Analisis Jumlah Penduduk Dan Pendapatan Perkapita Terhadap Pertumbuhan Ekonomi Kota Medan

(1)

KOTA MEDAN

TUGAS AKHIR

OLEH

EMMA ALAMSARI TARIGAN 102407025

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(2)

Judul : ANALISIS JUMLAH PENDUDUK DAN

PENDAPATAN PERKAPITA TERHADAP

PERTUMBUHAN EKONOMI KOTA MEDAN

Kategori : TUGAS AKHIR

Nama : EMMA ALAMSARI TARIGAN

Nomor Induk Mahasiswa : 102407025

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (MIPA) UNIVERSITAS SUMATERA

UTARA

Disahkan di

Diketahui

Ketua Departemen Matematika FMIPA USU Pembimbing

(3)

ANALISIS JUMLAH PENDUDUK DAN PENDAPATAN PERKAPITA

TERHADAP PERTUMBUHAN EKONOMI KOTA MEDAN

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing - masing disebutkan sumbernya.

Medan, Juni 2013

(4)

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 JUMLAH PENDUDUK DAN PENDAPATAN PERKAPITA TERHADAP PERTUMBUHAN

EKONOMI KOTA MEDAN”.

Terimakasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si,

selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas

akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu‟ulolo, M.Si dan Bapak

Drs. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3

Statisika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan

Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika

FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU

Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU,

pegawai FMIPA USU dan rekan - rekan kuliah. Akhirnya tidak terlupakan kepada

Bapak Kastro Tarigan, Ibu Rismawati Siregar dan seluruh keluarga yang selama

ini memberikan bantuan dan dukungan yang diperlukan. Semoga Tuhan Yang

Maha Esa akan membalasnya.

(5)

PERSETUJUAN i

1.9 Sistematika Penulisan 7

BAB 2 LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi 9

2.2 Persamaan Regresi 10

BAB 3 SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Badan Pusat Statistik (BPS) 21 3.1.1 Masa Pemerintahan Hindia Belanda 21

3.1.2 Masa Pemerintahan Jepang 22

3.1.3 Masa Kemerdekaan Republik 22

3.1.4 Masa Orde Baru Sampai Sekarang 23 3.2 Visi dan Misi Badan Pusat Statistik 24 3.2.1 Visi Badan Pusat Statistik 25 3.2.2 Misi Badan Pusat Statistik 25 3.3 Struktur Organisasi Badan Pusat Statistik 25

(6)

4.3 Analisis Residu 34

4.4 Uji Regresi Linier Berganda 35

4.4.1 Uji F (Simultan) 35

5.1 Pengertiana Implementasi Sistem 48 5.2 Peranan Komputer dalam Statistika 48 5.3 Cara Kerja SPSS Statistic 17.0 50 5.4 Mengoperasikan SPSS Statistic 17.0 51 5.4.1 Mengaktifkan Program SPSS pada Windows 52

5.4.2 Pemasukan Data 52

5.4.3 Menyimpan Data 56

5.5 Analisa Regresi dengan SPSS Statistic 17.0 56 5.6 Analisis Korelasi dengan SPSS Statistic 17.0 57

BAB 6 PENUTUP

6.1 Kesimpulan 58

6.2 Saran 60

DAFTAR PUSTAKA

(7)

Tabel 2.1. Data hasil pengamatan dari n responden (X1, X2, … , Xk,Y) 13 Tabel 4.1. Data Pertumbuhan ekonomi, Jumlah penduduk dan Pendapatan

perkapita 29

Tabel 4.2. Nilai - nilai Koefisien 30

Tabel 4.3. Penyimpangan nilai koefisien 34

Tabel 4.4. Nilai - nilai koefisien untuk uji F 37

(8)

Gambar 2.1. Korelasi positif 18

Gambar 2.2. Korelasi negatif 19

Gambar 2.3. Korelasi nol 19

Gambar 5.1. Sistematika cara kerja SPSS 51

Gambar 5.2. Tampilan saat membuka SPSS Statistic 17.0 pada desktop 52

Gambar 5.3. Tampilan pada pengisian variable view 55

Gambar 5.4. Tampilan pada data view 55

Gambar 5.5. Tampilan kotak dialog Linear Regression 56

(9)

PENDAHULUAN

1.1 Latar Belakang

Kota Medan adalah Ibukota Propinsi Sumatera Utara, Indonesia. Kota ini

merupakan kota terbesar di Pulau Sumatera. Kota Medan merupakan pintu

gerbang wilayah Indonesia bagian barat. Secara geografis Kota Medan terletak

pada 3° 30' – 3° 43' Lintang Utara dan 98° 35' - 98° 44' Bujur Timur. Kota Medan

memiliki luas 26.510 hektar (265,10 km²) atau 3,6% dari keseluruhan wilayah

Sumatera Utara. Dengan demikian, dibandingkan dengan kota/kabupaten lainnya,

Kota Medan memiliki luas wilayah yang relatif kecil dengan jumlah penduduk

yang relatif besar dan meningkat setiap tahunnya.

Dengan diberlakukannya UU nomor 22 Tahun 1999 tentang Otonomi

Daerah, maka telah terjadi perubahan sistem penyelenggaraan pemerintahan di

Indonesia yang sebelumnya menganut sistem sentralistik menjadi sistem

desentralistik. Tentu saja, keberhasilan penyelenggaraan pemerintah daerah

sekarang ini dan masa yang akan datang sangat ditentukan oleh pemerintah daerah

itu sendiri. Pemerintah Kota Medan dalam melaksanakan pembangunan

khususnya pembangunan di bidang ekonomi tidak terlepas dari dampak positif

maupun dampak negatif, untuk mengukur hasil pembangunan tersebut di perlukan

(10)

bidang ekonomi yang sering di gunakan secara luas adalah Produk Domestik

Regional Bruto (PDRB) yang menunjukkan pertumbuhan ekonomi. Pembentukan

angka PDRB ini secara intuisi dipengaruhi oleh banyak faktor terutama faktor

ekonomi seperti produktivitas dan efisiensi. Selain itu, dapat diketahui juga bahwa

PDRB yang cukup meningkat dalam segi ekonomi merupakan cerminan dari

tingkat pendapatan masyarakat yang lebih baik di daerah tersebut, sedangkan

dalam bidang non ekonomi peningkatan tersebut mengindikasikan adanya

perbaikan tingkat kesehatan, pendidikan, perumahan, lingkungan hidup dan aspek

lainnya dalam masyarakat.

Di era dunia yang global saat ini diperlukan adanya koordinasi yang

menyeluruh dari berbagai pihak demi terwujudnya pembangunan yang sukses dan

berkesinambungan. Badan Pusat Statistik Kota Medan bekerjasama dengan Badan

Perencanaan Pembangunan Daerah Kota Medan telah menghitung pendapatan

regional secara berkala, yang mana hasilnya digunakan sebagai ukuran dan bahan

evaluasi terhadap hasil pembangunan yang telah dicapai, dan juga untuk

perencanaan dan dasar pengambilan keputusan bagi Pemerintah Daerah dalam

melanjutkan pembangunan disegala sektor.

Pendapatan perkapita merupakan gambaran besarnya pendapatan rata -

rata yang diterima oleh setiap penduduk sebagai hasil dari proses yang terjadi di

suatu daerah. Semakin banyak kegiatan ekonomi di suatu daerah akan

menimbulkan peningkatan proses produksi yang akan menghasilkan pendapatan.

Oleh sebab itu, besar maupun kecilnya PDRB perkapita belum mencerminkan

(11)

tersebut belum pasti dinikmati oleh penduduk daerah yang bersangkutan, namun

hanya menumpuk dibeberapa gelintir masyarakat.

Masyarakat adil dan makmur tercapai bila telah terpenuhinya kebutuhan

materil dan spiritual, namun kriteria dan tolak ukurnya sebagai patokan belum ada

yang pasti. Jadi untuk analisa yang dilakukan semata - mata hanya berdasarkan

pada kebutuhan secara fisik/materil. Sesuai dengan pembahasan sebelumnya

maka penulis mencoba untuk menganalisis faktor yang mendukung

perkembangan pertumbuhan ekonomi Kota Medan. Untuk mencapai tujuan yang

diinginkan tersebut, maka penulis mencoba membuat sebuah Tugas Akhir yang

berjudul “ANALISIS JUMLAH PENDUDUK DAN PENDAPATAN

PERKAPITA TERHADAP PERTUMBUHAN EKONOMI KOTA

MEDAN”.

1.2 Identifikasi Masalah

Dengan memanfaatkan data sekunder dari Badan Pusat Statistik, memungkinkan

penulis untuk menghitung data dengan menggunakan metode Analisis Regresi

Linier Berganda, hal ini dilakukan untuk melihat sektor manakah yang paling

(12)

1.3 Perumusan Masalah

Bagaimana menentukan pertumbuhan ekonomi Kota Medan di masa yang akan

datang maka diperlukan analisis komponen - komponen yang memberikan

pengaruh terhadap pertumbuhan ekonomi tersebut, sebagaimana jumlah penduduk

yang meningkat setiap tahunnya sebaiknya diiringi dengan peningkatan

pendapatan perkapitanya agar terjadi keseimbangan pertumbuhan ekonomi.

1.4 Pembatasan Masalah

Untuk mengarahkan pembahasan dalam Tugas Akhir ini agar tidak menyimpang

dari sasaran yang dituju, maka perlu membuat batasan ruang lingkup

permasalahan. Sebagai batasan masalah mengarah pada analisis untuk mengetahui

sektor mana di antara jumlah penduduk dan pendapatan perkapita yang paling

berpengaruh terhadap pertumbuhan ekonomi Kota Medan dengan menggunakan

metode Analisis Regresi Linier Berganda.

1.5 Maksud Dan Tujuan

Adapun tujuan dari penelitian ini adalah untuk mengetahui dan menganalisis

apakah secara signifikan terdapat korelasi antara jumlah penduduk dan

pendapatan perkapita terhadap pertumbuhan ekonomi Kota Medan serta meneliti

(13)

1.6 Manfaat Penelitian

Kontribusi yang dapat diambil dari penelitian ini adalah untuk mengamati dan

memberikan penyajian data tentang pertumbuhan ekonomi disegala bidang yang

diharapkan dapat dipergunakan bagi pihak - pihak yang membutuhkannya dalam

mengambil suatu keputusan atau kebijakan dan juga sebagai sarana meningkatkan

pengetahuan dan wawasan penulis mengenai riset dan menganalisis data.

1.7 Tinjauan Pustaka

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya

variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola

perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat

analisis yang memungkinkan untuk membuat perkiraan nilai variabel tersebut

pada nilai tertentu variabel yang mempengaruhinya (Algifari, 2000).

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis

hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis

dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan

persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu

persamaan regresi adalah bahwa antara variabel dependen dengan variabel

independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada

teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan

(14)

Regresi linier sederhana berguna untuk mendapatkan hubungan pengaruh

dari dua variabel. Regresi ganda berguna untuk mendapatkan pengaruh dua

variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau

lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor

atau lebih terhadap variabel kriteriumnya (Sudjana, 2001).

Analisis korelasi adalah alat statistik yang dapat digunakan untuk

mengetahui derajat hubungan linier antara satu variabel dengan variabel lain.

Untuk mengetahui keeratan hubungan antara dua variabel dengan menggunakan

koefisien korelasi adalah dengan menggunakan nilai absolut dari koefisien

korelasi tersebut. Besarnya koefisien korelasi (r) antara dua macam variabel

adalah 0 sampai dengan 1. Apabila dua buah variabel mempunyai nilai r = 0,

berarti antara dua variabel tersebut tidak ada hubungan. Sedangkan apabila dua

buah variabel mempunyai r = 1, maka dua buah variabel tersebut mempunyai

hubungan yang sempurna.

1.8 Metode Penelitian

1.8.1 Lokasi Penelitian

Dalam menyusun Tugas Akhir ini data yang digunakan oleh penulis diperoleh

dari Kantor Badan Pusat Statistik Propinsi Sumatera Utara yang berlamatkan di

(15)

1.8.2 Metode Pengumpulan Data

Keperluan data untuk penelitian ini penulis dapatkan dengan menggunakan data

sekunder (data yang tersedia). Pengumpulan data yang dilakukan penulis dimulai

pada tanggal 18 Maret - 24 Maret 2013.

1.9 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari

Tugas Akhir ini, yaitu sebagai berikut:

BAB 1 : PENDAHULUAN

Pada bab ini berisi tentang latar belakang masalah, identifikasi

masalah, pembatasan masalah, perumusan masalah, maksud dan

tujuan penelitian, metode penelitian dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang konsep teori-teori yang digunakan

dalam penyelesaian masalah yang dihadapi sesuai dengan judul

yang diutarakan.

BAB 3 : SEJARAH DAN STRUKTUR BPS

Pada bab ini dijelaskan tentang sejarah singkat berdirinya Badan

(16)

BAB 4 : PENGOLAHAN DATA

Pada bab ini dilakukan analisis data yang telah dikumpulkan

beserta pembahasannya.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini berisi tentang program atau software yang dipakai sebagai

analisis terhadap data yang diperoleh yaitu dengan menggunakan

Program SPSS Statistic 17.0.

BAB 6 : PENUTUP

Bab ini berisi tentang kesimpulan dan saran dari hasil analisis data

(17)

BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada

variabel - variabel lain yang mempengaruhinya. Misalnya pada kinerja seorang

pegawai terhadap perubahan tingkat produktivitas karena adanya perubahan gaji

yang diterimanya. Dalam artian bahwa pegawai tersebut semakin produktif

sebagai akibat adanya tambahan gaji yang diterimanya. Dalam hal ini berarti

bahwa perubahan produktivitasnya disebabkan oleh adanya perubahan gaji.

Dalam fenomena alam banyak sekali kejadian yang saling berkaitan sehingga

perubahan pada variabel lain berakibat pada perubahan variabel yang lainnya.

Teknik yang digunakan untuk menganalisis hal - hal semacam ini disebut dengan

analisis regresi.

Analisis regresi (regression analysis) merupakan suatu teknik untuk

membangun persamaan dan menggunakan persamaan tersebut untuk membuat

perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu

(18)

prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang di

bentuk.

Dengan demikian dapat didefenisikan bahwa : analisis regresi adalah metode

statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan

antara variabel - variabel, dengan tujuan pokok dalam penggunaan metode ini

adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang

diketahui.

2.2 Persamaan Regresi

Persamaan regresi (regression equation) adalah suatu persamaan matematis yang

mendefenisikan hubungan antara dua variabel. Persamaan regresi yang digunakan

untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi

estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan

antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu

variabel lain yang nilainya belum diketahui.

Sifat hubungan antarvariabel dalam persamaan regresi merupakan

hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum

menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau

lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau

perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab

(19)

dengan variabel bebas (independent variable), sedangkan variabel yang nilainya

dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variable).

2.2.1 Regresi Linier Sederhana

Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan

matematis dalam bentuk persamaan antara variabel bebas tunggal dengan variabel

terikat tunggal. Regresi linier sederhana hanya memiliki satu variabel bebas X

yang dihubungkan dengan satu variabel terikat Y.

Bentuk umum Regresi Linier Sederhana:

Persamaan regresi linier sederhana dengan satu variabel bebas ditaksir oleh:

Ŷ = α + bX (2.2)

Nilai α dan b dapat ditentukan dengan menggunakan persamaan normal berikut:

ΣY = αn + bΣX

ΣXY = αΣX + bΣX2

(2.3)

Dalam bentuk matriks dapat ditulis sebagai berikut:

(20)

Dalam Metode Kuadrat Terkecil nilai αdan b dapat ditentukan sebagai berikut:

α =

b = (2.5)

2.2.2 Regresi Linier Berganda

Banyak persoalan penelitian/pengamatan yang terjadi dengan lebih dari dua

variabel, atau dengan kata lain memerlukan lebih dari satu variabel bebas dalam

membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi

Kumulatif) seorang mahasiswa (Y) bergantung pada jumlah jam belajar setiap

hari (X1), banyaknya buku yang dibaca (X2), jumlah uang yang dimiliki (X3) dan faktor - faktor lainnya. Untuk memberikan gambaran tentang suatu

permasalahan/persoalan, biasanya sangat sulit ditentukan sehingga diperlukan

suatu model yang dapat memprediksi atau meramalkan respon yang penting

terhadap persoalan tersebut, yaitu regresi linier berganda.

Analisis regresi linier berganda memberikan kemudahan kepada pengguna

untuk memasukkan lebih dari satu variabel prediktor hingga k-prediktor dimana

banyaknya k kurang dari jumlah observasi (n).

Dengan demikian model regresi linier berganda dapat ditunjukkan sebagai

berikut:

Y = + X1 + X2 + ... + Xk + (2.6)

Dengan:

Y = variabel terikat (dependent)

(21)

X1,…,Xk = variabel bebas (independent)

= error

Karena model diduga dari sampel, maka persamaannya secara umum ditunjukkan

sebagai berikut:

Ŷ = b0 + b1X1 + b2X2 + ... + bkXk (2.7)

Dengan:

= nilai penduga bagi variabel Y

b0,…,bk = dugaan bagi parameter konstanta ,..., X1,…,Xk = variabel bebas X1,…,Xk

Untuk mencari nilai b0,b1,b2,...,bk diperlukan n buah pasang data (X1,X2,...,Xk,Y) yang dapat di lihat dalam tabel 2.1 berikut.

Tabel 2.1. Data hasil pengamatan dari n responden (X1,X2,...,Xk,Y)

Responden X1 X2 ... Xk Y 1 X11 X21 ... Xk1 Y1 2 X12 X22 ... Xk2 Y2

. . . . . .

(22)

Dari Tabel 2.1. dapat di lihat bahwa Y1 berpasangan dengan X11,X21,...,Xk1, data Y2 berpasangan dengan X12,X22,...,Xk2 dan umumnya data Yn berpasangan dengan X1n,X2n,...,Xkn.

Persamaan regresi linier berganda dengan dua variabel bebas X1, X2 ditaksir oleh:

Ŷ = b0 + b1X1 + b2X2 (2.8)

Nilai b0, b1, b2 dapat ditentukan dengan menggunakan persamaan normal berikut: ∑Yi = b0n + b1∑X1i + b2∑X2i

∑Yi∑1i = b0∑X1i + b1∑X1i2 + b2∑X1iX2i

∑Yi∑X2i = b0∑X2i + b1∑X2iX1 + b2∑X2i2 (2.9)

Dalam bentuk matrix dapat dituliskan:

= (2.10)

Dalam bentuk Metode Kuadrat Terkecil nilai b0, b1, b2 ditentukan sebagai berikut:

b1 =

b2 = (2.11)

b0 = (2.11)

Dengan:

= - = -

(23)

Dalam persamaan model regresi linier berganda yang diperoleh, maka

antara nilai Y dengan akan menimbulkan perbedaan hasil yang sering disebut

sebagai kekeliruan. Ukuran tersebut dapat dihitung oleh kesalahan baku taksiran

Sy.12...k, yang dapat ditentukan oleh rumus:

Sy.1,2,...,k =

(2.12)

Dengan:

Yi adalah nilai data sebenarnya, i adalah nilai taksiran n = banyaknya data

k = banyak variabel bebasnya

2.3 Uji Keberartian Regresi Linier

2.3.1 Uji F (Simultan)

Uji F ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar

pengaruh koefisien regresi secara bersama - sama terhadap variabel terikatnya.

Nilai Fhitung dapat diperoleh dengan rumus:

F =

(2.13)

Dengan:

(24)

JKreg = b1∑yjx1j + b2∑yjx2j + ... + bk∑yjxkj Dimana: x1j = X1 -

x2i = X2 - xkj = Xi -

Untuk uji F ini digunakan hipotesa sebagai berikut:

H0 : b1=b2=bn...=bn=0 (tidak ada pengaruh)

H1 : b1 b2 0…bi=1 (minimal terdapat satu pengaruh) Kriteria pengambilan keputusan:

a. H0 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama tidak berpengaruh secara simultan dan signifikan terhadap variabel terikatnya.

b. H1 diterima jika (Fhitung Ftabel) artinya variabel bebas secara bersama - sama berpengaruh secara simultan dan signifikan terhadap variabel terikatnya.

2.3.2 Uji t-statistik

Uji t-statistik merupakan pengujian untuk mengetahui apakah masing - masing

koefisien regresi signifikan atau tidak terhadap variabel terikatnya, dengan

menganggap variabel bebas lainnya konstan.

Nilai thitung diperoleh dengan rumus:

t = (2.14)

Dengan:

bi = nilai taksiran parameter b ke-i

(25)

Dalam uji t ini digunakan perumusan hipotesa sebagai berikut:

H0 : bi = b (tidak ada pengaruh)

H1 : bi b (minimal terdapat satu pengaruh)

Dengan bi adalah koefisien variabel ke-i nilai parameter hipotesis, dan biasanya b dianggap = 0. Artinya tidak ada pengaruh variabel Xi terhadap Y.

Pengujian dilakukan melalui uji-t dengan membandingkan thitung dengan ttabel. Hasil pengujian menunjukkan:

a. H0 diterima apabila thitung ttabel dengan tingkat kepercayaan sebesar (α). Artinya tidak terdapat pengaruh variabel bebas terhadap variabel terikat secara

signifikan.

b. H0 ditolak apabila thitung ttabel dengan tingkat kepercayaan sebesar (α). Artinya terdapat pengaruh variabel bebas terhadap variabel terikat secara

signifikan.

2.4 Koefisien Determinasi

Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel. Koefisien determinasi

digunakan untuk mengetahui proporsi keragaman total dalam variabel terikat (Y)

yang dapat dijelaskan atau diterangkan oleh variabel - variabel bebas (X) yang ada

dalam model persamaan regresi linier berganda secara bersama - sama.

Maka R2 ditentukan oleh rumus:

(26)

Dengan:

JKreg = jumlah kuadrat regresi

∑yi2 = ∑Yi2– 2.5 Koefisien Korelasi

Analisis korelasi adalah alat statistik yang digunakan untuk mengetahui adanya

derajat hubungan linier antara satu variabel dengan variabel yang lain. Dua

variabel dikatakan berkorelasi apabila perubahan pada satu variabel akan diikuti

oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah

yang berlawanan. Hubungan antar variabel dapat di kelompokkan menjadi 3 jenis

hubungan sebagai berikut:

1. Korelasi Positif

Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang

satu (X) meningkat atau menurun maka variabel lainnya (Y) cenderung untuk

meningkat atau menurun pula.

Gambar 2.1. Korelasi positif

(27)

Korelasi negatif terjadi apabila perubahan pada variabel yang satu (X) diikuti

dengan perubahan variabel lain (Y) dengan arah yang berlawanan (berbanding

terbalik) begitu juga sebaliknya.

Gambar 2.2. Korelasi negatif

3. Korelasi Nol

Korelasi nol terjadi apabila kedua variabel (X dan Y) tidak menunjukkan

adanya hubungan.

Gambar 2.3. Korelasi nol

Besarnya hubungan antara variabel yang satu dengan variabel yang lain

(28)

Untuk mencari korelasi antara variabel terikat dengan variabel bebas atau ry.1,2,...,k dapat di cari dengan rumus:

r_y.1,2,…,k = (2.16)

Sedangkan untuk mengetahui korelasi antarvariabel bebas dengan variabel bebas

lainnya dapat di cari dengan rumus:

r12 = (2.17)

Nilai koefisien korelasi adalah -1 ≤ r ≥ 1. Jika dua variabel berkorelasi

positif maka nilai koefisien korelasi akan mendekati +1 ; jika dua variabel

berkorelasi negatif maka nilai koefisien korelasi akan mendekati -1 ; jika dua

variabel tidak berkorelasi maka koefisien korelasi akan mendekati 0.

Untuk lebih memudahkan mengetahui seberapa jauh derajat keerataan

antarvariabel tersebut, berikut ini diberikan nilai - nilai dari Koefisien Korelasi

(KK) sebagai patokan.

1. KK = 0, tidak ada korelasi.

2. 0 < KK 0,20, korelasi sangat rendah/lemah sekali.

3. 0,20 < KK 0,40, korelasi rendah/lemah tapi pasti.

4. 0,40 < KK 0,70, korelasi yang cukup berarti.

5. 0,70 < KK 0,90, korelasi yang tinggi, kuat.

6. 0,90 < KK 1,00, korelasi sangat tinggi, kuat sekali, dapat diandalkan.

(29)

BAB 3

SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Badan Pusat Statistik (BPS)

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan

Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain

pada bidang pertanian, agraria, pertambangan, kependudukan, sosial,

ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal - hal tersebut

Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan,

kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan

mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi,

memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan

ukuran - ukuran lainnya. Berikut ini beberapa masa peralihan di BPS yaitu:

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur

(30)

Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan

mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu Komisi untuk statistik yang

anggotanya merupakan tiap – tiap Departemen. Komisi tersebut diberi tugas

merencanakan tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan

dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan

nama Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan

dipindahkan ke Jakarta. Bersama dengan itu, beralih juga pekerjaan mekanisme

statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en

Accijnsen (IUA) yang disebut sekarang Kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan

statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau

militer. Pada masa ini juga CKS diganti nama menjadi Shomubu Chosasitu

(31)

3.1.3 Masa Kemerdekaan Republik

Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945,

kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana

kemerdekaan yaitu KPPURI (Kantor Penyelidikan Perangkaan Umum Republik

Indonesia). Tahun 1946, kantor KPPURI dipindahkan ke Yogyakarta sebagai

hasil dari perjanjian Linggarjati. Sementara itu, pemerintahan Belanda (NICA) di

Jakarta mengaktifkan kembali CKS.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44,

lembaga KPS berada di bawah dan bertanggung jawab kepada Menteri

Perekonomian. Selanjutnya, keputusan Menteri Perekonomian tanggal 24

September 1953 No. 18.009/M KPS dibagi menjadi 2 (dua) bagian, yaitu bagian

research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang

disebut Afdeling B.

Dengan Keputusan Presiden RI No. 131 tahun 1957, kementerian

perekonomian dipecah menjadi kementerian perdagangan dan kementerian

perindustrian. Untuk selanjutnya, Keputusan Presiden RI No. 172 tahun 1957,

terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam

(32)

handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan

Organisasi Biro Pusat Statistik.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan

Struktur Organisasi yaitu:

1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS.

2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi,

suasana, dan tata kerja BPS.

4. Undang – Undang No. 16 tahun 1997 tentang Statistik.

5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.

6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata

kerja BPS.

7. PP 51 tahun 1999 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu

yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980,

Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti

Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau

Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19

Mei 1997 menetapkan tentang statistik sebagai pengganti Undang - Undang

Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan

Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus

(33)

3.2 Visi dan Misi Badan Pusat Statistik

Adapun visi dan misi dari Badan Pusat Statistik Propinsi Sumatera Utara adalah:

3.2.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai

tulang punggung informasi pembangunan nasional dan regional, didukung sumber

daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang

mutakhir.

3.2.2 Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan

misi mengarahkan pembangunan statistik pada penyajian data statistik yang

bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti

dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan

kegiatan langsung dengan instansi sosial yang terjadi di antara individu - individu

dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur

(34)

tingkat keberhasilan suatu perusahaan dalam mencapai suatu tujuan yang

ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan

tugas dari para pegawai/staf.

Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah

struktur organisasi ini dan staf. Struktur ini mengandung unsur - unsur spesialisasi

kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan

keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan

keputusan, dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat

Statistik (BPS) Propinsi Sumatera Utara adalah:

1. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai

departemen dan kegiatan - kegiatan yang saling berhubungan satu sama lain.

2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

3. Pembuatan keputusan yaitu membuat keputusan - keputusan dan mengamati

bagaimana pelaksanaan dari keputusan tersebut.

Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera

Utara adalah sebagai berikut:

1. Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan

Badan Pusat Statistik sebagaimana lampiran dalam organisasi Kantor Badan

Pusat Statistik Propinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.

(35)

Sub Bagian Urusan Dalam, Sub Bagian Perlengkapan, Sub Bagian Keuangan,

Sub Bagian Kepegawaian, Sub Bagian Bina Potensi/Bina Program

3. Sedangkan Bidang Penunjang Statistik terdiri dari 5 (lima) bidang yaitu:

a. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas melaksanakan kegiatan

statistik pertanian, industri, konstruksi pertambangan dan energi.

b. Bidang Statistik Distibusi

Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan

statistik konsumen, perdagangan besar, statistik keuangan dan harga

produsen serta niaga dan jasa.

c. Bidang Statistik Kependudukan

Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan

statistik demografi dan rumah tangga, statistik tenaga kerja, serta statistik

kesejahteran.

d. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Bidang IPDS mempunyai tugas untuk penyiapan data, penyusunan sistem,

dan program serta operasional pengolahan data dengan program komputer.

e. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk

penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian

(36)

(37)

BAB 4

PENGOLAHAN DATA

4.1 Data dan Pembahasan

Data yang diolah pada Tugas Akhir ini adalah data sekunder yang diperoleh dari

Badan Pusat Statistik (BPS) Propinsi Sumatera Utara. Data yang diambil adalah

data mengenai pertumbuhan ekonomi, jumlah penduduk, pendapatan perkapita

Kota Medan dari tahun 2002-2011.

Tabel 4.1. Data Pertumbuhan ekonomi, Jumlah penduduk dan Pendapatan

perkapita

(38)

4.2 Pembentukan Persamaan Regresi Linier Berganda

Untuk membentuk persamaan Regresi Linier Berganda, diperlukan perhitungan

masing - masing satuan variabel yang disusun dalam sebuah tabel. Hasil pencarian

nilai koefisien regresi b0, b1, dan b2 akan membentuk persamaan berikut:

Ŷ = b0 + b1X1 + b2X2 Table 4.2. Nilai - nilai Koefisien

Tahun Y X1 X2 Y2 X12

2002 165,3796 40,89048 267,7452 25,25704

2003 208,8025 43,90788 318,1890 28,81330

2004 271,2609 47,40178 389,1861 33,03882

2005 437,2281 51,44972 528,3957 42,57276

2006 558,3769 56,28441 643,4449 48,84321

2007 708,6244 61,13605 781,2970 55,44946

(39)

Tahun X22 YX1 YX2 X1X2

Y = Pertumbuhan ekonomi (Triliun Rupiah)

X1 = Jumlah penduduk (Juta/jiwa)

X2 = Pendapatan perkapita (Miliar Rupiah)

Dari tabel di atas diperoleh nilai - nilai:

n = 10 ∑X12 = 42,41438

Dari data tersebut diperoleh persamaan normal sebagai berikut:

∑Y = b0n + b1∑X1 + b2∑X2

∑YX1 = b0∑X1 + b1∑ + b2∑X1X2

∑YX2 = b0∑X2 + b1∑X1X2 + b2∑

(40)

10b0 + 20,588b1 + 265,16b2 = 287.522,59 …1) 20,588b0 + 42,41438b1 + 550,9027b2 = 594,7393 …2) 265,16b0 + 550,9027b1 + 8.084,601b2 = 8.207,876 …3)

Selanjutnya dilakukan perhitungan eliminasi dan substitusi sebagai berikut:

1. Eliminasi persamaan (1) dan (2)

10b0 + 20,588b1 + 265,16b2 = 287,52 | x 2,059 20,588b0 + 42,41438b1 + 550,9027b2 = 594,7393 | x 1 + ---

20,58b0 + 42,38657b1 + 545,9114b2 = 591,9562 20,58b0 + 42,441438b1 + 550,9027b2 = 594,7393 - ---

- 0,02781b1 - 4,9913b2 = -2,7931 …4)

10b0 + 20,588b1 + 265,16b2 = 287,52 | x 26,516 265,16b0 + 550,9027b1 + 8.084,601b2 = 8.207,876 | x 1 + ---

265,16b0 + 545,9114b1 + 7.030,983b2 = 7.623,88 265,16b0 + 550,9027b1 + 8.084,601b2 = 8.207,876 - ---

(41)

(42)

10b0 + 270,70704 = 287,52

10b0 = 287,52 - 270,70704 10b0 = 16,81

b0 = b0 = 1,68

Sedemikian hingga diperoleh persamaan regresi linier bergandanya sebagai

berikut:

Ŷ = 1,68 + 6,4X1 + 0,524X2

4.3 Analisis Residu

Setelah diperoleh persamaan regresi linier berganda, langkah selanjutnya adalah

menghitung nilai kesalahan baku tafsirannya dengan menggunakan harga Ŷ yang

diperoleh dari persamaan regresi linier berganda di atas dan substitusi harga X1 dan X2 yang diketahui.

Table 4.3. Penyimpangan nilai koefisien

(43)

Tahun Y X1 X2 Ŷ Y- (Y-Ŷ)2 2010 35.82 2.098 39.72 35,92048 -0,10048 0.010096230

2011 38.58 2.117 44.21 38,39484 0,18516 0.034284226

Jumlah 287.52 20.588 265.16 287,50700 0,01296 0,688879574

Dengan demikian diperoleh nilai kesalahan baku tafsirannya adalah:

=

= 0,313

Hasil yang diperoleh menunjukkan nilai pertumbuhan ekonomi yang diperkirakan

akan menyimpang dari nilai rata - rata pertumbuhan ekonomi yang sebenarnya

sebesar 0,313 atau 31,3%.

4.4 Uji Regresi Linier Berganda

4.4.1 Uji F (Simultan)

Langkah - langkah pengujiannya sebagai berikut:

(44)

H0 : b1 = b2 = 0 Jumlah penduduk dan pendapatan perkapita tidak berpengaruh secara simultan dan signifikan terhadap

pertumbuhan ekonomi Kota Medan.

H1 : b1 b2 0 Jumlah penduduk dan pendapatan perkapita berpengaruh secara simultan dan signifikan terhadap pertumbuhan

ekonomi Kota Medan.

2. Menentukan taraf nyata

Dengan taraf nyata b = 0,05, dk pembilang (v1) = k = 2, dan dk penyebut (v2) = n – k – 1 = 7, maka diperoleh F(2;7;0,05) = 4,74.

3. Kriteria pengujian

H0 diterima apabila Fhitung Ftabel H0 ditolak apabila Fhitung Ftabel 4. F-hitung

F =

Untuk menguji model regresi linier berganda yang telah terbentuk, maka

dilakukan pengujian dengan menggunakan uji F yang memerlukan nilai - nilai

y, x1, dan x2, nilai - nilai tersebut dapat diperoleh melalui rumus berikut:

(45)

Table 4.4. Nilai - nilai koefisien untuk uji F

Dari nilai - nilai diatas dapat dihitung nilai jumlah kuadrat regresi (JKreg) dan nilai jumlah kuadrat residu (JKres) yang selanjutnya dapat dihitung nilai Fhitung.

(46)

F =

F = 1.645,6

5. Didapat Fhitung = 1.645,6 dan Ftabel = 4,74. Fhitung > Ftabel maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa jumlah penduduk dan pendapatan perkapita penduduk berpengaruh secara simultan dan signifikan terhadap pertumbuhan

ekonomi Kota Medan.

4.4.2 Uji t

4.4.2.1 Apakah X1 mempengaruhi Y ?

1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 Jumlah penduduk tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

(47)

Tabel 4.5. Nilai - nilai koefisien pengaruh X1 terhadap Y

Y X1 X2 X12 X22 x1j2

Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai Sb1, rumusannya sebagai berikut:

(48)

Nilai Sb1 dapat diperoleh melalui pencarian, pertama nilai kuadrat dari kesalahan baku tafsirannya.

=

Kedua menentukan nilai korelasi antara X1 dan X2 yang dicari dengan rumusan:

r12 =

r12 = r12 = 0,922

Ketiga menentukan nilai Sb1,

Sb1 =

(49)

Sb1 =

Sb1 = 4,858804169

Kemudian nilai thitung dapat diperoleh sebagai berikut:

t =

t = 1,32

5. Didapat thitung = 1,32 dan ttabel = 2,31. thitung ttabel maka H0 diterima dan H1 ditolak. Hal ini berarti bahwa jumlah penduduk tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

4.4.2.2 Apakah X2 mempegaruhi Y ?

1. Menentukan formulasi hipotesanya

H0 : b1 = b2 = 0 Pendapatan perkapita tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

(50)

Tabel 4.6. Nilai - nilai koefisien pengaruh X2 terhadap Y

Y X1 X2 X12 X22 x2j

Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai Sb2, rumusannya sebagai berikut:

(51)

Nilai Sb2 dapat diperoleh melalui pencarian, pertama nilai kuadrat dari kesalahan baku tafsirannya,

=

Kedua menentukan nilai korelasi antara X1 dan X2 yang dicari dengan rumusan,

r12 =

r12 = r12 = 0,922

Ketiga menentukan nilai Sb2,

Sb2 =

(52)

Sb2 =

Sb2 = 0,0249

Kemudian nilai t-hitung dapat diperoleh sebagai berikut:

t =

t = 21,04

5. Didapat thitung = 21,04 dan ttabel = 2,31. thitung ttabel maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa pendapatan perkapita berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.

4.5 Koefisien Determinasi

Mencari koefisien determinasi dengan menggunakan rumus:

R2 =

=

(53)

Didapat nilai koefisien determinasi 0,998. Hal ini berarti bahwa sekitar

99,8% pertumbuhan ekonomi ditentukan oleh jumlah penduduk dan pendapatan

perkapita melalui hubungan regresi linier berganda sedangkan sisanya 0,2% lagi

dipengaruhi oleh faktor lain.

Koefisien korelasi berganda diperoleh:

R =

=

= 0,999

Dari hasil perhitungan didapat korelasi (R) antara jumlah penduduk dan

pendapatan perkapita terhadap pertumbuhan ekonomi sebesar 0,999. Nilai

korelasi tersebut menyatakan bahwa hubungan antara jumlah penduduk dan

pendapatan perkapita terhadap pertumbuhan ekonomi tinggi.

4.6 Koefisien Korelasi

Dari Tabel 4.2 dapat diperoleh koefisien korelasi antara variabel tak bebas (Y)

dengan variabel bebas (X), sehingga dapat dilihat besar hubungan korelasi dari

veriabel - variabelnya.

1. Koefisien korelasi antara Y dan X1 ry.x1 =

ryx1 =

(54)

ryx1 =

ryx1 = ryx1 = ryx1 = 0,930

Nilai korelasi antara jumlah penduduk (X1) dengan pertumbuhan ekonomi Kota Medan (Y) adalah 0,930 yang berarti nilai tersebut menunjukkan korelasi

tinggi dengan arah yang sama (korelasi positif).

2. Koefisien korelasi antara Y dan X2 ryx2 =

ryx2 =

ryx2 = ryx2 = 0,999

Koefisien korelasi antara pendapatan perkapita (X2) dengan pertumbuhan ekonomi Kota Medan (Y) adalah 0,999 yang berarti nilai tersebut menunjukkan

(55)

3. Koefisien korelasi X1 dan X2 r12 =

r12 =

r12 = r12 = 0,922

(56)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang digunakan untuk menyelesaikan desain

sistem yang ada dalam desain yang disetujui, menginstal dan mulai menggunakan

program yang dibuat. Tahapan implementasi sistem merupakan tahapan

penerapan hasil desain tertulis ke dalam programming (coding). Dalam

pengolahan data tugas akhir ini penulis menggunakan satu perangkat lunak

sebagai implementasi sistem yaitu program SPSS 17.0 For Windows dalam

masalah memperoleh hasil perhitungan.

5.2 Peranan Komputer dalam Statistika

Komputer memegang peranan yang sangat penting dalam statistika. Komputer

dalam bekerja secara efisien dalam pengolahan data mempunyai karakteristik

(57)

1. Jumlah input yang besar

Jumlah input yang besar akan dapat diolah komputer dengan mudah, semudah

mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja

sangat efisien pada pengolahan data dengan menggunakan input yang besar.

2. Proyek yang repetitif

Perintah pegolahan yang berulang - ulang akan lebih efisien dengan

menggunakan komputer, karena disini perintah hanya dilakukan satu kali

kemudian diulang - ulang (di-copy) untuk melanjutkan perintah pengolahan

yang lain.

3. Diperlukan kecepatan yang tinggi

Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam

waktu singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah

oleh komputer, yang membedakan hanya pada proses pemasukan data saja.

4. Diperlukan ketepatan yang tinggi

Komputer yang telah diprogram dengan benar akan melakukan proses

pengolahan yang tepat. Kesalahan informasi yang mungkin terjadi hanya pada

proses pemasukan data saja.

5. Pengolahan hal yang kompleks

Hubungan antarfenomena yang kompleks akan dapat dipecahkan dengan

mudah menggunakan komputer dalam waktu yang cepat dan tepat.

Saat ini banyak beredar berbagai paket program komputer statistik dari

yang „kuno‟ dan berbasis DOS seperti Microstat sampai yang berbasis Windows

(58)

yang beredar sekarang, SPSS adalah yang paling popular dan paling banyak

digunakan di seluruh dunia.

SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga

mahasiswa Standford University, yang dioperasikan pada komputer mainframe.

Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai

untuk komputer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai

populernya sistem operasi Windows, SPSS pada tahun 1992 juga mengeluarkan

versi Windows.

Hal ini membuat SPSS yang tadinya ditujukan sebagai pengolahan data

statistik untuk ilmu sosial (SPSS saat itu adalah singkatan Statistical Package for

the Social Sciences), sekarang diperluas untuk melayani berbagai jenis user,

seperti untuk proses produksi di pabrik, riset ilmu - ilmu sains dan lainnya.

Sehingga sekarang kepanjangan SPSS adalah Statistical Product and Service

Solutions.

5.3 Cara Kerja SPSS Statistic 17.0

Cara kerja komputer, statistik, dan SPSS pada prinsipnya adalah sama, yaitu

meliputi 3 bagian, input, proses, dan output.

1. Input

Pada komputer, input berupa data yang akan diolah komputer. Proses inputing

(59)

Pada statistik, input berupa data yang telah di kumpulkan, di edit dan di

tabulasi, kemudian siap untuk di analisis.

2. Proses

Pada komputer, proses berupa eksekusi program komputer dimana komputer

menjalankan perintah - perintah sesuai dengan apa yang telah diprogramkan.

Pada statistik, proses berupa analisis perhitungan, baik secara deskriptif

maupun inferensi, baik dengan statistik parametrik ataupun non-parametrik.

Pada SPSS, proses berupa eksekusi program SPSS untuk menganalisis input

yang ada di data editor sesuai dengan perintah dari pemakai.

3. Output

Pada komputer, output berupa hasil pengolahan data yang telah diproses

dengan program komputer yang dikehendaki. Bentuk output komputer bisa

dalam bentuk cetakan, tampilan, gambar, maupun suara.

Pada statistik, output berupa hasil analisis, baik dalam bentuk penyajian data

maupun dalam bentuk grafik atau tabel kesimpulan yang diperoleh dari hasil

analisis.

Pada SPSS¸ output berupa hasil analisis program SPSS yang disajikan

dalam output navigator. Dengan demikian, cara kerja SPSS dapat dilihat dalam

gambar 5.1. sistematika berikut.

Gambar 5.1. Sistematika cara kerja SPSS

(60)

5.4 Mengoperasikan SPSS Statistic 17.0

Adapun langkah - langkah pengolahan data dengan menggunakan program SPSS

Statistic 17.0 adalah sebagai berikut.

5.4.1 Mengaktifkan Program SPSS pada Windows

Klik start, kemudian pilih SPSS Statitistic 17.0. Tampilannya dapat dilihat pada

gambar 5.2. berikut.

Gambar 5.2. Tampilan saat membuka SPSS Statistic 17.0 pada desktop

5.4.2 Pemasukan Data

Langkah - langkah pemasukan data sebagai berikut:

Buka lembar kerja baru dari menufile, pilih new, lalu klik data. Pada menu Data

View isilah kolom dengan ketentuan data yang akan diolah.

(61)

1). Name

Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan

ketik Y.

2). Type

Karena Y berupa angka, maka klik kotak kecil di kanan sel tersebut,

pilih tipe numeric.

ketik X1. 2). Type

Karena X1 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric.

3). Width

Untuk keseragaman ketik 8.

4). Decimals

(62)

5). Label

Label adalah keterangan untuk nama variabel. Maka untuk X1 ketik jumlah penduduk.

3. Input variabel X2 ( pendapatan perkapita ) 1). Name

ketik X2. 2). Type

Karena X2 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric.

3). Width

4). Decimals

5). Label

Label adalah keterangan untuk nama variabel. Maka untuk X2 ketik pendapatan perkapita.

Setelah proses pada variable view selesai, penulisan yang di input dapat di lihat

(63)

Gambar 5.3. Tampilan pada pengisian variable view

Setelah proses pada variable view selesai, klik data view dan isikan data pada

kolom yang sudah didefenisikan sebelumnya. Tampilannya pada gambar 5.4.

berikut.

(64)

5.4.3 Menyimpan Data

Setelah semua data diisikan dan didefenisikan untuk setiap variabel ke dalam

SPSS data editor. Maka langkah selanjutnya adalah menyimpan file database

tersebut dengan langkah - langkah sebagai berikut:

1. Dari menu SPSS, pilih menu file, kemudian pilih submenu save as.

2. Beri nama file tersebut.

3. Setelah menemukan direktori yang dituju, klik save

4. Apabila mau menyimpan file yang telah diberi nama tanpa mengganti

dengan nama baru, klik save saja.

5.5 Analisis Regresi dengan SPSS Statistic 17.0

Adapun langkah - langkah analisis regresi dalam SPSS adalah sebagai berikut:

1. Buka Analyze, Regression, Linier. Akan muncul tampilan kotak dialog

seperti gambar 5.5. berikut.

(65)

2. Masukkan variabel Y pada kotak dependen, dan variabel X1, X2 pada kotak independen.

3. Abaikan pilihan yang lain, kemudian klik ok.

4. Tampilan outputnya dapat di lihat pada lampiran 1.

5.6 Analisis Korelasi dengan SPSS Statistic 17.0

Adapun langah - langkah analisis korelasi dalam SPSS adalah sebagai berikut:

1. Buka Analyze, Correlate, Bivariate. Akan muncul tampilan kotak dialog

seperti gambar 5.6. berikut.

Gambar 5.6. Tampilan kotak dialog Bivariate Correlation

2. Pindahkan variabel Y, X1, dan X2 ke dalam kotak variables. 3. Pada Correlation Coefficients, pilih Pearson.

4. Pada Test of Significance, pilih Two-tailed.

5. Abaikan pilihan lainnya, lalu klik ok.

(66)

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan penulis, maka dapat diambil beberapa

kesimpulan sebagai berikut:

1. Dari perhitungan diperoleh persamaan regresi:

= 1,68 + 6,4X1 + 0,524X2

Ini berarti bahwa jumlah penduduk mempengaruhi pertumbuhan ekonomi

sebesar 6,4 dan pendapatan perkapita mempengaruhi pertumbuhan

ekonomi sebesar 0,542. Serta nilai konstanta 1,68.

2. Kesalahan baku sebesar 0,313. Hal ini berarti pertumbuhan ekonomi yang

diperkirakan akan menyimpang dari rata - rata pertumbuhan ekonomi yang

sebenarnya sebesar 0,313 atau 31,3%.

3. Melalui uji keberartian regresi linier berganda didapat Fhitung = 1.645,6 Ftabel = 4,74 maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa jumlah penduduk dan pendapatan perkapita berpengaruh secara simultan dan

signifikan terhadap pertumbuhan ekonomi Kota Medan.

(67)

berarti bahwa jumlah penduduk tidak berpengaruh secara signifikan

terhadap pertumbuhan ekonomi Kota Medan.

5. Melalui perhitungan thitung untuk pengujian X2 mempengarui Y, diperoleh hasil thitung 21,04 ttabel = 2,31 maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa pendapatan perkapita berpengaruh secara signifikan

terhadap pertumbuhan ekonomi Kota Medan.

6. Melalui perhitungan R2 diperoleh nilai koefisien determinasi 0,998. Nilai ini menunjukkan bahwa sekitar 99,8% pertumbuhan ekonomi Kota Medan

ditentukan oleh jumlah peduduk dan pendapatan perkapita melalui

hubungan regresi linier berganda, sedangkan sisanya 0,2% lagi

dipengaruhi oleh faktor lain.

7. Melalui perhitungan R diperoleh nilai koefisien korelasi sebesar 0,999

artinya hubungan antara jumlah penduduk dan pendapatan perkapita

terhadap pertumbuhan ekonomi Kota Medan tinggi.

8. Koefisien korelasi antara jumlah penduduk (X1) dengan pertumbuhan ekonomi Kota Medan (Y) adalah sebesar 0,930 yang berarti nilai tersebut

menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif).

9. Koefisien korelasi antara pendapatan perkapita (X2) dengan pertumbuhan ekonomi Kota Medan (Y) adalah sebesar 0,999 yang berarti nilai tersebut

menunjukkan korelasi tinggi dengan arah yang sama (korelasi positif).