KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
KARTU BIMBINGAN TUGAS AKHIR MAHASISWA
Nama Mahasiswa : Maria Panggabean
Nomor Induk Mahasiswa : 132407086
Judul Tugas Akhir : Faktor-faktor yang mempengaruhi hasil produksi
padi di Kab.Deli Serdang
Dosen Pembimbing : Drs. Ujian Sinulingga, M.Si Tanggal Mulai Bimbingan :
*Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mahasiswa telah selesai
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Dosen Pembimbing
Ketua,
KEMENTERIAN PENDIDIKAN DAN
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
SURAT KETERANGAN
Hasil Uji Implementasi Sistem Tugas Akhir
Yang bertanda tangan dibawah ini menerangkan bahwa Mahasiswa Tugas
Akhir Program Diploma 3 Statistika :
Nama Mahasiswa : Maria Panggabean
Nomor Induk Mahasiswa : 132407086
Judul Tugas Akhir : Faktor-faktor yang mempengaruhi hasil produksi
padi di Kab.Deli Serdang
Telah melaksanakan test program Tugas Akhir Mahasiswa tersebut di atas
pada tanggal :
Dengan Hasil : Sukses / Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran
Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen
Matematika FMIPA USU Medan.
Medan, Juli 2016
Dosen Pembimbing,
ata Hasil Produksi Padi, Luas Lahan, Curah Hujan, dan Jumlah Pupuk .
Tahun
Hasil Produksi (Ribuan Ton)
Luas Lahan (Ribuan Ha)
Curah Hujan (Ribuan MM)
Pemupukkan (Ribuan Ha)
2007 386543 74348 228 48774
2008 381955 73369 176 48984,5
2009 389597 74737 202 48768,5
2010 441897 84582 134 53891
2011 445598 84286 218 53843
2012 446055 80508 189 52554
2013 448462 79741 187 48770,5
2014 423060 74481 170 46940,5
DAFTAR PUSTAKA
Algifari.2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE
Agus Irianto.2004. Konsep Dasar dan Aplikasinya. Edisi 1. Jakarta: Prenada
Media
Iswardono.1981. Analisa Regresi dan Korelasi. Edisi 1. Yogyakarta: BPFE
Badan Pusat Statistik. Sumatera Utara Dalam Angka 2007-2014. BPS. Medan
Moehar Daniel.2002. Pengantar Ekonomi Pertanian. Jakarta: PT Bumi Aksara
Sudjana.2005. Metode Statistika. Bandung: Tarsito
BAB 3
Untuk memperoleh model yang cocok dalam menduga hasil produksi padi
berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis
regresi linier dengan satu variabel terikat (dependent variable) dan tiga variabel
bebas (dependent variable). Data yang diolah adalah data berdasarkan tahun 2007
sampai 2014. Data dapat dillihat dalam tabel 3.1 berikut :
Tabel 3.1 Data Hasil Produksi Padi, Luas Lahan, Curah Hujan, dan Jumlah Pupuk.
Dalam tabel yang telah tertera diatas Hasil Produksi merupakan varibel terikat
(Y), kemudian yang menjadi variabel bebasnya adalah Luas Lahan (X1), Curah
Hujan (X2), Jumlah Pupuk (X3).
3.2 Persamaan Regresi Linier Berganda
Pada pembahasan sebelumnya telah kita lihat bagaimana data yang telah
dikumpulkan tersebut. Dan dari data pada tabel tersebut akan dibentuk persamaan
regresi linier berganda dengan terlebih dahulu menentukan koefisien-koefisien
regresinya. Untuk menentukannya maka diperlukan nilai-nilai dari jumlah
variabel-variabel seperti pada tabel berikut:
Tabel 3.2 Gambaran data Hasil Produksi yang akan diolah.
Y X1 X2 X3
386543 74348 228 48774
381955 73369 176 48984,5
389597 74737 202 48768,5
441897 84582 134 53891
445598 84286 218 53843
446055 80508 189 52554
448462 79741 187 48770,5
423060 74481 170 46940,5
∑Y = 3363167 ∑ X1 = 626052 ∑ X2 = 1504 ∑ X3 = 402526
Tabel 3.3 Kuadrat masing-masing variabel Y, X1, X2,dan X3.
149415490849 5527625104 51984 2378903076 145889622025 5383010161 30976 2399481240 151785822409 5585619169 40804 2378366592 195272958609 7154114724 17956 2904239881 198557577604 7104129796 47524 2899068649 198965063025 6481538064 35721 2761922916 201118165444 6358627081 34969 2378561670 178979763600 5547419361 28900 2203410540
∑Y2
Tabel 3.4 Hasil kali Y (variabel terikat) dan X(variabel bebas).
X1Y X2Y X3Y
Tabel 3.5 Hasil kali antara variabel bebas (X).
Rumus umum untuk persamaan regresi linier berganda dengan 3 variabel bebas
adalah:
̂
Untuk membuat persamaan regresi linier dari data diatas maka dibutuhkan
harga-harga di bawah ini:
Dengan mensubstitusikan angka-angka diatas kedalam sistem persamaan normal:
∑ n ∑ ∑ 3∑ 3
∑ ∑ ∑ ∑ 3∑ 3
∑ 3 ∑ 3 ∑ 3 ∑ 3 3∑ 3
Dengan demikian terbentuk persamaannya yaitu:
33 3 3
3 3
3 3 3
3 o 3 3 3
3 3 3
3 3 3
Setelah persamaan regresi linier berganda diatas diselesaikan, maka diperolehlah
nilai-nilai koefisien linier bergandanya yaitu:
3
333 3
3 3
Dari nilai-nilai yang telah diperoleh diatas maka didapatlah persamaan regresi
linier bergandanya yaitu:
̂ 3 3
̂ 3
3.3 Pengujian Regresi Linier Ganda
menentukan uji keberartian regresi tersebut, maka digunakan rumus untuk
menentukan hipotesisnya, yaitu :
: Tidak terdapat pengaruh signifikan antara variabel bebas, yaitu Luas
Lahan (X1), Curah Hujan (X2), dan Jumlah Pupuk (X3 ) terhadap variabel
tidak bebas yaitu Hasil Produksi (Y).
: Minimal satu parameter koefisien regresi 0
Artinya : Terdapat pengaruh signifikan antara variabel bebas, yaitu Luas
Lahan (X1), Curah Hujan (X2), dan Jumlah Pupuk (X3 )terhadap variabel
tidak bebas yaitu Hasil Produksi (Y).
Kriteria pengujan hipotesanya:
Jika , maka ditolak dan diterima
Jika , maka diterima dan ditolak
Untuk menguji model regresi yang terbentuk, diperlukan dua macam
jumlah kuadrat (JK) yaitu JK untuk regresi dan JK untuk sisa
yang akan didapatkan setelah mengetahui nilai-nilai berikut:
̅ ̅ ̅ dan ̅ ̅
̅ ̅ Untuk memperoleh nilai-nilai tersebut, maka
diperlukan nilai harga sebagai berikut :
̅ = 626052
̅ = 1504
̅3 = 402526
Untuk menentukan uji keberartian regresi maka diperlukan nilai 3 dan y
yang dapat membantu untuk mengerjakan uji keberartian regresi, dapat dilihat
dari tabel 3.6 berikut ini:
Tabel 3.6 Deviasi masing-masing variabel.
Y x1 x2 x3
Tabel 3.7 Penggandaan antara deviasi y dengan .
yx1 yx2 yx3
Tabel 3.7 Data dan Kekeliruan Taksiran Baku.
y2 Ŷ Y-Ŷ (Y-Ŷ)2
Dari tabel diatas maka diperlukan harga-harga nilai-nilai berikut:
∑yx1 = 805929236,5 ∑yx2 = -1779367 ∑yx3 = 321857005,8
Dari nilai-nilai diatas maka dapat diperoleh dua macam jumlah kuadrat-kuadrat
yakni Kreg dan Kres , yaitu sebagai berikut :
Kreg ∑ ∑ 3∑ 3
= ( )( 805929236,5 ) + ( 333 3)( 3 ) +
( )( 321857005,8)
= 8035920417 + 59382814,89 + (-2879976487)
= 5215326745
Kres ∑ ̅
= 907840428,1
Jadi, Fhitung dapat dicari dengan rumus :
Untuk Fta el , yaitu nilai statistik yang dapat dilihat di lampiran tabel F dengan
derajat kebebasan pembilang = k dan penyebut = n-k- , dan α = % ( . )
maka diperoleh:
=
Dengan demikian dapat dilihat bahwa nilai .
Maka H ditolak dan H diterima. Hal ini berarti persamaan regresi linier
berganda Y atas dan 3 bersifat tidak nyata yang berarti bahwa presentase
luas lahan, curah hujan, dan jumlah pupuk secara bersama-sama mempengaruhi
hasil produksi padi.
3.4 Koefisien Determinasi
Pada bahasan sebelumnya pada tabel 4.6 dapat dilihat harga ∑ ∑ ̅ =
1001405202 dan nilai Kreg = 6,864506745 yang telah di hitung sebelumnya,
maka nilai koefisien determinasi dapat dihitung dengan :
R Kreg ∑y
Untuk koefisien korelasi ganda digunakan rumus sebagai berikut :
R √R
√
Dari hasil perhitungan diperoleh korelasi (R) positif yaitu sebesar 0,922
yang menunjukkan bahwa antara variabel bebas X dengan variabel tak bebas Y
berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien
determinasi yaitu sebesar 0,851 yang digunakan untuk mengetahui presentase
pengaruh variabel independent terhadap perubahan variabel dependent. Yang
berarti bahwa luas lahan, curah hujan, dan jumlah pupuk berpengaruh terhadap
hasil produksi padi yaitu sebesar 0,85 atau 85%. Sedangkan sisanya sebesar 100%
- 85% = 15% yang dipengaruhi oleh faktor-faktor lain.
3.5 Koefisien Korelasi
3.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas
maka dari tabel 4.4 sebelumnya dapat dihitung besar koefisien korelasinya yaitu
sebagai berikut:
1. Koefisien korelasi antara Hasil Produksi (Y) dengan Luas Lahan ( .
∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
√
√
√
= 0,843
Nilai yang positif menandakan hubungan yang searah antara hasil produksi
dengan luas lahan. Artinya, semakin tinggi luas lahan pertanian maka semakin
tinggi pula hasil produksi padi di daerah tersebut. Hubungan keduanya tergolong
searah, ini ditandai dengan r = 0,843.
2. Koefisien Korelasi antara Hasil Produksi (Y) dengan Curah Hujan (
∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
√
√
922071,842
Nilai yang negatif menandakan hubungan yang berlawanan arah antara hasil
produksi padi dengan curah hujan, artinya semakin tinggi hasil produksi maka
semakin rendah curah hujan di daerah tersebut. Hubungan keduanya tergolong
sangat kuat, ini ditandai dengan nilai r = - 922071,842.
3. Koefisien korelasi antara Hasil Produksi (Y) dengan Jumlah Pupuk ( 3
∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
√
√
√
√
Nilai yang positif menandakan hubungan yang searah antara hasil produksi
dengan jumlah pupuk. Artinya, semakin banyak jumlah pupuk pertanian maka
semakin banyak pula hasil produksi padi di daerah tersebut. Hubungan keduanya
tergolong searah, ini ditandai dengan r =129,978.
Dari ketiga nilai diatas bahwa korelasi antara hasil produksi dengan luas
lahan 0,843, curah hujan -922071,842, jumlah pupuk 129,978 .Dari ketiga nilai
tersebut yang terbesar adalah korelasi (hubungan) antara hasil produksi dengan
jumlah pupuk sebesar 129,978 dan luas lahan 0,843 yang berarti bahwa jumlah
pupuk dan luas lahan memberikan pengaruh lebih besar terhadap hasil produksi
padi dari pada persentase curah hujan.
3.5.2 Perhitungan Korelasi antara Variabel Bebas
1. Koefisien korelasi antara Luas Lahan (X1) dengan Curah Hujan (X2)
= -79251,37
2. Koefisien korelasi antara Luas Lahan (X1) dengan Pemupukkan (X3).
∑ ∑ ∑
3. Koefisien korelasi antara Curah Hujan (X2) dengan Pemupukkan (X3).
√
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai
sistem atau sistem yang diperbaiki.
Tahapan implementasi sistem merupakan tahapan penerapan hasil desain
yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini
menggunakan software yaitu SPSS 17.0 dalam memperoleh hasil perhitungan.
4.2 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 program untuk analisis statistik yang paling
populer yaitu SPSS (Statistical Product and Service Solution).
SPSS pertama sekali diperkenalkan 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
dengan beberapa versi yang berkembang dalam penggunaannya dalam mengolah
data statistika.
SPSS sebelumnya dirancang untuk pengolahan data statistik pada
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. Sehingga kini SPSS menjadi
singkatan dari Statistical Product and Service Solutions.
4.2.1 Pengenalan Menu
1. Menu File
Menu file dipergunakan untuk membuka, menutup file, dan lain-lain yang
berkaitan dengan pemprosesan file. Submenu yang sering digunakan adalah:
a. New, untuk membuat file baru.
b. Open, untuk membuka file lama.
c. Open database, untuk membuka data base yang sudah ada.
d. Save, untuk menyimpan data.
e. Save as, untuk menyimpan data, bedanya dengan save ialah perintah ini
dapat digunakan untuk menyimpan dengan nama file lain.
f. Print, untuk mencetak data dan output.
g. Exit, untuk keluar dari program SPSS.
2. Menu Edit
Menu edit dipergunakan untuk proses editing, misalnya copy, delete, undo
dan lain-lain, submenu yang sering digunakan di antaranya:
a. Undo, untuk membatalkan suatu perintah yang sudah dilaksanakan.
c. Copy, untuk melakukan pengcopian nama variabel ataupun nilai variabel.
Menu ini bermanfaat untuk mendesain variabel-variabel yang jumlahnya
banyak.
d. Cut, untuk memotong teks baik berupa isi variabel ataupun nama variabel.
e. Paste, untuk melekatkan atau menempel sesuatu yang sudah diberikan
perintah copy terlebih dahulu.
f. Clear, untuk menghapus.
g. Find, untuk mencari nama variabel (kolom) ataupun isi kasus (baris).
3. Menu View
Menu view dipergunakan untuk melihat tampilan SPSS, submenu utama
ialah:
a. Status bar, untuk mengatur status bar sesuai yang diinginkan.
b. Tools bar, untuk memunculkan kotak dialog tools bar.
c. Font, untuk memunculkan kotak dialog perintah fonts.
d. Value Labels, untuk melihat label pada variabel-variabel yang sudah
dibuat.
4. Menu Data
Menu data digunakan untuk melakukan pemprosesan data. Submenu yang
digunakan adalah:
a. Insert variable, untuk menyisipkan variabel baru di antara
b. Insert case, untuk menyisipkan kasus baru di antara kasus-kasus lama
yang sudah dibuat.
c. Go to case, perintah untuk menuju ke kasus (baris) tertentu.
d. Select case, perintah untuk melakukan seleksi kasus.
e. Split file, untuk membuat kategori file didasarkan pada metode tertentu.
5. Menu Transform
Menu transform dipergunakan untuk melakukan perubahan-perubahan atau
penambahan data. Submenu di antaranya:
a. Replace missing values, untuk mengganti nilai yang hilang (missing
value).
b. Create time series, untuk membuat data time series.
c. Compute, untuk menghitung, misalnya melakukan proses aritmatika untuk
dua variabel.
6. Menu Analyse
Menu analyse merupakan menu dimana kita melakukan analisis data yang
telah kita masukkan ke dalam komputer. Menu ini merupakan menu
terpenting karena semua pemprosesan dan analisis data dilakukan dengan
menggunakan menu ini. Contoh submenu ialah:
a. Report.
b. Descriptive statistics.
e. General linear model.
f. Miuxed model.
g. Correlate.
h. Regression.
i. Log linear.
j. Dan lain-lain.
7. Menu Graphs
Menu graphs digunakan untuk membuat grafik, di antaranya:
a. Gallery, berisi galeri grafik yang dapat dipilih sesuai dengan masalah yang
dianalisis.
b. Interactive, membuat grafik bersifat interaktif.
c. Maps, membuat grafik dengan menggunakan model peta.
d. Bar, jenis grafik dengan model batang.
e. Line, jenis grafik dengan model garis.
f. Area, jenis grafik dengan model area.
g. Pie, jenis grafik dengan model bulatan.
h. Dot, jenis grafik dengan model titik-titik.
i. Dan lain-lain.
8. Menu Utilities
Menu utilities dipergunakan untuk mengetahui informasi variabel, informasi
9. Menu Add-ons
Menu add-ons digunakan untuk memberikan perintah kepada SPSS jika ingin
menggunakan aplikasi tambahan.
10.Menu Windows
Menu windows dipergunakan untuk melakukan perpindahan (switch) dari
satu file ke file lainnya.
11.Menu Help
Menu help dipergunakan untuk membantu pengguna dalam memahami
perintah-perintah SPSS jika pengguna mengalami kesulitan.
4.3Pengolahan Data dengan SPSS
1. Memulai SPSS pada window yaitu sebagai berikut :
a. Pilih menu Start dari Windows
b. Selanjutnya pilih menu Program
c. Pilih SPSS Statistics 22
Gambar 4.1 Tampilan Pengaktifan SPSS 22
2. Memasukan data ke dalam SPSS
SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan
Variable View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data Editor harus erada 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.
Tampilannya adalah sebagai berikut :
Pada tampilan jendela Variabel view terdapat kolom-kolom berikut :
Name : untuk memasukkan nama variabel yang akan diuji
Type : untuk mendefenisikan tipe variabel apakah bersifat numeric atau
string
Widht : untuk menuliskan panjang pendek variabel
Decimals : untuk menuliskan jumlah desimal di belakang koma
Label : untuk menuliskan label variabel
Values : untuk menuliskan nilai kuantitatif dari variabel yang skala
pengukurannya ordinal atau nominal bukan scale
Missing : untuk menuliskan ada tidaknya jawaban kosong
Columns : untuk menuliskan lebar kolom
Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau
angka di Data view
Measure : untuk menentukan skala pengukuran variabel, misalnya nominal,
ordinal atau scale
4.3.1 Pengisian Variabel
Tempatkan pointer pada baris pertama di bawah Name.
Name : klik ganda pada sel tersebut dan ketik Tahun
Type : Pilih string karena dalam bentuk data
Width : Untuk keseragaman ketik 8
Decimal : Ketik 0
Values dan
Missing :Abaikan pilihan ini karena data tidak
dikategorisasikan
Align : Pilih Center
Measure : Pilih nominal
Variabel Y
Name : Letakkan kursor di bawah Tahun, lalu klik ganda
pada sel tersebut kemudian ketik Hasil Produksi
Type : Pilih numeric karena berupa angka
Width : Untuk keseragaman ketik 8
Name : Letakkan kursor di bawah Hasil Produksi, lalu klik ganda
Measure : Pilih scale
Lakukan seterusnya untuk variabel , dan dengan Name dan Label yang
sesuai dengan Variabel yang dimaksudkan.
4.3.2 Pengisian Data
Aktifkan jendela data dengan mengklik Data View
1. Ketikkan data yang sesuai dengan setiap variabel yang telah didefenisikan
pada Variabel View.
Tampilannya adalah sebagai berikut:
Gambar 4.3 Tampilan Jendela Pengisian Data Vie
4.4 Pengolahan Data dengan Persamaan Regresi
Langkah-langkahnya adalah sebagai berikut:
2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression
dan klik Linear seperti gambar berikut:
Tampilannya adalah sebagai berikut:
Gambar 4.4. Tampilan saat membuka persamaan regresi Pilih Analyze, Regression, Linear
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 (Indeks Pembangunan Manusia) pada kotak Dependent, dan
variabel bebas X (Jumlah Penduduk Miskin, Jumlah Angkatan Kerja,
Perserntase Tingkat Pendidikan tertinggi yang Ditamatkan, Produk Domestik
Tampilannya adalah sebagai berikut:
Gambar 4.5 Tampilan Kotak Dialog Untuk menentukan Nilai Linier Regression
4. Klik kotak Statistics pada kotak dialog Linear Regression, kemudian aktifkan
Estimate, Model fit, Descriptive dan Casewise diagnostics, Part and
Partial Correlations, kemudian pada residuals berikan ceklist pada
Casewise diagnostics serta All cases, kemudian klik Continue untuk
melanjutkan seperti pada gambar berikut:
5. Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk
membuat grafik. Isi kolom Y dengan pilihan SRESID dan kolom X dengan
ZPRED, kemudian klik Next. Isi lagi kolom Y dengan ZPRED dan kolom X
dengan DEPENDNT. Pada Standardizes Residual Plots, aktifkan
Histogram dan Normal Probability Plot. Lalu klik Continue untuk
melenjutkan seperti gambar berikut:
Tampilannya adalah sebagai berikut :
Gambar 4.7 Tampilan Kotak Dialog Pada Pengentrian Linier Regression
Plot/Option
6. Kemudian klik tombol Options pada kotak dialog Linear Regression
sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria,
aktikan Use Probability of F dengan standard error 0,05 oleh karena itu
masukkan nilai entry 0,05. Aktifkan include constant in aquation dan
Tampilannya adalah sebagai berikut:
Gambar 4.8 Kotak dialog Linear Regression: Option
7. Selanjutnya klik OK pada kotak dialog Linear Regression.
4.5Output Pengolahan Data dengan SPSS
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data yang telah dilakukan, maka diperoleh beberapa
kesimpulan antara lain:
1. Dengan menggunakan rumus didapat nilai koefisien-koefisien
3, , ,dan sehingga
diperoleh persamaan estimasi linier ganda yaitu:
̂
hujan, dan jumlah pupuk secara bersama-sama mempengaruhi terjadinya
tingkat hasil produksi padi di Kabupaten Deli Serdang.
3. Dari hasil perhitungan koefisien korelasi ganda (R) variabel 3dan
diperoleh yaitu sebesar yang menunjukkan bahwa antara variabel bebas
X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat
yang tinggi. Adapun nilai koefisien determinasi yaitu sebesar yang
digunakan untuk mengetahui presentase pengaruh variabel independent
hujan, dan jumlah pupuk berpengaruh terhadap hasil produksi padi yaitu
sebesar 0,85 atau 85%. Sedangkan sisanya sebesar 100% - 85% = 15% yang
dipengaruhi oleh faktor-faktor lain.
4. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel
dan 3dengan variabel Y diperoleh :
1. Hubungan antara hasil produksi dengan luas lahan adalah sebesar
2. Hubungan antara hasil produksi dengan curah hujan adalah sebesar
-922071,842
3. Hubungan antara hasil produksi dengan jumlah pupuk adalah sebesar
Maka faktor yang paling berpengaruh terhadap hasil produksi padi di Kabupaten
Deli Serdang adalah luas lahan yaitu sebesar 0,843 dan jumlah pupuk padi yaitu
sebesar 129,978. Artinya bahwa semakin luas lahan pertanian maka akan
semakin tinggi tingkat hasil produksi padi yang diperoleh dan jumlah pupuk yang
teratur dengan sesuai luas lahan juga akan menghasilkan produksi padi yang
bagus dan menguntungkan.
5.2 Saran
1. Dalam menganalisa soal regresi linier berganda khususnya, selain
melakukan perhitungan secara manual, sebaiknya dikerjakan juga melalui
komputer dengan perangkat lunak seperti SPSS, Excel, dan lain
2. Penulis memberikan saran yang diharapkan dapat bermanfaat bagi pihak
yang terkait yaitu agar Badan Pusat Statistik memberikan masukan kepada
Dinas Pertanian Kabupaten Deli Serdang untuk memperluas lahan
penanaman untuk tanaman padi sehingga nilai produksi juga bertambah
dan memperhatikan faktor lainnya jumlah pupuk yang sesuai dengan luas
lahan.
BAB 2
LANDASAN TEORI
2.1 Pengertian Regresi
Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan
antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama-tama
digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
telah melakukan studi tentang kecenderungan tinggi badan anak. Hasil studi
tersebut merupakan suatu kesimpulan bahwa kecenderungan tinggi badan anak
yang lahir terhadap orang tuanya adalah menurun mengarah pada tinggi badan
rata-rata penduduk. Istilah regresi pada mulanya bertujuan untuk membuat
perkiraan nilai satu variabel terhadap variabel yang lain. Pada perkembangan
selanjutnya, analisis regresi dapat digunakan sebagai alat untuk membuat
perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang
berhubungan dengan variabel tersebut. (Alfigari, 2000.Analisis Regresi Teori,
kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1 dan 2)
Pada dasarnya dalam suatu persamaan regresi terdapat dua macam
variabel, yaitu variabel bebas (independent variable) yang dinyatakan dengan
simbol X dan variabel terikat (dependent variable) yang biasanya dinyatakan
dengan simbol Y. Variabel terikat adalah variabel yang dipengaruhi atau yang
nilainya bergantung dari nilai variabel lain. Variabel bebas adalah variabel yang
besarnya. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan
regresi adalah bahwa antara variabel terikat dengan variabel bebas mempunyai
sifat hubungan sebab-akibat.
2.2 Analisis Regresi Linier
Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik
yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi
linier atau regresi garis lurus digunakan untuk:
1. Menentukan hubungan fungsional antar variabel dependent dengan
independent. Hubungan fungsional ini dapat disebut sebagai persamaan garis
regresi yang berbentuk linier.
2. Meramalkan atau memperkirakan nilai dari satu variabel dengan
hubungannya dengan variabel yang lain yang diketahui melalui persamaan
garis regresi.
Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi
terdiri dari dua bentuk, yaitu:
1. Analisis Regresi Linier Sederhana
2. Analisis Regresi Linier Berganda
Analisis Regresi Linier Sederhana adalah bentuk regresi dengan model
yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel
terikat dan variabel bebas. Sedangkan analisis regresi berganda adalah bentuk
regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan
tergantung dengan variabel lainya, sedangkan variabel terikat adalah variabel
yang nilainya tergantung dari variabel lainya.
Analisis regresi digunakan untuk mengetahui hubungan antara dua atau
lebih variabel, yaitu variabel dependen (terikat) dengan variabel independen
(bebes). Terutama untuk menelusuri pola hubungan yang modelnya belum
diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa
variabel bebas mempengaruhi variabel terikat dalam suatu fenomena yang
komplek. Jika adalah variabel-variabel bebas dan Y adalah variabel
terikat, maka terdapat hubungan antara fungsional antara X dan Y dimana variasi
dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis
hubungan ini dapat dijabarkan sebagai berikut:
Keterangan:
Y = Variabel terikat (Dependent)
X = Variabel bebas (Independent)
e = Variabel residu (Disturbace term)
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim
dilaksanakan yakni:
1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.
2. Menguji berapa besar variasi variabel dependent dapat diterangkan oleh
variasi independent.
3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.
2.2.1 Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel
terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabel
prediktor dan satu variabel kriterium. Model regresi linier sederhananya adalah:
Keterangan:
Y = Variabel terikat (dependent variable)
X = Variabel bebas (independent variable)
a = Konstanta (intercept)
b = Kemiringan (slope)
Penggunaan regresi linier sederhana didasarkan pada asumsi, diantaranya sebagai
berikut:
1. Model regresi harus linier dalam parameter.
2. Variabel bebas tidak berkolerasi dengan disturbance term (eror).
3. Nilai disturbance term sebesar 0 atau dengan simbol 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 antara variabel bebas (explanatory)
Koefisien - koefisien regresi a dan b dapat dihitung dengan rumus:
∑ (∑ ) ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung dengan
rumus:
̅ ̅
Dengan ̅dan ̅ masing-masing rata-rata untuk variabel-variabel X dan Y.
2.2.2 Analisis Regresi Linier Berganda
Regresi linier ganda (Multiple Regression) berguna untuk mencari pengaruh atau
untuk meramalkan dua variabel prediktor atau lebih terhadap variabel
kriteriumnya. Suatu persamaan regresi linier yang memiliki lebih dari satu
variabel bebas X dan satu variabel terikat Y akan membentuk suatu persamaan
regresi yang baru, disebut persamaan regresi linier berganda (multiple regression).
Model persamaan regresi linier berganda hampir sama dengan model regrei linier
sederhana, letak perbedaanya hanya pada jumlah variabel bebasnya.
Secara umum model regresi linier berganda adalah sebagai berikut:
Keterangan:
Y = Variabel terikat (dependent variable)
X = Variabel bebas (independent variable)
= Konstanta regresi
= Koefisien regresi variabel bebas
= Pengamatn variabel error
Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel
terikat Y dan tiga variabel bebas X yaitu X1, X2, dan X3. Maka persamaan regresi
bergandanya adalah:
̂
Keterangan:
= Hasil Produksi
= Luas Lahan
= Curah Hujan
= Jumlah Pupuk
Persamaan di atas dapat dapat diselesaikan dengan tiga bentuk yaitu:
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
Untuk memudahkan pengolahan data, maka data-data dapat dimasukkan
ke dalam tabel. Bentuk umum dari tabel untuk variabel penduga yang lebih dari
satu adalah seperti bentuk tabel di bawah ini:
Tabel 2.1 Bentuk Umum Tabel Data Regresi Linier Berganda
NO
Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan
terlebih dahulu diperiksa setidak-tidaknya mengenai kelinieran dan
keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji
keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat
berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan
mengenai hubungan sejumlah peubah yang sedang dipelajari.
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat
untuk regresi yang ditulis JKreg dan Jumlah Kuadrat untuk sisa (residu) yang
ditulis dengan JKres. Jika x1i= X1i– X 1, x2i= X2i– X2, . . . , xk= Xk– ̅ dan
yi= Yi– Ymaka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung
Dengan derajat kebebasan dk = k
∑ ̂
dengan derajat kebebasan dk = (n – k – 1) untuk sampel berukuran n. Dengan
demikian uji keberartian regresi berganda dapat dihitung dengan:
Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat
kebebasan pembilang V1= k dan penyebut V2= n – k – 1. Dalam penelitian ini
penulis menggunakan aplikasi softwere SPSS versi.22.
2.4 Koefisien Determinasi
Koefisien determinasi yang disimbolkan dengan R2 bertujuan untuk mengetahui
apakah ada hubungan pengaruh antara variabel independen dengan variabel
dependen. Nilai koefisien determinasi menunjukkan persentase variansi nilai
variabel dependen yang dapat dijelaskan oleh persamaan regresi yang dihasilkan.
Nilai R2dikatakan baik jika berada di atas 0,5 karena nilai R2 berkisar antara 0
dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai
untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel
Harga R2 diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing
variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang
dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja. Dalam
penelitian ini penulis menggunakan aplikasi softwere SPSS versi.22.
2.5 Koefisien Korelasi
Analisa korelasi dilakukan untuk mengetahui hubungan antara dua variabel
(bivariate correlation) atau lebih dari 2 variabel (multivariate correlation) dalam
suatu penelitian. Untuk menentukan seberapa besar hubungan antar variabel
tersebut dapat dihitung dengan menggunakan rumus koefisien korelasi. Rumus
untuk koefisien regresi adalah:
∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
Adapun untuk menghitung koefisien korelasi antara variabel terikat Y dan
variabel bebas yaitu :
1. Koefisien korelasi antara Y dengan X1
∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
2. Koefisien korelasi antara Y dengan X2
∑ ∑ ∑
3. Koefisien korelasi antara Y dengan X3
∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi
adalah (+) ataupun minus (-) yang menunjukan arah korelasi. Makna dari sifat
korelasi adalah:
1. Tanda positif (+) pada koefisien korelasi menunjukan hubungan searah atau
koefisien positif. Artinya jika nilai suatu variabel mengalami kenaikan maka
nilai variabel yang lain juga mengalami kenaikan dan demikian juga
sebaliknya.
2. Tanda negatif (-) pada koefisien korelasi menunjukan hubungan yang
berlawanan arah atau korelasi negatif. Artinya jika nilai suatu variabel
mengalami kenaikan maka nilai variabel yang lain akan mengalami
penurunan dan demikian juga sebaliknya.
Sifat korelasi akan menentukan arah korelasi. Keeratan korelasi dapat
dikelompokan sebagai berikut.
1. 0,00 - 0,20 berarti korelasi memiliki keeratan sangat lemah.
2. 0,21 - 0,40 berarti korelasi memiliki keeratan lemah.
3. 0,41 - 0,70 berarti korelasi memiliki keeratan kuat.
4. 0,71 - 0,90 berarti korelasi memiliki keeratan sangat kuat.
5. 0,91 - 0,99 berarti korelasi memiliki keeratan sangat kuat sekali.
2.6Kesalahan Standar Estimasi
Untuk mengetahui ketetapan persamaan estimasi dapat digunakan kesalahan
standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi
menunjukan ketetapan persamaan estimasi untuk menjelaskan nilai variabel tidak
bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi
tersebut, makin tinggi ketetapan persamaan estimasi yang dihasilkan untuk
menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar
nilai kesalahan standar estimasi, maka semakin rendah persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variabel tidak sesungguhnya. (Alfigari,
2000.Analisis Regresi Teori, kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE
halaman 1 dan 2).
Kesalahan standar estimasi (kekeliruan baku taksiran) dapat ditentukan dengan
rumus:
√∑ ̂
BAB 1
PENDAHULUAN
1.1Latar Belakang
Pertanian adalah suatu kegiatan manusia dalam bercocok tanam yang meliputi
kegiatan menghasilkan bahan pangan dengan memanfaatkan sumber daya
tumbuhan. Pertanian memegang peranan yang sangat penting dalam
pembangunan nasional, hal ini tidak terlepas dari keberadaan Indonesia sebagai
negara agraris karena di Indonesia sebagian besar penduduknya bekerja dan
bermata pencaharian di bagian pertanian. Di dalam pertanian ada banyak sekali
hasil pangan yang dihasilkan oleh para petani Indonesia seperti padi, jagung,
kedelai, ubi kayu, dan sebagainya.
Padi yang berasal dari makanan pokok mayoritas masyarakat Indonesia,
berasal dari sektor pertanian. Padi merupakan makanan pokok masyarakat
Indonesia. Dan keberadaan padi sangat dibutuhkan dalam rangka ketahanan
pangan di Indonesia.
Dalam hal ini, penulis mengambil daerah produksi padi di Kabupaten Deli
Serdang di mana padi juga menjadi komoditi andalan di kabupaten tersebut.
Maka, merupakan suatu kajian menarik bagi penulis untuk mengetahui seberapa
besar pengaruh yang terdapat antara variabel bebas (Luas Panen, Curah Hujan,
dan Jumlah Pupuk) terhadap variabel tak bebas (Hasil Produksi Padi). Untuk itu,
judul yang dipilih penulis untuk Tugas Akhir ini adalah “FAKTOR-FAKTOR
YANG MEMPENGARUHI HASIL PRODUKSI PADI DI KABUPATEN DELI
1.2Rumusan Masalah
Hasil produksi Padi dipengaruhi oleh beberapa faktor-faktor terkait. Disini penulis
ingin mengetahui seberapa besar pengaruh yang signifikan dan posif antara
produksi padi luas panen, curah hujan, jumlah pupuk terhadap produksi padi.
1.3Batasan Masalah
Penulis membatasi pokok permasalahan hanya pada tiga faktor yakni Luas
Panen,Curah Hujan, dan Jumlah Pupuk terhadap Hasil produksi Padi. Hal ini
dikarenakan penulis manganggap ketiga faktor tersebut akan memberikan
kontribusi yang paling besar dibandingkan dengan faktor-faktor lainnya.
1.4Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah sebagai berikut:
Untuk mengetahui apakah terdapat hubungan atau korelasi antara faktor-faktor
Luas Panen, Curah Hujan, dan Jumlah Pupuk terhadap Hasil Produksi Padi.
1.5Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah:
1. Memberikan informasi tentang ketahanan pangan di Kabupaten Deli Serdang
serta faktor-faktor yang mempengaruhinya.
2. Sebagai sarana meningkatkan pengetahuan dan wawasan pembaca mengenai
analisa korelasi.
1.6Metode Penelitian
Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya
adalah:
1. Metode Penelitian Kepustakaan (Studi Literatur)
Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari
buku-buku atau pun literatur pelajaran yang didapat di perkuliahan ataupun umum,
serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.
2. Metode Pengumpulan Data
Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan
menggunakan data sekunder. Data sekunder adalah data primer yamg
diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel
atau diagram. Data sekunder yang digunakan diperoleh dari Badan Pusat
Statistik Provinsi Sumatra Utara. Data yang telah dikumpulkan kemudian
diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan
gambaran yang jelas tentang sekumpulan data tersebut.
3. Metode Pengolahan Data
Data penelitian dianalisa dengan menggunakan metode regresi linier
berganda untuk melihat persamaan regresi linier nya dan untuk mengetahui
hubungan setiap variabel digunakan analisis korelasi. Adapun langkah yang
dilakukan dalam pengolahan data adalah :
1. Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel
terikat (Y).
2. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat
3. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel
bebas X secara bersama-bersama terhadap variabel terikat Y. Secara
umum model regresi linier berganda adalah sebagai berikut:
^
Y = β0+ β1X1+ β2X2+ β3X3+ …+ βnXn + ε
4. Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh
hubungan variabel-variabel bebas tersebut terhadap variabel terikat.
5. Uji koefisien regresi untuk menguji taraf nyata
koefisien-koefisien regresi yang didapat dan seberapa besar kontribusinya.
1.7Tinjauan Pustaka
1. Padi
Sektor pertanian dalam tatann pembangunan nasional khususnya padi
memegang peranan penting karena selain bertujuan menyediakan pangan bagi
seluruh penduduk, juga merupakan sektor andalan penyumbang devisa negara
dari sektor non migas. Besarnya kesempatan kerja yang dapat diserap dan
besarnya jumlah penduduk yang masih bergantung pada sektor ini masih
perlu ditumbuh kembangkan.
Penduduk Indonesia sangat bergantung pada hasil produksi padi sebagai
makanan pokok. Ketergantungan yang sangat besar ini menjadi tantangan
bagi negara yang mengkomsumsi padi sebagai makanan pokok untuk selalu
dapat mencukupi kebutuhan padi tanpa melakukan impor dari negara lain.
penguasaan lahan sempit sudah pasti kurang efisien dibandingkan lahan yang
lebih luas. Semakin sempit luas lahan, semakin tidak efisien usaha tani yang
dilakukan. Kecuali bila suatu usaha tani dijalankan dengan tertib dan
administrasi yang baik serta teknologi yang tepat. Tingkat efisiensi
sebenarnya terletak terletak pada penerapan teknologi. Karena pada luasan
yang lebih sempit, penerapan teknologi cenderung berlenihan, dan
menjadikan usaha tidak efesien.
Luas lahan sangat berhubungan dengan efisiensi usaha tani dan juga usaha
pertanian. Penggunaan masukan akan semakin efisien bila luas lahan yang
dikuasai semakin besar. Pengaruh luas lahan tidak hanya pada tingkat
efisiensi usaha tani saja, tetapi juga mempunyai dampak pada upaya transfer
dan penerapan teknologi dalam pembangunan pertanian.
3. Curah Hujan
Curah hujan adalah merupakan ketinggian air hujan yang terkumpul dalam
tempat yang datar, tidak menguap, tidak meresap, dan tidak mengalir. Curah
hujan 1 milimeter artinya dalam luasan satu meter persegi pada tempat yang
datar tertampung air setinggi satu milimeter atar tertampung air sebanyak satu
liter.
Intensitas curah hujan yang tinggi pada umumnya berlangsung dengan
durasi pendek dan meliputi daerah yang tidak luas. Hujan yang meliputi
daerah luas, jarang sekali dengan intensitas tinggi, tetapi dapat berlangsung
dengan durasi cukup panjang. Kombinasi dari intensitas hujan yang tinggi
dengan durasi panjang jarang terjadi, tetapi apabila terjadi berarti sejumlah
berdasarkan besarnya curah hujan, diantaranya yaitu hujan kecil antar 0-21
mm per hari, hujan sedang antara 21-50 mm per hari dan hujan besar atau
lebat di atas 50 mm per hari.
4. Jumlah Pupuk
Pemupukan merupakan aspek yang sangat penting bagi pertumbuhan
tanaman. Dengan pemupukan maka unsur hara yang diperlukan tanaman
untuk tumbuh dan berkembang akan terpenuhi oleh karena itu tanah
memerlukan tambahan unsur hara untuk mendukung pertumbuhan tanaman.
Pupuk merupakan kunci dari kesuburan tanah karena berisi satu atau lebih
unsur hara untuk menggantikan unsur yang telah terisap tanaman
sebelumnya. Secara umum pupuk dibagi kedalam dua kelompok, yaitu pupuk
organik dan pupuk anorganik.
5. Regresi Linear Berganda
Analisa korelasi adalah alat statistik yang dapat digunakan untuk mengetahui
derajat hubungan linier antara satu variabel dengan variabel lain. Ukuran
yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif
dinamakan koefisien korelasi. Untuk menghitung koefisien korelasi (r) antara
Nilai r selalu terletak antara 1 dan 1, sehingga nilai r tersebut dapat ditulis
-1 r +1. Untuk r = +1, berarti ada korelasi positif sempurna antara X dan Y,
sebaliknya jika r = -1, berarti korelasi negatif sempurna antara X dan Y,
sedangkan r = 0, berarti tidak ada korelasi antara X dan Y.
Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan didalam
variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut
mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu variabel
diikuti oleh penurunan didalam variabel lain, maka dapat dikatakan bahwa
variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada
perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan
bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga
r akan disajikan dalam tabel berikut:
Tabel 1.1 Interpretasi Koefisien Korelasi
Besarnya Nilai Interpretasi Sangat Tinggi
+ = menunjukkan korelasi positif
− = menunjukkan korelasi negatif
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
variabel yang satu meningkat, maka akan diikuti peningkatan variabel
lainnya.
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
menghasilkan bahan pangan dengan memanfaatkan sumber daya tumbuhan. Pertanian
memegang peranan yang sangat penting dalam pembangunan nasional, hal ini tidak terlepas dari keberadaan Indonesia sebagai negara agraris karena di Indonesia sebagian besar
penduduknya bekerja dan bermata pencaharian di bagian pe rtanian. Di dalam pertanian ada banyak sekali hasil pangan yang dihasilkan oleh para petani Indonesia seperti padi, jagung,
FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL
PRODUKSI PADI DI KABUPATEN
DELI SERDANG
MARIA PANGGABEAN 132407086
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL
PRODUKSI PADI DI KABUPATEN
DELI SERDANG
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
MARIA PANGGABEAN 132407086
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI
HASIL PRODUKSI PADI DI KABUPATEN
DELI SERDANG
Kategori : TUGAS AKHIR
Nama : MARIA PANGGABEAN
Nomor Induk Mahasiswa : 132407086
Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Disetujui di
Medan, Juli 2016
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing,
Ketua,
PERNYATAAN
FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL HASIL PRODUKSI PADI DI KABUPATEN DELI SERDANG
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2016
MARIA PANGGABEAN
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan tugas akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Hasil Produksi Padi Di Kabupaten Deli Serdang..
Terima kasih penulis sampaikan kepada Bapak Drs. Ujian Sinulingga, M.Si yang telah meluangkan waktunya dalam memberikan saran dan masukkan kepada penulis untuk menyelesaikan penyusunan tugas akhir. Terima kasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU yang telah memberikan dukungan penuh kepada penulis untuk menyelesaikan penyusunan tugas akhir tepat pada waktunya, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, Bapak Dr. Kerista Sebayang, M.S selaku Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada orang tua saya Bapak M. Panggabean dan Ibu L. Br. Munthe berserta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan kepada penulis agar dapat menyelesaikan tugas akhir. Semoga Tuhan Yang Maha Esa akan membalasnya.
Penulis,
DAFTAR ISI
2.2 Analisis Regresi Linier 10
2.2.1 Analisis Regresi Linier Sederhana 12
2.2.2 Analisis Regresi Linier Berganda 13
2.3 Uji Keberartian Regresi 15
2.6 Kesalahan Standart Estimasi 19
BAB 3 ANALISIS DATA 20
3.1 Pengolahan Data dan Pembahasan 20
3.2 Persamaan Regresi Linier Berganda 21
3.3 Uji Keberartian Regresi 24
3.4 Koefisien Determinasi 29
3.5 Koefisien Korelasi 30
3.5.1 Perhitungan Korelasi antara Variabel Bebas
dan Variabel Terikat 30
3.5.2 Perhitungan korelasi antar variabel bebas 33
BAB 4 IMPLEMENTASI SISTEM 35
4.1 Pengertian Implementasi Sistem 35
4.2 Sekilas tentang Program SPSS 35
4.2.1 Pengenalan Menu 36
4.3 Pengolahan Data dengan SPSS 40
4.4 Pengolahan Data dengan Persamaan Regresi 44
4.5 Output Pengolahan Data dengan SPSS 47
BAB 5 KESIMPULAN DAN SARAN 50
5.1 Kesimpulan 50
5.2 Saran 51
DAFTAR TABEL
Halaman
Tabel 1.1 Interpretasi Koefisien Korelasi 7
Tabel 2.1 Bentuk Umum Tabel Data Regresi Linier Berganda 15
Tabel 3.1 Data Hasil Produksi Padi, Luas Lahan, Curah Hujan,dan
Jumlah Pupuk 20
Tabel 3.2 Gambaran data Hasil Produksi yang akan diolah 21
Tabel 3.3 Kuadrat masing-masing variabel Y, X1, X2,dan X3 21
Tabel 3.4 Hasil kali Y (variabel terikat) dan X(variabel bebas) 22
Tabel 3.5 Hasil kali antara variabel bebas (X) 22
Tabel 3.6 Deviasi masing-masing variabel 25
Tabel 3.7 Kuadrat deviasi masing-masing variabel 26
Tabel 3.8 Penggandaan antara deviasi 26
Tabel 3.9 Penggandaan antara deviasi y dengan 26
DAFTAR GAMBAR
Halaman
Gambar 4.1 TampilanPengaktifan SPSS 22 40
Gambar 4.2 TampilanPadaPengentrian Data di Variabel View
dalam SPSS 41
Gambar 4.3 TampilanJendela Pengisian Data View 44
Gambar 4.4 Tampilan saat membuka persamaan regresi
pilih Analyze, Regression, Linear 44
Gambar4.5 TampilanKotak Dialog UntukmenentukanNilai
Linier Regression 44
Gambar 4.6 TampilanKotak Dialog PadaPengentrian Linier
Regression Statistics 46
Gambar 4.7 TampilanKotak Dialog PadaPengentrian Linier
Regression Plot/Option 46
