FAKTOR – FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN DELI SERDANG
TAHUN 2010 - 2011
TUGAS AKHIR
WULANI EKA SUNDARI 102407076
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
FAKTOR
–
FAKTOR YANG MEMPENGARUHI HASIL
PRODUKSI JAGUNG DI KABUPATEN
DELI SERDANG TAHUN 2010 - 2011
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
WULANI EKA SUNDARI
102407076
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul :FAKTOR – FAKTOR YANG MEMPENGARUHI
HASIL PRODUKSI JAGUNG DI KABUPATEN
DELI SERDANG TAHUN 2010 - 2011
Kategori :TUGAS AKHIR
Nama :WULANI EKA SUNDARI
Nomor Induk Mahasiswa :102407076
Program Studi :D3 STATISTIKA
Departemen :MATEMATIKA
Fakultas :MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Diluluskan di
Medan, Juli 2013
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
PERNYATAAN
FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL
PRODUKSI JAGUNG DI KABUPATEN DELI SERDANG
TAHUN 2010-2011
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing- masing disebutkan sumbernya.
Medan, Juli 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 Faktor-Faktor Yang Mempengaruhi Hasil Produksi
Jagung Di Kabupaten Deli Serdang tahun 2010-2011.
Terimakasih Penulis sampaikan kepada Bapak Drs. Faigiziduhu Bu’ul l ,
M.Si selaku pembimbing dan Ketua Program Studi D3 Statistika FMIPA USU
yang telah meluangkan waktunya selama penyusunan Tugas akhir ini.
Terimakasih kepada Bapak Drs. Suwarno Ariswoyo, M.Si selaku Sekretaris
Program Studi D3 Statistika FMIPA USU. Bapak Prof. Dr. Tulus, M.Si. PhD dan
Ibu 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. Akhinya tidak terlupakan kepada
Bapak tercinta Anwar, Ibu tercinta Alm. Susanti Febri, Adik dan semua ahli
keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan.
DAFTAR ISI
Halaman
PERSETUJUAN
PERNYATAAN
PENGHARGAAN i
DAFTAR ISI ii
DAFTAR TABEL iv
DAFTAR GAMBAR v
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Tujuan Penelitian 2
1.4 Manfaat Penelitian 2
1.5 Lokasi Penelitian 3
1.6 Metodologi Penelitian 3
1.7 Metode Analisis Yang Digunakan 3
1.8 Sistematika Penulisan 5
BAB 2 LANDASAN TEORI
2.1 Analisis Regresi 7
2.1.1 Regresi Linier Sederhana 7
2.1.2 Regresi Linier Berganda 8
2.2 Kesalahan Standar Estimasi 9
2.3 Koefisien Determinasi 9
2.4 Analisa Korelasi 10
2.5 Pengujian Regresi Linier Berganda 11
2.5.1 Uji F 12
2.5.2 Uji t 13
BAB 3 SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Dinas Pertanian Kabupaten Deli Serdang 14 3.2 Visi dan Misi Dinas Pertanian Kab. Deli Serdang
3.2.1 Visi 15
3.2.2 Misi 16
3.3 Bagan Struktur Organisasi 17
BAB 4 PENGOLAHAN DATA
4.1 Pengujian Regresi Linier Berganda 24 4.2 Perhitungan Korelasi Linier Berganda 28
4.3 Koefisien Korelasi (r) 28
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 37
5.2 Pengenalan SPSS 37
5.3 Langkah-langkah Pengolahan Data 38 5.3.1 Memasukkan variabel dan mengentri data 38 5.3.2 Analisis data dengan regresi 41 5.3.3 Analisis data dengan korelasi 45
BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan 46
6.2 Saran 47
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
Halaman 1. Tabel 2.1 Interpretasi Koefisien Korelasi r 11
2. Tabel 4.1 Produksi Jagung dan Luas Panen di Kabupaten 18
Deli Serdang Tahun 2010-2011
3. Tabel 4.2 Curah Hujan dan Kelembaban Udara di Kabupaten 19
Deli Serdang Tahun 2010-2011
4. Tabel 4.3 Nilai-nilai yang dibutuhkan untuk Uji Regresi 20
DAFTAR GAMBAR
Halaman 1. Gambar 3.1 Bagan Struktur Organisasi Dinas Pertanian 17
Kabupaten Deli Serdang
2. Gambar 5.1 Tampilan saat membuka SPSS pada windows 39
3. Gambar 5.2 Tampilan Awal SPSS 39
4. Gambar 5.3 Tampilan Variable View 40
5. Gambar 5.4 Tampilan Data Setelah Dientri 41
6. Gambar 5.5 Tampilan Analisis Regresi 42
7. Gambar 5.6 Tampilan Kotak Dialog Regresi Linear 42
8. Gambar 5.7 Tampilan Kotak Dialog Regresi Linear : Statistics 43
9. Gambar 5.8 Tampilan Kotak Dialog Regresi Linear : Option 43
10.Gambar 5.9 Tampilan Kotak Dialog Regresi Linear : Plots 44
11.Gambar 5.10 Tampilan Analisis Korelasi 46
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Pertanian adalah suatu kegiatan manusia dalam bercocok tanam yang
meliputi kegiatan menghasilkan bahan pangan dengan memanfaatkan
sumber daya tumbuhan. Pertanian memegang peranan yang sangat penting
dalam pembangunan nasional, hal ini tidak terlepas dari keberadaan
Indonesia sebagai negara agraris karena di Indonesia sebagian besar
penduduknya bekerja dan bermata pencaharian di bagian pertanian. Di
dalam pertanian ada banyak sekali hasil pangan yang dihasilkan oleh para
petani Indonesia seperti padi, jagung, kedelai, ubi kayu, dan sebagainya.
Selain nasi yang berasal dari makanan pokok mayoritas masyarakat
Indonesia, terdapat jenis makanan pokok lainnya yang berasal dari sektor
pertanian, jagung contohnya. Jagung merupakan makanan pokok
masyarakat Indonesia setelah beras. Dan keberadaan jagung sangat
dibutuhkan dalam rangka ketahanan pangan di Indonesia.
Dalam hal ini, penulis mengambil daerah produksi jagung di
Kabupaten Deli Serdang di mana jagung juga menjadi komoditi andalan di
bebas (Luas Panen, Curah Hujan, Kelembaban Udara) terhadap variabel
tak bebas (Hasil Produksi Jagung). Untuk itu, judul yang dipilih penulis
untuk Tugas Akhir ini adalah FAKTOR-FAKTOR YANG
MEMPENGARUHI HASIL PRODUKSI JAGUNG DI KABUPATEN
DELI SERDANG TAHUN 2009 – 2011.
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah yang telah dikemukakan, maka yang
menjadi rumusan masalah dalam penelitian ini adalah bagaimana pengaruh
yang signifikan dan positif antara Luas Panen, Curah Hujan dan
Kelembaban Udara terhadap Hasil produksi Jagung.
1.3 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah sebagai berikut :
Untuk mengetahui apakah terdapat hubungan atau korelasi antara
faktor-faktor Luas Panen, Curah Hujan dan Kelembaban Udara terhadap Hasil
Produksi Jagung.
1.4 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat bermanfaat, antara lain :
Bagi Instansi terkait, dapat menjadi tambahan masukan dalam
melengkapi bahan pertimbangan dalam merumuskan kebijakan
1.5 Lokasi Penelitian
Untuk mendapatkan data yang diperlukan, penulis melakukan penelitian
di Kantor Dinas Pertanian Kabupaten Deli Serdang yang beralamat di Jl.
Karya Baru No.2 Komplek Kantor Bupati, Lubuk Pakam.
1.6 Metodologi Penelitian
1. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan penulis dalam
penyusunan tugas akhir ini adalah dengan menggunakan data
sekunder, yaitu data yang diambil dari sumbernya yang berasal dari
Kantor Dinas Pertanian Kabupaten Deli Serdang.
2. Metode Pengolahan Data
Penulis menggunakan metode regresi linier berganda guna melihat
pengaruh variabel-variabel bebas yaitu Luas Panen, Curah Hujan,
dan Kelembaban Udara terhadap variabel terikat yaitu Hasil
Produksi Jagung yang diambil selama 24 bulan (2 tahun) dari tahun
2010-2011 dan mengaplikasikannya dalam program SPSS.
1.7 Metodologi Penelitian
1. Regresi Linier Berganda
Suatu persamaan regresi linier yang memiliki lebih dari satu variabel
Secara umum, model regresi linier berganda adalah sebagai berikut:
Ŷ = b0 + b1X1 + b2X2 + . . . + bnXn
Keterangan :
Ŷ = Variabel tak bebas
b0, b1, b2, bn = Koefisien regresi
X = Variabel Bebas
2. Analisis Korelasi
Tujuan dari korelasi adalah untuk mengukur keeratan hubungan
antara variabel-variabel. Adapun rumus korelasi adalah :
r
yx=
Keterangan :
r
yx :Korelasi antara variabel Y dan X
Xi : Variabel bebas Xi
1.8 Sistematika Penulisan
Adapun sistematika penulisan tugas akhir ini adalah :
BAB 1 PENDAHULUAN
Dalam bab ini menguraikan tentang latar belakang, rumusan
masalah, tujuan penelitian, manfaat penelitian, metodologi
penelitian, metode analisis yang digunakan, dan sistematika
penulisan.
BAB 2 LANDASAN TEORI
Dalam bab ini menguraikan teori-teori dan analisa tentang
segala sesuatu yang berhubungan terhadap penyelesaian
masalah judul tugas akhir ini.
BAB 3 SEJARAH SINGKAT TEMPAT RISET
Dalam bab ini penulis menguraikan sejarah singkat Dinas
Pertanian Kabupaten Deli Serdang.
BAB 4 PENGOLAHAN DATA
Dalam bab ini menguraikan pembahasan mengenai pengolahan
data yang diperoleh dari lapangan dengan menggunakan
BAB 5 IMPLEMENTASI SISTEM
Dalam bab ini menguraikan tentang program atau software
yang digunakan sebagai analisis data. Penulis menggunakan
program SPSS dan hasil outputnya untuk melakukan
pengolahan data.
BAB 6 KESIMPULAN DAN SARAN
Dalam bab ini penulis menguraikan kesimpulan dan saran dari
BAB 2
LANDASAN TEORI
2.1 Analisa Regresi
Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisa hubungan
antara dua atau lebih variabel adalah analisis regresi. Regresi pertama kali
digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Pada
dasarnya dalam suatu persamaan regresi terdapat dua macam variabel, yaitu
variabel bebas (independent variable) yang dinyatakan dengan X dan variabel
terikat (dependent variable) yang biasa dinyatakan dengan Y. Variabel terikat
adalah variabel yang dipengaruhi atau yang nilainya bergantung dari nilai variabel
lain (variabel bebas) dan variabel variabel bebas adalah variabel yang
memberikan pengaruh. Bila variabel bebas diketahui maka variabel terikatnya
dapat diprediksi besarnya. Prinsip dasar yang harus dipenuhi dalam membangun
suatu persamaan regresi adalah antara variabel terikat dengan variabel bebas
mempunyai sifat hubungan sebab-akibat (hubungan kausalitas).
2.1.1 Regresi Linier Sederhana
Analisis regresi linier sederhana adalah suatu persamaan regresi yang terdiri dari
Model regresi linier sederhana adalah :
Y = a + bX (2.1)
Keterangan :
Y = Variabel terikat (dependent variable)
X = Variabel bebas (independent variable)
a = Konstanta (intercept)
b = Parameter koefisien regresi variabel bebas
2.1.2 Regresi Linier Berganda
Regresi linier berganda adalah suatu persamaan regresi yang memiliki lebih dari
satu variabel bebas X dan satu variabel terikat Y dan akan membentuk suatu
persamaan regresi yang baru. Model persamaan regresi linier berganda adalah :
Y = + + + + + + (2.2)
atau
Y = + + + + +
Keterangan :
Y = Variabel terikat (dependent variable)
= Variabel bebas (independent variable)
atau = Konstanta regresi
atau = Koefisien regresi variabel bebas
2.2 Kesalahan Standar Estimasi
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,
makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan
nilai variabel tidak bebas sesungguhnya dan sebaliknya.
Kesalahan standar estimasi (kekeliruan baku taksiran) dapat ditentukan dengan
rumus :
=
(2.3)
Keterangan :
= nilai data sebenarnya
= nilai taksiran
2.3 Koefisien Determinasi
Koefisien determinasi yang dinyatakan dengan untuk pengujian regresi linier
berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui
proporsi keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau
diterangkan oleh variabel-variabel bebas (X) yang ada dalam model persamaan
regresi linier berganda secara bersama-sama. Maka akan ditentukan dengan
rumus, yaitu :
Keterangan :
= Jumlah kuadrat regresi
=
2.4 Analisa Korelasi (Correlation)
Analisis korelasi digunakan untuk mengetahui hubungan antara dua variabel
(bivariate correlation) atau lebih dari dua variabel (multivariate correlation)
dalam suatu penelitian. Untuk menentukan seberapa besar hubungan antar
variabel tersebut, dapat dihitung dengan menggunakan rumus koefisien korelasi.
Maka rumus yang digunakan adalah :
=
–(2.5)
Keterangan :
: Koefisien korelasi antara variabel Y dan X
: Koefisien variabel bebas
: Koefisien variabel terikat
Besarnya nilai koefisien korelasi (r) selalu terletak antara -1 dan 1, maka
nilai r tersebut dapat ditulis : -1≤ r ≤ +1. Jika r = +1 maka terdapat korelasi positif
sempurna antara variabel X dan Y artinya jika nilai variabel X tinggi, maka nilai
variabel Y akan tinggi pula. Sebaliknya jika r = -1, maka terdapat korelasi negatif
sempurna antara variabel X dan Y artinya jika nilai variabel X tinggi, maka nilai
variabel Y rendah. Sedangkan r = 0, berarti tidak ada korelasi antara variabel X
Secara jelas dapat dilihat dalam tabel 2.1 berikut :
Tabel 2.1 : Interpretasi Koefisien Korelasi Nilai r
R Interpretasi
0
0,01 – 0,20
0,21 – 0,40
0,41 – 0,60
0,61 – 0,80
0,81 – 0,99
1 Tidak Berkorelasi Sangat rendah Rendah Agak rendah Cukup Tinggi Sangat tinggi
2.5 Pengujian Regresi Linier Berganda
Uji regresi linier ganda perlu dilakukan untuk mengetahui apakah sekelompok
variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak
bebas. Dalam pengujian persamaan regresi terutama menguji hipotesis tentang
parameter koefisien regresi yang melibatkan intercept serta k buah variabel.
Untuk Tugas Akhir digunakan model persamaan regresi linier berganda
sebagai berikut :
Y = + + + + + + (2.6)
Dengan persamaan penduganya adalah :
Y = + + + + +
Keterangan :
Koefisien – koefisien , , dapat dihitung dengan rumus :
ƩY = + + + (2.7)
ƩYX1 = + + Ʃ + Ʃ (2.8)
ƩYX2 = + Ʃ + + Ʃ (2.9)
ƩYX3 = + Ʃ + + (2.10)
2.5.1 Uji F (Simultan)
Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut :
1. Menentukan formulasi hipotesis
: = = = = 0 ( , , , tidak mempengaruhi Y)
: , 0 (minimal ada satu parameter koefisien regresi tidak
sama dengan nol atau mempengaruhi Y).
2. Menentukan taraf nyata α dan nilai dengan derajat kebebasan
= k dan = n-k-1
3. Menentukan kriteria pengujian
ditolak bila ; dk = n-k-1
diterima bila > ; dk = n-k-1
4. Menentukan nilai statistik F dengan rumus :
F =
dan masing-masing didapat dari rumus berikut :
= + + +
= – , = – ,…, = – , = – ) dengan
= dengan derajat kebebasan (dk) = (n-k-1)
Keterangan :
k = Jumlah variabel bebas
(n-k-1) = Derajat kebebasan
= Jumlah kuadrat regresi
= Jumlah kuadrat residu (sisa)
5. Membuat kesimpulan apakah diterima atau ditolak.
2.5.2 Uji t (Parsial)
Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut :
1. Menentukan formula hipotesis
: = 0 ( tidak mempengaruhi Y)
: 0 ( mempengaruhi Y)
2. Menentukan taraf nyata dan nilai dengan dk ( );(n-2)
3. Menentukan kriteria pengujian
ditolak bila
diterima bila <
4. Menentukan nilai :
=
Keterangan :
=
= Kesalahan standar koefisien regresi
= Koefisien korelasi ganda variabel bebas (
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Dinas Pertanian Kabupaten Deli Serdang
Dinas Pertanian merupakan unsur pelaksana pemerintah daerah, yang dipimpin
oleh seorang Kepala Dinas yang berada dibawah dan bertangung jawab kepada
Bupati melalui Sekretaris Daerah Kabupaten. Dinas pertanian Kabupaten Deli
Serdang diresmikan pada Tahun 1950-an oleh Kepala Daerah Tingkat II
Kabupaten Deli Serdang Kecamatan Lubuk Pakam. Pada mulanya kantor Dinas
Pertanian Tanaman Pangan diberi nama Dinas Pertanian DASWATI (Daerah
Swuantara) untuk Tingkat II Kabupaten Deli Serdang Kecamatan Lubuk Pakam
yang di Kepalai oleh Tengku Ismail hingga pada Tahun 1959.
Pada tahun 1980, Dinas Pertanian mengalami perubahan nama menjadi
Dinas Pertanian Tingkat II Kabupaten Deli Serdang Kecamatan Lubuk Pakam.
Pada Tahun 2001 mengalami perubahan nama kembali menjadi Dinas Pertanian
Deli Serdang Kecamatan Lubuk Pakam. Dengan keluarnya keputusan Bupati
Kepala Daerah Tingkat II Kabupaten Deli Serdang ditentukan dan dimaksudkan
dalam peraturan daerah yaitu sebagai berikut : “Tujuan kantor atau instansi Dinas
Pertanian didirikan adalah untuk mengembangkan dan meningkatkan Tanaman
Palawija atau sayuran”. Selain itu Dinas Pertanian juga membahas masalah
pelestarian swasembada beras, sehingga terciptanya agrobisnis dan produktivitas
para petani yang lebih baik demi memenuhi kebutuhan bahan pangan.
3.2 Visi dan Misi Visi
Visi merupakan cara pandang jauh ke depan tentang mau ke mana Dinas
Pertanian Kabupaten Deli Serdang ini akan diarahkan dan menggambarkan
hendak menjadi apa Dinas Pertanian Kabupaten Deli Serdang ini pada masa
depan agar dapat mendorong terlaksananya Pembangunan Daerah di bidang
pertanian dalam rangka peningkatan kesejahteraan masyarakat Kabupaten Deli
Serdang.
Dari penetapan visi di mana Dinas Pertanian Kabupaten Deli Serdang
sangat penting sebagai penentu arah pelaksanaan tugas yang telah diemban oleh
seluruh jajaran PIMPINAN DAN STAF, di mana visi tersebut digali dari
keyakinan yang mendasar dan nilai – nilai luhur yang dianut seluruh anggota
personil dengan mempertimbangkan faktor lingkungan di sekitarnya yang selaras
dan sesuai dengan Visi Negara Republik Indonesia dan Visi Kabupaten Deli
Serdang. Adapun Visi Dinas Pertanian Kabupaten Deli Serdang adalah:
Misi
Misi merupakan sesuatu yang harus dilaksanakan yang disesuaikan dengan
mandat yang diberikan pada organisasi agar tujuan organisasi tercapai
berdasarkan visi yang telah ditetapkan serta berhasil diwujudkan.
Dengan adanya MISI diharapkan seluruh aparat/personil pegawai maupun
pihak – pihak lain yang berkepentingan dapat mengenal Dinas Pertanian
Kabupaten Deli Serdang serta mengetahui peranan program yang disusun maupun
hasil yang diperoleh sesuai maksud dan tujuan pada masa datang.
Misi Dinas Pertanian dapat dijelaskan sebagai berikut:
1. Meningkatkan kualitas Sumber Daya Manusia (SDM) Aparatur.
2. Memberdayakan kelembagaan petani
3. Pengembangan sentra produksi unggulan yang berbasis pada ekonomi
kerakyatan.
4. Meningkatkan efisiensi, efektivitas dan produktivitas hasil pertanian,
perkebunan dan peternakan.
BAGAN STRUKTUR ORGANISASI
DINAS PERTANIAN KABUPATEN DELI SERDANG
(PERATURAN DAERAH KABUPATEN DELI SERDANG NOMOR 5 TAHUN 2007)
BAB 4
PENGOLAHAN DATA
Data yang diolah pada Tugas Akhir ini adalah data sekunder. Dalam penelitian ini
terdapat empat variabel yaitu, Produksi Jagung, Luas Panen, Curah Hujan dan
Kelembaban Udara.
Data Produksi Jagung dan Luas Panen diambil dari Kantor Dinas
Pertanian Kabupaten Deli Serdang sedangkan untuk data Curah Hujan dan
Kelembaban Udara diambil dari kantor Badan Pusat Statistik Propinsi Sumatera
Utara. Di bawah ini adalah tabel mengenai Produksi jagung dan Luas Panen di
Kabupaten Deli Serdang tahun 2010 – 2011.
Tabel 4.1 Produksi Jagung dan Luas Panen di Kabupaten Deli Serdang Tahun 2010 - 2011
Bulan Produksi
(Ton)
Luas Panen (ha)
1 10.955 3.135
2 5.643 1.622
3 8.948 2.568
4 9.344 2.691
5 6.304 1.814
6 2.466 708
7 6.444 1.848
8 4.066 1.167
Sambungan Tabel 4.1
10 6.825 1.947
11 6.012 1.721
12 3.467 989
13 10.557 3.019
14 3.521 1.011
15 3.242 929
16 3.898 1.107
17 11.024 3.104
18 7.958 2.106
19 4.366 1.149
20 7.617 2.002
21 7.836 2.106
22 4.799 1.280
23 10.299 2.710
24 3.793 1.016
Sumber : Kantor Dinas Pertanian Kabupaten Deli Serdang
Tabel 4.2 Curah Hujan dan Kelembaban Udara di Kabupaten Deli Serdang Tahun 2010 - 2011
Bulan Curah Hujan (mm)
Kelembaban Udara
(%)
1 153 83
2 219 84
3 257 84
4 247 85
5 439 86
6 233 87
7 194 87
8 133 82
9 129 83
10 230 84
11 275 84
12 215 82
Sambungan Tabel 4.2
14 434 86
15 342 87
16 189 87
17 131 85
18 197 84
19 129 84
20 187 84
21 148 84
22 144 83
23 248 86
24 219 86
Sumber : Badan Pusat Statistik Propinsi Sumatera Utara
Berdasarkan tabel 4.1 dan tabel 4.2 ditentukan persamaan regresi linier
berBerganda dengan menghitung nilai koefisien-koefisien regresinya
( , , , ) diperlukan nilai-nilai dari masing-masing satuan variabel yang
disusun dalam tabel 4.3
Tabel 4.3 Nilai-Nilai yang dibutuhkan untuk Menghitung Koefisien-Koefisien
Bulan Y
1 10.955 3.135 153 83 120.012.025 9.828.225 23.409 2 5.643 1.622 219 84 31.843.449 2.630.884 47.961 3 8.948 2.568 257 84 80.066.704 6.594.624 66.049 4 9.344 2.691 247 85 87.310.336 7.241.481 61.009 5 6.304 1.814 439 86 39.740.416 3.290.596 192.721
6 2.466 708 233 87 6.081.156 501.264 54.289
7 6.444 1.848 194 87 41.525.136 3.415.104 37.636 8 4.066 1.167 133 82 16.532.356 1.361.889 17.689 9 6.265 1.782 129 83 39.250.225 3.175.524 16.641 10 6.825 1.947 230 84 46.580.625 3.790.809 52.900 11 6.012 1.721 275 84 36.144.144 2.961.841 75.625
12 3.467 989 215 82 12.020.089 978.121 46.225
13 10.557 3.019 278 85 111.450.249 9.114.361 77.284 14 3.521 1.011 434 86 12.397.441 1.022.121 188.356
16 3.898 1.107 189 87 15.194.404 1.225.449 35.721 17 11.024 3.104 131 85 121.528.576 9.634.816 17.161 18 7.958 2.106 197 84 63.329.764 4.435.236 38.809 19 4.366 1.149 129 84 19.061.956 1.320.201 16.641 20 7.617 2.002 187 84 58.018.689 4.008.004 34.969 21 7.836 2.106 148 84 61.402.896 4.435.236 21.904 22 4.799 1.280 144 83 23.030.401 1.638.400 20.736 23 10.299 2.710 248 86 106.069.401 7.344.100 61.504 24 3.793 1.016 219 86 14.386.849 1.032.256 47.961
∑ 155.649 43.531 5.370 2.032 1.173.487.851 91.843.583 1.370.164
6.889 34.343.925 1.676.115 909.265 479.655 260.205 12.699 7.056 9.152.946 1.235.817 474.012 355.218 136.248 18.396 7.056 22.978.464 2.299.636 751.632 659.976 215.712 21.588 7.225 25.144.704 2.307.968 794.240 664.677 228.735 20.995 7.396 11.435.456 2.767.456 542.144 796.346 156.004 37.754 7.569 1.745.928 574.578 214.542 164.964 61.596 20.271 7.569 11.908.512 1.250.136 560.628 358.512 160.776 16.878 6.724 4.745.022 540.778 333.412 155.211 95.694 10.906 6.889 11.164.230 808.185 519.995 229.878 147.906 10.707 7.056 13.288.275 1.569.750 573.300 447.810 163.548 19.320 7.056 10.346.652 1.653.300 505.008 473.275 144.564 23.100 6.724 3.428.863 745.405 284.294 212.635 81.098 17.630 7.225 31.871.583 2.934.846 897.345 839.282 256.615 23.630 7.396 3.559.731 1.528.114 302.806 438.774 86.946 37.324 7.569 3.011.818 1.108.764 282.054 317.718 80.823 29.754 7.569 4.315.086 736.722 339.126 209.223 96.309 16.443 7.225 34.218.496 1.444.144 937.040 406.624 263.840 11.135 7.056 16.759.548 1.567.726 668.472 414.882 176.904 16.548 7.056 5.016.534 563.214 366.744 148.221 96.516 10.836 7.056 15.249.234 1.424.379 639.828 374.374 168.168 15.708 7.056 16.502.616 1.159.728 658.224 311.688 176.904 12.432 6.889 6.142.720 691.056 398.317 184.320 106.240 11.952 7.396 27.910.290 2.554.152 885.714 672.080 233.060 21.328 7.396 3.853.688 830.667 326.198 222.504 87.376 18.834
Dari tabel 4.3 diperoleh hasil sebagai berikut :
n = 24 Ʃ = 172.098
ƩY = 155.649 Ʃ = 328.094.321
Ʃ = 43.531 Ʃ = 33.972.636
Ʃ = 5.370 Ʃ = 13.164.340
Ʃ = 2.032 Ʃ = 9.537.847
Ʃ = 1.173.487.851 Ʃ = 3.681.787
Ʃ = 91.843.583 Ʃ = 456.168
Ʃ = 1.370.164
Dari persamaan yaitu :
= + + +
= + + Ʃ + Ʃ
= + Ʃ + + Ʃ
= + Ʃ + +
Kemudian dapat disubstitusikan nilai-nilai yang sesuai, maka diperoleh :
155.649 = 24 + 43.531 + 5.370 + 2.032
328.094.321 = 43.531 + 91.843.583 + 9.537.847 + 3.681.787 39.318.031 = 5.370 + 9.537.847 + 1.370.164 + 456.168
20.047.341 = 2.032 + 3.681.787 + 456.168 + 172.098
Setelah persamaan di atas diselesaikan, maka diperoleh koefisien-koefisien regresi
linier berBerganda seperti berikut :
= - 1.502,508
= 3,543
= 21,101
Dengan demikian, persamaan regresi linier berganda atas , , dan adalah :
Ŷ = -1.502,508 + 3,543 1,004 + 21,101
Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga Ŷ yang
diperoleh dari persamaan regresi di atas untuk tiap harga , , dan yang
[image:32.595.168.459.295.720.2]diketahui.
Tabel 4.4 Harga Ŷ untuk Menghitung Kekeliruan Tafsiran Baku
Bulan 2
1 10.955 11.202,57 -247,57 61.290,9 2 5.643 5.796,85 -153,85 23.669,82 3 8.948 9.110,37 -162,37 26.364,02 4 9.344 9.577,30 -233,3 54.428,89
5 6.304 6.298,42 5,58 31,1364
6 2.466 2.607,79 -141,79 20.104,4 7 6.444 6.685,97 -241,97 58.549,48 8 4.066 4.228,92 -162,92 26.542,93 9 6.265 6.432,99 -167,99 28.220,64 10 6.825 6.937,28 -112,28 12.606,8 11 6.012 6.091,38 -79,38 6.301,18 12 3.467 3.515,94 -48,94 2.395,12 13 10.557 10.708,28 -151,28 22.885,64 14 3.521 3.458,42 62,58 3.916,26 15 3.242 3.281,36 -39,36 1.549,21 16 3.898 4.065,62 -167,62 28.096,46 17 11.024 11.157,03 -133,03 17.696,98 18 7.958 7.533,75 424,25 179.988,1 19 4.366 4.211,37 154,63 23.910,44 20 7.617 7.175,31 441,69 195.090,1 21 7.836 7.582,94 253,06 64.039,36 22 4.799 4.639,34 159,66 25.491,32 23 10.299 9.664,72 634,28 402.311,1 24 3.793 3.691,99 101,01 10.203,02
Dengan demikian, kesalahan bakunya dapat dihitung dengan rumus :
=
Di mana :
k = 3 ; n = 24 ; dan = 1.295.683,65
Diperoleh :
=
=
=
64.784,18Ini berarti bahwa rata-rata hasil produksi yang sebenarnya akan menyimpang dari
rata-rata hasil produksi yang diperkirakan sebesar 64.784,18 ton.
4.1 Pengujian Regresi Linier Berganda
Pengujian hipotesis dalam regresi linier berganda perlu dilakukan agar tidak
terjadi kesalahan penarikan kesimpulan.
Dengan hipotesa :
: = = = 0 : Luas Panen, Curah Hujan dan Kelembaban Udara tidak
berpengaruh secara simultan dan signifikan terhadap
: , , 0 : Luas Panen, Curah Hujan dan Kelembaban Udara
berpengaruh secara simultan dan signifikan terhadap
Hasil Produksi.
Kriteria pengujiannya adalah :
Tolak bila
Terima bila <
Untuk mengetahui nilai dapat diperoleh dari tabel distribusi F dengan dk
pembilang ( ) = k, dan penyebut ( ) = n-k-1. Untuk mengetahui nilai
dapat dicari dengan rumus :
F =
Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai y,
, , dan dengan menggunakan rumus sebagai berikut :
=
= –
= –
= –
Dari tabel 4.3 dapat diperoleh nilai dari = 6.677,97 , = 1.878,89 , = 170,89
dan = 83,61. Maka untuk harga-harga y, , , dan yang dibutuhkan disusun
[image:34.595.109.545.667.755.2]pada tabel 4.5
Tabel 4.5 Harga-harga yang dibutuhkan untuk Uji Regresi
No Y y
5 6.304 1.814 439 86 -181,38 0,21 215,25 1,33 6 2.466 708 233 87 -4.019,38 -1.105,79 9,25 2,33 7 6.444 1.848 194 87 -41,38 34,21 -29,75 2,33 8 4.066 1.167 133 82 -2.419,38 -646,79 -90,75 -2,67 9 6.265 1.782 129 83 -220,38 -31,79 -94,75 -1,67
Sambungan : Tabel 4.5 Harga-harga yang dibutuhkan untuk Uji Regresi
10 6.825 1.947 230 84 339,62 133,21 6,25 -0,67 11 6.012 1.721 275 84 -473,38 -92,79 51,25 -0,67 12 3.467 989 215 82 -3.018,38 -824,79 -8,75 -2,67 13 10.557 3.019 278 85 4.071,62 1.205,21 54,25 0,33 14 3.521 1.011 434 86 -2.964,38 -802,79 210,25 1,33 15 3.242 929 342 87 -3.243,38 -884,79 118,25 2,33 16 3.898 1.107 189 87 -2.587,38 -706,79 -34,75 2,33 17 11.024 3.104 131 85 4.538,62 1.290,21 -92,75 0,33 18 7.958 2.106 197 84 1.472,62 292,21 -26,75 -0,67 19 4.366 1.149 129 84 -2.119,38 -664,79 -94,75 -0,67 20 7.617 2.002 187 84 1.131,62 188,21 -36,75 -0,67 21 7.836 2.106 148 84 1.350,62 292,21 -75,75 -0,67 22 4.799 1.280 144 83 -1.686,38 -533,79 -79,75 -1,67 23 10.299 2.710 248 86 3.813,62 896,21 24,25 1,33 24 3.793 1.016 219 86 -2.692,38 -797,79 -4,75 1,33
Jumlah 155.649 43.531 5.370 2.032 -0,12 0,04 0 -0,08
y y y
6.694.535,26 499.552,10 1.207,5625 5,429 1.828.734,31 89.911,455 -6.028,595 20.599.071,50 1.664.641,84 8.602,5625 0,109 5.855.772,91 -420.957,005 1.497,745 2.168.609,66 85.386,68 715,5625 0,449 430.314,2902 -39.392,585 -986,6554 4.491.771,58 441.945,74 8.977,5625 0,449 1.408.942,63 200.811,255 1.419,985
1.280.563,82 35.423,00 1.350,5625 0,449 212.982,2002 -41.587,035 -758,1854 1.824.174,38 85.386,68 5.738,0625 0,449 394.664,6702 -102.309,465 -904,9154 2.843.877,50 284.931,76 6.360,0625 2,789 900.172,7802 134.488,805 2.816,255 14.543.697,50 803.192,36 588,0625 1,769 3.417.804,38 92.480,285 5.072,115 7.248.910,06 636.468,88 22,5625 1,769 2.147.953,84 12.788,805 -3.580,865
164.045.717,63 12.887.417,96 168.626,5 55,33 45.779.461,87 -1.312.668,39 -13.942
Dari nilai-nilai pada tabel 4.5 tersebut,maka nilai , dan nilai nya
dapat dihitung sebagai berikut :
= + +
= 3,543(45.779.461,87) – 1,004(-1.312.668,39) + 21,101(-13.942)
= 162.750.034
= = 1.295.683,65
Jadi, dapat dicari dengan rumus :
F
=
F =
F =
F = 837,39
Dari tabel distribusi F dengan dk pembilang (k) = 3, dk penyebut (n-k-1) = 20
dan α = 5% maka :
= F (α), (k, n-k-1)
= 3,10
Diperoleh = 837,39 = 3,10
Karena yang diperoleh lebih besar maka ditolak dan
diterima. Hal ini berarti persamaan regresi linier berganda Y atas , ,
bersifat nyata. Artinya yaitu Luas Panen, Curah Hujan dan Kelembaban Udara
berpengaruh secara simultan dan signifikan terhadap Produksi Jagung.
4.2 Perhitungan Korelasi Linier Berganda
Berdasarkan tabel 4.5 dapat dilihat harga = 164.935.928,5 sedangkan
yang telah dihitung adalah 162.750.034. Dengan rumus koefisien determinasi ( )
diperoleh :
=
=
= 0,992
R =
R = 0,996
Dari hasil perhitungan diperoleh hasil koefisien determinasi ( ) sebesar 0,992
dan diperoleh koefisien korelasinya (R) sebesar 0,996. Artinya 99% Hasil
Produksi dipengaruhi oleh ketiga faktor yaitu Luas Panen, Curah Hujan, dan
4.3 Koefisien Korelasi
Untuk mengetahui besarnya korelasi dari masing-masing antar variabel, maka
dapat dihitung sebagai berikut :
4.4.1 Perhitungan korelasi antara variabel Y dengan ( )
a. Besar korelasi antara Hasil Produksi (Y) dengan Luas Panen ( )
=
– –
=
– –
= 0,99
Nilai sebesar 0,99. Hal ini menunjukkan bahwa Hasil Produksi dengan
Luas Panen memiliki korelasi positif yang tinggi. Nilai yang positif
menandakan hubungan yang searah antara hasil produksi dengan luas panen,
artinya semakin luas panen akan meningkatkan hasil produksi, sebaliknya
semakin kecil luas panen akan menurunkan hasil produksi.
b. Besar korelasi antara Hasil Produksi (Y) dengan Curah Hujan ( )
=
– –
=
– –
= -0,16
Nilai sebesar -0,16. Hal ini menunjukkan bahwa Hasil Produksi
negatif menandakan hubungan yang tidak searah antara hasil produksi dengan
curah hujan, artinya semakin banyak curah hujan akan menurunkan hasil
produksi, sebaliknya semakin sedikit curah hujan akan meningkatkan hasil
produksi.
c. Besar korelasi antara Hasil Produksi (Y) dengan Kelembaban Udara ( )
=
– –
=
– –
= -0,15
Nilai sebesar -0,15. Hal ini menunjukkan bahwa Hasil Produksi dengan
Kelembaban Udara memiliki korelasi negatif yang sangat rendah. Nilai yang
negatif menandakan hubungan yang tidak searah antara hasil produksi dengan
Kelembaban udara, artinya semakin banyak Kelembaban udara akan
menurunkan hasil produksi, sebaliknya semakin sedikit Kelembaban udara
akan meningkatkan hasil produksi.
Dari hasil perhitungan nilai korelasi r antara variabel bebas ( , , )
terhadap variabel terikat (Y), korelasi yang terbesar adalah korelasi antara
Hasil Produksi (Y) dengan Luas Panen ( ) yaitu sebesar 0,99. Artinya bahwa
Luas Panen memberikan pengaruh yang lebih besar terhadap Hasil Produksi
4.4.2 Perhitungan korelasi antara variabel bebas (X)
a. Besar korelasi antara Luas Panen ( ) dengan Curah Hujan ( )
=
– –
=
– –
= -0,14
b. Besar korelasi antara Luas Panen ( ) dengan Kelembaban Udara ( )
=
– –
=
– –
= -0,14
c. Besar korelasi antara Curah Hujan ( ) dengan Kelembaban Udara ( )
=
– –
=
– –
= 0,50
Berdasarkan perhitungan korelasi r antar variabel bebas tersebut, dapat
dilihat bahwa yang mempunyai korelasi agak rendah positif adalah antara
Curah Hujan dengan Kelembaban Udara, sedangkan yang mempunyai
korelasi rendah negatif adalah antara Luas Panen dengan Curah Hujan dan
4.4 Pengujian Koefisien Regresi Linier Berganda (Uji T)
Pengujian yang dilakukan merupakan uji satu arah atau uji satu pihak dengan
distribusi student t. Pengujian dapat dilakukan dengan merumuskan hipotesis
berikut :
1. Pengaruh antara Luas Panen terhadap Hasil Produksi
: = 0 Luas Panen tidak berpengaruh positif terhadap Hasil Produksi
: > 0 Luas Panen berpengaruh positif terhadap Hasil Produksi
, jika :
, jika :
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran (
)
,jumlah kuadrat-kuadrat ( ) dan koefisien korelasi berganda ( ) antar
variabel bebas yaitu dan . Dan dapat dihitung kekeliruan baku koefisien
sebagai berikut :
=
Selanjutnya untuk menentukan nilai , digunakan rumus :
=
Dari perhitungan sebelumnya didapat harga-harga berikut ini :
=64.784,18
=12.887.417,96
= = -0,14
=
= 0,072
Diperoleh :
= =
=
= 49,208
Dari tabel distribusi t dengan taraf nyata α = 0,05 dan dk = maka :
=
=
= 2,07
Diperoleh = 49,208 = 2,07
Dapat dilihat bahwa lebih besar dari maka ditolak yang berarti
Luas Panen berpengaruh positif terhadap Hasil Produksi.
2. Pengaruh antara Curah Hujan terhadap Hasil Produksi
: = 0 Curah Hujan tidak berpengaruh positif terhadap Hasil Produksi
: > 0 Curah Hujan berpengaruh positif terhadap Hasil Produksi
, jika :
, jika :
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran (
)
,jumlah kuadrat-kuadrat ( ) dan koefisien korelasi berganda ( = antar
variabel bebas yaitu dan . Dan dapat dihitung kekeliruan baku koefisien
=
Selanjutnya untuk menentukan nilai , digunakan rumus : =
Dari perhitungan sebelumnya didapat harga-harga berikut ini :
=
=168.626,5
= = -0,14
=
=
= 0,626
Maka diperoleh :
= =
=
= -1,604
Dari tabel distribusi t dengan taraf nyata α = 0,05 dan dk = maka :
=
=
= 2,07
Diperoleh = -1,604 = 2,07
Dapat dilihat bahwa lebih kecil dari maka diterima yang berarti
3. Pengaruh antara Kelembaban Udara terhadap Hasil Produksi
: = 0 Kelembaban Udara tidak berpengaruh positif terhadap Hasil
Produksi
: > 0 Kelembaban Udara berpengaruh positif terhadap Hasil
Produksi
, jika :
, jika :
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran (
)
,jumlah kuadrat-kuadrat ( ) dan koefisien korelasi berganda ( ) antar variabel
bebas yaitu dan . Dan dapat dihitung kekeliruan baku koefisien sebagai
berikut :
=
Selanjutnya untuk menentukan nilai , digunakan rumus :
=
Dari perhitungan sebelumnya didapat harga-harga berikut ini :
=
=55,33 = = -0,14
=
= 34,557
Maka diperoleh :
= =
=
= 0,610
Dari tabel distribusi t dengan taraf nyata α = 0,05 dan dk = maka :
=
=
= 2,07
Diperoleh = 0,610 = 2,07
Dapat dilihat bahwa lebih kecil dari maka diterima yang berarti
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang digunakan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal dan mulai menggunakan
program yang dibuat.
Tahapan implementasi sistem merupakan penerapan hasil desain tertulis
ke dalam programming (coding). Dalam pengolahan data pada tugas akhir ini
penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu
program SPSS 16.0 For Windows dalam masalah memperoleh hasil perhitungan.
5.2 Pengenalan SPSS
SPSS merupakan salah satu paket program komputer yang digunakan dalam
mengolah statistik. SPSS cara kerjanya sama dengan kalkulator, karena pada
prinsipnya kalkulator juga menggunakan sistem kerja komputer dalam mengolah
input data, yaitu dimulai dari memasukkan data, lalu ada proses data dan akhirnya
keluar output data. SPSS banyak digunakan sebagai alat bantu dalam berbagai
macam riset, maka tak heran program ini paling banyak digunakan di seluruh
SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stanford University pada
tahun 1968. Pada tahun 1984 SPSS muncul sebagai software dengan nama
SPSS/PC+ dengan sistem DOS. Lalu sejak tahun 1992 SPSS mengeluarkan versi
windows dengan beberapa versi. SPSS sebelumnya dirancang untuk pengolahan
data statistik pada ilmu-ilmu sosial, maka SPSS merupakan singkatan dari
Statistical Package for the Social Science. Namun, dalam perkembangan
selanjutnya penggunaan SPSS diperluaskan untuk berbagai jenis user, misalnya
untuk produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Oleh karena
itu, SPSS yang sebelumnya singkatan dari Statistical Package for the Social
Science menjadi Statistical Productand Service Solutions.
Dalam pembahasan data pada tugas akhir ini, penulis menggunakan
program komputer SPSS di mana SPSS adalah suatu program komputer khusus
statistik yang mampu memproses data statistik secara cepat dan tepat.
5.3 Langkah-langkah Pengolahan Data dengan SPSS
5.3.1 Memasukkan variabel dan mengentri data
Dalam pengolahan data menggunakan SPSS versi 16.0 harus dipastikan terlebih
dahulu bahwa SPSS versi 16.0 telah terinstal di komputer, kemudian SPSS dibuka
1. Klik start pada windows, kemudian klik program lalu klik SPSS. Selain
itu, cara lain untuk mengaktifkan program SPSS melalui icon shortcut
pada tampilan desktop. Maka, akan muncul tampilan seperti gambar
[image:48.595.156.507.193.419.2]berikut :
Gambar 5.1 Tampilan saat membuka SPSS pada windows
2. Jika tampilan SPSS sudah aktif, maka akan muncul kotak dialog awal
SPSS seperti di bawah ini, lalu klik OK untuk memulai lembar kerja baru.
[image:48.595.159.506.508.730.2]3. Klik variable view, yang terletak di sebelah kiri bawah jendela editor lalu
lakukan langkah-langkah sebagai berikut :
3.1 Tulis nama variabel yang digunakan di bawah kolom Name.
3.2 Pada kolom Label, ketikkan variabel yang digunakan.
[image:49.595.154.509.223.457.2]3.3 Pada kolom Measure, pilih Scale.
Gambar 5.3 Tampilan Variable View
Berikut penjelasan menu-menu pada variabel view :
a. Name : Ketik nama variabel yang kita inginkan
b. Type : Sesuaikan tipe data yang kita inginkan
c. Width : Untuk menentukan jarak/lebar kolom
d. Label : Ketikkan nama sesuai dengan identitas dari nama variabel,
nama variabel hanya terdiri dari 8 digit/karakter.
e. Value : Untuk mengisi penjelasan nama (label) pada variabel
f. Missing : Digunakan untuk menjelaskan data yang hilang
h. Align : Untuk menentukan letak pengisian data, apakah rata kiri,
rata kanan atau letak tengah kolom
i. Measure : Untuk menentukan jenis data
4. Kemudian klik data view yang terletak di sudut kiri bawah jendela editor
untuk mengaktifkan jendela data.
[image:50.595.171.493.270.483.2]5. Entri data yang sesuai untuk setiap variabel yang telah didefinisikan.
Gambar 5.4 Tampilan Data Setelah Dientri
5.3.2 Menganalisis data dengan regresi
Pada proses ini komputer akan menganalisis data yang telah dimasukkan dalam
sheet data view. Dari proses ini akan diperoleh persamaan regresi linier yang
dibutuhkan. Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai
1. Buka file, Analyze, Regression, Linier. Maka, akan tampak tampilan
[image:51.595.153.513.138.371.2]seperti di bawah ini.
Gambar 5.5 Tampilan Analisis Regresi
2. Setelah muncul tampilan, kemudian masukkan variabel terikat pada kotak
Variabel Dependent dan variabel bebas pada kotak Variabel Independent.
Gambar 5.6 Tampilan Kotak Dialog Regresi Linier
3. Klik Statistics pada kotak dialog regression, lalu klik Estimate, Model Fit
[image:51.595.195.468.458.655.2]Gambar 5.7 Tampilan Kotak Dialog Regresi Linier : Statistics
4. Klik Option maka kotak dialog Linier Regression : Options akan muncul.
Pilih Use probability of F kemudian masukkan nilai tingkat kepercayaan
pada kotak Entry. Masukkan selang kepercayaan 0,05 kemudian klik
Continue.
Gambar 5.8 Tampilan Kotak Dialog Regresi Linier : Options
5. Untuk menampilkan grafik klik plots pada kotak dialog regression lalu
[image:52.595.169.496.425.639.2]Gambar 5.9 Tampilan Kotak Dialog Regresi Linier : Plots
5.3.3 Analisis data dengan Korelasi
Langkah-langkah analisis dengan korelasi adalah sebagai berikut :
1. Pilih Analyze lalu pilih sub menu Correlate, kemudian pilih Bivariate.
[image:53.595.126.502.471.670.2]2. Setelah kotak dialog Bivariate Correlations muncul, pindahkan semua
variabel pada kotak Variables kemudian pilih Pearson pada Correlation
Coefficients lalu pilih two tailed pada Test of Significance lalu klik OK
[image:54.595.183.479.194.405.2]untuk menampilkan Outputnya.
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari hasil analisis yang dilakukan, maka dapat diambil beberapa kesimpulan
sebagai berikut :
1. Persamaan regresi yang didapat adalah Ŷ = -1.502,508 + 3,543 - 1,004
+ 21,101
2. Dari hasil pengujian pengaruh semua variabel bebas secara bersama-sama
(simultan), di mana lebih besar dari . Maka, ditolak dan
diterima jadi dapat disimpulkan Luas Panen ( ), Curah Hujan ( ), dan
Kelembaban Udara ( ) mempengaruhi Produksi Jagung (Y).
3. Nilai koefisien determinasi ( ) yang tinggi 0,992 menunjukkan bahwa
besarnya pengaruh semua variabel bebas ( , , ) adalah sebesar 99%
sedangkan 1% sisanya dipengaruhi oleh faktor-faktor yang lain.
4. Hasil pengujian koefisien regresi secara parsial (uji t) diperoleh bahwa
variabel bebas Luas Panen ) berpengaruh dan signifikan terhadap
Produksi. Hal ini terlihat dari nilai = 49,208 = 2,07 artinya
jika ditingkatkan variabel Luas Panen ) sebesar satu satuan (ha) maka
3,534 satuan (ha). Variabel bebas Curah Hujan ( ) dan Kelembaban Udara
( ) tidak berpengaruh dan tidak signifikan terhadap Produksi (Y). Hal ini
terlihat dari nilai artinya walaupun ditingkatkan variabel
Curah Hujan ( ) dan Kelembaban Udara ( ) sebesar satu satuan maka
Produksi Jagung (Y) di Kabupaten Deli Serdang tidak akan meningkat
sebesar 1,004 satuan (mm) dan 21,101 satuan (%).
6.2 Saran
Penulis memberikan saran yang diharapkan dapat bermanfaat bagi pihak yang
terkait yaitu agar Badan Pusat Statistik memberikan masukan kepada Dinas
Pertanian Kabupaten Deli Serdang untuk memperluas lahan penanaman untuk
tanaman jagung sehingga nilai produksi juga bertambah dan memperhatikan
faktor lainnya seperti jenis bibit dan jumlah pupuk.
.
DAFTAR PUSTAKA
Andi Supangat, 2007. Dalam Kajian Deskriftif Inferensi dan Nonparametrik.
Bandung
Anto Dajan, 1991. Pengantar Metode Statistik. Jilid 2. Jakarta : LP3ES
Deli Serdang Dalam Angka. BPS Sumut. 2011
Hakim Abdul, 2002. Statistik Induktif. Edisi Kedua. Yogyakarta : EKONISIA
Hasan M. Iqbal, 1999. Pokok-Pokok Materi Statistik 2. Jakarta : Bumi Aksara
Http://www.deliserdangkab.go.id
J. Supranto, 1993. Statistik Teori dan Aplikasi. Jilid 2. Jakarta : Erlangga
Rukmana Rahmat, 1997. Usaha Tani Jagung. Yoyakarta : Kanisius
Sudjana, 2001. Metode Statistika. Edisi Keenam. Bandung : Tarsito
Yamin Sofyan, dkk, 2010. Regresi dan Korelasi Dalam Genggaman Anda.
Regression
Descriptive Statistics
Mean Std. Deviation N
Produksi 6485.38 2670.660 24
LuasPanen 1813.79 748.547 24
CurahHujan 223.75 85.625 24
KelembabanUdara 84.67 1.551 24
Variables Entered/Removedb
Model
Variables Entered
Variables
Removed Method
1 Kelembaban Udara, LuasPanen, CurahHujana
. Enter
a. All requested variables entered.
b. Dependent Variable: Produksi
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate Durbin-Watson
1 .996a .992 .991 254.527 .940
a. Predictors: (Constant), KelembabanUdara, LuasPanen, CurahHujan
b. Dependent Variable: Produksi
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 1.628E8 3 5.425E7 837.396 .000a
Residual 1295683.651 20 64784.183
Total 1.640E8 23
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 1.628E8 3 5.425E7 837.396 .000a
Residual 1295683.651 20 64784.183
Total 1.640E8 23
b. Dependent Variable: Produksi
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 2607.73 11201.99 6485.38 2660.092 24
Residual -246.987 634.746 .000 237.348 24
Std. Predicted Value -1.458 1.773 .000 1.000 24
Std. Residual -.970 2.494 .000 .933 24
Correlations
Correlations
Produksi LuasPanen CurahHujan Kelembaban Udara
Produksi Pearson Correlation 1 .996** -.162 -.146
Sig. (2-tailed) .000 .449 .495
N 24 24 24 24
LuasPanen Pearson Correlation .996** 1 -.137 -.144
Sig. (2-tailed) .000 .523 .503
N 24 24 24 24
CurahHujan Pearson Correlation -.162 -.137 1 .494*
Sig. (2-tailed) .449 .523 .014
N 24 24 24 24
KelembabanUdara Pearson Correlation -.146 -.144 .494* 1
Sig. (2-tailed) .495 .503 .014
N 24 24 24 24
**. Correlation is significant at the 0.01 level (2-tailed).
