Faktor-Faktor yang Mempengaruhi Hasil Produksi Kelapa Sawit PTPN III (Persero) Kebun Sei Dadap Kabupaten Asahan

A

M

P

I

R

A

Jalan Biotdrnologi No. I Kmpus

usu

M€dan padmg Bulan Medan 20t55 Telp. (061) 821 1050, 82 I 4290, Fan. (06 I ) BZL4ZW

Nomor Lampiran IIal

bbb

_{ArNi.z.r.SrspBrzor3}

Pe,nelitian Tugas Akhir

lvtredau, Maret 2013

di

Mdan

K@aYth:

Pimpinan Kantor PIPN III (PerserolMedan

Dengam hormat, hrsama ini kami sampaitan kryada Sadara bahwa mahasisqra program Studi D3 Stati$tika Flv{IPA USU Meda& akan melaksaoakan Riset Data Penganrh Produlisi Ketapa Sawit pada PTPN

T

_{Serrero) Mcden.}

Sehubrmgan dengan hal tersebut

di

af,as, kami mohon bantqan Saudara agar dapat menerima

maha<iswa yang namanya di bawah ini untuk melahkan Riset Data pada tanggal ZS MaxEt 2013

sampai dengan 25 Apri[?Ol3.

Namamahasiswayang akan melakukan Riset Dara sebagai beril:ut :

No. Nama Mehaslswe

NIM

Progrm

Studi

I hifaya Sofi 102407054 D3 Statistika

Demikian kami sampaikan" atas bantual

&n

_{kerjasarna yang baik kami diucapkan terima}

ksih

Dekan

M.Sc Dekm

I

Medan, Maret 2013

Nomor : 3.09/X/ /2013

Lamp. : -

H a l : Izin Penelitian Tugas Akhir

Kepada Yth : Pembantu Dekan I

Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Jalan Bioteknologi No. 1 di -

M e d a n

Menghunjuk Surat Saudara Nomor : 1066 / UN5.2.1.8 / SPB / 2013 tanggal 25 Maret 2013 perihal tersebut diatas, dengan ini disampaikan sebagai berikut :

1. Permohonan Izin Penelitian Tugas Akhir dari Fakultas Matematika Ilmu Pengetahuan Alam USU di PT. Perkebunan Nusantara III Medan atas :

Nama : Maya Sofi

NIM : 102407054

Program Studi : D3 Statistika

Judul : “Faktor-Faktor yang Mempengaruhi Hasil Produksi

Kelapa Sawit PTPN III (Persero) Kebun Sei Dadap Kabupaten Asahan”

dapat kami setujui di Bagian Tanaman terhitung mulai tanggal 02 s/d 04 April 2013.

2. Biaya-biaya yang timbul berkaitan dengan pelaksanaan Izin Penelitian Tugas Akhir dimaksud ditanggung sepenuhnya oleh Mahasiswi yang bersangkutan.

3. Selama melaksanakan Izin Penelitian Tugas Akhir diwajibkan untuk memenuhi dan melaksanakan segala ketentuan yang ada pada PT. Perkebunan

Nusantara III.

4. Kepala Bagian / Kebun / Unit tempat Mahasiswi melaksanakan Izin Penelitian Tugas Akhir dapat memberikan penilaian kepada Mahasiswi yang bersangkutan.

5. Perusahaan tidak dapat memberikan data dan dokumen yang bersifat rahasia.

6. Hasil melaksanakan Izin Penelitian Tugas Akhir semata - mata dipergunakan untuk kepentingan Ilmiah selanjutnya menyerahkan 2 ( dua ) eksemplar laporan hasil Izin Penelitian Tugas Akhir dalam bentuk Soft Copy dan Hard

Copy kepada PT. Perkebunan Nusantara III cq Bagian Umum.

Demikian disampaikan agar maklum.

BAGIAN UMUM

(PERSERO)

Kantor Direksi : Jl. Sei Batang Hari No. 2 Medan 20122, Provinsi Sumatera Utara Indonesia Telp. 06261 8452244, 8453100, Fax. 06261 8455177, 8454728

Tabel DataJumlah Produksi Sawit Luas Lahan, Curah Huian' Pupuk PTPN

Rekapitulasi Curah Hujan PTPN

III

(KSDDP)

Curah Hujan _{mm per

tahun)

Ilari

Hujan dalam setahun

(hari)

III

(Persero) Kebun Sei Dadap KSDDP

Kebun Sei Dadap (KSDDP) PTPN

III

(Persero)

Tanaman Menghasilkan _CIM) Kelapa Sawit tahun 2m8-20I2

No. Golongan Umur Tanaman

Luas (ha)

2008 2009 2010 2011 2012

1 Tanaman Renta

?24

Tahun) 0,00 0r00 0,00 0,00 0r00

2 Tanaman Tlua

{21-24

tahun) 0,00 9s$4 0,00 0,00 0,00

3 Tanaman I)ewasa (14 - 20

tahun) 1.905,94 r.81030 1.968,90 2.142,W 2.541.,94

4 Tanaman Rem*ja {9 - 13

tahun) 131,64 136,2,4 640,99 6e432 36s33

5 Tanaman Muda {4 -

I

tahun) 764,10 915,15 1.16033 933,90 862,95

ffi

Produksi TBS Kebun Sei Dadap (KSDDP)

No. Tahun Produksi _(ton)TBtri Produksi TBS (ribu

ton)

I

2008 79.0s4 79,05

2 2009 85.952 85,95

3 2010 86.272 8647

4 2011 84.11t 84r17

3 2012 E2.029 82r03

(Kg)

Dolomite PHE

10 + 0.5 TE

NPK 15-10

+ Organik 22+ 0.5

TE NPK Palmo 2008 I (s/d agustus)

Ha 3.401,68 3.401,68 3.220,73 0,00 180,95 3.401,68 10.205,04

3.400,05

Kg 535,34 54,33 1.148,02 0,00 62,74 1.210,76 1.800,43

II (s/d desember)

Ha 3.391,68 3.391,68 0,00 3.391,68 0,00 3.391,68 10.175,04

Kg 484,74 53,49 0,00 1.061,39 0,00 1.061,39 1.599,62

2009

I (s/d juli) Ha 3.451,69 3.451,69 0,00 3.451,69 0,00 3.451,69 10.355,07

3.535,96

Kg 713,05 54,06 0,00 1.279,88 0,00 1.279,88 2.046,98

II (s/d desember)

Ha 3.451,69 3.451,69 0,00 3.451,69 0,00 3.451,69 10.355,07

Kg 718,78 53,48 0,00 716,72 0,00 716,72 1.488,98

2010

I (s/d juli) Ha 3.770,22 3.770,22 0,00 3.770,22 0,00 3.770,22 11.310,66

3.742,61

Kg 830,48 58,83 0,00 1.207,11 0,00 1.207,11 2.096,42

II (s/d desember)

Ha 3.760,22 3.760,22 0,00 3.760,22 0,00 3.760,22 11.280,66

Kg 778,63 58,65 0,00 808,92 0,00 808,92 1.646,20

2011

I (s/d agustus)

Ha 3.770,22 3.770,22 0,00 3.770,22 0,00 3.770,22 11.310,66

4.319,08

Kg 905,37 58,05 0,00 1.436,14 0,00 1.436,14 2.399,56

II (s/d desember)

Ha 3.770,22 3.770,22 0,00 3.770,22 0,00 3.770,22 11.310,66

Kg 878,78 57,04 0,00 983,70 0,00 983,70 1.919,52

2012

I (s/d agustus)

Ha 3.770,22 3.770,22 0,00 3.770,22 0,00 3.770,22 11.310,66

3.192,98

Kg 904,36 56,12 0,00 1.477,72 0,00 1.477,72 2.438,20

II (s/d desember)

Ha 3.384,33 0,00 0,00 0,00 0,00 0,00 3.384,33

KEMENTERIAN PENDIDIKAN NASIONAL UNryERSITAS ST]MATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM Jalan Bioteknologi No.

I

Kampus USU Medan Padang Bulan Medan 20155

Telp. (061) 8211050, 821429A, Fax. (061) 8214294

KARTU BIMBINGAI{ TUGAS _4,KI.ilR, MAHAPISWA

Nama Mahasiswa

Nomor Induk Mahasiswa Judul Tugas Akhir

Dosen Pembimbing

Tanggal Mulai Bimbingan

Tanggal Selesai Bimbingan

Maya Sofi

rw407454

Faktor-Faktor yang

Kelapa Sawit PTPN Kabupaten Asahan

Drs. Faigiziduhu Bu'u1010, M.Si

Mempengaruhi Hasil Produksi

III

(Persero) Kebun Sei Dadap

DiketahuiiDisetuj ui oleh

Departemen Matematika FMIPA USU

Ketua,

Prof, Dr. Tulus, M.Si. Ph.D NIP. 19620901 198803 1002

No.

Tanggal

Asistensi Bimbineafl

Pembahasan Asistensi

Pada Bab

Paraf Dosen

Pembmbing Keterangan

I

6

N|v,sfc\ v61y nornurh ruduL drCI WOoLaL 2

l,

_l{\^r*141b

\cc

frpDosaL

J

Zt

IU.cr 26la hcc irnl, {,2

4

'la

Itcr

eotl

AccWb

5

1 Juni

totr

Act

B*h A

6

?

Iuni ?ttt)

W

We,b

7

l{

_{Jffii tDp Tec} 0ruanarr

:-I

9 10

*Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mafoasiswa telah selesai

Pernbimbing,

KEMENTERIAN PENDIDIKAN NAS IONAL

LNTYERSITASSTKvIA-TERAUTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM STUDI

D-III

STATISTIKA

Jalan Bioteknologi No.

I

Kampus USU Medan Padang Bulan Medan 20155

Telp. (061) 8211050, 8214290" Fax. (061) 8214290

srlRqT _KET4R+NGAN Hasil Uji Program Tugas Akhir

Yang bertanda tangan dibawah ini menerangkan bahwa Mahasiswa Tugas

Akhir Program Diploma

III

Statistika:

Nama Mahasiswa

Nomor Induk Mahasiswa

Judul Tugas Akhir

:

Maya Sofi

:

102407054

;

Fakior-Faktor yang Kelapa Sawit PTPN Kabupaten Asahan

Mempengaruhi Hasil Produksi

III

(Persero) Kebun Sei Dadap

Medan, Juli 2013

+

'

/^D

Telah melaksarakan tes program tugas akhir mahasiswa tersebut di atas pada

tanggal . l{..IJ.!.i....,U7. !}...,..

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan

di

Program Studi D3 Statistika Fakultas Matematika dan

Ilmu

Pengetahuan Alana Universitas Sumatera TJwa

Medan.

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

Algifari. 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta : BPFE

Elcom. 2009. Belajar Kilat SPSS 17. Yogyakarta : Penerbit Andi

Gio, Prana Ugiana. 2012. Statistika Beserta Aplikasi dalam SPSS. Medan

Gomez, Kwuancha A. dan Gomez, arture A. 1995. Prosedur Statistik untuk

Penelitian Pertanian, Edisi kedua. Jakarta : Penerbit Universitas Indonesia

(UI Press)

http://digilib.unimed.ac.id/UNIMED-Undergraduate-708532065/23244

http://eprints.undip.ac.id/22587/1/SKRIPSI0_-

NUR_INDAH_RAHMAWATI.PDF

http://www.ptpn3.co.id/

Iswardono. 2001. Sekelumit Analisa Regresi dan Korelasi, Edisi Pertama.

Yogyakarta :BPFE

PTPN IV (Persero), 2007. Dokumen Intern PT. Perkebunan Nusantara IV

(Persero) . Medan : PTPN IV (Persero)

Santoso, Ratno Dwi. dan Kusnadi, Mustadjab Hary. 1992. Analisis Regresi. Yogyakarta : Penerbit Andi Offset Yogyakarta

Sudjana. 2001. Metode Statistika. Bandung: Tarsito.

Sutarman, Marpongahtun. 2013. Panduan Tata Cara Penulisan Skripsi dan

Tugas Akhir, Edisi Kedua. Medan : Fakultas Matematika dan Ilmu

Yamin, Sofyan., Rachmach, Lien A., dan Kurniawan Heri. 2011. Regresi dan

BAB 3

SEJARAH UMUM TEMPAT RISET

3.1 Sejarah Singkat PTPN III (Persero) Medan

PTPN III merupakan salah satu dari 14 Badan Usaha Milik Negara (BUMN)

Perkebunan yang bergerak dalam bidang usaha perkebunan, pengolahan dan

pemasaran hasil perkebunan. Kegiatan usaha perseroan mencakup usaha budidaya

dan pengolahan tanaman kelapa sawit dan karet. Produk utama Perseroan adalah

minyak sawit /CPO, Inti Sawit /Kernel dan karet. Untuk industri hilir terhitung

mulai tanggal 30 Juni 2006 menjadi anak perusahaan.

Sejarah perseroan diawali dengan proses pengambilalihan perusahaan –

perusahaan perkebunan milik Belanda oleh Pemerintah RI pada tahun 1958 yang

dikenal sebagai proses nasionalisasi perusahaan perkebunan asing menjadi

Perseroan Perkebunan Negara (PPN). Tahun 1968, PPN direstrukturisasi menjadi

beberapa kesatuan Perusahaan Negara Perkebunan (PNP) yang selanjutnya pada

tahun 1974 bentuk badan hukumnya diubah menjadi PT Perkebunan.

Guna meningkatkan efisiensi dan efektifitas kegiatan usaha perusahaan

BUMN, pemerintah merestrukturisasi BUMN sub sektor perkebunan dengan

melakukan penggabungan usaha berdasarkan wilayah eksploitasi dan

manajemen pada tahun 1994, tiga BUMN Perkebunan yang terdiri dari PTPN III,

PTPN IV dan PTPN V disatukan pengelolaannya ke dalam manajemen PTPN

III.

Selanjutnya melalui Peraturan Pemerintah No. 8 Tahun 1996 tanggal 14

Februari 1996, ketiga Perseroan tersebut digabung dan diberi nama PT.

Perkebunan Nusantara III yang berkedudukan di Medan, Sumatera Utara. telah

disahkan Menteri Kehakiman Republik Indonesia dengan Surat Keputusan No.

C2-8331.HT.01.01.TH.96 tanggal 8 Agustus 1996 yang dimuat di dalam Berita

Negara Republik Indonesia No. 81 Tahun 1996 Tambahan Berita Negara No.

8674 Tahun 1996.

PTPN III menjalankan bisnisnya dalam bidang usaha perkebunan dengan

komoditas utama sawit dan karet. Perseroan memiliki lahan perkebunan yang

terintegrasi dengan pabrik pengolahan untuk masing-masing komoditas. Lahan

perkebunan perseroan tersebar di 6 Daerah tingkat II di Propinsi Sumatera Utara,

yaitu kabupaten Deli Serdang, Serdang Bedagai, Simalungun, Asahan, Labuhan

Batu, dan Tapanuli Selatan. Luas areal Hak Guna Usaha (HGU) perkebunan sawit

dan karet yang dikelola PTPN III mencapai 165.437,15 hektar (ha) yang terdiri

dari 142.152,67 ha kebun sendiri dan 23.284,28 ha kebun plasma. Kebun sendiri

terdiri dari 103.014,56 ha tanaman kelapa sawit dan 39.138,11 ha tanaman karet.

Dalam menjalankan aktivitas bisnisnya, PTPN III telah membentuk 8

Strategic Bisnis Unit (SBU), yaitu 8 Distrik Perkebunan. Masing-masing Distrik

dipimpin oleh seorang Distrik Manager, yang menangani beberapa kebun, pabrik

pengolahan, dan fasilitas penunjang lainnya. Perseroan telah memiliki 33 kebun

sendiri dan 5 kebun plasma yang terintegrasi dengan 11 unit Pabrik Pengolahan

Kelapa Sawit (11 PKS) dengan kapasitas sebesar 510 ton TBS/jam dan 15 unit

Pabrik Pengolahan Karet dengan kapasitas sebesar 202 ton Karet Kering (KK) per

hari.

Dalam rangka peningkatan atas layanan kesehatan, kesejahteraan, dan

pendidikan karyawan, PTPN III secara berkelanjutan menyediakan sarana rumah

sakit dan poliklinik serta sarana sosial berupa rumah ibadah, sekolah/madrasah,

dan sarana raga di setiap lokasi perkebunan.

3.2 Visi dan Misi PTPN III (Persero) Medan

3.2.1 Visi

Menjadi Perusahaan Agribisnis kelas dunia dengan kinerja prima dan

melaksanakan tata kelola bisnis terbaik.

3.2.2 Misi

1. Mengembangkan industri hilir berbasis perkebunan secara

2. Menghasilkan produk berkualitas untuk pelanggan.

3. Memperlakukan karyawan sebagai aset dan mengembangkannya secara

optimal.

4. Menjadikan perusahaan terpilih yang memberikan “imbal-hasil” terbaik

bagi para investor.

5. Menjadikan perusahaan yang paling menarik untuk bermitra bisnis.

6. Memotivasi karyawan untuk berpartisipasi aktif dalam pengembangan

komunitas.

7. Melaksanakan seluruh aktivitas perusahaan yang berwawasan lingkungan.

3.3 Struktur Organisasi PTPN III (Persero) Medan

3.4 Bidang-Bidang Kerja PTPN III (Persero) Medan

Adapun bidang-bidang kerja di PTPN III Medan adalah sebagai berikut :

1. Rapat Umum Pemegang Saham (RUPS) adalah Para pemegang saham.

3. Direktur Utama

4. Direktur Produksi

5. Direktur Keuangan

6. Direktur SDM/ Umum

7. Direktur Pemasaran

3.5 Makna Logo PTPN III (Persero) Medan

Logo PT. Perkebunan Nusantara III (Persero)

1. Gambar 12 helai daun kelapa sawit disebelah kiri bola dunia dan tujuh urat

daun karet yang berwarna hijau disebelah kanan bola dunia melambangkan

bahwa PTPN III memiliki 12 paradigma baru dan 7 strategi bisnis yang

saling mendukung agar tercapai tujuan yaitu selalu menjadi perusahaan

perkebunan terbaik dengan team work yang solid dan inovatif serta

2. Gambar 5 garis lintang horizontal dan vertikal yang berwarna biru,

melingkari bola dunia melambangkan bahwa PTPN III memiliki tata nilai

yang harus mampu mengimbangi kemajuan teknologi yang berkembang

agar selalu menjadi yang terdepan dalam peningkatan usaha

3. Gambar Meteor yang mengelilingi bumi sehingga membentuk angka 3,

melambangkan PTPN III bergerak dinamis dengan semangat yang tinggi

untuk menguasai pasar global. Sedangkan meteor yang berwarna putih

bermakna produksi latex dan produksi turunannya. Dan warna orange

adalah produksi Crude Palm Oil (CPO) beserta turunannya yang

BAB 4

PENGOLAHAN DATA

Data merupakan alat untuk mengambil keputusan atau untuk memecahkan suatu

persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan keputusan

tersebut didasarkan atas data yang baik. Salah satu kegunaan data adalah untuk

memperoleh dan mengetahui gambaran tentang suatu keadaan/permasalahan.

Dalam penelitian ini, data yang dikumpulkan adalah data mengenai jumlah

produksi sawit PTPN III (Persero) Kebun Sei Dadap dan faktor-faktor yang

mempengaruhinya yaitu :

1. Luas Lahan (Ha)

2. Curah Hujan (mm per tahun)

3. Pupuk (ribu ton)

Untuk memperoleh model yang cocok dalam menduga hasil produksi

sawit PTPN III (Persero) Kebun Sei Dadap berdasarkan faktor-faktor penduga

tersebut maka penulis menggunakan analisis regresi linier dengan satu variabel

terikat (dependent variable) dan tiga variabel bebas (independent variable). Data

yang diolah adalah berdasarkan data dari tahun 2008 sampai tahun 2012. Data

Tabel 4.1 Data Produksi Sawit, Luas Lahan, Curah Hujan, Pupuk dari tahun

2008 – 2012 PTPN III (Persero) Kebun Sei Dadap

PTPN III (Persero) Kebun Sei Dadap (KSDDP)

No. Tahun

Produksi Sawit

(ton)

Luas Lahan (ha)

Curah Hujan (mm per

tahun)

Pupuk (ton)

1 2008 79.054 3.401,68 1.905 3.400,05

2 2009 85.952 3.557,33 1.771 3.535,96

3 2010 86.272 3.770,22 2.025 3.742,61

4 2011 84.171 3.770,22 2.330 4.319,08

5 2012 82.029 3.770,22 2.101 3.198,98

JUMLAH 417.478 18.269,67 10.132 18.190,69

Sumber : PTPN III (Persero) Medan

Dari Tabel 4.1 di atas dilihat bahwa ada sebuah variabel dependen dan

independen yang mempunyai nilai cukup besar. Data di atas disederhanakan

Tabel 4.2 Data yang Telah Disederhanakan

PTPN III (Persero) Kebun Sei Dadap (KSDDP)

No. Tahun

Produksi Sawit (ribu ton) Luas Lahan (ribu ha) Curah Hujan (ribu mm per

tahun)

Pupuk (ton)

1 2008 79,05 3,40 1,91 3,40

2 2009 85,95 3,56 1,77 3,54

3 2010 86,27 3,77 2,03 3,74

4 2011 84,17 3,77 2,33 4,32

5 2012 82,03 3,77 2,10 3,19

JUMLAH 417,48 18,27 10,13 18,19

Keterangan:

Jumlah produksi sawit (ribu ton) sebagai Y

Luas lahan (ribu ha) sebagai X1

Curah hujan (ribu mm per tahun) sebagai X2

Pupuk (ton) sebagai X3

4.1 Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung

perhitungan-perhitungan yang ada, maka dapat ditentukan untuk mencari

persamaan regresi linier bergandanya.

Tabel 4.3 Nilai-nilai Koefisien

No. Tahun Y X1 X2 X3 X1X2 X1X3 X2X3

1 2008 79,05 3,40 1,91 3,40 6,4940 11,5600 6,4940

2 2009 85,95 3,56 1,77 3,54 6,3012 12,6024 6,2658

3 2010 86,27 3,77 2,03 3,74 7,6531 14,0998 7,5922

4 2011 84,17 3,77 2,33 4,32 8,7841 16,2864 10,0656

5 2012 82,03 3,77 2,10 3,19 7,9170 12,0263 6,6990

Jumlah 417,47 18,27 10,14 18,19 37,1494 66,5749 37,1166

Sambungan Tabel 4.3

No. Tahun

1 2008 11,56 3,65 11,56 268,7700 150,9855 268,7700 6248,9025

2 2009 12,67 3,13 12,53 305,9820 152,1315 304,2630 7387,4025

3 2010 14,21 4,12 13,99 325,2379 175,1281 322,6498 7442,5129

4 2011 14,21 5,43 18,66 317,3209 196,1161 363,6144 7084,5889

5 2012 14,21 4,41 10,18 309,2531 172,2630 261,6757 6728,9209

Jumlah 66,8723 20,7408 66,9177 1526,5639 846,6242 1520,9729 34892,3277

Maka persamaan regresinya:

= � + � +� +�

=� 0 + 1 1+ 2 2+ 3 3

1 = 0 1 + 1 12 + 2 1 2+ 3 1 3

2 = 0 2 + 1 1 2+ 2 22+ 3 2 3

3 = 0 3+ 1 1 3+ 2 2 3+ 3 32

Maka persamaan di atas dapat disubsitusikan dengan nilai-nilai berdasarkan Tabel

4.3 sebagai berikut:

417,47

= b

0

5 + b

1

18,27 + b

2

10,14 + b

3

18,19

1526,5639 = b

0

18,27 + b

1

66,8723 + b

2

37,1494 + b

3

66,5749

846,6242 = b

0

10,14+ b

1

37,1494 + b

2

20,7408 + b

3

37,1166

1520,9729 = b

0

18,19+ b

1

66,5749 + b

2

37,1166 + b

3

66,9177

Dari persamaan di atas, maka didapat nilai koefisien-koefisien regresi linier

berganda dengan menggunakan SPSS yang tertera di Lampiran 2 sebagai

berikut:

b0 = 25,437

b1 = 20,619

Maka persamaan regresinya diperoleh:

= � + � +� +�

= , + , − , + ,

4.2 Koefisien Korelasi

Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan tiga

variabel bebas X1, X2, X3 dengan menggunakan Tabel 4.3, yaitu :

1. Koefisien korelasi anatar Y dengan X1

ry1 =

n X₁Y− X₁ Y

n X₁2− X₁ 2 _{n Y}2 _{− Y} 2

ry1 =

5(1526,56390)−(18,27)(417,47)

5 66,8723 − 18,27 2 _{5 34.892,3277} − _417,47 2

ry1 =

7.632,8195−7.627,1769

334,3615−333,7929 174.461,6385−174.281,2009

r_y1 = 5,6426

0,5686 (180,4376)

r_y1 = 5,6426

102,596

ry1 =

5,6426 10,1290

2. Koefisien korelasi anatar Y dengan X2

ry2 =

n X₂Y− X₂ Y

n X₂2− X₂ 2 _{n Y}2 _{− Y} 2

ry2 =

5(846,6242)−(10,14)(417,47)

5 20,7408 − 10,14 2 _{5 34.892,3277} − _417,47 2

ry2=

4.233,1210−4.233,1458

103,7040−102,8196 174.461,6385−174.281,2009

ry2= −

0,0248

0,8844 (180,4376)

ry2= −

0,0248 159,5790

ry2= −

0,0248 12,6325

r_y2= −0,0020

3. Koefisien korelasi antara Y dan X3

ry3 =

n X₃Y− X₃ Y

n X₃2− X₃ 2 _{n Y}2 _{− Y} 2

ry3 =

5(1.520,9729)−(18,19)(417,47)

5 66,917 − 18,19 2 _{5 34.892,3277} − _417,47 2

ry3 =

7.604,8645−7.593,7793

334,8645− 330,8761 174.461,6385−174.281,2009

r_y3= 11,0852

3,7124 (180,4376)

ry3=

11,0852 25,8816

ry3= 0,4283

Sedangkan untuk mengetahui korelasi antar variabel bebas dengan tiga buah

variabel bebas adalah :

a. Koefisien korelasi antara X1 dan X2

r12 =

n X1X2− X1 X2

n X₁2 − X₁ 2 _{n X} 2 2

− X₂ 2

r12 =

5 37,1166 − 18,27 (10,14)

5 66,8723 − 18,27 2 _{5 20,7408} − _10,14 2

r₁₂ = 185,7470−185,2578

334,3615−333,7929 103,7040 – 102,8196

r12 =

0,4892

0,5686 (0,8844)

r12 =

0,4892

0,5029)

r₁₂ = 0,4892 0,7091

r₁₂ = 0,6899

Dibulatkan menjadi 0,690.

r13 =

n X1X3− X1 X3

n X₁2 − X1 2 n X3 2

− X3 2

r₁₃ = 5 66,5749 − 18,27 (18,19)

5 66,8723 − 18,27 2 _{5 66,9177 − 18,19} 2

r₁₃ = 332,8745−332,3313

334,3615−333,7929 334,5885 – 330,8761

r₁₃ = 0,5432

0,5686 (3,7124)

r13 =

0,5432

2,1109

r13 =

0,5432 1,4529

r₁₃ = 0,3739

Dibulatkan menjadi 0,374.

c. Koefisien Korelasi antara X2 dan X3

r23 =

n X2X3− X2 X3

n X₂2− X2 2 n X3 2

− X3 2

r₂₃ = 5 37,1166 − 10,14 (18,19)

5 20,7408 − 10,14 2 _{5 66,9177} − _18,19 2

r₂₃ = 185,5830− 184,4466

103,7040−102,8196 334,5885 – 330,8761

r₁₃ = 1,1364 3,2832

r₂₃ = 1,1364 1,8120

r23 = 0,6272

Dibulatkan menjadi 0,627.

4.3 Koefisien Determinasi

Berdasarkan tabel 4.3, maka diperoleh nilai sebagai berikut:

1 =

18,27

5 = 3,654

2

₌ 10,14

5 = 2,028

3

₌ 18,19

5 = 3,638

= 417,47

[image:35.595.111.225.356.532.2]

5 = 83,494

Tabel 4.4 Perhitungan Koefisien Determinasi

No. Y

Sambungan Tabel 4.4 Perhitungan Koefisien Determinasi

No. Y- (Y- )2

1 1,1288 0,5244 1,0577 79,1111 -0,0611 0,0037 19,7491

2 -0,2309 -0,6336 -0,2407 85,8400 0,1100 0,0121 6,0319

3 0,3220 0,0056 0,2832 86,4305 -0,1605 0,0258 7,7062

4 0,0784 0,2042 0,4610 84,1127 0,0573 0,0033 0,4570

5 -0,1698 -0,1054 0,6559 81,9710 0,0590 0,0035 2,1433

Jumlah 1,1285 -0,0050 2,2170 417,4652 0,0048 0,0484 36,0875

Sambungan Tabel 4.4 Perhitungan Koefisien Determinasi

No. ( ) ( ) ( )

1 0,0645 0,0139 0,0566

2 0,0088 0,0666 0,0096

3 0,0135 0,0000 0,0104

4 0,0135 0,0912 0,4651

5 0,0135 0,0052 0,2007

Jumlah 0,1137 0,1769 0,7425

Keterangan:

n = 5

k = 3

x1 = X1 - 1

x2 = X2 - 2

Dari hasil tabel di atas, maka dapat dihitung 2 macam persamaan yaitu JKreg dan

JKres sebagai berikut:

JKreg = b1 Σyi x1 + b2Σyix2 + . . . + bkΣy ixk

JKreg = (20,619) (1,1285) + (-18,781) (-0,0050) + (5,718) (2,2170)

JKreg = 23,2685 + 0,0939 + 12,6768

JKreg = 36,0392

JKres= Σ (Yi –Ŷi)2

JKres = 0,0484

= _� ��

=

2 ₌ 1 1 + 2 2 +⋯+

− 2

Telah didapatkan pada perhitungan sebelumnya bahwa nilai JKreg = 36,0392 dan

= �

= , . Maka untuk mencari koefisien determinasi sebagai berikut:

2 ₌ 36,0392

36,0875

2 _{= 0,998661586}

Dibulatkan menjadi 0,9986 atau 99,86%

Untuk koefisien korelasi berganda digunakan rumus r = R2_{. Maka}

perhitungannya didapatkan sebagai berikut:

r = 0,998661586

r = 0,999330568, dibulatkan menjadi 0,9993

E = 100% - R2

E = 100% - 99,86%

E = 0,14%

R2 = 0,9986 artinya 99,86% produksi sawit PTPN III (Persero) Kebun Sei Dadap

(KSDDP) dipengaruhi ketiga faktor yang dianalisis sedangkan 0,14% sisanya

dipengaruhi faktor-faktor lain yang tidak dianalisis.

4.4 Uji Regresi Linier Berganda

1. Menentukan formulasi hipotesis

H0 : b1 = b2 = b3 = bk = 0

Artinya X1 (Luas Lahan), X2 (Curah Hujan), X3 (Pupuk) tidak

mempengaruhi jumlah produksi kelapa sawit PTPN III (Persero) Kebun

Sei Dadap (KSDDP)

H1 : Minimal ada satu parameter koefisien regresi yang tidak sama dengan

nol atau mempengaruhi jumlah produksi kelapa sawit PTPN III

2. Menentukan taraf nyata α dan nilai Ftabel berdasarkan Lampiran 3 dengan

derajat kebebasan V1 = k dan V2 = n-k-1 dengan taraf signifikansi α = 0,05

yaitu Ftabel = F(1 –α)(k), (n – k – 1) = F0,05; 3; 1 = 216. 3. Menghitung Menentukan kriteria pengujian

H0 diterima bila Fhitung≤ Ftabel

H0 ditolak bila Fhitung > Ftabel

4. Menentukan nilai F dengan rumus :

�ℎ = ��

/

� / (� − −1)

JKreg = 36,0392

JKres= Σ (Yi –Ŷi)2 = 0,0484

Maka:

�

ℎ

=

��

/

�

/ (

� − −

1)

�ℎ =

36,0392 3 0,484

(5−3−1)

�

ℎ

=

12,01310,484 1

�

ℎ

=

12,0131_0,484

5. Dengan demikian diperoleh kesimpulan bahwa Fhit = 248,352 > Ftabel =

216, maka H0 ditolak dan H1 diterima yang artinya minimal ada satu

parameter koefisien regresi yang tidak sama dengan nol atau

mempengaruhi Y.

4.5 Uji Koefisien Regresi Berganda

Sbi=

, ,…,

−�

Dengan:

,1,2,…,

2 ₌ −Ŷ

2

�− −1

2 _{= −} 2

[image:40.595.109.548.507.655.2]

Maka dapat dicari perhitungan sebagai berikut:

Tabel 4.5 Perhitungan Koefisien Regresi Berganda

No. Yi X1 X2 X3 − ( − )

1 79,05 3,40 1,91 3,40 79,1111 -0,0611 0,0037

2 85,95 3,56 1,77 3,54 85,8400 0,1100 0,0121

3 86,27 3,77 2,03 3,74 86,4305 -0,1605 0,0258

4 84,17 3,77 2,33 4,32 84,1127 0,0573 0,0033

5 82,03 3,77 2,10 3,19 81,9710 0,0590 0,0035

Jumlah 417,47 18,27 10,14 18,19 417,4652 0,0048 0,0484

,1,2,…,

2

=

−Ŷ

2

,1,2,…,

2

=

0,0484

Dari Tabel 4.4 sebelumnya maka dapat dilihat sebagai berikut:

2 _{= −} 2

12 = 1− 1 2 = 0,1137

2

2 ₌

2− 2 2 = 0,1769

3

2 ₌

3− 3 2 = 0,7425

Maka dapat dihitung

Sbi=

, ,…,

−�

Sb1= _−� , ,…,

Sb1=

0,0484 , − ,

Sb1=

0,0484 , − ,

Sb1=

0,0484 , ,

Sb1=

0,0484 ,

S_b1= _0,8117

Sb2 =

, ,…,

−�

Sb2 = 0,0484 , − ,

Sb2 = 0,0484 , − ,

Sb2 = 0,0484 , ,

S_b2= 0,0484

,

Sb2= 0,3719

Sb2= 0,865

Sb3 = , ,…,

−�

Sb3 = 0,0484 , − ,

Sb3= 0,0484 , − ,

Sb3 = 0,0484 , ,

Sb3=

0,0484 ,

Sb3= 0,1074

1 = 1

1

= 20,619

0,906 = 22,763

2 = 2

2

= −18,718

0,865 =−21,715

3 = 3

3

= 5,718

0,329= 17,354

Dengan α = 0,05; dk = n – k - 1 = 5 – 3 - 1 = 1 berdasarkan tabel distribusi t pada

ttabel yang tertera di Lampiran 4 maka didapat ttabel = t(n-k-1, 1-α/2) = t(1, 1-0,05/2) = t(1, 1

– 0,025) = t(1, 0,0975) = 12,71.

Maka diperoleh hasil sebagai berikut:

1 22,763 > � (12,71)

2 −22.715 < � (12,71)

3 17,354 < � (12,71)

Dengan demikian maka H0 ditolak untuk koefisien regresi berganda X1

dan X3 dan H0 diterima untuk X2. Artinya Luas Lahan dan Pupuk sangat

memberikan pengaruh secara positif terhadap jumlah produksi sawit sedangkan

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah 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

penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data

tugas akhir ini menggunakan software yaitu SPSS 17.0 dalam memperoleh hasil

perhitungan.

5.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan untuk

mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien, dengan

hasil perhitungan yang akurat dengan prograrn untuk analisis statistik yang paling

populer yaitu SPSS (Statistical Product and Service Solution).

SPSS pertama sekali diporkenalkan oleh tiga mahasiswa Standford

University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan

nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan

versi Windows. SPSS dengan sistem Windows telah mengeluarkan software

SPSS sebelumnya dirancang untuk pengolahan data statistik pada

ilmu-ilmu sosial sehingga SPSS merupakan singkatan dari Statistical Package for the

Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS

diperluas untuk berbagai jenis penggunaan, misalnya untuk proses produksi di

perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehinggakini SPSS menjadi

singkatan dai Statistical Product and Service Solutions.

5.3 Pengolahan Data dengan SPSS

1. Memulai SPSS pada window yaitu sebagai berikut:

 Pilih menu Start pada Windows

 Selanjutnya pilih menu All Programs

[image:45.595.116.517.350.651.2]

 Pilih SPSS 17

[image:46.595.115.519.83.315.2]

Gambar 5.2 Tampilan Lembar Kerja SPSS 17.0

2. Memasukan data ke dalam SPSS

SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan

Variable View. Untuk menyusun definisi variabel, posisi tampilan SPSS Data

Editor harus berada pilih ada “Variable View". Lakukan dengan mengklik tab

sheet Variable View yang berada dibagian kiri bawah atau langsung menekan

Ctrl+T. Tampilan variable view juga dapat dimunculkan dari View lalu pilih

Variable.

5.3 Tampilan Jendela Variabel View pada SPSS 17.0

Pada tampilan Variable View terdapat kolom-kolom berikut;

Name : untuk memasukkan nama variabel, misalnya Jumlah_Produksi

Type : untuk mendefinisikan tipe variabel, apakah bersifat numerik

atau string

Width : untuk menuliskan panjang pendek variabel

Decimal : untuk menuliskan jumlah desimal di belakang koma

Label : untuk menuliskan label variabel

Value : untuk menuliskan nilai kuantitatif dari variabel yang skala

pengkurannya ordinal dan nominal, bukan scale

Missing : untuk menuliskan ada-tidaknya jawaban kosong

Columns : untuk menuliskan lebar kolom

Align : untuk menuliskan rata kanan, kiri, atau tengah pada penempatan

teks atau angka di Data View

Measure : untuk menentukan skala pengukuran variabel, misalnya nominal

Pengisian Variabel

Tempatkan pointer pada baris pertama di bawah Name

Name : letakkan kursor di bawah, lalu klik ganda pada sel tersebut dan

ketikkan nama Jumlah_Produksi

Type : pilih numerik karena berupa angka

Width : untuk keseragaman, ketik 8

Decimal : ketik 2

Label : ketikkan Jumlah Produksi

Value dan Missing abaikan pilihan ini karena tidak dikategorisasikan

Columns : untuk keseragaman, ketik 8

Align : pilih Center

Measure : pilih Scale

Lakukan seterusnya untuk variabel X1, X2, X3 dengan nama variabel

[image:49.595.115.507.85.309.2]

Gambar 5.4 Tampilan Mengisi Variabel View Pengisian Data

1. Aktifkan jendela data dengan mengklik Data View

2. ketikkan data yang sesuai dengan setiap variabel yang telah

didefenisikan pada Variable View

[image:49.595.115.513.484.706.2]

Tampilannya pada Gambar 5.5 sebagai berikut:

3. Pengolahan Data dengan Persamaan Regresi

Langkah-langkahnya adalah sebagai berikut:

1. Tampilkan lembar kerja di mana sudah terdapat data yang sudah diinput

2. Dari menu utama SPSS, klik menu Analyze, lalu pilih submenu

[image:50.595.116.512.251.475.2]

Regression dan klik Linier seperti Gambar 5.6 berikut

Gambar 5.6 Tampilan Pengerjaan Analisis Data

3. Setelah itu akan muncul kotak dialog Linear Regression. Pada kotak

dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan

variabel tak bebas Y (Jumlah_Produksi) pada kotak Depenedent

laluvariabel bebas X (Luas_Lahan, Curah_Hujan, Pupuk) pada kotak

[image:51.595.115.509.83.318.2]

Gambar 5.7 Tampilan Linear Regression

4. Masih dalam kotak dialog Linear Regression, klik kotak Statistics,

kemudian aktifkan Estimate, Model fit, Desciptive pada Regression

Coefficient dan Casewise diagnostics pada Residuals lalu klik Continue

untuk melanjutkan seperti Gambar 5.8 berikut:

Gambar 5.8 Tampilan Linear Regression Statistics

[image:51.595.114.511.445.673.2]

pilihan ZPRED. Kemudian klik next, klik lagi kolom Y dengan ZPRED

dan kolom x dengan DEPENDENT. Pada Standarized Residual Plots,

aktifkan Histogram dan Normal Probability Plot. Lalu klik Continue

[image:52.595.115.512.223.449.2]

seperti Gambar 5.9 berikut ini:

[image:52.595.115.514.487.713.2]

6. Kemudian klik kotak Option pada Linear Regression sehingga muncul

kotak dialog yang baru. Pada Stepping Method Criteria, aktifkan Use

Probability dengan standar error 0,005. Oleh karena itu, masukkan nilai

entry 0,05. Aktifkan include constant in aquation dan Exclude cases

listwise pada Missing Values. Lalu klik Continue untuk melanjutkan

[image:53.595.115.513.277.508.2]

seperti yang ditunjukkan dalam Gambar 5.11 berikut ini.

Gambar 5.11 Tampilan Kotak Option

7. Lalu klik OK pada kotak dialog Linier Regression

Selanjutnya berikut langkah-langkah untuk mencari korelasi

[image:54.595.117.515.85.316.2]

Gambar 5.12 Tampilan Pengerjaan Korelasi

2. Akan muncul kotak dialog seperti gambar di bawah. Masukkan semua

variabel ke kolom Variables. Pada Correlation Coefficien aktifkan

Pearson. Aktifkan juga Tto-tailed pada Test of Significance. Lalu

aktifkaan Flag significant correlation. Pada kotak Option pilih Means

and standard deviation pad Statistics,, dan pilih Exclude cases pairwise

[image:54.595.115.515.512.741.2]

3. Setelah itu klik OK pada kotak dialog Bivariate Correlation.

4. Hasil Pengolahan Data SPSS

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data pada bab sebelumnya, maka diperoleh

kesimpulan sebagai berikut:

1. Persamaan regresi linier berganda yang diperoleh adalah = 25,437 +

20,619 ₁− 18,781 ₂+ 5,718 ₃.

2. R2 = 0,9986 artinya 99,86% produksi sawit PTPN III (Persero) Kebun Sei

Dadap (KSDDP) dipengaruhi ketiga faktor yang dianalisis sedangkan

0,14% sisanya dipengaruhi faktor-faktor lain yang tidak dianalisis.

3. Secara parsial, korelasi antara Y sebagai variabel terikat (Dependent

variable) terhadap varibel bebas (Independent variable) yang didapat

adalah �_�1 = 0,5771, ��12 =−0,002, ��1 = 0,4823 menunjukkan bahwa

X1 dan X3 berpengaruh atau berkorelasi kuat secara positif terhadap Y dan

6.2 Saran

Dari kesimpulan analisis yang telah dilakukan, ada beberapa hal yang bisa

dilakukan untk meningkatkkan produksi jumlah sawit PTPN III (Persero) Kebun

Sei Dadap.

1. Dalam meningkatkan produksi sawit PTPN III (Persero) Kebun Sei Dadap

ada baiknya perusahaan memperhatikan juga faktor internal dan eksternal

BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada

tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi

ketergantungan antara dua atau lebih variabel. Regresi dalam statistika adalah

salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap

variabel yang lain. Variabel yang pertama disebut dengan bermacam-macam

istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara

bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau

sumbu X). Variabel yang kedua adalah variabel yang dipengaruhi, variabel

dependen, variabel terikat atau variabel Y. Kedua variabel ini dapat merupakan

variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel

acak.

Pada dasarnya analisa regresi diinterpretasikan sebagai suatu analisa yang

berkaitan dengan studi ketergantungan (hubungan kausal) dari suatu variabel tak

bebas (Dependent Variable) atau disebut juga variabel endogen dengan satu atau

lebih variabel bebas (Independent Variable) atau disebut juga variabel eksogen

dengan maksud untuk menduga atau memperkirakan nilai-nilai dari variabel tak

sering digolongkan ke dalam variabel bebas sedangkan variabel yang terjadi

setelah variabel bebas itu merupakan variabel tak bebas. Untuk keperluan analisis,

variabel bebas akan dinyatakan dengan x1, x2, …, xn, sedangkan variabel tak

bebas dinyatakan dengan Y.

Analisis regresi (regression analysis) merupakan suatu teknik untuk

membangun persamaan dan menggunakan persamaan tersebut untuk membuat

perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu

tetap dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai

prediksi dengan nilai riilnya, maka semakin tepat persamaan regresinya, sehingga

dapat didefinisikan bahwa analisis regresi adalah metode statistik yang digunakan

untuk menentukan kemungkinan hubungan antara variabel-variabel.

2.2 Persamaan Regresi

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 lain yang nilainya belum diketahui.

Sifat hubungan antar variabel dalam persamaan regresi merupakan

hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum

menggunakan persamaan maka perlu diyakini terlebih dahulu secara teoritis atau

perkiraan sebelumnya, dua atau lebih variabel memiliki hubungan sebab akibat.

bebas (independent variabel), sedangkan variabel yang nilainya dipengaruhi oleh

nilai variabel lain disebut variabel tidak bebas (dependent variabel).

Ada dua jenis Persamaan Regresi Linier, yaitu sebagai berikut:

1. Analisis Regresi Sederhana

2. Analisis Regresi Berganda

2.2.1 Persamaan Regresi Sederhana

Dalam regresi linier sederhana hanya terdapat satu peubah bebas x dan satu

peubah acak Y. Regresi linier sederhana digunakan untuk memperkirakan

hubungan antara dua variabel, yaitu satu variabel / peubah bebas X dan satu

peubah tak bebas Y.

Bentuk umum dari persamaan regresi sederhana adalah:

Y = a + bx

(2.1)

Dengan: Y = variabel terikat / tak bebas (dependent)

X = variabel bebas (independent)

a = penduga bagi intercept (α)

b = penduga bagi koefisien regresi (β)

Persamaan umum regresi sederhana untuk populasi adalah:

�

=

�

+

�

(2.2)

Jika �₁ dan �₂ ditaksir oleh �₀ dan �₁, maka regresi sederhana untuk sampel

adalah sebagai berikut:

Ŷ

=

�

+

�

(2.3)

Penggunaan regresi linier sederhana didasarkan pada asumsi diantaranya sebagai

berikut:

1. Model regresi harus linier dalam parameter

2. Variabel bebas tidak berkorelasi dengan disturbance term (eror)

3. Nilai disturbance term sebesar 90 atau dengan symbol sebagai berikut:

(E (U / X)) = 0

4. Varian untuk masing-masing error term (kesalahan) konstan

5. tidak terjadi autokorelasi

6. Model regresi dispesifikasikan secara benar. Tidak terdapat bias

spesifikasi dalam model yang digunakan dalam analisis empiris

7. Jika variabel bebas lebih dari satu, maka antarvariabel bebas

(explonatory) tidak ada hubungan linier yang nyata

2.2.2 Analisis Regresi Linier Berganda

Analisis regresi berganda merupakan pengembangan lebih lanjut dari analisis

regresi sederhana. Sering sekali dalam kehidupan sehari-hari terdapat suatu

fenomena kehidupan masyarakat yang bersifat kompleks, sehingga tidak cukup

untuk menjelaskan suatu kejadian hanya berdasarkan variabel penjelas tunggal

Sebagai contoh, sering diasumsikan bahwa tinggi rendahnya konsumsi

keluarga (Y) terhadap suatu produk adalah dipengaruhi tinggi rendahnya

pendapatan keluarga (X). Tetapi dalam kenyataannya tidaklah sesederhana itu,

karena di samping pendapatan diketahui pula bahwa terdapat sejumlah variabel

lain yang ikut mempengaruhi konsumsi, seperti misalnya variabel jumlah

keluarga, tingkat pendidikan keluarga dan variabel lainnya.

Berdasarkan kenyataan ini, maka perlu dikembangkan model regresi

sederhana yang hanya melibatkan satu variabel penjelas atau variabel bebas

menjadi model regresi berganda yang melibatkan lebih dari satu variabel

penejelas atau variabel bebas.

Secara umum persamaan regresi berganda dapat ditulis sebagai berikut:

�

=

�

+

�

�

+

�

�

+

…

+

�

� �

+

ԑ

�

(2.4)

(Untuk populasi)

�

=

�

+

�

+

�

+

…

+

�

� �

+

ԑ

�

(2.5)

(Untuk sampel)

Dengan : i = 1, 2, . . . , n

�0, �1, �2, . . ., � dan ԑ adalah pendugaan atas �0, �1, �2,. . .,

� , dan ԑ

ԑ = eror

Dalam penelitian ini digunakan empat variabel yang terdiri dari satu

=�0 +�1 1+ �2 2+ �3 3

1 = �0 1 + �1 12 + �2 1 2+ �3 1 3

2 = �0 2 + �1 1 2+ �2 22 + �3 2 3

3 = �0 3+ �1 1 3+ �2 2 3+ �3 32

Sistem persamaan tersebut dapat disederhanakan sedikit apabila diambil x1 = X1

– 1, x2 = X1 - 2, x3 = X3 - 3 dan y = Y - .

Maka persamaannya menjadi :

y = b

1

x

1

+ b

2

x

2

+ b

3

x

3

(2.6)

Koefisen

–

koefisien b

1

, b

2

dan b

3

untuk persamaan tersebut dapat

dihitung dari

= � + � +�

= � + � + �

= � + � + �

Dengan penggunaan x

1

, x

2

, x

3

dan y yang baru ini, maka diperoleh

kemudian disubsitusikan ke persamaan (2.6) sehingga diperoleh

model regresi linier berganda Y atas X

1

, X

2

, dan X

3

.

2.3 Koefisien Korelasi

Analisis korelasi adalah alat yang membahas tentang derajat hubungan antara satu

variabel dengan variabel lainnya. Nilai koeisien (r) digunakan untuk mengukur

kuat tidaknya hubungan antara variabel bebas dengan variabel tak bebas. Semakin

besar nilai r maka makin kuat hubungan antara variabel bebas dengan variabel

tidak bebas. Demikian juga apabila semakin kecil nilai r, berarti hubungannya

semakin lemah pula.

Koefisien korelasi dapat dirumuskan sebagai berikut:

r

_y.1,2,…,k

=

� −

� − � −

(2.7)

Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan

tiga variabel bebas X1, X2, X3 yaitu :

1. Koefisien korelasi anatar Y dengan X1

� = � −

� − � −

(2.8)

2. Koefisien korelasi anatar Y dengan X2

� = � −

� − � −

(2.9)

3. Koefisien korelasi antara Y dan X3

� = � −

Sedangkan untuk mengetahui korelasi antar variabel bebas dengan tiga buah

variabel bebas adalah :

a. Koefisien korelasi antara X1 dan X2

� = � −

� − � − (2.11)

b. Koefisien Korelasi antara X1 dan X3

� = � −

� − � − (2.12)

c. Koefisien Korelasi antara X2 dan X3

� = � −

� − � − (2.13)

Dua variabel dikatakan berkolerasi apabila perubahan dalam satu variabel

diikuti oleh perubahan variabel lain, baik yang searah maupun tidak. Hubungan

antara variabel dapat dikelompokkan menjadi tiga jenis :

1) Korelasi Positif

Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti

oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya apabila

2) Korelasi Negatif

Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti

oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya

apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel

lainnya.

3) Korelasi Nihil

Terjadinya korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh

variabel lainnya dengan arah yang tidak teratur (acak). Artinya apabila variabel

yang satu meningkat, maka akan diikuti penurunan variabel. Artinya apabila

variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel

lain dan kadang diikuti dengan penurunan pada variabel lain.

Berdasarkan hubungan antar variabel yang satu dengan variabel lainnya

dinyatakan dengan koefisien korelasi yang disimbolkan dengan “ r “ . Besarnya

koefisien korelasi berkisar antara -1 ≤ r ≤ +1. Sifat korelasi akan menentukan arah

dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut :

Nilai R Interpretasi

0,00 sampai dengan 0,20 keeratan sangat lemah

0,21 sampai dengan 0,40 keeratan lemah

0,41 sampai dengan 0,70 keeratan kuat

0,71 sampai dengan 0,90 keeratan sangat kuat

2.4 Koefisien Determinasi

Koefisien determinasi disimbolkan dengan R2 untuk pengujian regresi linier

berganda yang mencakup lebih dari dua variabel. Koefisien determinasi adalah untuk

mengetahui proporsi keberagaman total dalam variabel tak bebas Y yang dapat

dijelaskan atau diterangkan oleh variabel - variabel bebas X yang ada di model

persamaan regresi berganda secara bersama-sama. Nilai R2 dikatakan baik jika berada

di atas 0,5 karena nilai R2 berkisar antara 0 sampai 1.

Koefisien determinasi dapat dihitung dari:

2

=

�1 1 +�2 2 +⋯+�

− 2 (2.14)

Sehingga rumus umum koefisien determinasi adalah sebagai berikut:

2

=

��

2

�

=1

(2.15)

2.5 Uji Regresi Linier Berganda

Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel –

variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas.

Pengujian hipotesis dapat didasarkan dengan menggunakan suatu hal, yaitu

tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence.

Tingkat signifikansi pada umumnya digunakan α = 0,05. Kisaran tingkat

signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat

umumnya ialah sebesar 95%. Yang dimaksud dengan tingkat kepercayaan adalah

tingkat di mana sebesar 95% nilai sampel akan mewakili nilai populasi di mana

sampel berasal.

Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu : H0

(Hipotesis Nihil) dan H1 (Hipotesis Alternatif). H0 bertujuan untuk memberikan

dugaan sementara kemungkinan ada tidaknya perbedaan antara perkiraan

penelitian dengan keadaan yang sesungguhnya yang diteliti. H1 bertujuan

memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan

sesungguhnya yang diteliti.

Langkah – langkah pengujian regresi linier berganda adalah :

1. Menentukan formulasi hipotesis

H0 : b1 = b2 = b3 = . . .= bk = 0 (X1, X2,. . ., Xk tidak mempengaruhi Y)

H1 : Minimal ada satu parameter koefisien regresi yang tidak sama dengan

nol atau mempengaruhi Y.

2. Menentukan taraf nyata α dan nilai Ftabel dengan derajat kebebasan V1 = k

dan V2 = n-k-1 dengan taraf signifikansi α yaitu Ftabel = F(1 –α)(k), (n – k – 1)

3. Menghitung Menentukan kriteria pengujian

H0 diterima bila Fhitung≤ Ftabel

H0 ditolak bila Fhitung > Ftabel

4. Menentukan nilai F dengan rumus :

�ℎ = ��

/

Dengan :

JKreg = jumlah kuadrat regresi

JKres = jumlah kuadrat residu (sisa)

(n-k-1) = derajat kebebasan

Untuk :

JKreg = b1 ΣYi X1i + b2ΣYiX2i + . . . + bkΣ Xki

JKres= Σ (Yi –Ŷi)2

5. Membuat kesimpulan apakah H0 diterima atau ditolak.

2.6 Uji Koefisien Regresi Ganda

Adanya variabel – variabel bebas dalam regresi linier ganda perlu diuji untuk

melihat seberapa besar pengaruhnya terhadap variabel tidak bebas. Uji statistik

yang paling tepat adalah menggunakan uji t (t – student ).

Misalkan populasi mempunyai model regresi berganda yaitu :

� = �0+ �1 1+ �2 2+ …+ �

Adanya asumsi bahwa variabel – variabel bebas memberikan pengaruh

yang berarti atau tidak terhadap variabel tidak bebas akan diuji hipotesis H0

melawan hipotesis H1 dalam bentuk :

H0 = βi = 0, i = 1,2,…,k

H1≠βi≠ 0, i = 1,2,…,k

Untuk menguji tersebut digunakan kekeliruan baku yang ditaksir 2_,1,2,…, ,

jumlah kuadrat-kuadrat 2, koefisien korelasi berganda 1-R2. Dengan

Sbi= � , ,…,

−� (2.16)

Dengan:

,1,2,…,

2 ₌ −Ŷ

�− −1

2 _{= −} 2

Selanjutnya hitung statistik:

t = ti = �

�

Dengan distribusi t–student serta dk = (n – k – 1), ttabel = t(n-ki-1,α/2) dengan kriteria

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Sebagai salah satu negara agraris di dunia, Indonesia memiliki potensi yang

sangat besar untuk mengembangkan sektor pertanian terutama di bidang

perkebunan. Struktur tanah dan curah hujan yang sangat cocok untuk tanaman

kelapa sawit menjadikan Indonesia memiliki peranan penting untuk produksi

kelapa sawit dunia.

Kelapa sawit merupakan tanaman perkebunan yang dewasa ini sangat

diminati untuk dikelola atau ditanam, baik oleh pihak BUMN, perkebunan swasta

nasional dan asing, maupun petani (perkebunan rakyat). Daya tarik penanaman

kelapa sawit terletak pada keuntungan yang berlimpah karena kelapa sawit masih

merupakan andalan sumber minyak nabati dan bahan agroindustri.

Hasil produksi usaha perkebunan kelapa sawit, selain sebagai bahan baku

minyak goreng, juga sebagai bahan baku industri oleochemical yang cukup

kompetitif dan luas. Oleh sebab itu, arah pengembangan produksi perkebunan

kelapa sawit selama ini adalah untuk memenuhi kebutuhan konsumsi dalam

negeri dan ekspor. Seiring pesatnya perkembangan industri berbahan baku hasil

pengembangan produksi adalah pemenuhan kebutuhan konsumsi dalam negeri

dan ekspor, sedangkan untuk kebutuhan biodiesel perlu dipersiapkan

pengembangan baru yang tidak mengganggu kebutuhan dalam negeri dan ekspor.

Sejalan dengan meningkatnya kebutuhan dan peranan kelapa sawit, maka

dilakukanlah usaha-usaha untuk peningkatan produktivitas kelapa sawit. Dalam

hal ini penulis mencoba untuk menganalisa hasil produksi kelapa sawit dengan

faktor-faktor yang mempengaruhinya. Adapun faktor-faktor yang sangat

mempengaruhi hasil produksi kelapa sawit diantaranya adalah luas lahan, curah

hujan, dan takaran pemakaian pupuk.

Kelapa sawit dapat tumbuh dengan baik pada daerah tropika basah di

sekitar Lintang Utara – Selatan 120. Jumlah curah hujan yang baik adalah 200 –

2500 mm/tahun, tidak mempunyai defisit air dan hujan relatif merata sepanjang

tahun. Kebutuhan tanaman kelapa sawit yang efektif adalah 1300 – 1500 mm per

tahun. Karenanya, jumlah curah hujan yang kurang dari 2000 mm per tahun masih

tetap baik bagi kelapa sawit sepanjang tidak terdapat defisit air. Curah hujan yang

jumlahnya lebih dari 2500 mm per tahun juga tetap baik selama hari hujan tidak

lebih dari 180 hari dalam setahun.

Lahan yang produktif dan terawat akan menghasilkan tanaman kelapa

sawit yang maksimal. Perawatan yang memadai dan rutin sangat perlu dilakukan

dapat ditanami 136 pohon. Dengan perawatan yang maksimal maka semakin luas

lahan akan semakin banyak pula produksi kelapa sawit yang dihasilkan.

Tujuan utama pemupukan adalah untuk memelihara status hara dan

kondisi tanaman sehingga mampu berproduksi maksimum dan ekonomis serta

tahan terhadap penyakit. Pemupukan merupakan salah satu investasi penting

karena mempertahankan kesuburan tanah. Selain itu juga bermanfaat terhadap

kuantitas dan kualitas produksi. Pemupukan juga harus dilakukan secara benar

dengan takaran yang tepat karena menghabiskan 50% biaya dari biaya total

pemeliharaan.

Dari faktor yang ada, akan dianalisa bagaimana pengaruh dan hubungan

antara produksi dengan faktor yang mempengaruhinya dengan menggunakan

metode Analisis Regresi Linear Berganda. Dari uraian di atas, penulis memilih

judul “Faktor-Faktor yang Mempengaruhi Hasil Produksi Kelapa Sawit di

PTPN III (Persero) Kebun Sei Dadap Kabupaten Asahan”.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah

penelitian ini sebagai berikut:

1. Bagaimana besar nilai pengaruh dengan korelasi antara luas lahan, curah

hujan dan takaran pemakaian pupuk terhadap hasil produksi kelapa sawit

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 hasil produksi kelapa sawit PTPN III (Persero) Kebun Sei Dadap

Kabupaten Asahan dengan faktor-faktor yang mempengaruhi yaitu luas lahan,

curah hujan dan takaran pemakaian pupuk. Data kuantitatif yang digunakan

adalah data hasil produksi kelapa sawit, luas lahan, curah hujan dan takaran

pemakaian pupuk PTPN III (Persero) kebun Sei Dadap Kabupaten Asahan dari

tahun 2008 sampai tahun 2012.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk membuktikan secara empiris

seberapa besar pengaruh Luas Lahan, Curah Hujan dan takaran Pemakaian Pupuk

terhadap Hasil Produksi Kelapa Sawit PTPN III (Persero) Kebun Sei Dadap

Kabupaten Asahan dari tahun 2008 – 2012.

1.5 Tinjauan Pustaka

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya

variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola

pada nilai tertentu variabel yang mempengaruhinya. (Algifari, 2000. Analisa

Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta : BPFE. Hal. 4)

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis

hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis

dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan

persamaan regresi. (Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi

2. Yogyakarta : BPFE. Hal. 4)

Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan

regresi adalah bahwa antara variabel dependen dengan variabel independen

mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil

penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

(Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta :

BPFE. Hal. 4)

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, Husaini, R.

Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta : Bumi Aksara. Hal.

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. Metode Statistik. Bandung :

Tarsito. Hal. 310-311)

Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel

bebas (variabel predictor) dan variabel tidak bebas (variabel respon). Variabel

yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas,

sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel

tidak bebas. (Sudjana, 2001. Metode Statistik. Bandung : Tarsito. Hal. 367)

Studi yang membahas derajat hubunan antara variabel-variabel tersebut

dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui

derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Jika

kenaikan di dalam suatu variabel diikuti dengan kenaikan di dalam variabel lain,

maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang

positip. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di

dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai

korelasi yang negatip. Dan jika tidak ada perubahan pada variabel walaupun

variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak

Multikolinieritas terjadi apabila nilai R2 yang dihasilkan oleh suatu model

regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen

banyak yang tidak signifikan mempengaruhi variabel dependen. Pengujian

pengaruh variabel independen secara bersama-sama (simultan) terhadap

perubahan nilai variabel dependen, dilakukan melalui pengujian terhadap

besarnya perubahan nilai variabel dependen yang dapat dijelaskan oleh perubahan

nilai semua variabel independen. Untuk itu perlu dilakukan uji F. Uji F atau

ANOVA dilakukan dengan membandingkan tingkat signifikansi yang ditetapkan

untuk penelit