Aplikasi Analisis Regresi Pada Analisis Pengaruh Sektor Pertanian Dan Perdagangan Terhadap Laju Pertumbuhan Pdrb Kota Binjai.

APLIKASI ANALISIS REGRESI PADA ANALISIS PENGARUH

SEKTOR PERTANIAN DAN PERDAGANGAN TERHADAP

LAJU PERTUMBUHAN PDRB

KOTA BINJAI

TUGAS AKHIR

ELISA

082407018

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : APLIKASI ANALISIS REGRESI PADA ANALISIS PENGARUH SEKTOR PERTANIAN DAN PERDAGANGAN TERHADAP LAJU PERTUMBUHAN PDRB KOTA BINJAI

Kategori : TUGAS AKHIR

Nama : ELISA

NIM : 082407018

Program Studi : D-III STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2011

Diketahui/Disetujui oleh:

Departemen Matematika FMIPA USU Pembimbing Ketua,

Prof. Dr. Tulus, M.Si Dr. Sutarman M.Sc

PERNYATAAN

APLIKASI ANALISIS REGRESI PADA ANALISIS PENGARUH SEKTOR PERTANIAN DAN PERDAGANGAN TERHADAP LAJU

PERTUMBUHAN PDRB KOTA BINJAI

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2011

PENGHARGAAN

Segala puji dan syukur penulis ucapkan atas kehadirat Allah SWT, yang tiada hentinya memberikan nikmat amal, insan dan ihsan, serta semangat dan kekuatan sehingga penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan sebaik-baiknya. Kemudian shalawat beriring salam penulis ucapkan kepada junjungan Nabi kita Muhammad SAW yang telah membawa umatnya kejalan yang benar dan kesejahteraan hidup.

Adapun tujuan dari penulisan Tugas Akhir ini adalah salah satu syarat untuk menyelesaikan Program DIII Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.

Dalam menyelesaikan Tugas Akhir ini, penulis tidak terlepas dari perhatian, bimbingan, fasilitas dan dorongan serta bantuan berbagai pihak secara langsung maupun tidak langsung. Pada kesempatan ini, dengan segala kerendahan hati serta rasa hormat penulis mengucapkan terima kasih yang sebesar–besarnya kepada :

1. Bapak Dr. Sutarman, M.Sc, selaku Dekan FMIPA USU dan pembimbing saya pada penyelesaian Tugas Akhir yang telah memberikan bimbingan dan arahan dalam penulisan laporan Tugas Akhir ini.

2. Bapak Prof. Dr. Tulus, M.Si, selaku Ketua Departemen Matematika FMIPA USU. 3. Bapak Drs. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi FMIPA USU. 4. Seluruh Dosen Pengajar Program Studi D-III Statistika FMIPA USU yang telah

memberikan ilmu yang bermanfaat kepada penulis selama masa perkuliahan. 5. Seluruh staf Bappeda Kota Binjai turut membantu penulisan dalam Tugas Akhir

ini.

diberikan kepada penulis, serta adik tersayang Irfan Pane sehingga penulis dapat menyelesaikan Tugas akhir ini.

7. Buat sahabat–sahabat seperjuangan Ziah, Kus, Nai, Zuli, Dwi, Hanum, Fahmi, Lija, Novel, Dina serta seluruh teman-teman Statistika Stambuk “08” khususnya stat C yang selalu mendukung, membantu juga memahami saya selama ini dan memberikan semangat serta motivasi.

Akhirnya penulis menyadari bahwa sebagaimana hasil karya manusia, Tugas Akhir yang penulis susun ini masih sangat jauh dari sempurna, baik dalam penulisan, tata bahasa maupun nilai ilmiahnya. Karena itu penulis dengan hati terbuka menerima segala kritik dan saran yang bertujuan untuk menyempurnakan penyusunan Tugas Akhir ini. Semoga Allah SWT memberikan rahmat-Nya kepada kita semua. Amin.

Medan, Juni 2011

Elisa

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 Perumusan Masalah 4

1.3 Batasan Masalah 4

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 5

1.6 Tinjauan Pustaka 5

1.7 Metodologi Penelitian 6

1.8 Lokasi Penelitian 8

1.9 Sistematika Penulisan 8

BAB 2. LANDASAN TEORI 10

2.1 Konsep Dasar Analisis Regresi 10 2.2 Persamaan Regresi 11

2.2.1 Persamaan Regresi Linier Sederhana 12 2.2.2 Persamaan Regresi Linier Berganda 13

2.3 Uji Regresi Linier Ganda 16

2.4 Koefisien Determinan 17 2.5 Koefisien Korelasi 18

BAB 3. GAMBARAN UMUM KOTA BINJAI 21

3.1 Produk Domestik Regional Bruto (PDRB) dengan Dasar 2000 21

3.2 Konsep dan Definisi 23

3.3.1 Metode Langsung 24 3.3.2 Metode Tidak Langsung/Alokasi 25 3.4 Klasifikasi Lapangan Usaha 25 3.5 Survei Khusus Pendapatan Regional (SKPR) 26 3.6 Penghitungan Atas Dasar Harga Berlaku dan Harga Konstan 27 3.6.1 Penghitungan Atas Dasar Harga Berlaku 27 3.6.2 Penghitungan Atas Dasar Harga Konstan 29 3.7 Kegunaan Statistik Pendapatan Regional 32

BAB 4. ANALISIS DATA 33

4.1 Data dan Pembahasan 33

4.2 Persamaan Regresi Linier Berganda 34

4.3 Analisis Residual 37

4.4 Pegujian Regresi Linier Ganda 38

4.5 Koefisien Determinasi 40

4.6 Koefisien Korelasi 41

BAB 5. IMPLEMENTASI SISTEM 44

5.1 Pengertian Implementasi Sistem 44 5.2 SPSS dalam Statistika 44

5.3 Mengaktifkan SPSS 45

5.4 Mengoperasikan SPSS 47

5.5 Mengisikan Data 48

BAB 6. KESIMPULAN DAN SARAN 57

6.1 Kesimpulan 57

6.2 Saran 58

DAFTAR PUSTAKA LAMPIRAN

 

 

 

 

DAFTAR TABEL

Halaman

Tabel 2.1 Bentuk Umum Data Observasi 14

Tabel 4.1 Data yang Akan Diolah 33

Tabel 4.2 Nilai-nilai Koefisien Persamaan Regresi Linier Ganda 34

Tabel 4.3 Koefisien Nilai-nilai Analisis Residual 37

Tabel 4.4 Nilai-nilai Koefisien Uji Linieritas 39

 

DAFTAR GAMBAR

Halaman

Gambar 5.1 Tampilan Saat Membuka SPSS pada Windows 46

Gambar 5.2 Tampilan Logo SPSS 46

Gambar 5.3 Tampilan Awal SPSS 47

Gambar 5.4 Tampilan Pengisian Data Variabel pada Variabel View 48

Gambar 5.5 Tampilan Pengisian Data Variabel pada Data View 49

Gambar 5.6 Tampilan pada jendela editor Regression 49

Gambar 5.7 Tampilan Linier Regression 50

Gambar 5.8 Tampilan Dependent dan Independent 50

Gambar 5.9 Tampilan Linier Regression Statistic 51

Gambar 5.10 Tampilan Plots 51

Gambar 5.11 Tampilan Linier Regression Plots 52

Gambar 5.12 Tampilan Linier Correlations Statistic 55

Gambar 5.13 Tampilan Bivariate Correlations 56

 

BAB 1 

PENDAHULUAN

1.1Latar Belakang

Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. Analisis regresi memberikan keleluasaan kepada peneliti untuk menyusun model hubungan atau pengaruh beberapa variabel bebas terhadap variabel terikat, bahkan digunakan untuk meramalkan pada kondisi berikutnya. Regresi memiliki bentuk bermacam-macam diantaranya regresi linier sederhana maupun regresi linier berganda digunakan untuk mencari model hubungan linier antara variabel-variabel bebas dengan variabel terikat sepanjang tipe datanya adalah interval atau rasio.

Sebagai akibat dengan pentingnya penggunaan analisis regresi akan terasa perlu untuk mempelajari analisis data yang terdiri atas banyak variabel. Jika kita mempunyai data yang terdiri atas dua atau lebih variabel adalah sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu berhubungan. Hubungan yang didapat pada umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Studi yang menyangkut masalah ini dikenal dengan analisis regresi.

dijumpai sebuah kejadian dipengaruhi oleh lebih dari satu variabel, oleh karenanya dikembangkanlah analisis regresi linier berganda dengan model:

Yˆ = b₀+b₁X₁ b₂X₂ ...b_nX_n e

Adanya metode analisis regresi ini sangat menguntungkan bagi banyak pihak, baik di bidang sains, sosial, industri maupun bisnis. Salah satu pemanfaatan analisis regresi adalah pada dunia bisnis atau yang berkaitan dengan aktifitas pemasaran. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi.

Analisis regresi dapat didefinisikan metode statistika digunakan untuk menentukan bentuk hubungan antara variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang belum diketahui.

Setelah menjabarkan apa itu regresi linier, analisis regresi, dan definisi PDRB maka saya akan menguraikan sektor apa saja dalam PDRB. Dari uraian sektor Produk Domestik Regional Bruto menurut sektor (lapangan usaha) terdiri atas sembilan sektor:

1. Sektor Pertanian

2. Sektor Pertambangan dan Penggalian 3. Sektor Industri pengelolaan

4. Sektor Listrik, Gas, dan Air bersih 5. Sektor Bangunan

6. Sektor Perdagangan, Hotel, dan Restoran 7. Sektor Pengangkutan dan Komunikasi 8. Sektor Bank dan Lembaga Keuangan 9. Sektor Jasa-jasa

Dari setiap sektor ini memiliki besar pengaruh yang berbeda terhadap laju pertumbuhan PDRB. Maka dari itu perlu dilihat besar pengaruh dari setiap sektor tersebut. Karena itu besar pengaruh tersebut dapat kita ketahui usaha apa yang paling banyak dan berkembang di wilayah tersebut. Dari beberapa sektor ekonomi diatas penulis hanya mengambil sektor pertanian dan perdagangan saja karena keterbatasan kemampuan dan waktu penulis.

Dari uraian latar belakang di atas, maka penulis mengambil judul “Aplikasi Analisis Regresi Pada Analisis Pengaruh Sektor Pertanian Dan Perdagangan

1.2Perumusan Masalah

Permasalahan yang akan di analisis dalam penelitian ini adalah untuk mengetahui berapa besar sektor pertanian dan perdagangan mempengaruhi laju pertumbuhan Produk Domestik Regional Bruto (PDRB) kota Binjai.

1.3Batasan Masalah

Agar penelitian ini semakin jelas dan terarah perlu di lakukan pembatasan masalah. Adapun batasan masalah dalam penelitian ini adalah:

1) Jenis lapangan usaha yang akan diteliti dalam penelitian ini hanya sektor pertanian dan perdagangan.

2) Sektor perdagangan di sini juga mencakup perhotelan dan restoran.

3) Data yang digunakan adalah data sekunder dari BAPPEDA Kota Binjai yaitu data laju pertumbuhan PDRB kota Binjai tahun 2001-2009 atas dasar harga konstan.

1.4Tujuan Penelitian

1.5Manfaat Penelitian

Dengan diperoleh model hubungan antara sektor pertanian dan perdagangan terhadap laju pertumbuhan PDRB maka manfaat yang diperpleh ialah :

1) Melihat berapa besar pengaruh sektor pertanian dan sektor perdagangan terhadap laju pertumbuhan PDRB kota Binjai.

2) Dapat dilihat sektor apa saja yang paling berkembang di kota Binjai.

3) Bisa dijadikan sebagai dasar perencanaan pembuatan usaha apa yang paling tepat di kota Binjai.

4) Sedangkan bagi penulis, penelitian ini merupakan wujud dari pada penerapan ilmu yang telah didapat selama ini dalam perkuliahan, khususnya dalam bidang statistika yaitu menggunakan persamaan regresi berganda

1.6Tinjauan Pustaka

Sebagai karya ilmiah yang ingin dinilai baik, sangatlah perlu adanya beberapa buku referensi yang dijadikan sebagai pedoman dalam penulisan dalam karya tersebut. Berikut ini adalah beberapa buku yang digunakan penulis dalam penyusunan tugas akhir ini:

Statistik Untuk Penelitian, Drs. Hartono, M.Pd

Analisis Regresi, Algifari

Analisis regresi merupakan suatu metode statistik yang berguna untuk memperoleh model yang baik yang dapat digunakan untuk menaksir dan membuat estimasi nilai variabel tertentu (sebagai variabel dependen) berdasarkan atas satu atau beberapa variabel lain (sebagai variabel independen) yang telah diketahui nilainya.

Metode Riset Bisnis, Suliyanto, SE, M.Si

Kegiatan riset merupakan kegiatan yang telah direncanakan dengan tujuan yang jelas. Tujuan dalam riset merupakan hal yang akan dicari atau dipecahkan melalui proses riset.

1.7 Metodologi Penelitian

Metode penelitian adalah suatu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu terwujud.

Beberapa metode yang digunakan penulis dalam melaksanakan penelitian ini adalah:

2) Penelitian lapangan, yaitu metode pengumpulan data untuk memperoleh data dan informasi mengenai PDRB dengan cara mengadakan penelitian di BAPPEDA Kota Binjai dan menulis data yang diperlukan. Metode pengumpulan data yang digunakan adalah data sekunder yaitu data yang pengumpulannya bukan diusahakan sendiri oleh peneliti tetapi data yang diolah/diperoleh dari BAPPEDA Kota Binjai.

Perhitungan yang dilakukan untuk menganalisis pengaruh sektor pertanian dan perdagangan terhadap laju pertumbuhan PDRB Kota Binjai adalah dengan menggunakan persamaan regresi berganda.

Persamaan regresi berganda yang mempunyai variabel dependen Y dengan dua variabel independent, yakni X1 dan X2. Secara umum model regresi berganda adalah:

 

 

     

 X X nXn

Y _{0 1 1 2 2} ...

Model untuk taksiran dari persamaan regresi linier ganda atas X1, X2,…,Xn

sebagai variabel bebasnya adalah sebagai berikut: Yˆ = b₀+b₁X₁ b₂X₂ ...b_nX_n e

Dimana :

Yˆ = nilai taksiran bagi variabel Y

b0 =taksiran bagi parameter konstanta b0

X1, X2 ,…Xn = nilai variabel bebas

1.8 Lokasi penelitian

Penelitian dan Pengumpulan data dilakukan di Badan Perencanaan Pembangunan Daerah (BAPPEDA) Kota Binjai yang beralamat di Jl. Jend. Gatot Subroto No. 98 Binjai.

1.9Sistematika Penulisan

Secara umum sistematika penulisan atau gambaran penulisan dari Tugas Akhir ini adalah sebagai berikut:

BAB 1 : PENDAHULUAN

Dalam bab ini penulis mencoba untuk menguraikan hal-hal yang menjadi latar Belakang, Perumusan Masalah, Batasan Masalah, Tujuan Penelitian, Manfaat Penelitian, Tinjauan Pustaka, Metodologi Penelitian, Lokasi Penelitian, dan Sistematika Penulisan.

BAB 2 : LANDASAN TEORI

BAB 3 : GAMBARAN UMUM KOTA BINJAI

Bab ini menguraikan tentang teori-teori mengenai isi dari Tugas Akhir ini yaitu teori tentang Produk Domestik Regional Bruto (PDRB).

BAB 4 : ANALISIS DATA

Bab ini menguraikan tentang pengolahan data dengan menggunakan cara yang terdapat pada landasan teori.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan tentang pengolahan data dengan menggunakan perangkat lunak SPSS 17,0 for windows (Statistical Product for Service Solution).

BAB 6 : KESIMPULAN DAN SARAN

 

BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel-variabel lain yang mempengaruhinya. Misalnya, pada seorang karyawan terhadap perubahan tingkat produktivitas karena adanya perubahan upah yang diterimanya. Dalam artian bahwa karyawan tersebut semakin produktif sebagai akibat adanya tambahan upah yang diterimanya. Dalam hal ini berarti bahwa perubahan produktivitas disebabkan oleh adanya perubahan upah. Dalam fenomena alam banyak sekali kejadian yang saling berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel yang lainnya. Teknik yang digunakan untuk menganalisis hal-hal semacam ini disebut dengan analisis regresi.

Sehingga dapat didefinisikan bahwa analisis regresi adalah metode statistika digunakan untuk menentukan kemungkinan bentuk hubungan antara variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang belum diketahui.

2.2 Persamaan Regresi

Analisis regresi digunakan apabila ada korelasi antara satu atau bebetapa variabel bebas dengan variabel terikat (dependent). Variabel bebas dapat berupa data kontinu maupun kategori.Persamaan regresi (regression equation) adalah suatu persamaan matematis yang mendefenisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependent disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel lain yang nilainya belum diketahui.

Variabel bebas adalah variabel yang nilai-nilainya tidak tergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel ini digunakan untuk meramalkan atau menerangkan nilai variabel yang lain. Sedangkan variabel terikat adalah variabel yang nilai-nilainya bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel ini merupakan variabel yang diramalkan atau diterangkan nilainya (Hasan, 1999).

Untuk mempelajari hubungan-hubungan antara beberapa variabel, persamaan analisis regresi dapat dilihat dari dua bentuk, yaitu:

1. Persamaan regresi linier sederhana 2. Persamaan regresi linier berganda

2.2.1 Persamaan regresi linier sederhana

Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk persamaan antara variabel bebas tunggal dengan variabel tak bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah bebas X yang dihubungkan dengan satu peubah acak tak bebas Y.

Bentuk umum dari persamaan regresi linier sederhana untuk populasi adalah sebagai berikut:

µy,x = ₀ ₁X

Dengan dan merupakan parameter-parameter yang ada dalam regresi itu.

adalah sebagai berikut: Yˆ = b0 + b1 X1

Dengan:

Yˆ = Nilai estimasi Y

X = Variabel bebas (independent variable)

b0 = Intersep (titik potong kurva terhadap sumbu Y)

b1 = Kemiringan (slope) kurva linier

2.2.2 Persamaan regresi linier berganda

Regresi linier berganda mengandung makna bahwa dalam suatu persamaan regresi terdapat satu variabel dependent dan lebih dari satu variabel independent. Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara variabel dependent dengan faktor-faktor yang mempengaruhi lebih dari satu variabel independent.

Persamaan regresi berganda yang mempunyai variabel dependent Y dengan dua variabel independent, yakni X1 dan X2. Secara umum persamaan regresi gandanya

dapat ditulis sebagai berikut:

Yˆ = b₀+b₁X₁ b₂X₂ ...b_nX_n e Dengan :

Yˆ = nilai taksiran bagi variabel Y

b0 =taksiran bagi parameter konstanta b0

b1, b2,…,b0 = taksiran bagi parametar koefisien regresi b0,b1…bn

Untuk regresi linier yang menggunakan lebih dari dua variabel independent maka persamaan yang digunakan adalah:

Yˆ = b0 + b1X1 + b2X2 + …+ bnXn

Bentuk data yang akan diolah ditunjukkan pada tabel berikut ini;

Tabel 2.1 Bentuk Umum Data Observasi

Nomor Observasi

Responden Variabel Bebas

(Y) X1 X2 Xk

1 Y1 X11 X21 … Xk1

2 Y2 X11 X22 … Xk2

. . . . … .

. . . . … .

. . . . … .

. . . . … .

n Yn X1n X2n … Xkn





Yi



X1i



X2i



Xkn

Dari tabel 3.1 dapat dilihat bahwa Y1 berpasangan dengan X11, X21, …, Xk1 dan

Y2 berpasangan dengan X12, X22, …, Xk2 dan umumnya data Yn berpasangan dengan

X1n, X2n, …, Xkn.

Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan 3 variabel, yaitu satu variabel tak bebas (dependent variable) dan dua variabel bebas (independent variable).

Persamaan regresi berganda dengan dua variabel bebas X1, X2 ditaksir oleh:

Dengan :

Yˆ = nilai taksiran bagi variabel Y

b0 =taksiran bagi parameter konstanta b0

X1, X2 ,…Xn = nilai variabel bebas

b1, b2,…,b0 = taksiran bagi parametar koefisien regresi b0,b1…bn

Dan diperoleh tiga persamaan normal yaitu:



Yi = b0n + b1



X1i + b2



X2i

Yi

X _i



1 = b0



X1i + b1



X _i 2

1 + b2



X1iX2i

i iY X



2 = b0



X2i + b1



X1iX2i+ b2



2 2i X

Harga-harga b0, b1 dan b2 yang telah di dapat kemudian disubstitusikan

kedalam persamaan sehingga diperoleh model regresi linier berganda Y atas X1 dan

X2.

Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dengan Yˆ akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Ukuran tersebut dapat dihitung oleh kekeliruan baku atau standart error. Menurut Hasan (1999), standart error adalah angka atau indeks yang digunakan untuk menduga ketepatan suatu penduga atau mengukur jumlah variasi titik-titik observasi disekitar garis regresi.Standart error dapat ditentukan dengan rumus sebagai berikut:

s²y.12…k =

 

1 ˆ 2   



k n Y

Y_{i i}

Dengan :

Yi = nilai data hasil pengamatan

Yˆ _i = nilai hasil regresi n = ukuran sampel

k = banyak variabel bebas

2.3 Uji Regresi Linier Ganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas.

Langkah-langkah pengujiannya adalah sebagai berikut: 1. Menentukan formulasi hipotesis

H0 : b1 = b2 = b3 = … = bk = 0 (X1,X2, ..., Xk tidak mempengaruhi Y)

H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau

mempengaruhi Y.

2. Menentukan taraf nyata dan Ftabel dengan derajat kebebasan v1 = k dan v2 = n- k-1

3. Menentukan kriteria pengujian H0 diterima bila Fhitung≤Ftabel

Ho ditolak bila Ftabel > Ftabel

4. Menentukan nilai statistik F dengan rumus:

Fhit =

) 1 /(

/

 k n JK

k JK

Dengan:

JKreg = jumlah kuadrat regresi

JKres = jumlah kuadrat residu (sisa)

(n – k – 1) = derajat kebebesan

JKreg = b1



y_ix_1i + b2



y_ix_2i+ …+ bk



y_ix_ki

Dengan: x1i = X1i – X

x1i = X2i–X2

xki = Xki–X_k

JKres =

 

2

ˆ



Yi Yi

5. Membuat kesimpulan apakah H0diterima atau ditolak.

2.4 Koefisien Determinan

Koefisien determinasi yang dinyatakan dengan R² untuk menguji regresi linier berganda yang mencakup lebih dari dua variabel. Koefisien determinasi adalah untuk mengetahui proporsi keberagaman total dalam variabel tak bebas Y yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas X yang ada di dalam model persamaan regresi linier berganda secara bersama-sama. Maka R² akan ditentukann dengan rumus:

R² =



2

Dengan:

JKreg = jumlah kuadrat regresi



2

i

y =

 

n Y Y_i i

2

2







2.5 Koefisien Korelasi

Analisis Korelasi adalah alat yang dapat digunakan untuk mengetahui adanya derajat hubungan linier antara satu variabel dengan variabel lain. Hubungan antara variabel ini dapat berupa hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan sebab akibat.

Untuk mencari korelasi antara variabel Y dan X dapat dirumuskan sebagai berikut:

r =



 



























 





 2 2 2 2 1 1 i i i i i i i i Y Y n X X n Y X Y X n

Sedangkan untuk menghitung korelasi antara variabel tak bebas dengan dua buah variabel bebas adalah:

1. Koefisien korelasi antara Y dengan X1

1

.x y

r =



 



























 





 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n

2. Koefisien korelasi antara Y dan X2

2

.x y

r =



 

3. Koefisien korelasi antara x1 dengan x2

2 . 1x x

r =



 



































 2 2 2 2 2 1 2 1 2 1 2 1 i i i i i i i i X X n X X n X X X n

Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah yang berlawanan. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis hubungan sebagai berikut:

1. Korelasi Positif

Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama atau berbanding lurus. Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan peningkatan variabel yang lain.

2. Korelasi negatif

Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan atau berbanding terbalik. Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan pada variabel yang lain dan sebaliknya.

3. Korelasi nihil

Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti pada perubahan variabel yang lain dengan arah yang tidak teratur (acak).

Untuk lebih memudahkan mengetahui seberapa jauh derajat keeratan antara variabel tersebut, dapat dilihat pada perumusan berikut ini:

-1,00 ≤ r ≤ -0,80 berarti korelasi kuat secara negatif -0,79 ≤ r ≤ -0,50 berarti berkorelasi sedang secara negatif -0,49 ≤ r ≤ 0,49 berarti berkorelasi lemah

0,50 ≤ r ≤ 0,79 berarti berkorelasi sedang secara positif

0,80 ≤ r ≤ 1,00 berarti berkorelasi kuat secara positif.  

 

 

 

 

 

 

BAB 3

GAMBARAN UMUM KOTA BINJAI

3.1Produk Domestik Regional Bruto (PDBR) dengan Dasar 2000

Data Statistik mempunyai peran penting dalam perencanaan, pengambilan keputusan dan evaluasi hasil-hasil pembangunan yang telah dicapai. Dengan pembangunan di segala bidang yang semakin pesat dan meluas ke daerah-daerah, data statistik nasional dan regional terasa semakin diperlukan. Untuk mengetahui kebutuhan data regional, BPS Kota Binjai telah mengetahui pendapatan regional secara berkala. Penghitungan dilaksanakan oleh BPS bekerjasama dengan berbagai instansi di daerah seperti Bappeda, Perguruan Tinggi dan Instansi Pemerintahan lainnya. Untuk menjaga keseragamaan konsep, definisi dan metode yang dipakai diseluruh Indonesia, Badan Pusat Statistik (BPS) secara langsung maupun tidak langsung memberikan bimbingan teknis dan pengarahan yang diperlukan.

sebelumnya memakai tahun dasar yang berbeda-beda. Disamping itu Pendapatan Regional dengan tahun dasar 2000 ini juga merupakan kelanjutan dan penyempurnaan dari penghitungan sebelumnya.

Untuk mendapatkan series yang cukup panjang dengan tahun dasar 2000, BPS menyarankan agar seluruh daerah memperbaiki estimasi dari tahun 1993. Untuk keseragaman dengan angka nasional, PDRB dibedakan atas dengan” dan “tanpa” minyak, gas bumi, dan hasil-hasilnya. Minyak, gas dan hasil-hasilnya meliputi minyak mentah, gas alam, LNG dan minyak suling.

Publikasi ini berisi tabel-tabel tentang PDRB, Produk Domestik Regional Netto (PDRN) atas biaya faktor produksi, angka-angka perkapita, distribusi persentase, indeks berantai, dan indeks harga implisit atas dasar harga berlaku dan harga konstan tahun 2000. Di samping itu disajikan pula tabel-tabel yang lebih rinci, yaitu menurut lapangan usaha, serta tabel-tabel hasil olahannya seperti distribusi persentase masing-masing sektor dan indeks berantai masing-masing sektor. Penyajian diberikan menurut “dengan dan tanpa minyak, gas dan hasil-hasilnya”.

Untuk melengkapi tabel-tabel tersebut ditambahkan pula beberapa penjelasan singkat tentang ruang lingkup, metodologi, konsep dan definisi serta data penghitungan nilai tambah masing-masing sektor. Ulasan deskriptif juga disajikan untuk memperoleh gambaran umum tentang keadaan perekonomian regional.

 

3.2Konsep dan Definisi

Dalam menghitung pendapatan regional, hanya dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor/lapangan usaha yang melakukan kegiatan usahanya di suatu wilayah/region (dalam hal ini kabupaten/kota) dihitung dan dimasukkan, tanpa memperhatikan kepemilikan atas faktor produksi. Dengan demikian, PDRB secara agregatif menunjukkan kemampuan suatu daerah dalam menghasilkan yang ikut berpartisipasi dalam proses produksi di daerah tersebut. Dengan kata lain PDRB menunjukkan gambaran Production Originated.

Disamping itu telah dihitung Produk Domestik Regional Netto (PDRN) atas dasar biaya faktor produksi, yaitu sebesar PDRB dikurangi penyusutan dan pajak tidak langsung netto (pajak tidak langsung dikurangi subsidi).

3.3 Metote Penghitungan

Ada dua metode yang dapat dipakai untuk menghitung PDRB yaitu:

3.3.1 Metode Langsung

Penghitung didasarkan sepenuhnya pada data daerah, hasil penghitungannya mencakup seluruh produk barang dan jasa akhir yang dihasilkan oleh daerah tersebut. Pemakaian metode ini dapat dilakukan melalui tiga pendekatan:

1. Pendekatan Produksi

PDRB merupakan jumlah nilai tambah Bruto (NTB) atau nilai barang dan jasa akhir yang dihasilkan oleh unit-unit produksi di suatu wilayah/region dalam suatu periode tertentu, biasanya satu tahun. Sedangkan NTB adalah Nilai Produksi Bruto (NPB/Output) dari barang dan jasa tersebut dikurangi seluruh biaya antara yang dikeluarkan.

2. Pendekatan Pendapatan

pengertian PDRB ini termasuk pula komponen penyusutan dan pajak tak langsung neto.

3. Pendekatan Pengeluaran

PDRB adalah jumlah seluruh pengeluaran yang dilakukan untuk konsumsi rumah tangga dan lembaga swasta nirlaba, konsumsi pemerintah, pembentukan modal tetap bruto, perubahan stok dan ekspor netto, di dalam suatu wilayah/region dalam periode tertentu, biasanya satu tahun. Dengan metode ini, penghitungan NTB bertitik tolak pada penggunaan akhir dari barang dan jasa yang berproduksi.

3.3.2 Metode Tidak Langsung/Alokasi

Menghitung nilai tambah suatu kelompok ekonomi dengan mengalokasikan nilai tambah nasional ke dalam masing-masing kelompok kegiatan ekonomi pada tingkat regional. Sebagai alokator digunakan indikator yang paling besar pengaruhnya atau erat kaitannya dengan produktivitas kegiatan ekonomi tersebut.

3.4 Klasifikasi Lapangan Usaha

Seperti diketahui angka nominal PDRB adalah penjumlahan/agregasi dari seluruh NTB kegiatan/lapangan usaha. Dalam penghitungan PDRB, seluruh NTB kegiatan/lapangan usaha. Dalam perhitungan PDRB, seluruh lapangan usaha dibagi menjadi sembilan sektor ekonomi. Ini sesuai dengan pembagian yang digunakan dalam penghitungan Produk Domestik Bruto (PDB) ditingkat nasional. Pembagian ini sesuai dengan System of National Accounts (SNA). Hal ini juga memudahkan para analis untuk membandingkan PDRB dengan PDB.

Dengan demikian dalam penyajian buku ini kegiatan ekonomi/lapangan usaha dirinci menjadi:

1. Pertanian

2. Pertambangan dan Penggalian 3. Industri Pengolahan

4. Listrik, Gas dan Air Bersih 5. Bangunan

6. Perdagangan, Hotel dan Restoran 7. Pengangkutan dan Komunikasi

3.5 Survei Khusus Pendapatan Regional(SKPR)

Diantara ketiga metode penghitungan PDRB, metode pendekatan produksi yang paling sering sektordigunakan. Kedua pendekatan untuk lainnya diterapkan beberapa tertentu.

Dalam penghitungan PDRB melalui pendekatan produksi NTB merupakan hasil pengurangan NPB/output dengan biaya antara. Data mengenai biaya antara, pada umumnya diperoleh dari SKPR yang dilaksanakan untuk sektor-sektor tertentu secara berkala (biasanya setiap tahun). Dari hasil pengolahan SKPR didapatkan struktur biaya, yaitu : rasio biaya antara dan nilai tambah terhadap output masing-masing kegiatan, subsektor, dan sektor yang disurvei. Informasi lain yang dapat diperoleh adalah indikator produksi, harga dan indikator-indikator lainnya. Estimasi NTB dapat diperoleh dengan mempergunakan rasio yang dihitung dari struktur biaya seperti tersebut di atas.

3.6 Penghitungan Atas Dasar Harga Berlaku dan Harga Konstan

Hasil penghitungan PDRB disajikan atas dasar harga berlaku dan harga konstan.

3.6.1 Penghitungan atas dasar harga berlaku

PDRB atas dasar harga berlaku merupakan jumlah seluruh NTB atau nilai barang dan jasa akhir yang dihasilkan oleh unit-unit produksi dalam suatu periode tertentu, Biasanya satu tahun, yang dinilai dengan harga tahun yang bersangkutan.

NTB atas dasar harga berlaku yang didapat dari pengurangan NPB/output dengan biaya antara masing-masing dinilai atas dasar harga berlaku. NTB menggambarkan perubahan volume/kuantum produksi yang dihasilkan dan tingkat perubahan harga dari masing-masing kegiatan, subsektor, dan sektor. Mengingat sifat barang dan jasa yang dihasilkan oleh setiap sektor, maka penilaian NPB/output dilakukan sebagai berikut:

terjadi pada transaksi pertama antara produsen dengan pembeli/konsumen. NPB/Output atas dasar harga berlaku merupakan perkalian antara kuantum produksi dengan harga masing-masing komoditi pada tahun yang bersangkutan. Selain menghitung nilai produksi utama, dihitung pula nilai produksi ikutan yang dihasilkan dengan anggapan mempunyai nilai ekonomi. Produksi ikutan yang dimaksudkan adalah produksi yang benar-benar dihasilkan sehubungan dengan proses produksi utamanya.

2. Untuk sektor sekunder yang terdiri dari sektor industri pengolahan, listrik, gas dan air bersih, dan sektor bangunan, penghitungannya sama dengan sektor primer. Data yang diperlukan adalah kuantum produksi yang dihasilkan serta harga produsen masing-masing kegiatan, subsektor, dan sektor yang bersangkutan. NPB/output atas dasar harga berlaku merupakan perkalian antara kuantum produksi dengan harga masing-masing komoditi pada tahun yang bersangkutan. Selain itu dihitung juga produksi jasa yang digunakan sebagai pelengkap dan tergabung menjadi satu kesatuan usaha dengan produksi utamanya.

lainnya yang tersedia. Selain itu diperlukan juga indikator harga dari masing-masing kegiatan,subsektor, dan sektor yang bersangkutan. NPB/output atas dasar harga berlaku merupakan perkalian antar indikatot harga masing-masing komoditi/jasa pada tahun yang bersangkutan.

3.6.2 Penghitungan Atas dasar Harga Konstan

Penghitungan atas dasar harga konstan pengertiannya sama dengan atas dasar harga berlaku, tetapi penilaiannya dilakukan dengan harga suatu tahun dasar tertentu. NTB atas dasar harga konstan menggambarkan perubahan volume/kuantum produksi saja. Pengaruh perubahan harga telah dihilangkan dengan cara menilai dengan harga suatu tahun dasar tertentu. Penghitungan atas dasar harga konstan berguna untuk melihat pertumbuhan ekonomi secara keseluruhan atau sektoral. Juga untuk melihat perubahan struktur perekonomian suatu daerah dari tahun ke tahun.

Pada dasarnya dikenal empat cara penghitungan nilai tambah atas dasar harga konstan. Masing-masing dapat diuraikan sebagai berikut:

1. Revaluasi

disamping itu data harga yang tersedia tidak dapat memenuhi semua keperluan tersebut. Oleh karena itu biaya antara atas dasar harga konstan biasanya diperoleh dari perkalian antara output atas dasar harga konstan masing-masing tahun dengan ratio tetap biaya antara terhadap output pada tahun dasar.

2. Ekstrapolasi

Nilai tambah masing-masing tahun atas dasar harga konstan diperoleh dengan cara mengalikan nilai tambah pada tahun dasar dengan indeks produksi. Indeks produksi sebagai ekstrapolator dapat merupakan indeks dari masing-masing produksi yang dihasilkan ataupun indeks dari berbagai indikator produksi sebagai tenaga kerja, jumlah perusahaan dan lainnya, yang dianggap cocok dengan jenis kegiatan subsektor, dan sektor yang dihitung. Ekstrapolasi juga dapat dilakukan terhadap output atas dasar harga konstan, kemudian dengan menggunakan ratio tetap nilai tambah terhadap output akan diperoleh perkiraan nilai tambah atas dasar harga konstan.

3. Deflasi

4. Deflasi Berganda

Dalam deflasi berganda yang dideflasi adalah output dan biaya antaranya, sedangkab nilai tambah diperoleh dari selisih antara output dan biaya antara hasil deflasi tersebut. Indeks harga yang digunakan sebagai deflator untuk perhitungan output atas dasar harga konstan adalah IHK atau IHPB sesuai cakupan komoditinya, sedangkan indeks harga untuk biaya antara adalah indeks harga dari komponen input terbesar. Kenyataanya sangat sulit melakukan deflasi terhadap biaya antara, disamping karena komponennya terlalu banyak juga karena indeks harganya belum tersedia secara baik. Oleh karena itu, dalam penghitungan harga konstan, deflasi berganda belum banyak dipakai.

2.7 Kegunaan Statistik Pendapatan Regional

Dari data PDRB dapat juga diurutkan beberapa indikator ekonomi penting lainnya seperti:

1. Produk domestik regional neto atas dasar harga pasar, yaitu PDRB dikurangi dengan seluruh penyusutan atas barang-barang modal tetap yang digunakan dalam produksi selama setahun.

barang dan jasa yang diproduksi atau dijual. Pajak tidak langsung bersifat menaikkan harga jual, sedangkan subsidi sebaliknya. Selanjutnya produk regional neto atas dasar biaya faktor produksi disebut sebagai pendapatan regional.

3. Angka-angka perkapita, yaitu ukuran-ukuran indikator ekonomi sebagaimana diuraikan diatas dibagi dengan jumlah penduduk pertengahan tahun.

 

 

 

 

 

 

 

 

BAB 4

ANALISIS DATA

     

4.1 Data dan Pembahasan

Pada Bab 4 ini data yang akan diolah dalam tugas akhir penulis adalah data yang diambil dari Badan Perencanaan Pembangunan Daerah (BAPPEDA). Yaitu data Laju Pertumbuhan Produk Domestik Regional Bruto dari tahun 2001-2009 (persen).

[image:43.595.170.408.571.766.2]

Adapun data Laju Pertumbuhan PDRB dalam sektor pertanian dan perdagangan dapat dilihat pada tabel di bawah ini:

Tabel 4-1

Laju Pertumbuhan Produk Domestik Regional Bruto (PDRB) Sektor Pertanian

dan Perdagangan di Kota Binjai Menurut Lapangan Usaha Atas Dasar Harga

Konstan 2000 Tahun 2001-2009 (Persen)

Tahun Yi X1i X2i

2001 3,96 4,13 2,37

2002 6,64 3,59 5,85

2003 9,07 0,19 4,46

2004 8,17 3,92 2,08

2005 5,28 3,32 4,62

2006 5,32 2,04 5,77

Tabel 4-1

Laju Pertumbuhan Produk Domestik Regional Bruto (PDRB) Sektor Pertanian

dan Perdagangan di Kota Binjai Menurut Lapangan Usaha Atas Dasar Harga

Konstan 2000 Tahun 2001-2009 (Persen)

Tahun Yi X1i X2i

2008*) 5,54 2,70 4,77 2009**) 5,75 3,48 3,55 Catatan:

*) Angka Perbaikan **) Angka Sementara

Sumber : Badan Pusat Statistik

Dengan :

Yi = Laju Pertumbuhan PDRB

X1i = Sektor Pertanian

X2i = Sektor Perdagangan

4.2Persamaan Regresi Linier Berganda

[image:44.595.170.408.195.271.2]

[image:45.595.78.558.121.425.2]

Tabel 4.2 Nilai-nilai Koefisien Persamaan Regresi Linier Ganda

Tahun Yi X1i X2i

2

i

Y

i

X2

1 X i

2

2 X_1i Y_i X_2iYi X_1i X_2i

2001 3,96 4,13 2,37 15,682 17,057 5,617 16,355 9,385 9,788 2002 6,64 3,59 5,85 44,090 12,888 34,223 23,838 38,844 21,002 2003 9,07 0,19 4,46 82,265 0,036 19,892 1,723 40,452 0,847 2004 8,17 3,92 2,08 66,749 15,366 4,326 32,026 16,994 8,154 2005 5,28 3,32 4,62 27,878 11,022 21,344 17,530 24,394 15,338 2006 5,32 2,04 5,77 28,302 4,162 33,293 10,853 30,696 11,771 2007 5,68 1,93 6,10 32,262 3,725 37,210 10,962 34,648 11,773 2008 5,54 2,70 4,77 30,692 7,290 22,753 14,958 26,426 12,879 2009 5,75 3,48 3,55 33,063 12,110 12,603 20,010 20,413 12,354 Jumlah 55,41 25,30 39,57 360,983 83,656 191,261 148,255 242,252 103,906

Dari tabel di atas maka diperoleh:

n = 9

i

X



2

1 = 83,656



Yi = 55,41



X i

2

2 = 191,261



X1i = 25,30



X1iYi = 148,255



X2i = 39,57



X2i Yi = 242,252



2

i

Y = 360,983

i iX

X_{1 2}

Dari data di atas diperoleh persamaan:

b0n + b1



X1i + b2



X2i =



Y_i

b0



X1i + b1



X12_i+ b2



X1iX2i=



YiX1i

b0



X_2i + b1



X_1iX_2i+ b2



X₂2_i =



YiX2i

Dapat kita subtitusikan nilai-nilai yang bersesuaian, sehimngga diperoleh persamaan:

9 b0 + 25,30 b1 + 39,57 b2 = 55,41 persamaan (1)

25,30 b0 + 83,656 b1 + 103,906 b2 = 148,255 persamaan (2)

39,57 b0 + 103,906 b1 + 191,261 b2 = 242,252 persamaan (3)

Untuk mencari b0, b1 dan b2 dapat menggunakan cara eliminasi dan substitusi, yaitu:

1. Eliminasi persamaan (1) dan persamaan (2)

9 b0 + 25,30 b1 + 39,57 b2 = 55,41 × 25,30

25,30 b0 + 83,656 b1 + 103,906 b2 = 148,255 × 9

227,7 b0 + 640,090 b1 + 1001,121 b2 = 1401,873

227,7 b0 + 752,904 b1 + 935,154 b2 = 1334,295 -

2. Eliminasi persamaan (1) dan persamaan (3)

9 b0 + 25,30 b1 + 39,57 b2 = 55,41 × 39,57

39,57 b0 + 103,906 b1 + 191,261 b2 = 242,252 × 9

356,13 b0 + 1001,121 b1 + 1565,785 b2 = 2192,574

356,13 b0 + 935,154 b1 + 1721,349 b2 = 2180,268 -

65,967 b1 – 155,564 b2 = 12,306 persamaan (5)

3. Eliminasi persamaan (4) dan persamaan (5)

- 112,814 b1 + 65,967 b2 = 67,578 × 65,967

65,967 b 1 – 155,564 b2 = 12,306 × (- 112,814)

-7442,001 b1 + 4351,645 b2 = 4457,918

-7442,001 b1 + 17549,797 b2 = - 1388,289 -

–13198,152 b2 = 5846,207

b2 = –0,443

4. Substitusikan b2ke persamaan (4)

-112,814 b1 + 65,967 (–0,443) = 67,578

-112,814 b1 = 96,801

b1 =

814 , 112

801 , 96



b1 = –0,858

5. Substitusi b2 = –0,443 dan b1= –0,858 ke persamaan (1)

9 b0 + 25,30 b1 + 39,57 b2 = 55,41

9 b0 + 25,30 (–0,858) + 39,57 (–0,443) = 55,41

9 b0 +(-21,707) + (-17,530) = 55,41

9 b0 – 39,237 = 55,41

9 b0 = 94,647

b0 = 10,517

Sehingga diperoleh persamaan regresi berganda

Yˆ = b₀+b₁X₁ b₂X₂ ...b_nX_n e

Yˆ = 10,517 –0,858 X1– 0,443 X2

4.3Analisis Residual

[image:49.595.162.479.203.513.2]

PDRB yang diperkirakan, maka dapat dihitung dengan mencari koefisien-koefisien dari Analisis Residualnya sebagai berikut:

Tabel 4.3 Koefisien Nilai-nilai Analisis Residual

Nomor Yi Yˆi Yi - Yi

ˆ

 

ˆ 2

i i Y

Y 

1 3,96 5,92355 -1,96355 3,856

2 6,64 4,84523 1,79477 3,221

3 9,07 8,378 0,692 0,479 4 8,17 6,2322 1,9378 3,755

5 5,28 5,62178 -0,34178 0,117

6 5,32 6,21057 -0,89057 0,793

7 5,68 6,15876 -0,47876 0,229

8 5,54 6,08729 -0,54729 0,300

9 5,75 5,95851 -0,20851 0,043

Jumlah 55,41 55,41589 -0,00589 12,793

Sehingga diperoleh:

sy.12…k =

 

1 ˆ 2   



k n Y

Y_{i i}

= 1 2 9 793 , 12  

Ini berarti bahwa rata-rata laju pertumbuhan PDRB yang sebenarnya akan menyimpang dari rata-rata laju pertumbuhan PDRB yang diperkirakan sebesar 2,132 persen.

4.4Pengujian Regresi Linier Ganda

Uji linieritas dicari untuk menguji kepastian dari persamaan regresi

H0 : b1 = b2 = 0 Ini berarti bahwa antara laju pertumbuhan PDRB dengan sektor

pertanian dan sektor perdagangan tidak ada hubungan.

H1 : b1 ≠0 Ini berarti bahwa antara laju pertumbuhan PDRB dengan sektor

pertanian dan sektor perdagangan ada hubungan.

Dengan taraf nyata = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 2 dan dk

penyebut (v2) = n – k – 1=6

H0 diterima bila Fhitung≤Ftabel

Ho ditolak bila Ftabel > Ftabel

Fhitung =

) 1 /(

/

 k n JK

k JK

Untuk menguji model regresi yang telah terbentuk, maka dapat diambil:

x1i = X1i –X1i

x2i = X2i–X2i

yi =Yi Yi

[image:51.595.75.566.392.695.2]

Dimana harga-harga yang diperlukan adalah sebagai berikut:

Tabel 4.4 Nilai-nilai Koefisien Uji Linieritas

No yi x1i x2i x i

2 1

2 2i

x y_i2

i

y x_1i y_i x_2i x_1i x_2i

Sehingga:

JKreg = b1



y_ix_1i b₂



y_ix_2i

JKreg = -0,858 (-7,510) + (-0,443) (1,340)

JKreg = 5,850

JKres =



(Yi – Yˆi)²

JKres = 12,793

Jadi Fhitung dapat dicari dengan:

Fhitung =

) 1 /( /  k n JK k JK res reg

Fhitung =



9 2 1



793 , 12 2 850 , 5  

Fhitung =

6 793 , 12 2 850 , 5

Fhitung = 1,371

Dari tabel distribusi Ftabel untuk dk pembilang (k) = 2 dk penyebut (n – k- 1) =

6 maka Ftabel(0,05)= 5,14. Karena Fhitung < Ftabel maka H0 diterima. Hal ini berarti

4.5Koefisien Determinasi

Untuk mengetahui berapa besar pengaruh sektor pertanian dan sektor perdagangan terdapat laju pertumbuhan PDRB, maka akan dilakukan perhitungan sebagai berikut:

2



yi = 19,843

JKreg = 5,850

Maka akan diperoleh koefisien determinasi dengan rumus:

2

R =



2

i reg y JK

2

R = 843 , 19

850 , 5

2

R = 0,294814292

Dan untuk koefisien korelasi ganda adalah:

R = R2

R = 0,294814292

R = 0,542968039

Dari hasil perhitungan didapat korelasi (r) antara laju pertumbuhan PDRB dengan sektor pertanian dan sektor perdagangan sebesar 0,543.

4.6Koefisien Korelasi

Untuk mengukur besarnya pengaruh variabel tak bebas terhadap variabel bebas, dapat dilihat dari besarnya koefisien korelasinya, yaitu:

1. Koefisien korelasi antara laju pertumbuhan PDRB dengan sektor pertanian

1

.x y

r =



 



























 





 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n 1 .x y

r =

 

 





 

 





2





 

 



2



41 , 55 983 , 360 9 30 , 25 656 , 83 9 41 , 55 30 , 25 255 , 148 7    1 .x y r =



752,904 640,090



3248,847 3070,268



873 , 1401 295 , 1334    1 .x y

r =



112,814



178,579



578 , 67

1

.x y

r =

211 , 20146 578 , 67  1 .x y r = 937 , 141 578 , 67  1 .x y

r = – 0,476

Nilai koefisien korelasi sebesar -0,476 menunjukkan bahwa terdapat korelasi yang sedang secara negatif antara laju PDRB dengan sektor pertanian.

2. Koefisien korelasi antara laju pertumbuhan PDRB dengan sektor perdaganngan

2

.x y

r =



 



























 





 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X n 2 .x y

r =

 

 





 

 





2





 

 



2



41 , 55 983 , 360 9 57 , 39 261 , 191 9 41 , 55 57 , 39 252 , 242 9    2 .x y

r =



1721,349 1565,785



3248,847 3070,8268



574 , 2192 268 , 2180    2 .x y

r =





155,564 178,579



306 , 12  2 .x y

r =

464 , 27780 306 , 12  2 .x y

2

.x y

r = – 0,074

Nilai koefisien korelasi sebesar -0,074 menunjukkan bahwa terdapat korelasi yang sangat rendah secara negatif antara laju PDRB dengan sektor pertanian.

3. Koefisien korelasi antara laju pertumbuhan PDRB dengan sektor pertanian dengan sektor perdagangan

2 . 1x x

r =



 



































 2 2 2 2 2 1 2 1 2 1 2 1 i i i i i i i i X X n X X n X X X n 2 . 1x x

r =



 







 





2







 



2



57 , 39 261 , 191 9 30 , 25 656 , 83 9 57 , 39 30 , 25 906 , 103 9    2 . 1x x r =



752,904 640,09



1721,349 1565,7849



121 , 1001 154 , 935    2 . 1x x r =



112,814



155,5641



967 , 65  2 . 1x x r = 808 , 17549 967 , 65  2 . 1x x r = 476 , 132 967 , 65  2 . 1x x

 

 

BAB 5

IMPLEMENTASI SISTEM 

 

 

5.1 Pengertian Implementasi Sistem

Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil desain tertulis kedalam programming. Dalam pengolahan data dalam hal ini menggunakan software SPSS 17,0 for windows sebagai implementasi sistem dalam memperoleh hasil perhitungan.

5.2 SPSS dalam Statistika

berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user, sehingga SPSS yang sebelumnya disingkat dari Statistical Package for the Social Sciences berubah menjadi Statistical Product and Service Solutions. Penggunaan SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.

5.3 Mengaktifkan SPSS

Harus dipastikan terlebih dahulu bahwa SPSS telah terinstal pada computer. Jika pada desktop sudah ada ikon SPSS, maka SPSS dapat dibuka dengan cara:

1. Klik dua kali menu SPSS yang terdapat pada icon shortcut pada tampilan desktop.

2. Selain itu program SPSS dapat diaktifkan melalui: Klik tombol Start pada jendela windows.

3. Klik All Program, lalu pilih SPSS for windows, kemudian klik SPSS Inc (SPSS 17,0), maka akan ditampilkam dalam bentuk sebagai berikut:

[image:60.595.126.524.85.293.2]

 

Gambar 5.1 Tampilan Saat Membuka SPSS pada Windows

1. Setelah SPSS diaktifkan, maka tampilan pada desktop adalah sebagai berikut :

Gambar 5.2 Tampilan Logo SPSS

 

 

 

2. Tampilan awal pada SPSS adalah :

Gambar 5.3 Tampilan Awal SPSS 

 

5.4 Mengoperasikan SPSS

Dari tampilan SPSS yang muncul, pilih type in data untuk membuat data baru dari menu utama file, pilih new, lalu klik, maka akan tampil, muncul jendela editor kemudian klik data. Cara menamai variabel dilakukan dengan, Klik variabel View yang terletak sebelah kiri bawah jendela editor, lalu lakukan langkah berikut:

a. Name : digunakan untuk meberikan nama variabel

[image:61.595.124.523.137.381.2]

e. Label : digunakan untuk memberi nama variabel

f. Value : digunakan untuk menjelaskan nilai data pada kolom g. Missing : digunakan untuk menentukan data yang hilang h. Columns : digunakan untuk menetukan lebar kolom

i. Align : digunakan untuk menetukan rata kanan, kiri, atau tengah

j. Measure : digunakan untuk menentukan tipe atau ukuran data, yaitu nominal, ordinal atau skala.

5.5 Pengisian Data

1. Klik lembar Variabel View dari SPSS Data Editor, kita definisikan variabel Y dengan nama variabel Y, variabel X1 dengan nama X1,dan X2 dengan nama X2.

[image:62.595.131.504.487.734.2]

Untuk variabel Laju Pertumbuhan PDRB, Sektor Pertanian, dan Sektor Perdagangan diberi variable label: Laju Pertumbuhan PDRB, Sektor Pertanian, dan Perdagangan sebagai berikut:

[image:63.595.107.521.184.440.2]

2. Kemudian pada lembar Data View dari SPSS Data Editor, kita masukkan data Y, X1 dan X2 sebagai berikut:

[image:64.595.126.525.109.355.2]

3. Klik Analyze Regression Linier sebagai berikut:

Gambar 5.6 Tampilan pada jendela editor Regression

4. Kemudian akan didapat tampilan sebagai berikut:

[image:64.595.210.441.463.635.2]

[image:65.595.214.438.169.336.2]

5. Pindahkan variabel Laju Pertumbuhan PDRB ke dalam box berjudul Dependent dan variable Sektor Pertanian dan Sektor Perdagangan ke dalam box berjudul Independent(s). Seperti terlihat pada tampilan berikut:

Gambar 5.8 Tampilan Dependent dan Independent

6. Pastikan memilih Method: Enter. Kemudian klik tombol Statistics dan pastikan memberi tanda check ( ) pada Estimates, Model fit, Collinearity Diagnostics dan Durbin-Watson sebagai berikut:

Gambar 5.9 Tampilan Linier Regression Statistic

[image:65.595.204.448.514.693.2]

[image:66.595.205.444.110.279.2]

8. Klik Plots akan didapat tampilan sebagai berikut:

Gambar 5.10 Tampilan Plots

9. Pilih Normal probability plot. Kemudian standardized residual *ZRESID ke dalam kotak Y: dan standardized predicted value *ZPRED ke dalam kotak X sebagai berikut:

Gambar 5.11 Tampilan Linier Regression Plots

[image:66.595.219.432.445.599.2]

Regression

Variables Entered/Removed

Model

Variables Entered

Variables

Removed Method 1 Sektor

Perdagangan, Sektor Pertaniana

. Enter

a. All requested variables entered.

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson 1 .596a .355 .140 1.46017 1.773 a. Predictors: (Constant), Sektor Perdagangan, Sektor Pertanian

ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 7.049 2 3.524 1.653 .268a

Residual 12.793 6 2.132

Total 19.841 8

a. Predictors: (Constant), Sektor Perdagangan, Sektor Pertanian

b. Dependent Variable: laju pertumbuhan PDRB

Coefficientsa

Model

Unstandardized Coefficients

Standardiz ed Coefficient

s

t Sig.

Collinearity Statistics

B Std. Error Beta

Toleranc e VIF 1(Constant) 10.517 2.751 3.823 .009

Sektor Pertanian -.858 .476 -.682 -1.804 .121 .752 1.330 Sektor

Perdagangan

-.443 .405 -.413 -1.094 .316 .752 1.330

Collinearity Diagnosticsa

Model

Dimen

sion Eigenvalue

Condition Index

Variance Proportions

(Constant)

Sektor Pertanian

Sektor Perdagangan

1 1 2.799 1.000 .00 .01 .01

2 .181 3.938 .00 .35 .16

3 .020 11.787 .99 .63 .83

a. Dependent Variable: laju pertumbuhan PDRB

Residuals Statisticsa

Minimum Maximum Mean

Std.

Deviation N Predicted Value 4.8445 8.3776 6.1567 .93867 9 Residual -1.96288 1.93845 .00000 1.26454 9 Std. Predicted

Value

-1.398 2.366 .000 1.000 9

Charts

 

 

 

 

 

 

 

 

 

 

 

 

5.6 Pengolahan Data dengan Persamaan Korelasi

[image:72.595.124.528.158.394.2]

Klik Analyze CorrelateBivariate sebagai berikut:

Gambar 5.12 Tampilan Linier Correlations Statistik

Pada kolom Correlation Coefficients, pilih Pearson, dan pada kolom Test of Significant, pilih Two Tailed, lalu klik OK:

[image:72.595.128.525.489.737.2]

Kemudian Klik OK dan akan didapat hasil SPSS sebagai berikut:

Correlations

Correlations

laju pertumbuhan

PDRB

Sektor Pertanian

Sektor Perdaganga

n laju pertumbuhan

PDRB

Pearson Correlation

1 -.476 -.074

Sig. (2-tailed) .195 .850

N 9 9 9

Sektor Pertanian Pearson Correlation

-.476 1 -.498

Sig. (2-tailed) .195 .172

N 9 9 9

Sektor Perdagangan Pearson Correlation

-.074 -.498 1

 

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari perhitungan aplikasi analisis regresi pada analisis sektor pertanian dan perdagangan terhadap laju PDRB pada bab-bab sebelumnya adalah sebagai berikut :

1. Berdasarkan hasil perhitungan nilai-nilai koefisien regresi berganda maka diperoleh persamaan Yˆ = 10,517 –0,858 X1– 0,443 X2.

2. Karena Fhitung < Ftabel maka H0 diterima. Hal ini berarti bahwa antara laju

pertumbuhan PDRB dengan sektor pertanian dan perdagangan tidak terdapat hubungan yang nyata (signifikan) terhadap Laju Pertumbuhan PDRB Kota Binjai.

4. Dari hasil analisis didapat Sektor Pertanian dan Sektor Perdagangan memiliki korelasi yang lemah terhadap Laju Pertumbuhan PDRB Kota Binjai.

6.2 Saran

Penulis memberikan beberapa saran yang bermanfaat bagi semua pihak:

1. Dengan adanya perhitungan sektor pertanian dan perdagangan terhadap laju PDRB diharapkan pemerintah maupun swasta dapat meningkatkan pertumbuhan pendapatan PDRB.

2. Agar semua pengaruh jenis lapangan pekerjaan terlihat dengan jelas, dan jenis pekerjaan apa yang paling berkembang di Kota Binjai, maka semua sektor usaha yang ada harus diolah.

 

 

DAFTAR PUSTAKA

Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi. Yogyakarta: BPFE-Yogyakarta

BPS Kota Binjai dan Bappeda Kota Binjai. 2009. Perhitungan Pendapatan Regional Bruto (PDRB) Kota Binjai Tahun 2009. Binjai: BPS Kota Binjai

Badan Pusat Statistik (BPS) Kota Binjai. 2009. Binjai Dalam Angka. Binjai: BPS Kota Binjai

Suharjo, Bambang. 2008. Analisis Regresi Terapan dengan SPSS. Yogyakarta: Graha Ilmu

Suliyanto. 2006. Metode Riset Bisnis. Edisi ke-1. Yogyakarta: Andi Offset Sudjana. 2005. Metode Statistika. Edisi ke-6. Bandung: Tarsito

Uyanto. Stainlaus. 2006. Pedoman Analisis Data dengan SPSS. Yogyakarta: Graha Ilmu

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknologi No. 1 Kampus USU Padang Bulan Medan-20155 Telp.(061)8211050, FAX.(061)8214290

Nomor : /H5.2.1.8/SPB/2010 Medan, 02 Februari 2011 Lampiran :

Hal : Pengumpulan Data Riset Mahasiswa Program DIII Statistika

Yth:

Walikota Binai

c.q : Bappeda Kota Binjai Jalan Jend. Gatot Subroto No.98 Binjai

Dengan hormat, bersama ini kami memohon kesediaan dari Walikota Binjai, untuk menerima Mahasiswa Program Studi DIII Statistika FMIPA USU Medan, untuk mengadakan penelitian data di instansi Badan Perencanaan Pembangunan Daerah Kota Binjai terkait judul penelitian mahasiswa yang bersangkutan, atas nama:

Nama NIM ELISA 082407018 Data yang akan diteliti khusus dipergunakan untuk menyusun tugas akhir mahasiswa

yang bersangkutan pada Program Studi Diploma III Statistika FMIPA USU.

Demikian kami sampaikan, atas perhatian dan kerja sama yang baik kami ucapkan terima kasih.

a.n. Dekan

Pembantu Dekan I

Dr. Marpongahtun, M.Sc NIP. 19611115 198803 2 002

Tembusan:

1. Yth. Ketua Program Studi DIII Statistika 2. Badan Kesbang Politik dan Linmas Kota Binjai 3. Badan Pusat Statistik Kota Binjai

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM DIPLOMA III KOMPUTER DAN STATISTIKA Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155

Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIIMBINGAN TUGAS AKHIR MAHASISWA

Nama : ELISA

NIM : 082407018

Judul Tugas Akhir : Aplikasi Analisis Regresi Pada Analisis Pengaruh Sektor Pertanian Dan Perdagangan Terhadap Laju

Pertumbuhan PDRB Kota Binjai Dosen Pembimbing : Dr. Sutarman M.Sc

Tanggal Mulai Bimbingan : 14 Januari 2011 Tanggal Selesai Bimbingan : 20 Mei 2011