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
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
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
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.
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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:
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)
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
. . . . . .
. . . . . .
. . . . . .
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:
= - = -
= - = -
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:
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
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:
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
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
Untuk mencari korelasi antara variabel terikat dengan variabel bebas atau ry.1,2,...,k dapat di cari dengan rumus:
ry.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.
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
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
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
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
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
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.
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
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
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
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∑
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)
2. Eliminasi persamaan (1) dan (3)
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 - ---
3. Eliminasi persamaan (4) dan (5)
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
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:
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:
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.
F =
F =
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 ?
Langkah - langkah pengujiannya sebagai berikut:
1. Menentukan formulasi hipotesanya
H0 : b1 = b2 = 0 Jumlah penduduk tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.
2. Menentukan taraf nyata
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:
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 =
r12 =
r12 =
r12 = r12 = 0,922
Ketiga menentukan nilai Sb1,
Sb1 =
Sb1 =
Sb1 =
Sb1 =
Sb1 =
Sb1 = 4,858804169
Kemudian nilai thitung dapat diperoleh sebagai berikut:
t =
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 ?
Langkah - langkah pengujiannya sebagai berikut:
1. Menentukan formulasi hipotesanya
H0 : b1 = b2 = 0 Pendapatan perkapita tidak berpengaruh secara signifikan terhadap pertumbuhan ekonomi Kota Medan.
2. Menentukan taraf nyata
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:
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 =
r12 =
r12 =
r12 = r12 = 0,922
Ketiga menentukan nilai Sb2,
Sb2 =
Sb2 =
Sb2 =
Sb2 =
Sb2 =
Sb2 = 0,0249
Kemudian nilai t-hitung dapat diperoleh sebagai berikut:
t =
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 =
=
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 =
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 =
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
3. Koefisien korelasi X1 dan X2 r12 =
r12 =
r12 =
r12 =
r12 =
r12 = r12 = 0,922
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
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
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
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
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.
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.
Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan
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
5). Label
Label adalah keterangan untuk nama variabel. Maka untuk X1 ketik jumlah penduduk.
3. Input variabel X2 ( pendapatan perkapita ) 1). Name
Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan
ketik X2. 2). Type
Karena X2 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric.
3). Width
Untuk keseragaman ketik 8.
4). Decimals
Untuk keseragaman ketik 2.
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
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.
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.
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.
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.
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).
6.2 Saran
Adapun saran yang dapat penulis berikan adalah:
1. Pertumbuhan ekonomi yang pesat saat ini sebaiknya diiring dengan
peningkatan pendapatan perkapita masyarakatnya agar tidak terjadi
ketimpangan ketika jumlah penduduk terus meningkat.
2. Penelitian selanjutnya sebaiknya lebih banyak menggunakan variabel
bebas lain yang mempengaruhi pertumbuhan ekonomi kota Medan di
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi Teori, Kasus dan Solusi. BPFE. Yogyakarta.
BPS. 2010. Medan Dalam Angka 2004-2012. Badan Pusat Statistik. Medan.
Hartono. 2004. Statistik untuk Penelitian. LSFK2P. Pekan Baru.
Hasan, Iqbal. 1999. Pokok-pokok Materi Statistika I. Bumi Aksara. Jakarta.
Iswardono. 1981. Sekelumit Analisa Regresi dan Korelasi. Edisi Pertama. BPFE.
Yogyakarta.
Pasaribu, Amudi. 1989. Pengantar Statistik. Ade Putra. Medan.
Sudjana. 2001. Metode Statistika.Edisi ke-6. Tarsito. Bandung.
Lampiran 1
Hasil tampilan output SPSS Linear Regression