ANALlSIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA
TUGAS AKHIR
RAJI MAHADI SUDARJAT 102407078
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALlSIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
RAJI MAHADI SUDARJAT 102407078
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH
PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA
Kategori : TUGAS AKHIR
Nama : RAJI MAHADI SUDARJAT
NIM : 102407078
Program Studi : D3 STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM
(FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2013
Diketahui
Departemen Matematika FMIPA USU Pembimbing
Prof. Dr. Tulus,vordipl.Math.,M.Si.,Ph.D Drs. Pengarapen Bangun, M.Si
PERNYATAAN
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI PROVINSI SUMATERA UTARA
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah kerja saya sendiri, kecuali kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2013
PENGHARGAAN
Assalamu’alaikum warahmatullahi wabarakatuh.
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Analisis Faktor – Faktor yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera Utara Tahun 2010.
Terimakasih penulis sampaikan kepada Bapak Drs. Pengarapen Bangun,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 Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika 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 Ayahanda Suwondo dan Suparmi serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
DAFTAR ISI
Daftar Gambar viii
BAB 1 PENDAHULUAN 1
1.4.2 Manfaat Penelitian 3
1.5 Metodelogi Penelitian 4
1.6 Sistematika Penulisan 7
BAB 2 LANDASAN TEORI 9
2.1 Pengertian Regresi 9
2.2 Analisis Regresi Linier 9
2.3 Regresi Linier Sederhana 10
2.4 Regresi Linier Berganda 11
2.5 Kesalahan Standard Estimasi 13
2.6 Koefisien Determinasi 14
BAB 3 SEJARAH SINGKAT BADAN PUSAT STATISTIK 20
3.1 Sejarah Badan Pusat Statistik 20
3.2 Visi dan Misi 21
3.3 Kedudukan dan Fungsi Badan Pusat Statistik 22
3.4 Tata Kerja Badan Pusat Statistik 23
3.5 Tugas Badan Pusat Statistik 23
3.6 Struktur Organisasi Badan Pusat Statistik 25
BAB 4 ANALISA DAN PEMBAHASAN 28
4.1 Pengolahan Data 28
4.2 Membentuk Persamaan Regresi Linier Berganda 30
4.3 Uji Regresi Linier Berganda 36
4.3.1 Uji F (Simultan) 37
4.4 Perhitungan Koefisien Determinasi Dan Koefisien Korelasi Ganda 42 4.5 Perhitungan Koefisien Korelasi Antar Variabel 43
4.5.1 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y)
Dengan Luas Wilayah (X1) 44
4.5.2 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y)
Dengan Kepadatan Penduduk (X2) 44
4.5.3 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y)
Dengan Tingkat Pengangguran (X3) 45
4.5.4 Koefisien Korelasi Antara Luas Wilayah (X1) dengan
Kepadatan Penduduk (X2) 46
4.5.5 Koefisien Korelasi Antara Luas Wilayah (X1) dengan
Tingkat Pengangguran (X3) 46
4.5.6 Koefisien Korelasi Antara Kepadatan Penduduk (X2)
Dengan Tingkat Pengangguran (X3) 47
4.6 Uji t (Parsial) 48
4.6.1 Pengaruh Luas Wilayah (X1) Terhadap Jumlah Penduduk
Miskin (Y) 48
4.6.2 Pengaruh Kepadatan Penduduk (X2) Terhadap Jumlah
Penduduk Miskin (Y) 51
4.6.3 Pengaruh Tingkat Pengangguran (X3) Terhadap Jumlah
Penduduk Miskin (Y) 53
BAB 5 IMPLEMENTASI SISTEM 56
5.1 Pengertian Implementasi Sistem 56
5.3 Pengenalan SPSS 57 5.3.1 Langkah - Langkah Pengolahan Data dengan SPSS 58 5.3.1.1Cara Mengaktifkan SPSS Pada Program Windows 58
5.3.1.2Mengenal Lingkungan SPSS 59
5.3.1.3Menyusun Definisi Variable View 60 5.3.1.4Pemasukan Data ke dalam SPSS Statistic 16.0 61
5.3.1.5Pengolahan Data 64
BAB 6 KESIMPULAN DAN SARAN 69
6.1 Kesimpulan 69
6.2 Saran 70
Daftar Pustaka
DAFTAR TABEL
Halaman
Tabel 2.1 Interpretasi Koefisien Korelasi 17
Tabel 4.1 Luas Wilayah (ribuan ), Kepadatan Penduduk
(ratusan ), Tingkat Pengangguran(%)
Jumlah Penduduk Miskin (ribuan jiwa) di Provinsi Sumatera
Utara tahun 2010 28
Tabel 4.2 Harga-Harga yang Diperlukan Untuk Menghitung Koefisien
b0,b1, b2, b3 30
Tabel 4.3 Nilai-Nilai Yˆ Yang Diperoleh Dari Persamaan Regresi Linier Berganda Untuk Menghitung Kekeliruan Tafsiran
Baku 35
DAFTAR GAMBAR
Halaman
Gambar 5.1 Tampilan Pengaktifan SPSS Statistics 16.0 58
Gambar 5.2 Tampilan Jendela Data View dalam SPSS 59
Gambar 5.3 Tampilan Jendela Variable View dalam SPSS 60
Gambar 5.4 Tampilan Pengisian Variable View 63
Gambar 5.5 Tampilan Pengisian Data View 64
Gambar 5.6 Kotak Dialog Linear Regression 65
Gambar 5.7 Kotak Dialog Linear Regression : Statistics 65
Gambar 5.8 Kotak Dialog Linear Regression : Plots 66
Gambar 5.9 Kotak Dialog Linear Regression Plots 67
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Keberadaan fenomena kemiskinan adalah sebuah keniscayaan dalam suatu Negara sekalipun Negara tersebut sudah tergolong dalam Negara maju. Kemiskinan akan selalu menjadi sisi gelap dan menjadi suatu indikator keberhasilan suatu pemerintahan dalam mengelola Negara dan kesejahteraan rakyat.
Permasalahan kemiskinan sudah seringkali diangkat dan di bahas solusinya oleh banyak pihak, mulai dari pemerintah pusat dengan segala bentuk program pengentasan kemiskinan dan rancangan anggaran untuk meminimalisir kemiskinan masyarakatnya sampai kepada individu – individu atau masyarakat yang memang memiliki kepedulian terhadap permasalahan tersebut.
Dengan semakin meningkatnya jumlah kepadatan penduduk dan tingkat pengangguran memungkinkan semakin bertambahnya jumlah penduduk miskin pada Negara atau daerah tersebut. Untuk itu penulis tertarik ingin meneliti faktor – faktor mana yang paling berpengaruh terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.
juga dapat disebutkan bahwa analisa regresi linear adalah sebuah model matematika yang digunakan untuk melihat hubungan antara variabel bebas( Independent variable) dengan variabel terikat( dependent variable) hingga didapat sebuah kesimpulan yang dapat di interpretasikan mengenai masalah yang diindentifikasi.
Berdasarkan masalah di atas, penulis mengambil judul : Analisis Faktor-Faktor Yang Mempengaruhi Jumlah Penduduk Miskin di Provinsi Sumatera utara.
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah penelitian ini sebagai berikut:
1. Apa sajakah faktor yang mempengaruhi jumlah penduduk miskin di Provinsi Sumatera utara.
2. Bagaimana besar nilai faktor-faktor yang mempengaruhi jumlah penduduk miskin di Provinsi Sumatera utara.
3. Bagaimana hubungan korelasi antara faktor-faktor yang mempengaruhi (luas wilayah, kepadatan penduduk, tingkat pengangguran terbuka) dengan jumlah penduduk miskin di Provinsi Sumatera utara.
1.3 Batasan Masalah
penduduk, tingkat pengangguran . Data kuantitatif yang digunakan adalah data penduduk miskin tahun 2010, data luas wilayah tahun 2010, data kepadatan penduduk tahun 2010, dan data tingkat pengangguran tahun 2010
1.4 Tujuan dan Manfaat
1.4.1 Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut :
1. Untuk mengetahui seberapa besar pengaruh yang diberikan variabel-variabel yang diteliti terhadap jumlah penduduk miskin di Provinsi Sumatera utara.
2. Mengetahui hubungan antar variabel yang diteliti
3. Sebagai sarana aplikasi ilmu yang didapat saat perkuliahan
1.4.2 Manfaat Penelitian
Manfaat yang dapat diambil dari penelitian ini adalah :
1. Untuk mengetahui pengaruh luas wilayah, kepadatan penduduk, dan tingkat pengangguran terhadap jumlah penduduk miskin di Provinsi Sumatera utara.
2. Untuk mengetahui hubungan antara variabel yang terikat dan bebas.
1.5 Metodologi Penelitian
1. Penulisan Kepustakaan
Penulisan kepustakaan yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir.
Metode pengumpulan data yang digunakan ialah data sekunder, yaitu data yang diolah diperoleh dari kantor Badan Pusat Statistik Provinsi Sumatera Utara.
2. Teknik dan Analisa Data
Metode yang digunakan adalah dengan metode hitung korelasi dan regresi.
a. Regresi Ganda
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.
Untuk keperluan analisis, variabel bebas akan dinyatakan dengan
x
1,x
2,...
x
k(
k
1
)
sedangkan variabel tidak bebas dinyatakan dengan Y.
k k
o ax a x a x
a
Dengan :
Y
= variabel tidak bebas (dependent)k
o
a
a
,...,
koefisien regresik
x
x
1,...,
variabel bebas (independent)Koefisien-koefisien
a
o,...,
a
kdapat dihitung dengan menggunakan persamaan:)
b. Kesalahan Standar Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya.
1
Dengan: Yi adalah nilai data sebenarnya, Yi adalah nilai taksiran.
c. Koefisien Korelasi Linier Ganda
Menguji keberartian regresi linier ganda dimaksudkan untuk meyakinkan apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai sejumlah peubah yang dipelajari.
Hipotesa:
Ho : Tidak terdapat hubungan fungsional yang signifikan antara semua faktor yang
mempengaruhi terhadap faktor yang dipengaruhi.
H1 : Terdapat hubungan fungsional yang signifikan antara semua faktor yang
mempengaruhi terhadap faktor yang dipengaruhi.
d. Koefisien Korelasi
bebas
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari tugas akhir ini, yaitu
sebagai berikut :
BAB 1 : PENDAHULUAN
Pada bab ini akan diuraikan latar belakang, maksud dan tujuan, identifikasi masalah, batasan masalah, metode penelitian dan landasan teori serta sistematika penulisan.
BAB 2 : LANDASAN TEORI
Dalam bab ini menguraikan teoritis dan analisa tentang segala sesuatu yang berhubungan dengan masalah tugas akhir.
BAB 3 : GAMBARAN UMUM TEMPAT RISET
BAB 4 : ANALISIS DAN PEMBAHASAN
Pada bab ini penulis menjelaskan mengenai tentang analisis faktor-faktor yang mempengaruhi jumlah penduduk miskin dengan metode regresi linier berganda dan analisa korelasi untuk melihat hubungan antar variabel. Dimana objek penelitiannya adalah jumlah penduduk miskin di Provinsi Sumatera utara tahun 2010.
BAB 5 : IMPLEMENTASI SISTEM
Pada bab ini membahas tentang yang digunakan dalam analisis data serta cara penggunaan dari software.
BAB 6 : KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
2.1 Pengertian Regresi
Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut variabel takbebas (dependent variable), pada satu atau lebih variabel, yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan niali-nilai dari variabel takbebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas (independent variable).
2.2 Analisis Regresi Linier
Analisis regresi linier digunakan untuk peramalan, dimana dalam model terdapat variabel bebas X dan variabel takbebas Y. Regresi linier yaitu menentukan satu persaman dan garis yang menunjukkan hubungan antara variabel bebas dan variabel takbebas, yang merupakan persamaan penduga yang berguna untuk menaksir/meramalkan variabel takbebas. Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis ini terdiri dari dua bentuk, yaitu :
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (independent variable) dan variabel tak bebas (dependent variable). Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya 2 variabel bebas dengan satu variabel tak bebas.
2.3 Regresi Linier Sederhana
Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya ada satu peubah bebas X yang dihubungkan dengan satu peubah takbebas Y. Bentuk-bentuk model umum regresi sederhana yang menunjukkan antara dua variabel, yaitu variabel X sebagai sebagai variabel bebas dan variabel Y sebagai variabel tak bebas adalah :
Dengan :
Ŷ = Variabel tak bebas
x = Variabel bebas a = Parameter Intercept
2.4 Regresi Linier Berganda
Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variable dependent) dengan faktor-faktor yang mempengaruhi lebih dari satu predaktor (variable independent).
Regresi linier berganda hampir sama dengan Regresi linier sederhana, hanya saja pada Regresi linier berganda variabel penduga (variabel bebas) lebih dari satu variabel penduga. Tujuan analisis Regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai Y atas nilai X. Bentuk persamaan Regresi linier berganda yang mencakup dua atau lebih variabel, yaitu :
i
Model di atas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak, dan tidak mengetahui regresi populasi, sehingga model regresi populasi perlu diduga berdasarkan model regresi sebagai berikut :
a
,...,
koefisien regresik
x
x
1,...,
variabel bebas (independent)Untuk hal ini, penulis menggunakan regresi linear berganda satu variable terikat (variable dependent) dan tiga variabel bebas (variable independent). Bentuk umum persamaan regresi linear berganda tersebut, yaitu:
Y = b0 b1 X1i b 2 X2i ... bn Xni
Dengan:
Y = Jumlah Penduduk Miskin
X1 = Luas Wilayah
X3 = Tingkat Pengangguran
i = 1,2,…,n
Untuk rumus diatas, dapat diselesaikan dengan empat persamaan oleh empat variabel yang terbentuk:
Dengan b0, b1, b2, b3 adalah koefisien yang ditentukan berdasarkan data hasil pengamatan. Untuk
menghitung nilai dan .
2.5 Kesalahan Standard Estimasi
besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya.( Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2) Kesalahan standar estimasi dapat ditentukan dengan rumus :
Dengan :
Yi = nilai data sebenarnya
Ŷ = nilai taksiran
2.6 Koefisien Determinasi
Menguji keberartian regresi linear berganda dimaksudkan untuk meyakinkan apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai sejumlah peubah yang dipelajari.( Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik)
Hipotesa :
H0 : Tidak terdapat hubungan fungsional yang signifikan antara semua faktor yang
H1 :Terdapat hubungan fungsional yang signifikan antara semua faktor yang
mempengaruhi terhadap faktor yang dipengaruhi.
Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linear berganda yang mencakup lebih dari dua variabel adalah 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 linear berganda secara bersama – sama. Maka R2 akan ditentukan dengan rumus ,yaitu:
Dengan :
JKreg = Jumlah Kuadrat Regresi
Harga R2 yang diperoleh sesuai dengan variansi yang dijelaskan masing – masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (yang bersifat nyata).
Setelah mendapatkan hasil jumlah pengaruh pada variabel yang diteliti untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas atau antara variabel bebas itu sendiri.
Analisis korelasi adalah alat statistic yang dapat digunakan untuk mengetahui derajat hubungan linear antara satu variabel dengan variabel yang lain (Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2). Umumnya analisis korelasi digunakan dalam hubungannya dengan analisis regresi untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel dependent.
Dengan:
ryx = Koefisien korelasi antara Y dan X
Xki = Variabel bebas
Yi = Variabel terikat
Nilai r selalu terletak antara -1 dan 1, sehingga nilai r tersebut dapat ditulis :
-1 r +1. Untuk r = +1, berarti ada korelasi positif sempurna antara X dan Y, sebaliknya jika r = -1, berarti korelasi negatif sempurna antara X dan Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y.
Tabel 2.1 Interpretasi Koefisien Korelasi
R Interpretasi
0 Tidak ada korelasi
0,01 – 0,20 Sangat rendah
0,21 – 0,40 Rendah
0,41 – 0,60 Agak Rendah
0,61 – 0,80 Cukup
0,81 – 0,99 Tinggi
1 Sangat tinggi (korelasi sempurna)
Sumber : Hartono, M.Pd Statistik untuk penelitian
Keterangan:
r = koefisien korelasi
+ = menunjukkan korelasi positif
− = menunjukkan korelasi negatif
0 = menunjukkan tidak adanya korelasi (korelasi nihil)
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi Negatif
Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.
3. Korelasi Nihil
Korelasi nihil artinya tidak adanya korelasi antara variabel.
a. Koefisien Korelasi antara Y dan X1
b. Koefisien Korelasi antara Y dan X2
c. Koefisien Korelasi antara Y dan X3
d. Koefisien Korelasi antara X1 dan X2
e. Koefisien Korelasi antara X1 dan X3
BAB 3
SEJARAH SINGKAT
BADAN PUSAT STATISTIK (BPS)
3.1 Sejarah Badan Pusat Statistik (BPS)
Seiring dengan adanya perkembangan jaman, khususnya pada pemerintahan Orde Baru, untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, mutlak dibutuhkan data statistik. Untuk mendapatkan data secara tepat dan akurat, salah satu unsurnya adalah pembenahan organisasi BPS.
Dalam masa Orde Baru ini, BPS telah mangalami empat kali perubahan struktur organisasi : 1. Peraturan Pemerintah No. 16 Tahun 1980 tentang organisasi BPS
2. Peraturan Pemerintah No. 6 Tahun 1980 tentang organisasi BPS
3. Peraturan Pemerintah No. 2 Tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja BPS
6. Keputusan Kepala BPS N0. 100 Tahun 1998 tentang organisasi dan data kerja BPS 7. Peraturan Pemerintah No. 51 Tahun 1998 tentang penyelenggaraan statistik
Tahun 1968, ditetapkan peraturan pemerintah No. 16 tahun 1968 yaitu yang mengatur organisasi dan data kerja di pusat dan daerah. Tahun 1980, peraturan pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah No. 16 tahun 1968. Berdasarkan peraturan pemerintah No. 6 tahun 1980 di tiap propinsi terdapat perwakilan BPS dengan nama kantor statistik propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan BPS dengan nama kantor statistik Kabupaten atau Kotamadya. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juli 1998 dengan keputusan Presiden RI No. 89 tahun 1998, ditetapkan BPS sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.
3.2 Visi dan Misi
Adapun visi Badan Pusat Statistik adalah menjadi sumber informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.
handal dan bermutu, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaaan statistik dan pengembangan ilmu statistik.
3.3 Kedudukan dan Fungsi Badan Pusat Statistik
Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di bawah dan bertanggung jawab kepada Presiden (Keppres No. 86 tahun 1998), dalam malaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :
1. UU No. 16 tentang statistik
2. Keputusan Presiden No. 86 tahun 1998 tentang BPS
3. Peraturan Pemerintah No. 51 tahun 1999 tentang penyelenggaraan statistik
Berdasarkan keputusan Presiden No. 86 tahun 1998 dalam menyelenggarakan statistik dasar melaksanakan koordinasi dan kerjasama serta mengembangkan dan membina statistik sesuai dengan peraturan perundang-undangan yang berlaku. Fungsi yang diselenggarakan Badan Pusat Statistik adalah :
2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan, serta pelaksanaan kerjasama di bidang statistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.
3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik produksi dan kependudukan serta statistik distribusi dan neraca nasional secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder.
4. Penyebarluasan statistik melalui berbagai cara baik langsung maupun tidak langsung. 5. Pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan serta
memberikan pelayanan administrasi di lingkungan BPS.
3.4 Tata Kerja Badan Pusat Statistik
Para deputi wajib melaksanakan koordinasi dan kerjasama teknis statistik di dalam dan di luar negeri sesuai dengan bidang tugas masing-masing dan harus melaporkan kepada Kepala BPS. Dalam melaksanakan tugasnya wajib menerapkan prinsip koordinasi, integrasi, sinkronisasi dan signifikasi, baik dalam lingkungan masing- masing antara aturan unit organisasi di lingkungan BPS maupun dengan instansi lainnya di luar BPS sesuai bidang masing-masing.
Menurut keputusan Presiden RI No. 6 tahun 1992 tugas BPS adalah :
1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah, antara lain di bidang pertanian, agraria, pertambangan, perindustrian, perhubungan, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan nasional, pendidikan dan keagamaan.
2. Atas nama pemerintah melaksanakan koordinasi di lapangan kegiatan statistik dari segenap instansi pemerintah baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam panggunaan definisi, klasifikasi dan lain-lain.
3. Mengadakan segala daya agar masyarakat menyadari akan tujuan dan kegunaan statistik. Berdasarkan Keppres ini Kepala berada di bawah dan bertanggungjawab langsung kepada Presiden serta mempunyai tugas :
1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina aparatur BPS agar berdaya guna dan berhasilguna.
2. Menentukan kebijakan teknis pelaksanaan di bidang statistik yang secara fungsional menjadi tanggungjawabnya sesuai dengan peraturan perundang-undangan yang berlaku serta kebijakan umum yang telah ditetapkan oleh pemerintah.
3. Membina dan melaksanakan koordinasi dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis ststistik yang diperlukan, serta malaksanakan kerjasama di bidang ststistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.
1. Membantu Kepala BPS dalam membina dan mengembangkan administrasi BPS agar berdaya guna dan berhasilguna.
2. Membantu Kepala BPS dalam mengkoordinasikan tugas-tugas Deputi, Pusat Pendidikan dan Pelatihan Statistik dan Perwakilan di daerah.
3. Mewakili Kepala BPS dalam hal Kepala BPS berhalangan.
Deputi administrasi mempunyai tugas menyelenggarakan pembinaan pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan, pengendalian, serta memberikan pelayanan administrasi di lingkungan BPS.
Deputi Perencanaan dan Analisis Statistik adalah unsur pelaksanaan sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan perencanaan program dan metodologi statistik, pengolahan hasil sensus, survey dan data sekunder serta analisis dan pengembangan statistik.
Deputi Statistik Produksi dan Kependudukan adalah unsur pelaksana sebgian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik pertanian, industri, konstruksi, pertambangan dan energi, kesejahteraan rakyat, serta statistik demografi dan ketenagakerjaan.
3.6 Struktur Organisasi Badan Pusat Statistik
Struktur organisasi BPS dipimpin oleh seorang kepala dibantu oleh bagian tata usaha. Tata usaha terdri dari :
1. Sub bagian urusan dalam
2. Sub bagian perlengkapan dan perbekalan 3. Sub bagian keuangan
Uraian tugas bagian Tata Usaha :
1. Menyusun program kerja tahunan bagian
2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja tahunan, baik rutin maupn program kantor BPS Propinsi dan penyimpanannya ke BPS
3. Mengatur dan malaksanakan urusan dalam yang meliputi surat-menyurat, pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung, keamanan dan ketertiban lingkungan, serta perjalanan dalam dan luar negeri.
4. Mengatur dan melaksanakan urusan perlengkapan perbekalan yang meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan, penyimpanan pergudangan, inventaris, penghapusan, serta pemeliharaan peralatan dan perlengkapan.
5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, perbendaharaan verifikasi dan pembukuan.
2. Wakil Kepala 3. Deputi Administrasi
4. Deputi Perencanaan dan Analisis Statistik 5. Deputi Statistik Produksi dan Kependudukan 6. Deputi Statistik Produksi dan Neraca Nasional 7. Pusat Pendidikan dan Pelatihan Statistik 8. Perwakilan BPS di Daerah
9. Unit Pelaksanaan Teknis
Deputi Perencanaan dan Analisis Statistik (PAS) mengkoordinir tiga biro, yakni : 1. Biro Perencanaan dan Pengendalian
2. Biro Pengolahan dan Penyajian 3. Biro Analisa dan Pengembangan
Deputi Pembinaan Statistik mengkoordinir empat biro, yakni : 1. Biro Statistik dan Industri
2. Biro Statistik Distribusi
3. Biro Statistik Sosial dan Kependudukan 4. Biro Statistik Neraca Nasional
BAB 4
ANALISIS DATA
4.1 Pengolahan Data
Data yang diambil dari Kantor Badan Pusat Statistik Provinsi Sumatera Utara adalah data jumlah
penduduk miskin (ribuan jiwa), luas wilayah (ribuan ), kepadatan penduduk (ratusan ),
dan tingkat pengangguran (%) di Provinsi Sumatera Utara tahun 2010.
Tabel 4.1 Jumlah Penduduk Miskin (ribuan jiwa), Luas Wilayah (ribuan ), Kepadatan
Penduduk (ratusan ), dan Tingkat Pengangguran (%) di Provinsi Sumatera
No Kabupaten/Kota
15 Humbang Hasundutan 18,20 22,972 0,75 0,96
16 Pakpak Bharat 5,60 12,183 0,33 1,48
27 Tanjungbalai 25,20 0,6152 25,1 10,25
28 Pematangsiantar 27,50 0,7997 29,35 10,40
29 Tebing Tinggi 18,90 0,3844 37,79 9,54
30 Medan 212,30 2,651 79,13 13,11
31 Binjai 18,00 0,9024 27,28 11,64
32 Padangsidimpuan 20,30 1,1465 16,71 8,58
33 Gunung Sitoli 42,50 4,6936 2,69 2,56
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara
Dari data tersebut maka variabel-variabelnya adalah sebagai berikut:
Y : Jumlah Penduduk Miskin (ribuan jiwa)
X2 : Kepadatan Penduduk (ratusan )
X3 : Tingkat Pengangguran (%)
4.2 Membentuk Persamaan Regresi Linier Berganda
Untuk membentuk persamaan regresi linier berganda, diperlukan perhitungan masing-masing satuan variabel. Hasil perhitungan yang dibutuhkan terdapat pada tabel dibawah ini :
Tabel 4.2 Harga-Harga yang Diperlukan Untuk Menghitung Koefisien b0, b1, b2, b3
Sambungan Tabel 4.2 7 41,3449 41,494356 164,696734 10,4166 8 49,5616 66,899378 258,775616 12,8128 9 79,3881 81,69282 389,24226 16,6617 10 4,2436 26,9892 39,71268 2,884 11 6,5536 35,099625 54,4576 4,224 12 75,5161 179,00208 216,045566 62,568 13 81,3604 96,454666 564,948758 13,8908 14 5,9049 28,941198 39,509613 4,3254
15 2,1904 17,229 33,99856 1,11
16 0,4761 4,02039 8,40627 0,2277 17 2,2201 11,92415 36,25915 0,7301 18 63,2025 59,504563 152,109735 24,7245 19 40,0689 37,55584 57,283968 26,2695 20 2,25 22,332885 58,77075 0,855 21 34,4569 22,577892 228,503838 3,4046
Sambungan Tabel 4.2
31 101,0025 24,617472 9,06912 274,164 32 73,6164 19,158015 9,83697 143,3718 33 6,5536 12,625784 12,015616 6,8864 Jlh 1222,6824 1297,829672 3545,158962 2575,3849
N0
Dari Tabel 4.2 diperoleh hasil sebagai berikut :
2
3 0 3 1 3 1 2 3 2 3 3
YX b X b X X b X X b X
Harga-harga koefisien b0, b1, b2 dan b3 dicari dengan substitusi dan eliminasi dari
persamaan normal di atas. Selanjutnya substitusi nilai-nilai pada Tabel 4.2 ke dalam persamaan normal, sehingga diperoleh :
1477,1 = 33 b0 + 716,81 b1 + 335 b2 + 169,84 b3
35828,84 = 716,81 b0 + 25638,12 b1 + 1297,83 b2 + 3545,16 b3
23039,89 = 335 b0 + 1297,83 b1 + 16474,87 b2 + 2575,38 b3
10070,92 = 169,84 b0 + 3545,16 b1 + 2575,38 b2 + 1222,68 b3
Setelah persamaan di atas diselesaikan, maka diperoleh koefisien-koefisien regresi linier berganda seperti berikut:
b0 = -9,6308
b1 = 0,8130
b2 = 0,5992
b3 = 5,9545
Maka persamaan regresi linier bergandanya adalah :
0 1 1 2 2 3 3
ˆ
Y b b X b X b X
ˆ
Setelah diperoleh persamaan regresi berganda, langkah selanjutnya adalah menghitung kesalahan baku (Standard error). Untuk menghitung kesalahan baku ini diperlukan harga yang diperoleh dari persamaan regresi di atas untuk tiap harga , dan yang diketahui. Maka untuk mencari kesalahan baku tersebut dibuat terlebih dahulu tabel seperti di bawah ini :
Tabel 4.3 Nilai-Nilai Yˆ Yang Diperoleh Dari Persamaan Regresi Linier Berganda Untuk Menghitung Kekeliruan Tafsiran Baku
29 18,9 55,3122682 -36,4122682 1325,85
30 212,3 118,01848 94,28152 8889,01
31 18 67,2972082 -49,2972082 2430,21
32 20,3 52,4068885 -32,1068885 1030,85
33 42,5 11,0410028 31,4589972 989,669
Jlh 1477,1 1477,05889 0,0411103 24759,9
Setelah memperoleh harga yang terdapat pada Tabel 4.3, maka kekeliruan bakunya dapat dihitung dengan menggunakan rumus (2.6) sebagai berikut :
Dengan k = 3, n = 33, dan
2
ˆ
Y Y = 24759,9
Ini berarti rata-rata jumlah penduduk miskin yang sebenarnya akan menyimpang dari rata-rata hasil
jumlah penduduk miskin yang diperkirakan sebesar 29,21969.
4.3 Uji Regresi Linier Berganda
Pengujian hipotesa dalam regersi linier berganda perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.
4.3.1 Uji F (Simultan)
1. Menentukan formulasi hipotesis
: Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu luas wilayah, kepadaatan penduduk, tingkat pengangguran terhadap variabel terikat yaitu jumlah penduduk miskin.
: Terdapat pengaruh yang signifikan antara variabel bebas yaitu luas wilayah, kepadatan penduduk, tingkat pengangguran terhadap variabel terikat yaitu jumlah penduduk miskin.
2. Mencari nilai Ftabel dari Tabel Distribusi F
Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk
3. Menentukan kriteria pengujian
diterima bila
ditolak bila
4. Menentukan nilai statistik Fhitung
Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai y, x1, x2 dan
x3 dengan rumus :
Sambungan Tabel 4.4
11 36,73099 0,201529 72,27584 6,690846
12 2625,475 9,859474 8,71147 12,55521
13 3604,728 1673,749 74,15828 15,00271
14 235,2969 29,83694 70,08235 7,38028
15 705,466 1,56395 88,38858 13,44445
16 1533,553 90,98146 96,46226 19,86188
17 628,0342 6,8308 93,34497 13,37121
18 325,4196 6,698365 49,583 7,858676
19 1,536088 160,575 36,01824 1,400277
20 390,4817 304,8195 91,80553 13,29818
21 390,4817 296,0457 91,614 0,523211
22 1,85126 89,08679 85,77575 0,124844
23 14,90431 188,6936 85,03643 0,645344
24 16,48855 44,95863 86,51827 3,447212
25 386,5396 265,0553 74,8488 20,76321
26 1093,004 467,1529 4663,317 11,87951
27 382,6175 445,4725 223,4571 19,30137
28 297,9287 437,7184 368,5816 12,48444
29 668,7711 455,2684 763,8856 3,622677
30 28069,45 363,6809 4758,031 63,41467
31 716,1302 433,4316 293,3848 24,04267
32 598,3214 423,3273 43,01366 11,78778
No
33 5,110358 289,9467 55,67428 6,690846
Sambungan Tabel 4.4
Dari nilai-nilai di atas dapat diketahui nilai jumlah kuadrat regresi (JKreg) dan nilai (JKres) dan
selanjutnya dapat dihitung Fhitung
NO
1 218,826 161,785 47,3092
2 273,114 -58,579 -5,7506
3 -289,18 126,526 30,19
4 -1,0521 -64,808 8,13373
5 -157,03 92,8033 17,7162
6 -48,946 255,623 97,6877
7 -1,7929 3,9297 -0,5911
8 474,241 -262,77 59,7146
9 943,146 -355,6 161,595
10 43,641 156,307 55,1298
11 2,72073 51,5244 15,6768
12 160,891 -151,23 181,558
13 2456,3 -517,03 232,553
14 -83,789 -128,41 -41,672
15 -33,216 249,71 97,3889
16 373,53 384,617 174,526
17 -65,498 242,124 91,6383
18 -46,688 -127,02 50,5704
19 -15,705 -7,4382 1,46661
20 -345 189,337 72,0604
21 -340 189,139 -14,294
22 -12,842 12,6013 -0,4807
23 -53,032 35,6007 -3,1014
24 27,2269 37,7698 7,5392
25 320,085 170,094 89,5869
26 714,563 -2257,7 113,949
27 412,851 -292,4 -85,936
28 361,122 -331,38 -60,987
29 551,788 -714,75 -49,221
30 -3195 11556,6 1334,17
31 557,13 -458,37 -131,22
32 503,275 -160,42 -83,981
33 38,4933 16,8676 5,84745
1 1 2 2 3 3
reg
JK b yx b yx b yx
2
ˆ
Y Y
/
/ ( 1)
reg hitung
res
JK k
F
JK n k
Untuk Ftabel,yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan derajat kebebasan pembilang
V1 = k yaitu 3 dan penyebut V2 = n – k – 1 yaitu 29, dan � = 5% = 0,05 maka :
1; 2
tabel V V
Dengan demikian dapat kita lihat bahwa nilai
. Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan
linier berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa luas wilayah, kepadatan
penduduk dan tingkat pengangguran secara bersama-sama berpengaruh terhadap terjadinya jumlah penduduk miskin.
4.4 Perhitungan Koefisien Determinasi Dan Koefisien Korelasi Ganda
Dari Tabel 4.4 dapat dilihat harga dan nilai
telah dihitung sebelumnya, maka diperoleh nilai koefisien determinasi :
2
2
reg
JK R
Didapat nilai koefisien determinasi 0,4768. Hal ini berarti bahwa sekitar 47,68% jumlah penduduk miskin dapat ditentukan oleh luas wilayah, kepadatan penduduk dan tingkat pengangguran melalui hubungan regresi linier berganda sedangkan sisanya 52,32% lagi dipengaruhi oleh faktor lain.
Untuk koefisien korelasi ganda digunakan rumus :
2
R R
Dari hasil perhitungan didapat korelasi (R) antara luas wilayah, kepadatan penduduk dan tingkat pengangguran terhadap jumlah penduduk miskin sebesar 0,691. Nilai korelasi tersebut menyatakan bahwa hubungan antara luas wilayah, kepadatan penduduk dan tingkat pengangguran terhadap jumlah penduduk miskin cukup tinggi.
4.5 Perhitungan Koefisien Korelasi Antar Variabel
4.5.1 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y) Dengan Luas Wilayah
Koefisien korelasi antara jumlah penduduk miskin (Y) dan luas wilayah (X1) adalah
0,172 yang menunjukkan korelasi yang sangat lemah dengan arah positif. Hal ini berarti jika luas wilayah kecil maka jumlah penduduk miskin rendah dan sebaliknya jika luas wilayah bertambah maka jumlah penduduk miskin meningkat.
Nilai koefisien korelasi 0,323 menunjukkan korelasi lemah dan searah (korelasi positif) artinya jika kepadatan penduduk bertambah akan meningkatkan jumlah penduduk miskin, dan sebaliknya jika kepadatan penduduk menurun maka jumlah penduduk miskin juga menurun.
4.5.3 Koefisien Korelasi Antara Jumlah Penduduk Miskin (Y) Dengan Tingkat Pengangguran
3
3 3
2 2
2 2
3 3
yx
n X Y X Y
r
n X X n Y Y
Koefisien korelasi antara Jumlah Penduduk Miskin (Y) dan Tingkat Pengangguran (X3)
4.5.4 Koefisien Korelasi Antara Luas Wilayah (X1) Dengan Kepadatan Penduduk
Berdasarkan perhitungan koefisien korelasi antara luas wilayah (X1) dengan kepadatan
penduduk (X2) adalah -0,521 menunjukkan korelasi agak rendah dan tidak searah (korelasi
negatif). Artinya jika bertambahnya luas wilayah maka kepadatan penduduk menurun, dan jika luas wilayah semakin kecil maka kepadatan penduduk meningkat.
4.5.5 Koefisien Korelasi Antara Luas Wilayah (X1) Dengan Tingkat Pengangguran
Berdasarkan perhitungan koefisien korelasi antara luas wilayah (X1) dengan tingkat
pengangguran terbuka (X3) adalah -0,077 menunjukkan korelasi sangat lemah dan tidak searah
(korelasi negatif). Artinya semakin luas wilayah maka menurunkan tingkat pengangguran, dan semakin sempit luas tanah akan meningkatkan tingkat pengangguran.
4.5.6 Koefisien Korelasi Antara Kepadatan Penduduk (X2) Dengan Tingkat
Pengangguran
2 3
2 3 2 3
2 2
2 2
2 2 3 3
x x
n X X X X
r
n X X n X X
Berdasarkan perhitungan koefisien korelasi antara kepadatan penduduk (X2) dengan
tingkat pengangguran (X3) adalah 0,399 menunjukkan korelasi rendah dan searah (korelasi
4.6 Uji t (Parsial)
4.6.1 Pengaruh Luas Wilayah (X1) Terhadap Jumlah Penduduk Miskin (Y)
1. Menentukan formulasi hipotesis
: Luas Wilayah tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
: Luas Wilayah berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
2. Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 =
33 – 3 – 1 = 29, maka diperoleh .
3. Menentukan kriteria pengujian
diterima bila
ditolak bila
4. Menentukan nilai statistik thitung
Selanjutnya hitung statistik :
Maka dengan harga-harga berikut ini :
Maka thitung diperoleh :
1
1
hitung
b t
Sb
5. Kesimpulan
Karena thitung = 1,4546 < ttabel = 2,04 maka H0 Diterima.
Hal ini berarti bahwa luas wilayah tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
4.6.2 Pengaruh Kepadatan Penduduk (X2) Terhadap Jumlah Penduduk Miskin (Y)
1. Menentukan formulasi hipotesis
: Kepadatan penduduk tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
: Kepadatan penduduk berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
2. Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 =
33 – 3 – 1 = 29, maka di peroleh .
3. Menentukan kriteria pengujian
diterima bila
4. Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
Selanjutnya hitung statistik :
Maka dengan harga-harga berikut ini :
2
Hal ini berarti bahwa hari kepadatan penduduk tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
4.6.3 Pengaruh Tingkat Pengangguran (X3) Terhadap Jumlah Penduduk Miskin (Y)
1. Menentukan formulasi hipotesis
: Tingkat pengangguran tidak berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
: Tingkat pengangguran berpengaruh pada jumlah penduduk miskin di Provinsi Sumatera Utara.
2. Mencari nilai ttabel dari Tabel Distribusi t
Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 =
33 – 3 – 1 = 29, maka di peroleh .
diterima bila
ditolak bila
4. Menentukan nilai statistik thitung
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran :
Selanjutnya hitung statistik :
Maka dengan harga-harga berikut ini :
Maka thitung diperoleh :
3
3
hitung b
b t
S
5. Kesimpulan
Karena thitung = 3,7934 > ttabel = 2,04 maka H0 Ditolak.
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah langkah-langkah atau prosedur-prosedur yang dilakukan dalam menyelesaikan desain sistem yang telah disetujui, untuk menginstal, menguji dan memulai sistem baru yang diperbaiki.
5.2 Tujuan Implementasi Sistem
Adapun tujuan dari implementasi sistem ini adalah sebagai berikut :
1. Menyelesaikan desain sistem yang telah disetujui sebelumnya.
2. Memastikan bahwa pemakai (user) dapat mengoperasikan sistem baru.
3. Menguji apakah sistem baru tersebut sesuai dengan pemakai.
5.3 Pengenalan SPSS
SPSS (Statistical Product and Service Solution) merupakan program aplikasi yang digunakan untuk melakukan perhitungan statistik dengan menggunakan komputer. SPSS paling banyak digunakan dalam berbagai riset pasar, pengendalian dan perbaikan mutu (quality improvement) serta riset-riset lain.
SPSS dibuat pertama kali sebagai software statistik pada tahun 1968. Diprakarsai oleh ketiga mahasiswa Stanford University yang pada saat itu dioperasikan hanya pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul pada versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+, dan sejalan dengan populernya sistem operasi windows. Pada tahun 1992, SPSS juga mengeluarkan versi windows. Dan antara tahun 1994-1998, SPSS melakukan berbagai kebijakan strategis untuk pengembangan software statistik dengan mengeluarkan Software House terkemuka seperti SYSTAT. Inc, BMDP Statistical Software, Jandel Statistics Software Clear Software, Quantime Ltd, Initive Technologies A/S dan Integral Solution Ltd. Untuk memantapkan posisinya sebagai salah satu market leader dalam business intelligence, SPSS juga menjalin aliansi strategis dengan software house terkemuka dunia yang lain seperti Oracle Corp, Business Object dan Ceres Integrated Solution.
5.3.1 Langkah – Langkah Pengolahan Data dengan SPSS
5.3.1.1Cara Mengaktifkan SPSS Pada Program Windows
5.3.1.2Mengenal Lingkungan SPSS
SPSS data editor mempunyai 2 (dua) tipe lingkungan kerja yaitu :
1. Data View adalah tempat di mana data akan dimasukkan dan diproses.
Gambar 5.2 Tampilan Jendela Data View dalam SPSS
Gambar 5.3 Tampilan Jendela Variable View dalam SPSS
5.3.1.3Menyusun Definisi Variable View
Name : Untuk memasukkan nama variable yang akan diuji. Type : Untuk mendefenisikan tipe variable.
Align : Untuk pengaturan teks/angka pada data View apakah akan dibuat rata kiri (Left), kanan (Right) atau tengah (Center).
Measure : Untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal atau scale.
(Dalam penulisan Tugas Akhir ini Values, Missing, Columns dan Measure tidak dipergunakan, karena itu ketiga pengaturan ini diabaikan saja).
5.3.1.4Pemasukan Data ke dalam SPSS Statistics 16.0
Cara memasukkan data ke SPSS Statistics 17.0 adalah sebagai berikut : 1. Pengisian variabel pada Variable View.
Variabel Y adalah jumlah penduduk miskin variabel ini merupakan variabel pertama yang akan ditempatkan pada baris pertama.
Langkah-langkahnya adalah :
1) Isi Name dengan Y lalu pilih Type dan pilih Numeric. 2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 2. 3) Pada Label ketik “Jumlah Penduduk Miskin”.
4) Lalu pada Align pilih Right.
Selanjutnya Variabel X1 adalah luas wilayah yang juga menjadi variabel kedua yang ditempatkan
Langkah-langkahnya adalah :
1) Isi Name dengan X1 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 4. 3) Pada Label ketik “Luas Willayah”.
4) Lalu pada Align pilih Right.
Selanjutnya Variabel X2 adalah kepadatan penduduk yang juga menjadi variabel ketiga yang
ditempatkan pada baris ketiga. Langkah-langkahnya adalah :
1) Isi Name dengan X2 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 4. 3) Pada Label ketik “Kepadatan Penduduk”.
4) Lalu pada Align pilih Right.
Selanjutnya Variabel X3 adalah tingkat pengangguran yang juga menjadi variabel keempat yang
ditempatkan pada baris keempat. Langkah-langkahnya adalah :
1) Isi Name dengan X3 lalu pilih Type dan pilih Numeric.
2) Pilih Width isi dengan angka 8 lalu pilih Decimals ketik 2. 3) Pada Label ketik “Tingkat Pengangguran”.
4) Lalu pada Align pilih Right.
Gambar 5.4 Tampilan Pengisian Variable View
2. Pengisian Data Pada Data View
Langkah-langkah pengisian data ke dalam data view adalah :
1) Setelah pengisian variabel pada Variable View lalu klik pada tab sheet Data View yang ada di kiri bawah layar.
2) Isilah tahun pada kolom Tahun sesuai jumlah data yang ada. 3) Isi Y, X1, X2 dan X3 dengan data yang ada.
Gambar 5.5 Tampilan Pengisian Data View
5.3.1.5Pengolahan Data
Pengolahan data untuk mencari korelasi dan persamaan regresi linier berganda.
Langkah-langkahnya adalah sebagai berikut :
1) Pada Menu Bar klik menu Analyze, lalu pilih Regression dan klik Linear. 2) Lalu akan muncul kotak dialog Linear Regression.
3) Pada kotak dialog tersebut masukkan variabel Y pada kotak Dependent dan variabel X1,
Gambar 5.6 Kotak Dialog Linear Regression
Gambar 5.7 Kotak Dialog Linear Regression : Statistics 5) Lalu klik Continue.
Gambar 5.8 Kotak Dialog Linear Regression : Plots
7) Selanjutnya isi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada pilihan Standardized Residual Plots, centang kotak Histogram, Normal Probability Plot dan Produce all partial plot, setelah itu klik Continue.
Gambar 5.9 Kotak Dialog Linear Regression Plots
8) Maka aplikasi akan kembali ke kotak dialog Linear Regression, lalu selanjutnya klik
Option maka akan muncul kotak dialog Linear Regression Option. Pilih Use Probability
Gambar 5.10 Kotak Dialog Linear Regression : Options
BAB 6
PENUTUP
6.1 Kesimpulan
Dari hasil analisis dan perhitungan yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut :
1. Dengan menggunakan rumus yang ada maka diperoleh nilai-nilai koefisien regresinya yaitu : b0 = -9,6308 , b1 = 0,8130 , b2 = 0,5994 , b3 = 5,9545 , sehingga persamaan linear berganda yang didapat adalah :
ˆ
Y -9,6308 + 0,8130 X1 + 0,5994 X2 + 5,9545 X3
2. Pada uji linier berganda dengan taraf nyata 0.05, dk pembilang = 3, dk penyebut = 29, . Maka H0 ditolak dan H1 diterima. Hal ini berarti
persamaan linier berganda Y atas X1, X2, dan X3 bersifat nyata yang berarti bahwa luas
wilayah, kepadatan penduduk dan tingkat pengangguran secara bersama-sama berpengaruh terhadap terjadinya jumlah penduduk miskin.
3. Koefisien determinasi (R) sebesar 47,68%, menunjukan bahwa hanya 47,68% jumlah penduduk miskin dipengaruhi oleh ketiga faktor X1, X2, X3 dan 52,32% dipengaruhi oleh
4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi cukup tinggi terjadi antara jumlah penduduk miskin (Y) dengan tingkat pengangguran (X1) yaitu sebesar
0.608.
6.2 Saran
DAFTAR PUSTAKA
Algifari.2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta : BPFE
Sudjana. 2001. Metode Statistika. Bandung: Tarsito