PROYEKSI KEBUTUHAN BERAS DI KABUPATEN MANDAILING NATAL TAHUN 2017
TUGAS AKHIR
Novalia Vandika 132407060
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2016
PROYEKSI KEBUTUHAN BERAS DI KABUPATEN MANDAILING NATAL TAHUN 2017
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
Novalia Vandika 132407060
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2016
PERSETUJUAN
Judul : Proyeksi Kebutuhan Beras di Kabupaten Mandailing Natal Tahun 2017
Kategori : Tugas Akhir
Nama : Novalia Vandika
Nomor Induk Mahasiswa : 132407060 Program Studi : D3 Statistika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Disetujui di Medan, Juni 2016
Disetujui Oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing,
Ketua,
Dr. Faigiziduhu Bu’ulölö, M.Si Dr. Sawaluddin, M.IT NIP. 19531218 198003 1 003 NIP. 19591231 19982 1 001
PERNYATAAN
POYEKSI KEBUTUHAN BERAS DI KABUPATEN MANDAILING NATAL TAHUN 2017
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2016
NOVALIA VANDIKA 132407060
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpahan Karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Proyeksi Kebutuhan Beras di Kabupaten Mandailing Natal Tahun 2017.
Terimakasih penulis sampaikan kepada Ibu Bapak Dr. Sawaluddin, M.IT selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU, Bapak Drs. Suwarno Ariswoyo, M.Si selaku Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr.
Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua Dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Kerista Sebayang, MS selaku Dekan FMIPA USU Medan, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayah Damiri SE, Mama tercinta Khairiah, adik-adik Riza dan Rizky, sepupu tercinta Astri dan Ai yg selalu memberi semangat dan gairiah saat berkumpul, seluruh teman-teman dikampus tercinta ini, dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Allah SWT akan membalasnya.
Penulis,
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar Isi v
Daftar Tabel vii
Daftar Gambar viii
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Batasan Masalah 2
1.3 Identifikasi Masalah 3
1.4 Maksud dan Tujuan 3
1.5 Manfaat Penelitian
1.6 Lokasi Penelitian 3
1.7 Metodologi Penelitian 4
1.7.1 Penelitian Pustaka 4
1.7.2 Metode Pengumpulan Data 4
1.8 Tinjauan Pustaka 4
Bab 2 Landasan Teori 6
2.1 Kebutuhan Pokok 6
2.2 Produksi Beras 7
2.3 Peramalan 7
2.3.1 Metode Kualitatif 8
2.3.2 Metode Kuantitatif 8
2.4 Regresi Linier Sederhana 9
Bab 3 Pengolahan Data 11
3.1 Analisis dan Pengolahan Data 11
3.2 Proyeksi 13
Bab 4 Implementasi Sistem 17
4.1 Aplikasi Program SPSS 17
4.2 Output Hasil Perhitungan SPSS 21
Bab 5 Kesimpulan Dan Saran 23
5.1 Kesimpulan 23
5.2 Saran 23
Daftar Pustaka Lampiran
DAFTAR TABEL
Halaman Tabel 3.1 Jumlah Penduduk dan Kebutuhan Beras per bulan pada tahun
2013 – 2014 di Kabupaten Mandailing Natal 12 Tabel 3.2 Jumlah Penduduk, Kebutuhan Beras, , dan 13
DAFTAR GAMBAR
Halaman Gambar 4.1 Tampilan Layar Kerja Variabel View Pada SPSS 17
Gambar 4.2 Tampilan Data Yang Diolah Dalam SPSS 18
Gambar 4.3 Tampilan Menu Analyze, Regression, Linier Pada SPSS 18 Gambar 4.4 Tampilan Kotak Dialog Linier Regresion Dalam SPSS 19 Gambar 4.5 Tampilan Kotak Dialog Linier Regresion Option Dalam SPSS 19 Gambar 4.6 Tampilan Kotak Dialog Linier Regresion Statistic Dalam SPSS 20 Gambar 4.7 Tampilan Kotak Dialog Linier Regresion Plot Dalam SPSS 20 Gambar 4.8 Tampilan Kotak Dialog Linier Regresion Plot Dalam SPSS 20
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Sektor pertanian dalam tatana pembangunan nasional khususnya padi memegang peranan penting karena salain 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 khususnya Sumatera Utara sangat bergantung pada nasi sebagai makanan pokok. Ketergantungan yang sangat besar ini menjadi tantangan bagi negara yang mengkonsumsi nasi sebagai makanan pokok untuk selalu dapat mencukupi kebutuhan beras tanpa melakukan impor dari negara lain.
Situasi ketersediaan pangan perlu diketahui secara periodik. Untuk itu diperlukan pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan. Tujuan dari pemantauan ketersediaan, kebutuhan dan cadangan bahan pangan adalah untuk memantau tingkat ketersediaan dibandingkan dengan tingkat kebutuhan pangan masyarakat, sehingga informasi ini menjadi acuan bagi institusi yang bersangkutan dalam usaha perumusan kebijakan dan memecahkan masalah ketersediaan pangan.
Stabilitas ketersediaan pangan di tingkat rumah tangga diukur berdasarkan kecukupan ketersediaan pangan dan frekuensi makan anggota rumah tangga dalam sehari. Satu rumah tangga dikatakan memiliki stabilitas ketersediaan pangan jika mempunyai persediaan pangan diatas cutting point (360 hari untuk Kabupaten Mandailing Natal) dan anggota rumah tangga dapat makan 3 (tiga) kali sehari sesuai dengan kebiasaan makan penduduk di daerah tersebut.
Dengan asumsi bahwa di daerah tertentu masyarakat mempunyai kebiasaan makan 3 (tiga) kali sehari, frekuensi makan sebenarnya dapat menggambarkan keberlanjutan ketersediaan pangan dalam rumah tangga.
Penggunaan frekuensi makan sebanyak 3 (tiga) kali atau lebih sebagai indikator kecukupan makan didasarkan pada kondisi nyata di Kabupaten Mandailing Natal (berdasarkan pusat penelitian penduduk), dimana rumah tangga yang memiliki persediaan makanan pokok cukup pada umumnya makan 3 (tiga) kali sehari. Jika mayoritas rumah tangga di satu Kabupaten Mandailing Natal. Misalnya, hanya makan 2 (dua) kali sehari, kondisi semata – mata merupakan suatu strategi rumah tangga agar persediaan makanan pokok mereka tidak segera habis, karena dengan frekuensi makan 3 (tiga) kali sehari, kebanyakan rumah tangga tidak bisa bertahan untuk tetap memiliki persediaan makanan pokok hingga panen barikutnya.
Oleh karena hal di atas, maka Penulis merasa tertarik dan terdorong untuk mengusulkan penelitian tentang ketersediaan beras dengan judul PROYEKSI KEBUTUHAN BERAS DI KABUPATEN MANDAILING NATAL TAHUN 2017.
1.2 Batasan Masalah
Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah penelitian ini yaitu ingin mengetahui seberapa besar jumlah kebutuhan beras di Kabupaten Mandailing Natal pada tahun 2017.
1.3 identifikasi Masalah
Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti seputar luas lahan
sebagai faktor yang mempengaruhi kebutuhan konsumen di Kabupaten Mandailing Natal Tahun 2013 – 2014.
1.4 Maksud dan Tujuan
Adapun maksud dan tujuan dari penelitian ini adalah untuk mengetahui jumlah kebutuhan konsumen di kabupaten Mandailing Natal pada tahun 2017.
1.5 Manfaat Penelitian
Penelitian ini dilakukan dengan harapan dapat memberikan manfaat antara lain:
1. Bagi pihak Badan Pusat Statistik, dapat bermanfaat sebagai masukan dalam pengambilan kebijakan.
2. Kontribusi teori sebagai bahan referensi dan data tambahan bagi peneliti – peneliti lainnya yang tertarik pada bidang kajian ini.
1.6 Lokasi Penelitian
Data yang diperoleh penulis melalui riset di Badan Pusat Statistik Sumatera Utara yang terletak di Jl. Gaperta No. 311, Medan Helvetia, Sumatera Utara.
1.7 Metodologi Penelitian 1.7.1 Penelitian Kepustakaan
Penelitian kepustakaan yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, dengan membaca buku-buku, referensi dan bahan-bahan yang mendukung penulisan tugas akhir ini.
1.7.2 Metode Pengumpulan Data
Adapun metode pengumpulan data yang digunakan untuk penelitian ini ialah dengan menggunakan data sekunder, yaitu metode pengumpulan data di mana data tersebut telah tersedia di perusahaan–perusahaan atau badan – badan tertentu.
1.8 Tinjauan Pustaka
Buku Assauri, S. 1984. Teknik dan Metoda Peramalan. Penerbit Fakultas Ekonomi Universitas Indonesia. Menguraikan tentang definisi peramalan adalah kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang diperlukan akan terjadi pada masa yang akan datang.
Ramalan tersebut dapat didasarkan atas bermacam– macam cara yang dikenal dengan metode peramalan.
Dengan memperhatikan data, maka dapat digunakan suatu formula (rumusan) untuk melakukan proyeksi kebutuhan beras di kabupaten Mandailing Natal tahun 2017. Adapun rumus yang digunakan sebagai berikut:
Ŷ = + di mana:
a = ∑ ∑ − ∑ ∑
∑ − ∑
b = ∑ − ∑ ∑
∑ − ∑
Keterangan:
Ŷ = Nilai yang ditaksir = Jumlah Penduduk = Kebutuhan Beras = Variabel Konstanta
= Koefisien Variabel n = Jumlah Data
∑ = Jumlah dari Variabel
∑ = Jumlah dari Variabel
∑ = Jumlah Kuadrat Variabel
∑ = Jumlah Hasil Kali Varibel dengan
BAB 2
LANDASAN TEORI
2.1 Kebutuhan Pokok
Kebutuhan pokok adalah suatu hal yang dilakukan demi kelancaran beraktifitas. Hal yang membuat seseorang merasakan bahwa kebutuhan itu sangat penting adalah karena manfaat yang didapat. Beras merupakan bahan pangan pokok bagi sebagian besar penduduk Indonesia yang memberikan energi dan zat gizi yang tinggi. Beras sebagai komoditas pangan pokok dikonsumsi oleh sebagian masyarakat. Bahkan preferensi masyarakat terhadap beras semakin besar. Berdasarkan data Susenas 1990-1999, tingkat partisipasi konsumsi beras di setiap propinsi maupun tingkat pendapatan mencapai 97-100%. Ini artinya hanya sekitar 3% rumah tangga yang tidak mengkonsumsi beras sebagai pangan pokok terutama pangan pokok tunggal. Tingkat partisipasi konsumsi beras yang lebih kecil 90% hanya ditemukan di pedesaan Papua. Sebagai gambaran, tingkat konsumsi beras rata-rata di kota tahun 1999 adalah 96,0 kg per kapita/tahun dan di desa adalah 111,8 kg per kapita/tahun (Suharno, 2005).
Beras telah menjadi komoditas strategis dalam kehidupan bernegara di Indonesia.
Selain sebagai sumber pangan pokok, beras juga menjadi sumber penghasilan bagi petani dan kebutuhan hidup sehari-hari bagi jutaan penduduk. Beras juga bisa dijadikn sebagai komoditas politik karena keberadaannya tidak dapat digantikan oleh komoditas lain dan harus dalam jumlah yang memadai. Meskipun pemerintah telah mengupayakan diversifikasi pangan, namun sampai saat ini belum mampu mengubah preferensi penduduk terhadap bahan pangan beras. Oleh karena itu ketersediaan beras harus selalu terjaga, berkelanjutan, bahkan harus ditingkatkan.
2.2 Produksi Beras
Produksi beras hingga saat ini Pulau Jawa masih memegang peranan penting, meskipun beberapa daerah seperti Sumatera, Sulawesi, dan Kalimantan merupakan daerah produksi beras. Namun, tingkat produksi yang dihasilkan oleh daerah-daerah tersebut tidak seperti yang dihasilkan oleh Pulau Jawa. Sehingga, produksi beras nasional semakin menurun dan Indonesia menjadi negara pengimpor beras terbesar.
Pembangunan pertanian dalam upaya peningkatan produksi beras terasa semakin berat dan kompleks karena selain dihadapkan pada masalah internal yang identik juga dihadapkan dengan berbagai macam isu global dan perubahan lingkungan yang semakin buruk. Tingginya permintaan pangan, terutama beras dan peningkatan jumlah produksi juga menjadi masalah dalam pencapaiannya. Oleh karena itu, gerakan peningkatan produksi beras nasional melalui perubahan teknologi dan adanya inovasi harus didukung oleh semua daerah di Seluruh Indonesia.
2.3 Peramalan
Peramalan adalah perkiraan mengenai sesuatu yang belum terjadi. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Peramalan adalah suatu proses memperkirakan secara sistematik tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Peramalan dapat juga diartikan sebagai usaha memperkirakan perubahan. Agar tidak disalah pahami bahwa peramalan tidak memberi jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari yang sedekat mungkin dengan sesuatu yang akan terjadi.
2.3.1 Metode Kualitatif
Metode kualitatif digunakan jika data historis atau empiris dari variabel yang akan diramal tidak ada, tidak cukup, atau kurang dapat dipercaya. Metode ini juga disarankan jika lingkungan dan teknologi sedang atau diperkirakan akan menngalami perubahan drastis.
Sebagai gantinya, input utama metode ini adalah judgement, opini, dan pengalaman. Karena alasan itu, metode ini juga dinamakan judgemental, subjective, intuitive, or technological forecasting method. Beberapa teknik yang termasuk dalam kelompok ini antara lain: jury of executive (expert), opinion, delphi method dan pendekatan hirarki analitik.
2.3.2 Metode Kuantitatif
Metode kuantitatif memerlukan dua historis atau empiris dan ini menuntut variabel yang digunakan mempunyai satuan hukum atau dapat diukur. Metode ini umumnya beranggapan bahwa pola masa lalu akan berulang. Termasuk dalam kelompok ini antara lain: causal model, simultaneous model, model deret berkala, gabungan causal dan time series, leading indicators, analisis input output dan analisis Markov.
Time series (univariate) model didasarkan pada analisis data sebuah variabel hasil pengamatan yang disusun mengikuti urutan waktu. Pengamatan dapat secara tahunan, bulanan, mingguan, harian atau periode yang lebih pendek. Model ini dibedakan menjadi dterministic dan stochastic. Time series deterministic model menyadari adanya pengaruh kerandoman pada data, namun model ini tidak menerangkan sumber atau ciri kerandoman itu.
Sementara penggunaan time series stochastic model menunjukkan bahwa data dihasilkan oleh proses random yang punya bentuk dan dapat dijelaskan. Pada model terakhir ini tidak perlu asumsi bahwa pola masa lalu akan berulang.
2.4 Regresi Linier Sederhana
Regresi linier sederhana bertujuan mempelajari hubungan linier antara dua variabel. Dua variabel ini dibedakan menjadi variabel bebas ( dan variabel tak bebas ( . Variabel bebas adalah variabel yang bisa dikontrol sedangkan variabel tak bebas adalah variabel yang mencerminkan respon dari variabel bebas.
Adapun persamaan garis regresi linier sederhananya adalah:
Ŷ = + di mana:
= ∑ ∑ − ∑ ∑
∑ − ∑
= ∑ − ∑ ∑
∑ − ∑
Dengan menyelesaikan persamaan–persamaan di atas, maka akan memperoleh nilai koefisien a dan nilai koefisien b.
BAB 3
PENGOLAHAN DATA
3.1 Analisis dan Pengolahan Data
Analisa data pada dasarnya diartikan sebagai berikut:
1. Menguraikan atau memecahkan suatu keseluruhan menjadi bagian-bagian atau komponen-komponen yang lebih kecil agar dapat:
a. Mengetahui komponen yang menonjol
b. Membandingkan antara komponen yang satu dengan yang lainnya atau dengan keseluruhannya.
2. Membandingkan besarnya pengaruh secara kuantitatif dari suatu kejadian lainnya serta memperkirakan/ meramalkan kejadian lainnya yang dapat dinyatakan dengan perubahan nilai suatu variabelnya.
Pembahasan mengenai jumlah penduduk di Kabupaten Mandailing Natal dan Kebutuhan Beras setiap bulannya. Data ini yang nantinya akan digunakan untuk melihat Proyeksi Kebutuhan Beras di Kabupaten Mandailing Natal. Adapun data tersebut adalah sebagai berikut:
Tabel 3.1 Jumlah Penduduk dan Kebutuhan Beras per bulan pada tahun 2013 – 2014 di Kabupaten Mandailing Natal
Bulan Jumlah Penduduk (jiwa)
Kebutuhan Konsumen (ton)
Januari 2013 421.579 4.364
Februari 2013 421.579 4.364
Maret 2013 421.579 4.364
April 2013 421.579 4.364
Mei 2013 421.579 4.364
Juni 2013 421.579 4.364
Juli 2013 421.579 4.931
Agustus 2013 421.579 4.669
September 2013 421.579 4.364
Oktober 2013 421.579 4.582
November 2013 421.579 4.582
Desember 2013 421.579 4.582
Januari 2014 426.382 4.325
Februari 2014 426.382 4.325
Maret 2014 426.382 4.325
April 2014 426.382 4.325
Mei 2014 426.382 4.325
Juni 2014 426.382 4.325
Juli 2014 426.382 4.325
Agustus 2014 426.382 4.325
Septembe 2014 426.382 4.325
Oktober 2014 426.382 4.541
Nopember 2014 426.382 4.325
Desember 2014 426.382 4.541
Sumber: Badan Pusat Statistik Sumatera Utara
3.2 Proyeksi
Dari tabel di atas dapat dilakukan proyeksi kebutuhan beras di Kabupaten Mandailing Natal pada tahun 2015.
Tabel 3.2 Jumlah Penduduk, Kebutuhan Beras, , dan Bulan Jumlah
Penduduk (ribuan) ( )
Kebutuhan
Beras (ton) ( ) Januari 2013
Februari 2013
421.579 421.579
4.364 4.364
177.728.853.241 177.728.853.241
1.839.770.756 1.839.770.756
Maret 2013 421.579 4.364 177.728.853.241 1.839.770.756
April 2013 421.579 4.364 177.728.853.241 1.839.770.756
Mei 2013 421.579 4.364 177.728.853.241 1.839.770.756
Juni 2013 421.579 4.364 177.728.853.241 1.839.770.756
Juli 2013 421.579 4.931 177.728.853.241 2.078.806.049
Agustus 2013 421.579 4.669 177.728.853.241 1.968.352.351
September 2013 421.579 4.364 177.728.853.241 1.839.770.756
Oktober 2013 421.579 4.582 177.728.853.241 1.931.674.978
Nopember 2013 421.579 4.582 177.728.853.241 1.931.674.978
Desember 2013 421.579 4.582 177.728.853.241 1.931.674.978
Januari 2014 426 4.325 181.801.609.924 1.844.102.150
Februari 2014 426 4.325 181.801.609.924 1.844.102.150
Maret 2014 426 4.325 181.801.609.924 1.844.102.150
April 2014 426 4.325 181.801.609.924 1.844.102.150
Mei 2014 Juni 2014
426 426
4.325 4.325
181.801.609.924 181.801.609.924
1.844.102.150 1.844.102.150
Juli 2014 426 4.325 181.801.609.924 1.844.102.150
Agustus 2014 426 4.325 181.801.609.924 1.844.102.150
September 2014 426 4.325 181.801.609.924 1.844.102.150
Oktober 2014 426 4.541 181.801.609.924 1.936.200.662
Nopember 2014 426 4.325 181.801.609.924 1.844.102.150
Desember 2014 426 4.541 181.801.609.924 1.936.200.662
Jumlah 10.175.532 106.226 4.314.365.557.98 45.034.001.450
Dari tabel di atas, maka dapat dicari nilai a dan b sebagai berikut:
= ∑ ∑ − ∑ ∑
∑ − ∑
= 470.707.578 4.314.365.557.980 − 10.175.532 45.034.001.450 24 4.314.365.557.980 − 10.175.532
= 458.297.795.761.983.000 − 458.244.922.842.521.000 103.544.773.391.520 − 103.541.451.483.024
= 52.872.919.462.080 3.321.908.496
= 15.916,42862
= ∑ − ∑ ∑
∑ − ∑
= 24 45.034.001.450 − 10.175.532 106.226 24 4.314.365.557.980 − 10.175.532
= 1.080.816.034.800 − 1.080.906.062.232 103.544.773.391.520 − 103.541.451.483.024
= −90.027,432 3.321.908.496
= −0,027101117
Maka persamaan liniernya adalah:
Ŷ = +
Ŷ = 15.916,42862 − 0,027101117
Untuk mencari proyeksi kebutuhan beras pada tahun 2017 dimasukkan nilai = 60 (12 "# $ 5% ℎ" ) ke persamaan berikut ini:
Ŷ = 15.916,42862 − 0,027101117 Ŷ = 15.916,42862 − 0,027101117 60 Ŷ = 15.916,42862 −1,62606702
Ŷ = 15.914,80255298 Ŷ = 15.914,8025
Jadi, dari perhitungan diperoleh hasil 15.914,8025 yang artinya bahwa untuk tahun 2017 yang akan datang produksi beras di Kabupaten Mandailing Natal adalah sebesar 15.914,8025 ton.
BAB 4
IMPLEMENTASI SISTEM
4.1 Aplikasi Program SPSS
Selain menggunakan Microsoft Excel, kita dapat menggunakan program yang lebih mudah mengerjakannya, misalnya program minitab atau SPSS. Disini penulis akan menggunakan program SPSS dalam mencari hasil regresi sederhana dan membandingkannya dengan cara manual.
a. Masukkan nama variabel-variabel pada Variable View.
Gambar 4.1 Tampilan Lembar Variabel View
b. Masukkan data pada Data View.
Gambar 4.2 Tampilan Pada Data View c. Klik Analyze → Regression → Linier
Gambar 4.3 Menu Pada Analyze
d. Masukkan Jumlah Penduduk ( pada kotak independent dan Kebutuhan konsumen (Y) pada kotak Dependent kemudian klik OK
Gambar 4.4 Tampilan Pada Linier Programming
e. Klik Option-Stepping Method Criteria, Masukkan angka .05 pada kolom Entry.
Pilih Exclude cases listwise pada Missing Value, Pilih Continue.
Gambar 4.5 Tampilan Pada Linier Programming
f. Klik Statistics – Regression Coefisient - Estimate, Model fit dan Descriptive.
Pada Residual - Case Wise Diagnostics dan centang All cases, Pilih continue.
Gambar 4.6 Tampilan Pada Linier Programming
g. Klik Plot, kolom Y isi dengan SDREID dan X isi dengan ZPRED, pilih next..
Gambar 4.7 Tampilan Pada Linier Programming
h. Kemudian isi lagi kolom Y dengan ZPRED dan X dengan DEPENDENT.
Pilih Standardized Residual Plot, Centang Normal Probability Plot, pilih continue Kemudian klik OK.
Gambar 4.8 Tampilan Pada Linier Programming
4.2 Output Hasil SPSS
Pada hasil output coefficientsa dapat dilihat nilai koefisien a sebesar 15.916,429 dan nilai koefisien b sebesar -0,27. Jadi perhitungan manual dengan perhitungan pada program SPSS hasilnya sama.
BAB 5
KESIMPULAN DAN SARAN 5.1 Kesimpulan
Dari hasil penelitian data mengenai Jumlah Penduduk (jiwa) dan Kebutuhan Konsumen (ton) di Kabupaten Mandailing Natal yang dianalisa dari tahun 2013 sampai dengan tahun 2014, dapat diambil kesimpulan sebagai berikut:
1. Hasil regresi linier sederhana yang diperoleh dengan perhitungan manual adalah Ŷ = 15.916,42862 − 0,027101117 .
2. Hasil regresi linier sederhana yang diperoleh dengan menggunakan program SPSS adalah Ŷ = 15.916,429 − 0,027 .
3. Dari hasil di atas kita tahu bahwa kebutuhan beras pada tahun 2017 di Kabupaten Mandailing Natal adalah 15.914,8 ton.
5.2 Saran
Kepada pemerintah untuk lebih memikirkan lagi dan peduli terhadap jumlah produksi beras yang kadang naik dan kadang turun. Dari data yang diperoleh terdapat produksi beras yang naik. Di era globalisasi saat ini terutama pada perdagangan bebas saat ini, penulis mengharapkan agar produksi beras kita tidak kalah saing dengan negara lain. Untuk itu diharapkan kepada pemerintah untuk lebih peduli terhadap masa depan pertanian Indonesia untuk masa yang akan datang.
DAFTAR PUSTAKA
Algifari. 1997. Analisis Regresi. BPFE. Yogyakarta.
Assauri, Sofyan. 1984. Teknik dan Metoda Peramalan. Fakultas Ekonomi Universitas Sumatera Utara. Jakarta.
Makridakis, Sypros. 1989. Metode dan Aplikasi Peramalan. Binapura Aksara. Jakarta.
Mulanto, Sri. 2007. Pengolahan Data StatistikDengan SPSS 16.Andi Offset. Semarang.
Santoso, Ratno Dwi. 1992. Analisis Regresi. Andi Offset. Yogyakarta.
Sudjana. 2001. Metode Statistika.Tarsito. Bandung.
Usman, Husain. dan Setiady, Purnomo. 2006. Pengantar Statistika. Bumi Aksara. Jakarta.
