BAB 3 PEMBAHASAN
3.1 Pengumpulan Data
Data merupakan alat bagi pengambilan keputusan yang tepat dan juga sebagai dasar untuk memecahkan masalah yang dihadapi. Maka penelitian ini menggunakan data sekunder yang bersifat time series yang dimulai dari tahun 2005 hingga tahun 2014 berupa data statistik. Data tersebut diperoleh dari instansi yang terkait dengan penelitian yaitu Kantor Badan Pusat Statistik Provinsi Sumatera Utara. Adapun datanya adalah sebagai berikut :
Tabel 3.1 Data Impor Beras, CIF Value, Produksi Beras dan Kurs Rupiah Tahun Impor Beras CIF Value Produksi Beras Nilai Kurs
2005 189,617 51,499 54,15110 9,830 2006 438,108 132,620 54,45494 9,020 2007 2.500,000 703,167 57,15744 9,419 2008 289.689,411 124.142,808 60,32592 10,950 2009 250.473,149 108.153,251 64,39889 9,400 2010 687.581,501 360.784,998 66,46939 8,991 2011 2.750.476,186 1.513.163,507 65,75690 9,068 2012 1.810.372,303 945.623,182 69,05612 9,670 2013 472.664,654 246.002,090 71,27971 12,189 2014 844.163,741 388.178,457 70,84647 12,440
di mana:
Jumlah Impor Beras (ribu kg) : � Harga Impor Beras (ribu US$) : �1 Produksi Beras (juta Ton) :�2 Rata-rata Kurs Rupiah Per Tahun (ribu Rp) : �3
3.2 Pengolahan Data
dengan perhitungan manual dan menggunakan program SPSS, yaitu salah satu program statistik yang mampu memproses data dengan cepat.
3.3 Persamaan Regresi linier Berganda
Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan jumlah-jumlah variabel seperti berikut:
Tabel 3.2 Pengamatan Data Regresi Tiga Variabel X dan Satu Variabel Y
No. � �1 �2 �3
1 189,617 51,499 54,15110 9,830
2 438,108 132,620 54,45494 9,020
3 2.500,000 703,167 57,15744 9,419
4 289.689,411 124.142,808 60,32592 10,950 5 250.473,149 108.153,251 64,39889 9,400 6 687.581,501 360.784,998 66,46939 8,991 7 2.750.476,186 1.513.163,507 65,75690 9,068 8 1.810.372,303 945.623,182 69,05612 9,670 9 472.664,654 246.002,090 71,27971 12,189 10 844.163,741 388.178,457 70,84647 12,440 Jumlah 7.108.548,67 3.686.935,58 633,90 100,98
Tabel 3.3 Pengamatan Data Kuadratik Variabel X dan Variabel Y
No. Y² X₁² X₂² X₃²
1 35.954,61 2.652,15 2.932,34 96,63
2 191.938,62 17.588,06 2.965,34 81,36
3 6.250.000,00 494.443,83 3.266,97 88,72 4 83.919.954.845,53 15.411.436.778,12 3.639,22 119,90 5 62.736.798.369,98 11.697.125.701,87 4.147,22 88,36 6 472.768.320.517,41 130.165.814.781,86 4.418,18 80,84 7 7.565.119.249.753,11 2.289.663.798.916,54 4.323,97 82,23 8 3.277.447.875.469,52 894.203.202.335,81 4.768,75 93,51 9 223.411.875.140,94 60.517.028.284,37 5.080,80 148,57 10 712.612.421.619,12 150.682.514.478,90 5.019,22 154,75 Jumlah 12.398.022.973.608,80 3.552.341.435.961,51 40.562,00 1.034,87
Tabel 3.4 Pengamatan Perkalian Data Variabel X dan Variabel Y
No. Y*X₁ Y*X₂ Y*X₃
1 9.765,09 10.267,97 1.863,94
2 58.101,88 23.857,14 3.951,73
No. Y*X₁ Y*X₂ Y*X₃ 4 35.962.856.929,41 17.475.780,23 3.172.099,05 5 27.089.485.352,56 16.130.192,77 2.354.447,60 6 248.069.090.463,12 45.703.122,95 6.182.045,28 7 4.161.920.191.527,74 180.862.787,52 24.941.318,05 8 1.711.930.017.767,53 125.017.287,00 17.506.300,17 9 116.276.492.753,13 33.691.399,46 5.761.309,47 10 327.686.178.436,73 59.806.021,15 10.501.396,94 Jumlah 6.628.936.139.014,68 478.863.609,78 70.448.279,73
Tabel 3.5 Pengamatan Perkalian Data Variabel X dan Variabel X
No. X₁*X₂ X₁*X₃ X₂*X₃
1 2.788,73 506,24 532,31
2 7.221,81 1.196,23 491,18
3 40.191,22 6.623,13 538,37
4 7.489.029,10 1.359.363,75 660,57 5 6.964.949,31 1.016.640,56 605,35 6 23.981.158,74 3.243.817,92 597,63 7 99.500.941,41 13.721.366,68 596,28 8 65.301.067,93 9.144.176,17 667,77 9 17.534.957,63 2.998.519,48 868,83 10 27.501.073,41 4.828.940,01 881,33 Jumlah 248.323.379,31 36.321.150,15 6.439,61
Dari Tabel 3.2 sampai Tabel 3.5 diperoleh hasil sebagai berikut :
∑ �= 7.108.548,67 ∑ �32 = 1.034,87
∑ �1 = 3.686.935,58 ∑ �.�1 = 6.628.936.139.014,68 ∑ �2 = 633,90 ∑ �.�2 = 478.863.609,78
∑ �3 = 100,98 ∑ �.�3 = 70.448.279,73 ∑ �2 = 12.398.022.973.608,80 ∑ �
1�2 = 248.323.379,31 ∑ �12 = 3.552.341.435.961,51 ∑ �1�3 = 36.321.150,15 ∑ �22 = 40.562,00 ∑ �2�3 = 6.439,61
Dengan mensubstitusikan angka-angka diatas kedalam sistem Persamaan (2.3), maka diperoleh bentuk persamaannya sebagai berikut:
7.108.548,67 = 10b0 + 3.686.935,58b1 + 633,90b2 + 100,98b3 (3.1)
6.628.936.139.014,68 = 3.686.935,58b0+ 3.552.341.435.961,51b1+
478.863.609,78 = 633.90�0+ 248.323.379,31�1+ 40.562,00�2+
sistem persamaan (3.1),(3.2),(3.3) dan (3.4) dapat ditulis dalam notasi matriks sebagai berikut:
Nilai dugaan bagi parameter model diketahui melalui persamaan:
�= �−1� (3.5)
�−1 = 1
det�����) (3.6)
Berdasarkan persamaan (3.6) diperoleh nilai invers dari matriks � yaitu:
�
13,3650134 0,0000012 −,2040385 −0,0751441
0,000001160051 −0,204038452 −0,07514414 0,000000000001 −0,000000054 0,00000019
Maka, nilai koefisien adalah:
�= �−1�
0,0000011600 −0,20403845 −0,0751441 0,00000000000 −0,00000005 0,0000002
Perhitungan serupa juga dilakukan dengan menggunakan SPSS 18 sehingga diperoleh hasil sebagai berikut:
Tabel 3.6 Nilai – Nilai Koefisien
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -304614,993 149658,465 -2,035 ,088
Harga Impor Beras 1,807 ,039 ,987 46,716 ,000
Produksi Beras 3825,033 3373,201 ,027 1,134 ,300
Kurs Rp terhadap Dolar
10589,627 14699,237 ,015 ,720 ,498
a. Dependent Variable: Impor Beras
Pada tabel 3.6 dapat juga diketahui nilai-nilai koefisien linier bergandanya adalah:
�0 = −304.614,993 �1 = 1,807
�2 = 3825,033 �3 = 10589,626
Sehingga diperoleh persamaan regresinya :
��= �0+�1�1 +�2�2+⋯+����
��= −304.614,99 + 1,807�1+ 3.825,033�2+ 10.589,626�3
Dari persamaan regresi diatas dapat diketahui Harga Impor Beras (�1), Produksi Beras (�2) dan Nilai Kurs Rupiah Terhadap Dolar (�3) mempunyai koefisien regresi yang positif terhadap Permintaan Impor Beras (�). Hal ini menunjukkan bahwa Permintaan Impor Beras di Indonesia dipengaruhi oleh Impor Beras, Produksi Beras dan Nilai Kurs Rupiah Terhadap Dolar. Dengan melihat Tabel 3.6 di atas dan melihat persamaan regresi tersebut, maka telah diketahui variabel yang paling mempengaruhi.
3.4 Uji Regresi Linier Berganda
Setelah persamaan regresi diperoleh maka persamaan tersebut perlu diuji sebelum digunakan untuk membuat suatu kesimpulan. Perumusan hipotesa untuk Uji Regresi Berganda tersebut adalah:
Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu harga impor beras, produksi beras dan kurs rupiah terhadap permintaan Impor Beras di Indonesia.
�1 : �0 = �1 = �2 = �3 ≠0
Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol. Terdapat pengaruh yang signifikan antara variabel bebas yaitu harga impor beras, produksi beras dan kurs rupiah terhadap permintaan Impor Beras di Indonesia.
Kriteria pengujan hipotesanya:
Jika �ℎ����� ≥ ������, maka �0 ditolak dan �1 diterima Jika �ℎ����� <������, maka �0 diterima dan �1 ditolak
�ℎ����� dapat diketahui melalui persamaan (2.4) dan untuk menguji model regresi
yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi (�����) dan JK untuk sisa (�����) yang diperoleh melalui persamaan (2.5) dan (2.6).
Untuk menentukannya maka diperlukan jumlah-jumlah variabel seperti berikut:
Tabel 3.7 Data pengamatan nilai �,�1,�2 dan x3
No. � �1 �2 �3
1 -710.665,253 -368.642,061 -9,239 -0,270 2 -710.416,762 -368.560,940 -8,935 -1,080 3 -708.354,870 -367.990,393 -6,233 -0,681 4 -421.165,459 -244.550,752 -3,064 0,850 5 -460.381,721 -260.540,309 1,009 -0,700
6 -23.273,369 -7.908,562 3,079 -1,109
7 2.039.621,316 1.144.469,947 2,367 -1,032 8 1.099.517,433 576.929,622 5,666 -0,430 9 -238.190,216 -122.691,470 7,890 2,089
10 133.308,871 19.484,897 7,456 2,340
Jumlah -0,030 -0,021 -0,003 -0,023
Tabel 3.8 Data pengamatan nilai �2,�12,�22 dan �32
No. �2 �12 �22 �32
No. �2 �12 �22 �32 4 177.380.343.854,68 59.805.070.303,77 9,39 0,72 5 211.951.329.030,92 67.881.252.613,82 1,02 0,49 6 541.649.704,61 62.545.352,91 9,48 1,23 7 4.160.055.112.681,57 1.309.811.459.586,18 5,60 1,07 8 1.208.938.585.470,91 332.847.788.741,06 32,10 0,18 9 56.734.578.998,13 15.053.196.810,76 62,25 4,36 10 17.771.255.087,29 379.661.211,10 55,60 5,48 Jumlah 7.344.876.554.232,95 2.192.992.039.591,90 379,48 15,23
Tabel 3.9 Data pengamatan hasil perkalian variabel � dan �
No. �1� �2� �3�
1 261.981.103.547,01 6.565.767,338 191.879,6183 2 261.831.869.594,48 6.347.618,525 767.250,103 3 260.667.786.994,76 4.414.867,77 482.389,6665 4 102.996.329.714,88 1.290.484,66 -357.990,6402 5 119.947.995.847,29 -464.474,5145 322.267,2047 6 184.058.881,69 -71.667,77976 25.810,16622 7 2.334.285.299.422,59 4.827.579,693 -2.104.889,198 8 634.344.177.003,10 6.229.997,717 -472.792,4962 9 29.223.907.740,66 -1.879.251,729 -497.579,3612 10 2.597.509.620,62 994.013,5973 311.942,7581 Jumlah 4.008.060.038.367,07 28.254.935,28 - 1.331.712,18
Dari Tabel 3.7 sampai Tabel 3.9, diperoleh nilai
∑ �= −0,030 ∑ �.�3 = − 1.331.712,18 ∑ �1 =−0,021 ∑ �2 = 7.344.876.554.232,95 ∑ �2 =−0,003 ∑ �122.192.992.039.591,90 ∑ �3 =−0,023 ∑ �22 = 379,48
∑ �.�1 = 4.008.060.038.367,07 ∑ �32 = 15,23
∑ �.�2 = 28.254.935,28
Sehingga diperoleh dua macam kuadrat-kuadrat yaitu JKreg dan JKres sebagai berikut:
JKreg = b1∑x1y + b2∑x2y + b3∑x3y
JKreg = (1,807)(4.008.060.038.367,07) + (3.825,03)(28.254.935,28) +
(110.589,626)(− 1.331.712,18)
JKreg = 7.226.773.693.830,49
JKres = ∑(Ŷ −Y)²
∑(Ŷ −Y)2 = 10.055.054.093,25
Maka Fhitung dapat dicari dengan:
Fhitung =
7.226 .773 .693 .830 ,49 3
Perhitungan serupa juga dilakukan dengan SPSS 18, dan diperoleh hasil sebagai berikut:
Tabel 3.10 Nilai ANOVA
ANOVA
a. Predictors: (Constant), Kurs Rp terhadap Dolar, Harga Impor Beras, Produksi Beras b. Dependent Variable: Impor Beras
Untuk Ftabel, yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan derajat kebebasan pembilang v1 = k = 3 dan v2 = n−k−1 = 6, dan α= 5% = 0,05 maka;
Ftabel = F(α)(v1;v2)= F(α)(k;n−k−1)
= F(0,05)(6)
= 4,76
Dengan demikian dapat dilihat bahwa nilai Fhitung (1.458,932 ) > Ftabel(4,76).
Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier
berganda � atas �1, �2, dan �3 bersifat nyata yang berarti bahwa harga impor
beras, produksi beras dan kurs rupiah secara bersama-sama mempengaruhi tingkat permintaan Impor Beras di Indonesia.
3.5 Uji Determinasi
Untuk mengetahui pengaruh antara Variabel � dan Variable �, maka nilai koefisien determinasi diperoleh dari persamaan:
Dengan nilai ����� = 7.226.773.693.830,49 dan nilai ∑ �2 = 7.344.876.554.232,95, maka nilai �2 adalah
�2 = �����
∑(�)2
�2 = 7.226.773.693.830,49 7.344.876.554.232,95 �2 = 0,984
Dan untuk koefisien korelasi ganda digunakan rumus:
� = √�2 � = √0,984
� = 0,99
Perhitungan dengan SPSS 18 untuk mencari nilai koefisien determinasi dapat dilihat pada tabel berikut:
Tabel 3.11 Nilai Model Summary
Model Summary
Model
b
R R Square Adjusted R Square Std. Error of the Estimate
dimension0 1 ,999 ,999
a
,998 40937,05431
a. Predictors: (Constant), Kurs Rp terhadap Dolar, Harga Impor Beras, Produksi Beras
b. Dependent Variable: Impor Beras
Dan dari perhitungan di atas didapat nilai �2 = 0,985, hal ini artinya variabel bebas harga impor beras (�1), jumlah produksi beras(�2), dan nilai kurs rupiah per tahun (�3), memiliki pengaruh sebesar 98,5 % terhadap jumlah permintaan impor beras (Y). Sisanya dipengaruhi oleh variabel lain seperti misalnya pendapatan penduduk, selera, adanya barang substitusi (pengganti) dan lain sebagainya yang dapat dijelaskan oleh faktor yang lain yang tidak diteliti oleh penelitian ini. Dari hasil perhitungan diperoleh juga korelasi (R) positif yaitu sebesar 0,999 yang menunjukkan bahwa antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi.
3.6 Perhitungan Korelasi antar Variabel
a. Koefisien korelasi antara permintaan impor beras dengan harga impor beras
�{(10)(3.552.341.435.961,5)−(3.686.935,6)2}{(10)(12.398.022.973.608,8)−(7.108.548,7)2} ryx1=
66.289.361.390.147−26208761013584,7
�{(35523414359615−13593493971069,9)(123980229736088−50531464193758,8)}
ryx1 =
40080600376562 ,1
�{(21929920388545 ,1)(73448765542329 ,2)}
ryx1 = 40080600376562 ,1
√1,6107255809802 E+27
ryx1 = 40080600376562 ,1
40133845828430 ,1
ryx1 = 0,9986
b. Koefisien korelasi antara permintaan impor beras dengan produksi beras
ryx2 = n∑X2Y−(∑X2)(∑Y) ��n∑X22−(∑X2)2��n∑Y2−(∑Y)2�
ryx2=
10(478863609,78)−(3.686.935,58)(633,9)
�{(10)(40562)−(633,9)2}{(10)(12.398.022.973.608,8)−(7.108.548,7)2} ryx2=
4788636097,8−4506109001,913
�{(405620−401825,24)(123980229736088−50531464193758,8)}
ryx2 =
282527095 ,88
�{(3794,759)(73448765542329 ,2)}
ryx2 = 282527095 ,88
√278720398748235000
ryx2 =
282527095 ,88 527939768 ,106396
ryx2 = 0,53515
c. Koefisien korelasi antara permintaan impor beras dengan nilai kurs rupiah
ryx3 = n∑X3Y−(∑X3)(∑Y) ��n∑X32−(∑X3)2��n∑Y2−(∑Y)2�
ryx3=
10(70448279,73)−(100,98)(633,9)
�{(10)(40562)−(633,9)2}{(10)(12.398.022.973.608,8)−(7.108.548,7)2} ryx3=
704482797,3−717821244,69
�{(10348,7−10196,35)(123980229736088−50531464193758,8)}
ryx3 = −13338447 ,39
ryx3 = −13338447 ,39
√11189586780914600
ryx3 = −
13338447 ,39 105780843 ,16
ryx3 = −0,12609
d. Koefisien korelasi antara permintaan harga impor beras dengan produksi beras
rx1x2 =
�{(10)(3.552.341.435.961,5)−(3.686.935,6)2}{(10)(633,9)−(633,9)2}
rx1x2 = 2483233793,1−2337148464,162
�{(35523414359615−13593493971069,9)(405620−401829,21)}
rx1x2 =
146085328 ,938
�{(21929920388545 ,1)(3790,79)}
rx1x2 =
146085328 ,938
√83131722909693900
rx1x2 = 146085328 ,938
288325723 ,63
rx1x2 = 0,50666
e. Koefisien korelasi antara permintaan harga impor beras dengan kurs rupiah
rx1x3 =
�{(10)(3.552.341.435.961,5)−(3.686.935,6)2}{(10)(1034,87)−(100,98)2}
rx1x3 =
363211501,53−372306754,86
�{(35523414359615−13593493971069,9)(10348,7−10196,96)}
rx1x3 = −
9095253 ,33
�{(21929920388545 ,1)(151,739)}
rx1x3 = −9095253 ,33
√3327637347789660
rx1x3 =
−9095253 ,33 57685677 ,14
rx1x3 =−0,15766
f. Koefisien korelasi antara permintaan produksi beras dengan kurs rupiah
rx2x3 =
n∑X2X3−(∑X2)(∑X3)
��n∑X22−(∑X2)2��n∑X32−(∑X3)2�
rx2x3 =
10(6439,61)−(633,9)(100,98)
�{(10)(40562)−(633,9)2}{(10)(1034,87)−(100,98)2}
rx2x3 =
64396,14−64011,22
�{(405620−401829,21)(10348,7−10196,96)}
rx2x3 =
Perhitungan nilai korelasi antar veriabel yangg dihitung menggunakan SPSS 18 adalah sebagai berikut:
Tabel 3.12 Koefisien Korelasi Antar Variabel
Correlations
Koefisien korelasi memiliki nilai paling kecil -1 dan paling besar +1 (-1≤ r ≤1). Maka hasil perhitungan nilai korelasi secara manual dan SPSS 18 dapat dikatan sebagai berikut:
Tabel 3.13 Interpretasi nilai korelasi
No. Korelasi Koefisien
Korelasi Interpretasi
1 ���
1 0,9986 Jika harga impor beras meningkat maka
permintaan impor beras akan meningkat sebanyak 99,86%
2 ���
No. Korelasi Koefisien
Korelasi Interpretasi
impor beras akan meningkat sebanyak 53,53%
3 ���3 -0,1260 Jika nilai tukar rupiah terhadap dolar meningkat maka permintaan impor beras akan menurun sebanyak 12,60%
4 ��1�2 0,5066 Jika harga impor beras meningkat maka produksi beras akan meningkat sebanyak 50,66%
5 ��
1�3 -0,1576 Jika harga impor beras meningkat maka nilai tukar
rupiah terhadap dolar akan menurun sebanyak 15,76%
6 ��
2�3 0,5075 Jika produksi beras meningkat maka nilai tukar
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem merupakan langkah yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang telah disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki. Tahapan implementasi sistem adalah tahapan penerapan hasil desain tertulis kedalam programming. Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan perangkat lunak
(softwere) sebagai implementasi sistem yaitu SPSS IncStatistics 18 for windows
dalam masalah memperoleh perhitungan.
4.2 Sejarah Singkat SPSS
SPSS (Statistical Package for Service Solution) merupakan sebuah program statistika yang dibuat pada tahun 1968 oleh mahasiswa dari Universitas Standford. Pada awalnya SPSS ditujukan untuk menganalisis data ilmu – ilmu sosial atau dulu disebut Statistical Package for Sosial Science. Namun, seiring berjalannya waktu program ini kemudian berkembang dan berubah nama sesuai kebutuhannya. Dan kini, SPSS telah banyak digunakan pada berbagai ilmu untuk memproses data statistik karena dianggap dapat melakukan proses analisis dengan cepat.
4.3 Cara Kerja SPSS
Cara kerjakomputerdan SPSS padaprinsipnyaadalahsama, yaitumeliputi 3 bagian yaitu :
1. Input
data editor bagian vew data, sedangkan proses coading dan pendefinisian variabel pada view variabel.
2. Proses
Pada komputer proses berupa eksekusi program komputer menjalankan perintah-perintah sesuai dengan apa yang telah diprogramkan. Pada statistik proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi, baik statistik parametrik maupun statistik nonparametrik. Pada SPSS proses berupa eksekusi program SPSS untuk menganalisis input yang ada di data editor sesuai dengan perintah dari operator.
3. Output
Padakomputer, output berupahasil pengolahan yang telah diproses dengan program komputer yang sesuai. Bentuk output komputer bisa dalam bentuk cetakan, tampilan, gambar, dan suara. Pada statistik output berupa hasil analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau tabel serta kesimpulan yang diperoleh dari hasil analisis. Pada SPSS, bentuk output disajikan dalam bentuk output navigator.
4.4 Pengoperasian SPSS
Adapun langkah-langkah yang dilakukan untuk mengoperasikan SPSS, adalah sebagai berikut:
4.4.1 Membuka Lembar Kerja SPSS
Jika program SPSS telah di install, maka cara memulai SPSS adalah sebagai berikut:
Gambar4.1 Tampilan Mengaktifkan Lembar Kerja SPSS
4.4.2 Memasukkan Data dengan SPSS
Adapun langkah-langkah yang dapat dilakukan dalam pemasukan data dengan program SPSS 18.0 adalah:
1. Buka dahulu Program SPSS for Windows
2. Setelah program SPSS terbuka, klik variable view yang terdapat pada SPSS data editor untuk menginput nama variabel.
3. Klik variable view pada SPSS data editor, definisikan variabel Y dengan label Impor beras, variabel X1 dengan label Harga Impor Beras, variabel X2 dengan label Produksi Beras, dan variabel X3 dengan label Kurs Rupiah Terhadap Dolar Amerika Serikat.
4. Kemudian klik data view , maka akan terlihat empat variabel, input data berdasarkan data yang tersedia, pada variabel Y, X1, X2, dan X3, masing-masing variabel diisi sebanyak 10 data sesuai dengan data pada tabel 3.1.
Gambar 4.3 Tampilan Pengisian Data pada Data View
4.4.3 Analisis Regresi Linier dan Korelasi dengan SPSS 18.0
Adapun langkah-langkah dalam analisis regresi dengan SPSS 18.0 adalah sebagai berikut:
1. Klik Analyse – Regression – Linear
Gambar 4.4 Tampilan pada Saat Membuat Persamaan Regresi Linier Berganda
Nelayan, Jumlah Kapal dan Jumlah Alat Penangkapan ke kolom Independent(s) dengan mengklik tanda panah.
Gambar 4.5 Tampilan Kotak Dialog Linear Regression
3. Pilih dan klik menu statistics kemudian pada regression coefficient berikan tanda ceklis pada kotak estimate, model fit, descriptive, part and partial
correlation, kemudian pada residual berikan tanda ceklis pada casewise diagnostic serta all cases, selanjutnya klik continue.
Gambar 4.6 Tampilan Kotak Dialog Linear Regression : Statistics
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data, maka dapat diambil beberapa kesimpulan sebagai berikut:
a. Persamaan regresi linier berganda yang didapatkan adalah
��= −304.614,99 + 1,807�1+ 3.825,033�2 + 10.589,626�3
b. Hasil uji koefisien determinasi (R2
c. Berdasarkan perhitungan uji F diketahui bahwa Fhitung (1.458,932 ) > Ftabel(4,76) sehingga H0 ditolak dan H1 diterima. Hal ini berarti persamaan
regresi linier berganda � atas �1, �2, dan �3 bersifat nyata yang berarti
bahwa harga impor beras, produksi beras dan kurs rupiah secara bersama-sama mempengaruhi tingkat permintaan Impor Beras di Indonesia.
) adalah 0,984 yang artinya, 98,4% variabel dependen impor beras dapat dijelaskan dengan baik oleh ketiga variabel independen. Sedangkan, 1,6% sisanya dijelaskan oleh faktor-faktor lain yang tidak diteliti oleh penelitian ini.
d. Nilai korelasi antara Harga Impor Beras dan permintaan Impor Beras merupakan yang paling tinggi yaitu 0,9986.
5.2 Saran
Setelah penelitian dilakukan, diketahui bahwa harga beras impor yang paling mempengaruhi permintaan beras impor di Indonesia. Hal ini mungkin terjadi karena harga beras impor lebih murah dibanding beras dalam negeri. Melihat hal ini, ada banyak faktor mengapa hal itu terjadi. Salah satunya adalah harga beras dalam negeri relatif mahal. Faktor lain yang perlu dippertimbangkan adalah produksi beras yg meningkat masih belum mencukupi konsumsi beras nasional.
