ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI
JUMLAH PRODUKSI KARET DI PT. PERKEBUNAN
NUSANTARA II TAHUN 2001-2010
TUGAS AKHIR
TISA MIKHELIA
092407009
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
PERSETUJUAN
Judul : ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI
JUMLAH PRODUKSI KARET DI PT. PERKEBUNAN NUSANTARA II TAHUN 2001 - 2010
Kategori : TUGAS AKHIR
Nama : TISA MIKHELIA
Nomor Induk Mahasiswa : 092407009
Program Studi : D-3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM
(MIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Juni 2012
Diketahui/Disetujui oleh :
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
PERNYATAAN
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PRODUKSI KARET DI PT. PERKEBUNAN NUSANTARA II TAHUN
2001-2010
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2012
PENGHARGAAN
Segala puji dan syukur penulis ucapkan atas Kehadirat Allah SWT, yang tiada hentinya memberikan nikmat amal, insani dan ilmu, serta semangat dan kekuatan sehingga penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan sebaik-baiknya.
Dalam menyelesaikan Tugas Akhir ini penulis tidak terlepas dari perhatian, bimbingan, fasilitas dan dorongan serta bantuan berbagai pihak secara langsung maupun tidak langsung, pada kesempatan ini penulis dengan segala kerendahan hati serta rasa hormat penulis mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Drs. Liling Perangin-angin, M.Si, sebagai Pembimbing yang telah memberikan bimbingan kepada penulis sehingga dapat menyelesaikan Tugas Akhir ini dengan sebaik-baiknya.
2. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si sebagai Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU yang telah memberikan dukungan penuh kepada penulis untuk menyelesaiakan penulisan Tugas Akhir ini sehingga dapat diselesaikan tepat pada waktunya.
3. Bapak Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si sebagai Ketua dan Sekretaris Departemen Matematika FMIPA USU yang telah mendukung proses penyelesaian Tugas Akhir ini kepada penulis sehingga dapat diselesaikan tepat pada waktunya.
4. Bapak Dr. Sutarman, M.Sc sebagai Dekan FMIPA USU yang telah memberikan izin kepada penulis untuk mengambil data pada salah satu instansi sehubungan dengan rencana judul Tugas Akhir ini.
5. Bapak/Ibu dosen Departemen Matematika dan D3 Statistika FMIPA USU yang telah banyak memberikan ilmu kepada penulis sehingga Tugas Akhir ini dapat diselesaikan tepat pada waktunya.
6. Teristimewa dengan rasa hormat penulis mengucapkan terimakasih yang sebesar-besarnya kepada kedua orangtua penulis yaitu Sayuti,S.Pd dan Rappita Siahaan,S.Pd atas doa restu, kasih sayang, pengorbanan, semangat dan dukungan baik moril maupun materil yang telah diberikan kepada penulis sehinggga penulis dapat menyelesaikan tepat waktu.
7. Teman-teman se angkatan statistika B 2009
Penulis menyadari bahwa penyusunan Tugas Akhir ini masih terdapat banyak kekurangan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang bersifat membangun, agar dapat dimanfaatkan bagi kemajukan ilmu pengetahuan demi penyempurnaan Tugas Akhir ini.
Akhir kata penulis mengucapkan terima kasih, semoga Tugas Akhir ini dapat berguna bagi pembaca dan penulis pada khususnya.
Medan, Juni 2012
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar Isi v
Daftar Tabel vi
Daftar Gambar vii
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Tujuan dan Manfaat Penelitian 2
1.4 Lokasi penelitian 3
1.5 Metode Penelitian 3
1.6 Sistematika Penulisan 4
Bab 2 Landasan Teori 5
2.1 Analisis Regresi 5
2.2 Regresi linier Sederhana 6
2.3 Regresi Linier Berganda 7
2.4 Kesalahan Standar Estimasi 8
2.5 Koefisien Determinasi 9
2.6 Koefisien Korelasi 9
2.7 Uji Regresi Linier Ganda 13
2.8 Uji Koefisien Regresi Linier Ganda 15
Bab 3 Pembahasan 17
3.1 Pengambilan Data 17
3.2 Pengolahan Data 18
3.3 Kesalahan Standar Estimasi 22
3.4 Uji Keberartian Regresi 23
3.5 Perhitungan Koefisien Korelasi Regresi Linier Berganda 26 3.6 Perhitungan Korelasi antara Y dengan Xi 27
3.7 Perhitungan Korelasi antara Variabel Bebas 29
3.8 Pengujian Koefisien Regresi Linier Ganda 30
Bab 4 Implementasi Sistem
4.1 Pengertian Implementasi Sistem 34
4.2 Tahap Implementasi 34
Bab 5 Penutup 47
5.1 Kesimpulan 47
5.2 Saran 48
DAFTAR GAMBAR
Halaman
Gambar 4.2.1 Cara Mengaktifkan SPSS 16 35
Gambar 4.2.2 Tampilan Awal SPSS 16 35
Gambar 4.2.3 Tampilan SPSS 16 yang Siap Digunakan 36
Gambar 4.2.4 Tampilan Setelah Diisi Variabel 37
Gambar 4.2.5 Tampilan Input Data 37
Gambar 4.2.6 Memilih Menu Linier 38
Gambar 4.2.7 Tampilan Kotak Dialog Linier 38
Gambar 4.2.8 Input Variabel 39
Gambar 4.2.9 Tampilan Options 40
Gambar 4.2.10 Tampilan Statistics 40
DAFTAR TABEL
Halaman Tabel 3.1 Produksi Karet, Luas Lahan Yang Digunakan, Pupuk
Yang Digunakan, Curah Hujan Yang Terjadi Di
PT. Perkebunan Nusantara II Pada Tahun 2001-2010 17 Tabel 3.2 Harga-harga Yang Dibutuhkan Untuk Menghitung
Koefisien – Koefisien 19
Tabel 3.3 Harga Penyimpangan ∧
Y 22
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Negara indonesia merupakan lahan subur yang dapat ditanami berbagai jenis tanaman, salah satunya adalah karet. Tanaman karet merupakan tanaman
perkebunan yang tumbuh diberbagai wilayah di Indonesia, khususnya di wilayah
Sumatera Utara.
Karet merupakan produk dari proses penggumpalan getah tanaman karet (lateks). Hasil utama dari pohon karet adalah lateks yang dapat dijual atau diperdagangkan di masyarakat berupa lateks segar, slab/koagulasi, ataupun sit
asap/sip angin. Kemudian produk-produk tersebut akan diolah lagi menghasilkan bahan baku untuk industri hilir seperti ban, bola, sepatu, sarung tangan, baju
renang, karet gelang, mainan karet, dan lainya.
Sejalan perkembangan jaman, produksi karet di Indonesia mulai berkurang.
hanya mengambil faktor curah hujan tetapi juga luas lahan dan jumlah pupuk yang
digunakan. Atas dasar tersebutlah pada penulisan Tugas Akhir ini penulis memberikan judul “ANALISIS FAKTOR-FAKTOR YANG
MEMPENGARUHI JUMLAH PRODUKSI KARET DI PT. PERKEBUNAN NUSANTARA II TAHUN 2001-2010”.
1.2 Perumusan Masalah
1. Apakah jumlah pupuk yang digunakan, luas lahan, serta curah hujan mempengaruhi
hasil produksi karet di PT. Perkebunan Nusantara II tahun 2001-2010.
2. Manakah dari ketiga variabel independen yang paling dominan terhadap jumlah produksi karet di PT. Perkebunan Nusantara II tahun 2001-2010.
1.3 Tujuan dan Manfaat Penelitian
Secara umum penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh
Manfaat dari penelitian Tugas Akhir ini adalah:
1. memberi bahan masukan kepada PT. Perkenunan Nusantara II mengenai pengaruh
dari jumlah pupuk yang digunakan, luas lahan, serta curah hujan mempengaruhi hasil
produksi karet di PT. Nusantara II tahun 2001-2010.
2. sebagai sarana meningkatkan pengetahuan dan wawasan penulis mengenai riset dan menganalisis data.
1.4 Lokasi penelitian
Penelitian atau pengumpulan data mengenai ANALISIS FAKTOR-FAKTOR
YANG MEMPENGARUHI JUMLAH PRODUKSI KARET DI PT. PERKEBUNAN NUSANTARA II TAHUN 2001-2010di PT. Perkebunan Nusantara II.
1.5 Metode Penelitian
Metode yang digunakan penulis dalam penelitian ini adalah metode penelitian riset
1.6 Sistematika Penulisan
Adapun sistematika penulisan yang digunakan penulis adalah antara lain:
Bab 1 : PENDAHULUAN
Pada bab ini akan diuraikan latar belakang, identifikasi masalah, batasan
masalah, maksud dan tujuan, tinjauan pustaka, serta sistematika penelitian.
Bab 2 : LANDASAN TEORI
Pada bab ini berisi tentang segala sesuatu yang berhubungan dengan tugas tugas akhir.
Bab 3 : PEMBAHASAN
Pada bab ini penulis menganalisa data yang diperlukan dalam
penyelesaian tugas akhir.
Bab 4 : IMPLEMENTASI SISTEM
Dalam bab ini penulis menguraikan tentang program yang dipakai untuk memproses penelitian.
Bab 5 : PENUTUP
BAB 2
LANDASAN TEORI
2.1 Analisis Regresi
Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh
variabel lain diperlukan alat analisis yang memungkinkan kita unutk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang
mempengaruhinya. Dalam, ilmu statistika, teknik yang umum digunakan untuk
menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi
menggunakan persamaan regresi.
Dalam suatu persamaan regresi terdapat dua macam variabel, yaitu variabel
tidak bebas (variabel dependen) dan variabel bebas (variabel independen). Variabel tidak bebas (variabel dependen) adalah variabel yang nilainya bergantung dari nilai
Sifat hubungan antar variabel dalam persamaan regresi merupakan
hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini
terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya dua atau lebih variabel tersebut memang memiliki hubungan sebab akibat.
Analisis regresi dibedakan menjadi dua, yaitu analisis regresi linier sederhana dan analisis regresi linier berganda.
2.2 Regresi Linier Sederhana
Pada regresi linier sederhana hanya terdapat satu variabel bebas (variabel independen) X yang dihubungkan dengan satu variabel tak bebas (variabel
dependen) Y. Bentuk umum regresi sederhana menunjukkan antara dua variabel, yaitu variabel X sebagai variabel bebas dan variabel Y sebagai variabel tak bebas
adalah :
Y = a + bX
dimana : Y = Variabel tak bebas (dependen)
X = Variabel bebas (independen) a = Parameter intercept
2.3 Regresi Linier Berganda
Regresi berganda adalah regersi di mana variabel terikatnya (Y) dihubungkan/
dijelaskan oleh lebih dari satu variabel, mungkin dua, tiga, dan seterusnya variabel bebas (x1, x2, x3, ..., xn) menunjukkan hubungan regresi berganda. Penambahan
variabel bebas ini diharapkan dapat lebih menjelaskan karakteristik hubungan yang
ada, walaupun masih saja ada variabel yang terabaikan.
Model regresi linier ganda atas x1, x2, x3, ..., xk akan ditaksir oleh:
k k
o x x x
Y =β +β +β + +β Λ .... 2 2 1 1 dengan:
Ŷ = variabel tidak bebas (variabel dependen)
=
k
o β
β ,..., koefisien regresi
x1,...,xk =variabel bebas (independen)
Koefisien-koefisien βo,...,βkdapat dihitung dengan menggunakan persamaan :
2.4 Kesalahan Standar Estimasi
Besarnya kesalahan standar estimasi untuk menjelaskan nilai variabel dependen
yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel
dependen yang sesungguhnya. Dan sebaliknya, semakin besar nilai kesalahan standar estimasi makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel
dependen yang sesungguhnya.
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan
kesalahan standar estimasi. Kesalahan standar estimasi diberi simbol S. Kesalahan standar estimasi dapat ditentukan dengan rumus:
1
2 ,...,
2 , 1
, = − −
∑
Λk n
Y Y
Sy k i
dengan :
S = standar estimasi
Yi = nilai data sebenarnya Ŷ = nilai taksiran
n = banyak data
2.5 Koefisien Determinasi
Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau
diterangkan oleh variabel-variabel bebas (X) yang ada di dalam model persamaan regresi linier berganda secara bersama-sama.
Y
Y
dengan: R2 = koefisien determinasi
Yi= nilai data sebenarnya
Y = rata-rata Y
Ŷ = nilai taksiran
2.6 Koefisien Korelasi
Setelah mengetahui hubungan fungsional antara variabel-variabel di mana
persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang disarankan perlu, jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Degan
Studi yang membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi.
Untuk mengetahui koefisien korelasi (r) antara variabel Y terhadap X atau
rxy dapat digunakan rumus:
dengan
rxy = koefisien korelasi
n = jumlah pengamatan
Σ X = jumlah dari pengamatan nilai X
Σ Y = jumlah dari pengamatan nilai Y
Sedangkan untuk mengetahui korelasi antar variabel bebas adalah:
a. Koefisien Korelasi antara X1 dan X2
b. Koefisien Korelasi antara X1 dan X3
∑
∑
−∑
∑
∑
∑
−∑
− = } ) ( }{ ) ( { ) )( ( 2 3 2 3 2 1 2 1 3 1 3 1 13 X X n X X n X X X X n rc. Koefisien Korelasi antara X2 dan X3
∑
∑
−∑
∑
∑
∑
−∑
− = } ) ( }{ ) ( { ) )( ( 2 3 2 3 2 2 2 2 3 2 3 2 23 X X n X X n X X X X n rBesarnya hubungan antara variabel yang satu dengan variabel lain
dinyatakan dengan koefisien korelasi, besarnya berkisar antara -1 ≤ r ≤ +1.
Keterangan:
r koefisien korelasi
+ menunjukkan korelasi positif
− menunjukkan korelasi negatif
0 menunjukkan tidak adanya korelasi (korelasi nihil)
Dua variabel dikatakan berkorelasi apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain, baik yang searah maupun tidak. Hubungan
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.
Semakin tinggi nilai koefisien korelasi antara dua buah variabel (semakin
mendekati 1), maka tingkat keeratan hubungan antara dua variabel tersebut semakin tinggi. Dan sebaliknya semakin rendah maka tingkat keeratan hubungan antara dua variabel tersebut semakin lemah.
Untuk mengukur kuat tidaknya antara variabel bebas dan tak bebas, ditinjau
dari besar kecilnya nilai koefisien korelasi (r). Jika makin besar nilai r, maka makin kuat hubungannya dan jika r makin kecil, maka makin lemah hubungannya. Nilai r
0 = tidak berkorelasi
0,01 – 0,20 = korelasi sangat rendah 0,21 – 0,40 = korelasi rendah
0,41 – 0,60 = korelasi sedang 0,61 – 0,80 = korelasi tinggi 0,81 – 0,99 = korelasi sangat tinggi
1 = korelasi sempurna
2.7 Uji Regresi Linier Ganda
Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas.
Langkah- langkah pengujian regresi linier ganda adalah:
1. Menentukan formulasi hipotesis
H0 : β1= β2=β3= 0 (X1, X2, X3, tidak mempengaruhi Y)
H0 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol
atau mempengaruhi Y.
2. Menentukan taraf nyata α dan nilai Ftabel dengan derajat kebebasan V1= k dan
V2 = n-k-1.
k = banyak variabel bebas (variabel independent)
3. Menentukan kriteria pengujian H0 diterima bila Fhitung ≥ Ftabel
H0 ditolak bila Fhitung < Ftabel
4. Menentukan nilai F dengan rumus :
dengan: JKreg = jumlah kuadrat regresi
JKres = jumlah kuadrat residu (sisa)
(n-k-1) = derajat kebebasan
Untuk :
dengan:
x
1=
X
1−
X
12 2
2
X
X
x
=
−
k k
k
X
X
x
=
−
Sedangkan
2.8 Uji Koefisien Regresi Ganda
Adanya variabel-variabel bebas dalam regresi linier ganda perlu diuji untuk melihat
seberapa besar pengaruhnya terhadap variabel tidak bebas.
Dimisalkan populasi mempunyai model regresi berganda yaitu:
k k
o x x x
Y =β +β +β + +β Λ .... 2 2 1 1
Terima : H0 jika thitung ≥ ttabel
Tolak : H0 jika thitung < ttabel
Untuk menguji tersebut digunakan kekeliruan baku yang ditaksir
( )
2(
2)
2 ... 12 .1
i i k y biR
x
s
s
−
∑
=
1
)
(
2 2 12 .−
−
−
∑
=
∧k
n
Y
Y
s
yR2 = 2
y JKreg
∑
Sehingga diperoleh distribusi ti dengan perhitungan
i i i
sb
b
t
=
Di mana ti = nilai t hitung
bi = nilai koefisien regresi berganda
BAB 3
PEMBAHASAN
3.1 Pengambilan Data
Data yang diambil dari PT. Perkebunan Nusantara II Medan adalah data hasil
produksi karet, luas lahan yang digunakan, pupuk yang digunakan, curah hujan yang terjadi di PT. Perkebunan Nusantara II pada tahun 2001-2010.
Tabel 3.1 Produksi Karet, Luas Lahan Yang Digunakan, Pupuk Yang Digunakan, Curah Hujan Yang Terjadi Di PT. Perkebunan Nusantara II Pada Tahun 2001-2010
Tahun Hasil Produksi Karet (kg)
Y
Luas Lahan (Ha)
X
Pupuk (kg)
1
X2
Curah Hujan (mm)
X 2001
3
6.895.772 8.816,46 692,91 5.040
2002 5.923.364 8.945,03 132,86 3.515
2003 6.241.546 9.162,31 585,85 4.933
2005 6.811.781 7.250,57 382,79 4.437
2006 6.020.175 7.793,59 111,89 5.106
2007 5.618.990 7.572,13 111,89 5.969
2008 4.286.542 7.027,14 984,97 4.634
2009 3.193.977 2.083,4 254,45 5.251
2010 1.788.584 2.083,4 159,41 5.979
Sumber: PT. Perkebunan Nusantara II
Dari data diatas maka :
Y = Hasil Produksi Karet X1 =
X
luas Lahan
2 = Jumlah Pupuk X3 = Curah Hujan
3.2 Pengolahan Data
Untuk mencari persamaan linier berganda terlebih dahulu menghitung
koefisien-koefisien regresinya (βo,β1,β2,β3
Tabel 3.2 Harga-harga Yang Dibutuhkan Untuk Menghitung Koefisien – Koefisien
Tahun Y X1 X2 X3 YX1
2001 6.895.772 8.816,46 692,91 5.040 6.079.6298.007
2002 5.923.364 8.945,03 132,86 3.515 52.984.668.681
2003 6.241.546 9.162,31 585,85 4.933 57.186.979.331
2004 7.267.131 9.233,31 1297,62 5.748 67.099.673.334
2005 6.811.781 7.250,57 382,79 4.437 49.389.294.965
2006 6.020.175 7.793,59 111,89 5.106 46.918.775.678
2007 5.618.990 7.572,13 111,89 5.969 42.547.722.749
2008 4.286.542 7.027,14 984,97 4.634 30.122.130.750
2009 3.193.977 2.083,4 254,45 5.251 6.654.331.682
2010 1.788.584 2.083,4 159,41 5.979 3.726.335.906
Jumlah 54.047.862 69.967,34 4.714,639 50.612 4,17426E+11
Sambungan table 3.2
Tahun YX2 YX3 X1X2 X1X3
2001 4.778.149.377 34.754.690.880 6.109.013,299 44.434.958,4
2002 786.948.524,2 20.820.624.460 1.188.391,961 3.144.1780,5
2003 3.656.628.449 30.789.546.418 5.367.766,8 4.519.7675,2
2004 9.429.989.062 41.771.468.988 11.981.346,19 53.073.065,9
2006 673.597.380,8 30.739.013.550 872.024,7851 39.794.070,5
2007 62.870.8791,1 33.539.751.310 847.245,6257 45.198.044
2008 4.222.098.128 19.863.835.628 6.921.493,977 32.563.766,8
2009 812.717.029,6 16.771.573.227 530.127,3802 10.939.933,4
2010 285.125.329,8 10.693.943.736 332.123,1276 12.456.648,6
Jumlah 27.881.416.473 2,69968E+11 36.924.949,83 347.270.722
Sambungan Tabel 3.2 :
Tahun X2X3 Y2 X12 X22 X32
2001 3.492.266,4 4,75517E+13 77.729.966,90 480124,2681 25401600
2002 466.985,325 3,50862E+13 80.013.561,70 17650,45103 12355225
2003 2.890.012,849 3,89569E+13 83.947.924,50 343223,7376 24334489
2004 7.458.731,256 5,28112E+13 85.254.013,60 1683822,855 33039504
2005 1.698.421,482 4,64004E+13 52.570.765,30 146525,1218 19686969
2006 571.310,34 3,62425E+13 60.740.045,10 12519,3721 26071236
2007 667.871,41 3,1573E+13 57.337.152,70 12519,3721 35628961
2008 4.564.332,444 1,83744E+13 49.380.696,60 970158,0212 21473956
2009 1.336.132,703 1,02015E+13 4.340.555,56 64746,32921 27573001
2010 953.136,306 3,19903E+12 4.340.555,56 25412,8234 35748441
Jumlah 24.099.200,5 3,20397E+14 555.655.238 3756702,351 261313382
Dari tabel 3.2 diperoleh hasil seperti berikut :
∑ Y = 54.047.862 ∑ YX2 = 9.448.440.000.000
∑ X1 = 69.967,34 ∑ YX3 = 269.968.000.000
∑ X2 = 1.301.039 ∑ X1X2 = 120.062.89.792
∑ X3 = 50.612 ∑ X1X3 = 347.270.722
∑ Y2
= 3,20397E+14 ∑ X2X3 = 7.475.371.725
∑ X12 = 555.655.238 ∑ X22 = 1.683.820.000.000
∑ X32 = 261.313.382
Dari persamaan :
Y
∑
=β
0n
+
β
1∑
X
1+
β
2∑
X
2+
β
3∑
X
31
YX
∑
=β
0∑
X
1+
β
1∑
X
12+
β
2∑
X
1X
2+
β
3∑
X
1X
32
YX
∑
=β
0∑
X
2+
β
1∑
X
2X
1+
β
2∑
X
22+
β
3∑
X
2X
33
YX
∑
=β
0∑
X
3+
β
1∑
X
3X
1+
β
2∑
X
3X
2+
β
3∑
X
32Kemudian subsitusikan nilai-nilai yang bersesuaian sehingga diperoleh persamaan berikut :
54047862 = 10β0 + 69967,34β1 + 1301039β2 + 50612β
417426000000 = 69967,34β
3
0 + 555655238β1 + 12006289792β2 +
347270722β
9448440000000 =1301039β
3
0 + 12006289792β1 + 1683820000000β2 +
7475371725β
269968000000 = 50612β
3
Setelah Persamaan di atas diselesaikan, maka diperoleh koefisien – koefisien
regresi linier berganda sebagai berikut :
β0 = 606662,83 β2 = -8,33
β1 = 605,96 β3 = 111,10
Dengan demikian, persamaan regresi linier ganda atas X1, X2 dan X3 atas Y
adalah : ∧
Y = 606662,83 + 605,96X1 -8,33X2 + 111,10X3
3.3 Kesalahan Standar Estimasi
Untuk menghitung kekeliruan baku taksiran (kesalahan standard estimasi)
diperlukan harga – harga ∧
Yyang diperoleh dari persamaan regresi di atas untuk
setiap nilai X1, X2 dan X3 yang diketahui dapat dilihat pada tabel 4.3 berikut :
Tabel 3.3 Harga Penyimpangan ∧
Y
Tahun Y Y∧ ( Y - Y∧) ( Y - Y∧)2
2001 6895772 6503257 392515 1,54068E+11
2002 5923364 6416403 -493039 2,43087E+11
2003 6241546 6701832,3 -460286 2,11864E+11
2004 7267131 6829473 437658 1,91545E+11
2006 6020175 5895611,2 124563,8 15516144580
2007 5618990 5857294,6 -238305 56789073373
2008 4286542 5371461,2 -1084919 1,17705E+12
2009 3193977 2450386,4 743590,6 5,52927E+11
2010 1788584 2532058,9 -743475 5,52755E+11
Jumlah 54047862 54047758 104,096 4,90276E+12 Sehingga kekeliruan bakunya dihitung dengan menggunakan rumus :
1
)
(
2123
.
−
−
−
∑
=
∧
k
n
Y
Y
s
ydengan :
2
)
(
∧
−
∑
Y
Y
= 4.902.760.000.000n = 10
k = 3
Diperoleh :
1 3 10
000 4902760000 123
.
− − =
y
s
= 903950,3508
Dengan penyimpangan nilai yang didapat ini berarti bahwa akan ada penyimpang dari rata–rata hasil produksi karet yang diperkirakan sebesar
3.4 Uji Keberartian Regresi
Perumusan hipotesa :
H0 :
β
1=
β
2=
β
3=
β
4=
0
( X1, X2, X3, X4 tidak mempengaruhi Y)H1 : Minimal ada satu parameter koefisien regresi yang mempengaruhi
Y.
Dengan : H0 diterima jika Fhit≤ Ftab.
H0 ditolak Jika Fhit > Ftab.
Untuk menguji model regresi yang telah terbentuk diperlukan nilai-nilai y, x1, x2
dan x3 dengan rumus :
Y
Y
y
=
−
x
1=
X
1−
X
12 2
2
X
X
x
=
−
x
3=
X
3−
X
3Dengan :
Y
= 5404786,2X
1 = 6996,7342
[image:30.595.72.547.605.758.2]X
= 471,4639X
3 = 5061,2Tabel 3.4 Harga – harga yang diperlukan untuk Uji Regresi
Tahun Y y2
2001 1.490.985,8 1.819,726 221,45 -21 2,22304E+12 3.311.402,7150
2002 518.577,8 1.948,296 -338,61 -1.546 2,68923E+11 3.795.857,3040
2003 836.759,8 2.165,576 114,39 -128 7,00167E+11 4.689.719,4120
2005 1.406.994,8 253,836 -88,68 -624 1,97963E+12 64.432,7149
2006 615.388,8 796,856 -359,57 45 3,78703E+11 634.979,4847
2007 214.203,8 575,396 -359,57 908 45883267934 331.080,5568
2008 -1.118.244,2 30,406 513,50 -427 1,25047E+12 924,5248
2009 -2.210.809,2 -4.913,334 -217,01 190 4,88768E+12 24.140.851,0000
2010 -3.616.202,2 -1.397 -886 -27 1,30769E+13 24.140.851,0000
Jumlah 12.220.981 663.904.990
Sambungan tabel 3.4 :
Tahun
2001 49038,38 449,44 2713185626 330172990,6 -31608898,96
2002 114656 2390734 1010343053 -175595058,4 -801824994,4
2003 13084,87 16435,24 1812066941 95716200,44 -107272606,4
2004 682537,2 471694,2 4165275683 1538591242 1279058409
2005 7863,77 389625,6 357145932,1 -124769344,2 -878246154,2
2006 129293,4 2007,04 490376257,6 -221277750,8 27569418,24
2007 129293,4 824100,8 123252009,7 -77022095,76 194454209,6
2008 263684,4 182499,8 -34001333,15 -574220745 477713922,2
2009 47093,73 36024,04 10862444010 479769694,2 -419611586,2
2010 97375,14 842356,8 17767609220 1128435535 -3318950379
Jumlah 1533920 5155928 39267697400 2399800667 -3578718660
JKreg =
β
1∑
y
x
1+
β
2∑
y
x
2+
β
3∑
y
x
3= 605,96 × 39267697400 + 605,96 × 2399800667 + 111,10 × (-3758718660)
= 2,48513E+13
Untuk JKres dapat dilihat dari tabel 3.3 yaitu
2
)
(
∧
−
∑
Y
Y
= 4,90276E+12. Makanilai Fhit dapat dicari dengan rumus :
F =
) 1 /( / − −k n JK k JK res reg = ) 1 3 10 /( 12 + 4,90276E 3 / 13 + 2,48513E − − = 10,13766717
Dari tabel distribusi F dengan dk pembilang = 3, dk penyebut =6 , dan α = 0,05 diperoleh Ftab = 4,76. Karena Fhit lebih besar daripada Ftab maka H0 ditolak
dan H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2
dan X3 bersifat nyata. Hal ini berarti bahwa luas lahan, jumlah pupuk dan curah
hujan secara bersama–sama mempengaruhi hasil produksi di PT. Perkebunan
Nusantara II pada tahun 2001-2011.
3.5 Perhitungan Koefisien Korelasi Linier Ganda
Berdasarkan tabel 3.4 dapat dilihat harga
∑
y
2= 28279743478688, sedangkan JKreg yang telah dihitung adalah 2,48513E+13. Maka selanjutnya dengan rumus R2= 2
y
JK
reg∑
.Sehingga didapat koefisien determinasi :
R2 =
8688 2827974347
13 + 2,48513E
= 0,878765449
Dan untuk koefisien korelasi ganda, kita gunakan :
R = R2
= 0,87876544 9
= 0,937424903
Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 0,94 (94%) dan
dengan mencari akar dari R2, diperoleh koefisien korelasinya sebesar 0,8788. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap
3.6 Perhitungan Korelasi antara Variabel Y dengan Xi
1. Koefisien korelasi antara hasil produksi karet (Y) dengan luas lahan yang digunakan
(X1).
ryx1 =
(
)
{
2}
{
2( )
2}
1 2 1 1 1 1
Y
Y
n
X
X
n
Y
X
Y
X
n
∑
−
∑
∑
−
∑
∑
∑
−
∑
=(
) (
)(
)
(
) (
)
{
2}
{
(
) (
)
2}
54047862 14 3,20397E 10 69967,34 555655238 10 54047862 69967,34 11 4,17426E 10 − + − − + = 0,91
Nilai yang positif menandakan hubungan yang searah antara hasil produksi karet dengan luas lahan yang digunakan. Artinya penambahan luas lahan akan meningkatkan hasil produksi karet, dan sebaliknya penurunan luas lahan akan
menurunkan hasil produksi karet. Hubungan antara hasil produksi karet dengan luas lahan cukup kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,91.
2. Koefisien korelasi antara hasil produksi karet (Y) dengan jumlah pupuk yang
digunakan (X2).
ryx2 =
(
)
{
2}
{
2( )
2}
2 2 2 2 1 2
Y
Y
n
X
X
n
Y
X
Y
X
n
∑
−
∑
∑
−
∑
∑
∑
−
∑
=(
) (
)(
)
(
) (
)
{
2}
{
(
) (
)
2}
Nilai yang positif menandakan hubungan yang searah antara hasil produksi
karet dengan jumlah pupuk yang digunakan. Artinya penambahan hasil produksi karet akan meningkatkan jumlah pupuk yang digunakan, dan sebaliknya penurunan
hasil produksi karet akan menurunkan jumlah pupuk yang digunakan. Hubungan antara hasil produksi karet dengan jumlah pupuk yang digunakan tergolong rendah, ini ditandai dengan nilai r yang diperoleh yaitu 0,364.
3. Koefisien korelasi antara hasil produksi karet (Y) dengan curah hujan (X3).
ryx3 =
(
)
{
2}
{
2( )
2}
3 2 3 3 1 3
Y
Y
n
X
X
n
Y
X
Y
X
n
∑
−
∑
∑
−
∑
∑
∑
−
∑
=(
) (
)(
)
(
) (
)
{
2}
{
(
) (
)
2}
54047862 14 3,20397E 10 50612,00 261313382 10 54047862 50612,00 11 2,69968E 10 − + − − + = -0,296
Nilai yang negatif menandakan hubungan yang tidak searah antara hasil produksi karet dengan curah hujan. Artinya penambahan curah hujan akan
menurunkan hasil produksi, dan sebaliknya penurunan curah hujan akan menambah hasil produksi karet. Hubungan antara hasil produksi karet dengan curah hujan tergolong rendah, ini ditandai dengan nilai r yang diperoleh yaitu
-0,296..
1. Koefisien korelasi antara luas lahan (X1) dengan jumlah pupuk (X2).
r12 =
(
)(
)
(
)
{
}
{
(
)
2}
2 2 2 2 1 2 1 2 1 2 1
X
X
n
X
X
n
X
X
X
X
n
∑
−
∑
∑
−
∑
∑
∑
−
∑
=(
) (
)(
)
(
) (
)
{
2}
{
(
) (
)
2}
4714,639 1 3756702,35 10 69967,34 555655238 10 4714,639 69967,34 3 36924949,8 10 − − − = 0,39
2. Koefisien korelasi antara luas lahan (X1) dengan curah hujan (X3)
r13 =
(
)(
)
(
)
{
}
{
(
)
2}
3 2 3 2 1 2 1 3 1 3 1
X
X
n
X
X
n
X
X
X
X
n
∑
−
∑
∑
−
∑
∑
∑
−
∑
=(
) (
)(
)
(
) (
)
{
2}
{
(
) (
)
2}
50612,00 261313382 10 69967,34 555655238 10 50612,00 69967,34 347270722 10 − − − = 0,371
3. Koefisien korelasi antara jumlah pupuk (X2) dengan curah hujan (X3)
r23 =
(
)(
)
(
)
{
}
{
(
)
2}
3 2 3 2 2 2 2 3 2 3 2
X
X
n
X
X
n
X
X
X
X
n
∑
−
∑
∑
−
∑
∑
∑
−
∑
=(
) (
)(
)
(
) (
)
{
2}
{
(
) (
)
2}
50612,00 261313382 10 4714,639 1 3756702,35 10 50612,00 4714,639 24099200,5 10 − − − = 0,084
1. Variabel X1 (luas lahan) berkorelasi positif dan rendah terhadap X2 (jumlah
pupuk).
2. Variabel X1 (luas lahan) berkorelasi positif dan rendah terhadap X3 (curah
hujan)
3. Variabel X2 (jumlah pupuk) berkorelasi positif dan sangat rendah terhadap
X3 (curah hujan)
3.8 Pengujian Koefisien Regresi Linier Ganda ∧
Y = 606662,83 + 605,96X1 -8,33X2 + 111,10X
Pengujian dapat dilakukan dengan merumuskan hipotesis berikut :
3
H0 : bi = 0 dimana i = 1,2,..k (variabel bebas Xi tidak berpengaruh terhadap
Y)
H1 : bi ≠ 0 dimana i = 1,2,..k (variabel bebas Xi berpengaruh terhadap Y)
Dimana :
Terima H0 jika thitung < ttabel
Tolak H0 jika thitung > ttabel
Untuk menguji hipotesis ini, maka menggunakan rumus kekeliruan baku Koefisien bi adalah sebagai berikut :
( )
2(
2)
2... 12 .
1
ii k y bi
R
x
s
s
−
∑
Maka :
( )
(
2)
1 2 1 2 123 . 11
R
x
s
s
b y−
∑
=
=
(
66112371)(
1 0,1521)
8 903950,350
−
= 0,016
( )
(
2)
2 2 2 2 123 . 21
R
x
s
s
b y−
∑
=
=(
)(
)
0,1521 1 1533920 8 903950,350 − = 0,834( )
(
2)
3 2 3 2 123 . 31
R
x
s
s
b y−
∑
=
=(
)(
)
0,07056 1 5155928 8 903950,350 − = 0,434Sehingga diperoleh distribusi ti dengan perhitungan
i i i
sb
b
t
=
sebagai berikut :=
0,016 605,96
= 37872.5
2 2 2
sb
b
t
=
=
0,083 8,33
= 100,36
3 3 3
sb
b
t
=
=
0,434 111,10
= 255,99
Dari tabel distribusi t dengan dk = 6 dan α = 0.05 diperoleh ttabel sebesar
2,45 dan dari hasil perhitungan diatas diperoleh : 1. t1 = 37872.5 (nilai mutlak) > ttabel = 2,45
2. t2 = 100,36 (nilai mutlak) > ttabel = 2,45
3. t3 = 255,99 (nilai mutlak) > ttabel = 2,45
Sehingga dari ketiga koefisien regresi tersebut variabel X1 (luas lahan), X2
(jumlah pupuk) dan X3 (curah hujan) memiliki pengaruh yang berarti atau
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam sistem yang telah disetujui, dan memulai sistem baru atau sistem yang sudah diperbaiki.
4.2 Tahap Implementasi
Tahap implementasi merupakan tahap penerapan hasil desain tertulis ke dalam programing. Pada tahapan inilah seluruh hasil desain dituangkan ke dalam bahasa pemrograman tertentu untuk menghasilkan sebuah sistem informasi yang sesuai
dengan hasil desain tertulis.
Pengaktifan SPSS 16
2. Pilih item SPSS 16.
Gambar 4.2.1 Cara Mengaktifkan SPSS 16
3. Setelah memilih SPSS 16, kemudian muncul tampilan seperti di bawah ini.
[image:41.595.109.475.436.663.2]Kemudian klik Cancel, untuk mendapatkan lembar kerja yang siap untuk
[image:42.595.110.475.140.373.2]digunakan.
Gambar 4.2.3 Tampilan SPSS 16 yang Siap Digunakan
Pengisian Data
1. Buka lembar kerja baru, kemudian klik Variable View. Lalu pada baris pertama ketikkan Hasil_Produksi, dengan Type Numeric. Begitu juga dengan baris ke dua, ketiga, dan keempat tuliskan Luas_Lahan di baris
Gambar 4.2.4 Tampilan Setelah Diisi Variabel
2. Klik data View yang berada di samping Variabel View untuk input data.
[image:43.595.111.474.405.636.2]3. Pilih menu Analiza, Regression, Linier.
Gambar 4.2.6 Memilih Menu Linier
Kemudian akan muncul kotak dialog seperti di bawah ini.
[image:44.595.110.475.435.662.2]4. Pilih Hasil_Produksi untuk dimasukkan ke kolom Dependent. Sedangkan di
[image:45.595.110.474.165.395.2]kolom Independent pilih Luas_Lahan, Pupuk, dan Curah_Hujan. Dengan Method Forward.
Gambar 4.2.8 Input Variabel
5. Pilih tombol Options. Untuk Stepping Method Criteria, digunakan uji F
yang mengambil standar angka probabilitas sebesar 5%. Karena itu angka Entry .05 atau 5% dipilih.
Pilihan default Include constant in equation atau menyertakan konstanta
tetap dipilih.
Penanganan Missing Value atau data yang hilang, digunakan default dari
Gambar 4.2.9 Tampilan Options
6. Pilih tombol Statistics. Regression Coefficient atau perlakuan koefisien regresi pilih default atau Estimate.
Klik pilihan Descriptive pada kolom sebelah kanan, selain pilihan Model fit.
Gambar 4.2.10 Tampilan Statistics
7. Pilih tombol plots atau berhubungan dengangambar/ grafik utuk regresi.
Pilih Histogram dan Normal probability plot. Klik continue untuk melanjutkan.
Gambar 4.2.11 Tampilan Plots
Output:
REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Hasil_Produksi
/METHOD=FORWARD Luas_Lahan Pupuk Curah_Hujan
/RESIDUALS HIST(ZRESID) NORM(ZRESID).
[DataSet0]
Regression
[DataSet0]
Descriptive Statistics
Mean Std. Deviation N
Hasil_Produksi 5.4048E6 1.77262E6 10
Luas_Lahan 6.9967E3 2710.31714 10
Pupuk 4.7146E2 412.83842 10
Curah_Hujan 5061.20 756.889 10
Correlations
Hasil_Produksi Luas_Lahan Pupuk Curah_Hujan
Pearson Correlation Hasil_Produksi 1.000 .908 .364 -.296
Luas_Lahan .908 1.000 .391 -.371
Pupuk .364 .391 1.000 .084
Curah_Hujan -.296 -.371 .084 1.000
Luas_Lahan .000 . .132 .146
Pupuk .150 .132 . .408
Curah_Hujan .203 .146 .408 .
N Hasil_Produksi 10 10 10 10
Luas_Lahan 10 10 10 10
Pupuk 10 10 10 10
Curah_Hujan 10 10 10 10
Variables Entered/Removeda
Model
Variables
Entered
Variables
Removed Method
1
Luas_Lahan .
Forward
(Criterion:
Probability-
of-F-to-enter <=
,050)
a. Dependent Variable: Hasil_Produksi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate
1 .908a .825 .803 7.87126E5
a. Predictors: (Constant), Luas_Lahan
b. Dependent Variable: Hasil_Produksi
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 1.249E6 721615.412 1.731 .122
Luas_Lahan 593.954 96.806 .908 6.135 .000
a. Dependent Variable: Hasil_Produksi
Excluded Variablesb
Model Beta In t Sig.
Partial
Correlation
Collinearity
Statistics
Tolerance
1 Pupuk .011a .063 .951 .024 .847
Curah_Hujan .047a .277 .790 .104 .862
a. Predictors in the Model: (Constant), Luas_Lahan
b. Dependent Variable: Hasil_Produksi
Model Sum of Squares df Mean Square F Sig.
1 Regression 2.332E13 1 2.332E13 37.644 .000a
Residual 4.957E12 8 6.196E11
Total 2.828E13 9
a. Predictors: (Constant), Luas_Lahan
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 2.4865E6 6.7332E6 5.4048E6 1.60980E6 10
Residual -1.13630E6 1.25623E6 .00000 7.42110E5 10
Std. Predicted Value -1.813 .825 .000 1.000 10
Std. Residual -1.444 1.596 .000 .943 10
BAB 5
PENUTUP
5.1 Kesimpulan
a. Dengan menggunakan rumus di dapat nilai koefisien- koefisien β0=
606662,83, β1= 605,96, β2 = -8,33, β3= 111,10. Sehingga persamaan
regresi linier yang didapat adalah ∧
Y= 606662,83 + 605,96X1 -8,33X2 +
111,10X3
b. Pada uji linier berganda dengan taraf nyata 0,05, dk pembilang = 3, dk
penyebut = 6, maka Ftabel yang didapat sebesar 4.76 dan Fhitung sebesar
10,13766717. Diperoleh Fhit lebih besar daripada Ftab maka H0 ditolak dan
H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2
dan X3 bersifat nyata. Hal ini berarti bahwa luas lahan, jumlah pupuk dan
curah hujan secara bersama–sama mempengaruhi hasil produksi di PT.
c. Koefisien korelasi (R) sebesar 87,88%, menunjukkan bahwa 87,88% luas
lahan, jumlah pupuk, dan curah hujan. Sedangkan 12,12% sisanya dipengaruhi oleh faktor – faktor lain.
d. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang kuat terjadi antara hasil produksi karet (Y) dengan luas lahan
yang digunakan (X1) yaitu 0,91.
5.2 Saran
a. PT. Perkebunan Nusantara II Medan hendaknya memperluas lahan yang digunakan sehingga produksi karet akan semakin meningkat.
b. Dosis pupuk yang digunakan serta curah hujan yang terjadi pada perkebunan karet di PT. Perkebunan Nusantara II hendaknya lebih
DAFTAR PUSTAKA
Algifari, 2000. ”Analisa Regresi teori, Kasus dan Solusi, Edisi 2”. Yogyakarta. BPFE.
Santosa, Singgih. 1999. “SPSS Mengolah Data Statistik Secara Profesional”. Jakarta: PT. Elex Media Komputindo.
Sudjana, 1989. “Metode Statistika”, Edisi 5. Bandung: Tarsito.
Suliyanto, 2005. “Analisis Data Dalam Aplikasi Pemasaran”. Bogor; Ghalia Indonesia.