DAFTAR PUSTAKA
Hadi Sutrisno.2001.Statistik.Jilid 2.Yogyakarta:Andi Yogyakarta.
http://teknikelektonika.com/pengertian-analisis-korelasi-sederhana-rumus-pearson Kustituanto Bambang.1984.Statistik Analisa Runtun Waktu dan
Regresi-Korelasi.Yogyakarta:BPFE Yogyakarta.
Nugroho, Djuzali, Abuzar .1995.Rumus-Rumus Statistika Serta Penerapannya.Jakarta:Raja Grafindo Persada.
Sudjana.2005.Metode Statistika.Edisi ke-6.Bandung:Tarsito.
thesis.binus.ac.id/Asli/Bab3/2011-1-00460-mn%203.pdf
BAB 3
PENGOLAHAN DATA
3.1 Penyajian Data
Pada dasarnya data merupakan alat untuk pengambilan keputusan dalam memecahkan suatu persoalan. Keputusan yang baik jika pengambilan keputusan tersebut didasarkan atas data yang baik juga. Salah satu kegunaan dari data adalah untuk memberikan informasi mengenai gambaran tentang suatu keadaan permasalahan.
Data yang akan diolah dalam tugas akhir adalah data yang diambil dari Badan Pusat Statistik (BPS) Kabupaten Karo dan Badan Ketahanan Pangan (BKP) Kabupaten Karo, yaitu data mengenai Ketahanan Pangan di Kabupaten Karo. Data yang dikumpulkan adalah data mengenai ketahanan pangan dan faktor-faktor yang mempengaruhinya yaitu:
1. Jumlah Produksi Padi (Y) 2. Jumlah Penduduk (X1) 3. Stok Beras (X2)
4. Luas Areal Panen Padi (X3) 5. Produktivitas Lahan (X4) 6. Jumlah Konsumsi Beras (X5) 7. Harga Beras (X6)
Tabel 3.1 Jumlah Produksi Padi Menurut Kecamatan Di Kabupaten Karo Tahun 2013
No. Kecamatan Jumlah Produksi Padi
(Per Ton)
1 Mardingding 25.514
2 Laubaleng 26.767
3 Tigabinanga 2.782
4 Juhar 14.856
5 Munte 11.464
6 Kutabuluh 4.733
7 Payung 5.843
8 Tiganderket 3.923
9 Simpang Empat 5.460
10 Naman Teran 1.684
11 Merdeka 11
12 Kabanjahe 1.541
13 Berastagi 135
14 Tigapanah 4.471
15 Dolat Rakyat 584
16 Merek 1.456
17 Barusjahe 10.316
Jumlah 121.504
Tabel 3.2 Jumlah Penduduk Menurut Kecamatan Di Kabupaten Karo Tahun 2013
No. Kecamatan Jumlah Penduduk
1 Mardingding 17.684
2 Laubaleng 18.359
3 Tigabinanga 20.626
4 Juhar 13.726
5 Munte 20.404
6 Kutabuluh 10.972
7 Payung 11.232
8 Tiganderket 13.659
9 Simpang Empat 19.707
10 Naman Teran 13.263
11 Merdeka 13.794
12 Kabanjahe 66.635
13 Berastagi 44.091
14 Tigapanah 30.388
15 Dolat Rakyat 8.599
16 Merek 18.712
17 Barusjahe 22.904
Jumlah 364.755
Tabel 3.3 Stok Beras Menurut Kecamatan Di Kabupaten Karo Tahun 2013
No. Kecamatan Stok Beras
(Per Ton)
1 Mardingding 158.946
2 Laubaleng 166.751
3 Tigabinanga 17.330
4 Juhar 92.546
5 Munte 71.419
6 Kutabuluh 29.483
7 Payung 36.402
8 Tiganderket 24.437
9 Simpang Empat 34.017
10 Naman Teran 10.269
11 Merdeka 70
12 Kabanjahe 9.599
13 Berastagi 838
14 Tigapanah 27.856
15 Dolat Rakyat 3.637
16 Merek 9.073
17 Barusjahe 64.269
Jumlah 756.943
Tabel 3.4 Luas Areal Panen Padi Menurut Kecamatan Di Kabupaten Karo Tahun 2013
No. Kecamatan Luas Areal Panen Padi
(Ha)
1 Mardingding 4.506
2 Laubaleng 4.848
3 Tigabinanga 646
4 Juhar 2.695
5 Munte 2.150
6 Kutabuluh 1.184
7 Payung 1.209
8 Tiganderket 816
9 Simpang Empat 1.375
10 Naman Teran 395
11 Merdeka 2
12 Kabanjahe 388
13 Berastagi 31
14 Tigapanah 1.126
15 Dolat Rakyat 147
16 Merek 349
17 Barusjahe 2.201
Jumlah 24.068
Tabel 3.5 Rata-Rata Produktivitas Lahan Padi Menurut Kecamatan Di Kabupaten Karo Tahun 2013
No. Kecamatan Produktivitas Lahan
(Kw/Ha)
1 Mardingding 56,62
2 Laubaleng 55,21
3 Tigabinanga 43,06
4 Juhar 55,12
5 Munte 53,32
6 Kutabuluh 39,97
7 Payung 48,33
8 Tiganderket 48,07
9 Simpang Empat 39,71
10 Naman Teran 41,73
11 Merdeka 56,01
12 Kabanjahe 39,71
13 Berastagi 43,39
14 Tigapanah 39,71
15 Dolat Rakyat 39,71
16 Merek 41,73
17 Barusjahe 46,87
Jumlah 788
Tabel 3.6 Jumlah Konsumsi Beras Menurut Kecamatan Di Kabupaten Karo Tahun 2013
No. Kecamatan Jumlah Konsumsi Beras
(Per Kalori)
1 Mardingding 6.189.400
2 Laubaleng 6.425.650
3 Tigabinanga 7.219.100
4 Juhar 4.804.100
5 Munte 7.141.400
6 Kutabuluh 3.840.200
7 Payung 3.931.200
8 Tiganderket 4.780.650
9 Simpang Empat 6.897.450
10 Naman Teran 4.642.050
11 Merdeka 4.827.900
12 Kabanjahe 23.322.250
13 Berastagi 15.431.850
14 Tigapanah 10.635.800
15 Dolat Rakyat 3.009.650
16 Merek 6.549.200
17 Barusjahe 8.016.400
Jumlah 6.189.400
Tabel 3.7 Rata-Rata Harga Beras Menurut Kecamatan Di Kabupaten Karo Tahun 2013
No. Kecamatan Harga Beras
(Rupiah)
1 Mardingding 11.500
2 Laubaleng 11.000
3 Tigabinanga 11.250
4 Juhar 10.391
5 Munte 10.547
6 Kutabuluh 10.547
7 Payung 10.547
8 Tiganderket 10.391
9 Simpang Empat 10.425
10 Naman Teran 10.625
11 Merdeka 10.625
12 Kabanjahe 10.122
13 Berastagi 10.422
14 Tigapanah 10.422
15 Dolat Rakyat 10.234
16 Merek 10.391
17 Barusjahe 10.500
Jumlah 179.939
3.2 Persamaan Korelasi Pearson Product Moment
Untuk mencari persamaan korelasi atau hubungan faktor-faktor yang mempengaruhi ketahanan pangan, maka diperlukan nilai-nilai seperti Tabel 3.8 berikut:
Tabel 3.8 Nilai-Nilai Yang Diperlukan Untuk Menghitung Korelasi Pearson Product Moment
No. Y X1 X2 X3 X4 X5 X6
Lanjutan Tabel 3.8
No. YX1 YX2 YX3 YX4
1 451.189.576 4.055.343.538 114.966.084 1.444.603 2 491.415.353 4.463.423.584 129.766.416 1.477.806 3 57.381.532 48.211.619 1.797.172 119.793 4 203.913.456 1.374.858.224 40.036.920 818.863 5 233.911.456 818.752.850 24.647.600 611.260 6 51.930.476 139.543.754 5.603.872 189.178 7 65.628.576 212.699.774 7.064.187 282.392 8 53.584.257 95.867.331 3.201.168 188.579 9 107.600.220 185.730.520 7.507.500 216.817 10 21.857.424 16.923.521 650.960 68.771
11 151.734 768 22 616
12 102.684.535 14.791.843 597.908 61.193
13 5.952.285 113.129 4.185 5.858
14 135.864.748 124.546.347 5.034.346 177.543
15 5.021.816 2.123.822 85.848 23.191
Lanjutan Tabel 3.8
No. YX5 YX6 Y2 X12
1 157.916.351.600 293.411.000 650.964.196 312.723.856
2 171.995.373.550 294.437.000 716.472.289 337.052.881 3 20.083.536.200 31.297.500 7.739.524 425.431.876
4 71.369.709.600 154.368.696 220.700.736 188.403.076 5 81.869.009.600 120.910.808 131.423.296 416.323.216
6 18.175.666.600 49.918.951 22.401.289 120.384.784 7 22.970.001.600 61.626.121 34.140.649 126.157.824
8 18.754.489.950 40.763.893 15.389.929 186.568.281
9 37.660.077.000 56.920.500 29.811.600 388.365.849 10 7.650.098.400 17.510.000 2.715.904 175.907.169
11 53.106.900 116.875 121 190.274.436 12 35.939.587.250 15.598.002 2.374.681 4.440.223.225
13 2.083.299.750 1.406.970 18.225 1.944.016.281 14 47.552.661.800 46.596.762 19.989.841 923.430.544
15 1.757.635.600 5.976.656 341.056 73.942.801 16 9.535.635.200 15.129.296 2.119.936 350.138.944
Jumlah 788.063.423.000 1.314.307.030 1.963.023.128 11.123.938.259
Lanjutan Tabel 3.8
No. X22 X32 X42
1 25.263.772.284 20.304.036 3205,82
2 27.805.890.612 23.503.104 3048,14
3 300.323.406 417.316 1854,16
4 8.564.697.926 7.263.025 3038,21
5 5.100.741.266 4.622.500 2843,02
6 869.256.195 1.401.856 1597,6
7 1.325.141.592 1.461.681 2335,79
8 597.179.176 665.856 2310,72
9 1.157.127.630 1.890.625 1576,88
10 105.454.970 156.025 1741,39
11 4.870 4 3137,12
12 92.138.114 150.544 1576,88
13 702.229 961 1882,69
14 775.983.789 1.267.876 1576,88
15 13.225.452 21.609 1576,88
16 82.323.479 121.801 1741,39
17 4.130.532.898 4.844.401 2196,8
Lanjutan Tabel 3.8
No. X52 X62
1 38.308.672.360.000 132.250.000
2 41.288.977.922.500 121.000.000
3 52.115.404.810.000 126.562.500
4 23.079.376.810.000 107.972.881
5 50.999.593.960.000 111.239.209
6 14.747.136.040.000 111.239.209
7 15.454.333.440.000 111.239.209
8 22.854.614.422.500 107.972.881
9 47.574.816.502.500 108.680.625
10 21.548.628.202.500 112.890.625
11 23.308.618.410.000 112.890.625
12 543.927.345.062.500 102.454.884
13 238.141.994.422.500 108.618.084
14 113.120.241.640.000 108.618.084
15 9.057.993.122.500 104.734.756
16 42.892.020.640.000 107.972.881
17 64.262.668.960.000 110.250.000
2 2 2 2
(
)(
)
i i i yx i in
X Y
X
Y
r
n
X
X
n Y
Y
Dari Tabel 3.8 diatas diperoleh harga-harga sebagai berikut:
n = 17 ∑YX4 = 6.230.732
∑Y = 121.504 ∑YX5 = 788.063.423.000 ∑X1 = 364.755 ∑YX6 = 1.314.307.030 ∑X2 = 756.943 ∑Y2 = 1.963.023.128 ∑X3 = 24.068 ∑X12 = 11.123.938.259 ∑X4 = 788 ∑X22 = 76.184.495.889 ∑X5 = 127.664.250 ∑X32 = 68.093.220 ∑X6 = 177.495 ∑X42 = 37.240
∑Y X1 = 2.251.609.780 ∑X52 = 1.362.682.436.727.500 ∑Y X2 = 12.229.142.540 ∑X62 = 1.906.586.453
∑Y X3 = 364.177.848
Untuk mengetahui berapa besar korelasi atau hubungan faktor-faktor yang mempengaruhi ketahanan pangan, maka dapat dihitung menggunakan rumus sebagai berikut: 3.1 dengan: i yx r
= Koefisien korelasi antara Y dan X
i X
1 1 1 2 2 2 2 1 1 2 2
(
)(
)
17(2251609780) (364755)(121504)
=
{17(11123938259) (364755) }{17(1963023128) (121504) }
38277366260 44319191520
=
{189106950403 133046210025}{33371393176 14763
yx
n
X Y
X
Y
r
n
X
X
n
Y
Y
222016}
6041825260
=
(56060740378)(18608171160)
6041825260
=
1043187852310150000000
6041825260
=
32298418728
0,187
=
3.3 Perhitungan Korelasi Antara Variabel Terikat (Dependent) Dengan Variabel Bebas (Independent)
1. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Jumlah Penduduk (X1)
2. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Stok Beras (X2) 2 2 2 2 2 2 2 2 2 2 2
(
)(
)
17(12229142540) (756943)(121504)
=
{17(76184495889) (756943) }{17(1963023128) (121504) }
207895423180 91971602272
=
{1295136430113 572962705249}{33371393176
yx
n
X Y
X
Y
r
n
X
X
n
Y
Y
14763222016}
115923820908
=
(722173724864)(18608171160)
115923820908
=
13438332279524059722240
115923820908
=
115923821018
0,999
=
=1
3. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Luas Areal Panen Padi (X3)
3 3 3 2 2 2 2 3 3 2 2
(
)(
)
17(364177848) (24068)(121504)
=
{17(68093220) (24068) }{17(1963023128) (121504) }
6191023416 2924358272
=
{1157584740 579268624}{33371393176 14763222016}
yx
n
X Y
X
Y
r
n
X
X
n
Y
Y
3266665144
=
(578316116)(18608171160)
3266665144
=
10761405271114414560
3266665144
=
3280458089
0,996
=
4. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Produktivitas Lahan (X4)
4 4 4 2 2 2 2 4 4 2 2
(
)(
)
17(6230732)
(788)(121504)
=
{17(37240)
(788) }{17(1963023128)
(121504) }
105922444
95745152
=
{633080
620944}{33371393176 14763222016}
10177292
=
(12136)(1
yx
n
X Y
X
Y
r
n
X
X
n
Y
Y
8608171160)
10177292
=
225828765197760
10177292
=
15027600
0,678
=
5. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Jumlah Konsumsi Beras (X5)
5 5 5 2 2 2 2 5 5 2 2
(
)(
)
17(788063423000) (127664250)(121504)
=
{17(1362682436727500) (127664250) }{17(1963023128) (121504) }
13397078191000 15511717032000
=
{23165601424367500 16298
yx
n
X Y
X
Y
r
n
X
X
n Y
Y
160728062500}{33371393176 14763222016}
2114638841000
=
(6867440696305000)(18608171160)
2114638841000
=
127790551907993019563800000
2114638841000
=
11304446554697
0,187
=
6. Koefisien korelasi antara Jumlah Produksi Padi (Y) dengan Harga Beras (X6) 6 6 6 2 2 2 2 6 6 2 2
(
)(
)
17(1314307030) (179939)(121504)
=
{17(1906586453) (179939) }{17(1963023128) (121504) }
22343219510 21863308256
=
{32411969701 32378043731}{33371393176 147632
yx
n
X Y
X
Y
r
n
X
X
n
Y
Y
22016}
479911254
=
(33925970)(18608171160)
479911254
=
631300256529025200
479911254
=
794544056
0,604
=
2
2
1
hitung
n
t
r
r
3.4 Uji Keberartian Koefisien Korelasi
Setelah koefisien korelasi diperoleh, maka dibutuhkan suatu pengujian keberartian koefisien korelasinya dengan langkah-langkah sebagai berikut:
1. Hipotesa Pengujian
H0 : Tidak terdapat hubungan yang signifikan antara variabel X1, X2, X3, X4, X5, X6 Terhadap variabel Y
H1 : Terdapat hubungan yang signifikan antara variabel X1, X2, X3, X4, X5, X6 Terhadap variabel Y
2. Taraf Nyata (Significant Level) α = 0,05
α/2 = 0,025 dk = n-2 dk = 17-2
= 15
t0,025;15 = –2,132 (pengujian sisi kiri) t0,025;15 = 2,132 (pengujian sisi kanan)
3. Kriteria Pengujian
H0 ditolak jika thitung > 2,132atau thitung < –2,132 H0 diterima jika –2,132 ≤ thitung≤ 2,132
4. Nilai Uji Statistik
thitung dapat dicari dengan rumus:
2
2 1 2
17 2 =0,999
2 1 (0, 999)
15 =0,999
1 (0, 998)
15 =0,999 0, 002 =0,999 7500 n t r r 5
2
2
1
17 2
= 0,187
2
1 ( 0,187)
15
= 0,187
1 (0, 035)
15
= 0,187
0,965
= 0,187 15,544
= 0,187 3,943
= 0, 737
n
t
r
r
x
Dengan menggunakan rumus 3.2 diatas maka dapat dihitung thitung antara variabel terikat (dependent) dengan variabel bebas (independent).
a. Nilai thitung variabel jumlah produksi padi (Y) dengan jumlah penduduk (X1) untuk n = 17 dan ryx1 = – 0,817
Maka –ttabel≤ thitung≤ ttabel yaitu –2,132 < –0,737 < 2,132
H0 diterima, berarti tidak terdapat hubungan yang signifikan antara jumlah penduduk (X1) dengan jumlah produksi padi (Y).
2
3 1 2
17 2 =0,996
2 1 (0, 996)
15 =0,996
1 (0, 992)
15 =0,996
0, 008
=0,996 1875 =0,996 43, 301
=43,128
n
t r
r
x
Maka thitung > ttabel yaitu 86,516 > 2,132
H0 ditolak, berarti terdapat hubungan yang signifikan antara stok beras (X2) dengan jumlah produksi padi (Y).
c. Nilai thitung variabel jumlah produksi padi (Y) dengan luas areal panen padi (X3) untuk n = 17 dan ryx3 = 0,996
Maka thitung > ttabel yaitu 43,128 > 2,132
4
2 2 1
17 2 = 0, 678
2 1 ( 0, 678)
15 = 0, 678
1 (0, 460)
15 = 0, 678
0, 54
= 0, 678 27, 778 = 0, 678 5, 271 = 3, 574
n t r r x 5
2
2
1
17 2
= 0,187
2
1 ( 0,187)
15
= 0,187
1 (0, 035)
15
= 0,187
0,965
= 0,187 15,544
= 0,187 3,943
n
t
r
r
x
d. Nilai thitung variabel jumlah produksi padi (Y) dengan produktivitas lahan (X4) untuk n = 17 dan ryx4 = –0,678
Maka thitung < ttabel yaitu –3,574 < –2,132
H0 ditolak, berarti terdapat hubungan yang signifikan antara produktivitas (X4) dengan jumlah produksi padi (Y).
2
6
1
2
17
2
=0,604
2
1
(0,604)
15
=0,604
1
(0, 365)
15
=0,604
0, 635
=0,604 23, 622
=0,604 4, 860
=2,935
n
t
r
r
x
Maka –ttabel≤ thitung≤ ttabel yaitu –2,132 < –0,737 < 2,132
H0 diterima, berarti tidak terdapat hubungan yang signifikan antara jumlah konsumsi beras (X5) dengan jumlah produksi padi (Y).
f. Nilai thitung variabel jumlah produksi padi (Y) dengan harga beras (X6) untuk n = 17 dan ryx6 = 0,604
Maka thitung > ttabel yaitu 2,935 > 2,132
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem yang disetujui,menginstal, dan memulai baru atau sistem yang diperbaiki.
Tahapan implementasi merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini menggunakan software yaitu SPSS 18.0 for Windows dalam memperoleh hasil perhitungan.
4.2 Sekilas Tentang Program SPSS
SPSS merupakan salah satu paket komputer yang digunakan untuk mengolah data statistik. Banyak program lain yang juga dapat digunakan untuk olah data statistik, misalnya Microstat, SAS, Statistica, SPSS-2000, dan lain-lain. Namun SPSS lebih populer dibandingkan dengan program lainnya.
4.3 Pengolahan Data Dengan SPSS
Secara umum ada beberapa tahapan yang harus dilakukan dalam mengoprasikan SPSS agar hasil yang diperoleh berdayaguna yakni, tahapan penyiapan data yang mencakup pemasukan (input) data, penyimpanan data, tahap proses analisis data, dan tahapan analisis hasil.
Adapun langkah-langkah pengolahan data dengan menggunakan program SPSS adalah:
1. Memulai SPSS pada Windows yaitu sebagai berikut: a. Pilih menu Start dari Windows
b. Selanjutnya pilih Program
c. Pilih SPSS Inc, PASW Statistics 18.0
Tampilannya adalah sebagai berikut:
2. Memasukan Data Kedalam SPSS
SPSS Data Editor mempunyai dua area kerja yaitu, Data View dan Variable
View. Data View merupakan suatu area untuk mengisi atau menginput data,
[image:30.595.142.483.192.393.2]sedangkan Variable View merupakan suatu area untuk membuat atau mendefinisikan variabel data.
Gambar 4.2 Tampilan Jendela Variable View dalam SPSS
3. Melakukan pemasukan (entry) data dengan mengklik pada icon data view pada jendela yang aktif
[image:30.595.138.483.494.725.2]4. Untuk mengolah data dengan persamaan korelasi yaitu sebagai berikut: a. Klik menu Analyze pada baris toolbar
b. Pilih menu Correlate
c. Kemudian pilih menu Bivariate, sehingga muncul kotak dialog
[image:31.595.145.484.563.730.2]Bivariate Correlations.
Gambar 4.4 Tampilan Menu Analyze
5. Masukkan variabel jumlah produksi padi, jumlah penduduk, stok beras, luas areal panen padi, produktivitas lahan, jumlah konsumsi beras, dan harga beras pada kotak variables, kemudian centang pearson pada correlation
coefficients, dan klik two-tailed pada test of significance, klik OK.
6. Hasil Output Analisa Korelasi Pearson dalam SPSS
BAB 5
KESIMPULAN DAN SARAN
5.5Kesimpulan
Berdasarkan analisis yang telah dilakukan, maka dapat diambil beberapa kesimpulan, yaitu:
1. Berdasarkan perhitungan korelasi antara variabel X1, X2, X3, X4, X5, X6 terhadap Y dapat disimpulkan bahwa variabel-variabel yang berkorelasi kuat terhadap variabel Y adalah variabel X2, X3, X4, dan X6. Artinya variabel stok beras, luas areal panen padi, produktivitas lahan, dan harga beras berkorelasi kuat terhadap variabel jumlah produksi padi.
2. Berdasarkan perhitungan korelasi antara variabel X1, X2, X3, X4, X5, X6 terhadap Y dapat disimpulkan bahwa variabel-variabel yang berkorelasi lemah terhadap variabel Y adalah variabel X1 dan X6. Artinya variabel jumlah penduduk dan jumlah konsumsi beras berkorelasi lemah terhadap jumlah produksi padi.
3. Melalui uji keberartian koefisien korelasi dengan α=0,05 disimpulkan bahwa nilai uji keberartian koefisien korelasi (t0) yang mempunyai hubungan yang signifikan antara variabel X terhadap variabel Y adalah t2=86,516; t3=43,128; t4=-3,574; t6=2,935. Artinya terdapat hubungan yang signifikan antara variabel stok beras, luas areal panen padi, produktivitas lahan, dan harga beras terhadap variabel jumlah produksi padi.
5.6Saran
1. Dalam upaya meningkatkan ketahanan pangan di Kabupaten Karo, pemerintah Kabupaten karo perlu menjaga areal yang digunakan untuk menanam padi dan melakukan penyuluhan bagi petani tentang bagaimana cara menigkatkan produktivitas lahan yang digunakan. Perlu dikeluarkannya berbagai kebijakan untuk menjaga atau bahkan menambah luas areal penanaman padi serta melindungi lahan pertanian untuk menjamin jumlah produksi padi di tiap kecamatan di Kabupaten Karo.
BAB 2
LANDASAN TEORI
2.1 Pengertian Korelasi
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara dua variabel atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900. Oleh sebab itu terkenal dengan sebutan Korelasi Pearson Product Moment (PPM).
Korelasi Pearson Product Moment (PPM) sering disingkat Korelasi merupakan salah satu teknik analisis statistik yang paling banyak digunakan oleh para peneliti. Karena peneliti umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya. Besarnya angka korelasi disebut koefisien korelasi dinyatakan dengan lambang r.
Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal balik), melainkan hanya merupakan hubungan searah saja. Akibatnya, dalam korelasi dikenal penyebab dan akibatnya. Data penyebab atau yang mempengaruhi disebut variabel bebas (independent) dan data akibat atau yang dipengaruhi disebut variabel terikat (dependent). Variabel bebas (independent) dilambangkan dengan huruf X atau X1, X2, X3 ... Xn (tergantung banyaknya variabel bebas). Variabel terikat (dependent) dilambangkan dengan huruf Y.
2.2 Kegunaan Korelasi Pearson Product Moment (PPM) Adapun kegunaan dari korelasi ini adalah sebagai berikut:
2. Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam persen. Dengan demikian, maka r2 disebut koefisien determinasi atau koefisien penentu. Hal ini disebabkan r2x 100% terjadi dalam variabel terikat Y yang mana ditentukan oleh variabel X.
2.3 Pola atau Bentuk Hubungan antara 2 Variabel
Korelasi yang terjadi antara dua variabel adalah sebagai berikut:
1. Korelasi Linear Positif (+1)
Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang lainnya secara teratur dengan arah yang sama. Jika nilai variabel X mengalami kenaikan, maka variabel Y akan ikut naik. Jika nilai variabel X mengalami penurunan, maka variabel Y akan ikut turun.
Apabila nilai koefisien korelasi mendekati +1 (positif satu) berarti pasangan data variabel X dan variabel Y memiliki korelasi linear positif yang kuat/erat/sempurna.
2. Korelasi Linear Negatif (-1)
Perubahan salah satu nilai variabel diikuti perubahan nilai variabel yang lainnya secara teratur dengan arah yang berlawanan. Jika nilai variabel X mengalami kenaikan, maka variabel Y akan turun. Jika Nilai variabel X mengalami penurunan, maka nilai variabel Y akan naik.
Apabila nilai koefisien korelasi mendekati -1 (negatif Satu) maka hal ini menunjukan pasangan data variabel X dan variabel Y memiliki korelasi linear negatif yang kuat/erat/sempurna.
3. Tidak Berkorelasi (0)
2 2 2 2 ( )( ) i i i yx i i
n X Y X Y
r
n X X n Y Y
Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data variabel X dan variabel Y memiliki korelasi yang sangat lemah atau berkemungkinan tidak berkorelasi.
2.4 Menghitung Nilai Koefisien Korelasi (r)
1. Untuk menghitung korelasi antara variabel bebas (independent) dengan variabel terikat (dependent) dapat digunakan rumus sebagai berikut:
2.1
dengan:
i
yx r
= Koefisien korelasi antara Y dan X
i X
= Variabel bebas (indipendent) Y = Variabel terikat (dependent) n = Banyak data
Nilai r selalu terletak antara -1 dan 1, sehingga nilai r tersebut dapat ditulis: 1
1 r .
Untuk r = +1, berarti ada korelasi positif sempurna antara variabel X dan variabel Y sebaliknya jika r = -1, berarti korelasi negatif sempurna antara variabel X dan variabel Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y.
tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel 2.1 berikut:
Tabel 2.1 Interpretasi Koefisien Korelasi (r)
R Interpretasi
0 0,01 – 0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99
1
Tidak berkorelasi Sangat rendah
Rendah Agak rendah
Cukup Tinggi Sangat tinggi
2.5 Uji Keberartian Koefisien Korelasi
Langkah-langkah untuk uji keberartian koefisien korelasi adalah sebagai berikut:
1. Menentukan Hipotesa
H0 : Tidak terdapat hubungan yang signifikan antara variabel bebas (independent) dengan variabel terikat (dependent).
H1 : Terdapat hubungan yang signifikan antara variabel bebas (independent) dengan variabel terikat (dependent).
2. Menentukan Taraf Nyata (Significant Level) α = 0,05
dk = n-2
3. Menentukan Kriteria Pengujian
2
2
1
hitung
n
t
r
r
4. Menentukan Nilai Uji Statistik thitung dapat dicari dengan rumus:
2.2
5. Membuat Kesimpulan
BAB 1
PENDAHULUAN
1.1Latar Belakang
Ketahanan pangan adalah ketersediaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dikatakan memiliki ketahanan pangan jika penghuninya tidak berada dalam kondisi kelaparan atau dihantui ancaman kelaparan. Ketahanan pangan merupakan ukuran kelentingan terhadap gangguan di masa depan atau ketiadaan suplai pangan.
World Health Organization mendefinisikan tiga komponen utama
ketahanan pangan, yaitu ketersediaan pangan, akses pangan, dan pemanfaatan pangan. Ketersediaan pangan adalah kemampuan memiliki sejumlah pangan yang cukup untuk kebutuhan dasar. Akses pangan adalah kemampuan memiliki sumber daya, secara ekonomi maupun fisik, untuk mendapatkan bahan pangan bernutrisi. Pemanfaatan pangan adalah kemampuan dalam memanfaatkan bahan pangan dengan benar dan tepat secara proporsional. FAO menambahkan komponen keempat, yaitu kestabilan dari ketiga komponen tersebut dalam kurun waktu yang panjang.
Saat ini permasalahan pangan kembali menyeruak, banyak anggapan yang mendengungkan berbagai faktor penyebab, salah satunya adalah determinasi teknologi untuk industrialisasi yang dianggap telah menggeser input pangan. Sebuah kenyataan yang ironis karena pada dua abad yang lalu, teknologi diyakini sebagai penyelamat ketersediaan pangan, namun saat ini yang terjadi adalah kebalikan dari harapan yang diyakini oleh Revolusi Hijau.
Hingga awal tahun 2000-an, sebelum pemanasan global menjadi suatu isu penting, dunia selalu optimis mengenai ketersediaan pangan. Bahkan waktu itu, FAO memprediksi bahwa untuk 30 tahun ke depan, peningkatan produksi pangan akan lebih besar daripada pertumbuhan penduduk dunia. Peningkatan produksi pangan yang tinggi itu akan terjadi di negara-negara maju. Selain kecukupan pangan, kualitas makanan juga akan membaik. Prediksi ini didasarkan pada data historis selama dekade 80-an hingga 90-an yang menunjukkan peningkatan produksi pangan di dunia rata-rata per tahun mencapai 2,1%, sedangkan laju pertumbuhan penduduk dunia hanya 1,6% per tahun. Memang, untuk periode 2000-2015 laju peningkatan produksi pangan diperkirakan akan menurun menjadi rata-rata 1,6% per tahun, namun ini masih lebih tinggi jika dibandingkan dengan laju pertumbuhan penduduk dunia yang diprediksi 1,2% per tahun.Untuk periode 2015-2030 laju pertumbuhan produksi pangan diprediksikan akan lebih rendah lagi yakni 1,3% per tahun tetapi juga masih lebih tinggi daripada pertumbuhan penduduk dunia sebesar 0,8% per tahun. Juga FAO memprediksi waktu itu bahwa produksi biji-bijian dunia akan meningkat sebesar 1 miliar ton selama 30 tahun ke depan, dari 1,84 miliar ton di tahun 2000 menjadi 2,84 miliar ton di tahun 2030 (Siswono, 2002).
ini menyebut krisis pangan tersebut sebagai the silent tsunami, petaka yang melanda diam-diam.
Kabupaten Karo sebagai salah satu penghasil padi mempunyai tingkat produksi padi yang berfluktuasi dari waktu ke waktu. Produksi pada dasarnya merupakan hasil kali luas panen dengan produktivitas per hektare lahan, sehingga seberapa besar produksi suatu wilayah sangat tergantung berapa luas panen pada tahun yang bersangkutan atau berapa tingkat produktivitasnya. Kondisi luas panen di Kabupaten Karo semakin terancam dengan semakin bertambahnya jumlah penduduk setiap tahun yang menyebabkan permintaan terhadap lahan perumahan dan infrastruktur, dan perubahan fungsi lahan pertanian untuk pengembangan industri dan lain-lain semakin meningkat. Selain luas panen, konsumsi per kapita penduduk Kabupaten Karo juga menjadi faktor yang berpengaruh terhadap ketahanan pangan di Kabupaten Karo. Pemikiran belum dikatakan makan jika belum makan nasi sudah melekat dalam budaya masyarakat Sumatera Utara terkhususnya pada budaya masyarakat Karo yang membuat konsumsi per kapita per tahun tergolong tinggi.
Setiap daerah di Kabupaten Karo memiliki kondisi dan karakteristik pangan beras yang berbeda, misalnya kondisi stok beras, luas panen padi, produktivitas lahan, jumlah konsumsi beras dan harga beras. Kondisi-kondisi inilah yang akan digunakan untuk mengukur ketahanan pangan di Kabupaten Karo dengan rasio ketersediaan beras di tiap daerah di Kabupaten Karo sebagai
proxy.
Berdasarkan urian diatas penulis penulis mencoba untuk menganalisis hubungan faktor-faktor yang mempengaruhi ketahanan pangan, maka penulis
memilih judul Tugas Akhir ini: “FAKTOR-FAKTOR YANG MEMPENGARUHI
KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013”.
Permasalahan ketahanan pangan telah melanda Indonesia, begitu pula yang terjadi di Kabupaten Karo. Peningkatan produksi padi di Kabupaten Karo yang diharapkan dapat mengimbangi peningkatan jumlah dan konsumsi penduduk di Kabupaten Karo. Adapun faktor-faktor yang mempengaruhi ketahanan pangan adalah jumlah penduduk, stok beras, luas areal panen padi, produktivitas lahan, jumlah konsumsi beras, dan harga beras. Permasalahan yang akan dianalisis adalah bagaimana pengaruh jumlah penduduk, stok beras, luas panen padi, produktivitas lahan,jumlah konsumsi beras, dan harga beras terhadap ketahanan pangan di Kabupaten Karo.
1.3Batasan Masalah
Untuk mengarahkan penelitian ini agar tidak menyimpang dari maksud dan tujuan penelitian serta tepat kepada sasaran yang dituju, maka perlu diadakan pembatasan masalah yaitu pada data ketahanan pangan tahun 2013 di Kabupaten Karo.
1.4Maksud dan Tujuan Penelitian
Maksud dari penelitian ini adalah untuk dapat mengaplikasikan ilmu pengetahuan terutama ilmu Statistika yang telah dipelajari selama perkuliahan dengan cara pengumpulan, mengamati dan memberikan penyajian data yang diharapkan dapat dipergunakan seefisien mungkin agar pihak yang membutuhkannya dapat mengambil suatu keputusan yang bersifat membangun, untuk memberikan informasi tentang ketahanan pangan di Kabupaten Karo serta faktor-faktor yang mempengaruhinya, sebagai sarana meningkatkan pengetahuan dan wawasan pembaca mengenai analisa korelasi, serta sebagai acuan bagi Pemerintah untuk meningkatkan ketahanan pangan di Kabupaten Karo.
1. Untuk menganalisa pengaruh stok beras, luas panen, rata-rata produksi, harga beras, jumlah konsumsi beras, jumlah penduduk dan harga bahan bakar terhadap ketahanan pangan di Kabupaten Karo.
2. Untuk mengetahui faktor-faktor yang mempunyai hubungan erat dengan ketahanan pangan di Kabupaten Karo.
3. Untuk tambahan literatur dan pengetahuan pembaca yang sedang mempelajari analisa data yang menggunakan analisa korelasi.
1.5Metode Penelitian
Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya adalah:
1. Metode Penelitian Kepustakaan (Studi Literatur)
Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.
2. Metode Pengumpulan Data
Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yamg diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram. Data sekunder yang digunakan diperoleh dari Badan Pusat Statistik Kabupaten Karo. Data yang telah dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
3. Metode Analisa Data
Korelasi digunakan untuk mengukur keeratan hubungan antara variabel-variabel. Rumus yang digunakan adalah:
2 2
2 2
( )( )
i i
yx
i i
n X Y X Y
r
n X X n Y Y
dengan:
yx r
= Koefisien korelasi antara Y dan X
i X
= Variabel bebas (indipendent) Y = Variabel terikat (dependent) n = Banyak data
1.6Tinjau Pustaka
Penulis menggunakan buku-buku statistika untuk mendukung serta merangkum penelitian ini, termasuk buku yang memuat informasi mengenai analisa korelasi. Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk mencari hubungan antara dua variabel yang bersifat kuantitatif. Analisis korelasi merupakan studi pembahasan mengenai derajat hubungan atau derajat asosiasi antara dua variabel, misalnya variabel X dan variabel Y. Adapun pengertian korelasi yang lebih spesifik, yaitu mengisyaratkan hubungan yang bersifat substantif numerik (angka/bilangan). Dari definisi ini, sekaligus memperlihatkan bahwa tujuan dari analisis korelasi adalah untuk melihat/menentukan seberapa erat hubungan antara dua variabel.
mencari hubungan antara dua variabel atau lebih yang sifatnya kuantitatif dan kualitatif.
Menurut Pratisto (2005,p.83), korelasi diartikan sebagai hubungan. Analisis korelasi bertujuan untuk mengetahui pola dan keeratan hubungan antara dua atau lebih variabel. Menurut Irianto (2004, p.133), korelasi merupakan suatu hubungan antara satu variabel dengan variabel lainnya.
FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013
TUGAS AKHIR
YESENIA ANASTASIA BR GINTING 122407031
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
YESENIA ANASTASIA BR GINTING 122407031
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013
Kategori : TUGAS AKHIR
Nama : YESENIA ANASTASIA BR GINTING
Nim : 122407031
Program Studi : D3 STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2015
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,
Dr.Faigiziduhu Bu’ulölö,M.Si Drs. Gim Tarigan, M.Si
PERNYATAAN
FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN PANGAN DI KABUPATEN KARO TAHUN 2013
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2015
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, atas segala berkat dan kasih karunia-Nya tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan dengan judul Faktor-Faktor Yang Mempengaruhi Ketahanan Pangan Di Kabupaten Karo Tahun 2013.
Dalam penulisan dan penyusunan Tugas Akhir ini tentunya tidak lepas dari keterlibatan berbagai pihak, oleh karena itu dengan segala kerendahan hati penulis mengucapkan terima kasih dan penghargaan yang sebesarnya kepada :
1. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA Universitas Sumatera Utara.
2. Bapak Prof. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA Universitas Sumatera Utara.
3. Bapak Dr. Suwarno Ariswoyo, M.Si selaku Sekretaris Program Studi D3 Statistika FMIPA Universitas Sumatera Utara.
4. Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi D3 Statistika FMIPA Universitas Sumatera Utara.
5. Bapak Drs. Gim Tarigan, M,Si selaku Dosen Pembimbing yang telah meluangkan waktu, tenaga dan pikiran selama penyusunan Tugas Akhir ini.
6. Segenap tenaga pengajar, staff dan Civitas Akademica Universitas Sumatera Utara.
penulis mempersembahkan Tugas Akhir ini kepada Edward Marolop Sinaga, S.STP yang telah memberikan semangat, nasehat serta menjadi motivasi penulis. Semoga Tuhan Yang Maha Esa membalasnya.
Penulis menyadari bahwa Tugas Akhir ini terdapat banyak kekurangan baik dari penulisan maupun substansi, oleh karena itu penulis mengharapkan kritik dan saran yang membangun dari berbagai pihak guna perbaikan Tugas Akhir ini.
Akhir kata penulis berharap Tugas Akhir ini dapat memberikan manfaat bagi penulis pribadi dan Kabupaten Karo sebagai lokasi penelitian.
Penulis
DAFTAR ISI
Halaman
PERSETUJUAN i
PERNYATAAN ii
PENGHARGAAN iii
DAFTAR ISI iv
DAFTAR TABEL v
DAFTAR GAMBAR vi
BAB 1. PENDAHULUAN 1
1.1. Latar Belakang 1
1.2. Rumusan Masalah 4
1.3. Batasan Masalah 4
1.4. Maksud dan Tujuan Penelitian 4
1.5. Metode Penelitian 5
1.6. Tinjau Pustaka 6
BAB 2. LANDASAN TEORI 8
2.1. Pengertian Korelasi 8
2.2. Kegunaan Korelasi Pearson Product Moment (PPM) 8 2.3. Pola atau Bentuk Hubungan antara 2 Variabel 9 2.4. Menghitung Nilai Koefisien Korelasi (r) 10 2.5. Uji Keberartian Koefisien Korelasi 11
BAB 3. PENGOLAHAN DATA 13
3.1 Penyajian Data 13
3.2 Persamaan Korelasi Pearson Product Moment 21 3.3 Perhitungan Korelasi antara Variabel Terikat (Dependent)
BAB 4. IMPLEMENTASI SISTEM 38 4.1 Pengertian Implementasi Sistem 38
4.2 Sekilas Tentang Program SPSS 38
4.3 Pengolahan Data Dengan SPSS 40
BAB 5. KESIMPULAN DAN SARAN
5.1 Kesimpulan 44
5.2 Saran 45
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
Halaman
Tabel 2.1 Interpretasi Koefisien Korelasi (r) 11 Tabel 3.1 Jumlah Produksi Padi Menurut Kecamatan Di Kabupaten
Karo Tahun 2013 14
Tabel 3.2 Jumlah Penduduk Menurut Kecamatan Di Kabupaten Karo
Tahun 2013 15
Tabel 3.3 Stok Beras Menurut Kecamatan Di Kabupaten Karo Tahun
Tabel 3.4 Luas Areal Panen Padi Menurut Kecamatan Di Kabupaten
Karo Tahun 2013 17
Tabel 3.5 Rata-Rata Produktivitas Lahan Padi Menurut Kecamatan Di
Kabupaten Karo Tahun 2013 18
Tabel 3.6 Jumlah Konsumsi Beras Menurut Kecamatan Di Kabupaten
Karo Tahun 2013 19
Tabel 3.7 Rata-Rata Harga Beras Menurut Kecamatan Di Kabupaten
Karo Tahun 2013 20
Tabel 3.8 Nilai-Nilai Yang Diperlukan Untuk Menghitung Korelasi
DAFTAR GAMBAR
Halaman
Gambar 4.1 Tampilan Pada Monitor Untuk Membuka SPSS 40 Gambar 4.2 Tampilan Jendela Variable View Dalam SPSS 41 Gambar 4.3 Tampilan Pengisian Data pada Data View Dalam SPSS 41
Gambar 4.4 Tampilan Menu Analyze 42
Gambar 4.5 Tampilan Kotak Dialog Bivariate Correlation 42