Faktor-Faktor Yang Mempengaruhi Produksi Perikanan Laut Kabupaten Langkat menggunakan Regresi Linier Berganda

HASIL IMPLEMENTASI SISTEM

Descriptive Statistics

Mean Std. Deviation N Produksi Perikanan Laut 17221.7470 1910.60322 10

Jumlah Nelayan 15913.70 1509.070 10

Jumlah Kapal 4126.70 717.081 10

Jumlah Alat Penangkapan 6465.90 1506.890 10

Correlations

Produksi

Perikanan Laut Jumlah Nelayan Jumlah Kapal

Jumlah Alat Penangkapan Pearson

Correlation

Produksi Perikanan Laut 1.000 .755 .924 .660

Jumlah Nelayan .755 1.000 .575 .692

Jumlah Kapal .924 .575 1.000 .561

Jumlah Alat Penangkapan .660 .692 .561 1.000

Sig. (1-tailed) Produksi Perikanan Laut . .006 .000 .019

Jumlah Nelayan .006 . .041 .013

Jumlah Kapal .000 .041 . .046

Jumlah Alat Penangkapan .019 .013 .046 .

N Produksi Perikanan Laut 10 10 10 10

Jumlah Nelayan 10 10 10 10

Jumlah Kapal 10 10 10 10

Model Summaryb

Model

R R Square

Adjusted R Square

Std. Error of the Estimate

1 .964a .929 .894 623.21930

a. Predictors: (Constant), Jumlah Alat Penangkapan, Jumlah Kapal, Jumlah Nelayan

b. Dependent Variable: Produksi Perikanan Laut

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 3.052E7 3 1.017E7 26.196 .001a

Residual 2330413.752 6 388402.292

Total 3.285E7 9

a. Predictors: (Constant), Jumlah Alat Penangkapan, Jumlah Kapal, Jumlah Nelayan b. Dependent Variable: Produksi Perikanan Laut

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig.

Correlations

B Std. Error Beta Zero-order Partial

(Constant) 2649.618 2369.574 1.118 .306

Jumlah Nelayan .397 .201 .314 1.978 .095 .755 .628

Jumlah Kapal 1.923 .368 .722 5.222 .002 .924 .905

Jumlah Alat Penangkapan

.049 .199 .038 .246 .814 .660 .100

Casewise Diagnosticsa

Case Number

Std. Residual

Produksi

Perikanan Laut Predicted Value Residual

dimension0

1 .940 14876.80 14291.1028 585.69722

2 -1.781 16077.90 17187.9300 -1110.03002

3 -.019 16428.10 16440.1482 -12.04818

4 .648 16938.10 16534.3973 403.70270

5 .379 16938.10 16702.0032 236.09678

6 .222 16943.00 16804.9435 138.05651

7 -.353 17304.49 17524.3806 -219.89057

8 -.149 17547.50 17640.3042 -92.80415

9 -.711 16943.00 17385.8162 -442.81619

10 .825 22220.48 21706.4441 514.03589

a. Dependent Variable: Produksi Perikanan Laut

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 14291.1025 21706.4434 17221.7470 1841.59437 10

Std. Predicted Value -1.591 2.435 .000 1.000 10

Standard Error of Predicted Value

231.988 583.483 377.276 120.294 10

Adjusted Predicted Value 11680.2266 18056.6895 16672.4460 1859.92067 10

Residual -1110.03003 585.69720 .00000 508.85643 10

Std. Residual -1.781 .940 .000 .816 10

Stud. Residual -2.269 2.347 .225 1.358 10

Deleted Residual -1801.11328 4163.79053 549.30098 1782.54174 10

Stud. Deleted Residual -5.494 7.503 .650 3.402 10

Mahal. Distance .347 6.989 2.700 2.337 10

Cook's Distance .000 9.782 1.608 3.322 10

Centered Leverage Value .039 .777 .300 .260 10

Hasil Uji Program Tugas Akhir SURAT KETERANGAN

Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma 3 Statistika:

Nama : Hariyanto Syahputra

Nim : 122407068

Program Studi : D3 Statistika

Judul Tugas Akhir : Faktor-Faktor yang Mempengaruhi Produksi Perikanan Laut Kabupaten Langkat Menggunakan Regresi Linier Berganda

Telah melaksanakan tes program tugas akhir mahasiswa tersebut di atas pada tanggal ...

Dengan Hasil: Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan pada program studi D3 Statistika FMIPA USU Medan.

Medan, Juli 2015 Dosen Pembimbing

NIP. 19531218 198003 1 003 Dr. Faigiziduhu Bu’ulölö, M.Si

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI D3 STATISTIKA

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM STUDI D3 STATISTIKA

Jln. Bioteknologi No.1 Kampus USU Padang Bulan Medan-20155

Telp. (061) 8211050, 8214290, Fax. (061) 821429

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama Mahasiswa :Hariyanto Syahputra

Nomor Stambuk :122407068

Judul Tugas Akhir :Faktor-Faktor yang Mempengaruhi Produksi Perikanan Laut

Kabupaten Langkat Menggunakan Regresi Linier Berganda

Dosen Pembimbing :Dr. Faigiziduhu Bu’ulölö, M.Si

Tanggal mulai Bimbingan :

Tanggal selesai Bimbingan :

NO TANGGAL

ASISTENSI BIMBINGAN

PEMBAHASAN PADA ASISTENSI MENGENAI,

PADA BAB :

PARAF DOSEN PEMBIMBING

KETERANGAN

 Kartu ini harap dikembalikan ke Jurusan Matematikabila bimbingan mahasiswa

telah selesai

Diketahui Disetujui

Ketua Program Studi D3 Statistika Pembimbing

Dr. Faigiziduhu Bu’ulölö, M.Si

NIP. 19531218 198003 1 003 NIP. 19531218 198003 1 003

Dr. Faigiziduhu Bu’ulölö, M.Si

No Tahun

Produksi Perikanan

Laut (Ton)

Jumlah Nelayan (Orang)

Jumlah Kapal (Buah)

Jumlah Alat Penangkapan

(Unit)

1 2004 14.876,80 14.179 3.053 2.847

2 2005 16.077,90 14.828 4.374 4.860

3 2006 16.428,10 14.910 3.924 6.606

4 2007 16.938,10 14.910 3.973 6.606

5 2008 16.938,10 15.035 4.027 6.895

6 2009 16.943,00 15.131 4.059 6.962

7 2010 17.304,49 17.555 3.923 7.341

8 2011 17.547,50 17.984 3.891 7.487

9 2012 16.943,00 16.285 4.117 7.189

10 2013 22.220,48 18.320 5.926 7.866

DAFTAR PUSTAKA

Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE.

BPS.2004-2013. Statistik Indonesia. Badan Pusat Statistik. Medan.

Spiegel, Murray. 2004. Statistik Schaum’s Easy Outlines, Edisi ketiga. Erlanga. Jakarta.

Ugiana Gio, Prana. 2013. Aplikasi Statistika dalam SPSS, USU Press. Medan.

Kab.Langkat_2014

BAB 3

PENGOLAHAN DATA

Padababiniakandiuraikanbagaimanacarapengolahan data denganmenggunakanbeberapametode. Adapunmetode yang

digunakandalampenyelesaiantugasakhiriniadalahanalisisregresi linier berganda,

kesalahanstandartestimasi (analisisresidu), koefisiendeterminasi, koefisienkorelasi, ujiregresi linier bergandadanujikoefisien regresi linier berganda.

3.1 Pengolahan Data Data

merupakanalatuntukmengambilkeputusanatauuntukmemecahkansuatupersoalan.K

eputusan yang baikdapatdihasilkanjikapengambilankeputusantersebutdidasarkanatas data yang

baik.Salah satukegunaan data adalahuntukmemperolehdanmengetahuigambarantentangsuatukeadaan/permasala

han.

Tabel3.1: Produksi Perikanan Laut di Kabupaten Langkat

No Tahun

Produksi Perikanan

Laut (ton)

Jumlah Nelayan (Orang)

Jumlah Kapal (Buah)

Jumlah Alat Penangkapan

(Unit)

1 2004 14.876,80 14.179 3.053 2.847

2 2005 16.077,90 14.828 4.374 4.860

3 2006 16.428,10 14.910 3.924 6.606

4 2007 16.938,10 14.910 3.973 6.606

5 2008 16.938,10 15.035 4.027 6.895

6 2009 16.943,00 15.131 4.059 6.962

7 2010 17.304,49 17.555 3.923 7.341

8 2011 17.547,50 17.984 3.891 7.487

9 2012 16.943,00 16.285 4.117 7.189

10 2013 22.220,48 18.320 5.926 7.866

Sumber: BPS Provinsi Sumatera Utara

keterangan:

� = Produksi Perikanan Laut

�1 = Jumlah Nelayan

�2 = Jumlah Kapal

�3 = Jumlah Alat Penangkapan

Dari data tersebut akan di bentuk persamaan regresi linier berganda maka terlebih dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan jumlah-jumlah variabel seperti pada Tabel 3.2 berikut:

Tabel 3.2: Data Perhitungan Variabel Terikat dan Variabel Bebas

Lanjutan Tabel 3.2

No � �_� �_� �_�

1 14.876,80 14.179,00 3.053,00 2.847,00 2 16.077,90 14.828,00 4.374,00 4.860,00 3 16.428,10 14.910,00 3.924,00 6.606,00 4 16.938,10 14.910,00 3.973,00 6.606,00 5 16.938,10 15.035,00 4.027,00 6.895,00 6 16.943,00 15.131,00 4.059,00 6.962,00 7 17.304,49 17.555,00 3.923,00 7.341,00 8 17.547,50 17.984,00 3.891,00 7.487,00 9 16.943,00 16.285,00 4.117,00 7.189,00 10 22.220,48 18.320,00 5.926,00 7.866,00

Σ

172.217,47 159.137,00 41.276,00 64.659,00

No �� �_�� �_�� �_��

1 221.319.178,20 201.044.041,00 9.320.809,00 8.105.409,00 2 258.498.868,40 219.869.584,00 19.131.876,00 23.619.600,00 3 269.882.469,60 222.308.100,00 15.397.776,00 43.639.236,00 4 286.899.231,60 222.308.100,00 15.784.729,00 43.639.236,00 5 286.899.231,60 226.051.225,00 16.216.729,00 47.541.025,00 6 287.065.249,00 228.947.161,00 16.475.481,00 48.469.444,00 7 299.44.5374,20 308.178.025,00 15.389.929,00 53.890.281,00 8 307.914.756,30 323.424.256,00 15.139.881,00 56.055.169,00 9 287.065.249,00 265.201.225,00 16.949.689,00 51.681.721,00 10 493.749.731,40 335.622.400,00 35.117.476,00 61.873.956,00

Lanjutan Tabel 3.2

Dari Tabel 3.2 berikut diperoleh harga-harga sebagai berikut:

n = 10 ΣX X_{1 2} = 662.306.777,00

Y

Σ = 172.217,47 ΣX X_{1 3} = 1.043.126.408,00

1 X

Σ = 159.137,00 ΣX X_{2 3}= 272.283.725,00

2 X

Σ = 41.267,00 ΣYX₁ = 2.760.210.667,45

3 X

Σ = 64.659,00 ΣYX₂= 722.079.638,65

2 Y

Σ = 2.998.739.339,32 ΣYX₃= 1.130.655.242,57

2 1 X

Σ = 2.552.954.117,00 ΣX₃2= 438.515.077,00

2 2 X

Σ = 174.924.375,00

No ��� ��� ��� ���� ���� ���� 1 210.938.147,20 45.418.870,40 42.354.249,60 43.288.487,00 40.367.613,00 8.691.891,00 2 238.403.101,20 70.324.734,60 78.138.594,00 64.857.672,00 72.064.080,00 21.257.640,00 3 244.942.971,00 64.463.864,40 108.524.028,60 58.506.840,00 98.495.460,00 25.921.944,00 4 252.547.071,00 67.295.071,30 111.893.088,60 59.237.430,00 98.495.460,00 26.245.638,00 5 254.664.333,50 68.209.728,70 116.788.199,50 60.545.945,00 103.666.325,00 27.766.165,00 6 256.364.533,00 68.771.637,00 117.957.166,00 61.416.729,00 105.342.022,00 28.258.758,00 7 303.780.322,00 67.885.514,27 127.032.261,10 68.868.265,00 128.871.255,00 28.798.743,00 8 315.574.240,00 68.277.322,50 131.378.132,50 69.975.744,00 134.646.208,00 29.131.917,00 9 275.916.755,00 69.754.331,00 121.803.227,00 67.045.345,00 117.072.865,00 29.597.113,00 10 407.079.193,60 131.678.564,50 174.786.295,70 108.564.320,00 144.105.120,00 46.613.916,00

Berdasarkan rumus umum (2.2) persamaan regresi linier berganda dengan tiga variabel bebas yaitu:

1 1 2 2 3 3

o

Y = +b b X +b X +b X

Dan diperoleh melalui persamaan-persamaan berikut:

∑� = �₀�+�₁∑�₁+�₂∑�₂+�₃∑�₃

∑��1 = �0∑�1+�1∑�12+�2∑�1�2+�3∑�1�3

∑��2 = �0∑�2+�1∑�1�2+�2∑�22+�3∑�2�3

∑��3 = �0∑�3+�1∑�1�3+�2∑�2�3+�3∑�32

Harga-harga yang diperoleh disubstitusi ke dalam persamaan tersebut maka didapatkan:

172.217,47 =10 b0 +159.137,00b1 + 41.267,00b2 + 64.659,00b3

2.760.210.667,45 = 159.137,00b0 + 2.552.954.117,00b1+ 662.306.777,00 b2 + 1.043.126.408,00b3

722.079.638,65 =41.267,00b0 + 662.306.777,00b1 + 174.924.375,00b2 + 272.283.725,00 b3

1.130.655.242,57 = 64.659,00b0+ 1.043.126.408,00b1+ 272.283.725,00b2+ 483.515.077,00 b3

Setelah persamaan diatas diselesaikan, maka diperoleh nilai koefisien-koefisien linier bergandanya antara lain:

b0 = 2.649,4492

b2 = 1,9234

b3 = 0,0488

Dari koefisien-koefisien yang diperoleh dibentukklah model persamaan regresi linier berganda:

1 1 2 2 3 3

o

YΛ = +b b X +b X +b X

1 2 3

2.649, 4492 0, 3971 1, 9234 0, 0488

YΛ = + X + X + X

3.3 Uji keberartian Regresi

Sebelum persamaan regresi digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidak-tidaknya mengenai kelinearan dan keberartiannya. Perumusan hipotesis adalah:

1 ... 0

o o n

H =β β= = =β =

Tidak terdapat pengaruh hubungan fungsional yang signifikan antara variabel bebas yaitu jumlah nelayan, jumlah kapal dan jumlah alat penangkapan dengan variabel terikat yaitu produksi perikanan laut.

a

H : Minimal satu parameter koefisien regresi β_n yang ≠0 terdapat

hubungan

fungsional yang signifikan antara variabel bebas yaitu jumlah nelayan, jumlah kapal dan jumlah alat penangkapan dengan variabel terikat yaitu produksi perikanan laut.

Kriteria pengujian:

Jika F_hitung >F_tabelmaka H ditolak dan _o H diterima _a

Untuk menguji regresi linier yang terbentuk, diperlukan dua macam

jumlah kuadrat (JK) yaitu JK untuk regresi (JKreg) dan JK untuk sisa (JKres) yang

akan didapat setelah mengetahui nilai- nilai antara lain:

1

x = X₁−X₁ , x = ₂ X₂−X₂, x₃ =X₃−X₃, dan y = Y −Y

Untuk memperoleh nilai-nilai tersebut diperlukan harga-harga berikut:

1

X = 15.913,7 X₃ = 6.465,9

2

X = 4.126,7 Y = 17.221,747

Nilai �1,�2,�3���� diperoleh dari Tabel 3.3 berikut:

Tabel 3.3: Nilai-Nilai Yang Dibutuhkan untuk Uji Keberartian Regresi

No � �_� �_� �_� � �_� �_� �_�

1 14.876,80 14.179,00 3.053,00 2.847,00 -2.344,947 -1.734,70 -1.073,70 -3.618,90

2 16.077,90 14.828,00 4.374,00 4.860,00 -1.143,847 -1.085,70 247,30 -1.605,90

3 16.428,10 14.910,00 3.924,00 6.606,00 -793,647 -1.003,70 -202,70 1.40,10

4 16.938,10 14.910,00 3.973,00 6.606,00 -283,647 -1.003,70 -153,70 1.40,10

5 16.938,10 15.035,00 4.027,00 6.895,00 -283,647 -878,70 -99,70 429,10

6 16.943,00 15.131,00 4.059,00 6.962,00 -278,747 -782,70 -67,70 496,10

7 17.304,49 17.555,00 3.923,00 7.341,00 82,743 1.641,30 -203,70 875,10

8 17.547,50 17.984,00 3.891,00 7.487,00 325,753 2.070,30 -235,70 1.021,10

9 16.943,00 16.285,00 4.117,00 7.189,00 -278,747 371,30 -9,70 723,10

Lanjutan Tabel 3.3

No �� �_�� �_�� �_��

1 5.498.776,433 _{3.009.184,09 1.152.831,69 13.096.437,21}

2 1.308.385,959 _{1.178.744,49 61.157,29 2.578.914,81}

3 629.875,5606 _{1.007.413,69 41.087,29 19.628,01}

4 80.455,62061 _{1.007.413,69 23.623,69 19.628,01}

5 80.455,62061 _{772.113,69 9.940,09 184.126,81}

6 77.699,89001 _{612.619,29 4.583,29 246.115,21}

7 6.846,404049 _{2.693.865,69 41.493,69 765.800,01}

8 106.115,017 _{4.286.142,09 55.554,49 1.042.645,21}

9 77.699,89001 _{137.863,69 94,09 522.873,61}

10 24.987.331,61 _{5.790.279,69 3.237.480,49 1.960.280,01}

Σ 32.853.642,00 20.495.640,10 4.627.846,10 20.436.448,90

Lanjutan Tabel 3.3

No ��� ��� ��� �� � − �� ₍� − ��₎2

1 4.067.779,561 2.517.769,594 8.486.128,698 14.291,00 586 343.157,0708

2 1.241.874,688 -282.873,3631 1.836.903,897 17.187,77 -1.110 1.231.806,09

3 796.583,4939 160.872,2469 -111.189,9447 16.440,00 -12 141,7195012

4 284.696,4939 43.596,5439 -39.738,9447 16.534,25 404 163.093,8533

5 249.240,6189 28.279,6059 -121.712,9277 16.701,86 236 55.811,46378

6 218.175,2769 18.871,1719 -138.286,3867 16.804,80 138 19.100,48382

7 135.806,0859 -16.854,7491 72.408,3993 17.524,28 -221 48.307,07265

8 674.406,4359 -76.779,9821 332.626,3883 17.640,21 -93 8.595,255352

9 -103.498,7611 2.703,8459 -201.561,9557 17.385,68 -443 195.968,8582

10 12.028.541,22 8.994.220,287 6.998.726,073 21.706,25 514 264.432,0815

Σ 19.593.515,11 11.389.805,20 17.114.303,30 172.216,10 0,00 2.330.413,948

1

yx

Σ = 19.593.515,11 ΣYˆ = 172.216,10

2

yx

Σ = 11.389.805,20 Σ −(Y Yˆ) = 0,00

3

yx

Σ = 17.114.303,30 Σ −(Y Yˆ)2 = 2.330.413,948 2

y

Σ = 32.853.642,00

Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni JKregdan JKres sebagai berikut:

JKreg = b1∑y x1 + ∑b2 y x2+ ∑b3 y x3

=(0,3971)(19.593.515,11) + (1,9234)(11.389.805,2) + (0,0488)(17.114.303,3)

=7.780.584,851 + 21.907.151,32 + 835.178,0009

=30.522.914,18

JKres = Σ −(Yi Yˆ)2

=2.330.413,948

Langkah-langkah yang dibutuhkan untuk pengujian hipotesis antara lain:

1) Hipotesa pengujian

1 ... 0

o o n

H =β β= = =β =

Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel terikat

a

2) Pilih taraf nyata α = 0,05

3) Hitung statistik Fhitungdengan menggunakan persamaan

4) Nilai Ftabelmenggunakan tabel daftar F dengan taraf signifikan α

5) Kriteria pengujian:

Jika F_hitung >Ftabelmaka H ditolak dan o H diterima a Jika F_hitung ≤F_tabelmaka H diterima dan _o H ditolak _a

Berdasarkan rumus (2.8) Fhitung dapat dicari dengan:

hitung F =

( 1)

reg

res

JK

k JK n k− −

30.522.914,18 3 2.330.413, 948

(10 3 1)

=

− −

10.174.304, 73 388.402, 3247

=

26, 20

=

Untuk Ftabel yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan derajat kebebasan pembilang V1 = k dan penyebut V2 = n-k-1 dan α= 5% maka:

1 2 ( )( ; ) tabel V V F =F_α

(0,05)(3;6) F =

4, 76

=

Maka Ho ditolak dan Ha diterima.Hal ini berarti persamaan linier berganda Y atas �1,�2,�3bersifat nyata yang berarti bahwa jumlah nelayan, jumlah kapal dan jumlah alat penangkapan secara bersama-sama berpengaruh terhadap produksi perikanan laut.

3.4 Koefisien Determinasi

Dari Tabel 3.3 dapat dilihat harga 2 y

Σ = 32.853.642,00dan JKreg = 30.522.914,18yang telah dihitung sebelumnya, dan berdasarkan rumus (2.9) maka diperoleh nilai koefisien determinasi:

2

2 1

reg n i

JK R

y

=

= ∑

30.522.914,18 32.853.642,00

=

0, 93

=

Untuk koefisien korelasi ganda digunakan rumus, maka:

2

R = R

R = 0, 93

R = 0,964

Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,964 yang menunjukkan bahwa korelasi antara variabel bebas X dengan variabel terikat Y berhubungan secara positif dengan tingkat yang tinggi. Adapun hasil

3.5 Koefisien Korelasi

3.5.1 Perhitungan Korelasi Antara Variabel Bebas dan Variabel Terikat Untuk mengukur besarnya pengaruhvariabel bebas terhadap variabel terikat maka dari Tabel 3.3 dapat dihitung besar koefisien korelasinya yaitu:

1. Berdasarkan rumus (2.11) koefisien korelasi antara produksi perikanan laut

(Y) dengan jumlah nelayan (X ) ₁

1 1

1 _{2 2 2 2}

1 1

( )( )

{ ( ) }{ ( ) }

y

n X Y X Y

r

n X X n Y Y

− = − −

∑

∑ ∑

∑

∑

∑

∑

2 2

(10)(2.760.210.667, 45) (159.137, 00)(172.217, 47)

{(10)(2.552.954.117) (159.137) }{(10)(2.998.739.339,32) (172.217, 47) }

− =

− −

27.602.106.674,50 27.406.171.523,39

{25.529.541.170 25.324.584.769}{29.987.393.393, 20 29.658.856.973, 2}

− = − − 195.935.151,11 {204.956.401}{328.536.420} = = 0,755

2. Berdasarkan rumus (2.12) koefisien korelasi antara produksi perikanan laut

(Y) dengan jumlah kapal(X ) ₂

2 2

2 _{2 2 2 2}

2 2

( )( )

{ ( ) }{ ( ) }

y

n X Y X Y

r

n X X n Y Y

− = − −

∑

∑ ∑

∑

∑

∑

∑

2 2

(10)(722.079.638, 65) (41.267)(172.217, 47)

{(10)(174.924.375) (41.267) }{(10)(2.998.739.339,32) (172.217, 47) }

− =

7.220.796.386,50 7.106.898.334, 49

{1.749.243.750 1.702.965.289}{29.987.393.393, 20 29.658.856.973, 20}

− = − − 113.898.052, 01 {46.278.461}{328.536.420} = = 0,924

3. Berdasarkan rumus (2.13) koefisien korelasi antara produksi perikanan laut

(Y) dengan jumlah alat penangkapan (X ) ₃

3 3

3 _{2 2 2 2}

3 3

( )( )

{ ( ) }{ ( ) }

y

n X Y X Y

r

n X X n Y Y

− = − −

∑

∑ ∑

∑

∑

∑

∑

2 2

(10)(1.130.655.242,57) (64.659)(172.217, 47)

{(10)(438.515.077) (64.659) }{(10)(2.998.739.339,32) (172.217, 47) }

− =

− −

11.306.552.425, 70 11.135.409.392, 73

{4.385.150.770 4.180.786.281}{29.987.393.393, 20 29.658.856.973, 20}

− = − − 171.143.032, 97 {204.364.489}{328.536.420} = = 0,660

3.5.2 Perhitungan Korelasi Antara Variabel Bebas

1. Berdasarkan rumus (2.15) koefisien korelasi antara jumlah nelayan (X ) ₁

dengan jumlah kapal (X ) ₂

1 2 1 2

12 _{2 2 2 2}

1 1 2 2

( )( )

{ ( ) }{ ( ) }

n X X X X

r

n X X n X X

− = − −

∑

∑ ∑

∑

∑

∑

∑

2 2 (10)(662.306.777) (159.137)(41.267)

{(10)(2.552.954.117) (159.137) }{(10)(174.924.375) (41.267) }

55.961.191

(9.485.066.810.378.860)

=

= 0,575

2. Berdasarkan rumus (2.16) koefisien korelasi antara jumlah nelayan (X ) ₁

dengan jumlah alat penangkapan (X ) 3

1 3 1 3

13 _{2 2 2 2}

1 1 3 3

( )( )

{ ( ) }{ ( ) }

n X X X X

r

n X X n X X

− = − −

∑

∑ ∑

∑

∑

∑

∑

2 2 (10)(1.043.126.408) (159.137)(64.659)

{(10)(2.552.954.117) (159.137) }{(10)(438.515.077) (64.652) }

− = − − 10.431.264.080 10.289.639.283 (204.956.401)(204.364.489) − = 141.624.797 41.885.810.157.644.100 = = 0,692

3. Berdasarkan rumus (2.17) koefisien korelasi antara jumlah kapal ( X ) ₂

dengan jumlah alat penangkapan (X ) ₃

2 3 2 3

23 _{2 2 2 2}

2 2 3 3

( )( )

{ ( ) }{ ( ) }

n X X X X

r

n X X n X X

− = − −

∑

∑ ∑

∑

∑

∑

∑

2 2 (10)(272.283.725) (41.267)(64.659)

{(10)(174.924.375) (41.267) }{(10)(438.515.077) (64.659) }

Dari perhitungan korelasi baik antar variabel bebas terhadap variabel terikat maupun antar sesama variabel bebas diperoleh kesimpulan sebagai berikut:

1) �_�1= 0,755 ; variabel X berkorelasi kuat terhadap variabel Y₁

2) �_�2= 0,924; variabel X berkorelasi sangat kuat terhadap variabel Y 2

3) _��3= 0,660; variabel X berkorelasi kuat terhadap variabel Y 3

4) �12 = 0,575 ; variabel X berkorelasi cukup terhadap variabel 1 X 2

5) �13 = 0,692; variabel X berkorelasi kuat terhadap variabel 1 X 3

6) �23 = 0,561; variabel X berkorelasi cukup terhadap variabel 2 X 3

3.6 Uji Koefisien Regresi Linier Berganda

Dari hasil perhitungan diperoleh model persamaan regresi linier berganda:

1 2 3

2.649, 4492 0, 3971 1, 9234 0, 0488

YΛ = + X + X + X

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam pesamaan regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya. Langkahnya adalah sebagai berikut:

1. Hipotesis pengujian

: 0

o i

H β = ; �= 1,2,3

Terdapat pengaruh yang signifikan antara koefisien �₁,�₂,�₃terhadap Y

: 0

a i

H β ≠ ; �= 1,2,3

Tidak terdapat pengaruh yang signifikan antara koefisien �1,�2,�3terhadap Y

2. Taraf nyata (signifikansi) α =0, 05

3. Kriteria pengujian

Jika t_i >t_tabel maka H ditolak _o

Jika ti <ttabel maka H diterima o

Untuk melakukan pengujian diperlukan rumus (2.18) yaitu:

2 .1,2,...,

2 2

( )(1 )

y n bi i i s S X R = Σ − Di mana: 2 .1,2,..., y n

s =

2 ( ) 1 Y Y n k Σ − − − 2 .1,2,3 2.330.413,948 10 3 1

y s =

− −

388.402, 325

=

Dari perhitungan sebelumnya pada Tabel 3.3 didapat harga-harga:

2

.1,2,3,4 388.402, 325 y

s = R1 = r12 = 0,575

2 1 x

Σ = 20.495.640,10 R2 = r21 = 0,575

2 2 x

Σ = 4.627.846,10 R3 = r13 = 0,692

2 3 x

Σ = 20.436.448,90

Dari harga-harga tersebut dapat dihitung nilai kekeliruan baku koefisien bi sebagai berikut:

2 .1,2,3

1 2 2

1 1

( )(1 )

y b s S x R = Σ − 388.402, 325

(20.495.640,10)(1 0, 330625)

=

388.402, 325 13.719.269, 09 = 0,168 = 2 .1,2,3

2 2 2

2 2

( )(1 )

y b s S x R = Σ − 388.402, 325

(4.627.846,10)(1 0, 330625)

= ₋ 388.402, 325 3.097.764, 483 = 0, 354 = 2 .1,2,3

3 2 2

3 3

( )(1 )

y b s S x R = Σ − 388.402, 325

(20.436.448, 90)(1 0, 478864)

= − 388.402, 325 10.650.169, 23 = 0,191 =

0, 3971 0,168

=

2, 364

=

2 2

2 b b t

s =

1, 9234 0, 354

=

5, 433

=

3 3

3 b b t

s =

0, 0488 0,191

=

0, 255

=

Untuk taraf nyata α= 0,05 dan derajat kebebasan dk = (n-k-1) = (10 – 3 – 1) = 6

dari tabel distribusi student t diperoleh:

( 1;1 / 2) (6;0,975) 2, 45 tabel n k

t =t _{− − −α} =t =

Maka dapat dilihat bahwa nilai:

1(2, 364) tabel(2, 45)

t <t ;

2(5, 433) tabel(2, 45)

t >t ;

3(0, 255) tabel(2, 45)

Sehingga Ho ditolak untuk koefisien�2dan Ho diterima untuk koefisien �1dan �3. Berarti untuk prediksi produksi perikanan laut hanya jumlah kapal saja yang memberikan pengaruh yang signifikan.Sedangkan jumlah nelayan dan jumlah alat penangkapan tidak memberikan pengaruh yang signifikan terhadap produksi perikanan laut.

BAB 4

IMPLEMENTASI SISTEM

4.1Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain yang ada dalam dokumen desain sistem yang disetujui dan menguji, serta menggunakan sistem baru atau sistem yang diperbaiki.

Tujuan dari implementasi sistem adalah sebagai berikut:

1. Menyelesaikan desain yang ada dalam dokumen sistem yang disetujui. 2. Menulis, menguji, dan mendokumentasikan program-program dan

prosedur-prosedur yang diperlukan oleh dokumen desain sistem yang disetujui.

3. Memastikan bahwa personal dapat mengoperasikan sistem baru. 4. Memperhitungkan bahwa sistem memenuhi permintaan pemakai. 5. Memastikan bahwa konversi ke sistem baru berjalan dengan benar.

4.2 Sejarah Singkat SPSS

telah digabarkan sebagai salah satu buku sosiologi yang paling berpengaruh.Selain analisis statistik, manajemen data (kasus seleksi, file yang mmembentuk kembali, membuat data turunan) dan data dokumentasi (sebuah metadata kamus disimpan di data file) adalah fitur dari perangakat lunak dasar. Dan kini, SPSS telah banyak digunakan pada berbagai ilmu untuk pemrosesan data statistik karena dianggap dapat melakukan proses analisis data dengan cepat.

4.3 Pengenalan SPSS

SPSS atau Statistical Product and Service Solution merupakan program aplikasi yang digunakan untuk melakukan penghitungan statistik dengan menggunakan komputer. Kelebihan program ini adalah kita dapat melakukan secara lebih cepat semua perhitungan statistik dari yang sederhana sampai yang rumit sekalipun yang jika dilakukan secara manual akan memakan waktu yang lebih lama.

Tugas dari pengguna hanyalah mendesain variabel yang akan dianalisis, memasukkan data, dan melakukan penghitungan dengan menggunakan tahapan yang ada pada menu yang tersedia. Setelah penghitungan selesai, tugas pengguna ialah menafsir angka-angka yang dihasilkan oleh SPSS. Proses penafsiran inilah yang jauh lebih penting dari pada sekedar memasukkan angka dan menghitungnya. Dalam melakukan penafsiran kita harus dibekali dengan pengertian mengenai statistik dan metodologi penelitian.

4.3.1 Pengenalan Menu 1. Menu file

Menu file dipergunakan untuk membuka, menutup file, dan lain-lain yang berkaitan dengan pemrosesan file. Submenu yang sering digunakan adalah:

a. New, untuk membuat file baru.

b. Open, untuk membuka file lama.

c. Open database, untuk membuka data base yang sudah ada.

e. Save as, untuk menyimpan data, bedanya dengan save ialah perintah ini

dapat digunakan untuk menyimpan dengan nama file lain. f. Print, untuk mencetak data dan output.

g. Exit, untuk keluar dari program SPSS.

2. Menu edit

Menu edit dipergunakan untuk proses editing, misalnya copy, delete, undo dan lain-lain, submenu yang sering digunakan di antaranya:

a. Undo, untuk membatalkan suatu perintah yang sudah dilaksanakan.

b. Redo, untuk melakukan kembali perintah yang sudah dibatalkan.

c. Copy, untuk melakukan pengopian nama variabel ataupun nilai variabel.

Menu ini bermanfaat untuk mendesain variabel-variabel yang jumlahnya banyak.

d. Cut, untuk memotong teks baik berupa isi variabel ataupun nama variabel.

e. Paste, untuk melekatkan atau menempel sesuatu yang sudah diberikan

perintah copy terlebih dahulu. f. Clear, untuk menghapus.

g. Find, untuk mencari nama variabel (kolom) ataupun isi kasus (baris).

3. Menu view

Menu view dipergunakan untuk melihat tampilan SPSS, submenu utama ialah: a. Status bar, untuk mengatur status bar sesuai yang diinginkan.

b. Tools bar, untuk memunculkan kotak dialog tools bar.

c. Font, untuk memunculkan kotak dialog perintah fonts.

d. Value Labels, untuk melihat label pada variabel-variabel yang sudah

dibuat.

Menu data digunakan untuk melakukan pemrosesan data. Submenu yang digunakan adalah:

a. Insert variable, untuk menyisipkan variabel baru di antara

variable-variabel lama yang sudah dibuat.

b. Insert case, untuk menyisipkan kasus baru di antara kasus-kasus lama

yang sudah dibuat.

c. Go to case, perintah untuk menuju ke kasus (baris) tertentu.

d. Select case, perintah untuk melakukan seleksi kasus.

e. Split file, untuk membuat kategori file didasarkan pada metode tertentu.

5. Menu transform

Menu transform dipergunakan untuk melakukan perubahan-perubahan atau penambahan data. Submenu di antaranya:

a. Replace missing values, untuk mengganti nilai yang hilang (missing

value).

b. Create time series, untuk membuat data time series .

c. Compute, untuk menghitung, misalnya melakukan proses aritmatika untuk

dua variabel.

6. Menu analyse

Menu analyse merupaka menu di mana kita melakukan analisis data yang telah kita masukkan ke dalam komputer. Menu ini merupakan menu terpenting karena semua pemrosesan dan analisis data dilakukan dengan menggunakan menu ini. Contoh submenu ialah:

a. Report.

b. Descriptive statistics.

c. Table.

d. Compare means.

e. General linear model.

g. Correlate.

h. Regression.

i. Log linear.

j. Dan lain-lain.

7. Menu graphs

Menu graphs digunakan untuk membuat grafik, diantaranya:

a. Gallery, berisi galeri grafik yang dapat dipilih sesuai dengan masalah yang

di analisis.

b. Interactive, membuat grafik bersifat interaktif.

c. Maps, membuat grafik dengan menggunakan model peta.

d. Bar, jenis grafik dengan model batang.

e. Line, jenis grafik dengan model garis.

f. Area,jenis grafik dengan model area.

g. Pie, jenis grafik dengan model bulatan.

h. Dot, jenis grafik dengan model titik-titik.

i. Dan lain-lain.

8. Menu utilities

Menu utilities dipergunakan untuk mengetahui informasi variabel, informasi file, dan lain-lain.

9. Menu add-ons

Menu add-ons digunakan untuk memberikan perintah kepada SPSS jika ingin menggunakan aplikasi tambahan.

Menu windows dipergunakan untuk melakukan perpindahan (switch) dari satu file ke file lainnya.

11. Menu help

Menu help dipergunakan untuk membantu pengguna dalam memahami perintah- perintah SPSS jika pengguna mengalami kesulitan.

4.4Pengoperasian SPSS

Adapun langkah-langkah yang dilakukan untuk mengoperasikan SPSS, adalah sebagai berikut:

4.4.1 Membuka Lembar Kerja SPSS

Jika program SPSS telah di install, maka cara memulai SPSS adalah sebagai berikut:

1. Double klik pada desktop yang berlambang SPSS 18.0, atau

2. Klik menu start kemudian pilih dan klik SPSS 18.0

4.4.2 Memasukkan Data dengan SPSS

Adapun langkah-langkah yang dapat dilakukan dalam pemasukan data dengan program SPSS 18.0 adalah:

1. Buka dahulu Program SPSS for Windows

2. Setelah program SPSS terbuka, klik variable view yang terdapat pada SPSS data editor untuk menginput nama variabel.

[image:32.595.115.511.353.579.2]

3. Klik variable view pada SPSS data editor, definisikan variabel Y dengan labelProduksi Perikanan Laut, variabel X1 dengan label Jumlah Nelayan, variabel X2 dengan label Jumlah Kapal, dan variabel X3 dengan label Jumlah Alat Penangkapan.

Gambar 4.2 Tampilan Pembuatan Variabel Pada Variable View

[image:33.595.116.510.85.309.2]

Gambar 4.3 Tampilan Pengisian Data pada Data View

4.4.3 Penyimpanan Dokumen SPSS

Adapun cara dalam penyimpanan berkas atau lembar kerja SPSS adalah dengan cara klik menu file kemudian pilih save. Atau dapat juga dilakukan dengan cara tekan tombol Ctrl+s. Kemudian beri nama pada file tersebut.

[image:33.595.115.513.468.695.2]

4.4.4 Analisis Regresi Linier dan Korelasi dengan SPSS 18.0

Adapun langkah-langkah dalam analisis regresi dengan SPSS 18.0 adalah sebagai berikut:

[image:34.595.114.511.157.393.2]

1. Klik Analyse – Regression – Linear

Gambar 4.5 Tampilan pada Saat Membuat Persamaan Regresi Linier Berganda

2. Maka akan muncul kotak dialog Linear Regression, kemudian pindahkan variabel Produksi Perikanan Laut ke kolom Dependent dan variabel Jumlah Nelayan, Jumlah Kapal dan Jumlah Alat Penangkapan ke kolom

[image:35.595.114.512.85.405.2]

Gambar 4.6 Tampilan Kotak Dialog Linear Regression

3. Pilih dan klik menu statistics kemudian pada regression coefficient berikan tanda ceklis pada kotak estimate, model fit, descriptive, part and partial

correlation, kemudian pada residual berikan tanda ceklis pada casewise

[image:36.595.113.398.83.338.2]

Gambar 4.7 Tampilan Kotak Dialog Linear Regression : Statistics

4. Pilih dan klik menu plots, kemudian pindahkan ZPRED pada kolom Y dan SRESID pada kolom X dan pada standardized residual plots ceklis normal

probability plot dan klik continue.

[image:36.595.114.427.477.726.2]

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan maka diperoleh beberapa kesimpulan antara lan:

1. Dengan menggunakan analisis regresi linier berganda diperoleh model persamaan linier berganda yaitu:

1 2 3

2.649, 4492 0, 3971 1, 9234 0, 0488

YΛ = + X + X + X

2. Dengan taraf kepercayaan α= 5%dengan derajat kebebasan pembilang V1 = k = 3 dan penyebut V2 = n-k-1= 10 - 3 - 1 = 6maka diperoleh:

1 2 ( )( ; ) tabel V V F =F_α

(0,05)(3;6) F =

4, 76

=

Dan dari perhitungan yang diperoleh Fhitung = 26,20

Dengan demikian dapat dilihat bahwa nilai Fhitung > Ftabel = 26,20 > 4,76

Maka Ho ditolak dan Ha diterima.Hal ini berarti persamaan linier berganda Y atas �1,�2,�3bersifat nyata yang berarti bahwa jumlah nelayan, jumlah kapal dan jumlah alat penangkapan secara bersama-sama berpengaruh terhadap produksi perikanan laut.

3. Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,964 yang menunjukkan bahwa korelasi antara variabel bebasX dengan variabel terikat Y berhubungan secara positif dengan tingkat yang tinggi. Adapun hasil

produksi perikanan laut dipengaruhi oleh jumlah nelayan, jumlah kapal dan jumlah alat penangkapan sedangkan 7% sisanya dipengaruhi oleh faktor-faktor lainnya.

4. Dari perhitungan korelasi baik antar variabel bebas terhadap variabel terikat maupun antar sesama variabel bebas diperoleh kesimpulan sebagai berikut:

• ��1= 0,755 ; variabel X berkorelasi kuat terhadap variabel Y1

• ��2= 0,924; variabel X berkorelasi sangat kuat terhadap variabel Y 2

• ��3= 0,660; variabel X berkorelasi kuat terhadap variabel Y 3

• �12 = 0,575 ; variabel X berkorelasi cukup terhadap variabel 1 X 2

• �13 = 0,629; variabel X berkorelasi kuat terhadap variabel 1 X 3

• �23 = 0,561; variabel X berkorelasi cukup terhadap variabel 2 X 3

Maka faktor yang paling berpengaruh terhadap tingginya tingkat produksi perikanan laut di KabupatenLangkat adalah jumlah kapal yaitu sebesar 0,989. Artinya semakin banyak produksi perikanan laut dimana jumlah kapal kurang maka akan semakin rendah produksi produksi perikanan yang dihasilkan.

5. Dari hasil perhitungan distribusi student dengan taraf nyata α = 0,05 dan derajat kebebasan dk = (n-k-1) = (10 – 3 - 1) = 6

dari tabel distribusi student t diperoleh:

( 1;1 / 2) (6;0,975) 2, 45 tabel n k

t =t _{− − −α} =t =

Maka dapat dilihat bahwa nilai

1(2, 364) tabel(2, 45)

t <t ;

2(5, 433) tabel(2, 45)

t >t ;

3(0, 255) tabel(2, 45)

Sehingga Ho ditolak untuk koefisien�2dan Ho diterima untuk koefisien �1dan�3. Berarti untuk prediksi produksi perikanan laut hanya jumlah kapal saja yang memberikan pengaruh yang signifikan.Sedangkan jumlah nelayan dan jumlah alat penangkapan tidak memberikan pengaruh yang signifikan terhadap produksi perikanan laut.

5.2 Saran

1. Bagi pihak pemerintah Kabupaten Langkat seperti Dinas Perikanan dan Kelautan lebih memperhatikan faktor-faktor yang menyebabkan tingginya tingkat produksi perikanan laut agar bisa mengambil kebijakan untukmenambah jumlah produksi perikanan laut pada masyarakat Kabupaten Langkat.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan bahwa orang tua yang tinggi akan mempunyai anak yang tinggi dan orang tua yang pendek akan mempunyai anak yang pendek juga, tetapi rata-rata tinggi badan anak yang lahir dari orang tua dengan tinggi badan tertentu cenderung bergerak atau regress ke arah rata-rata tinggi badan anak seluruh

populasi tersebut (Hakim Abdul, 2004).

Menurut Mason (1996, Hal 490), pengertian dari analisis regresi adalah suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua variabel atau lebih yaitu variabel bebas dan variabel terikat. Variabel bebas adalah variabel yang nilai-nilainya tidak bergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel ini digunakan untuk meramalkan atau menerangkan nilai dari variabel yang lain. Variabel terikat adalah variabel yang nilai-nilainya bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu merupakan variabel yang diramalkan atau menerangkan nilainya (Hasan, 1999).

2.2 Pengertian Analisis Regresi Linier

Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel terikat dengan variabel bebas mempunyai sifat hubungan sebab akibat.Analisis regresi linier digunakan untuk:

1. Menentukan hubungan fungsional antar variabel terikat dengan bebas. Hubungan fungsional ini dapat disebut sebagai persamaan garis regresi yang berbentuk linier.

2. Meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel lain yang diketahui melalui persamaan garis regresinya.

Analisis regresi terdiri dari dua bentuk yaitu:

1. Analisis Regresi Linier Sederhana 2. Analisis Regresi Linier Berganda

Analisis regresi linier sederhana adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel terikat dan variabel bebas.Sedangkan analisis regresi linier berganda adalah bentuk regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan dua atau lebih variabel bebas.

yaitu variabel yang disebabkan atau dipengaruhi oleh adanya variabel bebas.Besarnya perubahan pada variabel terikat ini tergantung dari besaran variabel bebas. Variabel bebasakan memberi peluang kepada perubahan variabel terikat yaitu sebesar koefisien (besaran) perubahan dalam variabel bebas. Maksudnya, setiap kali terjadi perubahan sekian satuan pada variabel bebas, maka diharapkan akan mengakibatkan perubahan variabel terikat sekian satuan juga.

Jika X X₁, ₂,...,X adalah variabel-variabel bebas dan Y adalah variabel _n

terikat maka terdapat hubungan fungsional antar X dan Y. Jika dibuat secara matematis hubungan ini dapat dijabarkan sebagai berikut:

di mana: Y = Variabel terikat

X = Variabel bebas

Berkaitan dengan analisi regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni:

1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.

2. Menguji seberapa besar variasi variabel terikat dapat diterangkan oleh variasi bebas.

3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.

4. Melihat apakah tanda magnitude dari estimasi parameter cocok dengan teori.

2.2.1 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua variabel di mana hanya terdapat satu variabel bebas dan satu variabel terikat. Dalam bentuk persamaan, model regresi sederhana adalah:

Y = a + b X (2.1)

di mana:

Y = variabel terikat

X = variabel bebas

a = konstanta atau penduga bagi intersep

b = penduga bagi koefisien regresi

Penggunaan regresi linier sederhana didasarkan pada asumsi diantaranya sebagai berikut:

1. Model regresi harus linier dalam parameter.

2. Variabel bebas tidak berkorelasi dengan disturbance’s error.

3. Nilai disturbance’s errorterbesar 0 atau dengan simbol (E(U/X )) = 0.

6. Model regresi dispesifikasi secara benar dan tidak terdapat bias spesifik dalam model.

7. Jika variabel bebas lebih dari satu maka antara variabel tidak ada hubungan linier yang nyata.

2.2.2 Analisis Regresi Linier Berganda

Untukmemperkirakan nilai variabel terikatakan lebih baik apabila ikut memperhitungkan variabel-variabel bebas lain yang ikut mempengaruhi nilai Y. Dengan demikian hubungan antara satu variabel terikat Y dengan beberapa

variabel bebas X X₁, ₂,...,X untuk itulah digunakan regresi linier berganda. _n

Dalam pembahasan mengenai regresi sederhana, simbol yang digunakan untuk variabel bebasnyaadalah X . Dalam persamaan regresinya memiliki lebih dari satu

variabel bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut.

Dalam penelitian ini digunakan empat variabel yang terdiri dari satu variabel terikat Y dan tiga variabel bebas X yaitu X X1, 2,X . Maka persamaan 3 regresi linier bergandanya adalah:

1 1 2 2 3 3

o

YΛ = +b b X +b X +b X (2.2)

Maka persamaan di atas dapat diselesaikan dengan:

Y

Σ =b n b Xo + Σ + Σ + Σ1 1 b X2 2 b X3 3 (2.3)

1

YX

∑ = 2

0 1 1 1 2 1 2 3 1 3

b ∑ + ∑X b X + ∑b X X + ∑b X X (2.4)

2

YX

∑ = 2

0 2 1 1 2 2 2 3 2 3

b ∑X + ∑b X X + ∑b X + ∑b X X

(2.5)

3

YX

∑ = 2

0 3 1 1 3 2 2 3 3 3

b ∑X + ∑b X X + ∑b X X + ∑b X

(2.6)

2.3 Pengertian Uji Keberartian Regresi

regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk mengetahui hubungan antara variabel terikat dengan variabel bebas.

Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu jumlah kuadrat untuk regresi yang ditulis JKreg dan jumlah kuadrat untuk sisa (residu) yang ditulis dengan JKres.

Jika x = ₁ X₁−X₁ , x = ₂ X₂−X₂, ... , x = _n X_n−X_n dan y = Y−Y

Maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:

reg

JK = b₁∑yx₁ + ∑b₂ y x₂+ ∑b₃ y x₃ (2.7)

Dengan derajat kebebasan dk = (n-k-1) untuk sampel berukuran n.

Dengan demikian uji keberartian regresi linier berganda dapat dihitung dengan:

F_hitung=

( 1)

reg

res

JK

k JK

n k− −

(2.8)

di mana statistika F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang V1 = k dan penyebut V2 = n-k-1

2.4 Pengujian Hipotesis

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal yaitu: tingkat

signifikansi atau probabilitas (α) dan tingkat kepercayaan. Tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Tingkat kepercayaan pada umumnya sebesar 95% di mana nilai sampel akan mewakili nilai populasi. Dalam melakukan hipotesis terdapat dua jenis hipotesis yaitu:

o

H (hipotesis nol) danH (hipotesis alternative). _a H bertujuan memberikan usulan _o

Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil penelitian terlebih dahulu sebagai pendukung pernyataan hipotesis yang diusulkan.Dalam membentuk hipotesis ada beberapa hal yang dipertimbangkan:

1. Hipotesis nol dan hipotesis alternative yang diusulkan

2. Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed

or two tailed)

3. Penentuan nilai hitung statistik

4. Menarik kesimpulan apakah menerima atau menolak hipotesis yang diusulkan dalam uji keberartian regresi.

Langkah-langkah yang dibutuhkan untuk pengujian hipotesis antara lain:

1 ... 0

o o n

H =β β= = =β =

Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel terikat

a

H : _{Minimal satu parameter koefisien regresi} n

β yang ≠0 terdapat hubungan fungsional yang signifikan antara variabel bebas dengan vaiabel terikat

1) Pilih taraf α yang diinginkan

2) Hitung statistik Fhitungdengan menggunakan persamaan

3) Nilai Ftabel menggunakan tabel daftar F dengan taraf signifikan α

4) Kriteria pengujian:

Jika F_hitung >F_tabelmaka H ditolak dan _o H diterima _a

Jika F_hitung ≤Ftabelmaka H diterima dan o H ditolak a

2.5 Pengertian Koefisien Determinasi

penelitian, karena sebagian besar variabel terikatdijelaskan oleh variabel bebas yang digunakan dalam model.Koefisien determinasi dapat dihitung dari:

2

R = b₁∑y x₁ + ∑b₂ y x₂+ + ∑... b_n yX_n

Sehingga rumus umum koefisien deteminasi yaitu:

2

2 1

reg n i

JK R

y

=

=

∑ (2.9)

Harga R diperoleh sesuai dengan variasi yang dijelaskan oleh masing-masing 2

variabel yang tinggal dalam regresi.Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.

2.6Uji Korelasi

Ujikorelasi bertujuan untuk menguji hubungan antara dua variabel yang tidak menunjukkan hubungan fungsional (berhubungan bukan berarti disebabkan).Uji korelasi tidak membedakan jenis variabel (tidak ada variabel terikat maupun variabel bebas).Keeratan hubungan ini dinyatakan dalam bentuk koefisien korelasi. Uji koefisien terdiri dari Pearson, Spearman, dan Kendall. Jika sampel data lebih dari 30 (sampel besar) dan kondisi data normal, sebaiknya menggunakan korelasi Pearson (karena memenuhi asumsi parametrik).Jika jumlah sampel kurang dari 30 (sampel kecil) dan kondisi data tidak normal maka sebaiknya menggunakan korelasi Spearman atau Kendall (karena memenuhi asumsi non-parametrik).

2.6.1 Pengertian Koefisien Korelasi

2 2 2 2 ( )( ) { ( ) }{ ( ) } i i i yx i i

n X Y X Y

r

n X X n Y Y

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.10)

Untuk menghitug koefisien korelasi antara variabel terikat Y dengan

variabelbebas X X1, 2,X yaitu:3

1. Koefisien korelasi antara Y dengan X1

1 1

1 _{2 2 2 2}

1 1

( )( )

{ ( ) }{ ( ) }

y

n X Y X Y

r

n X X n Y Y

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.11)

2. Koefisien korelasi antara Y dengan X2

2 2

2 _{2 2 2 2}

2 2

( )( )

{ ( ) }{ ( ) }

y

n X Y X Y

r

n X X n Y Y

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.12)

3. Koefisien korelasi antara Y dengan X3

3 3

3 _{2 2 2 2}

3 3

( )( )

{ ( ) }{ ( ) }

y

n X Y X Y

r

n X X n Y Y

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.13)

Koefisien korelasi antar variabel bebas dapat dirumuskan sebagai berikut:

2 2 2 2

( )( )

{ ( ) }{ ( ) }

i i

i i i i

x x

i i i i

n X X X X

r

n X X n X X

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.14)

Untuk menghitug koefisien korelasi antara variabel bebas X1, X2, X3yaitu:

1. Koefisien korelasi antara X1dengan X2

1 2 1 2

12 _{2 2 2 2}

1 1 2 2

( )( )

{ ( ) }{ ( ) }

n X X X X

r

n X X n X X

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.15)

1 3 1 3

13 _{2 2 2 2}

1 1 3 3

( )( )

{ ( ) }{ ( ) }

n X X X X

r

n X X n X X

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.16)

3. Koefisien korelasi antara X2 dengan X3

2 3 2 3

23 _{2 2 2 2}

2 2 3 3

( )( )

{ ( ) }{ ( ) }

n X X X X

r

n X X n X X

− =

− −

∑

∑ ∑

∑

∑

∑

∑

(2.17)

Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah plus (+) atau minus (-) yang menunjukkan arah korelasi.

Makna sifat korelasi:

1) Tanda positif (+) pada koefisien korelasi menunjukkan hubungan yang searah (korelasi positif). Artinya jika suatu nilai variabel mengalami kenaikan maka nilai variabel yang lain juga mengalami kenaikan dan demikian juga sebaliknya.

2) Tanda negatif (-) pada koefisien korelasi menunjukkan hubungan yang berlawan arah (korelasi negatif). Artinya jika suatu nilai variabel mengalami kenaikan maka nilai variabel yang lain mengalami penurunan dan demikian juga sebaliknya.

Untuk memudahkan mengetahui bagaimana sebenarnya derajat keeratan antara variabel-variabel tersebut, dapat dikelompokan sebagai berikut:

R Interpretasi

0

0,01 – 0,20

0,21 – 0,40

0,41 – 0,60

0,61 – 0,80

0,81 – 0,99

2.7 Pengertian Uji Koefisien Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi. Misalkan populasi memiliki model regresi linier berganda:

1 2

, , ,..., _n 0 1 1 2 2 ...

y X X X X X nXn

µ = +β β +β + +β

Yang berdasarkan rumus (2.2) sebuah sampel acak berukuran n ditaksir oleh regresi berbentuk:

0 1 1 2 2

ˆ _...

n n

Y = +b b X +b X + +b X

Akan dilakukan pengujian hipotesis dalam bentuk:

1

: 0

o

H β = ; i=1, 2,...,n

1

: 0

a

H β ≠ ; i=1, 2,...,n

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran Sy 1,2,...,n jumlah kuadrat-kuadrat Σx_i2 dengan x_i = X_i−X_i dan koefisien korelasi ganda antara masing-masing variabel bebas X dengan variabel terikat Y dalam regresi yaitu R.Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien b yakni:

2 .1,2,...,

2 2

( )(1 )

y n bi i i s S x R =

Σ − (2.18)

di mana:

2 .1,2,..., y n

s =

2 ( ) 1 i Y Y n k Σ − − − 2 i x

Σ = X_i−X_i

Selanjutnya dihitung statistik:

i hitung

bi b t

s

= (2.19)

Dengan kriteria pengujian:

Jika t_hitung >ttabelmaka H ditolak dan o H diterima a Jika t_hitung ≤t_tabelmaka H diterima dan _o H ditolak_a

BAB 1

PENDAHULUAN

1.1Latar Belakang

Sumber daya kelautan dan perikanan adalah salah satu sumber daya alamyang merupakan aset negara dan dapat memberikan sumbangan yang berharga bagi kesejahteraan suatu bangsa termasuk Indonesia.Sebagai negara maritim yang terdiri dari ribuan pulau yang membentang dari Sabang sampai Merauke, potensi ekonomi yang terkandung di lautan sangat besar mulai dari pertambangan minyak, bumi dan gas, perikanan hingga pariwisata dan lain-lain.

Indonesia merupakan negara kepulauan terbesar di dunia dan memiliki panjang pantai mencapai + 81.000 km, dengan jumlah pulau mencapai 17.508 buah, serta potensi lestari sumber daya perikanan laut sebesar 6,40 juta ton per tahun (Sumber Dinas Kelautan dan Perikanan). Dari potensi tersebut, jumlah tangkapan yang diperbolehkan sebesar 5,12 juta ton per tahun atau sekitar 80% dari potensi lestari. Potensi lestari yang dimaksud adalah pemanfaatan hasil tangkap perikanan yangberkelangsungan dan tak pernah habis sehingga dapat diambil hasil panen di tahun berikutnya.

Pelabuhan Perikanan/Pangkalan Pendaratan Ikan adalah tempat yang terdiridari daratan dan perairan dengan batas-batas tertentu, sebagai salah satu sentra kegiatan ekonomi perikanan, tempat bersandar, berlabuh dan bongkar muat kapal-kapal ikan yang dilengkapi beberapa fasilitas dan dibedakan menjadi beberapa kelas sesuai skala pelayanan. Sebagai salah satu sentra kegiatan perekonomian, Pelabuhan Perikanan memiliki peran penting dan strategis dalam menunjang kehidupan, ketahanan dan pertumbuhan perekonomian masyarakat, khususnya masyarakat pesisir.

Utara.Saat ini Kabupaten Langkat memiliki garis pantai sepanjang 110,393 km yang meliputi 9 kecamatan pesisir dan 67 desa/kelurahan.Luas perairan umum 7.865 Ha, sehingga Kabupaten Langkat memiliki hasil perikanan laut yang cukup besar.Dari uraian di atas, maka penulis mengajukan judul “FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PERIKANAN LAUT KABUPATEN LANGKAT MENGGUNAKAN REGRESI LINIER BERGANDA”.

1.2Rumusan Masalah

Dalam penelitian ini yang menjadi permasalahan adalah bagaimana menentukan faktor-faktor apa yang paling mempengaruhi terhadap produksi perikanan laut Kabupaten Langkat.

1.3Batasan Masalah

Hasil produksi perikanan laut dipengaruhi oleh beberapa faktor yaitu, jumlah nelayan (x1), jumlah kapal (x2), dan jumlah alat penangkapan (x3).Dalam mengangkat judul “Faktor-Faktor yang Mempengaruhi Produksi Perikanan Laut Kabupaten Langkat Menggunakan Regresi Linier Berganda”,hal ini menurut penulis dianggap tiga faktor yang sangat penting untuk mempengaruhi besarnya produksi perikanan laut.

1.4Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah:

1. Untuk mengetahui seberapa besar faktor-faktor tersebut mempengaruhi produksi perikanan laut.

1.5Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah:

1. Memberikan informasi tentang produksi perikanan laut Kabupaten Langkat.

2. Dapat dipergunakan sebagai bahan masukan untuk peneliti-peneliti selanjutnya yang berkenaan dengan produksi perikanan laut terkhusus di Kabupaten Langkat.

1.6Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah sebagai berikut:

1. Metode penelitian kepustakaan yaitu metode pengumpulan data dan informasi dari perpustakaan dengan membaca dan mempelajari buku-buku, referensi, bahan-bahan yang bersifat teoristis, pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yang diperoleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram. Data sekunder diperoleh dari Badan Pusat Statistika (BPS) Sumatera Utara Jalan Asrama No. 179 Medan. Data tersebut adalah data produksi perikanan laut Kabupaten Langkat tahun 2004-2013.

3. Metode pengolahan data menggunakan metode regresi linier berganda untuk melihat persamaan regresi liniernya dan untuk mengetahui hubungan setiap variabel yang digunakan. Adapun langkah-langkah yang dilakukan dalam pengolahan data adalah:

a. Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel terikat (Y).

c. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-sama terhadap variabel terikat Y. d. Uji korelasi untuk mengetahui bagaimana dan seberapa besar

pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat.

e. Uji koefisien-koefisien regresi untuk menguji taraf nyata koefisien-koefisien regresi yang didapat.

4. Membuat kesimpulan.

1.7Tinjauan Pustaka

Analisisregresimerupakansuatumetode yang digunakanuntukmenganalisishubunganantara

variabel,hubungantersebutdapatdikorespondensikandalambentukpersamaan yang menghubungkan variabel terikatdengansatuataulebih variabel bebas.Jikaterdapatsatu variabel bebasdisebutdenganregresi linier sederhanasedangkanjikaterdapatlebihdarisatu variabel bebasdisebut regresi linier berganda.

Regresi linier berganda 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.

a. Persamaan regresi linier berganda

1 1 2 2 ....

o n n

YΛ = +b b X +b X + +b X

dengan: YΛ =variabel tidak bebas (dependent)

o

b = konstanta

j

b = koefisien regresi

j

X = variabel bebas (indpendent)

Koefisien-koefisien a ,...,_o a_n dapat dihitung dengan menggunakan

persamaan:

1 1 1 2 2

2

1 1 1 1 2 1 2 1

2

2 2 1 1 2 2 2 2

1 1 2 2

...

...

...

...

... ( )

o i i n ni

i i o i i i i n i n i

i i o i i i i n i n i

ni i o ni i ni i ni n ni

Y a n a X a X a X

X Y a X a X a X X a X X

X Y a X a X X a X a X X

X Y a X a X X a X X a X

= + + + + = + + + + = + + + + = + + + +

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

b. Koefisien determinasi

R2 = 2

y JKreg

∑

dengan:

JKreg =

b

1

∑

y

X

1

+

b

2

∑

y

X

2

+

b

3

∑

y

X

3

c. Menghitung koefisien korelasi (r) antara dua variabel dapat digunakan rumus:

2 2 2 2

( )( )

{ ( ) }{ ( ) }

i i i i

yx

i i 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

i

FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PERIKANAN LAUT KABUPATEN LANGKAT MENGGUNAKAN

REGRESI LINIER BERGANDA

HARIYANTO SYAHPUTRA 122407068

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PERIKANAN LAUT KABUPATEN LANGKATMENGGUNAKAN

REGRESI LINIER BERGANDA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

HARIYANTO SYAHPUTRA 122407068

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI

PRODUKSI PERIKANAN LAUT KABUPATEN LANGKAT MENGGUNAKAN REGRESI LINIER BERGANDA

Kategori : TUGAS AKHIR

Nama : HARIYANTO SYAHPUTRA

Nomor Induk Mahasiswa : 122407068

Program Studi : DIPLOMA 3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Januari 2016

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

Dr. Faigiziduhu Bu’ulölö, M.Si

PERNYATA