KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH
PROPINSI SUMATERA UTARA
TUGAS AKHIR
DIAN ARISANDI 112407103
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH
PROPINSI SUMATERA UTARA
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
DIAN ARISANDI 112407103
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : KAJIAN PENGARUH RETRIBUSI DAERAH
DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH PROPINSI SUMATERA UTARA
Kategori : TUGAS AKHIR
Nama : DIAN ARISANDI
Nomor Induk Mahasiswa : 112407103
Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM UNIVERSITAS SUMATERA UTARA
Disetujui di Medan, Juli 2014
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,
PERNYATAAN
KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH PROPINSI
SUMATERA UTARA
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2014
PENGHARGAAN
Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha
Penyayang, dengan limpahan karunia-Nya Penulis dapat menyelesaikan
penyusunan Tugas Akhir ini dengan judul Kajian Pengaruh Retribusi Daerah dan
Impor Sektor Industri Terhadap Penerimaan Pemerintah Propinsi Sumatera Utara.
Terima kasih Penulis sampaikan kepada Ibu Dr. Esther Sorta M. Nababan
M.Sc, selaku pembimbing yang telah meluangkan waktunya selama penyusunan
tugas akhir ini. Terima kasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan
Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi
D3 Statistika FMIPA USU, Bapak Prof.Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih,
M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan,
Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staf dan
Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan
rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak tercinta Supriyadi
dan Ibu tercinta Susiani, dan keluarga yang selama ini memberikan bantuan dan
dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
DAFTAR ISI
Daftar Gambar viii
BAB 1 Pendahuluan 1
2.5 Uji Persyaratan Regresi Linier Ganda 11 2.6 Membentuk Persamaan Regresi Linier Berganda 13
2.7 Koefisien Determinasi 15
2.8 Koefisien Korelasi 16
2.9 Uji Regresi Linier Berganda 19
2.10 Uji Koefisien Regresi Berganda 21
BAB 3 Sejarah Singkat Tempat Riset 23
3.1 Sejarah Badan Pusat Statistik 23
3.2 Visi dan Misi 23
3.2.1 Visi 23
3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik 24
4.2 Persamaan Regresi Linier Berganda 30
4.3 Analisis Residu 35
4.4 Koefisien Determinasi 37
4.5 Koefisien Korelasi 38
4.6 Uji Regresi Linier Berganda 40
4.7 Uji Koefisien Regresi Linier Berganda 42
BAB 5 Implementasi Sistem 46
5.1 Pengertian Implementasi Sistem 46
5.2 SPSS Dalam Statistika 46
5.3 Mengaktifkan SPSS 47
5.4 Mengoperasikan SPSS 48
5.5 Input Variabel (Variable View) 48
5.6 Input Data (Data View) 49
5.7 Pengolahan Data dengan Analisis Regresi 50
BAB 6 Kesimpulan dan Saran 53
6.1 Kesimpulan 53
6.2 Saran 54
DAFTAR TABEL
Halaman
Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 19 Tabel 4.1 Data Retribusi Daerah, Ekspor Barang Konsumsi 29
dan Penerimaan Pemereintah Propinsi Sumatera Utara Tahun 2001-2012
Tabel 4.2 Data yang Telah Disederhanakan 29
Tabel 4.3 Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda 30
Tabel 4.4 Penyimpangan Nilai Koefisien 35
DAFTAR GAMBAR
Halaman
Gambar 5.1 Print Screen Tampilan Jendela Start Windows 47
Gambar 5.2 Tampilan Jendela Awal SPSS 48
Gambar 5.3 Tampilan Jendela Awal Variable View 49
Gambar 5.4 Tampilan Jendela Data View 49
Gambar 5.5 Tampilan Pengolahan Data dengan Regresi Linier 50
Gambar 5.6 Tampilan Jendela Regresi Linier 51
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Kebutuhan masyarakat yang meningkat mendorong pemerintah daerah untuk
mengupayakan peningkatan penerimaan daerah dengan memberi perhatian pada
perkembangan Pendapatan Asli Daerah (PAD). Sumber-sumber PAD adalah hasil
pajak daerah, hasil retribusi daerah, hasil pengelolaan kekayaan daerah yang
dipisahkan, dan lain-lain. Komponen PAD tersebut secara penuh dapat digunakan
oleh daerah sesuai dengan kebutuhan dan prioritas daerah, disamping itu
memperhatikan adanya upaya yang dilakukan oleh pemerintah Propinsi Sumatera
Utara dalam menggali sumber-sumber pendapatan daerah. Hal ini semakin leluasa
dilakukan Pemerintah Propinsi Sumatera Utara setelah diberlakukan otonomi
daerah.
Berbagai cara dilakukan Pemerintah Daerah untuk meningkatkan
pendapatan daerahnya dalam upaya memenuhi kebutuhan belanja pemerintah
daerah bagi pelaksanaan kegiatannya. Pertama, Pemerintah Daerah dapat
memperoleh dana dari sumber-sumber yang dikategorikan Pendapatan Asli
Daerah (PAD). Kedua, memperoleh transfer dana dari APBN yang dialokasikan
dalam bentuk dana perimbangan yang terdiri dari bagi hasil pajak, bagi hasil
bukan pajak, dana alokasi umum, dan dana alokasi khusus. Pengalokasian dana
pendanaan bagi APBD, juga bertujuan untuk mengurangi/memperkecil perbedaan
kapasitas fiskal antar daerah (Tangkilisan 2005:71).
Disamping itu, banyak faktor lain yang juga dapat mempengaruhi
penerimaan pemerintah daerah seperti impor hasil kekayaan daerah seperti impor
sektor minyak dan gas bumi, sektor pertanian, sektor pertambangan dan
penggalian,dan sektor industri.
Berdasarkan penjelasan di atas maka penulis mengambil judul tugas akhir
yaitu Kajian Pengaruh Retribusi Daerah dan Impor Sektor Industri Terhadap
Penerimaan Pemerintah Propinsi Sumatera Utara.
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah diatas, perumusan masalah penelitian adalah
mencari seberapa besar nilai pengaruh dan mana yang lebih dominan berpengaruh
antara retribusi daerah dan impor sektor industri terhadap penerimaan pemerintah
Propinsi Sumatera Utara.
1.3 Batasan Masalah
Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar
tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti
pengaruh penerimaan pemerintah Propinsi Sumatera Utara dengan faktor-faktor
yang mempengaruhi yaitu retribusi daerah dan impor sektor industri. Data
dan data penerimaan pemerintah Propinsi Sumatera Utara dari tahun 2001 sampai
tahun 2012.
1.4 Maksud dan Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk membuktikan secara empiris
seberapa besar pengaruh retribusi daerah dan Impor sektor industri terhadap
penerimaan pemerintah Propinsi Sumatera Utara dari tahun 2001 sampai tahun
2011.
1.5 Manfaat Penelitian
Dapat merupakan rujukan bagi Lembaga atau Instansi dan masyarakat pada
umumnya untuk mengetahui perkembangan penerimaan Pemerintah Sumatera
Utara pada pengaruh retribusi daerah dan impor sektor industri, dan juga sebagai
bahan pertimbangan dan pengambilan kebijakan dalam masalah perkembangan
retribusi daerah dan impor sektor industri.
1.6 Lokasi penelitian
Penelitian dan riset data dilakukan di Badan Pusat Statistik Propinsi Sumatera
1.7 Metode Penelitian
Metode penelitian yaitu suatu cara yang terdiri dari langkah-langkah atau urutan
kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk
melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu
dapat terwujud.
Metode penelitian yang digunakan penulis adalah dengan cara sebagai berikut:
a. Penelitian kepustakaan yaitu metode pengumpulan data untuk memperoleh data
dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi
dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir.
b. Pengumpulan data untuk keperluan riset ini, telah dilakukan oleh penulis
dengan menggunakan data sekunder yang diperoleh dari kantor Badan Pusat
Statistik Propinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian
disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk
mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
1.8 Tinjauan Pustaka
Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya
variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola
perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat
analisis yang memungkinkan untuk membuat perkiraan nilai variabel tersebut
pada nilai tertentu variabel yang mempengaruhinya (Algifari, 2002).
Dalam ilmu statistika, teknik yang umum digunakan untuk mengkaji
dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan
persamaan regresi.
Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan
regresi adalah bahwa antara variabel dependen dan variabel independen
mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori hasil
penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.
Bentuk hubungan antara variabel dapat searah atau dapat berlawanan arah.
Hubungan antara variabel searah artinya perubahan nilai yang satu dengan nilai
yang lain searah. Hubungan antara variabel berlawanan arah artinya perubahan
nilai yang satu dengan nilai yang lain berlawanan arah. (Usman, Husain, 1995).
Regresi ganda berguna untuk mendapatkan pengaruh dua variabel
kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih
dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau
lebih terhadap variabel kriteriumnya (Sudjana, 2001).
Setelah mengetahui hubungan fungsional antara variabel-variabel dimana
persamaan regresinya telah ditentukan dan telah melakukan pengujian maka
persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari
banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu.
Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel
tersebut.
Studi yang membahas derajat hubungan antara varibel-variabel tersebut
dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan di dalam
variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai
korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh
penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut
mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel
walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut
tidak mempunyai hubungan.
1.9 Sistematika Penulisan
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran
dalam tugas akhir ini. Dalam penyusunan tugas akhir ini penulis membagi enam
bab di mana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika
penulisannya adalah sebagai berikut:
BAB 1 : PENDAHULUAN
Bab ini menjelaskan latar belakang masalah, rumusan
masalah, batasan masalah, tujuan, manfaat, metode
penelitian dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menguraikan tentang pengertian regresi, regresi
linier berganda, uji regresi linier berganda dan korelasi
regresi linier ganda serta uji koefisien regresi linier
BAB 3 : SEJARAH SINGKAT TEMPAT RISET
Bab ini menjelaskan tentang sejarah, visi, misi,
kedudukan, tugas, fungsi dan struktur organisasi Badan
Pusat Statistik Propinsi Sumatera Utara.
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan pengolahan data dengan
menggunakan metode analisis regresi linier berganda,
korelasi ganda dan pengujian koefisien regresi linier
berganda.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menjelaskan tentang program atau software yang
digunakan untuk mengolah/menganalisis data. Penulis
menggunakan program SPSS (Statistic product and
service solution).
BAB 6 : KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup yang merupakan
kesimpulan dari pembahasan serta saran-saran penulis
BAB 2
LANDASAN TEORI
2.1 Pengertian Regresi
Analisis regresi merupakan suatu model matematis yang dapat di gunakan untuk
mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang
berarti ramalan atau taksiran pertama kali di perkenalkan Sir Francis Galton pada
tahun 1877, sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu
antara tinggi anak dan tinggi orang tuanya. Dalam penelitiannya, Galton
menemukan bahwa tinggi anak dan orang tuanya cenderung meningkat atau
menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut
disebut garis regresi.
Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena
pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu
variabel terhadap variabel lainnya dapat ditentukan). Jadi dengan analisis regresi,
peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih
akurat pula. Karena merupakan suatu prediksi, maka nilai prediksi tidak selalu
tepat dangan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai
prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang
dibentuk.
Dapat disimpulkan bahwa analisis regresi adalah metode statistika yang
variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk
meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.
2.2 Persamaan Regresi
Persamaan Regresi (regression equation) adalah suatu persamaan matematis yang
mendefinisikan hubungan antara dua variabel. Persamaan regresi yang digunakan
untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi
estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan
antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu
variabel yang nilainya belum diketahui.
Sifat hubungan antar variabel dalam persamaan regresi merupakan
hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum
menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau
lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau
perkiraan sebelumnya , dua atau lebih variabel tersebut memiliki hubungan sebab
akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut
dengan variabel bebas (independent variabel), sedangkan variabel yang nilainya
dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variabel).
Ada dua jenis Persamaan Regresi Linier, yaitu sebagai berikut:
1. Analisis Regresi Sederhana (simple analisis regresi)
2.3 Regresi Linier Sederhana
Regresi linier sederhana merupakan suatu proses untuk mendapatkan hubungan
matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal
dangan variabel bebas tunggal atau dengan kata lain, regresi linier yang hanya
melibatkan suatu peubah bebas � yang dihubungkan dengan satu peubah tak
bebas �. Bentuk umum model regresi linier sederhana yaitu :
�= �0 + �1�1 + �� (2.1)
Dimana: � = Variabel tak bebas (dependent)
�0 = parameter intersep
�1 = koefisien regresi (slop)
�1 = variabel bebas (independent)
�� = kesalahan penduga
2.4 Regresi Linier Berganda
Disamping hubungan linier dua variabel, hubungan linier lebih dari dua variabel
dapat juga terjadi. Pada hubungan ini, perubahan satu variabel dipengaruhi oleh
lebih dari satu variabel lain. Maka regresi linier berganda adalah analisis regresi
yang menjelaskan hubungan antara peubah respon (variable dependent) dengan
Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas
hubungan antara dua variabel atau lebih dan membuat prediksi / perkiraan nilai �
atas nilai �. Bentuk umum persamaan regresi linier berganda yang mencakup dua
atau lebih variabel, yaitu:
� = �0 + ��1 + �2�2 + �3�3 + ... + ���� + �� (2.2)
Model diatas merupakan model regresi untuk populasi, sedangkan apabila
hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak
mengetahui regresi populasi untuk keperluan analisis, variabel bebas akan
dinyatakan dengan �1 , �2 , ... , �� (k ≥ 1) sedangkan variabel tidak bebas
dinyatakan dengan �.
�� = �0 + ��1 + �2�2 + ��3 + ... + ��� + � (2.3)
Dimana: �� = variabel tidak bebas (dependent)
�0 , ... , �� = koefisien regresi
�1 , ... , �� = variabel bebas (independent)
e = kesalahan pengganggu
2.5 Uji Persyaratan Regresi Linier Berganda
Beberapa hal lain yang penting juga untuk dipahami dalam penggunan analisis
linier berganda yaitu perlunya melakukan uji asumsi klasik atau uji persyaratan
analisis regresi anda sehingga persamaan garis regresi yang diperoleh benar-benar
Persyaratan tersebut harus terpenuhi, apabila tidak maka akan menghasilkan garis
regresi yang tidak cocok untuk memprediksi.
Sebelum masuk pada uji persyaratan perlu di pahami bahwa statistik
sebagai alat analisis dikelompokkam menjadi dua bagian yang berbeda, yaitu
kelompok statistik parametrik dan statistik parametrik. Pada statistik
non-parametrik tidak memerlukan persyaratan tertentu sedangkan pada statistik
parametrik memerlukan persyaratan yang harus dipenuhi. Oleh karena itu, dalam
uji persyaratan regresi linier ganda yang harus dilakukan pada dasarnya juga
dikelompokkan menjadi dua bagian, yaitu uji persyaratan untuk masuk ke statistik
parametrik dan uji persyaratan untuk menggunakan regresi linier ganda.
Uji asumsi klasik yang secara minimal perlu dilakukan oleh penulis
menggunakan regresi linier ganda sebagai alat analisis yaitu berupa:
1. Uji persyaratan untuk statistik parametrik yang berupa:
a. Uji normalitas
b. Uji homogenitas
2. Uji persyaratan untuk regresi linier ganda, yang terdiri atas:
a. Uji linieritas garis regresi
b. Tidak terdapat saling hubungan antara variabel bebas (uji
multikolinieritas)
c. Tidak terdapat autokorelasi antar data pengamatan
2.6 Membentuk Persamaan Regresi Linier Berganda
Dalam regresi linier berganda variabel tak bebas (�), tergantung kepada dua atau
lebih variabel bebas (�). Bentuk persamaan regresi linier berganda yang
mencakup dua atau lebih variabel, yaitu:
� = � + �1�1 + �2�2 + �2�3 + ... + ���� + � (2.4)
Dimana: � = variabel terikat (dependen)
� , �1 , �2 , �3 , ... , �� = koefisien regresi
�1 , �2 , �3 , ... , �� = variabel bebas (independen)
� = kesalahan pengganggu (disturbance terma)
Untuk hal ini, penulis menggunakan regresi linier berganda dengan tiga
variabel, yaitu satu variabel tak bebas (dependen variabel) dan dua variabel bebas
(independen variable). Bentuk umum persamaan regresi linier berganda tersebut
yaitu:
� = � + �1�1 + �2�2 (2.5)
Nilai dari koefisien �, �1, �2 dapat ditentukan dengan metode kuadrat
terkecil (least squared) seperti berikut ini:
�
=
∑ �−�1Σ�1−�2Σ�2�
(2.8)
Harga-harga � , �1 , �2 yang telah didapat kemudian disubstitusikan
kedalam persamaan (2.5) sehingga diperoleh model regresi linier berganda � atas
�1 dan �2. Dalam persamaan model regresi linier yang diperoleh, maka antara
nilai � dan �� akan menimbulkan perbedaan hasil yang sering disebut sebagai
kekeliruan. Untuk mengetahui ketepatan persamaan estimasi dapat digunakan
kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan
standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan
nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan
standar estimasi, maka tinggi ketepatan persamaan estimasi yang dihasilkan untuk
menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar
nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Kesalahan
standar estimasi dapat ditentukan dengan rumus:
��.12 =
�
� = banyak ukuran sampel
2.7 Koefisien Determinasi
Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk
mengetahui apakah ada hubungan pengaruh antara dua variabel. Nilai koefisien
determinasi menunjukkan persentase nilai variabel dependen yang dapat
dijelaskan oleh persamaan regresi yang dihasilkan. Koefisien determinasi yang
dinyatakan �2 untuk pengujian regresi linier berganda yang mencakup lebih dari
dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel
tak bebas (�) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas
(�) yang ada dalam model persamaan regresi linier berganda secara
bersama-sama. Maka �2 akan ditentukan dengan rumus, yaitu:
�2 = �����
Σ�2 (2.10)
Dengan:
����� = �1 ∑ �1� + �2∑ �2� + ... + �� ∑ ��� (2.11)
Harga �2 yang diperoleh sesuai dengan variasi yang dijelaskan
masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang
dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (bersifat
2.8 Koefisien Korelasi
Setelah mengetahui hubungan fungsional antara variabel-variabel dimana
persamaan regresinya telah ditentukan dan telah melakukan pengujian maka
persoalan berikutnya yang perlu dirasakan yaitu, jika data hasil pengamatan terdiri
dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu.
Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel
tersebut.
Studi yang membahas derajat hubungan antara varibel-variabel tesebut
dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi.
Besarnya ukuran yang dipakai variabel yang satu dengan variabel yang lain
dinyatakan dengan koefisien korelasi yang disimbolkan dengan “�” yang besarnya
adalah akar koefisien determinasi. Atau secara matematis dapat ditulis sebagai
berikut:
� = √�2 (2.12)
Koefisien korelasi (�) dapat digunakan untuk:
1. Mengetahui keeratan hubungan (korelasi linier) antara dua variabel
2. Mengetahui arah hubungan antara dua variabel
Untuk mengetahui keeratan hubungan antara dua variabel dengan
menggunakan koefisien korelasi adalah dengan menggunakan nilai absolut dari
koefisien tersebut. Besarnya koefisien korelasi (�) antara dua variabel nol sampai
mempunyai � = ±1, maka dua buah variabel tersebut mempunyai hubungan
yang sempurna.
Semakin tinggi nilai koefisien korelasi antara dua buah variabel (semakin
mendekati 1), maka tingkat keeratan hubungan antara dua variabel tersebut
semakin tinggi. Dan sebaliknya semakin rendah koefisien korelasi antara dua buah
variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara dua
variabel tersebut semakin lemah. Hubungan antar dua variabel dapat
dikelompokkan menjadi 3 jenis hubungan sebagai berikut:
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikut
dengan perubahan variabel yang lain dengan arah yang sama (berbanding
lurus). Artinya, apabila variabel yang satu meningkat, maka akan di ikuti
dengan peningkatan variabel lain.
2. Korelasi Negatif
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti
dengan perubahan variabel yang lain dengan arah yang berlawanan
(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
perubahan pada variabel yang lain dengan arah yang tidak teratur (acak),
peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan
pada variabel yang lain.
Selain diturunkan dari koefisien determinasi (�2), koefisien korelasi (�)
dapat pula ditentukan dengan menggunakan formulasi sebagai berikut:
���1 =
Jika kenaikan didalam satu variabel diikuti dengan kenaikan variabel lain
maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang
positif. Tetapi jika kenaikan didalam satu variabel diikuti penurunan didalam
variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi
yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel
lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai
Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r
2.9 Uji Regresi Linier Berganda
Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat
dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu
dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan
memiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya
adalah sebagi berikut:
1. Menentukan formulasi hipotesis
�0 : �1 = �2 = �3 = ... = �� = 0 (�1, �2, ... , �� tidak mempengaruhi �)
�1: minimal ada satu parameter koefisien regresi yang tidak sama dengan nol
2. Penentuan nilai kritis. Nilai kritis dalam pengujian hipotesis terhadap
koefisien regresi dapat ditentukan dengan menggunakan tabel distribusi
normal dengan memperhatikan tingkat signifikan (�) dan banyaknya sampel
digunakan serta nilai ������ dengan derajat kebebasan v1= k dan v2= n-k-1.
3. Menentukan kriteria pengujian
�0 diterima bila �ℎ����� ≤������
�0 ditolak bila �ℎ����� >������
4. Menetukan nilai statistik � dengan rumus :
� =
�� ��� � �� ���
(� −�−1)
(2.15)
Dimana: ����� = jumlah kuadrat regresi
����� = jumlah kuadrat residu (sisa)
(n-k-1) = derajat kebebasan
����� = �1 ∑ �1� + �2 ∑ �2�
����� = ∑��� − ���²
2.10 Uji Koefisien Regresi Berganda
Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu
diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel
tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji
statistik t (student).
Dimisalkan populasi mempunyai model regresi berganda sebagai berikut:
�� ,� = �0 + �1�1+ �2�2+ … + ����
Yang akan ditaksir oleh regresi berbentuk : ��= �0+ �1�1+ �2�2+ … + ����.
Adanya kriteria bahwa variabel-variabel tersebut memberikan pengaruh yang
berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis �0 melawan
hipotesis tandingan �1 dalam bentuk:
�0 = �� = 0 i = 1,2,...,k
�1 = �� ≠ 0 i = 1,2,...,k
Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran ��2,1,2,3,…,�.
Jadi untuk melihat kekeliruan baku dari koefisien �� adalah:
��
�=
�
��,1,2,…,�2
�∑ ���2��1−�
��2�
Dimana:
�
�.1,2,…,�=
�
∑(��−��)²�−�−1
∑ �
��2=
��
��
− �
� �
�²
�
��=
�Σ����− (Σ��)�Σ������ ∑xi2− (ΣXi)² �n∑xj2−ΣXj�²�
Kemudian dicari perhitungan statistik t yaitu:
�
�=
����� (2.17)
Dari tabel distribusi t-student serta dk = (n-k-1), ������= �
��−�−1∝� , dimana kriteria
pengujian diperoleh :
�0 : ditolak jika �� > ������
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Badan Pusat Statistik
Badan pusat statistik (BPS) adalah lembaga negara non departemen. BPS
melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian,
agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,
pendapatan, dan keagamaan. Selain hal-hal di atas BPS juga bertugas untuk
melaksanakan koordinasi dilapangan, kegiatan statistik dari segenap instansi baik
dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang
serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan
definisi, klasifikasi dan ukuran-ukuran lainnya.
3.2 Visi dan Misi
3.2.1 Visi
Visi dari Badan Pusat Statistik adalah pelopor data statistik terpercaya untuk
semua.
3.2.2 Misi
1. Memperkuat landasan kontitusional dan operasional lembaga statistik
2. Menciptakan insan statistik yang kompeten dan profesional, didukung
pemanfaaatn teknologi informasi mutakhir untuk kemajuan perstatistikan
Indonesia.
3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi,
pengukuran, dan kode etik statistik yanng bersifat universal dalam setiap
penyelenggaraan statistik.
4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.
5. Meningnkatkan koordinasi, integrasi, dan sinkronisasi kegiatan yang
diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik
Nasional (SSN) yang efektif dan efisien.
3.3 Kependudukan
BPS Propvinsi Sumatera Utara adalah Perwakilan Badan Pusat Statistik RI di
Provinsi Sumatera Utara yang berada dibawah dan bertanggung jawab kepada
Kepala BPS RI dan melaksanakan koordinasi dangan Kepala Daerah setempat.
3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik
Tugas, fungsi, dan kewenangan BPD telah menerapkan dalam keputusan
Presiden RI (Keppres) Nomor 103 Tahun 2001. Dalam menjalankan tugas, fungsi
dan kewenangannya seperti tercantum dibawah ini. BPS juga dibatasi oleh 10
prinsip etika perstatistikaan yang tercantum dalam United Nations Fundamental
3.4.1 Tugas
Tugas BPS Provinsi Sumatera Utara adalah melaksanakan penyelenggaraan
statistik dasar di Provinsi Sumatera Utara sesuai dengan ketentuan peraturan
perundang-undangan yang berlaku.
3.4.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan
fungsi:
1. Pengkajian, penyusunan, dan perumusan kebijakan dibidang statistik.
2. Pengkoordinasian kegiatan statistik nasional dan regional.
3. Penetapan dan penyelenggara statistik dasar.
4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah dibidang
kegiatan statistik.
5. Penyelenggaraan pembinaan dan pelayanan administrasi umum dibidang
perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian,
keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah
tangga.
3.4.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai
kewenangan:
2. Perumusan kebijakan dibidangnya untuk mendukung pembangunan secara
makro
3. Penetapan sistem informasi dibidangnya
4. Penetapan dan penyelenggaraan statistik nasional
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan
yang berlaku, yaitu:
1. Perumusan dan pelaksanaan kebijakan tertentu dibidang kegiatan
statistik
2. Penyusunan pedoman penyelenggaraan survei statistik sektoral
3.5 Landasan Hukum
1. Undang-Undang Nomor 16 Tahun 1997 tentang Statistik menjamin
kepastian hukum bagi penyelenggara dan pengguna satistik baik
pemerintah maupun masyarakat. Dengan adanya Undang-Undang Statistik
ini maka kepentingan masyarakat pengguna statistik akan terjamin
terutama atas nilai informasi yang diperolehnya.
2. Peraturan Pemerintah Republik Indonesia Nomor 51 Tahun 1999 tentang
Penyelenggaraan Statistik yang mengamanatkan bahwa BPS berkewajiban
menyelenggarakan kegiatan statistik dasar.
3. Keputusan Presiden Republik Indonesia Nomor 103 Tahun 2001 tentang
Kedudukan, Tugas, Fungsi, Kewenangan, Susunan Organisasi, dan Tata
Kerja Lembaga Pemerintah Non Departemen yang menetapkan kedudukan
BPS sebagai lembaga pemerintah non departemen yang mempunyai tugas
4. Keputusan Kepala Badan Pusat Statistik Nomor 121 Tahun 2001 tentang
Organisasi dan Tata Kerja Perwakilan Badan Pusat Statistik di Daerah.
3.6 Struktur Organisasi
Bentuk struktur organisasi yang diterapkan Kantor Badan Pusat Statistik Provinsi
Sumatera Utara adalah : Struktur Organisasi Garis (line) dan staf. Wewenang
mengenai tugas dan tanggung jawab perusahaan dipegang sepenuhnya oleh
pejabat pimpinan (Kepala Kantor). Selanjutnya mengenai urusan-urusan dalam
fungsi organisasi atau perusahaan, pimpinan berwenang kepada pejabat staf
(Kepala Bagian) yang memberikan bahan masukan kepada pimpinan dalam
pengambilan keputusan dan tidak berwenang memberikan perintah kepada
pegawai yang ada dalam organisasi walaupun seorang pegawai termasuk kedalam
BAB 4
PENGOLAHAN DATA
4.1 Data dan Pembahasan
Data merupakan alat untuk mengambil suatu keputusan atau untuk memecahkan
suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan
keputusan tersebut didasarkan atas data yang baik. Salah satu kegunaan dari data
adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan atau
permasalahan.
Untuk membahas dan memecahkan masalah tentang pengaruh retribusi
daerah dan impor sektor industri terhadap penerimaan pemerintah Propinsi
Sumatera Utara seperti yang diuraikan sebelumnya, penulis mengumpulkan data
yang berhubungan dengan permasalahan tersebut. Data yang dikumpulkan adalah
data setelah era reformasi mengenai retribusi daerah, impor sektor industri dan
Tabel 4.1 Data Retribusi Daerah, Impor Sektor Industri dan Penerimaan Pemerintah Propinsi Sumatera Utara Tahun 2001-2012
Tahun Penerimaan Pemerintah (Rp)
Retribusi Daerah (Rp)
Impor Sektor Industri (Ton)
2001 1.066.803.843 15.448.298 2.091.126
2002 1.179.912.701 7.127.396 2.151.741
2003 1.571.972.617 16.928.483 1.732.586
2004 1.882.698.582 23.756.055 2.297.180
2005 1.742.474.554 19.101.900 3.279.565
2006 2.517.402.983 11.714.728 3.742.273
2007 2.975.150.652 13.611.811 4.105.259
2008 3.620.112.147 29.409.174 5.295.049
2009 3.823.149.652 29.456.736 4.572.378
2010 4.232.169.601 35.813.385 5.424.706
2011 5.363.366.624 31.297.594 5.606.821
2012 7.922.705.446 33.494.628 5.798.142
Sumber : Badan Pusat Statistik Propinsi Sumatera Utara
Dari tabel di atas dapat dilihat bahwa ada sebuah variabel dependen dan
dua buah variabel independen yang mempunyai nilai cukup besar dengan satuan
Rupiah dan Ton. Penulis menyederhanakan nilai-nilai trersebut ke dalam bentuk
satuan yang lebih sederhana seperti tabel berikut:
Tabel 4.2 Data Yang Telah Disederhanakan
Keterangan:
Penerimaan Pemerintah (Rupiah) = �
Retribusi daerah (Rupiah) = �1
Impor Sektor Industri (Ton) = �2
4.2 Persamaan Regresi Linier Berganda
Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung
koefisien-koefisien regresinya dengan mencari penggandaan suatu variabel
dengan variabel lainnya. Dengan koefisien-koefisien yang didapat dari
perhitungan-perhitungan yang ada, maka dapat ditentukan untuk mencari
persamaan regresi linier bergandanya. Adapun nilai-nilai koefisiennya adalah
sebagai berikut:
Tabel 4.3 Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda
Sambungan Tabel 4.3
Tahun ��1 �12 �22 �2
2001 2.230,687 238,641 4,372 1.138.070,774 2002 2.539,173 50,794 4,631 1.392.194,688 2003 2.724,229 286,557 3,003 2.471.099,113 2004 4.324,562 564,348 5,276 3.544.559,290 2005 5.715,318 364,886 10,758 3.036.219,126 2006 9.420,122 137,241 14,003 6.337.317,864 2007 12.212,995 185,287 16,851 8.851.523,473 2008 19.168,493 864,889 28,037 13.105.210,890 2009 17.479,442 867,715 20,903 14.616.475,920 2010 22.959,522 1.282,571 29,431 17.911.262,910 2011 30.072,400 979,565 31,438 28.765.705,580 2012 45.935,843 1.121,915 33,617 62.769.254,520 Total 174.782,785 6.944,409 202,320 163.938.894,1
Dari tabel di atas maka diperoleh:
� = 12 ∑ ��1 = 1.003.381,669
∑ � = 37.897,923 ∑ ��2 = 174.782,785
∑ �1 = 267,160 ∑ �12 = 6.944,409
∑ �2 = 46,097 ∑ �22 = 202,320
Persamaan regresi linier bergandanya adalah:
Ŷ = �+ �1�1+ �2�2 (4.1)
Nilai-nilai a, b1, b2 dapat ditentukan dengan rumus metode kuadrat terkecil (least
squared) sebagai berikut:
Dapat diperoleh:
(996,537)(25,242)− (122,015)²
= 446.855,339
Dengan demikian, diperoleh persamaan regresi linier berganda atas �2 dan
Ŷ = �+ �1�1+ �2�2 (4.11)
= −1410,376 + 43,523�1 + 937,042�2
Dengan menggunakan SPSS perhitungan selanjutnya dapat dilihat dilampiran 1.
4.3 Analisis Residu
Dengan didapat persamaan regresi linier bergandanya, maka untuk mengetahui
seberapa besar diperkirakan penyimpangan tingkat penerimaan pemerintah
Propinsi Sumatera Utara, maka dapat dihitung dengan mencari koefisien-koefisien
dari analisis residunya pada tabel 4.4 sebagai berikut:
Tabel 4.4 Penyimpangan Nilai Koefisien
Tahun � Ŷ � − Ŷ (� − Ŷ)2
Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus:
��.12 =
�
∑(��−Ŷ) 2
�−�−1 (4.12)
Dengan:
∑((��− Ŷ)2 = 9.633.865,621
� = 12
� = 2
Diperoleh:
��.12 =
�
∑(��−Ŷ) 2
�−�−1
=
�
9.633.865,62112−2−1
=�1.070.429,513
= 1034,615
Dengan penyimpangan nilai yang didapat, ini berarti bahwa rata-rata
tingkat penerimaan pemerintah Propinsi Sumateta Utara yang sebenarnya akan
menyinpang dari rata-rata tingkat penerimaan pemerintah yang diperkirakan
4.4 Koefisien Determinasi
Untuk menganalisis dan mengetahui seberapa besar pengaruh retribusi daerah dan
impor sektor industri terhadap penerimaan Propinsi Sunatera Utara, maka dapat
dilakukan perhitungan sebagai berikut:
�2= �����
∑ �2 (4.13)
Dengan:
����� =�1∑ �1�+�2∑ �2� (4.14)
= (43,523)(159.647,577) + (937,042)(29.201,072)
= 6.948.341,494 + 27.362.630,91
= 34.310.972,4
∑ �2 = 44.251.180,120
Sehingga diperoleh:
�2
=
34.310.972,444.251.180,120
�2 = 0,78
� = √0,78
Dari hasil perhitungan diperoleh koefisien determinasi (�2) sebesar 0,78
berarti sekitar 78% tingkat penerimaan pemerintah Sumatera Sumatera Utara
dipengaruhi oleh retribusi daerah dan impor sektor industri.
Dengan mencari akar dari koefisien determinasi, maka didapat koefisien
korelasinya (�) sebesar 0,88 (perhitungan dapat dilihat pada output SPSS di
lampiran 1).
4.5 Koefisien Korelasi
Untuk mengukur besar pengaruh variabel terikat (dependen) terhadap variabel
bebas (independen), dapat dilihat dari besarnya koefisien korelasinya, yaitu:
1. Koefisien korelasi antara � (penerimaan pemerintah) dengan �1 (retribusi
daerah).
�(1.967.266,729−1.436.252,568)(83.332,908−71.374,466)
= 1.915.770,919
�(531.014.161,5)(11.958,442)
=
1.915.770,9192.519.940,925
Nilai yang positif menandakan hubungan yang searah antara�
(penerimaan pemerintah) dengan �1 (retribusi daerah), artinya jika semakin
meningkat retribusi daerah maka akan meningkat pula penerimaan pemerintah
dan sebaliknya, jika semakin menurun retribusi daerah maka akan semakin
menurun juga penerimaan pemerintah dengan hubungan antara � dan �1
tergolong kuat dengan nilai r yang tinggi sebesar 0.76.
2. Koefisien korelasi antara � (penerimaan pemerintah) dengan �2(impor sektor
industri).
�(1.967.266,729−1.436.252,568)(2.427,84−2.124,933)
= 350.412,864
(penerimaan pemerintah) dengan �2 (impor sektor industri), artinya jika semakin
pemerintah Propinsi Sumatera Utara dan sebaliknya jika tingkat impor sektor
industri menurun maka penerimaan pemerintah akan menurun juga dengan
korelasi yang tergolong sedikit rendah dengan nilai r sebesar 0,874.
4.6 Uji Regresi Linier Berganda
Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat
dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu
dilakukan untuk mengetahui apakah retribusi daerah dan impor sektor industri
memiliki pengaruh terhadap penerimaan Propinsi Sumatera Utara.
Langkah-langkah pengujiannya adalah sebagai berikut:
1. Menentukan formulasi hipotesis
�0 : �1 = �2 = 0
Artinya �1 (retribusi daerah) dan �2 (impor) tidak mempengaruhi tingkat
penerimaan pemerintah Propinsi Sumatera Utara.
�1: �1≠�2≠ 0
Artinya minimal ada parameter koefisien regresi yang tidak sama dengan nol
atau mempunyai pengaruh terhadap tingkat penerimaan pemerintah Propinsi
Sumatera Utara.
2. Menentukan taraf nyata α dengan nilai Ftabel dengan derajat kebebasan �1 = �
dan �2 = � − � −1
dengan:
� = 0,05
�2 = � − � −1 = 12−2−1 = 9
Maka diperoleh ������ sebesar 4,26.
3. Menentukan kriteria pengujian
�0 diterima jika �ℎ����� ≤������
�0ditolak jika�ℎ����� > ������
4. Menentukan nilai statistik
� =
�� ��� � �� ���
(� −�− 1)
(4.17)
Dengan:
����� = jumlah kuadrat regresi
����� = jumlah kuadrat residu (sisa)
(� − � −1) = derajat kebebasan
����� = �1∑ �1�+�2∑ �2�
=(43,523)(159.647,577) + (937,042)(29.201,072)
=6.948.341,494 + 27.362.630,91
=34.310.972,4
Maka diperoleh:
ditolak. Hal ini menunjukkan bahwa minimal ada parameter koefisien regresi
yang tidak sama dengan nol atau retribusi daerah dan impor sektor industri
mempunyai pengaruh terhadap penerimaan pemerintah Propinsi Sumatera Utara
(perhitungan dapat diperoleh dengan menggunakan SPSS dengan output pada
lampiran 1).
4.7 Uji Koefisien Linier Regresi Berganda
Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu
diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel
tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji
statistik t (student).
Koefisien korelasi antara retribusi daerah (�1) dengan impor sektor industri (�2).
�12 =
�Σ�1�2− (Σ�1)(Σ�2)
���Σ�12− (Σ�1)²���Σ�22− (Σ�1)²�
�12 =
(12)(1.148,288)− (267,160)(46,097)
�(12 � 6.944,409)− (267,160)²)(12 � 202,320 )− (46,097)²)
�12 =
13.779,456 – 12.315,275
�(83.332,908− 71.374,466)(2.427,84− 2.124,933)
�12 =
Nilai diatas diperoleh dari tabel 4.5 berikut:
Tabel 4.5 Perhitungan Jumlah Kuadrat
Maka diperoleh:
��1 =
�
��2.12
�∑�12��(1−�122 )
=
�
1.070.428,198(966,537)(1−0,591361 )
=
�
1.070.428,198 407,224=�2.628,598
= 51,270
��2 =
�
��2.12
�∑�22��(1−�122 )
=
�
1.070.428,198(25,244)(1−0,591361 )
=
�
1.070.428,19810,316
= √103.763,881
�1 = �1
��1
=
43,523
51,270
=
0,848�2 = �2
��2
=
937,042322,124
=
2,907dari tabel distribusi t dengan dk = �2 = � − � −1 = 9 dan α = 0,05 maka
dapat dilihat bahwa ������ = 2,262
maka dari perhitungan thitung diatas diperoleh:
�1 < ������ maka �0 diterima
�2 > ������ maka �0 ditolak
Dari kedua koefisien tersebut menunjukkan bahwa variabel �1(retribusi daerah)
tidak memiliki pengaruh yang berarti atau signifikan terrhadap persamaan rergresi
yang ditentukan, sedangkan variabel �2 (impor sektor industri) memiliki pengaruh
yang berarti atau signifikan terhadap � (penerimaan pemerintah). Perhitungan ini
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan
desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai
sistem baru atau sistem yang diperbaiki.
Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil
desain tertulis ke dalam programming. Dalam pengolahan data dalam hal ini
menggunakan software SPSS 19.0 for windows sebagai implementasi sistem
dalam memperoleh hasil perhitungan.
5.2 SPSS dalam Statistika
SPSS (Statistic Package for Service Solution) merupakan salah satu paket
program komputer yang digunakan dalam mengolah data statistik. SPSS
merupakan software yang paling populer, dan banyak digunakan sebagai alat
bantu dalam berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa
Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk
pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan
singkatan dari Statistical Package for the social sciences. Namun, dalam
perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user,
sciences berubah menjadi Statistical Product and Service Solution. Penggunaan
SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.
5.3 Mengaktifkan SPSS
Harus dipastikan terlebih dahulu bahwa SPSS telah terinstal pada komputer. Jika
pada menu pilihan windows sudah tersedia SPSS, maka SPSS dapat dibuka
dengan cara memilih menu start kemudian klik SPSS 19.0, seperti gambar
berikut.
5.4 Mengoperasikan SPSS
Setelah mengklik pilihan SPSS Statistics 19.0, maka akan muncul tampilan
jendela seperti gambar 5.2 berikut:
Gambar 5.2 Tampilan Jendela Awal SPSS
5.5 Input Variabel (Variable View)
Setelah jendela Variabel View terbuka, maka lakukan pengisian variabel-variabel
yang akan dianalisis seperti berikut:
a. Name : digunakan untuk memberikan nama variabel
b. Tipe : digunakan untuk menentukan tipe data
c. Width : digunakan untuk menentukan lebar kolom
d. Decimals : digunakan untuk memberikan nilai desimal
e. Label : digunakan untuk memberi nama label
f. Value : digunakan untuk menjelaskan nilai data pada kolom
g. Missing : digunakan untuk menentukan data yang hilang
i. Align : digunakan untuk menentukan rata kanan, kiri, atau tengah
j. Measure : digunakan untuk menentukan tipe data atau ukuran data,
nominal, ordinal atau skala
Gambar 5.3 Tampila Jendela Variabel View
5.6 Input Data (Data View)
Setelah selesai mengisi Variabel View, klik pilihan Data View dan masukkan
data berdasarkan jenis variabel yang telah didefinisikan terlebih dahulu pada
Variabel View.
5.7 Pengolahan Data dengan Analisis Regresi
Pada layar kerja Data View, klik Analyze yang terdapat pada menu kemudian
pilih regression dan klik Linier, seperti pada gambar 5.5 berikut:
Gambar 5.5 Tampilan Pengolahan Data Dengan Regresi Linear
Kemudian dilanjutkan untuk melengkapi jendela-jendela Linier Regression.
Pada kotak dependen isikan variabel � (Penerimaan Pemerintah) sedangkan
pada kotak independen isikan dengan variabel �1 (Retribusi Daerah) dan �2
Gambar 5.6 Tampilan Jendela Regresi Linear
Kemudian klik Statistics dan pilih Estimates, Durbin Watson, Descriptive, dan
Collinierity Diagnostics, lalu klik continue, seperti pada gambar 5.7 berikut
ini:
Gambar 5.7 Tampilan Jendela Statistik Regresi Linear
Kemudian dilanjutkan dengan memilih plots, maka pada layar akan tampak
tampilan Windows Linier Regression: Plots. Masukkan variabel SDRESID
Pada kolom Standarized Residual Plots pilih Hitogram dan Normal
Probability Plots. Pilih Continue kemudian klik OK.
Gambar 5.8 Tampilan Jendela Regresi Linear Plot
Dilanjutkan klik Save dan pilih Residual Standardized dan terakhir klik OK,
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai
berikut:
1. Persamaan regresi linier berganda yang diperoleh adalah: Ŷ =−1410,376 +
43,523 �1 + 937,042 �2. Atau dengan kata lain, Penerimaan Pemerintah =
̶
1410,376 + 43,523 Retribusi Daerah+ 937,042 Impor sektor Industri.
2. Dari hasil kajian didapat antara � (Penerimaan Pemerintah) dengan �1
(Retribusi Daerah) memiliki korelasi yang kuat sebesar 0,76. Sedangkan
korelasi antara� (Penerimaan Pemerintah) dengan �2 (Impor Sektor Industri)
juga sangat kuat sebesar 0,874.
3. Tingkat penerimaan pemerintah Propinsi Sumatera Utara dipengaruhi oleh
retribusi daerah dan impor sektor industri sebesar 78%, dan 22% dipengaruhi
oleh faktor lain.
4. Retribusi daerah dan impor sektor industri mempunyai pengaruh terhadap
penerimaan pemerintah Propinsi Sumatera Utara.
5. Berdasarkan gambar histogram dan normal P-P Plot of Regression
Standardlized Residual pada lampiran dapat juga dipastikan bahwa model
6.2 Saran
Penulis dapat menyarankan agar metode regresi linier dapat dipakai untuk
mencari pengaruh penerimaan pemerintah terhadap impor sektor industri maupun
DAFTAR PUSTAKA
Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.
Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.
[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.
Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta.
Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.
Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Bandung: Tarsito.
[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan
Lampiran 1
a. All requested variables entered.
b. Dependent Variable: penerimaan_pemerintah
Correlations
penerimaan_pemerintah retribusi_daerah impor
Pearson Correlation penerimaan_pemerintah 1,000 ,760 ,874
retribusi_daerah ,760 1,000 ,769
Impor ,874 ,769 1,000 Sig. (1-tailed) penerimaan_pemerintah . ,002 ,000 retribusi_daerah ,002 . ,002
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 ,88a ,78 ,734 1034,615 1,139
a. Predictors: (Constant), impor, retribusi_daerah b. Dependent Variable: penerimaan_pemerintah
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 34310972,476 2 17310550,238 16,026 ,001a
Residual 9633865,621 9 1070428,198
DAFTAR PUSTAKA
Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.
Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.
[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.
Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta.
Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.
Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Bandung: Tarsito.
[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 34310972,476 2 17310550,238 16,026 ,001a
Residual 9633865,621 9 1070428,198
Total 41944838,097 11
a. Predictors: (Constant), impor, retribusi_daerah b. Dependent Variable: penerimaan_pemerintah
Coefficientsa
a. Dependent Variable: penerimaan_pemerintah
Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Index
Variance Proportions
(Constant) retribusi_daerah impor
1 1 2,887 1,000 ,01 ,01 ,01
2 ,083 5,905 ,95 ,16 ,06
3 ,031 9,716 ,03 ,83 ,93
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 886,80743 5502,22559 3158,16025 1774,083642 12 Std. Predicted Value -1,280 1,321 ,000 1,000 12 Standard Error of Predicted
Value
321,022 633,519 508,868 96,611 12
Adjusted Predicted Value 646,18341 5634,05273 3119,99369 1810,371268 12 Residual -1224,982910 2420,479248 ,000000 935,661151 12 Std. Residual -1,184 2,340 ,000 ,905 12 Stud. Residual -1,298 2,689 ,016 1,031 12 Deleted Residual -1470,692261 3196,309814 38,166558 1217,848879 12 Stud. Deleted Residual -1,357 5,717 ,262 1,821 12 Mahal. Distance ,143 3,209 1,833 ,963 12 Cook's Distance ,000 ,773 ,099 ,219 12 Centered Leverage Value ,013 ,292 ,167 ,088 12