PERAMALAN JUMLAH KORBAN KECELAKAAN LALULINTAS YANG
MENINGGALDUNIA DI SUMATERA UTARA PERIODE
2013 /2015
TUGAS AKHIR
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2013
PERAMALAN JUMLAH KORBAN KECELAKAAN LALULINTAS YANG MENINGGALDUNIA DI SUMATERA UTARA PERIODE
2013 /2015
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
AHMAD AYYUB H HSB 102407092
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERNYATAAN
Peramalan Jumlah Korban Kecelakaan Lalu Lintas Yang Meninggal Dunia di Sumatera Utara Periode 2013/2015
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah kerja saya sendiri, kecuali kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.
Medan, Mei 2013
PENGHARGAAN
Assalamu’alaikum warahmatullahi wabarakatuh.
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Peramalan Jumlah Korban Kecelakaan Lalu Lintas Yang Meninggal Dunia di Sumatera Utara Periode 2013 sd 2015
Terimakasih penulis sampaikan kepada Bapak Drs. Pengarapen Bangun M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini.
Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno
Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si, PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc 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 keluarga besar saya yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
DAFTAR ISI Halaman Persetujuan Pernyataan Penghargaan Daftar Isi Daftar Tabel Daftar Gambar
BAB 1 PENDAHULUAN 1
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 Latar Belakang Rumusan Masalah Batasan Masalah Maksud dan Tujuan Tinjauan Pustaka Lokasi Penilitian Metodologi Penilitian Sistematika Penulisan 1 3 4 4 4 6 6
BAB 2 LANDASAN TEORI 10
2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 Pengertian Peramalan
Kegunaan dan Peran Peramalan Jenis Jenis Peramalan
Pengertian dan Metode Peramalan Langkah-langkah Peramalan Jenis- jenis Metode Peramalan Metode Proyeksi dengan Trend Tes Koefisien Penentu
Uji Signifikan 2.11.F – Test 2.12.T - Test
BAB 3 SEJARAH SINGKAT BADAN PUSAT STATISTIK 24 3.1 3.2 3.3 3.4 3.5
Sejarah Badan Pusat Statistik Ruang LingkupVisi dan Misi
Kedudukan dan Fungsi Badan Pusat Statistik Tata Kerja Badan Pusat Statistik
Tugas Badan Pusat Statistik
24 26 23 25 25
BAB 4 ANALISA DAN PEMBAHASAN
4.1 Data Yang digunakan 30
4.2 Uji atau koefisien penentu 38
4.3 Uji Signifikan
4.31. Uji F (F – Test) 4.3.2. Uji T (T – Test)
BAB 5 IMPLEMENTASI SISTEM
40 41 42 45 5.1 5.2 5.3
Pengertian Implementasi Sistem Tujuan Implementasi Sistem Pengenalan SPSS
45 45 46 5.3.1 Langkah - Langkah Pengolahan Data dengan SPSS 47
5.3.1.1 Cara Mengaktifkan SPSS Pada Program Windows 5.3.1.2 Mengenal Lingkungan SPSS
5.3.1.3 Menyusun Definisi Variable View
5.3.1.4 Pemasukan Data ke dalam SPSS Statistic 16.0 5.3.1.5 Pengolahan Data
BAB 6 KESIMPULAN DAN SARAN
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai perkembangan yang pesat di bidang transportasi, khususnya perkembangan kendaraan bermotor. Hal ini dapat dilihat dari banyaknya kendaraan bermotor yang beroperasi, baik itu roda empat maupun roda dua.
Jalan raya merupakan salah satu sarana transportasi darat, disamping sarana transportasi lainnya, sebagaimana kita ketahui dalam waktu yang relatif singkat jumlah kendaraan bermotor meningkat cepat, sehingga tidak menutup kemungkinan angka kecelakaan lalu lintas di jalan raya akan semakin meningkat pula.
Munculnya resiko di jalan raya merupakan dampak dari kebutuhan pengguna jalan dan juga volume kendaraan yang semakin bertambah. Hal ini tampak dari arus lalu lintas yang melewati jalan raya Untuk mengrangi resiko kecelakaan, tidak mungkin dengan cara mengurangi keinginan untuk mengurangi perjalanan. Sesuatu yang mungkin adalah dengan cara mengurangi lama dan intensitas kemungkinan para pengguna jalan raya terkena resiko kecelakaan, dengan cara membuat proyek keamanan dalam sistem lalu lintas yang akan diterapkan sperti memperhitungkan panjang perjalanan yang dilakukan, pilihan rute serta jenis angkutan yang digunakan.
Tanpa adanya upaya- upaya yang baru, semua pengguna jalan sangat mungkin terkena resiko perjalanan seiring dengan meningkatnya lalu lintas kendaraan. Upaya-upaya
keselamatan baru itu terutama dilakukan karena makin banyaknya jenis kendaraan bermotor, kebutuhan perjalanan dengan kecepatan tinggi, dan perlunya pembagian pemakai jalan baik untuk pejalan kaki, pengendara sepeda motor dan juga kendaraan lainnya.
Penyebab utama dari kecelakaan lalu lintas adalah kesalahan manusia (human error). Oleh sebab itu, keselamatan dijalan raya adalah tanggung jawab bersama yang
membutuhkan komitmen dan juga keterlibatan bersama.
Dengan melihat kompleks permasalahan lalu lintas, semua pihak harus ikut memberikan kontribusi bagi peningkatan keselamatan berlalu lintas. Upaya-upaya
keselamatan lalu lintas harus dilakukan bersama, baik para pengguna, pengambill kebijakan polisi, pendidik, maupun para perencana pembangunan.
Di negara maju, kerugian yang diakibatkan kecelakaan lalu lintas karena hilangnya pendapatan, pengeluaran untuk biaya kesehatan, kerusakan sarana transportasi, asuransi dan dampak penundaan perjalanan. Belum lagi biaya perawatan kesehatan dan rehabilitas yang harus dikeluarkan bila terjadi kecelakaan yang serius dan juga biaya lainnya. Seberapa besar angka peningkatan korban kecelakaan tersebut menjadi suatu permasalahan.
Berdasarkan uraian latar belakang diatas maka penulis memilih judul “Peramalan
Jumlah Korban Lalu Lintas Yang Meninggal Dunia di Sumatera Utara Periode 2013 s/d 2015
A. PERUMUSAN MASALAH
Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah penelitian ini sebagai berikut:
1. Apa sajakah faktor yang mempengaruhi kecelakaan di kabupaten Tobasamosir. 2. Bagaimana besar nilai faktor-faktor yang mempengaruhi kecelakaan
3. Bagaimana pengaruh kecelakaan terhadap kerugian akibat kecelakaan.
B. BATASAN MASALAH
Untuk mengarahkan agar penilitian tidak menyimpang dari tujuan yang diinginkan, maka penulis membuat batasan masalah pada tugas akhir ini. Adapun batasan
permasalahannya yaitu pada hal- hal berikut:
1. Hanya meramalkan jumlah korban kecelakaan lalu lintas yang meninggal dunia di Sumatera Utara.
C. LOKASI PENELITIAN
Penelitian dan riset data dilakukan di Kantor Badan Pusat Statistik Provinsi Sumatera Utara yang beralamat di Jl. Asrama Kota Madya Medan.
D. TINJAUAN PUSTAKA
Analisis deret berkala (times series) adalah suatu teknik atau metode peramalan dengan mengunakan analisa hubungan antar variabel yang diramalkan dengan hanya satu- satunya variabel bebas yang mempengaruhi yang merupakan variable waktu. Dalam
membentuk Y =f(x), maka Y adalah variabel yang diramalkan dan X adalah variabel waktu. Regresi linier sederhana adalah suatu pola hubungan yang terbentuk garis lurus antara suatu variabel yang mempengaruhinya. Dalam analisis deret berkala, variabel bebasnya adalah waktu. Pola yang ditunjukkan oleh analisis sederhana ini mengasumsikan hubungan antara dua variabel dengan satu garis lurus. Dalam penerapan metode ini, dapat dilakukan secara mudah dengan menempatkan atau memplotkan titik-titik dari data observasi pada kertas gambar atau grafik untuk melihat asumsi yang dapat digunakan pada analisis linier sederhana. Selanjutnya ditarik atau digambarkan suatu garis untuk mewakili titik tersebut, yang bentuknya merupakan garis lurus regresi sederhana yang merupakan pola garis lurus yaitu
X = variabel waktu
a,b = koefisien regresi atau parameter.
Pada prinsipnya teknik dan metode yang ada berdarkan proses analisisnya pada usaha untuk mendapatkan suatu garis lurus yang tepat melalui titik-titik yang berserakan (scatter) dari data observasi. Garis tersebut dinyatakan sebagai:
Y = a+b X
Adapun formula umum dari teknik dan metode kuadrat terkecil yang digunakan yaitu
-b
dan
E. TUJUAN PENELITIAN
Tujuan dari penilitian tugas akhir ini adalah untuk meperkirakan jumlah korban kecelakaan lalu lintas yang meninggal dunia di Sumatera Utara serta kerugian akibat kecelakaan peningkatan atau penurunan kecelakaan lalu lintas yang meninggal dunia.
F. KONTRIBUSI PENELITIAN
Kontribusi yang dapat diambil dari penelitian ini adalah : 1.
2. 3.
Untuk mengetahui jumlah korban kecelakaan. Untuk mengetahui kerugian akibat kecelakaan.
G. METODE PENELITIAN
Metode penilitian adalah suatu cara yang terdiri dari langkah-langkah tata urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penilitian sehingga apa yang menjadi dari penilitian itu terwujud.
Untuk menyusun tugas akhir ini penulis penulis melakukan penerapan metode penilitian dalam mempreoleh data data yang dibutuhkan, sehingga penyusunnan tugas akhir dapat diselesaikan dengan baik.
menyelesaikan tugas akhir ini adalah:
Adapun metode yang digunakan penulis dalam
1. 2.
Pengumpulan data dilakukan dengan pengumpulan sekunder Mempelajari literatur
Studi literatur ini meliputi pengambilan teori-teori serta rumusan-rumusan dari sumber bacaan, seperti buku dan sumber lainnya yang sesuai dengan masalah yang akan diteliti.
3.
1.5
Pengolahan data dengan bantuan SPSS
Sistematika Penulisan
Pada bab ini akan diuraikan latar belakang, maksud dan tujuan, identifikasi masalah, batasan masalah, metode penelitian dan landasan teori serta sistematika penulisan.
BAB 2 : LANDASAN TEORI
Dalam bab ini menguraikan teoritis dan analisa tentang segala sesuatu yang berhubungan dengan masalah tugas akhir.
BAB 3 : GAMBARAN UMUM TEMPAT RISET
Dalam bab ini penulis menguraikan sejarah singkat berdirinya Badan Pusat Statistika (BPS) Sumatera Utara.
BAB 4 : ANALISIS DAN PEMBAHASAN
Dalam bab ini penulis menganalisa data yang diperlukan dalam penyelesaian tugas akhir ini dan meramalkan data tersebut untuk tahun yang akan datang
BAB 5 : IMPLEMENTASI SISTEM
Pada bab ini membahas tentang yang digunakan dalam analisis data serta cara penggunaan dari software.
BAB 6 : KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
2.1. Pengertian Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam- macam cara yaitu : Metode pemulusan Eksponensial, Metode Rata – rata Bergerak , Metode Box Jenkins, dan Metode Regresi. Semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk memeperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain, metode peramaln ini digunakan dalam peramalan yang bersifat objektif.
Disamping itu, metode peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan pada suatu kegiatan peramalan, maka akan didapati dasar dan pemikiran yang sama.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan, juga ditentukan baik tidaknya informasi yang digunakan. Selam informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.
yang lebih maju. Dengan penggunaan teknik-teknik tersebut, maka diharapkkan dapat memberikan tingkat kepercayaan atau keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah.
2.2 Kegunaan dan Peran Peramalan
Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Setiap orang selalu dihadapkan pada pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita susun atau yang kita buat, maka makin kurang baiklah keputusan yang diambil. Oleh karena masalah pengambilan keputusan merupakan masalah yang selalu kita hadapi, maka masalah peramlan juga merupakan masalah yang kita hadapi. Dalam suatu perusahaan ramalan dibutuhkan untuk memberikan informasi epada pimpinan sebagai dasar untuk membuat suatu keputusan dalam berbagai kegiatan, seperti penjualan, permintaan, persediaan keuangan dan sebagainya.
Dari uraian diatas kita mendapat gambaran bahwa peranan peramalan sangat penting, baik dalam penilitian, perencanaan maupun pengambilan keputusan. Baik tidaknya hasil suatu penilirtian dalam suatu kegiatan sangat ditentukan oleh ketepatan ramaln yang dibuuat. Oleh karena itu, ketepatan dari ramaln tersebut merupakan hal yang sangat penting.
Walaupun demikian perlu disadari bahwa suatu ramaln adalah tempat ramalan, diaman selalu ada unsur kesalahan. Sehingga yang diperhatikan adalah usaha untuk memperkecil
kemungkinan kesalahan tersebut.
Peramaln dapat dibedakan daribeberapa segi tergantung dari cara melihatnya. Aapbila dilihat dari sifatnya, maka peramlan dapat dibedakan atas dua maxcam, yaitu :
1. Peramalan Subjektif, yaitu peramlan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.
2. Peramalan objektif, yaitu peramaln yang didasarkan atas data relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode penganalisaan data tersebut.
Berdasarkan sifat ramalan yang telah disusun, makan ramalan dapat dibedakan atas dua macam, yaitu :
1. Peramalan Kualitatif, Peramaln yang didasarkan atas data kualitatif yaitu
data masa lalu. Hasil permalan yang dibuat sangat tergantung pada oranng yang menyusunnya. Hal ini penting karena hasil peramaln tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan ini didasarkan atas hasil penyelidikan.
dan McGee (1983), peramlan kuantitatif dapat diterapkan bila 3 kondisi berikut terpenuhi, yaitu :
a. Informasi mengenai keadaan diwaktu lalu tersedia.
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik (angka).
c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus bersambung sampai pada masa yang akan datang dan kondisi ini disebut asumsi atau konstan.
2.4. Pengertian Metode Peramalan
Metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitaif maupun kualitatif apa yang akan terjadi pada masa yang akan datang, berdasarkan data yang relevan pada masa lalu. Metode peramaln ini dugunakan dalam peramaln yang objektif. Sedangkan kegunaan metode peramlan adalah untuk memprkirakan secara sisttematis atau pragmatis atas dasar data yang relevan pada masa lalu, dengan demikian peramalan
diharapkan dapat memberikan objektivitas yang lebih besar.
Metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas
pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan, maka akan didapat dasar pemikiran dan pemecahan karena
argumentasinya sama.
yang lebih maju. Dengan menggunakan teknik teknik tersebut, maka diharapkan dapat memberikan tingakt kepercayaan atau keyakinan yang lebih besar, karena dapat duji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah.
2.5 Langkah- langkah Peramalan
Pada dasarnya ada 3 langkah peramlan yang perlu diketahui, yaitu : 1. Menganalisa data yang lalu
Tahap ini berguna untuk pola yang terjadi pada masa lalu, analisis ini dilakukan dengan mebuat tabulasi lalu dengan tabulasi data maka dapat diketahui pola data yang lewat. Sehingga metode yang paling tepat dalam pola tersebut dapat diuji. Pola data yang dapt diuji dibagi 4 jenis, yaitu:
a. Pola Stasioner
Terjadi bila mana nilai data berfluktuasi disekitar nilai rata-rata yang konstant artinya data relatif tetap dari waktu ke waktu
b. Pola Musiman
Merupakan komponen data runtun waktu yang berkaitan dengan adanya dengan kejadian yang berulang secara teratur dalam satu satuan waktu tertentu.
c. Pola Siklis
Merupakan komponen data runtun waktu yang berkaitan dengan adanya dengan kejadian yang tidak teratur, biasanya dipengaruhi fluktuasi ekonomi jangka panjang
Merupakan komponen data runtun waktu yang berkaitan dengan adanya dengan kecenderungan meningkat atau menurun dalam jangka waktu yang panjang.
2. Metode yang digunakan ditentukan terlebih dahulu
Masing masing metode akan meberikan hasil yang berbeda, metode peramalan yang baik adalah metode yang memebrikan hasil peramalan yang tidak jauh berbeda dari kenyataan yang terjadi
3. Memproyeksikan data yang lalu dengan menggunakn metode tertentu dan mempertimbangkan adanaya faktor faktor perubahan. Faktor faktor perubahan tersebut antara lain, yaitu perubahan kebijaksaaan yang mungkin terjadi. Dari uraian diatas diketahui bahwa ada 3 langkah penting dalam melakukan kegiatan
peramalan. Ketiga langkah tersebut perlu diperhatiakn agar kegiatan peramalan dapat berhasil dnegan baik dan efektif.
2.6 Jenis jenis metode Peramalan
1. Metode deret berkala ( Time series), merupakan pendugaan masa depan yang dilakukan berdasarkan nilai masa lalu dari suatu variabel dan kesalahan masa lalu, tujuannya adalah menemukan pola dalam deret data historis dan mengeksplorasikan pola dalam deret data historis dan mengeksplorasikan pola tersebut ke masa depan. Model ini digunakan dengan mudah dalam meraamal.
2. Metode Regresi (Causel)
Model ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab – akibat dengan satu atau lebih variabel bebas. Tujuannya untuk menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variabel tak bebas. Model ini digunakan dengan keberhasilan yang lebih besar untuk mengambil keputusan dan kebujaksanaan
Dalam mengerjakan tugas akhir ini, digunakan metode peramalan yang pertama,
yaitu metode peramalan dengan menggunakan variabel waktu yang dikenal dengan “Time
Series”. Metode-metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan digunakan dengan variabel waktu, atau analisa deret waktu yang terdiri dari :
1. Metode Pemulusan (Smoothing) yang mencakup data lewat ( past data), metode rata-rata komulatif, metode rata-rata bergerak (moving averages) dan metode pemulusan (exponential smoothing).
2. Metode Box Jenkins
3. Metode Proyeksi dengan Trend
2.7. Metode Proyeksi dengan Trend
Pada dasarnya analisa regresi diinterpretasikan sebagai suatu analisi yang berkaitan dengan studi ketergantungan (hubungan causal) dari suatu variabel tak bebas ( dependent variable) dengan satu atau lebih variabel variabel penjelas (indpendent variable) dengan maksud menduga atau memperkirakan nilai rata-rata populasi atau nilai-nilai tertentu dari variabel penjelas atau variabel bebas.
Analisa regresi telah dipergunakn secara luas dalam berbagai bidang ilmu pengetahuan. Analisa regresi telah dipakai untuk menerangkan fungsi konsomsi, fungsi produksi, fungsi penawaran, fungsi biaya dan fungsi investasi
Metode proyeksi trend dengan regresi, merupakan dasar garis trend untuk suatu persamaan matematis. Sehibgga dengan dsar persamaan tersebut dapat diramlkan hal yang diteliti untuk masa depan. Untuk peramaln jangka pendek maupun peramalan jangka panjang, ketetapan peramlan itu sangat baik. Adapun yang dibutuhkan untuk pengguanaan metode peramalan ini adalah data tahunan, dan makin banyak data yang dipunyai semakin lebih baik, serta minimum data tahunan yang harus ada adalah 5 tahunan. Metode ini selalu
dipergunakan untuk peyusunan suatu rencan penanaman tanaman baru, perencanaan produk baru, rencana pembangunan suatu negara dan daerah.
Ada 3 macam jenis data analisa regresi yaitu :
1. Analisa regresi yang mempelajari hubungan causal antara suatu variabel tak bebas dan satu variabel bebas disebut analisa regresi sederhan ( simple regrestion analisis)
2. Anlisa regresi yang mempeljari hubungan causal antara suatu variabel tak
3. Analisa regresi yang mempelajari hubungan causal antar sekumpulan variabel
tak bebas ( dua atau lebih variable tak bebas) dan sekumpulan variabel bebas (dua atau lebih variabel bebas) disebut analisa regresi multivariat (multivarite regresion analysis)
Didalam penulisan tugas akhir ini akan dibahas persoalan dengan menggunakan jenis analisa regresi yang pertama, yakni analisa regresi sederhan (simple regresion analysis)
Untuk jenis anlisa terbaru sederhana terbaru ada dua pilihan, yaitu analisa regresi sederhana yang bersifat linier maupun analisa regresi sederhana yang bersifat non linier. Adapun yang dimaksud dengan kedua jenis tersebut adalah sebagai berikut
1. Analisa regresi linier yang sederhana dimaksudkan suatu pola hubungan yang berbentuk garis lurus antara suatu varibel yang diramalkan dengan suatu variabel yang mempengaruhinya adalah waktu.
2. Analisa regresi non linier yang sederhana adalah suatu pola hubungan yang berbentuk garis tidak lurus antara suatu variable yang diramalkan dengan suatu variable yang mempengaruhinya.
Penulis membatasi akan menggunakan analisa regresi sederhana yang pertama, yaitu analisa regresi sederhana yang bersifat linier dengan menggunakan variabel waktu (time series)
2.8. Metode Kuadrat Terkecil (Method Of least Squares)
Garis kuadrat terkecil yang mendekati rangkaian titik ( , ), ( , ), .... . ( ) mempunyai persamaan:
Dimana kosntanta-konstanta dan , ditentukan dengan menyelesaikan secara simultan ,
(2)
Yang disebut persamaan – persamaan normal bagi garis kuadrat terkecil. Bilangan-bilangan kosntanta
sebagai berikut
dan dapat, bilamana perlu diperoleh dari rumus-rumus
=
=
(3)Persamaan-persamaan normal (2) dapat dengan mudah diingat jika kita lihat bahwa persamaan yang pertama dapat diperoleh dengan menjumlahkan kedua ruas dari (1), yaitu
∑Y = ∑( + X) = N + ∑X, sementara persamaan kedua diperoleh dengan
mengalikan kedua ruas dari (1) dengan X dan kemudian menjumlahkannya, yaitu ∑XY = ∑Y
=( + X) = ∑X + ∑X². Perjatiakn bahwa hal ini bukan merupakan penurunan (derivasi) dari persamaan-persamaan normal tetapi sekedar cara untuk mengingatnya.
Perhatikan juga bahwa dalam (2) dan (3), kita telah memakai tanda singkat∑X,
∑XY, dan seterusnya, sebagai ganti dan seterusnya. Banyaknya pekerjaaan yang terlibat dalam mencari kuadrat terkecil kadang-kadang dapat disingkat dengan mentransformasi data sedemikian rupa sehingga x = X -
persamaan garis kuadrat terkecil dapat ditulis :
dan y = Y - . Kemudian
Khususnya jika X adalah sedemikian sehingga ∑X = 0 yaitu, X= 0, maka:
Y= + X
Dari persamaan ini tampak segera bahwa garis kuadrat terkecil melewati titik ( ,Ȳ ) yang disebut pusat gravitas (centroid) dari data. Jika variabel X diambil sebagai variabel
tergsantung (terikat) dan bukan variabel bebas, maka ditulis sebagai X = + Y. Maka hasil-hasil diatas berlaku jika X dan Y dipertukarkan dan dan diganti berturut-turut oleh dan . Akan tetapi garis kuadrat terkecil yang dihasilkan pada umumnya tidak sama dengan seperti yang diatas.
2.9. Test Koefisien Penentu (Coefficient of Determination Test) atau R² Test
Setelah kita menafsir persamaan regresi dari data, maka masalah berikutnya yang akan kita hadapi adalah menilai baik buruknya kecocokan model regresi yang digunakan dengan data. Pengetesan yang perlu dilakukan adalah untuk mengetahui aapakah benar waktu yang menentukan besarnya variabel yang diramalkan. Pengetesan tersebut dikenal dengan sebutan R² Test atau test koefesien penentu (Coefficient of Determination Test). Formula yang dipergunakan untuk pengetesan ini adalah :
R² =
sempurna, berarti R² mendekati nilai 1, makin tepat garis regresi yang terbentuk untuk meramlkan Y. Jika nilai R² mendekati 0 maka semakin kecil variabel pengaruh X terhadap variabel Y ( R. K Sembiring)
2.10 Uji Signifikan (Significant Test)
Untuk meneliti apakah regresi yang dipergunakan dalam penyusunan ramalan adalah benar linier, dimana data observasi tepat berada di sekitar garis linier tersebut, maka perlu
dilakukan apa yang disebut “Significant Test”. Kalau ternyata dari hasil test yang telah dilakukan diperoleh hasil yang disignifikan, maka tepatlah bila regresi yang dipergunakan dalam penyusunan ramalan tersebut.
Dalam signikan ini, kita ingin mengetahui apakah benar secara statistik bahwa hubungan abtara variabel yang diramalkan dengan variabel waktu adalah Y = a + bX. Untuk pengetesan ini perlu dilakukan dua macam test yaitu :
2.11. F- Test
Test untuk mengetahui apakah koefisien b secara statistik adalah signifikan.Hal ini menunjukkan tepat tidaknya penggunaan persamaan regresi sederhana dalam penyusunan ramalan. Untuk mencari F ratio dipergunakan formula sebagai berikut:
F=
n = Jumlah tahun
Atau cara lain yang lebih mudah untuk menghitung F statistik adalah dengan menggunakan koefisien penentu, R. Besarnya nilai F ratio dengan cara ini adalah dengan menggunakan persamaan
F=
Setelah diperoleh nilai F – Test, maka kemudian dilakukan perbandingan antara nilai F ratio dengan F tabel apabila nilai F ratio lebih besar dari F tabel, maka secara statistik koefisien adalh signifikan. Dengan perkataan lain persamaan regresi benar dan dipergunakan dengan tepat untuk peramalan dengan berbentuk Y= a+ b X. Sebaliknya bila nilai F ratio lebih kecil atau sama dengan nilai F tabel maka secara statistik koefisien b adalah tidak signiifikan. Dengan perkataan lain, tidaklah tepat untuk menggunakan persamaan regresi sederhana Y= a + b X dalam penyusunan ramalan yang dilakukan .
2.12. T – Test
=
Standard error dari b dapat diperoleh dengan formula
=
BAB 3
SEJARAH SINGKAT
BADAN PUSAT STATISTIK (BPS)
3.1 Sejarah Badan Pusat Statistik (BPS)
Seiring dengan adanya perkembangan jaman, khususnya pada pemerintahan Orde Baru, untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, mutlak dibutuhkan data statistik. Untuk mendapatkan data secara tepat dan akurat, salah satu unsurnya adalah pembenahan organisasi BPS.
Dalam masa Orde Baru ini, BPS telah mangalami empat kali perubahan struktur organisasi : 1. Peraturan Pemerintah No. 16 Tahun 1980 tentang organisasi BPS
2. Peraturan Pemerintah No. 6 Tahun 1980 tentang organisasi BPS
3. Peraturan Pemerintah No. 2 Tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja BPS
4. Undang-undang No. 16 Tahun 1997 tentang statistik 5. Keputusan Presiden RI No. 86 Tahun 1998 tentang BPS
Tahun 1968, ditetapkan peraturan pemerintah No. 16 tahun 1968 yaitu yang mengatur organisasi dan data kerja di pusat dan daerah. Tahun 1980, peraturan pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah No. 16 tahun 1968.
Berdasarkan peraturan pemerintah No. 6 tahun 1980 di tiap propinsi terdapat perwakilan BPS dengan nama kantor statistik propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan BPS dengan nama kantor statistik Kabupaten atau Kotamadya. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juli 1998 dengan keputusan Presiden RI No. 89 tahun 1998,
ditetapkan BPS sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.
3.2 Visi dan Misi
Adapun visi Badan Pusat Statistik adalah menjadi sumber informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.
Sedangkan misi Badan Pusat Statistik adalah untuk menjunjung pembangunan nasional BPS mengembangkan misi mangarahkan pembangunan statistik pada menyediaan data ststistik yang handal dan bermutu, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaaan statistik dan pengembangan ilmu statistik.
Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di bawah dan bertanggung jawab kepada Presiden (Keppres No. 86 tahun 1998), dalam malaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :
1. UU No. 16 tentang statistik
2. Keputusan Presiden No. 86 tahun 1998 tentang BPS
3. Peraturan Pemerintah No. 51 tahun 1999 tentang penyelenggaraan statistik
Berdasarkan keputusan Presiden No. 86 tahun 1998 dalam menyelenggarakan statistik dasar melaksanakan koordinasi dan kerjasama serta mengembangkan dan membina statistik sesuai dengan peraturan perundang-undangan yang berlaku. Fungsi yang diselenggarakan Badan Pusat Statistik adalah :
1. Perumusan kebijaksanaan perencanaan, pengumpulan, pengolahan, penyajian data, dan analisis di bidang statistik produksi dan kependudukan serta bidang statistik distribusi dan meraca nasional.
2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan, serta
pelaksanaan kerjasama di bidang statistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.
3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik produksi dan kependudukan serta statistik distribusi dan neraca nasional secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder.
4. 5.
3.4 Tata Kerja Badan Pusat Statistik
Para deputi wajib melaksanakan koordinasi dan kerjasama teknis statistik di dalam dan di luar negeri sesuai dengan bidang tugas masing-masing dan harus melaporkan kepada Kepala BPS. Dalam melaksanakan tugasnya wajib menerapkan prinsip koordinasi, integrasi,
sinkronisasi dan signifikasi, baik dalam lingkungan masing- masing antara aturan unit organisasi di lingkungan BPS maupun dengan instansi lainnya di luar BPS sesuai bidang masing-masing.
3.5 Tugas Badan Pusat Statistik
Menurut keputusan Presiden RI No. 6 tahun 1992 tugas BPS adalah :
1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah, antara lain di bidang pertanian, agraria, pertambangan, perindustrian, perhubungan, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan nasional, pendidikan dan keagamaan.
2. Atas nama pemerintah melaksanakan koordinasi di lapangan kegiatan statistik dari segenap instansi pemerintah baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan
keseragaman dalam panggunaan definisi, klasifikasi dan lain-lain.
1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina aparatur BPS agar berdaya guna dan berhasilguna.
2. Menentukan kebijakan teknis pelaksanaan di bidang statistik yang secara fungsional menjadi tanggungjawabnya sesuai dengan peraturan perundang-undangan yang berlaku serta kebijakan umum yang telah ditetapkan oleh pemerintah.
3. Membina dan melaksanakan koordinasi dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis ststistik yang diperlukan, serta malaksanakan kerjasama di bidang ststistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.
Wakil Kepala BPS berada di bawah dan bertanggungjawab langsung kepada Kepala BPS serta mempunyai tugas :
1. Membantu Kepala BPS dalam membina dan mengembangkan administrasi BPS agar berdaya guna dan berhasilguna.
2. Membantu Kepala BPS dalam mengkoordinasikan tugas-tugas Deputi, Pusat Pendidikan dan Pelatihan Statistik dan Perwakilan di daerah.
3. Mewakili Kepala BPS dalam hal Kepala BPS berhalangan.
Deputi administrasi mempunyai tugas menyelenggarakan pembinaan pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan, pengendalian, serta memberikan pelayanan administrasi di lingkungan BPS.
Deputi Statistik Produksi dan Kependudukan adalah unsur pelaksana sebgian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik
pertanian, industri, konstruksi, pertambangan dan energi, kesejahteraan rakyat, serta statistik demografi dan ketenagakerjaan.
Deputi Statistik Pruduksi dan Neraca Nasional adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik harga dan keuangan, perdagangan dan jasa, serta neraca nasional.
3.6 Struktur Organisasi Badan Pusat Statistik
Struktur organisasi BPS dipimpin oleh seorang kepala dibantu oleh bagian tata usaha. Tata usaha terdri dari :
1. Sub bagian urusan dalam
2. Sub bagian perlengkapan dan perbekalan 3. Sub bagian keuangan
Uraian tugas bagian Tata Usaha :
1. Menyusun program kerja tahunan bagian
2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja tahunan, baik rutin maupn program kantor BPS Propinsi dan penyimpanannya ke BPS
3. Mengatur dan malaksanakan urusan dalam yang meliputi surat-menyurat, pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung, keamanan dan ketertiban
4. Mengatur dan melaksanakan urusan perlengkapan perbekalan yang meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan, penyimpanan pergudangan, inventaris, penghapusan, serta pemeliharaan peralatan dan perlengkapan.
5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, perbendaharaan verifikasi dan pembukuan.
Organisasi BPS berdasarkan Keppres RI No. 6 tahun 1992 terdiri atas : 1. Kepala
2. Wakil Kepala 3. Deputi Administrasi
4. Deputi Perencanaan dan Analisis Statistik 5. Deputi Statistik Produksi dan Kependudukan 6. Deputi Statistik Produksi dan Neraca Nasional 7. Pusat Pendidikan dan Pelatihan Statistik 8. Perwakilan BPS di Daerah
9. Unit Pelaksanaan Teknis
Deputi Perencanaan dan Analisis Statistik (PAS) mengkoordinir tiga biro, yakni : 1. Biro Perencanaan dan Pengendalian
2. Biro Pengolahan dan Penyajian 3. Biro Analisa dan Pengembangan
Deputi Pembinaan Statistik mengkoordinir empat biro, yakni : 1. Biro Statistik dan Industri
Tahun Jumlah Korban
2000 1479
2001 1516
2002 1528
2003 1991
2004 2274
2005 2506
2006 2871
2007 2321
2008 2802
BAB 4
PENGOLAHAN DATA
[image:37.595.201.396.467.754.2]4.1 Data Yang Dibutuhkan
2010 2375
Sumber : Badan Pusat Statistik (BPS) Medan
[image:38.595.77.492.320.568.2]Dari data jumlah korban kecelakaan lalu lintas tersebut dapat digambarkan grafik sebagai berikut
GRAFIK JUMLAH KECELAKAAN LALU LITAS SUMUT 2000 - 2010
Jumlah Korban
3000 2871 2802
2500 2274
2506
2321 2281 2375 1991
2000
1479 1516 1528 1500
1000
500
0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Seperti yang dibahas sebelumnya untuk memperkirakan atau meramalkan jumlah korban
kecelakaan lalu lintas pada tahun 2013, maka adalah penting kita lihat data observasi dalam suatu
gambar bidang datar dan kemudian suatu garis regresi yang mendekati titik-titik data observasi
Gambar 4.2. Diagram Pencar (Scatter) Jumlah Korban Kecelakaan Lalu lintas Pada Tahun 2001 s/d
[image:39.595.77.495.357.558.2]2011
GRAFIK SCATTER KECELAKAAN LALU LITAS SUMUT 2000 - 2010
4000
0
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Jumlah Korban Linear (Jumlah Korban)
Untuk mencari garis yang tepat, maka digunakan metode kuadrat terkecil atau Method Least
Square, yaitu metode yang digunakan untuk meminimalkan kesalahan ramalan dalam perhitungan
Tahun X Y XY
2001 -5 1479 25 -7395
2002 -4 1516 16 -6064
2003 -3 1528 9 -4584
2004 -2 1991 4 -3982
2005 -1 2274 1 -2274
2006 0 2506 0 0
2007 1 2871 1 2871
2008 2 2321 4 4642
2009 3 2802 9 8406
2010 4 2281 16 9124
Jika kita memilih nilai-nilai X untuk tahun 2001- sede ikia rupa sehi gga ∑X= , persa aa
kuadrat minimum dapat ditulis:
Y=
+
X
Karena jumlah data adalah ganjil, maka X = 0 ditempatkan pada tahun tengah 2006, X=1.2.3.4.5
kepada tahun-tahun berikutnya dan X = -1,-2,-3,4,-5 kepada tahun-tahun sebelum tahun tengah.
Tahun tengah 2006 disebut permulaan(origin). Kecuali dinyatakan lain, kita akan
menganggap bahwa nilai-nilai Y merujuk pada nilai-nilai pertengahan tahun.
[image:40.595.133.465.476.763.2]Perhitungan dapat diatur seperti dalam tabel 4.2
Tahun Jumlah Korban(Yi) Xi XiYi
2001 1479 0 0 0
2002 1516 1 1 1516
2011 5 2375 25 11875
∑ 0 23944 110 12619
Maka :
Y =
+
X
Y = 2176,73 +
X
Ŷ
= 2176,73 + 114,72 X
Dimana X = 0 adalah tahun 2006 dan satuan X adalah 1 tahun. Untuk menggeser titik asal ke tahun
2001, lima tahun sebelumnya, kita harus mengganti X dengan X – 5, dan dengan demikian
persa aa adalah Ŷ = , + , X- atau Ŷ = , + , X
Jadi persa aa regeresi ya adalah Ŷ = ,9 9 9 + , 9 9 X
b. Cara ke 2.
Perhitungan Koefisien dari jumlah korban kecelakaan lalu lintas dapat dilihat pada tabel 4.3 berikut
[image:41.595.129.470.650.757.2]ini.
2004 1991 3 9 5973
2005 2274 4 16 9096
2006 2506 5 25 12530
2007 2871 6 36 17226
2008 2321 7 49 16247
2009 2802 8 64 22416
2010 2281 9 81 20529
2011 2375 10 100 23750
∑ 23944 55 385 132339
Berdasarkan data pada tabel diatas, maka hasil yang didapat setelah melakukan suatu perhitungan
adalah sebagai berikut:
n
∑
∑
∑ ²
∑
= 11
= 23944
= 55
= 385
= 132339
Dari data yang diperoleh diatas, maka diperoleh:
= =
= 2176,73
Dari formula umum dapat diperoleh:
=
=
= 114,72
=
=
=
=
= 1603,14
Maka persamaan regresi yang diperoleh adalah:
=
=
Ŷ
=
+X
Dengan menggunakan persamaan regresi tersebut, maka dapatlah disusun jumlah korban
kecelakaan lalu lintas di Tapanuli Utara tahun 2012 s/d 2014
Besarnya ramalan jumlah korban kecelakaan lalu lintas Tapanuli Utara yaitu dengan menggunakan
persamaan
Ŷ
=
1603,14 + 114,72XDengan menggunakan cara ke 2, maka hasil ramalan untuk jumlah korban kecelakaan lalu
lintas di Tapanuli Utara yang akan dimulai pada tahun 2012 s/d 2014, yaitu:
a. Tahun 2013
= 1603,14 + 114,72X = 1603,14 + 114,72(13) = 1603,14 + 1491,36 = 3094,5
` = 3094
b. Tahun 2014
ui Ramalan Jumlah Korban
2013 3094
2014 3209
2015 3324
∑ 9627
c. Tahun 2015
= 1603,14 + 114,72X = 1603,14 + 114,72(15) = 1603,14 + 1720,8 = 3323,94
Dari perhitungan ramalan diatas, maka dapatlah kita susun sebuah tabel ramalan jumlah korban
kecelakaan lalu lintas yang meninggal dunia di Tapanuli Utara tahun 2012 s/d 2014 seperti dibawah
[image:45.595.103.494.404.592.2]ini
Tabel 4.4 Jumlah Korban Kecelakaan lalu Lintas Yang Meninggal di Tapanuli Utara
4.2. Uji R² atau Koefisien Penentu
Setelah diperoleh besarnya nilai ramalan jumlah korban kecelakaan lalu lintas yang meninggal tahun
Tahun ( – )² Ŷ Ŷ- (Ŷ- )²
2000 1479 0 -697,73 486823,35 1603,14 -573,59 329002,36
2001 1516 1 -660,73 436560,53 1717,86 -458,87 210599,17
2002 1528 2 -648,73 420847,07 1832,58 344,15 1184437,35
2003 1991 3 -185,73 34494,62 1947,30 -229,43 52636,87
2004 2274 4 97,27 9461,98 2062,02 -114,71 13157,76
2005 2506 5 329,27 108420,53 2176,74 0,01 0,001
2006 2871 6 694,27 482014,62 2291,46 114,73 13163,60
2007 2321 7 144,27 208114,62 2406,18 229,45 52648,55
2008 2802 8 625,27 390965,98 2520,90 344,17 118454,87
2009 2281 9 104,27 10872,80 2635,62 458,89 210852,54
2010 2375 10 198,27 39312,07 2750,34 573,61 329031,56
∑ 23944 55 0 2440588,18 23944,14 0,14 1447628,73
mengenai tepat atau tidaknya variabel yang mempengaruhi jumlah klaim santunan korban
kecelakaan lalu lintas yang diramalkan adalah waktu. Pembuktian ini disebut tes mengenai koefisien
[image:46.595.72.514.239.577.2]penentu (coefficient of determination test) atau R².
Tabel 4.5 Data untuk Menghitung R²
Dari Tabel tersebut, terlihat bahwa
JKR = Ŷ - )² = 1447628,73
JKT = ( - )² = 2440588,18
R² =
R² =
R² = 0.59 = 59%
Artinya, besarnya persen dari seluruh variabel adalah 59% y diterangkan oleh regresi atau x, masih
ada sebesar 43% lebih lagi variabel y yang tidak dapat diterangkan oleh model yang digunakan.
Maka dapatlah dikatakan bahwa besarnya ramalan jumlah korban kecelakaan lalu lintas
yang meninggal dunia ditentukan oleh sekitar 57% dari variabel waktu. Dengan perkataan lain waktu
dapat dipergunakan untuk memperkirakan besarnya ramalan jumlah korban kecelakaan lalu lintas,
karena korelasi antara waktu dengan besarnya jumlah korban kecelakaan adalah
4.3 Uji Signifikan (Significance Test)
Dalam uji signifikansi ini , kita ingin mengetahui apakah besar secara statistik bahwa hubungan yang
ada antara variabel yang diramalkan dengan variabel waktu adalah Jadi persamaan regeresinya
adalah Ŷ = ,9 9 9 + , 9 9 X, aka dilakuka pe buktia da pe buktia itu dilakuka de ga
dua macam test yaitu:
4.3.1 F - Test
Tahun Ŷ Ŷ - ) Ŷ - )² - Ŷ ( – Ŷ ²
2001 1479 0 1603,14 -573,59 329002,36 -124,14 15410,74
2002 1516 1 1717,86 -458,87 210599,17 -201,86 40747,46
2003 1528 2 1832,58 344,15 1184437,35 -304,58 92768,98
2004 1991 3 1947,30 -229,43 52636,87 43,7 1909,69
2005 2274 4 2062,02 -114,71 13157,76 211,98 44935,52
2006 2506 5 2176,74 0,01 0,001 329,26 108412,15
2007 2871 6 2291,46 114,73 13163,60 579,54 335866,61
2008 2321 7 2406,18 229,45 52648,55 -85,18 7255,63
2009 2802 8 2520,90 344,17 118454,87 281,1 79017,21
2010 2281 9 2635,62 458,89 210852,54 -354,62 12575534
2011 2375 10 2750,34 573,61 329031,56 -375,34 140880,12
[image:48.595.79.519.366.708.2]∑ 23944 55 23944,14 0,14 1447628,73 0,14 992959,45
Tahun Y X X- (X- )² Ŷ Y- Ŷ (Y-Ŷ ² Dari tabel di atas dapatlah dicari nilai F ratio sebagai berikut:
F=
F=
=
=
13,12
F
= 12,20
Dalam hal ini tingkat keyakinan (confidence level) sebesar 95% atau tingkat kenyataan signifikan
(significant level) sebesar 5% atau 0,05, maka dari tabel distribusi F diperoleh F tabel untuk
pembilang sebesar 1 dan penyebut 9 adalah 5,12. Dengan membandingkan antara nilai F ratio yang
telah dihitung dengan F tabel, maka:
F ratio = 12,20 > F tabel = 5,12. Hal ini menunjukkan bahwa koefisien dalam persamaan regresi
ya g sederha a adalah Ŷ = ,9 9 9 + , 9 9 X adalah sig ifika . Sehi gga dapat disi pulka bahwa
persa aa regresi u tuk pera ala ya g tepat da be ar adalah Ŷ =
[image:49.595.74.497.703.771.2]4.3.2. T – Test
Tabel 4.7 Data untuk menghitung T – Test
2001 1516 1 -4 16 1717,86 -201,86 40747,46
2002 1528 2 -3 9 1832,58 -304,58 92768,98
2003 1991 3 -2 4 1947,30 43,7 1909,69
2004 2274 4 -1 1 2062,02 211,98 44935,52
2005 2506 5 0 0 2176,74 329,26 108412,15
2006 2871 6 1 1 2291,46 579,54 335866,61
2007 2321 7 2 4 2406,18 -85,18 7255,63
2008 2802 8 3 9 2520,90 281,1 79017,21
2009 2281 9 4 16 2635,62 -354,62 12575534
2010 2375 10 5 25 2750,34 -375,34 140880,12
∑ 23944 55 0 110 23944,14 0,14 992959,45
Dari persa aa Ŷ = , + , X, aka sebelu kita e ghitu g ilai T – Test dan , kita
dapat mencari
=
=
=
dan , yaitu :
=
Dan
=
=
=
=
=
= 31,67
Maka, T – Test
T – Test =
= =
=
= 16,007
Sedangkan T – Tabel atau T – distribusi dengan tingkat keyakinan 95% atau tingkat signifikansi
5%, maka dapat diperoleh dari tabel distribusi t yaitu
)=
`Maka diperoleh :
)= = 2,26
1. T – Test 2. T – Test
= 16,007 > t tabel = 2,26 = 3,6 > t tabel = 2,26
Dengan demikian dapat disimpulkan bahwa koefisien regresi dan secara statistik adalah
signifikan dari nol (nyata) , oleh karena itui dapatlah dikatakan bahwa penggunaan persamaan
regresi
Ŷ
=
1603,14 + 114,72X adalah tepat atau benar secara statistik dalam penyusunan ramalanBAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah langkah-langkah atau prosedur-prosedur yang dilakukan dalam menyelesaikan desain sistem yang telah disetujui, untuk menginstal, menguji dan memulai sistem baru yang diperbaiki.
5.2 Tujuan Implementasi Sistem
Adapun tujuan dari implementasi sistem ini adalah sebagai berikut : 1. Menyelesaikan desain sistem yang telah disetujui sebelumnya.
2. Memastikan bahwa pemakai (user) dapat mengoperasikan sistem baru. 3. Menguji apakah sistem baru tersebut sesuai dengan pemakai.
4. Memastikan bahwa konversi ke sistem baru berjalan yaitu dengan membuat rencana, mengontrol dan melakukan instalansi baru secara benar.
SPSS (Statistical Product and Service Solution) merupakan program aplikasi yang digunakan untuk melakukan perhitungan statistik dengan menggunakan komputer. SPSS paling banyak digunakan dalam berbagai riset pasar, pengendalian dan perbaikan mutu (quality
improvement) serta riset-riset lain.
SPSS dibuat pertama kali sebagai software statistik pada tahun 1968. Diprakarsai oleh ketiga mahasiswa Stanford University yang pada saat itu dioperasikan hanya pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul pada versi PC (bisa dipakai untuk
komputer desktop) dengan nama SPSS/PC+, dan sejalan dengan populernya sistem operasi windows. Pada tahun 1992, SPSS juga mengeluarkan versi windows. Dan antara tahun 1994-
1998, SPSS melakukan berbagai kebijakan strategis untuk pengembangan software statistik dengan mengeluarkan Software House terkemuka seperti SYSTAT. Inc, BMDP Statistical Software, Jandel Statistics Software Clear Software, Quantime Ltd, Initive Technologies A/S
dan Integral Solution Ltd. Untuk memantapkan posisinya sebagai salah satu market leader dalam business intelligence, SPSS juga menjalin aliansi strategis dengan software house terkemuka dunia yang lain seperti Oracle Corp, Business Object dan Ceres Integrated Solution.
Karena perkembangan SPSS ini membuat program SPSS yang tadinya hanya ditujukan pada pengolahan data statistik untuk ilmuan sosial yang pada saat itu SPSS yang singkatan dari Statistical Packcage for The Social Science berubah menjadi Statistical Product and Service Solution. Fungsi SPSS diperluas untuk melayani berbagai user seperti
proses produksi di pabrik, riset ilmu sains dan lain-lain.
5.3.1.1 Cara Mengaktifkan SPSS Pada Program Windows
[image:55.595.74.535.264.523.2]1. Pilih menu Start dari windows. 2. Kemudian pilih menu All Programs. 3. Klik SPSS Statistics 16.0.
Gambar 5.1 Tampilan Pengaktifan SPSS Statistics 16.0
5.3.1.2 Mengenal Lingkungan SPSS
SPSS data editor mempunyai 2 (dua) tipe lingkungan kerja yaitu :
Gambar 5.2 Tampilan Jendela Data View dalam SPSS
Gambar 5.3 Tampilan Jendela Variable View dalam SPSS
5.3.1.3 Menyusun Definisi Variable View
Name Type Widht Decimals Label Missing Columns Align
Measure
: Untuk memasukkan nama variable yang akan diuji. : Untuk mendefenisikan tipe variable.
: Untuk pengaturan panjang karakter dari variable. : Untuk menuliskan jumlah desimal di belakang koma. : Untuk menuliskan keterangan dari nama variabel. : Untuk menuliskan ada tidaknya jawaban kosong. : Untuk pengaturan lebar kolom.
: Untuk pengaturan teks/angka pada data View apakah akan dibuat rata kiri (Left), kanan (Right) atau tengah (Center).
(Dalam penulisan Tugas Akhir ini Values, Missing, Columns dan Measure tidak dipergunakan, karena itu ketiga pengaturan ini diabaikan saja).
5.3.1.4 Pemasukan Data ke dalam SPSS Statistics 16.0
Setiap data yang dianalisis harus terlebih dahulu ditampilkan dalam jendela data editor. Bila data sudah tersimpan dalam suatu file yang sudah mempunyai format aplikasi sehingga dapat dibuka dalam SPSS. Pemasukan data dalam tulisan ini dilakukan dengan cara langsung, yakni mendefenisikan variable terlebih dahulu, kemudian memasukkan data dengan langkah sebagai berikut
[image:58.595.75.536.374.636.2]Pengisian variabel tersebut dapat dilihat pada gambar di bawah ini :
Gambar 5.4 Tampilan Pengisian Variable View
1. Pengisian Data Pada Data View
1) Setelah pengisian variabel pada Variable View lalu klik pada tab sheet Data View
yang ada di kiri bawah layar.
2) Isilah tahun pada kolom Tahun sesuai jumlah data yang ada. 3) Isi jumlah korban sesuai jumlah data yang ada
[image:59.595.73.536.262.525.2]Pengisian data tersebut dapat dilihat pada gambar di bawah ini :
Gambar 5.5 Tampilan Pengisian Data View
5.3.1.5 Pengolahan Data
Pengolahan data untuk mencari korelasi dan persamaan regresi linier berganda.
Langkah-langkahnya adalah sebagai berikut :
3) Pada kolom depenndent isi jumlah korban
[image:60.595.75.535.126.388.2]4) Pada Independent isi tahun seperti gambar dibawah
Gambar 5.6 Kotak Dialog Linear Regression
Gambar 5.7 Kotak Dialog Linear Regression : Statistics 6) Lalu klik Continue.
[image:61.595.73.536.453.714.2]8) Selanjutnya isi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada pilihan Standardized Residual Plots, ceklist Histogram, Normal Probability Plot dan Produce all partial plot, setelah itu klik Continue.
Gambar 5.9 Kotak Dialog Linear Regression Plots
9) Maka aplikasi akan kembali ke kotak dialog Linear Regression, lalu selanjutnya klik
Option maka akan muncul kotak dialog Linear Regression Option. Pilih Use Probability of F kemudian masukkan nilai tingkat kepercayaan pada kotak Entry
Gambar 5.10 Kotak Dialog Linear Regression : Options
DAFTAR TABEL
Halaman Tabel 4.1. Data Jumlah Korba Kecelakaan
Tabel 4.2 Perhitungan mencari Persamaan Regresi Cara I Tabel 4.3 Perhitungan mencari Persamaan Regresi Cara II Tabel 4.4 Jumlah Ramlan Korban Kecelakaan
Tabel 4.5 Data Untuk Menghitung Koefisien Penentu Tabel 4.6 Data Perhitungan Uji F Statistik
Tabel 4.7 Data Perhitungan Uji T Statistik
DAFTAR GAMBAR Halaman Gambar 5.1 Gambar 5.2 Gambar 5.3 Gambar 5.4 Gambar 5.5 Gambar 5.6 Gambar 5.7 Gambar 5.8 Gambar 5.9 Gambar 5.10
Tampilan Pengaktifan SPSS Statistics 16.0 Tampilan Jendela Data View dalam SPSS Tampilan Jendela Variable View dalam SPSS Tampilan Pengisian Variable View
Tampilan Pengisian Data View Kotak Dialog Linear Regression
Kotak Dialog Linear Regression : Statistics Kotak Dialog Linear Regression : Plots Kotak Dialog Linear Regression Plots Kotak Dialog Linear Regression : Options
BAB 6
IMPLEMENTASI SISTEM
Descriptive Statistics
Mean Std. Deviation N
Jumlah korban Tahun 2176.73 2005.00 494.023 3.317 11 11 Correlations
Jumlah korban Tahun
Pearson Correlation Sig. (1-tailed) N Jumlah korban Tahun Jumlah korban Tahun Jumlah korban Tahun 1.000 .770 . .003 11 11 .770 1.000 .003 . 11 11
Variables Entered/Removed b
Variables Variables
Model Entered Removed Method
1 Tahun a . Enter
a. All requested variables entered.
ANOVA
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .770 a .593 .548 332.158
a. Predictors: (Constant), Tahun
b. Dependent Variable: u Jmlah korban
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .770 a .593 .548 332.158
a. Predictors: (Constant), Tahun
b. Dependent Variable: Jumlah korban
b
Model Sum of Squares df Mean Square F Sig.
1 Regression 1447628.736 1 1447628.736 13.121 .006 a
Residual Total 992959.445 2440588.182 9 10 110328.827
a. Predictors: (Constant), Tahun
b. Dependent Variable: Jumlah korban
Coefficients a
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -227833.227 63498.443 -3.588 .006
Tahun 114.718 31.670 .770 3.622 .006
Residuals Statistics a
Minimum Maximum Mean Std. Deviation N
Predicted Value
Residual
Std. Predicted Value
Std. Residual
1603.14
-375.318
-1.508
-1.130
2750.32
579.555
1.508
1.745
2176.73
.000
.000
.000
380.477
315.113
1.000
.949
11
11
11
11
DAFTAR PUSTAKA
Assauri, Sofyan. 1990. “Teknik dan Metode Peramalan”.Edisi Pertama. Jakarta: LPFEUI
Pramesti, Getut. 2009. “Sukses Mengolah Data di Bidang Bisnis dan Industri”. Jakarta:
PT. Elex Media Komputindo.
Sembiring, R.K. 1995. “Analisis Regresi”. Bandung ITB.
Spiegel, Murray R, dkk. 1986. “STATISTIK EDISI S1 (METRIK)”. Jakarta:Erlangga Sudjana. 1992. “MetodeStatistika”. Bandung Tarsito.
