TAHUN 2011-2012
TUGAS AKHIR
NATALIA KRISTIN
102407044
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
FAKTOR - FAKTOR YANG MEMPENGARUHI FLUKTUASI
HARGA BERAS DI SUMATERA UTARA
TAHUN 2011-2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar AhliMadya
NATALIA KRISTIN
102407044
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI FLUKTUASI HARGA BERAS DI SUMATERA UTARA TAHUN 2011-2012
Kategori : TUGAS AKHIR
Nama : NATALIA KRISTIN
Nomor Induk Mahasiswa : 102407044
Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2013
Diketahui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
Prof. Dr. Tulus, M.Si Drs. Faigiziduhu Bu’ulölö, M.Si
PENGHARGAAN
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 Faktor–Faktor yang Mempengaruhi Fluktuasi Harga
Beras di Sumatera Utara Tahun 2011-2012.
Terimakasih penulis sampaikan kepada Bapak Drs. Faigiziduhu Bu’ulölö,
M.Si selaku pembimbing dan Ketua Program Studi yang telah meluangkan
waktunya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Drs.
Suwarno Ariswoyo, M.Si selaku sekretaris Program Studi D3 Statistika FMIPA
USU, Bapak Prof. Dr. Tulus, M.Si. PhD dan Ibu Drs. Mardiningsih, M.Si selaku
Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak
Dr.Sutarman M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen
Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan
kuliah. Akhirnya tidak terlupakan kepada Bapak tersayang Djadihot Sidabutar dan
Ibunda tersayang Moy Tjing Tambunan serta keluarga yang selama ini
memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha
DAFTAR ISI
Daftar Lampiran ix
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Rumusan Masalah 3
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Lokasi Penelitian 4
1.7 Tinjauan Pustaka 5
1.8 Metodologi Penelitian 6
1.9 Sistematika Penulisan 6
BAB 2 LANDASAN TEORI
2.1 Pengertian Regresi 9
2.2 Analisis Regresi Linier 10
2.2.1 Analisis Regresi Linier Sederhana 12
2.2.2 Analisis Regresi Linier Berganda 13
2.3 Uji Keberartian Regresi 15
2.4 Pengujian Hipotesis 16
2.5 Koefisien Determinasi 18
2.6 Uji Korelasi 19
2.6.1 Koefisien Korelasi 19
2.7 Uji Koefisien Regresi Linier Berganda 22
BAB 3 GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Umum Perusahaan 24
3.2 Visi dan Misi 26
BAB 4 PENGOLAHAN DATA
4.1 Pengambilan Sampel 28
4.2 Menentukan Persamaan Regresi Linier Berganda 30
4.3 Uji Keberartian Regresi 35
4.4 Uji Koefisien Regresi Linier Berganda 37
4.5 Uji Koefisien Korelasi 41
4.5.1 Perhitungan Korelasi antara V.Bebas dan V. Terikat 42
4.5.2 Perhitungan Korelasi antara V.Bebas 44
4.6 Perhitungan Koefisien Determinasi 46
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 48
5.2 Sekilas Tentang Program SPSS 48
5.3 Pengolahan Data dengan SPSS 49
5.4 Pengolahan Data dengan Persamaan Regresi 55
BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan 61
6.2 Saran 62
DAFTAR PUSTAKA 63
DAFTAR TABEL
Halaman
Tabel 2.1 Tingkat Keeratan Korelasi 21
Tabel 4.1 Harga Beras, Harga Gabah Kering Panen (GKP), 28
Produktivitas Beras dan Kebutuhan Beras
Tabel 4.2 Nilai-Nilai untuk Menghitung Koefisien-Koefisien Regresi
Dan Perhitungan Uji Regresi 30
DAFTAR LAMPIRAN
Nomor Judul
Lampiran
1. Hasil Perhitungan dari Program SPSS
2. Surat Permohonan Penelitian Tugas Akhir
3. Surat Riset Pengumpulan Data
4. Kartu Bimbingan Tugas Akhir Mahasiswa
5. Surat Keterangan Hasil Uji Program Tugas Akhir
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Posisi beras sebagai bahan makanan pokok menyebabkan komoditas ini
menjadi salah satu indikator pertumbuhan ekonomi maupun tingkat
kemakmuran masyarakat. Naik turunnya harga beras langsung
berpengaruh terhadap inflasi dan jumlah penduduk miskin di Indonesia.
Data statistik FAO untuk neraca pangan (Food Balance Sheet)
terutama beras pada studi ini digunakan untuk menggambarkan kondisi
kesetimbangan ketersediaan dan konsumsi beras nasional. Laju
pertumbuhan ketersediaan beras sebelum krisis sebesar 2,76% per tahun
terutama didukung oleh pertumbuhan produksi yang cepat pula (2,46% per
tahun) namun laju pertumbuhan produksi setelah krisis yang semakin
lambat mengakibatkan pula lambatnya laju pertumbuhan ketersediaan
beras nasional. Walaupun demikian, jika ditinjau ketersediaan selama
sepuluh tahun terakhir ternyata dukungan pertumbuhan produksi semakin
ditunjukkan oleh laju pertumbuhan tingkat produksi yang lebih lambat dari
laju pertumbuhan ketersediaan beras.
Penduduk Indonesia khususnya Sumatera Utara sangat tergantung
pada nasi sebagai makanan pokok. Ketergantungan yang sangat besar ini
menjadi tantangan bagi negara-negara yang mengkonsumsi nasi sebagai
makanan pokok, khususnya Indonesia. Tantangan lainnya adalah: padi
dihasilkan dalam lahan sumber daya yang terbatas, petani padi butuh
intensif untuk usaha tani mereka, intensifikasi budidaya padi harus terus
diupayakan. Kondisi ini menyebabkan padi akan tetap menjadi penentu
ketahanan dan ekonomi Indonesia.
Perubahan-perubahan harga beras secara langsung mempengaruhi
tingkat biaya hidup rakyat, harga beras yang tidak stabil sangat merugikan
rakyat baik yang hidup di kota maupun di pedesaan. Harga beras yang
terlalu rendah merugikan para petani dan produsen dan dapat mengurangi
motivasi para petani untuk meningkatkan produksi, sebaliknya harga beras
yang terlalu tinggi atau meningkat terlalu cepat jelas merugikan konsumen.
Semakin tinggi harga beras relative terhadap harga barang lain maka
semakin sedikit jumlah produk yang dijual kepasar karena mampu untuk
membeli barang lain dengan hanya menjual beras sejumlah itu. Sebaliknya
semakin rendah harga beras relative terhadap barang lain maka petani akan
menjual semakin banyak beras agar mampu membeli barang lain yang
Dengan demikian jika harga beras relative lebih rendah dari harga
barang lain maka kemampuan rumahtangga petani untuk membeli barang
lain menurun yang berarti pula menurun tingkat kesejahteraannya.
Mengingat hal-hal tersebut diatas maka senantiasa diusahakan agar
harga-harga beras khususnya di Sumatera Utara tetap stabil.
1.2Rumusan Masalah
Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah
penelitian ini sebagai berikut:
1. Bagaimana hubungan beberapa faktor yang mempengaruhi fluktuasi
harga beras di Sumatera Utara.
2. Seberapa besar hubungan antara faktor yang mempengaruhi fluktuasi
harga beras di Sumatera Utara.
1.3Batasan Masalah
Fluktuasi harga beras dipengaruhi oleh beberapa faktor, maka penulis
membatasi pokok permasalahan hanya tiga factor yaitu, harga gabah
kering panen, produktivitas beras dan kebutuhan beras. Hal ini
dikarenakan penulis menganggap kontribusi paling besar terhadap
1.4Tujuan Penelitian
Tujuan dari tulisan ini adalah:
Untuk mengetahui seberapa besar hubungan harga gabah kering panen,
produktivitas beras, dan kebutuhan beras terhadap fluktuasi harga beras di
Sumatera Utara.
1.5Manfaat Penelitian
Untuk member gambaran terhadap pengaruh fluktuasi harga beras di Sumatera
Utara.
1.6Lokasi Penelitian
Penelitian atau pengumpulan data mengenai hargaberas di peroleh dari Badan
Ketahanan Pangan Propinsi Sumatera Utara, yang berada di Jalan Jendral
1.7Tinjauan Pustaka
Metode analisis data adalah metode yang digunakan yang bertujuan untuk
mendapatkan informasi yang relevan yang terkandung dalam data tersebut dan
menggunakan hasil analisis tersebut untuk memecahkan suatu masalah.
Permasalahan yang akan dipecahkan biasanya dinyatakan dalam bentuk satu
atau lebih hipotesis nol. (Hartono. 2004)
Metode analisis data biasanya menggunakan variabel independent (bebas) dan
variabel dependent (terikat). Untuk melihat persamaan regresi liniernya dan
untuk mengetahui hubungan setiap variabel digunakan analisis korelasi.
1.) Menentukan kelompok data yang menjadi variabel bebas (X) dan
variabel terikat (Y).
2.) Menentukan hubungan antara variabel bebas (X) dengan variabel
terikat (Y) sehingga di dapat regresi Y atas , , ,…, .
3.) Uji regresi linier berganda untuk mengetahui besarnya pengaruh
variabel bebas X secara bersama-bersama terhadap variabel terikat Y.
Secara umum model regresi linier berganda adalah sebagai berikut :
= + + + + …+ + ε
4.) Uji korelasi untuk mengetahui bagaimana dan seberapa besar
pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel
terikat. (Santoso. 1992)
5.) Uji determinasi untuk mengetahui seberapa besar kontribusi variabel
1.8Metodologi Penelitian
Untuk mendukung penyusunan tugas akhir, penulis menggunakan beberapa
metode untuk memperoleh data. Metode yang digunakan sebagai berikut:
1. Pengumpulan Data
Untuk memperoleh data yang dibutuhkan, penulis melakukan riset di
Badan Ketahanan Pangan (BKP) Sumatera Utara dengan mengambil
data sekunder. Data yang diperoleh kemudian disajikan dan disusun
dalam bentuk angka-angka agar gambaran yang jelas dari sekumpulan
data yang diperoleh dapat diambil yang kemudian dapat ditarik
kesimpulannya.
2. Pengolahan Data
Data penelitian dianalisa dengan menggunakan metode regresi linier
berganda.
1.9Sistematika Penulisan
Adapun sistematika penulisan yang diuraikan oleh penulis antara lain :
BAB 1 : PENDAHULUAN
Bab ini menguraikan tentang latar belakang, rumusan
masalah, batasan masalah, tujuan penelitian, manfaat
penelitian, lokasi penelitian, tinjauan pustaka, metodologi
BAB 2 : LANDASAN TEORI
Bab ini menguraikan tentang pengertian regresi linier
sederhana, regresi linier berganda, uji keberartian regresi,
uji koefisien regresi berganda, uji korelasi dan uji
koefisien determinasi untuk regresi linier berganda.
BAB 3 : GAMBARAN UMUM TEMPAT RISET
Bab ini menguraikan tentang sejarah singkat perusahaan,
visi dan misi perusahaan beserta struktur organisasi
perusahaan.
BAB 4 :PENGOLAHAN DATA
Bab ini menguraikan proses pengolahan data pada regresi
linier berganda, analisis korelasi dan koefisien linier
berganda.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menguraikan proses pengolahan data dengan
program yang akan digunakan yaitu SPSS mulai dari
input data hingga hasil outputnya yang membantu dalam
BAB 6 :KESIMPULAN DAN SARAN
Bab ini terdiri atas kesimpulan dari hasil pengolahan data
yang telah dilakukan serta saran berdasarkan kesimpulan
yang diperoleh yang tentunya bermanfaat bagi pembaca
BAB 2
LANDASAN TEORI
2.1 Pengertian Regresi
Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat
pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama
disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik,
variabel independen, atau secara bebas, variabel X(karena seringkali digambarkan
dalam grafik sebagai absis, atau sumbu X). Variabel yang kedua adalah variabel
yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua
variabel ini dapat merupakan variabel acak (random), namun variabel yang
dipengaruhi harus selalu variabel acak.
Istilah “regresi” pada mulanya bertujuan nutuk membuat perkiraan nilai
satu variabelterhadap satu variabel yang lain.Pada perkembangan selanjutnya
analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu
variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan
Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara suatu variabel tidak bebas (dependent
variable) dengan variabel-variabel bebas (independent variable) lainnya memiliki
sifat hubungan sebab akibat (hubungan kausalitas), baik didasarkan pada teori,
hasil penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis
tertentu.
2.2 Analisis Regresi Linier
Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan
memodelkan hubungan diantara variabel-variabel.Analisis regresi linier atau
regresi garis lurus digunakan untuk :
1. Menentukan hubungan fungsional antar variabel dependen dengan
independen. Hubungan fungsional ini dapat disebut sebagai persamaan
garis regresi yang berbentuk linier.
2. Meramalkan atau menduga nilai dari satu variabel dalam hubungannya
dengan variabel yang lain yang diketahui melalui persamaan garis
regresinya.
Analisis regresi tediri dari dua bentuk yaitu :
1. Analisis Regresi Linier Sederhana
Analisis Regresi sederhana adalah bentuk regresi dengan model yang
bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel
dependen (terikat) dan variabel independen (bebas). Sedangkan analisis regresi
berganda adalah bentuk regresi dengan model yang memiliki hubungan antara
satu variabel dependen dengan dua atau lebih variabel independen. Variabel
independen adalah variabel yang nilainya tergantung dengan variabel lainnya,
sedangkan variabel dependen adalah variabel yang nilainya tergantung dari
variabel yang lainnya.
Analisis regresi dipergunakan untuk menelaah hubungan antara dua
variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya
belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari
beberapa variabel independen mempengaruhi variabel dependen dalam suatu
fenomena yang komplek. Jika , ,…, adalah variabel-variabel independen
dan Y adalah variabel dependen, maka terdapat hubungan fungsional antara X dan
Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara
matematis hubungan itu dapat dijabarkan sebagai berikut:
Dengan : Y = f( , ,…, , e)
Y adalah variabel dependen (tak bebas)
X adalah variabel independen (bebas)
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim
dilaksanakan yakni :
(1) Mengadakan estimasi terhadap parameter berdasarkan dataempiris
(2)Menguji berapa besar variasi variabel dependen dapat diterangkan oleh
variasi independen
(3) Menguji apakah estimasi parameter tersebut signifikan atau tidak
(4)Melihat apakah tanda magnitud dari estimasi parameter cocok dengan
teori.
2.2.1Analisis Regresi Linier Sederhana
Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua
variabel di mana hanya terdapat satu variabel/peubah bebas X dan satu peubah tak
bebas Y.
Dalam bentuk persamaan, model regresi sederhana adalah :
Y = a + bX …(2.1)
Dengan: Y adalah variabel terikat/tak bebas (dependent)
X adalah variabel bebas (independent)
b adalah penduga bagi koefisien regresi (β)
Penggunaan regresi linier sederhana didasarkan pada asumsi diantaranya sebagai
berikut:
Model regresi harus linier dalam parameter
Variabel bebas tidak berkorelasi dengan disturbance term (error) .
Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut:
(E (U / X)) = 0
Varian untuk masing-masing error term (kesalahan) konstan
Tidak terjadi autokorelasi
Model regresi dispesifikasi secara benar. Tidak terdapat bias spesifikasi
dalam model yang digunakan dalam analisis empiris
Jika variabel bebas lebih dari satu, maka antara variabel bebas
(explanatory) tidak ada hubungan linier yang nyata
2.2.2 Analisis Regresi Linier Berganda
Untuk memperkirakan nilai variabel tak bebasY, akan lebih baik apabila ikut
memperhitungkan variabel-variabel bebas lain yangmempengaruhi nilaiY, dengan
demikian dimiliki hubungan antara satu variabel tidak bebas Y dengan beberapa
berganda. Dalam pembahasan mengenai regresi sederhana, simbol yang
digunakan untuk variabel bebasnya adalah X. Dalam regresi berganda, persamaan
regresinya memiliki lebih dari satu variabel bebas maka perlu menambah tanda
bilangan pada setiap variabel tersebut, dalam hal ini , ,…, .
Secara umum persamaan regresi berganda dapat ditulis sebagai berikut :
= + + + … + + (Untuk populasi) …(2.2)
= + + + … + + (Untuk sampel) …(2.3)
Dengan : i = 1, 2,…, n
, , ,…, dan adalah pendugaan atas , , ,…, dan .
Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel
bebas Y dan tiga variabel X yaitu , dan . Maka persamaan regresi
bergandanya adalah :
= + + + …(2.4)
Persamaan di atas dapatdiselesaikan dengan empat bentuk yaitu :
∑ = n + ∑ + ∑ + ∑
∑ = ∑ + ∑ + ∑ + ∑
∑ = ∑ + ∑ + ∑ + ∑
Sistem persamaan tersebut dapat disederhanakan, apabila diambil
= − , = – , = – dan y = Y– .
Sehingga persamaan menjadi :
y = + + ... (2.6)
Koefisien-koefisien , dan untuk persamaan tersebut dapat dihitung dari :
∑ = ∑ + ∑ + ∑
∑ = ∑ + ∑ + ∑
∑ = ∑ + ∑ + ∑ …(2.7)
Dengan penggunaan , , dan y yang baru ini, maka diperolehlah harga ,
, dan . Harga setiap koefisien penduga yang diperoleh kemudian
disubtitusikan kepersamaan (2.4) sehingga diperoleh model regresi linier berganda
Y atas , , .
2.3Uji Keberartian Regresi
Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan
terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan
keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji
keberartian dilakukan untuk meyakinkan apakah regresi yang didapat berdasarkan
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat
untuk regresi yang ditulis dan Jumlah Kuadrat untuk sisa (residu) yang
ditulis dengan .
Jika = − , = − ,…, = − dan = – Y
maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari :
= ∑ + ∑ + ∑ ...(2.8)
dengan derajat kebebasan dk = k
= ∑( − ) …(2.9)
dengan derajat kebebasan dk =(n – k – 1) untuk sampel berukuran n.
Dengan demikian uji keberartian regresi berganda dapat dihitung
dengan : =
Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam
penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah
populasi maka tidak menutup kemungkinan untuk terjadinya kesalahan dalam
hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat
signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence interval.
Didasarkan tingkat signifikansi pada umumnyamenggunakan 0,05. Kisaran
tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan
tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu
kesalahan menolak hipotesis ketika hipotesis tersebut benar. Dalam melakukan uji
hipotesis terdapat dua hipotesis, yaitu: (hipotesis nol) dan (hipotesis
alternatif). bertujuan untuk memberikan usulan dugaan kemungkinan tidak
adanya perbedaan antara perkiraan penelitian dengan keadaan yang sesungguhnya
yang diteliti. bertujuan memberikan usulan dugaan adanya perbedaan perkiraan
dengan keadaan sesungguhnya yang diteliti.
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 alternatif yang diusulkan
2) Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed
atau 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
1) : = = . . . = = 0
Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas
dengan variabel tak bebas.
:Minimal satu parameter koefisien regresi yang ≠ 0
Terdapat hubungan fungsional yang signifikan antara variabel bebas
dengan variabel tak bebas
2)Pilih taraf α yang diinginkan
3)Hitung statistik dengan menggunakan persamaan
4)Nilai menggunakan daftar tabel F dengan taraf signifikansi α yaitu
= ( ) ( ) ,( )
5)Kriteria pengujian : jika ≥ , maka ditolak dan
diterima.Sebaliknya Jika > , maka diterima dan
ditolak.
2.5 Koefisien Determinasi
Koefisien determinasi yang disimbolkan dengan bertujuan untuk mengetahui
seberapa besar kemampuan variabel independen menjelaskan variabel
dependen.Nilai dikatakan baik jika berada di atas 0,5 karena nilai berkisar
antara 0 dan 1. Pada umumnya model regresi linier berganda dapat dikatakan
layak dipakai untuk penelitian, karena sebagian besar variabel dependen
Koefisien determinasi dapat dihitung dari :
Sehingga rumus umum koefisien determinasi yaitu :
=
∑ …(2.12)
Harga diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing
variabel yang tinggal dalam regresi. Hal ini mengakibatkanvariabel yang
dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.
2.6 Uji Korelasi
Uji korelasi bertujuan untuk menguji hubungan antara dua variabel yang tidak
menunjukkan hubungan fungsional, keeratan hubungan ini dinyatakan dalam
bentuk koefisien korelasi.
Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur
keeratansuatu hubungan antarvariabel, koefisien korelasi biasanya disimbolkan
dengan r.
Koefisien korelasi dapat dirumuskan sebagai berikut :
r
=
∑ (∑ ) (∑ ){( ∑ (∑ ) }{ ∑ (∑ ) ²}
…(2.13)
Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan tiga
variabel bebas , , yaitu :
1. Koefisien korelasi antara Y dengan
=
∑ (∑ ) (∑ ) {( ∑ (∑ ) }{ ∑ (∑ ) }…(2.14)
2. Koefisien korelasi antara Y dengan
=
∑ (∑ ) (∑ ) {( ∑ (∑ ) }{ ∑ (∑ ) }...(2.15)
3. Koefisien korelasi antara Ydengan
=
∑ (∑ ) (∑ ) {( ∑ (∑ ) }{ ∑ (∑ ) }…(2.16)
Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel
dengan arah yang berlawanan. Hubungan antara variabel dapat dikelompokkan
menjadi tiga jenis hubungan sebagai berikut:
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan pada variabel yang satu
diikuti dengan perubahan variabel yang lain dengan arah yang sama
atau berbanding lurus. Artinya, apabila variabel yang satu meningkat,
maka akan diikuti dengan peningkatan variabel yang lain.
2. Korelasi Negatif
Korelasi negative terjadi apabila perubahan pada variabel yang satu
diikuti dengan perubahan variabel yang lain dengan arah yang
berlawanan atau berbanding terbalik. Artinya, apabila variabel yang
satu meningkat, maka akan diikuti dengan penurunan pada variabel
yang lain dan sebaliknya.
3. Korelasi Nihil
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti
pada perubahan variabel yang lain dengan arah yang tidak teratur
(acak).
Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat
Tabel 2.1 Tingkat Keeratan Korelasi
-1 ≤ r ≤+1 Tingkat Keeratan
0,80 – 1,00 Korelasi sangat kuat atau sempurna
0,60 – 0,79 Korelasi kuat
0,40 – 0,59 Korelasi sedang
0,20 – 0,39 Korelasi rendah
0,00 – 0,19 Tidak ada korelasi atau korelasi
lemah
Sumber : Sugiono (2001)
2.7 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 :
, , … = β + β + β + . . . + β
yang berdasarkan sebuah sampel acak berukuran n ditaksir oleh regresi berbentuk :
^
Y =b + b + b + . . . + b
: β = 0, i = 1, 2, . . ., k
:β≠ 0, i = 1, 2, . . ., k
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran . .. ,
jumlah kaudrat-kuadrat ∑ dengan = − dan koefisien korelasi ganda
antara masing-masing variabel bebas X dengan variabel tak bebas Y dalam regresi
yaitu .
Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien yakni :
Selanjutnya hitung statistik :
=
…(2.21)
Dengan kriteria pengujian : jika ≥ , maka tolak dan jika < , maka
terima yang akan berdistribusi t dengan derajat kebebasan dk=(n-k-1)
dan =
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Umum Perusahaan
Badan Ketahanan Pangan Provinsi Sumatera Utara yang awal mulanya
sebelumnya dilaksanakannya Undang-undang Otonomi Daerah peleburan dari dua
unit kerja yakni Satuan Pengendalian Bimas Departemen Pertanian dan Kantor
Wilayah Departemen Pertanian yang terbentuk pada tahun 2001 di bawah
naungan pemerintah Propinsi Sumatera Utara.
Undang-undang No.7 Tahun 1996 tentang pangan telah mengamanatkan
bahwa Pemerintah bersama masyarakat bertanggung jawab mewujudkan
ketahanan pangan. Oleh karena itu Pemerintah Daerah Propinsi Sumatera Utara
telah menetapkan pembentukan Badan Ketahanan Pangan yang mempunyai tugas
membantu kepala daerah dalam pemeliharaan ketahanan pangan. Disamping
sebagai salah satu lembaga teknis Propinsi Sumatera Utara, Badan Ketahanan
Pangan juga berperan secara ex-office sebagai sekretariat dari Dewan Ketahanan
Pangan Propinsi Sumatera Utara yang diketuai oleh Gubenur (Surat Keputusan
Gubernur Sumatera Utara No. 188.44/250/K/Tahun 2002). Hal ini sesuai dan
mengacu kepada Keputusan Presiden R.I. No. 132 Tahun 2001 tentang Dewan
Ketahanan Pangan yang ketuanya adalah Presiden Republik Indonesia. Ketahanan
membentuk manusia Indonesia yang berkualitas, mandiri, dan sejahtera melalui
perwujudan ketersediaan pangan yang cukup, aman bermutu, bergizi, dan
beragam serta tersebar merata di seluruh wilayah Indonesia dan terjangkau oleh
daya beli masyarakat. Karena Indonesia merupakan negara dengan jumlah
penduduk yang banyak dan tingkat pertumbuhan yang tinggi, maka upaya untuk
mewujudkan ketahanan pangan merupakan tantangan yang harus mendapatkan
prioritas untuk kesejahteraan bangsa. Indonesia sebagai negara agraris dan
maritim dengan sumber daya alam dan sosisal budaya yang beragam, harus
dipandang sebagai karunia ilahi untuk mewujudkan ketahanan pangan.
Berdasarkan dengan hal tersebut di atas dan dengan adanya peraturan
Pemerintah Nomor 25 Tahun 2000 tentang kewenangan pemerintah dan
kewenangan propinsi sebagai daerah otonomi, pemerintah Propinsi Sumatera
Utara turut ambil bagian dalam upaya mewujudkan ketahanan pangan di
daerahnya dengan keluarnya Peraturan Daerah Propinsi Sumatera Utara Nomor 4
Tahun 2001 tanggal 31 Juli 2001 tentang lembaga teknis daerah Propinsi
Sumatera Utara. Dengan keluarnya peraturan tersebut dibentuklah Badan
Ketahanan Pangan Propinsi Sumatera Utara berkantor di Jalan Jenderal Besar Dr.
Abdul Haris Nasution No. 24 Gedung Johor Medan, yang dahulunya merupakan
kantor Wilayah Departemen Pertanian Propinsi Sumatera Utara. Adapun pegawai
Badan Ketahanan Pangan adalah peleburan dari pegawai Kantor Wilayah
Departemen Propinsi Sumatera Utara dan pegawai Bimas Ketahanan Pangan
3.2 Visi dan Misi
Visi
Visi dari Badan Ketahanan Pangan Propinsi Sumatera Utara adalah terwujudnya
ketahanan pangan masyarakat yang berbasis kepada sumber daya lokal yang
dimiiki secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan
sejahtera.
Misi
Adapun misi Badan Ketahanan Pangan Propinsi Sumatera Utara adalah sebagai
berikut:
1. Meningkatkan keberdayaan dan kemandirian masyarakat untuk
mewujudkan ketahanan pangan yang berbasis sumber daya lokal yang
dimiliki.
2. Meningkatkan kualitas sumber daya manusia dan kesejahteraan
masyarakat.
3.3 Struktur Organisasi Perusahaan
Adapun struktur organisasi Badan Ketahanan Pangan Propinsi Sumatera Utara
adalah sebagai berikut :
a. Kepala Badan
1. Kepala Subbag Umum
2. Kepala Subbag Keuangan
3. Kepala Subbag Program
c. Kepala Bidang Ketersediaan dan Kerawanan Pangan, terdiri dari :
1. Kepala Sub Bidang Ketersediaan Pangan
2. Kepala Sub Bidang Kerawanan Pangan
d. Kepala Bidang Distribusi dan Akses Pangan
1. Kepala Sub Bidang Distribusi Pangan
2. Kepala Sub Bidang Akses Pangan
e. Kepala Bidang Konsumsi Mutu dan Keamanan Pangan
1. Kepala Sub Bidang Konsumsi
2. Kepala Sub Bidang Mutu dan Keamanan Pangan
BAB 4
PENGOLAHAN DATA
4.1 Pengambilan Sampel
Dalam penelitian ini, data yang dikumpulkan adalah data mengenai Harga Beras:
1. Harga Gabah Kering Panen (Rp/Kg)
2. Produktivitas Beras (KW/HA)
3. Kebutuhan Beras (Ton)
Untuk memperoleh model yang cocok dalam menduga harga beras
berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis
regresi linier dengan satu variabel terikat (dependent variable) dan tiga variabel
bebas (dependent variable). Data yang diolah adalah data berdasarkan tahun
Tabel 4.1 : Data yang akan diolah
(Sumber: Badan Ketahanan Pangan & Dinas Pertanian Propinsi Sumatera Utara)
Dari data tersebut, disimbolkan menjadi :
Y = Harga Beras
= Harga Gabah Kering Panen
= Produktivitas Beras
= Kebutuhan Beras
Setelah melihat data yang tersedia penulis mengelompokkan penganalisaan dan
1. Menentukan persamaan regresi
2. Uji keberartian regresi
3. Uji koefisien regresi berganda
4. Menentukan nilai korelasi
5. Uji koefisien determinasi
4.2Menentukan Persamaan Regresi Linier Berganda
Untuk melihat hubungan antara variabel-variabel bebas (harga gabah kering
panen, konsumsi beras, produktivitas beras) terhadap variabel terikat (harga
beras) maka langkah pertama yang harus dilakukan adalah menentukan
persamaaan regresi linier berganda.
Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien regresi ,
Tabel 4.2 Nilai-Nilai untuk Menghitung Koefisisen-Koefisien Regresi dan
Sambungan Tabel 4.2
Bulan
1 4,130208 2.409,333 94.211,11 -1.520,230 -38,8781 -886.820
2 69,13021 2.409,333 1.576.878 4.333,932 6,621875 151.046,7
3 38,25521 2.409,333 872.611,1 6.047,266 16,69687 380.860,0
4 79,20521 2.409,333 1.806.691 213.092,5 284,1719 6.482.033
5 8,355208 2.409,333 190.584,4 6.925,182 87,54687 1.996.967
6 27,85521 2.409,333 635.384,4 104.424,9 395,9719 9.032.220
7 158,5052 -5.174,220 -7.764.642 482.038,7 321,2219 -1.6E+07
8 17,78021 -1.2757,40 -2.147.503 19.824,93 117,7719 -1.4E+07
9 77,25521 2.409,333 1.762.211 56.901,43 77,79687 1.774.567
10 78,88021 2.409,333 1.799.278 95.232,68 127,5219 2.908.807
11 13,23021 1.935,158 242.391,0 15.321,60 122,3219 2.241.062
12 16,15521 -3.278,170 -501.391,0 9.164,974 59,92187 -1.859.729
13 61,19479 -2.409,330 -1.395.869 112.339,5 193,9031 -4.422.980
14 -40,8552 -2.409,330 931.917,8 -22.328,90 57,72813 -1.316.793
15 81,01979 -2.409,330 -1.848.082 97.878,14 127,6031 -2.910.660
16 59,24479 -2.409,330 -1.351.389 126.259,8 225,1031 -5.134.660
17 28,04479 -2.409,330 -639.709,0 38.194,85 143,8531 -3.281.327
18 34,86979 -2.409,330 -795.389,0 47.489,97 143,8531 -3.281.327
19 -9,65521 5.174.217 -472.976,0 -11.159,20 122,0781 5.980.200
20 15,69479 12.757,440 1.895.625 12.779,18 86,00313 10.387.502
21 32,59479 -2.409.330 -743.496,0 28.044,06 90,87813 -2.072.953
22 83,61979 -2.409,330 -1.907.389 78.892,06 99,65313 -2.273.113
23 160,6448 -1.935,160 -2.943.177 245.971,9 161,7281 -2.963.025
24 82,31979 3.278.167 2.554.869 98.435,47 126,3031 3.919.931
Sambungan Tabel 4.2
Untuk menentukan regresi linier berganda dengan persamaan
Ŷ = a + + +
Bulan Ŷ Y-Ŷ (Y-Ŷ)2
1 161,5017 0,105625 54.957.511,11 7.910,555703 403,444297 162.767,3008
2 45.244,84 0,105625 54.957.511,11 7.755,423965 418,5760353 175.205,8973
3 13.855,25 0,105625 54.957.511,11 7.829,111540 313,8884596 98.525,96507
4 59.393,75 0,105625 54.957.511,11 7.731,378545 -411,3785453 169.232,3075
5 660,9184 0,105625 54.957.511,11 7.900,472140 24,52786000 601,6159160
6 7.345,918 0,105625 54.957.511,11 7.853,932619 -877,9326185 770.765,6827
7 237.859,4 0,105625 253.467.627,1 7.498,877880 -292,8778801 85.777,45266
8 2.993,002 0,105625 1.540.850.347 7.791,500002 40,49999801 1.640,249839
9 56.505,25 0,105625 54.957.511,11 7.736,032497 218,9675025 47.946,76717
10 58.907,34 0,105625 54.957.511,11 7.732,154204 69,84579600 4.878,435219
11 1.657,168 0,105625 35.454.085,44 7.886,133605 -68,13360492 4.642,188120
12 2.470,918 0,105625 10.1740.844,4 7.849,427300 160,5727004 25.783,59213
13 35.453,75 0,105625 54.957.511,11 8.641,862147 149,1378533 22.242,09928
14 15.802,59 0,105625 54.957.511,11 8.398,305318 -26,30531767 691,9697378
15 62.146,34 0,105625 54.957.511,11 8.689,177327 -102,1773269 10.440,20613
16 33.230,25 0,105625 54.957.511,11 8.637,208195 249,7918054 62.395,94605
17 7.446,252 0,105625 54.957.511,11 8.562,744960 74,25503978 5.513,810933
18 11.511,50 0,105625 54.957.511,11 8.579,033793 57,96620726 3.360,081184
19 882,5851 0,105625 253.467.627,1 8.429,528608 140,4713925 19.732,21211
20 2.332,085 0,105625 1.540.850.347 8.446,791894 12,20810602 149,0378525
21 10.058,42 0,105625 54.957.511,11 8.573,604182 -99,60418190 9.920,993052
22 66.199,00 0,105625 54.957.511,11 8.695,382596 -194,3825964 37.784,59379
23 244.324,3 0,105625 35.454.085,44 8.876,510052 -184,5100515 34.043,95912
24 64.156,67 0,105625 101.740.844,4 8.659,850930 -76,85092981 5.906,065412
Jumlah 1.040.599 2,535 4.742.345.985 1.759.948,429
Akan digunakan model rumus:
y = + +
dengan = – , = – , = – dan y = Y –
harga-harga yang diperlukan adalah
∑ = ∑ + ∑ + ∑
∑ = ∑ + ∑ + ∑
Dapat disubstitusikan nilai-nilai yang bersesuaian dengan persamaan (2.7),
sehingga diperoleh :
1.864.585 = 1.040.599 b1+ 1.177,48 b2 - 8.148.361 b3
3.157,38 = 1.177,48 b1+ 2,54 b2 + 0 b3
-1.5E+07 = - 8.148.361 b1 + 0 b2 + 4.742.345.985 b3
Setelah diselesaikan diperoleh nilai-nilai sebagai berikut :
b1 = 0,78
hasil tersebut memberikan regresi Y atas , , berbentuk:
− = 0,78 ( − ) + 885,23 ( − ) - 0,002 ( − )
Atau = - 36.858,47 + 0,78 + 885,23 - 0,002
Setelah persamaan regresi berganda dipeeroleh maka dilakukan pengujian
hipotesa mengenai keberartian model regresi dengan kriteria pengujian sebagai
berikut:
Tolak jika >
Terima jika <
Rumus yang digunakan sebagai berikut:
=
= Statistik F yang menyebar mengikuti distribusi derajat kebebasan = k
dan = n-k-1 danα =0,05
Menguji keberartian regresi linier ganda ini dimaksudkan untuk
meyakinkan apakah regresi (berbentuk linier) yang didapat berdasarkan penelitian
ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan peubah.
Dari nilai tabel diatas dapat dicari nilai kuadrat regresi ( ), nilai jumlah
= b1∑x1iyi + b2∑x2iy2i + b3∑x3iyi
= 0,78(1.864.584) + 885,23(3.157,38) + -0,002(-1.5E+07)
= 1.446.281 + 2.795.000,9 + 27.997,06
= 4.269.279
Untuk JKres dapat diketahui dari tabel 4.2
= ∑( − )
= 1.759.948,43
Jadi Fhitung dapat dicari dengan rumus dibawah ini:
=
Hal ini berarti persamaan regresi linier berganda Yatas , dan bersifat
nyata yang berarti bahwa harga gabah kering panen, produktivitas beras dan
kebutuhan beras secara bersama-sama mempengaruhi fluktuasi harga beras di
4.4 Uji Koefisien Regresi Linier Berganda
Dari hasil perhitungan didapat persamaan penduga regresi berganda:
Ŷ = - 36.858,47 + 0,78 + 885,23 - 0,002
Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam
persamaan regresi di atas, perlu diadakan pengujian tersendiri mengenai
koefisien-koefisien regresinya.
1. Hipotesis pengujian
: = 0 ; I=1,2,3
Tidak ada pengaruh yang signifikan antarakoefisisen , dan
terhadap Y
: Minimal satu parameter koefisien regresi βkyang ≠ 0
2. Taraf nyata signifikan ( ) diambil sebesar 0,05
3. Kriteria pengujian: terima jika < dan tolak jika
>
4. Ambil kesimpulan berdasarkan kriteria pengujian.
Dengan koefisien korelasi ganda adalah sebesar:
= / (∑ )
= 148.202.387 / (6.029.228)
R =0,84
Dari perhitungan sebelumnya didapat ∑ = 1.040.599, ∑ = 2,54 dan ∑ =
4.742.345.985 dan nilai kesalahan bakunya dapat dihitung:
. =
∑( ) ²
. =
. . ,
. = 87.997,42
Dengan menggunakan persamaan (2.17) dapat dihitung kekeliruan baku koefisien
= .
(∑ 32) ( )
= . ,
( . . . ) ( , )
= 0,004
Diperoleh distribusi student
=
=
= , ,
= 1,811
=
= ,
,
= 3,248
= ₃
= , ,
= -0,424
Dari tabel distribusi t dengan dk = 20 dan = 0,05 diperoleh sebesar 2,090
dan dari hasil perhitungan di atas diperoleh :
1. = 1,811
2. = 3,248
3. = -0,424
Sehingga dari ketiga koefisien regresi tersebut variabel (Harga Gabah Kering
Panen) dan (Produktivitas Beras) memilliki pengaruh yang berarti atau
signifikan terhadap persamaan regresi yang didapat, sedangkan variabel
(Kebutuhan Beras) tidak memiliki pengaruh yang berarti atau signifikan
4.5Uji Koefisien Korelasi
Tabel 4.3 Nilai yang Diperlukan untuk Uji Korelasi
Bulan Y
Sambungan tabel 4.5
Bula
n Y Y Y
1 162.319,1 6.986.859,0 494.082.204 28.167.832 398.323,7 1.212.455.562 69.122.596
2 152.737,1 6.986.859,0 464.915.604 26.058.712 391.616,3 1.192.038.942 66.814.276
3 157.288,5 6.986.859,0 478.769.739 26.733.469 390.131,1 1.187.518.119 66.308.449
4 151.251,9 6.986.859,0 460.394.781 23.109.240 350.701,2 1.067.497.560 53.582.400
5 161.696,3 6.986.859,0 492.186.375 26.746.875 379.686,8 1.155.726.525 62.805.625
6 158.821,7 6.986.859,0 483.436.395 23.125.440 334.220,2 1.017.331.008 48.664.576
7 139.561,8 8.104.791,0 492.783.471 20.991.078 345.239,5 1.219.017.402 51.926.436
8 160.306,9 9.222.675,0 644.105.000 26.205.872 375.231,1 1.507.660.000 61.340.224
9 151.539,3 6.986.859,0 461.269.779 25.161.665 381.124,1 1.160.101.515 63.282.025
10 151.299,8 6.986.859,0 46.0540.614 24.638.716 373.793,8 1.137.789.066 60.871.204
11 160.977,6 7.056.759,7 49.490.1120 26.268.480 374.560,4 1.151.528.856 61.121.124
12 160.546,4 7.825.284,0 547.328.883 26.841.510 383.759,1 1.308.297.330 64.160.100
13 174.281,8 7.081.650,5 523.394.637 31.550.899 426.891 1.282.017.903 77.281.681
14 159.034,0 7.081.650,5 477.603.075 27.418.300 406.544,3 1.220.913.876 70.090.384
15 177.244,0 7.081.650.5 532.290.450 31.342.550 416.984,7 1.252.267.971 73.736.569
16 173.990,5 7.081.650.5 522.519.639 31.842.121 431.552,7 1.296.017.871 78.978.769
17 169.328,7 7.081.650.5 508.519.671 30.117.219 419.412,7 1.259.559.621 74.597.769
18 170.348,5 7.081.650.5 511.582.164 30.298.596 419.412,7 1.259.559.621 74.597.769
19 163.695,8 8.214.749.5 570.261.957 28.889.470 416.159,2 1.449.761.190 73.444.900
20 167.483,4 9.347.800,0 663.932.500 29.175.091 410.769,0 1.628.357.500 71.554.681
21 170.008,6 7.081.650.5 510.561.333 29.667.474 411.497,4 1.235.788.842 71.808.676
22 177.632,5 7.081.650.5 533.457.114 31.096.658 412.808,6 1.239.726.333 72.267.001
23 189.141,2 7.152.499.5 573.702.340 33.855.340 422.083,5 1.280.262.064 75.550.864
24 177.438,2 7.931.450.5 596.818.782 31.362.282 416.790,5 1.401.887.139 73.667.889
Jum
lah 3.937.973 177.404.085 12.499.357.627 670.664.889 9.489.294 30.123.081.816 1.617.575.987
4.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas,
maka dari tabel 4.5 dapat dihitung besar koefisien korelasinya dengan
1. Koefisien korelasi antara harga beras (Y) dengan harga gabah kering
2. Koefisien korelasi antara harga beras (Y) dengan produktivitas beras ( ) :
=
∑ (∑ ) (∑ )=
∑ (∑ ) (∑ )4.5.2 Perhitungan Korelasi antara Variabel Bebas
= ∑ −(∑ ) (∑ )
3. Koefisien korelasi antara produktivitas beras ( ) dengan kebutuhan beras ( ) :
=
∑
2 3−
(
∑
2) (
∑
3)
Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap
variabel tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan
sebagai berikut:
2. = 0,808 ; variabel berkorelasi sangat kuat terhadap variabel Y
3. = -0,116 ; variabel berkorelasi sangat lemah terhadap variabel Y
4. = 0,725 ; variabel berkorelasi sangat kuat terhadap variabel
5. = -0,116 ; variabel berkorelasi sangat lemah terhadap variabel
6. = 0,000 ; variabel berkorelasi sangat lemah terhadap variabel
4.6 Perhitungan Koefisien Determinasi
Langkah berikutnya adalah menghitung koefisien determinasi dengan rumus:
Dimana adalah koefisien multiple yang dikuadratkan. Dari hasil perhitungan
telah diperoleh maka R dapat dihitung:
= ∑
= . .
. .
= 0,71
Dan untuk koefisisen korelasi ganda digunakan rumus:
R = √
= √0,71
= 0,84
Nilai koefisien determinasi sebesar 0,71 berarti sekitar 71% kenaikan harga beras
Beras, nilai tersebut menunjukkan hubungan yang kuat mempengaruhi terjadinya
fluktuasi harga beras di Sumatera Utara. Sedangkan sisanya (100% - 71% = 29%)
BAB 5
IMPLEMENTASI SISTEM
5.1Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai
sistem atau sistem yang diperbaiki.
Tahapan implementasi sistem merupakan tahapan penerapan hasil desain
yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini
menggunakan software yaitu SPSS 17.0 dalam memperoleh hasil perhitungan.
5.2 Sekilas Tentang Program SPSS
SPSS merupakan salah satu paket program komputer yang digunakan untuk
mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien, dengan
hasil perhitungan yang akurat dengan program untuk analisis statistik yang paling
SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford
University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan
nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan
versi Windows. SPSS dengan sistem Windows telah mengeluarkan software
dengan beberapa versi yang berkembang dalam penggunaannya dalam mengolah
data statistika.
SPSS sebelumnya dirancang untuk pengolahan data statistik pada
ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the
Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS
diperluas untuk berbagai jenis penggunaan, misalnya untuk proses produksi di
perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi
singkatan dari Statistical Product and Service Solutions.
5.3Pengolahan Data dengan SPSS
1. Memulai SPSS pada window yaitu sebagai berikut :
Pilih menu Start dari Windows
Selanjutnya pilih menu Program
Tampilannya adalah sebagai berikut :
Gambar 5.2 Tampilan Jendela Data View dalam SPSS 17.0
2. Memasukan data ke dalam SPSS
SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan
Variable View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data
Editor harus berada pilih ada “Variable View”. Lakukan dengan mengklik tab
sheet Variable View yang berada dibagian kiri bawah atau langsung menekan
Ctrl+T. Tampilan variable view juga dapat dimunculkan dari View lalu pilih
Tampilannya adalah sebagai berikut :
Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS
Pada tampilan jendela Variabel view terdapat kolom-kolom berikut :
Name : untuk memasukkan nama variabel yang akan diuji
Type : untuk mendefenisikan tipe variabel apakah bersifat
numeric atau string
Widht : untuk menuliskan panjang pendek variabel
Decimals : untuk menuliskan jumlah desimal di belakang koma
Label : untuk menuliskan label variabel
Values : untuk menuliskan nilai kuantitatif dari variabel yang skala
pengukurannya ordinal atau nominal bukan scale
Columns : untuk menuliskan lebar kolom
Align : untuk menuliskan rata kanan, kiri atau tengah penempatan
teks atau angka di Data view
Measure : untuk menentukan skala pengukuran variabel,
misalnya nominal, ordinal atau scale
2.1Pengisian Variabel
Tempatkan pointer pada baris pertama di bawah Name.
Name : klik ganda pada sel tersebut dan ketik Thn
Type : Pilih string karena dalam bentuk data
Width : Untuk keseragaman ketik 8
Decimal : Ketik 0
Label : Ketik Tahun
Values dan Missing : Abaikan pilihan ini karena data tidak
dikategorisasikan
Align : Pilih Center
Measure : Pilih nominal
Variabel Y
Name : Letakkan kursor di bawah Thn, lalu klik ganda
pada sel tersebut kemudian ketik jlh_kclkn
Type : Pilih numeric karena berupa angka
Width : Untuk keseragaman ketik 8
Label : Ketik Jumlah Kecelakaan
Align : Pilih Center
Measure : Pilih scale
Variabel X
Name : Letakkan kursor di bawah jlh_kclkn, lalu klik
ganda pada sel tersebut kemudian ketik jlh_kbm
Type : Pilih numeric karena berupa angka
Width : Untuk keseragaman ketik 8
Decimal : Ketik 0
Label : Ketik Jumlah Kendaraan Bermotor
Align : Pilih Center
Measure : Pilih scale
Lakukan seterusnya untuk variabel X2 dan X3 dengan Name dan Label yang
sesuai dengan Variabel yang dimaksudkan.
2.2Pengisian Data
1. Aktifkan jendela data dengan mengklik Data View
2. Ketikkan data yang sesuai dengan setiap variabel yang telah
Tampilannya adalah sebagai berikut :
Gambar 5.4 Tampilan Jendela Pengisian Data View
5.4 Pengolahan Data dengan Persamaan Regresi
Langkah-langkahnya adalah sebagai berikut :
1. Tampilkan lembar kerja dimana sudah terdapat data yang akan dianalisis
2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression
Gambar 5.5 Pilih Analyze,Regression, Linear
3. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog
ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak
bebas Y (harga beras) pada kotak Dependent, dan variabel bebas X (harga
gabah kering panen, produktivitas beras, kebutuhan beras) pada kotak
Gambar 5.6 Kotak Dialog Linier Regression
4. Klik kotak Statistics pada kotak dialog Linear Regression, kemudian
aktifkan Estimate, Model fit, Descriptive dan Casewise diagnostics, lalu
Gambar 5.7 Kotak dialog Linear Regression : Statistics
5. Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk
membuat grafik. Isi kolom Y dengan pilihan SDRESID dan kolom X dengan
ZPRED, kemudian klik Next. Isi lagi kolom Y dengan ZPRED dan kolom X
dengan DEPENDNT. Pada Standardizes Residual Plots, aktifkan
Histogram dan Normal Probability Plot. Lalu klik Continue untuk
Gambar 5.8 Kotak dialog Linear Regression : Plots/Option
6. Kemudian klik tombol Options pada kotak dialog Linear Regression sehingga
muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktikan Use
Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai
entry 0,05. Aktifkan include constant in aquation dan Exclude Cases
Gambar 5.9 Kotak dialog Linear Regression : Use Probability of F
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan analisis data yang telah dilakukan, maka diperoleh beberapa
kesimpulan antara lain:
1. Model persamaan regresi linier berganda adalah :
= - 36.858,47 + 0,78 + 885,23 - 0,002
2. Dari hasil bab sebelumnya diperoleh bahwa harga gabah kering panen,
produktivitas beras dan kebutuhan beras secara bersama-sama berpengaruh
positif dan signifikan terhadap variabel Y dan secara parsial hanya
variabel (harga gabah kering panen) dan (produktivitas beras) yang
berpengaruh positif dan signifikan terhadap variabel Y. Hal ini
menyimpulkan bahwa jika secara bersama-sama variabel bebas ( , ,
) bertambah akan mempengaruhi fluktuasi harag beras (Y), namun jika
secara parsial hanya pertambahan dari dan yang akan
mempengaruhi fluktuasi harga beras di Sumatera Utara.
3. Koefisien korelasi ganda untuk = 0,71 dan R = 0,84 dari hasil tersebut
menunjukkan hubungan yang kuat mempengaruhi terjadinya fluktuasi
harga beras di Sumatera Utara.
4. Dari variabel bebas (harga gabah kering panen, produktivitas beras,
kebutuhan beras), variabel terikat dapat dijelaskan sebesar 86.6 % dalam
penelitian ini, sisanya sebesar 13.4% dipengaruhi oleh variabel lain yang
tidak dapat dijelaskan dalam penelitian ini.
6.2 Saran
Untuk melakukan penelitian tentang fluktuasi harga beras di Sumatera
Utara harus memperhatikan beberapa faktor lain yang juga mempengaruhi
DAFTAR PUSTAKA
Algifari. 2000. Analisis Regresi Teori, Kasus, dan Solusi. Yogyakarta: BPFE
http://id.wikipedia.org/wiki/Statistika
J. Supranto. 1977. Statistik Teori dan Aplikasi Edisi ke-6. Jakarta: Erlangga
J. Supranto. 2009. The Power of Statistics Edisi ke-2. Jakarta: Salemba Empat
Priyatno Duwi. 2011. Buku Saku SPSS Analisis Statistik. Yogyakarta: Media Kom
Sudjana. 1992. Metoda Statistika Edisi ke-6. Bandung. Tarsito
Sudjana, S.. Tuntunan Penyusunan Karya Ilmiah, Makalah – Skripsi – Tesis –
Disertasi. Bandung: Sinar Baru Algesindo,2001
Sutrisno Hadi. 2001. Statistik Jilid 2. Yogyakarta. Andi
www.google.com
Yamin Sofyan. 2011. Regresi dan Korelasi dalam Genggaman Anda. Jakarta:
