ANALISA DERET WAKTU KONSUMSI KALORI DI PROVINSI
SUMATERA UTARA PADA TAHUN 2002-2012
TUGAS AKHIR
KATARINA SIHOTANG 102407048
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISA DERET WAKTU KONSUMSI KALORI DI PROVINSI
SUMATERA UTARA PADA TAHUN 2002-2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
KATARINA SIHOTANG 102407048
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Analisa Deret Waktu Konsumsi Kalori di Provinsi Sumatera Utara Pada Tahun2002-2012
Kategori : Tugas Akhir
Nama : Katarina Sihotang
Nomor Induk Mahasiswa : 102407048 Program Studi : D3 Statistika Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Disetujui di
Medan, Juni 2013
Disetujui Oleh :
Departemen Matematika FMIPA USU Pembimbing,
Ketua,
PERNYATAAN
ANALISA DERET WAKTU KONSUMSI KALORI DI PROVINSI SUMATERA UTARA PADA TAHUN 2002-2012
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 2013
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 Analisa Deret Waktu Konsumsi Kalori di Provinsi
Sumatera Utara pada Tahun 2002-2012.
Terimakasih penulis sampaikan kepada Bapak Drs. Agus Salim Harahap, M.Si
selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akh`ir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Satistika
FMIPA USU, Bapak Prof. Dr. Tulus, M.Si. PhD dan Ibu Dra. Mardiningsih, M.Si
selaku ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr.
Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program
Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah.
Akhirnya tidak terlupakan kepada Bapak dan Ibu tercinta, D. Sihotang dan P.
Tinambunan juga semua keluarga yang selama ini memberikan bantuan dan dorongan
DAFTAR ISI
1.6 Waktu dan Lokasi Penelitian 6
1.7 Tinjauan Pustaka 7
2.5 Metode Proyeksi Trend dengan Regresi 17 2.6 Regresi Linier Sederhana dari Analisis Deret Waktu 19
2.7 Significant Test 22
BAB 3 GAMBARAN UMUM TEMPAT RISET
3.1 Tata Kerja Badan Pusat Statistik 25
3.2 Tugas Badan Pusat Statistik 25
3.3 Visi dan Misi 28
BAB 4 PENGOLAHAN DATA
4.1 Pengumpulan Data 31
4.2 Menentukan Persamaan Regresi 31
4.3 Significant Test 36
4.3.1 Uji F (F-Test) 36
4.3.2 Uji T ( T-Test) 38
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 41
5.2 Tujuan Implementasi Sistem 41
5.3 Tahapan Implementasi Sistem 41
5.4 Pengertian Microsoft Excel 42
5.5 Struktur Microsoft Excel 43
5.6 Pengoperasian Microsoft Excel 43
DAFTAR TABEL
Halaman Tabel 4.2.1 Data Konsumsi Kalori di Sumatera Utara
pada tahun 2002 – 2012 31
Tabel 4.2.2 Proyeksi dengan Metode Regresi Sederhana 33 Tabel 4.2.3 Hasil Peramalan Jumlah Konsumsi Kalori
di Propinsi Sumatera Utara untuk Tahun 2013 – 2017 35 Tabel 4.3.1 Perhitungan Standard Error of Estimasi dari Data
Jumlah Konsumsi Kalori di Propinsi
Sumatera Utara 2002 – 2012 36
Tabel 6.1 Hasil Peramalan Jumlah Konsumsi Kalori
DAFTAR GAMBAR
Halaman Gambar 4.1 Diagram Batang Konsumsi Kalori di Propinsi
Sumatera Utara tahun 2002 – 2012 32
Gambar 4.1 Diagram Plot Konsumsi Kalori di Propinsi Sumatera Utara tahun 2002 – 2012 32
Gambar 5.1 Tampilan Awal SPSS 17.0 46
Gambar 5.2 Pendefenisian Data 47
Gambar 5.3 Tampilan Data View 48
Gambar 5.4 Kotak Dialog Analisis Regresi 48
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Salah satu indikator untuk menunjukkan tingkat kesejahteraan penduduk adalah
tingkat kecukupan gizi, yang lazim disajikan dalam banyaknya zat gizi seperti kalori.
Kalori merupakan satuan yang digunakan untuk menyatakan jumlah energi. Yang pada
umumnya kalori digunakan untuk menunjukkan jumlah energi yang terkandung dalam
makanan. Kalori sendiri dapat diperoleh dari asupan makanan yang mengandung
nutrisi, seperti karbohidrat, lemak, protein, dan alkohol. Dimana konsumsi kalori
dihitung dengan mengalikan kuantitas setiap makanan yang dikonsumsi dengan
besarnya kandungan kalori dalam setiap jenis makanan. Dan jumlah kalori tersebut
diperlukan untuk memperhitungakan keseimbangan energi.
Tubuh membutuhkan energi atau pun kalori dalam melaksanakan aktivitas
sehari-hari. Namun ternyata masih banyak masyarakat yang belum paham mengenai
kecukupan kalori yang harus dikonsumsi agar setara dengan energi yang dikeluarkan
untuk beraktivitas. Dan meskipun kecukupan kalori yang dibutuhkan oleh setiap orang
berbeda-beda, Departemen Kesehatan RI telah menetapkan angka kecukupan kalori
masing-masing 2000 kkal/hari. Jika berpedoman pada batas standar kecukupan konsumsi
kalori per kapita, yaitu 2000 kkal/hari, maka angka nasional rata-rata konsumsi kalori
penduduk Indonesia pada tahun 2012 masih berada di bawah standar kecukupan yakni
hanya sebesar 1.852,64 kkal. Sedangkan rata-rata angka kecukupan konsumsi kalori di
provinsi Sumatera Utara pada tahun 2012 adalah 1.834,50 kkal. Dan dilihat dari
kecukupan gizi yang masih di bawah standar yang artinya jumlah kalori yang
dikonsumsi lebih kecil dari kalori yang digunakan, berat badan akan berkurang karena
cadangan energi dan lemak akan digunakan. Namun kelebihan energi juga akan
disimpan sebagai lemak. Adapun lemak yang berlebihan dapat meningkatkan resiko
terjadinya hipertensi, obesitas, stroke, penyakit jantung, dan diabetes. Dan karena itu,
asupan kalori juga perlu dikontrol untuk menjaga berat badan dan mencegah terjadinya
penyakit metabolik.
Kalori dapat diperoleh dari tiga sumber energi utama yang diperoleh dari
makanan, antara lain karbohidrat, lemak, dan protein. Dengan mengonsumsi 1 g
karbohidrat dan 1 g protein setara dengan mengonsumsi 4 kkal. Sedangkan 1 g lemak
akan setara dengan 9 kkal. Dan beberapa sumber energi tersebut dapat diperoleh dari
berbagai jenis makanan. Namun ada kalanya semua hal akan menjadi buruk jika
dilakukan secara berlebihan. Sama halnya jika mengonsumsi makanan dengan
karbohidrat atau pun sumber energi lainnya secara berlebihan justru akan
menyebabkan penyakit. Karena itu di anjurkan agar mengonsumsi sumber energi
Pengaturan kalori sangatlah penting. Pengaturan keseimbangan kalori yang
baik dapat membantu mempertahankan pola hidup sehat, berat badan ideal, dan
mencegah penyakit metabolik di kemudian hari. Dan mengingat konsumsi kalori
masyarakat provinsi Sumatera Utara yang juga masih berada di bawah standar
kecukupan gizi yang seharusnya, maka penulis ingin menganalisis konsumsi kalori
yang berada di Sumatera Utara dengan judul, “Analisa Deret Waktu Konsumsi
Kalori di Provinsi Sumatera Utara Pada Tahun 2002-2012.”
1.2 Rumusan Masalah
Berdasarkan uraian yang terdapat pada latar belakang masalah di atas, yang menjadi
permasalahan adalah bagaimana keadaan tingkat konsumsi kalori penduduk provinsi
Sumatera Utara setiap tahunnya. Terlebih penulis menganalisis tingkat konsumsi
kalori pada tahun 2002 hingga 2012. Apakah terjadi peningkatan setiap tahunnya atau
juga sebaliknya mengalami penurunan. Dilihat dari populasi penduduk provinsi
Sumatera Utara yang semakin meningkat setiap tahunnya, tentu akan membawa
dampak pada tingkat konsumsi kalori pada tahun-tahun yang akan datang. Dan hal ini
nantinya akan menunjukkan bahwa keseimbangan tingkat konsumsi kalori dengan
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengumpulkan dan menganalisa data yang
diperoleh secara sistematis dan efisien untuk memecahkan suatu masalah sehingga
memperoleh suatu kesimpulan yang dapat dipakai untuk proses program kerja
selanjutnya.
1.4 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah :
1. Memberikan informasi tentang tingkat konsumsi kalori masyarakat
di Provinsi Sumatera Utara.
2. Memberikan gambaran sebagai pendekatan yang akan terjadi di
masa yang akan datang mengenai tingkat konsumsi kalori di
Provinsi Sumatera Utara.
3. Sebagai salah satu syarat untuk menyelesaikan program studi
Diploma III Statistika USU.
4. Sebagai salah satu wadah untuk menerapkan ilmu yang diperoleh
1.5 Metodologi Penelitian
Untuk memudahkan penulis dalam penyajian Tugas Akhir ini, maka penulis
memperoleh data melalui riset (pengambilan data) di Badan Pusat Statistik (BPS) yang
berlokasi di Jl. Asrama No. 179 Medan, Sumut. Di dalam riset data juga digunakan
beberapa metode yaitu sebagai berikut :
1. Penelitian Kepustakaan (Library Research), yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan dengan cara
membaca buku-buku referensi dan bahan-bahan yang bersifat teoritis yan
mendukung penulisan tugas akhir.
2. Metode pengumpulan data, untuk memperoleh data dan informasi
mengenai tingkat konsumsi kalori di Provinsi Sumatera Utara dengan cara
mengadakan penelitian di BPS (Badan Pusat Statistik) Provinsi Sumatera
Utara dan menulis data yang diperlukan. Metode pengumpulan data yang
digunakan adalah data sekunder yaitu data yang pengumpulannya bukan diusahakan sendiri oleh peneliti. Data sekunder disini ialah data yang
diolah/diperoleh dari BPS (Badan Pusat Statistik) Provinsi Sumatera Utara.
3. Metode Pengolahan Data, metode dalam pengolahan data pada
permasalahan ini menggunakan regresi sederhana (simple regression).
Dimana regresi sederhana merupakan suatu pola hubungan yang
merupakan fungsi dimana hanya terdapat satu variabel yang menentukan
pola hubungan antara dua variabel tersebut dapat digunakan analisa deret
waktu (time series).
Dalam analisa deret waktu (time series) ini variabel bebas adalah waktu. Pola hubungan yang ditunjukkan dengan analisa regresi sederhana mengasumsikan
bahwa hubungan diantara dua variabel dapat dinyatakan dengan suatu garis lurus.
Notasi regresi sederhana yang merupakan garis lurus ini dinyatakan
sebagai :
Y = a + bX
Dengan :
Y adalah variabel yang diramalkan (dependent variabel) X adalah variabel waktu
a dan b adalah parameter atau koefisien regresi.
1.6 Waktu dan Lokasi Penelitian
Penelitian dilakukan di Kantor BPS (Badan Pusat Statistik) provinsi Sumatera Utara
1.7 Tinjauan Pustaka
(Algifari.1996. Analisis Regresi Teori, Kasus dan Solusi.)
Selain dapat menggunakan korelasi untuk melihat hubungan antara variabel yang satu
dengan variabel yang lain, dapat juga digunakan model regresi. Dalam hal ini regresi
sederhana hanya melibatkan dua variabel saja. Misalnya bila ada nilai random variabel
X tertentu, kita dapat mengekspektasikan nilai variabel random Y. Jadi nilai X
mempengaruhi Y, dapat dikatakan sebagai ketergantungan Y pada X. Dan karena itu variabel X disebut variabel independen (bebas) dan variabel Y disebut variabel dependen (terikat).
Secara umum dinyatakan nilai ekspektasi variabel random Y bila variabel random X
mempunyai nilai tertentu atau dengan rumus :
E(Y|X = x) = + βx
(Assauri, Sofjan.1984. Teknik dan Metode Peramalan).
Metode peramalan adalah cara memperkirakan secara kwantitatif apa yang akan terjadi
pada masa depan, berdasarkan data yang relevan pada masa lalu.
Metode-metode peramalan dengan analisa deret waktu, yaitu :
1. Metode Regresi, metode ini biasa digunakan untuk ramalan jangka
2. Metode Pemulusan Eksponensial dan Rata-Rata Bergerak, sering
digunakan untuk ramalan jangka pendek dan jarang dipakai untuk
peramalan jangka panjang.
3. Metode Box Jenkins, metode ini jarang dipakai tetapi baik untuk jangka
pendek, jangka menengah dan jangka panjang.
(Markridakis, Spyros.1993.Metode dan Aplikasi Peramalan).
Peramalan (Forecasting) merupakan kegiatan memprediksi nilai-nilai sebuah variabel berdasarkan nilai yang diketahui dari variabel tersebut atau variabel yang
berhubungan. Terdapat dua macam metode yaitu metode kualitatif dan metode
kuantitatif. Metode kualitatif hanya menggunakan intuisi saja, tanpa menggunakan
pendekatan matematis maupun statistik. Situasi, kondisi, dan pengalaman peramal
sangat mempengaruhi hasil ramalan. Metode kuantitatif dapat dibedakan menjadi dua
cara yaitu metode kausal dan metode time series. Metode kausal mempertimbangkan nilai sebuah variabel sebagai pengaruh dari banyak variabel yang lain. Sedangkan
1.8 Sistematika Penulisan
Sistematika penulisan Tugas Akhir ini terdiri dari 5 (lima) bab yang masing-masing
diuraikan dalam beberapa sub bab yaitu :
BAB 1 : PENDAHULUAN
Bab ini berisi tentang Latar Belakang, Rumusan Masalah, Tujuan
Penelitian, Manfaat Penelitian, Metodologi Penelitian, Tinjauan
Pustaka dan Sistematika Penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menjelaskan tentang konsep dasar yang mencakup
penyelesaian masalah dengan judul dan permasalahan yang di uraikan.
BAB 3 : GAMBARAN UMUM TEMPAT RISET
Pada bab ini diuraikan tentang gambaran umum instansi tempat
penulis mengadakan penelitian dan pengumpulan data yaitu Badan
Pusat Statistik (BPS)
BAB 4 : PENGOLAHAN DATA
Bab ini berisi tentang cara penggunaan rumus dan metode yang telah
ditentukan.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menjelaskan tentang program atau pun software yang di
BAB 6 : KESIMPULAN DAN SARAN
Bab ini menjelaskan kesimpulan dari hasil penelitian serta saran-saran
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjangan waktu
(timelag) antara kesadaran dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Jika perbedaan waktu tersebut panjang, maka peran
peramalan begitu penting dan sangat dibutuhkan terutama dalam penentuan waktu
kapan akan terjadinya sesuatu, sehingga dapat dipersiapkan tindakan yang perlu
dilakukan.
Metode peramalan akan membantu dalam mengadakan pendekatan analisa
terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara
pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta
2.2 Jenis-jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara
melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan
atas dua macam, yaitu :
1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau
“judgement” dari orang yang menyusunnya sangat menentukan baik tidaknya
hasil ramalan tersebut .
2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan
pada masa lalu dengan menggunakan teknik-teknik dan metode dalam
penganalisaan data tersebut .
Disamping itu, dilihat dari jangka waktu ramalan yang disusun. Maka
peramalan dapat dibedakan atas dua macam pula,yaitu:
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan jangka waktunya lebih dari satu setengah tahun atau tiga
semester. Peramalan itu pun seperti ini misalnya diperlukan dalam penyusunan
rencana pembangunan suatu negara atau suatu daerah, corporate planning, rencana investi atau rencana ekspansi dari suatu perusahaan.
b. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan
tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana
tahunan, rencana kerja operasional, penyusunan rencana produksi, rencana
penjualan, rencana persediaan, anggaran produksi, dan anggaran perusahaan.
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat
dibedakan menjadi dua macam, yaitu:
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang
yang menyusunnya. Hal ini karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan
secara kualitatif ini didasarkan atas hasil penyelidikan.
2. Peramalan kuantitatif, yaitu peramalan didasarkan atas data kuantitatif pada
masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode
yang digunakan dalam peramalan tersebut. Dengan peramalan yang
berbeda akan diperoleh hasil peramalan yang berbeda. Ada pun yang perlu
diperhatikan dari penggunaan metode-metode tersebut adalah baik tidaknya
metode yang dipergunakan, dimana sangat ditentukan oleh perbedaan atau
penyimpangan antara hasil peramalan dengan kenyataan yang terjadi.
Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan
atau penyimpangan yang mungkin terjadi. Peramalan kuantitatif hanya
a. Adanya informasi tentang keadaan yang lain
b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa
yang akan datang.
2.3 Langkah-langkah Peramalan
Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh
proses pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan
yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan
yang baik. Pada dasarnya ada tiga langkah peramalan yang penting yaitu:
1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang
terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara
membuat tabulasi data maka dapat diketahui pola data tersebut
2. Menentukan metode yang digunakan. Masing-masing metode akan
memberikan hasil peramalan yang berbeda. Dimana metode
peramalan yang baik adalah metode yang menghasilkan
penyimpangan antara hasil peramalan dengan nilai kenyataan yang
sekecil mungkin
3. Memproyeksikan data yang lalu dengan menggunakan metode
yang dipergunakan dan mempertimbangkan adanya beberapa
terdiri dari perubahan kebijakan-kebijakan yang mungkin terjadi,
termasuk kebijakan pemerintah.
Proyeksi adalah adanya suatu kecenderungan sesuatu hal yang masih belum
diketahui dan mempunyai nilai pada masa yang akan datang yang merupakan petunjuk
tentang jumlah sesuatu hal pada masa mendatang.
2.4 Metode Peramalan
Peramalan adalah kegiatan yang memperkirakan apa yang akan terjadi pada masa yang
akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Ramalan dapat didasarkan atas
bermacam-macam cara yang kita kenal dengan metode peramalan.
Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa
yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan pada
masa lalu, dan karena itu maka metode peramalan ini dipergunakan dalam peramalan
yang objektif. Metode peramalan ini sangat berguna, karena akan membantu dalam
mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu,
sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis
dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan
Seperti yang telah diuraikan pada pembahasan diatas, dimana metode
peramalan menggunakan peramalan kuantitatif. Oleh karena itu dalam pembahasan
selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode
peramalan kuantitatif ini dapat dibedakan atas:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu,
yang merupakan deret waktu (time-series).
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel lain yang
memepengaruhinya, yang bukan waktu dan bisa disebut dengan sebab
akibat (causal methods).
Dalam pembahasan ini penulis membatasi mengenai metode peramalan yang
berhubungan deret waktu, karena penulis akan menggunakan salah satu diantara
metode-metode peramalan yang berhubungan dengan deret waktu (time series). Adapun metode-metode tersebut adalah sebagai berikut:
1. Metode smoothing, yaitu digunakan untuk mengurangi ketidak-teraturan
musiman dari data yang lalu maupun kedua-duanya, dengan membuat
rata-rata tertimbang dari sederetan data yang lalu. Ketepatan dari peramalan
untuk peramalan jangka panjang ketepatannya akan berkurang. Data yang
dibutuhkan untuk penggunaan metode ini minimal selama dua tahun.
2. Metode box jenkins, yaitu dengan menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat diminimalkan. Oleh
karena itu penggunaan metode ini membutuhkan identifikasi model dan
estimasi parameternya. Metode ini sangat baik ketepatannya untuk
peramalan jangka pendek, sedangkan peramalan untuk jangka panjang
ketepatannya kurang baik. Data yang dibutuhkan penggunaan metode
peramalan ini minimum dua tahun dan lebih baik bila data yang dimiliki
lebih dari dua tahun.
3. Metode proyeksi trend dengan regresi merupakan dasar garis trend untuk
persamaan matematis, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal yang diteliti untuk masa depan. Untuk peramalan jangka
pendek maupun jangka panjang, ketepatan peramalan dengan
menggunakan metode ini sangat baik.
Berdasarkan penjelasan di atas dan data yang diperoleh oleh penulis, maka pada tugas
akhir ini penulis akan menggunakan metode proyeksi trend dengan regresi yang akan
2.5 Metode Proyeksi Trend dengan Regresi
Pada dasarnya analisis regresi diinterpretasikan sebagai suatu analisis yang berkaitan
dengan studi ketergantungan (hubungan kasual) dari suatu variabel tak bebas
(dependent variabel) dengan satu atau lebih variabel penjelas (independent variabel) dengan maksud untuk menduga atau memperkirakan nilai rata-rata populasi atau
nilai-nilai tertentu dari variabel penjelas atau variabel bebas.
Analisis regresi juga telah dipergunakan secara luas dalam berbagai bidang
ilmu pengetahuan. Analisis regresi telah dipakai untuk menerangkan fungsi konsumsi,
fungsi produksi, fungsi penawaran, fungsi biaya dan investasi. Ada tiga macam atau
jenis dari analisis regresi ini, yaitu :
1. Analisis regresi yang mempelajari hubungan kausal antara satu variabel tak
bebas dan satu variabel bebas yang disebut analisis regresi sederhana (simple regression analysis).
2. Analisis regresi yang mempelajari hubungan kausal antara satu variabel tak
bebas dan dua atau lebih variabale bebas disebut analisis regresi berganda
(multiple regression analysis).
3. Analisis regresi yang mempelajari hubungan kausal antara sekumpulan
variabel tak bebas (dua atau lebih variabel tak bebas) dan sekumpulan variabel
bebas (dua atau lebih variabel bebas) disebut analisis regresi multivariate
Didalam penulisan tugas akhir ini akan dibahas persoalan dengan
menggunakan jenis analisis regresi yang pertama, yakni analisis regresi sederhana
(simple regression analysis).
Untuk analisis regresi sederhana ini ada dua pilihan, yaitu analisis regresi
sederhana yang bersifat linier maupun analisis regresi sederhana yang bersifat
nonlinier. Adapun yang dimaksud dengan dua pilihan tersebut adalah :
a. Analisis regresi linier yang sederhana adalah suatu pola hubungan yang
berbentuk garis lurus antara suatu variabel yang diramalkan dengan satu
variabel yang mempengaruhinya atau variabel bebas. Dalam analisa deret
waktu variabel bebasnya adalah waktu.
b. Analisis regresi nonlinier yang sederhana adalah suatu pola hubungan yang
berbentuk garis tidak lurus antar suatu variabel yang diramalkan dengan
satu variabel yang mempengaruhinya atau variabel bebas. Dalam analisa
deret waktu variabel bebasnya adalah waktu.
Untuk menyelesaikan persoalan dalam penulisan tugas akhir ini, maka penulis
akan menggunakan analisis sederhana yang pertama, yaitu analisis regresi sederhana
2.6 Regresi Linier Sederhana dari Analisis Deret Waktu
Regresi sederhana adalah satu pola hubungan yang merupakan fungsi dimana hanya
terdapat satu variabel yang menentukan atau variabel bebas (independent variable). Dengan notasi matematis, maka bentuk hubungan tersebut adalah
Y = f(X), dengan:
Y = Variabel yang diramalkan atau yang dicari (dependent variable)
X = variabel bebas (independent variable)
Analisa/model deret waktu (time series) adalah teknik atau metode peramalan dengan menggunakan analisa hubungan antara variabel yang dicari atau diramalkan
dengan hanya ada satu-satunya variabel bebas yang mempengaruhinya yang
merupakan variabel waktu. Jadi dalam analisa ini, variabel yang menentukan atau
variabel bebas (independent variable) hanyalah variabel waktu. Dalam Y = f(X), maka
Y adalah variabel yang diramalkan dan X adalah variabel waktu.
Regresi linier sederhana adalah suatu pola hubungan yang berbentuk garis
lurus antara suatu variabel yang diramalkan dengan satu variabel yang
mempengaruhinya atau variabel bebas. Pola hubungan yang ditujukan oleh analisa
regresi sederhana ini mengasumsikan bahwa hubungan diantara dua variabel tersebut
dinyatakan dengan satu garis lurus. Dalam penerapan metode ini, dapat dilakukan
kertas gambar atau grafik untuk melihat asumsi yang dapat digunakan bagi analisa
regresi sederhana. Selanjutnya digambarkan atau ditarik suatu garis lurus yang tepat
untuk mewakili titik-titik tersebt, yang bentuknya merupakan garis lurus. Regresi
sederhana yang merupakan pola garis lurus yaitu :
Y = a + bX
besaran tersebut merupakan nilai konstan yang tidak berubah-ubah di dalam
penganalisaan yang dilakukan. Artinya bila diperoleh nilai atau besaran a dan b, maka
untuk setiap nilai Xatau variabel waktu akan diperoleh besaran Y atau variabel dicari
untuk nilai X tersebut.
Terdapat beberapa teknik dan metode yang dapat dipergunakan untuk mencari
atau mengestimasi nilai a dan b dalam hubungan fungsional dari regresi sederhana.
Pada prinsipnya teknik dan metode yang ada mendasarkan proses analisanya pada
usaha untuk mendapatkan suatu garis lurus yang dapat melalui atau mendekati
= a + bX
Dari persamaan di atas dapat diperoleh hasil persamaan di bawah ini, yang
merupakan formula umum dari teknik dan metode yang disebut “least square.” Kedua
persamaan tersebut adalah :
a =
– atau a = - b
b = –
atau b = –
2.7 Significant Test
Untuk meneliti apakah persamaan regresi yang dipergunakan dalam penyusunan
ramalan atau benar linier, dimana data observsinya tepat berada disekitar garis regresi
linier tersebut, maka perlu dilakukan apa yang disebut “significant test.” Kalau ternyata dari hasil test yang dilakukan diperoleh hasil yang tidak signifikan, maka
kurang tepat bila persamaan regresi linier yang dipergunakan dalam penyusunan
ramalan tersebut.
Dalam significint test ini, kita ingin mengetahui apakah benar secara statistik
bahwa hubungan yang ada antara variabel yang diramalakan dengan variabel waktu
(a). Test untuk mengetahui apakah koefisen b secara statistik dari 0 (nol), hal ini
dikenal sebagai “F-Test”
(b). Test untuk mengetahui apakah nilai estimasi dari a dan b dapat bervariasi
karena pengaruh sampling dan pengaruh random, dengan apa yang dikenal
sebagai “T-test”
a. F Test
Distribusi F adalah ratio dari dua variabel seperti terlihat pada persamaan berikut
ini.
F=
Dimana, n adalah jumlah tahun atau jumlah observasi (besarnya sampel) dan k
adalah jumlah variabel (dalam regresi sederhana k=2).
Setelah diperoleh nilai Fratio, maka kemudian dilakukan perbandingan antara nilai Fratio ini dengan nilai Ftabel atau Ftest. Apabila nilai Fratio adalah lebih besar dari nilai Ftabel atau Ftest, maka secara statistik koefisien b adalah significant terhadap 0 (nol). Dengan kata lain, koefisien b tidak sama dengan 0 (nol) secara statistik,
sehingga persamaan regresi tersebut dapat dipergunakan untuk peramalan
b. T Test
Pengujian ini merupakan suau teknik untuk menguji apakah benar variabel yang
diramalkan dengan variabel yang mempengaruhinya yaitu waktu mempunyai pola
hubungan yang bersifat garis lurus (linier). Mengenai perhitungannya akan dijabarkan sebagai berikut :
Dengan
Dimana nilai Se dapat dicari dengan :
Dengan :
=
Selanjutnya kita akan membandingkan antara lain tratiodengan nilai ttabeldengan
tingkat keyakinan tertentu. Jika nilai yang diperoleh dari hasil perhitungan tratio
bahwa nilai koefisien regresi yaitu a atau b secara statistik signifikan terhadap 0
(nol) atau dengan kata lain, koefisien a atau b tidak sama dengan 0 (nol).
Demikianlah uraian mengenai penerapan dan maksud dari analisa atau model
peramalan deret waktu. Sebagai tambahan perlu kita ketahui bahwa :
1. Analisa atau model peramalan deret waktu yang berbentuk regresi
sederhana sering disebut dengan analisa trend.
2. Analisa atau model peramalan deret waktu dengan deret waktu regresi
sederhana akan memberikan kesimpulan yang lebih baik, bila jumlah
observasi sebagai sebagai sampel diperbanyak, sehingga ramalan secara
individual akan lebih mendekati nilai rata-rata dari garis regresi. Lebih baik
hasil ramalan tersebut adalah karena dengan memperbanyak jumlah
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Tata Kerja Badan Pusat Statistik
Para deputi wajib melaksanakan koordinasi dan kerja sama teknis statistik di dalam
dan di luar negeri sesuai dengan bidang tugas masing-masing dan harus melaporkan
kepada kepala BPS. Dalam melaksanakan tugasnya wajib menerapkan prinsip
koordinasi, integrasi, sibronisasi dan sinlifiksi, baik dalam lingkungan masing-masing
antara satuan unit organisasi di lingkungan BPS maupun dengan instansi lainnya di
luar BPS sesuai bidang masing-masing.
3.2 Tugas Badan Pusat Statistik
Menurut Keputusan Presiden RI Nomor 6 Tahun 1992 tugas BPS adalah :
1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah,
antara lain di bidang pertanian, agraria, pertambangan, perindustrian,
perhubungan, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan,
pendapatan nasional, pendidikan dan keagamaan.
2. Atas nama pemerintah melaksanakan koordinasi di lapangan kegiatan statistik
mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi,
memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan lain-lain.
3. Mengadakan segala daya agar masyarakat menyadari akan tujuan dan
kegunaan statistik.
Berdasarkan Keppres ini Kepala berada di bawah dan bertanggungjawab
langsung kepada Presiden serta mempunyai tugas :
1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina
aparatur BPS agar berdaya guna dan berhasilguna.
2. Menentukan kebijakan teknis pelaksanaan di bidang statistik yang
secara fungsional menjadi tanggung jawabnya sesuai dengan peraturan
perundang-undangan yang berlaku serta kebijakan umum yang telah
ditetapkan oleh Pemerintah.
3. Membina dan melaksanakan koordinasi dengan departemen dan instansi
lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan,
serta melaksanakan kerjasama di bidang statistik dengan
lembaga/organisasi lain baik di dalam maupun di luar negeri.
Wakil Kepala BPS berada di bawah dan bertanggung jawab langsung kepada
Kepala BPS serta mempunyai tugas :
1. Membantu Kepala BPS dalam membina dan mengembangkan
2. Membantu Kepala BPS dalam mengkoordinasikan tugas-tugas Deputi,
Pusat Pendidikan dan Pelatihan Statistik dan Perwakilan BPS di daerah.
3. Mewakili Kepala BPS dalam hal Kepala BPS berhalangan.
Deputi Administrasi mempunyai tugas menyelenggarakan pembinaan
pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan,
pengendalian, serta memberikan pelayanan administrasi di lingkungan BPS.
Deputi Perencanaan dan Analisis Statistik adalah unsur pelaksana sebagian
tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan
perencanaan program dan metodologi statistik, system informasi statistik, pengolahan
hasil sensus, survey dan data sekunder serta analisis dan pengembangan statistik.
Deputi Statistik Produksi dan Kependudukan adalah unsur pelaksana sebagian
tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan
statistik pertanian, industri, konstruksi, pertambangan dan energi, kesejahteraan rakyat,
serta statistik demografi dan ketenagakerjaan.
Deputi Statistik Produksi dan Neraca Nasional adalah unsur pelaksana sebagian
tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan
3.3 Visi dan Misi
Adapun visi Badan Pusat Statistik adalah menjadi sumber informasi statistik sebagai
tulang punggung informasi pembangunan nasional dan regional, didukung sumber
daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang
muktahir.
Sedangkan misi Badan Pusat Statistik adalah untuk menjungjung pembangunan
nasional BPS mengembangkan misi mengarahkan pembangunan statistik pada
penyediaan data statistik yang handal dan bermutu, efektif dan efisien, peningkatan
kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu
statistik.
3.4 Struktur Organisasi Badan Pusat Statistik
Struktur organisasi BPS dipimpin oleh seorang kepala dibantu oleh bagian tata usaha.
Tata usaha terdiri dari :
1. Sub bagian urusan dalam
2. Sub bagian perlengkapan dan perbekalan
3. Sub bagian keuangan
1. Menyusun program kerja tahunan bagian
2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja
tahunan, baik rutin maupun proyek kantor BPS Provinsi dan menyimpannya ke
BPS.
3. Mengatur dan melaksanakan urusan dalam yang meliputi surat-menyurat,
pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung,
keamanan dan ketertiban lingkungan, serta perjalanan dinas dalam dan luar
negeri.
4. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang
meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan,
penyimpanan pergudangan, inventaris, penghapusan, serta pemeliharaan
peralatan dan perlengkapan.
5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha
keuangan, perbendaharaan, verifikasi dan pembukuan.
Organisasi BPS berdasarkan KepPres RI Nomor 6 tahun 1992 terdiri atas :
1. Kepala
2. Wakil Kepala
3. Deputi Administrasi
4. Deputi Perencanaan dan Analisis Statistik
5. Deputi Statistik Produksi dan Kependudukan
6. Deputi Statistik Produksi dan Neraca Nasional
8. Perwakilan BPS di Daerah
9. Unit Pelaksanaan Teknis
Deputi Perencanaan dan Analisis Statistik (PAS) mengkoordinasi 3 biro yakni:
1. Biro Perencanaan dan Pengendalian
2. Biro Pengolahan dan Penyajian
3. Biro Analisa dan Pengembangan
1. Biro Statistik dan Industri
2. Biro Statistik Distribusi
3. Biro Statistik Sosial dan Kependudukan
BAB 4
PENGOLAHAN DATA
4.1 Pengumpulan Data
Pengambilan data dilakukan di Kantor Badan Pusat Statistik Sumatera Utara, data
yang diambil adalah data jumlah konsumsi kalori di Sumatera Utara pada tahun 2002 -
2012.
4.2 Menentukan Persamaan Regresi
Tabel 4.2.1
Dari data jumlah konsumsi kalori di atas, dapat digambarkan grafik sebagai
berikut :
Gambar 4.1
Diagram Batang Konsumsi Kalori di Propinsi Sumatera Utara tahun 2002 – 2012
Untuk memperkirakan atau pun meramalkan jumlah konsumsi kalori pada
tahun-tahun yang akan datang, maka terlebih dahulu menempatkan data hasil riset
dalam suatu gambar bidang datar dan kemudian menarik suatu garis yang mengikuti
titik-titik tersebut. Titik-titik tersebut seperti terlihat pada gambar dibawah ini :
Gambar 4.2
Diagram Plot Konsumsi Kalori di Propinsi Sumatera Utara tahun 2002 – 201
Dan untuk dapat menentukan persamaan penduga maka perlu dicari a dan b
Dari tabel di atas diperoleh nilai-nilai sebagai berikut :
∑Y = 22.030,32 ∑X = 55
∑XY = 109.096,29 ∑ X2= 385
∑ Y2 = 44.158.139,41
a = 2002,8 – (-9,6)(5)
a = 2002,8 + (48)
a = 2050,8
Dari hasil perhitungan di atas maka diperoleh persamaan regresi linier sederhana uamh akan digunakan untuk peramalan jumlah konsumsi kalori di provinsi Sumatera Utara, yaitu :
= a + bX
= 2050,8 – 9,6X Dengan :
X adalah skala waktu yang tahun dasarnya (X = 0) pada tahun 2002,
Y adalah ramalan jumlah konsumsi kalori di propinsi Sumatera Utara.
Dengan menggunakan persamaan regresi di atas maka dapat disusun ramalan
jumlah konsumsi kalori untuk tahun 2013, 2014, 2015, 2016, 2017. Besarnya ramalan
Tabel 4.2.3
Hasil Peramalan Jumlah Konsumsi Kalori di Propinsi Sumatera Utara untuk Tahun 2013 – 2017
Periode (tahun) Konsumsi Kalori (kkal)
2013 1935,6
Didalam sigificant test akan dilakukan dua pengujian, yaitu :
4.3.1 Uji F (F-Test)
Tabel 4.3.1
Perhitungan Standard Error of Estimasi dari Data Jumlah Konsumsi Kalori di Propinsi Sumatera Utara 2002 – 2012
Dari tabel diatas diperoleh :
Pada Uji F ini, kita akan menggunakan nilai koefisien penentu. Besarnya nilai Fratio diperoleh sebagai berikut :
F=
F =
F
=
F = 3,423386538
F = 3,4
Dengan tingkat keyakinan (confidence level) sebesar 95% atau tingkat signifikansi (significant level) sebesar 5%, maka dari tabel distribusi F diperoleh nilai
Ftabel yang diperoleh dengan nilai Fratio yang telah dihitung seluruhnya, maka diperoleh :
Fratio = 3,4 < Ftabel = 5,21
Hal ini menunjukkan bahwa koefisien regresi dalam persamaan regresi sederhana (simple regression) untuk peramalan jumlah konsumsi kalori masih belum signifikan antara variabel X terhadap variabel Y. Sehingga dapat dikatakan bahwa persamaan tersebut belum dapat diterima untuk digunakan sebagai peramalan jumlah konsumsi kalori di provinsi Sumatera Utara.
4.3.2 Uji T ( T-test)
Dari persamaan regresi telah diperoleh = 2050,8 – 9,6X sehingga dapat dicari, yaitu :
Dengan
Dari tabel 4.3.1 dapat dicari Sesebagai berikut :
Se
=
Se
=
Se
=
54,417628Se= 54,42
Sehingga,
Sa
=
Sa
=
Sa
=
Sa = 16,40824737
Sa
=
16,41Dan diperoleh,
ttest a
=
ttest a
=
ttest a
=
124,9726ttest a
=
124,97Untuk ttest b =
Dimana,
=
=
=
=
=
= 5,19
Maka ttest b diperoleh :
ttest b =
ttest b=
ttest b = -3,41637
ttest b = -3,42
Dengan tingkat keyakinan sebesar 95%, maka pada derajat kebebasan sebesar n – 2 yaitu 9 diperoleh nilai t tabel atau t distribusi sebesar :
t0,95;n-2= t0,95;9= 1,83
Oleh karena itu :
Maka dengan demikian dapat disimpulkan bahwa koefisien regresi a, secara statistik telah signifikan pada thitung (ttest a) lebih besar daripada ttabel yaitu dengan
keputusannya adalah menolak daerah penerimaan hipotesis nol (Ho), dimana koefisien
regresi a tidak sama dengan 0 (nol). Sedangkan koefisien regresi b secara statistik belum signifikan dimana nilai thitung (ttest b) lebih kecil daripada ttabel dengan keputusan
menerima daerah penerimaan hipotesis nol (Ho), yang artinya koefisien tersebut sama
dengan 0 (nol). Dengan demikian dilihat dari pengujian ttest a dapatlah dikatakan bahwa
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah langkah-langkah atau prosedur yang dilakukan dalam
menyelesaikan desain sistem yang telah disetujui, untuk menginstal, menguji dan
memulai sistem baru atau sistem yang diperbaiki.
5.2 Tujuan Implementasi Sistem
Adapun tujuan dari implementasi sistem ini adalah sebagai berikut:
1. Menyelesaikan desain sistem yang telah disetujui sebelumnya.
2. Memastikan bahwa pemakai (user) dapat mengoperasikan sistem baru 3. Menguji apakah sistem baru tersebut sesuai dengan pemakai.
4. Memastikan bahwa konversi ke sistem baru berjalan yaitu dengan membuat rencana,
mengontrol dan melakukan instalasi baru secara benar.
Tahapan implementasi sistem merupakan tahapan penerapan hasil desain yang tertulis
ke dalam programming (coding). Pada tahapan inilah seluruh hasil desain dituangkan ke dalam bahasa pemrograman tertentu untuk menghasilkan sebuah sistem informasi
yang sesuai dengan hasil desain tertentu.
Tahapan implementasi harus dapat menentukan basis yang akan diterapkan
dalam menuangkan hasil desain tertulis sehingga sistem yang dibentuk memiliki
kelebihan tersendiri. Implementasinya yang sudah selesai harus diuji coba
kehandalannya sehingga dapat diketahui kehandalah atau pun kelebihan dari sistem
yang ada yang telah sesuai dengan apa yang diinginkan. Dalam pengolahan data
jumlah konsumsi kalori, implementasi yang digunakan penulis adalah dengan
menggunakan software excel dan SPSS (Statistical Product and Service Solution)
Selain berfungsi sebagai pengolahan angka atau memanipulasi angka. Excel
juga dapat digunakan untuk memanipulasi teks komputer dan untuk dapat
mendayagunakan excel dengan maksimal harus juga menguasai sistem operasi
microsoft windows.
5.4 Pengertian Microsoft Excel
Microsoft excel adalah gernerasi porpose electronic spreadsheet yang dapat digunakan
mempresentasikan ke dalam grafik atau diagram. Ms. Excel dapat membantu
penyelesaian tugas- tugas mulai dari penyiapan invoice sederhana atau budget,
pembuatan grafik 3-dimensi sampai me-manage buku besar akuntansi untuk sebuah perusahaan tingkat menengah.
5.5 Struktur Microsoft Excel
Tampilan microsoft excel berupa bentuk standard dari menu bar, toolbars, formula bar,
dan sebuah buku kerja (workbook) baru. Workbook memuat minimum (1) atau maksimum (225) worksheet (kertas kerja) jumlah worksheet dalam keadaan default ada tiga (3) dan worksheet yang aktif bernama “sheet 1” pada alamat sel kiri atas dan
alamat sel kanan bawah. Sedangkan “pointer” adalah penunjuk sel yang aktif.
5.6 Pengoperasian Microsoft Excel
Cara mengaktifkan Ms. Excel sama dengan pengaktifan program-program aplikasi
lainnya yang ada dalam Ms. Office yaitu :
1. Klik tombol “start” yang ada pada taskbar
2. Bawa pointer mouse ke program folder
5.7 Pengisian Data
Ada 2 alternatif pengisian data, yakni melalui pengetikan secara langsung dengan
menggunakan keyboard atau melalui pengambilan data yang telah tersimpan
sebelumnya dan ingin diolah kembali.
5.8 Pembuatan Grafik
Grafik pada excel dapat dibuat meskipun dari data terpisah sebelumnya yang ada pada
lembar grafik yang tersendiri dan masih berada di file yang sama.Untuk membuat
grafik pada Ms. Excel bisa dilihat dari insert dan kemudian akan muncul beberapa
jenis chart yang terdapat pada toolbar. Adapun langkah-langkah yang diperlukan
adalah :
1. Soroti sel atau range sel yang ingin dibuat grafik
2. Pilih Insert dan akan muncul Chart type
3. Pilih type grafik yang anda inginkan dan klik pada type yang ada inginkan itu.
5.9 Pengaktifan SPSS 5.9.1 Pengertian SPSS
SPSS (Statistical Product and Service Solution) merupakan suatu program aplikasi yang memiliki kemampuan analisis statistik cukup tinggi serta sistem manajemen data
dan lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak
dialog yang sederhana sehingga mudah untuk dipahami cara pengoperasiannya. SPSS
juga merupakan suatu software statistik yang ditujukan untuk analisis data dan ilmu
sosial. SPSS pertama kali dibuat pada tahun 1968 oleh tiga mahasiswa Stanford
University dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama
SPSS/PC (versi DOS). Pada awalnya SPSS dibuat untuk keperluan pengolahan data
statistik untuk ilmu-ilmu sosial, sehingga kepanjangan SPSS pada saat itu adalah
Statistical Package for the Social Science. Dan sesuai dengan era globalisasi kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna (user) seperti banyak digunakan dalam berbagai riset pemasaran, pengendalian, dan perbaikan mutu
(quality improvement), serta riset-riset sains. Dan sejak itu jugalah SPSS diganti menjadi Statistical Product and Service Solution.
Dan dalam pengolahan data penulis menggunakan SPSS versi 17.00 for windows.
SPSS versi 17.00 for windows menggunakan dua buah type windows, yaitu SPSS data
editor dan output viewer. Data editor merupakan jendela untuk pengolahan data. Data
mendefenisikan, memasukkan, mengedit, dan menampilkan data. Sementara viewer
akan mempermudah pemakai melihat hasil pemrosesan, menunjukkan atau
menghilangkan bagian-bagian tertentu dari output. Pada SPSS versi 17.00 for windows
menu utama yang tersedia pada jendela data editor adalah File, Edit, View, Data,
Transform, Analyze, Graphs, Utilities, Add-ons, Windows, dan Help.
5.9.2 Memulai SPSS
Untuk mengaktifkan SPSS 17.0 for windows dengan menggunakan start kemudian
menu program, maka dapat dilakukan beberapa langkah berikut ini :
1. Klik menu Start, pilih All Programs
2. Pilih item SPSS versi 17.00 for windows, maka akan muncul gambar seperti
dibawah ini :
5.9.3 Pemasukan Data
Data yang akan dianalisi harus terlebih dahulu ditampilkan jendela data editor. Dan
jika data telah tersimpan dalam suatu file yang mempunyai format aplikasi, dapat
dibuka dalam software SPSS. Pemasukan data (entry data) dalam penulisan tugas akhir ini akan dilakukan secara langsung, namun terlebih dahulu mendefenisikan
variabel kemudian memasukkan data dengan beberapa langkah sebagai berikut :
1. Aktifkan Variabel View, kemudian isikan nama variabel pada kolom Name, seperti pada tampilan gambar di bawah ini :
Gambar 5.2 Pendefenisian Data
2. Setelah melakukan pendefenisian data maka pengisian data dilakukan dengan
yang terlibat dalam pembentukan model regresi linier sederhana dengan
memisalkan X variabel bebas yang menyatakan waktu dan Y variabel terikat
yang menyatakan jumlah konsumsi kalori, seperti terlihat pada gambar di
bawah ini :
Gambar 5.3 Tampilan Data View
Gambar 5.4
Kotak Dialog Analisis Regresi
4. Pada kotak dialog analisis regresi yang sudah muncul masukkan variabel bebas
(dalam hal ini X, Tahun) ke dalam kolom Independent(s) dan variabel terikat (dalam hal ini Y, jumlah konsumsi kalori) ke dalam kolom Dependent.
Gambar 5.5 Tampilan Kotak Statistics
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari hasil penelitian dan penganalisaan data-data yang dilakukan sebelumnya di atas,
maka dapat diperoleh kesimpulan sebagai berikut :
1. Bentuk persamaan jumlah konsumsi kalori di propinsi Sumatera Utara
berdasarkan tahun 2002 – 2012 adalah = 2050,8 – 9,6X dimana X adalah periode 12, 13, 14, 15, 16, dan 17. Dari persamaan tersebut diperoleh
peramalan untuk periode 2013 – 2017 yaitu :
Tabel 6.1
Hasil peramalan jumlah konsumsi kalori di propinsi Sumatera Utara tahun 2013 – 2017
2. Dengan menggunakan uji F dengan tingkat keyakinan (confidence level) 95% menunjukkan bahwa koefisien regresi dalam persamaan regresi sederhana
untuk ramalan jumlah konsumsi kalori yaitu masih belum signifikan antara
jumlah kalori yang dikonsumsi oleh penduduk di Sumatera Utara, sedangkan
dengan menggunakan uji t dengan tingkat keyakinan (confidence level) 95% menunjukkan bahwa koefisien regresi a telah signifikan, sedangkan untuk koefisien regresi b yaitu masih masih belum signifikan.
6.2 Saran
Berdasarkan uraian dan kesimpulanyang telah disebutkan, maka penulis
memberikan saran yang diharapkan dapat bermanfaat bagi pihak yang terkait, sebagai
berikut :
1. Adapun peramalan jumlah konsumsi kalori yang diperoleh, diharapkan dapat
menjadi suatu bahan masukan atau pertimbangan bagi pihak instansi yang
bersangkutan untuk melakukan pembenahan atas belum stabilnya konsumsi
kalori sesuai dengan yang telah ditetapkan yaitu rata-rata 2000 kkal/hari.
2. Dengan adanya angka peramalan pada metode yang telah digunakan oleh
penulis, diharapkan kiranya dapat memberikan gambaran dalam pengambilan
keputusan untuk meningkatkan atau pun menstabilkan tingkat kalori yang
harus dikonsumsi oleh masyarakat.
3. Melihat jumlah konsumsi kalori yang belum optimal sesuai tingkat
kecukupan yang telah ditetapkan, maka diharapkan kepada pihak instansi
harus lebih berperan aktif dalam penyuluhan-penyuluhan terhadap
masyarakat tentang pentingnya mengetahui kadar setiap makanan yang harus
kita konsumsi, manfaatnya untuk sekarang atau pun untuk masa yang akan
DAFTAR PUSTAKA
Algifari. 1996, 2000. “Analisis Regresi Teori, Kasus, dan Solusi.” Edisi Pertama &
Kedua. Yogyakarta: BPFE.
Assauri, Sofjan. 1984. Teknik & Metode Peramalan. Edisi Satu. Jakarta : Fakultas Ekonomi Universitas Indonesia.
http://ahmad-ardani.blogspot.com/2012/10/defenisi-spss-dan-manfaatnya.html?m=l.
http://www.bps.go.id/tab_sub/view.php?tabel=1&daftar=1&id_subyek=05¬ab=5
Makridakis, Spyros. 1993. Metode dan Aplikasi Peramalan. Jakarta : Erlangga. Sudjana. 1992. Metode Statistika. Bandung : Tarsito.
Sugiyono, Eri Wibowo,S.Pd. 2001. Statistika Penelitian. Bandung : Alfabeta. Sembiring, R.K, 1995. Analisis Regresi. ITB Bandung.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan Nonparametrik. Jakarta : Kencana.
Regression
Descriptive Statistics
Mean Std. Deviation N
Konsumsi_kalori 2002.7564 60.64308 11
Tahun 5.00 3.317 11
Correlations
Konsumsi_kalori Tahun
Pearson Correlation Konsumsi_kalori 1.000 -.525
Tahun -.525 1.000
Sig. (1-tailed) Konsumsi_kalori . .049
a. Predictors: (Constant), Tahun
b. Dependent Variable: Konsumsi_kalori
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 10124.356 1 10124.356 3.419 .098a
Residual 26651.479 9 2961.275
Total 36775.835 10
Predicted Value 1954.7877 2050.7251 2002.7564 31.81879 11
Residual -62.42773 81.59737 .00000 51.62507 11
Std. Predicted Value -1.508 1.508 .000 1.000 11
Std. Residual -1.147 1.499 .000 .949 11
Graph