak
bebas Y (Hasil_Produksi) pada kotak Dependent, dan variabel bebas X
(Produktifitas, Luas_Panen, dan Curah_Hujan) pada kotak Independent
Gambar 5.6 Tampilan pada Linier Regression
4. Klik kotak Statistics pada kotak dialog Linier Regression, kemudian aktifkan
Estimate, Model Fit, Descriptive dan Partial Correlation lalu klik Continue
untuk melanjutkan seperti pada gambar berikut:
[image:61.595.133.529.441.677.2]5. Selanjutnya klik kotak Plots pada kotak dialog Linier Regression dan pilih
[image:62.595.131.529.167.402.2]Produce All Partial Plot. Lalu ketik Continue untuk melanjutkan, seperti
gambar berikut:
Gambar 5.8 Tampilan pada Linier Regression Statistics
5.5 Hasil Output Pengolahan Data dalam SPSS
a. Bagian Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N
Hasil_Produksi 256.35958 77.930535 12
Produktifitas 4.130083 1.0179123 12
Luas_Panen 61.41483 6.461858 12
Curah_Hujan 1.64967 .913325 12
Interpretasi:
1) Rata-rata hasil produksi jagung (dengan jumlah data 12) adalah: 256,35958
ribu ton dengan standard deviasi 77,93.
2) Rata-rata produktifitas (dengan jumlah data 12) adalah: 4,1301 ribu ton
dengan standard deviasi 1,0179.
3) Rata-rata luas panen (dengan jumlah data 12) adalah: 61,415 ribu ha dengan
standard deviasi 6,462.
4) Rata-rata curah hujan (dengan jumlah data 12) adalah: 1,64967 ribu mm
b.Bagian Correlation
Correlations
Hasil_Produksi Produktifitas Luas_Panen Curah_Hujan
Pearson Correlation Hasil_Produksi 1.000 .969 .656 -.182
Produktifitas .969 1.000 .448 -.069
Luas_Panen .656 .448 1.000 -.454
Curah_Hujan -.182 -.069 -.454 1.000
Sig. (1-tailed) Hasil_Produksi . .000 .010 .286
Produktifitas .000 . .072 .415
Luas_Panen .010 .072 . .069
Curah_Hujan .286 .415 .069 .
N Hasil_Produksi 12 12 12 12
Produktifitas 12 12 12 12
Luas_Panen 12 12 12 12
Curah_Hujan 12 12 12 12
Interpretasi:
1) Besar hubungan antar variabel hasil produksi jagung dengan produktifitas
yang dihitung dengan koefisien korelasi adalah 0,969, variabel hasil produksi
jagung dengan luas panen diperoleh 0,656, dan variabel hasil produksi jagung
dengan curah hujan diperoleh -0,182. Dapat disimpulkan bahwa produktifitas,
dan luas panen sangat mempengaruhi hasil produksi jagung. Sedangkan curah
2) Terjadi korelasi yang cukup kuat antara variabel X1 (Produktifitas) dengan
variabel X2 (Luas Panen) yaitu sebesar 0,448, terjadi korelasi yang sangat
lemah antara variabel X1 (Produktifitas) dengan variabel X3 (Curah Hujan)
yaitu sebesar -0,069, dan terjadi korelasi yang cukup kuat antara variabel X2
(Luas Panen) dengan variabel X3 (Curah Hujan) yaitu sebesar -0,454.
3) Tingkat signifikan koefisien korelasi satu sisi dari output (diukur dari
probabilitas) menghasilkan angka 0,000 yaitu probabilitas antara hasil
produksi dengan produktifitas, 0,010 yaitu probabilitas antara hasil produksi
dengan luas panen, dan 0,286 yaitu probabilitas antara hasil produksi dengan
curah hujan. Karena probabilitas antara hasil produksi dengan produktifitas
dan luas panen di bawah 0,05, maka korelasi antara hasil produksi jagung
dengan produktifitas dan luas panen adalah nyata. Sedangkan korelasi antara
hasil produksi jagung dengan curah hujan tidak nyata karena nilai probabilitas
0,286 > 0,05.
c. Bagian variabel enterd/removed
Variables Entered/Removed
Model Variables Entered
Variables
Removed Method
1 Curah_Hujan,
Produktifitas, Luas_Panena
. Enter
Interpretasi:
Tabel variables entered menunjukkan bahwa tidak ada variabel yang dikeluarkan
(removed) atau dengan kata lain ketiga variabel bebas dimasukkan dalam
perhitungan regresi.
d.Bagian model summary
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 1.000a 1.000 1.000 .892441
a. Predictors: (Constant), Curah_Hujan, Produktifitas, Luas_Panen
b. Dependent Variable: Hasil_Produksi
Interpretasi:
1) Angka R Square adalah 1,000, dan nilai R adalah 1,000. Hal ini berarti 100%
hasil produksi jagung dipengaruhi oleh produktifitas, luas panen dan curah
hujan.
2) Standard error of estimate adalah 0,892441, ini berarti rata-rata nilai akan
[image:66.595.140.486.308.398.2]e. Bagian Anova
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 66798.480 3 22266.160 27956.703 .000a
Residual 6.372 8 .796
Total 66804.852 11
a. Predictors: (Constant), Curah_Hujan, Produktifitas, Luas_Panen
b. Dependent Variable: Hasil_Produksi
Interpretasi:
Dari perhitungan sebelumnya diperoleh nilai distribusi Ftabel untuk dkpembilang = 3,
dkpenyebut = n-k-1 = 12-3-1 = 8 dan Ftabel (0,05) = 4,07. Sehingga didapat Fhitung
(27.956,703) > Ftabel (4,07) maka H0 ditolak dan H1 diterima. Hal ini berarti
persamaan regresi linier berganda Y atas X1, X2, dan X3 bersifat nyata. Ini berarti
terdapat pengaruh yang signifikan antara produktifitas, luas panen, dan curah
hujan terhadap hasil produksi jagung.
f. Bagian Coefficients
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 156.10147 383.49814 256.35958 77.926819 12
Residual -1.725230 1.184532 .000000 .761077 12
Std. Predicted Value -1.287 1.632 .000 1.000 12
Std. Residual -1.933 1.327 .000 .853 12
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients
t Sig.
Correlations
B
Std.
Error Beta
Zero-order Partial Part
1 (Constant) -217.756 3.189 -68.284 .000
Produktifitas 64.612 .300 .844 215.391 .000 .969 1.000 .744
Luas_Panen 3.366 .053 .279 63.620 .000 .656 .999 .220
Curah_Hujan .317 .335 .004 .943 .373 -.182 .316 .003
a. Dependent Variable: Hasil_Produksi
Interpretasi:
1) Konstanta sebesar -217,756 menyatakan jika tidak ada produktifitas, luas
panen dan curah hujan (variabel bebas) maka hasil produksi akan menurun
sebesar 217,756 ribu ton pertahun.
a) Koefisien regresi X1 sebesar 64,612 menyatakan bahwa setiap kenaikan
produktifitas, maka terjadi kenaikan hasil produksi jagung sebanyak 64,612
ribu ton.
b)Koefisien regresi X2 sebesar 3,366 menyatakan bahwa setiap penambahan
luas panen, maka terjadi kenaikan hasil produksi jagung sebanyak 3,366
ribu ton.
c) Koefisien regresi X3 sebesar 0,317 menyatakan bahwa setiap pemambahan
curah hujan, maka terjadi kenaikan hasil produksi jagung sebanyak 0,317
g. Bagian Gambar (Chart)
Setelah diuraikan bagian output angka, sekarang beralih ke bagian output berupa
chart untuk menganalisis hubungan setiap variabel bebas dengan variabel tidak
bebas.
Interpretasi:
Dari gambar terlihat bahwa data membentuk suatu pola atau trend garis tertentu.
Maka dapat dikatakan bahwa model regresi memenuhi syarat untuk memprediksi
Interpretasi
Dari gambar terlihat bahwa data membentuk suatu pola atau trend garis tertentu.
Maka dapat dikatakan bahwa model regresi dapat memenuhi syarat untuk
Interpretasi:
Dari gambar terlihat bahwa data terpencar menyebar hampir tidak membentuk
suatu pola atau trend garis tertentu. Maka dapat dikatakan bahwa model regresi
BAB 6
PENUTUP
6.1 Kesimpulan
Berdasar analisis data yang telah dilakukan, maka dapat diperoleh beberapa
kesimpulan antara lain:
1. Dari hasil perhitungan diperoleh persamaan penduga hasil produksi jagung
untuk produktifitas, luas panen dan curah hujan adalah:
Persamaan ini mempunyai arti:
d)Koefisien regresi X1 sebesar 64,612 menyatakan bahwa setiap kenaikan
produktifitas, maka terjadi kenaikan hasil produksi jagung sebanyak 64,612
ribu ton.
e) Koefisien regresi X2 sebesar 3,366 menyatakan bahwa setiap penambahan
luas panen, maka terjadi kenaikan hasil produksi jagung sebanyak 3,366
ribu ton.
f) Koefisien regresi X3 sebesar 0,317 menyatakan bahwa setiap pemambahan
curah hujan, maka terjadi kenaikan hasil produksi jagung sebanyak 0,317
DAFTAR PUSTAKA
Badan Pusat Statistika. Sumatera Utara Dalam Angka 2002-2013.
Hartono. 2004. Statistik Untuk Penelitian. Yogyakarta: LSFK2P & Pustaka Belajar.
Sudjana. 1992. Metoda Statistika Edisi 6. Bandung: Tarsito.
Usman, Husein. 2006. Pengantar Statistika. Jakarta: Bumi Aksara.
Wibisono, Yusuf. 2005. Metode Statistik. Yogyakarta: Gajah Mada University Press.
