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 ) BZL4ZWNomor Lampiran IIal
bbb
ArNi.z.r.SrspBrzor3Pe,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 menerimamaha<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
StudiI hifaya Sofi 102407054 D3 Statistika
Demikian kami sampaikan" atas bantual
&n
kerjasarna yang baik kami diucapkan terimaksih
DekanM.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 KSDDPKebun 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 79,052 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 20155Telp. (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 DadapDiketahuiiDisetuj 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 2l,
l{\^r*141b\cc
frpDosaLJ
Zt
IU.cr 26la hcc irnl, {,24
'la
Itcr
eotlAccWb
5
1 Juni
totr
Act
B*h A6
?
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
STATISTIKAJalan Bioteknologi No.
I
Kampus USU Medan Padang Bulan Medan 20155Telp. (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 AsahanMempengaruhi Hasil Produksi
III
(Persero) Kebun Sei DadapMedan, 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 danIlmu
Pengetahuan Alana Universitas Sumatera TJwaMedan.
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
05 + b
118,27 + b
210,14 + b
318,19
1526,5639 = b
018,27 + b
166,8723 + b
237,1494 + b
366,5749
846,6242 = b
010,14+ b
137,1494 + b
220,7408 + b
337,1166
1520,9729 = b
018,19+ b
166,5749 + b
237,1166 + b
366,9177
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 Y2 − 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
ry1 = 5,6426
0,5686 (180,4376)
ry1 = 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 Y2 − 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
ry2= −0,0020
3. Koefisien korelasi antara Y dan X3
ry3 =
n X3Y− X3 Y
n X32− X3 2 n Y2 − 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
ry3= 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=
12,01310,4845. 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
=
−Ŷ2
,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 ,
Sb1= 0,8117
Sb2 =
, ,…,
−�
Sb2 = 0,0484 , − ,
Sb2 = 0,0484 , − ,
Sb2 = 0,0484 , ,
Sb2= 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
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
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
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
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
1x
1+ b
2x
2+ b
3x
3(2.6)
Koefisen
–
koefisien b
1, b
2dan b
3untuk persamaan tersebut dapat
dihitung dari
= � + � +�
= � + � + �
= � + � + �
Dengan penggunaan x
1, x
2, x
3dan 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