ANALISIS FAKTOR YANG MEMPENGARUHI PERMINTAAN IMPOR BERAS DI INDONESIA
PUTRI HERVIANA PARDEDE 162407024
PROGRAM STUDI D-3 STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2019
ANALISIS FAKTOR YANG MEMPENGARUHI PERMINTAAN IMPOR BERAS DI INDONESIA
PUTRI HERVIANA PARDEDE 162407024
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya
PROGRAM STUDI D-3 STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2019
PERNYATAAN ORISINALITAS
ANALISIS FAKTOR YANG MEMPENGARUHI PERMINTAAN IMPOR DI INDONESIA
LAPORAN TUGAS AKHIR
Saya menyatakan bahwa laporan tugas akhir ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing – masing disebutkan sumbernya.
Medan, Juli 2019
Putri Herviana Pardede 162407024
ANALISIS FAKTOR YANG MEMENGARUHI PERMINTAAN IMPOR BERAS DI INDONESIA
ABSTRAK
Penelitian ini berjudul “Analisis Faktor Yang Memengaruhi Permintaan Impor Beras di Indonesia”. Penelitian ini bertujuan untuk mengetahui apakah terdapat hubungan antara produktivitas pertanian dan impor beras di Indonesia.
Penelitian ini menggunakan data sekunder yang di dapat dari Badan Pusat Statistik Provinsi Sumatera Utara secara runtun waktu dari tahun 2008 - 2017. Metode analisis yang digunakan adalah metode analisis regresi linier berganda. Data ini diproses dengan menggunakan program SPSS 17.0 .Hasil penelitian ini memperlihatkan bahwa terdapat hubungan antara harga impor beras dan impor beras di Indonesia, berdasarkan hasil uji regresi linier berganda menunjukkan bahwa terdapat hubungan yang positif antara harga impor beras dan impor beras, karena harga impor beras, dan kurs rupiah secara bersama-sama mempengaruhi tingkat permintaan Impor Beras di Indonesia.
Kata kunci : Beras, impor, pertanian, produksi, regresi linier ganda
ANALYSIS OF FACTORS AFFECTING DEMAND FOR IMPORTED RICE IN INDONESIA
ABSTRACT
This research is entitled "Analysis of Factors Affecting the Import of Rice in Indonesia". This study aims to determine whether there is a reciprocal relationship between agricultural productivity and rice imports in Indonesia. This study uses secondary data from Badan Pusat Statistics Provinsi Sumatera Utara time series from 2008- 2017. The analytical method used is a multiple linear regression analysis method. This data is processed using the SPSS 17.0 program.The results of this study show that there is a reciprocal relationship (causality) between agricultural productivity and rice imports in Indonesia, based on the results of multiple linear regression tests showing that there is a positive relationship between agricultural productivity and rice imports, due to rice import prices, rice production and the rupiah exchange rate jointly affect the level of demand for rice imports in Indonesia.
Keywords: Rice, import, agriculture, production, multiple linear regression
PENGHARGAAN
Puji syukur kehadirat Tuhan Yang Maha Esa, atas berkat dan karunia-Nya sehingga Penulis dapat menyelesaikan Tugas Akhir dengan judul Analisis Faktor Yang Mempengaruhi Permintaan Impor di Indonesia, yang merupakan syarat dalam penyelesaian Program Studi D3 Statistika Universitas Sumatera Utara.
Dalam penyusunan laporan ini, Penulis tidak terlepas dari perhatian dan bimbingan dari berbagai pihak, baik secara langsung maupun tidak langsung.
Oleh karena itu, pada kesempatan ini Penulis mengucapkan terima kasih kepada Bapak Dr. Kerista Sebayang, M.S selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara , Bapak Dr. Suyanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si selaku Ketua dan Sekretaris Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, Ibu Dr. Elly Rosmaini, M.Si dan Bapak Dr. Open Darnius, M.Sc selaku Ketua dan Sekretaris Program Studi D3 Statistika Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara yang telah memberikan bimbingan dalam penyusunan Laporan Tugas Akhir, Bapak Drs. Ujian Sinulingga, M.Si selaku Dosen pembimbing yang telah meluangkan waktunya serta memberikan saran dan bimbingan dalam penulisan Tugas Akhir ini, Mama dan papa serta keluarga yang mendukung, menyemangati serta mendoakan hingga Tugas Akhir ini dapat terselesaikan, Endang Estarina Situmorang, Powerpuff Girl yaitu Shania Anjani dan Shania Panggabean, Sri Hardani Marbun, Verama, Ezra serta teman – teman lainnya yang memberikan dukungan serta semangat untuk menyelesaikan tugas akhir ini.
Penulis berharap semoga Tugas Akhir ini bermanfaat bagi semua pihak terutama bagi penulis sendiri. Akhir kata penulis mengucapkan terima kasih kepada semua pihak yang membantu sehingga Tugas Akhir ini selesai tepat pada waktunya, semoga Tuhan Yang Maha Esa yang akan membalasnya.
Medan, Juli 2019 Penulis
Putri Herviana Pardede
DAFTAR ISI
Halaman
PENGESAHAN LAPORAN TUGAS AKHIR i
ABSTRAK ii
ABSTRACT iii
PENGHARGAAN iv
DAFTAR ISI v
DAFTAR TABEL vii
DAFTAR GAMBAR viii
DAFTAR LAMPIRAN ix
DAFTAR SINGKATAN x
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 3
1.3 Hipotesis 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 4
1.6 Metodologi Penelitian 4
BAB 2 TINJAUAN PUSTAKA 6
2.1 Impor Beras 6
2.1.1 Pengertian Beras 6
2.1.2 Pengertian Impor 6
2.1.3 Pola Impor Beras 6
2.1.4 Pelaksanaan Impor Beras 7
2.2 Harga Impor Beras 8
2.3 Produksi Beras 8
2.4 Nilai Kurs ( Rupiah terhadap Dolar ) 8
2.5 Analisis Regresi 9
2.6 Regresi Linier Sederhana 10
2.7 Regresi Linier Berganda 10
2.8 Bentuk Umum Regresi Linier Berganda 11
2.9 Kesalahan Standar Estimasi 12
2.10 Uji Regresi Linier Berganda 12
2.10.1 Uji F (Simultan) 12
2.11 Koefisien Determinasi 14
2.12 Koefisien Korelasi 14
2.12.1 Koefisien Korelasi Antar Variabel Bebas dan Terikat 15 2.12.2 Koefisien Korelasi Antar Variabel Bebas 15
BAB 3 METODE PENELITIAN 17
3.1 Waktu dan Tempat 17
3.2 Peta Lokasi 17
3.3 Metode Penelitian 18
3.3.1 Metode Pengumpulan Data 18
3.3.2 Data Menurut Cara Memperolehnya 18
BAB 4 HASIL DAN PEMBAHASAN 20
4.1 Pengumpulan Data 20
4.2 Pengolahan Data 20
4.3 Kesalahan Standar Estimasi 25
4.4 Uji Regresi Linier Berganda 26
4.4.1 Uji F (Simultan) 26
4.5 Koefisien Determinasi Linier Berganda 30
4.6 Koefisien Korelasi 31
4.6.1 Koefisien Korelasi Antar Variabel Bebas dan Terikat 32 4.6.2 Koefisien Korelasi Antar Variabel Bebas 32
4.7 Implementasi Sistem 34
BAB 5 KESIMPULAN DAN SARAN 40
3.1 Kesimpulan 40
3.2 Saran 40
DAFTAR PUSTAKA 42
LAMPIRAN 43
DAFTAR TABEL
Nomor Judul Halaman
Tabel
2.1 Interpretasi Koefisien Korelasi 16
4.1 Data Impor Beras, CIF Value, 20
Produksi Beras dan Kurs Rupiah
4.2 Perhitungan Data Impor Beras, CIF, 22
Value,Produksi Beras dan Kurs Rupiah
4.3 Harga Penyimpangan baku 25
4.4 Penghitungan Uji Keberartian Regresi 27
4.5 Nilai Korelasi Antar Variabel 34
4.6 Hasil Koefisien Korelasi Berganda 38
4.7 Hasil Jkreg dan Fhit 38
4.8 Hasil Korelasi Antar Variabel Dengan SPSS 39
DAFTAR GAMBAR
Nomor Judul Halaman
Gambar
3.1 Peta Lokasi BPS 17
4.1 Tampilan SPSS 17.0 34
4.2 Tampilan SPSS 17.0 35
4.3 Tampilan SPSS 17.0 35
4.4 Tampilan SPSS 17.0 36
4.5 Tampilan SPSS 17.0 36
4.6 Tampilan SPSS 17.0 37
4.7 Tampilan SPSS 17.0 37
4.8 Tampilan SPSS 17.0 38
DAFTAR LAMPIRAN
Nomor Judul Halaman
Lampiran
1. Surat Pengantar Riset ke Badan Pusat Statistik 44 2. Surat Permohonan Riset ke Badan Pusat Statistik 45 3. Surat Balasan dari Badan Pusat Statistik 46
4. Surat Keputusan Dekan 47
5. Keterangan Hasil Uji Implementasi Tugas Akhir 48
6.
Kartu Bimbingan Tugas Akhir Mahasiswa 497. Tabel Distribusi F 50
DAFTAR SINGKATAN
BPS = Badan Pusat Statistik CIF = Cost Insurance and Freight]
SPSS = Statistican Product and Service Solutions
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Indonesia merupakan negara agraris yang sebagian besar penduduknya bermata pencarian di sektor pertanian. Sektor pertanian sendiri merupakan sektor yang memegang peranan penting dari keseluruhan perekonomian nasional. Hal ini ditunjukkan dari banyaknya penduduk atau tenaga kerja yang bekerja pada sektor pertanian dan bagaimana sektor pertanian tersebut mempengaruhi laju pertumbuhan ekonomi di Indonesia. Sektor pertanian menjadi sangat penting karena sebagai penghasil pangan, sektor pertanian juga harus mampu mengimbangi laju pertumbuhan penduduk yang sangat tinggi . Menurut Apriyantono (2007), sektor pertanian adalah sektor yang memiliki peran penting dalam pembangunan nasional diantaranya sebagai penyerap tenaga kerja, kontribusi terhadap Produk Domestik Regional Bruto (PDRB), kontribusi penyediaan pangan, penyedia bahan baku industri, kontribusi dalam bentuk kapital, dan sumber devisa negara.
Tanaman utama pertanian di Indonesia adalah padi. Padi merupakan tanaman yang penting karena menjadi makanan pokok sebagian besar pendududk Indonesia, karena dari padi menghasilkan beras yang merupakan makanan pokok sebagian besar penduduk Indonesia. Tanaman padi merupakan tanaman pangan yang banyak dibudidayakan oleh petani di Indonesia, dimana kenaikan terbesar produksi beras terjadi pada tahun 2017. Berdasarkan data Kementerian Pertanian dalam Outlook Padi 2015, produksi beras Indonesia pada 2017 mencapai 46,16 juta ton. Sedangkan konsumsi beras pada tahun yang sama mencapai 32,7 juta ton dan neraca beras nasional mencatat surplus 11,9 juta ton, angka tersebut setelah dikurangi penggunaan non pangan.
Teori Malthus (dalam Mubyarto, 1989:42) menyatakan bahwa pertumbuhan penduduk akan lebih cepat daripada pertambahan produksi makanan. Pertumbuhan penduduk bertambah menurut deret ukur, sedangkan peningkatan produksi bahan makanan hanya bertambah menurut deret hitung. Persoalan ini berkaitan dengan
permasalahan yang dihadapi Indonesia, dimana penduduk di Indonesia memiliki pertambahan penduduk yang tinggi setiap tahunnya tanpa diikuti oleh peningkatan produktivitas pertaniannya. Untuk memenuhi kebutuhan dalam negeri pemerintah harus melakukan impor beras, impor beras yang dilakukan dikaitkan pemerintah untuk menjaga stabilisasi harga beras di pasar dan menjaga kestabilan stok bulog, sehingga pemerintah dapat memenuhi kebutuhan masyarakat akan beras saat terjadi gagal panen.
Impor beras yang terus terjadi setiap tahun tanpa mempertimbangkan peningkatan produktivitas beras di Indonesia akan menyebabkan ketergantugan pemerintah dalam memenuhi kebutuhan beras di dalam negeri. Harga beras impor yang murah akan berpengaruh pada harga beras dalam negeri menjadi murah, turunnya harga beras inilah yang menjadi tujuan pemerintah. Hal ini akan meringankan konsumen namun di sisi lain kebijakan ini akan merugikan petani.
Turunnya harga beras mengakibatkan tidak terpenuhinya biaya produksi pertanian, sehingga produktivitas pertanian menurun dan mengurangi produksi pertanian.
sehingga akan sangat beresiko tinggi apabila ketersediaan pangan harus selalu bergantung pada impor.
Persediaan stok beras di bulog harus terus dipertahankan, persediaan tersebut tidak hanya dilakukan dengan melakukan impor saja tetapi juga dengan pembelian beras dari petani dengan harga yang sesuai atau lebih tinggi dari harga pengumpul , harga yang berlaku dan sesuai untuk membeli beras dari petani diharapakan mampu mendorong produktivitas pertanian
Selain itu ada keyakinan yang besar bahwa usaha tani padi masih mempunyai potensi untuk terus dikembangkan. Berbagai teknologi mulai dari benih, pupuk, pestisida hingga alsintan diteliti dan diintroduksikan ke pedesaan dengan tujuan agar petani bisa menangani proses produksi secara intensif dengan indikator utamanya adalah produktivitas. Upaya mencukupi kebutuhan konsumsi dalam negeri dengan cara peningkatan produktivitas dan impor beras, dengan upaya menjaga kestabilan harga beras agar tetap terjangkau oleh semua pihak. Tetapi sampai saat ini Indonesia masih tetap mengimpor beras. Untuk itu penulis mencoba menganalisis dan mengamati faktor-faktor yang mempengaruhi permintaan impor beras di Indonesia
yaitu di antaranya adalah harga impor beras, produksi padi, dan kurs Rupiah terhadap Dolar Amerika (US$).
Dari faktor yang ada, akan dianalisis bagaimana pengaruh dan hubungan antara produksi dengan faktor yang mempengaruhinya dengan menggunakan metode Analisis Regresi Linear Berganda. Dari uraian di atas, penulis memilih judul
“ANALISIS FAKTOR YANG MEMPENGARUHI PERMINTAAN IMPOR BERAS DI INDONESIA”.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, maka rumusan masalah dari penelitian ini adalah bagaimana pengaruh harga impor beras, produksi padi, dan kurs (Rupiah terhadap Dolar) terhadap permintaan impor beras di Indonesia.
1.3 Hipotesis
Adapun hipotesis dalam penelitian ini yaitu sebagai berikut:
1. Faktor – faktor yang mempengaruhi permintaan impor beras di Indonesia berkaitan.
2. Faktor produksi padi dan harga impor beras diduga memberikan pengaruh positif terhadap permintaan impor beras di Indonesia.
1.4 Tujuan Penelitian
Adapun tujuan dalam penulisan ini adalah untuk mengumpulkan dan menganalisis data yang diperoleh secara sistematis dan efisien untuk memecahkan suatu masalah sehingga memperoleh suatu kesimpulan yang dapat dipakai untuk program kerja selanjutnya. Untuk mengetahui besar pengaruh produksi padi, harga impor beras, dan kurs (Rupiah terhadap Dolar) pada permintaan impor beras di Indonesia.
1.5 Manfaat Penelitian
Adapun manfaat yang diharapkan dari penelitian ini adalah:
1. Bagi peneliti
Menambah wawasan bagi penulis mengenai produktivitas pertanian dan impor beras serta dapat mengaplikasikan ilmu dengan membandingkan teori- teori yang diperoleh selama perkuliahan melalui permasalahan yang diteliti secara langsung yang menjadi sebuah pembahasan dengan menggunakan Analisis Regresi Linier Berganda.
2. Bagi Pemerintah
Dapat menjadi bahan pertimbangan bagi pihak-pihak berkepentingan dalam mengambil keputusan terkhusus keputusan untuk menyelamatkan petani padi di Indonesia, yaitu dengan melakukan analisis faktor-faktor sehingga diketahui juga di bagian manakah yang perlu ditingkatkan maupun diminimumkan supaya dapat memberikan suatu bahan pertimbangan yang nyata dan maksimal melihat kegiatan impor beras yang semakin meningkat.
3. Bagi Pembaca
Hasil penelitian ini diharapkan dapat memberikan manfaat bagi pihak yang berkepentingan sebagai bahan masukan dan referensi bagi penelitian
selanjutnya yang memiliki keterkaitan dengan topik dan permasalahan dalam penelitian ini.
1.7 Metodologi Penelitian
Untuk mendukung penyusunan Tugas Akhir ini, maka penulis membutuhkan data yang diperoleh melalui serangkian tinjauan, penelitian, riset, ataupun pengambilan data. Data didalam riset tersebut penulis menggunakan beberapa metode diantaranya :
1. Metode Penelitian Kepustakaan (Studi Literatur)
Dalam hal ini pengumpulan data serta keterangan-keterangan dapat dilakukan dengan membaca serta mempelajari buku-buku ataupun literatur pelajaran
yang didapat dibangku perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.
2. Metode Pengumpulan Data
Pengumpulan data untuk keperluan riset ini penulis lakukan dengan menggunakan data sekunder yang diperoleh dari BPS Sumatera Utara. Data yang dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas sekumpulan data tersebut.
3. Metode Pengolahan Data
Adapun pengolahan data menggunakan metode regresi linier berganda untuk melihat persamaan regresi liniernya dan untuk mengetahui hubungan setiap variabel yang digunakan. Adapun langkah-langkah yang dilakukan dalam pengolahan data adalah:
a. Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel terikat (Y).
b. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga di dapat regresi Y atas X1, X2, X3, …, Xn
c. Uji regresi berganda untuk mengetahui besarnya pengaruh variabel bebas (X) secara bersama-bersama terhadap variabel terikat(Y). Secara umum model regresi linier berganda adalah sebagai berikut:
𝑌� = 𝑏0 + 𝑏1 𝑋1+ 𝑏2 𝑋2 + 𝑏3 𝑋3+ … + 𝑏𝑛 𝑋𝑛 ;n = 1, 2, 3, ..., n
d. Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat.
4. Membuat kesimpulan
BAB 2
TINJAUAN PUSTAKA
2.1 Impor Beras 2.1.1 Pengertian Beras
Beras adalah bagian butir padi (gabah) yang telah dipisah dari sekam. Sekam (Jawa merang) secara anatomi disebut palea (bagian yang ditutupi) dan lemma (bagian yang menutupi). Pada salah satu tahap pemrosesan hasil panen padi, gabah digiling sehingga bagian luarnya (kulit gabah) terlepas dari isinya. Bagian isi inilah yang berwarna putih, kemerahan, ungu, atau bahkan hitam, yang disebut
beras (Wikipedia, 2012).
2.1.2 Pengertian Impor
Menurut Amir (1999) impor merupakan suatu kegiatan memasukkan barang-barang dari luar negeri sesuai dengan ketentuan pemerintah ke dalam peredaran dalam masyarakat yang dibayar dengan mempergunakan valuta asing.
2.1.3 Pola Impor di Indonesia
Jenis dan volume kebutuhan masyarakat berbeda dari waktu ke waktu. Begitu pula perimbangan kemampuan pasok antara produksi dalam negeri dengan kemampuan pasok dari luar negeri. Setelah diberlakukannya undang-undang penanamanan modal di dalam negeri maka pola impor Indonesia berturut-turut terdiri dari barang konsumsi, bahan baku, dan kemudian disusul dengan barang modal. Perubahan ini antara lain sebagai akibat keberhasilan kebijakan industrialisasi di Indonesia yang menitikberatkan pada pertumbuhan industri barang konsumsi atau yang lebih dikenal dengan industri substitusi impor (Amir, 1999).
2.1.4 Pelaksanaan Impor Beras
Beras merupakan komoditi strategis sebagai bahan pangan bagi masyarakat Indonesia, sehingga kegiatan produksi, penyediaan, pengadaan dan distribusi beras menjadi sangat penting dalam rangka ketahanan pangan, peningkatan pendapatan dan kesejahteraan petani, dalam rangka stabilitas kepentingan konsumsi masyarakat secara umum. Oleh karena itu, Menteri Perdagangan Republik Indonesia memandang perlu mengatur ketentuan tersebut melalui Surat15 Keputusan Menperindag Nomor 19/M-DAG/PER/3/2014 , tentang Ketentuan Ekspor dan Impor Beras, antara lain:
1. Impor Beras adalah kegiatan memasukkan beras ke dalam pabean.
2. Impor Beras untuk keperluan stabilisasi harga, penanggulangan keaadaan darurat, masyarakat miskin dan pengadaan Beras dari luar negeri sebagai cadangan yang sewaktu-waktu dapat dipergunakan oleh Pemerintah.
3. Impor Beras untuk keperluan tertentu adalah pengadaan beras dariluar negeri terkait dengan faktor kesehatan, konsumsi khusus atau segmen tertentu, dan untuk memenuhi kebutuhan bahan beku/penolong industri yang tidak atau belum sepenuhnya dapat dipenuhi dari sumber dalam negeri.
4. Beras hanya dapat diimpor oleh importir yang telah mendapat pengakuan sebagai Importir Produsen Beras, selanjutnya disebut IP Beras, dan oleh importir yang telah mendapat penunjukan sebagai Importir Terdaftar Beras, selanjutnya disebut sebagai IT Beras.
5. Impor beras dilarang dalam masa 1 (satu) bulan sebelum panen raya, selama panen raya dan 2 (dua) bulan setelah panen raya.
6. Beras yang diimpor oleh IP Beras hanya boleh dipergunakan sebagai bahan baku untuk proses produksi industri yang dimilikinya dan dilarang diperjualbelikan maupun dipindahtangankan.
7. Setiap kali importasi beras oleh IT Beras harus mendapat persetujuan impor terlebih dahulu dari Direktur Jenderal Bina Pengolahan dan Pemasaran Hasil Pertanian (BPPHP), mengenai jumlah dan jenis beras, pelabuhan tujuan dan waktu pengimporan.
8. Pelaksanaan setiap importasi beras oleh IP Beras atau IT Beras wajib terlebih dahulu dilakukan verifikasi atau penelusuran teknis di negara muat barang
2.2 Harga Impor Beras
Sesuai dengan peraturan impor Indonesia, harga impor beras dihititung dengan menggunakan metode Cost Insurance Freight (CIF). CIF merupakan harga barang sampai pelabuhan tujuan dan kondisi dimana penjual atau eksportir menanggung semua biaya pengapalan sampai ke pelabuhan tujuan dan ekpsortir wajib menutup asuransi dengan membayar premi asuransi.
2.3 Produksi Beras
Produksi merupakan hasil akhir dari proses atau aktivitas ekonomi dengan memanfaatkan beberapa masukan atau input. Dengan pengertian ini dapat dipahami bahwa kegiatan produksi adalah mengkombinasi berbagai input atau masukan untuk menghasilkan input (Joersen, 2003). Oleh sebab itu Produksi Beras yang akan di bahas merupakan hasil akhir aktifitas pertanian tahunan indonesia untuk beras hasil petani lokal Indonesia.
2.4 Nilai Kurs (Rupiah Terhadap Dolar)
Kurs (exchange rate) adalah harga sebuah mata uang dari sutu negara yang diukur atau dinyatakan dalam mata uang lainnya. Kurs memainkan peranan penting dalam keputusan-keputusan pembelanjaan, Karena kurs memungkinkan kita menerjemahkan harga-harga dari berbagai negara ke dalam satu bahasa yang sama.
Bila semua kondisi lainnya tetap, depresiasi mata uang dari suatu negara terhadap segenap mata uang lainnya (kenaikan harga valuta asing bagi negara yang bersangkutan) menyebabkan ekspornya lebih murah dan impornya lebih mahal.
Sedangkan apresiasi (penurunan harga valuta asing di negara yang bersangkutan) membuat ekspornya lebih mahal dan impornya lebih murah.
2.5 Analisis Regresi
Sir Francis Galton (1822 – 1911), memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati nilai tengah populasi.
Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi cederung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya. (Ronal E. Walpole).
Analisis regresi digunakan untuk menentukan bentuk (dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini adalah untuk meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya. (Iqbal Hasan). Adakalanya, setelah kita memperoleh data berdasarkan sampel, kita ingin menduga nilai dari suatu variabel Y yang bersesuaian dengan nilai tertentu dari variabel X. Hal ini diperoleh dengan menaksir nilai Y dari kurva kuadrat minimum yang sesuai dengan data yang kita himpun dari sampel. Kurva yang diperoleh dan kita bentuk dari data sampel itu disebut kurva regresi Y terhadap X, karena Y diduga dari X. (Murray R. Spiegel).
Jadi analisis regresi berkenan dengan studi ketergantungandari suatu variabel yang disebut variabel tak bebas (dependent variable), pada satu atau lebih variabel, yaitu variabel yang menerangkan, dengan tujuan untuk memperkirakan dan atau meramalkan nilai rata-rata dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas (independent variable).
2.6 Regresi Linear Sederhana
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas dengan variabel bebas tunggal.
Regresi linier sederhana hanya memiliki satu perubahan regresi linier untuk populasi adalah sebagai berikut:
𝒀 = 𝒃𝟎+ 𝒃𝟏𝑿𝟏+ 𝜺 (2.1)
keterangan:
Y = Variabel tidak bebas (independent variabel)
b0 = Konstanta regresi atau paremeter intersep (nilai Y, bila X = 0) b1 = Parameter slop (kemiringan garis regresi)
X1 = Variabel bebas (dependent variable) ɛ = Kesalahan Prediksi ( Error )
2.7 Regresi Linier Berganda
Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan bahwa orang tua yang tinggi akan mempunyai anak yang tinggi dan orang tua yang pendek akan mempunyai anak yang pendek juga, tetapi ratarata tinggi badan anak yang lahir dari orang tua dengan tinggi badan tertentu cenderung bergerak atau regress ke arah rata-rata tinggi badan anak seluruh populasi tersebut (Hakim Abdul, 2004).
Pengertian dari analisis regresi adalah suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua variabel atau lebih yaitu variabel bebas dan variabel terikat. Variabel bebas adalah variabel yang nilai- nilainya tidak bergantung pada variabel lainnya, biasanya disimbolkan dengan X.
Variabel ini digunakan untuk meramalkan atau menerangkan nilai dari variabel yang
lain. Variabel terikat adalah variabel yang nilai-nilainya bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu merupakan variabel yang diramalkan atau menerangkan nilainya (Hasan, 1999).
Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel terikat dengan variabel bebas mempunyai sifat hubungan sebab akibat.Analisis regresi linier digunakan untuk:
1. Menentukan hubungan fungsional antar variabel terikat dengan bebas.
Hubungan fungsional ini dapat disebut sebagai persamaan garis regresi yang berbentuk linier.
2. Meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel lain yang diketahui melalui persamaan garis regresinya.
2.8 Bentuk Umum Regresi Linier Berganda
Regresi linier berganda adalah untuk meramalkan pengaruh dua variabel bebas atau lebih terhadap satu variabel tak bebas. Bentuk umum persamaan regresi linier berganda adalah:
Ŷ=𝒃𝟎+ 𝒃𝟏𝒙𝟏+𝒃𝟐𝒙𝟐+ 𝒃𝟑𝒙𝟑+ ⋯ + 𝒃𝒏𝒙𝒏 (2.2) di mana :
Ŷ = variabel terikat ( variabel independent)
xi = variabel bebas ( variabel dependent ) dengan i = 1,2,..,n 𝑏0, 𝑏1 ,.., 𝑏𝑛 = koefisien yang mempengaruhi variabel
Dan untuk mengetahui nilai 𝑏0, 𝑏1 ,.., 𝑏𝑛 dapat kita gunakan persamaan seperti dibawah ini:
∑ 𝒀 = 𝒃𝟎𝒏 + 𝒃𝟏∑ 𝑿𝟏+ 𝒃𝟐∑ 𝑿𝟐+ 𝒃𝟑∑ 𝑿𝟑 (2.3)
∑ 𝒀 𝑿𝟏 = 𝒃𝟎∑ 𝑿𝟏+ 𝒃𝟏∑ 𝑿𝟏𝟐+ 𝒃𝟐∑ 𝑿𝟏𝑿𝟐+ 𝒃𝟑∑ 𝑿𝟏𝑿𝟑
∑ 𝒀 𝑿𝟐 = 𝒃𝟎∑ 𝑿𝟐+ 𝒃𝟏∑ 𝑿𝟐𝑿𝟏+ 𝒃𝟐∑ 𝑿𝟐𝟐+ 𝒃𝟑∑ 𝑿𝟐𝑿𝟑
∑ 𝒀 𝑿𝟑 = 𝒃𝟎∑ 𝑿𝟑+ 𝒃𝟏∑ 𝑿𝟑𝑿𝟏+ 𝒃𝟐∑ 𝑿𝟑𝑿𝟐+ 𝒃𝟑∑ 𝑿𝟑𝟐
2.9 Kesalahan Standar Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan rumus :
𝑺𝒚.𝟏𝟐𝟑𝟐 = ∑(𝒀−𝒀�)𝒏−𝒌−𝟏𝟐 (2.4)
Keterangan: 𝑆123 = Kesalahan baku Yi = nilai data sebenarnya
𝑌�1 = nilai taksiran
n = banyak ukuran sampel k = banyak variabel bebas
2.10 Uji Regresi Linier Berganda 2.10.1 Uji F (Simultan)
Langkah – langkah pengujian hipotesis dalam regresi linier berganda adalah sebagai berikut:
1. Menentukan Formula Hipotesis
𝐻0 ∶ 𝛽1 = 𝛽2 = 𝛽3 (𝑋1, 𝑋2, 𝑋3tidak mempengaruhi 𝑌)
𝐻1 ∶ Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi 𝑌.
2. Mencari nilai F tabel dari tabel distribusi F
Dengan taraf nyata α dan nilai F tabel dengan derajat kebebasan pembilang (v1) = k dan derajat kebebasan penyebut (v2) = n – k – 1
3. Menentukan Kriteria Pengujian
Jika 𝐹hit≥ 𝐹tab , maka 𝐻0 ditolak dan 𝐻1 diterima Jika 𝐹hit < 𝐹tab , maka 𝐻0 diterima dan 𝐻1 ditolak
4. Menentuka nilai statistik F hitung dengan rumus:
𝑭𝒉𝒊𝒕 =𝑱𝑲𝒓𝒆𝒔𝑱𝑲𝒓𝒆𝒈�𝒌
(𝒏−𝒌−𝟏)
� (2.5)
JKreg dan JKres masing – masing didapat dengan rumus:
𝑱𝑲𝒓𝒆𝒈 = 𝒃𝟏𝜮𝒚𝒙𝟏+ 𝒃𝟐𝜮𝒚𝒙𝟐+ 𝒃𝟑𝜮𝒚𝒙𝟑 (2.6) Untuk menguji model regersi yang telah terbentuk, maka diperlukan nilai – nilai 𝑦, 𝑥1, 𝑥2, 𝑥3 dengan rumus:
𝑥1 = 𝑋1− 𝑋�1 (2.7)
𝑥3 = 𝑋3− 𝑋�3 (2.8)
𝑥2 = 𝑋2− 𝑋�2 (2.9)
𝑦 = 𝑌 − 𝑌� (2.10)
Dengan derajat kebebasan (dk) = k
𝑱𝑲𝒓𝒆𝒔= Σ (𝒀 − 𝒀�)P2 (2.11)
2.11 Koefisien Determinasi
Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui seberapa besar kemampuan variabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (X) yang ada dalam model persamaan regresi linier berganda secara bersama-sama. Maka 𝑅2 akan ditetukan dengan rumus, yaitu:
𝑅2 =𝐽𝐾∑ 𝑦𝑟𝑒𝑔2 (2.12)
Dengan :
𝑱𝑲𝒓𝒆𝒈 = 𝒃𝟏𝜮𝒚𝒙𝟏+ 𝒃𝟐𝜮𝒚𝒙𝟐+ 𝒃𝟑𝜮𝒚𝒙𝟑 (2.13) Harga R2 diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing variable yang tinggal dalam regresi. Hal ini mengakibatkan variansi yang dijelaskan penduga hanya disebabkan oleh varabel yang berpengaruh saja.
2.12 Koefisien Korelasi
Studi yang membahas derajat hubungan antara variabel – variabel dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. (Sudjana, 2001;367).
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lainnya. Dalam ilmu statistik, istilah korelasi diartikan sebagai hubungan linier antara dua variabel atau lebih.
Formula untuk menghitung koefisien korelasi dengan menggunakan teknik koefisien korelasi Product Moment Correlation dari Karl Pearson.
2.12.1 Perhitungan Korelasi antara Variabel Y dengan Xi 1. Koefisien korelasi antara variabel (Y) dengan variabel (X1).
ryx1 = 𝒏 ∑ 𝑿𝟏𝒀𝟏−(∑ 𝑿𝟏)(∑𝒀)
��𝒏 ∑ 𝑿𝟏𝟐−(∑𝑿𝟏)𝟐��𝒏∑ 𝒀𝟐−(∑𝒀)𝟐� (2.14)
2. Koefisien korelasi antara variabel (Y) variabel (X2).
ryx2 = 𝒏 ∑ 𝑿𝟐𝒀𝟏−(∑ 𝑿𝟐)(∑𝒀)
��𝒏 ∑ 𝑿𝟐𝟐−(∑𝑿𝟐)𝟐��𝒏∑ 𝒀𝟐−(∑𝒀)𝟐� (2.15)
3. Koefisien korelasi antara variabel (Y) variabel (X3).
ryx3 = 𝒏 ∑ 𝑿𝟑𝒀𝟏−(∑ 𝑿𝟑)(∑𝒀)
��𝒏 ∑ 𝑿𝟑𝟐−(∑𝑿𝟑)𝟐��𝒏∑ 𝒀𝟐−(∑𝒀)𝟐�
(2.16) Keterangan:
r
yx = Koefisien korelasi antara variabel terikat (Y) dengan variabel bebas (X) n = Banyaknya data2.12.2 Perhitungan korelasi Antara Variabel bebas
𝑟𝑖𝑗= 𝑛 ∑ 𝑋𝑖𝑋𝑗−(∑ 𝑋𝑖)(∑𝑋𝑗)
��𝑛 ∑ 𝑋𝑖2−(∑𝑋𝑖)2��𝑛 ∑ 𝑋𝑗2−(∑𝑋𝑗)2� (2.17) Keterangan:
rij = Koefisien korelasi antara variabel bebas satu dengan variabel bebas lainnya.
n = Banyaknya data
Untuk lebih mengetahui seberapa jauh derajat antara variabel-variabel tersebut, didapat hubungan antar variabel dapat dikelompokkan menjadi 3 jenis hubungan
dilihat dalam perumusan berikut:
Tabel 2.1 Interpretasi Koefisien Korelasi
r Interpretasi
0,80 < 𝑟 ≤ 1,00 Sangat Tinggi berarti berkorelasi positif 0,60 < 𝑟 ≤ 0,80 Tinggi berarti berkorelasi positif 0,40 < 𝑟 ≤ 0,60 Sedang berarti berkorelasi lemah 0,20 < 𝑟 ≤ 0,40 Rendah berarti berkorelasi negatif
𝑟 ≤ 0,20 Sangat Rendah berarti berkorelasi negatif
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus).
Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan peningkatan variabel lain.
2. Korelasi Negatif
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yag 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 perubahan pada variabel yang lain dengan arah yang tidak teratur (acak), artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan pada variabel yang lain.
BAB 3
METODE PENELTIAN
3.1 Waktu dan Tempat
Pengambilan data dilakukan pada Rabu, 6 Maret 2019 di Kantor Badan Statistika (BPS) Provinsi Sumatera Utara yang beralamat di Jl. Asrama No. 179, Dwi Kora, Medan Helvetia, Kota Medan, Sumatera Utara.
3.2 Peta Lokasi
Adapun peta lokasi Badan Pusat Statistika provinsi Sumatera Utara yang beralamat di Jl. Asrama No. 179, Dwi Kora, Medan Helvetia, Kota Medan, Sumatera Utara.
Gambar 3.1 Peta Lokasi BPS
3.3 Metode Penelitian
3.3.1 Metode Pengumpulan Data
Dalam suatu penelitian, data merupakan kunci utama untuk menyelesaikan permasalahan yang dihadapi, dan pengumpulan data sangat berpengaruh untuk mendapatkan data yang benar, tepat, dan akurat. Data yang diperlukan untuk riset ini, menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Data sekunder adalah data yang dikumpulkan, diperoleh dari instansi ataupun telah dikumpulkan oleh pihak lain sebelumnya. Sumber data sekunder adalah buku, laporan, perusahaan dan lain sebagainya. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka- angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data.
3.3.2 Data Menurut Cara Memperolehnya
Berdasarkan sumbernya, data penelitian dapat dikelompokkan dalam dua jenis yaitu data primer dan data sekunder.
(1) Data primer adalah data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari sumber datanya. Data primer disebut juga sebagai data asli atau data baru yang memiliki sifat up to date. Untuk mendapatkan data primer, peneliti harus mengumpulkannya secara langsung. Teknik yang dapat digunakan peneliti untuk mengumpulkan data primer antara lain observasi, wawancara, diskusi terfokus (focus grup discussion – FGD) dan penyebaran kuesioner.
(2) Data Sekunder adalah data yang diperoleh atau dikumpulkan peneliti dari berbagai sumber yang telah ada (peneliti sebagai tangan kedua). Data sekunder dapat diperoleh dari berbagai sumber seperti Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan lain-lain.
Pemahaman terhadap kedua jenis data di atas diperlukan sebagai landasan dalam menentukan teknik serta langkah-langkah pengumpulan data penelitian.
3.4 Menentukan Topik Penelitian
Pada tahapan ini ditetapkan topik utama yang menjadi fokus dalam melakukan penelitian. Penentuan topik dilakukan berdasarkan latar belakang permasalahan yang diangkat, tinjauan terhadap penelitian-penelitian yang telah dilakukan, diskusi dengan dosen pembimbing, dan pihak terkait lainnya. Dalam tugas akhir ini topik penelitiannya adalah Analisis Faktor Yang Mempengaruhi Permintaan Impor Beras di Indonesia
BAB 4
HASIL DAN PEMBAHASAN
4.1 Pengumpulan Data
Data merupakan alat bagi pengambilan keputusan yang tepat dan juga sebagai dasar untuk memecahkan masalah yang dihadapi. Maka penelitian ini menggunakan data sekunder yang bersifat time series yang dimulai dari tahun 2008 hingga tahun 2017 berupa data statistik. Data tersebut diperoleh dari instansi yang terkait dengan penelitian yaitu Kantor Badan Pusat Statistik Provinsi Sumatera Utara.
4.2 Pengolahan Data
Untuk membahas dan memecahkan masalah mengenai pengaruh jumlah permintaan beras impor di Indonesia, akan digunakan data yang telah dikumpulkan sebelumnya. Yaitu tentang harga beras impor di Indonesia, produksi beras, nilai tukar rupiah terhadap dolar Amerika. Proses pengolahan dan penganalisisan data dilakukan dengan perhitungan manual dan juga dengan menggunakan program SPSS, yaitu salah satu program statistik yang mampu memproses data dengan cepat namun hasilnya dapat mewakili dalam pengambilan keputusan yang relatif baik karena mendekati keadaan sebenarnya.
Adapun datanya adalah sebagai berikut :
Tabel 4.1 Data Impor Beras, CIF Value, Produksi Beras dan Kurs Rupiah
Tahun Impor Beras CIF Value Produksi Beras Kurs
2008 289,689 124,1428 60325,925 9771,67
21
2009 250,473 108,1533 64398,89 10356,17
2010 687,582 360,785 66469,394 9078,25
2011 2750,48 1513,164 65756,904 8773,25
2012 1810,37 945,6232 69056,126 9418,58
2013 472,665 246,0021 71279,709 10562,67
2014 844,164 388,1785 70846,465 11884,5
2015 861,601 351,6022 75397,841 13457,58
2016 1283,18 531,8416 75598,732 13329,83
2017 305,275 143,6417 78923,831 13398,17
Jumlah 9555,48 4713,134 698053,82 110030,67 di mana:
Jumlah Impor Beras (juta kg) : 𝑌 Harga Impor Beras (juta US$) : 𝑋1
Produksi Beras (juta Ton) : 𝑋2 Rata-rata Kurs Rupiah Per Tahun (ribu Rp) : 𝑋3
Tabel 4.2 Penghitungan Data Impor Beras, CIF Value, Produksi Beras dan Kurs Rupiah
Nomor Y X1 X2 X3
1 289,689 124,1428 60325,925 9771,67
2 250,473 108,1533 64398,89 10356,17
22
3 687,582 360,785 66469,394 9078,25
4 2750,48 1513,164 65756,904 8773,25 5 1810,37 945,6232 69056,126 9418,58
6 472,665 246,0021 71279,709 10562,67
7 844,164 388,1785 70846,465 11884,5
8 861,601 351,6022 75397,841 13457,58
9 1283,18 531,8416 75598,732 13329,83
10 305,275 143,6417 78923,831 13398,17 Jumlah 9555,48 4713,134 698053,82 110030,67
Lanjutan Tabel 4.2
X1X2 X1X3 X2X3 YX1 YX2
7489029,2421 1213082,4745 589485032 35963 17475781 6964952,4698 1120053,9609 666925853 27089 16130190 23981160,3143 3275296,4263 603425776 248069 45703126 99500947,0058 13275361,6764 576901758 4161920 180862799 65301074,8477 8906427,7591 650410647 1711930 125017298 17534958,1014 2598439,0016 752904044 116277 33691402 27501074,5140 4613307,3833 841974813 327686 59806014 26510046,7709 4731714,7347 1014672477 302941 64962855 40206550,5849 7089358,1149 1007718246 682448 97006668
23
11336753,2554 1924535,9157 1057434905 43850 24093441 326326547,1 48747577,45 7761853550 7658173,062 664749573,3
Lanjutan Tabel 4.2
YX3 Y2 X12
X22
X32
2830749,22 83920 15411 3639217227 95485535
2593942 62737 11697 4147217033 107250257
6242036,75 472768 130166 4418180339 82414623 24130615,3 7565119 2289664 4323970424 76969916 17051136,3 3277448 894203 4768748538 88709649 4992601,25 223412 60517 5080796915 111569998 10032463,5 712612 150683 5019221603 141241340 11595064,4 742356 123624 5684834427 181106459 17104551,3 1646547 282855 5715168280 177684368 4090120,99 93193 20633 6228971100 179510959 100663281 14880112 3979453,515 49026325886 1241943104
Dari tabel 4.2 diperoleh : n = 10
∑ 𝑋 ∑ 𝑌 𝑋
24
∑ 𝑋 ∑
∑ 𝑋 ∑ 𝑋
∑ 𝑋 𝑋 ∑
∑ 𝑋 𝑋 ∑
∑ 𝑋 𝑋 ∑
∑ 𝑌 ∑ 𝑌
Dari rumus (2.3) di dapat persamaan dibawah ini:
∑ 𝑌 ∑ 𝑋 ∑ 𝑋 ∑ 𝑋
∑ 𝑌 𝑋 ∑ 𝑋 ∑ 𝑋 ∑ 𝑋 𝑋 ∑ 𝑋 𝑋
∑ 𝑌 𝑋 ∑ 𝑋 ∑ 𝑋 𝑋 ∑ 𝑋 ∑ 𝑋 𝑋
∑ 𝑌 𝑋 ∑ 𝑋 ∑ 𝑋 𝑋 ∑ 𝑋 𝑋 ∑ 𝑋
Dapat disubsitusikan ke dalam nilai-nilai yang sesuai sehingga diperoleh:
9555,48 = + +
= + + + 66479573,3 = 698053,817 + + 49026325886 + 776183550 100663281 = 110030,67 + 48747577,5 + 7761853550 + 1241943104
Setelah persamaan di atas diselesaikan,maka diperoleh koefisien-koefisien regresi linier berganda sebagai berikut:
b0 = -4,918 b1 = 1,912 b2 = -0,011
25
b3 = 0,076
Dengan demikian, persamaan regresi linier ganda dari persamaan (2.2) atas 𝑋 𝑋 𝑋 𝑌 adalah:
𝑌̂ 𝑋 𝑋 𝑋
4.3 Menghitung Kekeliruan Baku
Setelah diperoleh persamaan regresi berganda, angkah selanjutnya adalah menghitung kesalahan baku (Standard Error). Untuk menghitung kesalahan baku diperlukan harga Ŷ yang diperoleh dari persamaan regresi diatas untuk tiap harga 𝑋 𝑋 𝑋 yang diketahui. Maka untuk mencari kesalahan baku dibuat terlebih dahulu seperti tabel dibawah ini:
Harga Penyimpangan (Ŷ) Tabel 4.3 Harga Penyimpangan Baku
Nomor Y Ŷ Y-Ŷ (Y-Ŷ)2
1 289,7 303,730 -14,041 197,151
2 250,5 272,268 -21,795 475,020
3 687,6 635,233 52,348 2740,339
4 2 750,5 2823,013 -72,537 5261,619
5 1 810,4 1750,361 60,012 3601,401
6 472,7 475,013 -2,348 5,514
7 844,2 851,946 -7,782 60,566
26
8 861,6 850,840 10,761 115,803
9 1 283,2 1183,477 99,701 9940,333
10 305,3 409,593 -104,319 10882,385
Jumlah 33280,132
Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus(2.4)
∑ 𝑌 𝑌̂
Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata pengaruh permintaan impor beras yang sebenarnya akan menyimpang rata-rata yang diperkiran sebesar .
4.4 Uji Regresi Linier Ganda
4.4.1 Uji F(Simultan) 1. Perumusan hipotesis:
𝑋 𝑋 𝑋 tidak mempengaruhi 𝑌
Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi 𝑌.
2. Mencari nilai Ftabel
Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk penyebut (v2) = n – k – 1 = 10 – 3 – 1 = 6, maka diperoleh = F = 4,76.
27
3. Menentukan Kriteria Pengujian Dengan : diterima jika
ditolak jika
4. Menentukan nilai statitik Fhit
Untuk nilai dapat dicari dengan rumus (2.5) :
⁄
⁄
Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai nilai y, x1, x2, x3 dapat digunakan rumus(2.7) (2.8) (2.9) (2.10):
𝑋 𝑋̅
𝑋 𝑋̅
𝑋 𝑋̅
𝑌 𝑌̅
Dengan :
𝑋̅ 𝑋̅
𝑋̅
𝑌̅
Pengujian Regresi Linier Ganda
Tabel 4.4 Penghitungan Uji Keberartian Regresi
Nomor y x1 x2
1 -665,858 -347,17 -9479,5
2 -705,074 -363,16 -5406,5
28
3 -267,966 -110,53 -3336
4 1794,929 1041,85 -4048,5
5 854,8248 474,31 -749,26
6 -482,883 -225,31 1474,33
7 -111,384 -83,135 1041,08
8 -93,9465 -119,71 5592,46
9 327,631 60,5282 5793,35
10 -650,273 -327,67 9118,45
Jumlah -2,3E-12 4,5E-13 2,9E-11
Lanjutan Tabel 4.4
x3 y2 x12
x22
-1231,4 443367,0 120527,4186 89860099,33
-646,9 497129,9 131885,251 29230152,5
-1924,8 71805,8 12216,525 11128813,93
-2229,8 3221769,0 1085451,652 16390171,69
-1584,5 730725,4 224969,7959 561384,104
-440,4 233175,8 50765,1774 2173640,988
881,433 12406,4 6911,409935 1083854,438
2454,51 8825,9 14330,76901 31275601,02
2326,76 107342,1 3663,664206 33562907,7
2395,1 422854,8 107368,7364 83146117,64
9,1E-12 5749402,184 1758090,399 298412743,3
29
Lanjutan Tabel 4.4
x32
yx1 yx2 yx3
1516338,6 231166,35 6311973 819935,6668
418475,73 256054,88 3811978,9 456110,5141 3704920,5 29617,851 893931,28 515785,5122
4972083,9 1870046,7 -7266729 -4002362,53
2510599,1 405451,79 -640482,4 -1354458,78 193949,52 108798,95 -711927,3 212660,1365
776924,13 9259,88 -115959,8 -98177,357
6024634,1 11246,447 -525392 -230592,906
5413826,1 19830,918 1898081,2 762319,6885
5736518,4 213076,02 -5929480 -1557470,57
31268270 3154549,7 -2274006 -4476250,63
Dari tabel 4.4 diatas dapat dihitung JKreg dengan rumus (2.13):
( x 3154549,7) + ( x -2274006,4) + ( x -4476250,63) = 5716122
30
Untuk didapat dari persamaan (2.11) yaitu ∑ 𝑌 𝑌̂ , maka nilai dapat dicari dengan rumus(2.5) :
⁄
⁄
⁄
⁄
= 343,516
Dari tabel distribusi dengan dk pembilang = 3, dk penyebut = 6, dan , diperoleh = 4,76 Karena Fhit = 343,516 lebih besar daripada Ftab= 4,76 maka Ho ditolak dan H1 diterima. Hal ini berarti persamaan regresi linier berganda Y atas X1, X2, X3 bersifat nyata/real atau berarti bahwa nilai CIF value, produksi beras, nilai kurs rupiah terhadap dollar mempengaruhi permintaan impor beras di Indonesia.
4.5 Koefisien Determinasi Linier Berganda
Berdasarkan tabel sebelumnya dapat dilihat harga ∑ sedangkan Jkreg yang telah dihitung adalah 5716122. Maka selanjutnya koefisien determinasi dicari dengan rumus (2.12):
∑ Sehingga didapat koefisien determinasi:
31
Dan untuk koefisien korelasi berganda, dapat digunakan rumus : R = √
= √
= 0,9971
Dari hasil perhitungan didapat nilai koefisien determinasi sebesar ( ) dan dengan mencari akar dari R2, diperoleh koefisien korelasi berganda sebesar. 0,9971.
Nilai tersebut digunakan untuk mengetahui pengaruh variabel independen terhadap perubahan variabel dependent. Artinya 99,4 % mahasiswa lama waktu belajarnya dipengaruhi oleh ketiga faktor yang dianalisis, sedangkan 0,06 % sisanya di pengaruhi oleh faktor-faktor lainnya.
4.6 Koefisien Korelasi
Studi yang membahas derajat hubungan antara variabel – variabel dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. (Sudjana, 2001;367).
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lainnya. Dalam ilmu statistik, istilah korelasi diartikan sebagai hubungan linier antara dua variabel atau lebih.
Formula untuk menghitung koefisien korelasi dengan menggunakan teknik koefisien korelasi Product Moment Correlation dari Karl Pearson.
32
4.6.1 Perhitungan Korelasi antara Variabel Y dengan Xi
1. Koefisien korelasi antara jumlah permintaan impor beras (Y) dengan jumlah nilai CIF Value (X1) dapat dihitung dengan menggunakan rumus (2.14).
ryx1 ∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
=
√{ }{ }
= 0,99
2. Koefisien korelasi antara jumlah permintaan impor beras (Y) dengan jumlah produksi beras (X2) dapat dihitung dengan menggunakan rumus (2.15).
ryx2 ∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
=
√{ }{ }}
= -0,55
3. Koefisien korelasi antara jumlah permintaan impor beras (Y) nilai kurs rupiah terhadap dollar (X3) dapat dihitung dengan menggunakan rumus (2.16).
ryx3 ∑ ∑ ∑
√{ ∑ ∑ }{ ∑ ∑ }
=
√{ }{ }
= -0,33
4.6.2 Perhitungan korelasi Antara Variabel bebas
Koefisien korelasi antar variabel bebas dapat dihitung dengan rumus (2.17) sebagai berikut:
33
∑ 𝑋𝑋 ∑ 𝑋 ∑ 𝑋
√{ ∑ 𝑋 ∑ 𝑋 }{ ∑ 𝑋 ∑ 𝑋 }
1. Koefisien korelasi antara nilai CIF Value 𝑋 dengan produksi beras 𝑋 .
∑ 𝑋 𝑋 ∑ 𝑋 ∑ 𝑋
√{ ∑ 𝑋 ∑ 𝑋 }{ ∑ 𝑋 ∑ 𝑋 }
=
√{ }{ }
= -0,117
2. Koefisien korelasi antara jumlah produksi beras 𝑋 dengan nilai kurs Rupiah terhadap Dollar 𝑋 .
∑ 𝑋 𝑋 ∑ 𝑋 ∑ 𝑋
√{ ∑ 𝑋 ∑ 𝑋 }{ ∑ 𝑋 ∑ 𝑋 }
=
√{ }{ }
= -0,420
3. Koefisien korelasi antara jumlah produksi beras 𝑋 terhadap nilai kurs Rupiah terhadap Dollar 𝑋 .
∑ 𝑋 𝑋 ∑ 𝑋 ∑ 𝑋
√{ ∑ 𝑋 ∑ 𝑋 }{ ∑ 𝑋 ∑ 𝑋 }
=
√{ }{ }
= 0,840
34
Tabel 4.5 Nilai Korelasi Antar Variabel
Y X1 X2 X3
Y 1 0,99 -0,55 -0,33
X1 0,99 1 -0,117 -0,420
X2 -0,55 -0,117 1 0,840
X3 -0,33 -0,420 0,840 1
4.7 Implementasi Sistem
Dengan menggunakan aplikasi SPSS 17.0 berikut langkah – langkah pengerjaan dengan SPSS.
1. Buka aplikasi SPSS 17.0 lalu akan muncul lembar kerja Data View seperti dibawah ini.
Gambar 4.1 Tampilan SPSS
35
2. Setelah itu kita pindah ke lembar kerja Variabel View untuk memasukkan variabel – variabel yang ingin diolah.
Gambar 4.2 Tampilan SPSS
3. Setelah mengisikan variabel pada lembar kerja Variable View lalu isikan angka nya pada lembar kerja Data View.
Gambar 4.3 Tampilan SPSS
36
4. Di lembar kerja Data View ini semua data yang dimiliki diisi dan akan diolah.
Gambar 4.4 Tampilan SPSS
5. Setelah data selesai dimasukkan kemudian klik Analyze Regression Linear.
Gambar 4.5 Tampilan SPSS
37
6. Kemudian akan muncul kitak Linear Regression, masukkan variabel impor pada kolom Dependen dan variabel lainnya pada kolom Independen lalu klik kolom Statistics.
Gambar 4.6 Tampilan SPSS
7. Di dalam kotak dialog ini dapat dipilih apa saja yang ingin ditampilkan pada hasil output nanti nya, seperti tingkat kepercayaan dan model fit dapat diberi tanda centang lalu klik Continue dan tanda OK.
Gambar 4.7 Tampilan SPSS
38
8. Maka akan keluar hasil dari pengolahan data yang telah dimasukkan sebelumnya.
Gambar 4.8 Tampilan SPSS
Tabel 4.6 Hasil Koefisien Korelasi Berganda dari SPSS Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .997a .994 .991 74.47636
a. Predictors: (Constant), KURS, CIF, PROD.BERAS
Tabel 4.7 Hasil Jkreg dan Fhitdari SPSS
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 5716120.915 3 1905373.638 343.513 .000a Residual 33280.365 6 5546.728
Total 5749401.281 9
a. Predictors: (Constant), KURS, CIF, PROD.BERAS b. Dependent Variable: IMPOR
39
Tabel 4.8 Hasil Korelasi Antar Variabeldari SPSS Correlations
IMPOR CIF PROD.BERAS KURS Pearson Correlation IMPOR 1.000 .992 -.055 -.334
CIF .992 1.000 -.117 -.420
PROD.BERAS -.055 -.117 1.000 .840
KURS -.334 -.420 .840 1.000
Sig. (1-tailed) IMPOR . .000 .440 .173
CIF .000 . .374 .114
PROD.BERAS .440 .374 . .001
KURS .173 .114 .001 .
N IMPOR 10 10 10 10
CIF 10 10 10 10
PROD.BERAS 10 10 10 10
KURS 10 10 10 10
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data, maka dapat diambil beberapa kesimpulan sebagai berikut:
a. Persamaan regresi linier berganda yang didapatkan adalah : 𝑌� = −4,918 + 1,912𝑋1− 0,011𝑋2+ 0,076𝑋3
b. Hasil uji koefisien determinasi (R2) adalah 0,99421 yang artinya, 99,4%
variabel dependen impor beras dapat dijelaskan dengan baik oleh ketiga variabel independen. Sedangkan, 0,06% sisanya dijelaskan oleh faktor-faktor lain yang tidak diteliti oleh penelitian ini.
c. Berdasarkan perhitungan uji F diketahui bahwa Fhit (343,516) > Ftab (4,76) sehingga 𝐻0 ditolak dan 𝐻1diterima. Hal ini berarti persamaan regresi linier berganda 𝑌 atas 𝑋1, 𝑋2, dan 𝑋3 bersifat nyata yang berarti bahwa harga impor beras, produksi beras dan kurs rupiah secara bersama-sama mempengaruhi tingkat permintaan Impor Beras di Indonesia.
d. Nilai korelasi antara Harga Impor Beras dan permintaan Impor Beras merupakan yang paling tinggi yaitu 0,9971.
e. Nilai korelasi antar permintaan impor beras terhadap nilai CIF Value, produksi beras dan nilai kurs rupiah terhadap dollar secara berturut – turut adalah 99%, -55%, -33%
5.2 Saran
Setelah penelitian dilakukan, diketahui bahwa harga impor beras yang paling mempengaruhi permintaan beras impor di Indonesia. Hal ini mungkin terjadi karena harga beras impor lebih murah dibanding beras dalam negeri. Melihat hal ini, ada banyak faktor mengapa hal itu terjadi. Salah satunya adalah harga beras dalam negeri
relatif mahal. Faktor lain yang perlu dipertimbangkan adalah produksi beras yg meningkat masih belum mencukupi konsumsi beras nasional. Dan dalam usaha menyelamatkan industri beras nasional diperlukan cara misalnya meningkatkan efisiensi dan produktivitas industri beras nasional, meningkatkan kelancaran alih teknologi, pemberian subsidi kepada petani, pembenahan kembali kebijakan pemerintah secara konsisten, dan lain sebagainya.
Dan supaya hal ini tidak berkelanjutan, maka disarankan kegiatan impor beras semakin dikurangi serta perlunya kebijakan baru yang diambil dan dijalankan pemerintah Indonesia untuk mendorong peningkatan produktivitas pertanian, baik dalam peningkatan luas lahan petanian, kebijakan harga dasar, pemberian subsidi untuk pupuk, penyediaan teknologi pertanian serta peningkatan kualitas petani.
DAFTAR PUSTAKA
Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. BPFE.
YOGYAKARTA
BPS.2000-2014. Impor Berdasarkan Negara Asal Utama. bps.go.id.
https://www.bps.go.id/linkTabelStatis/view/id/1043 [19 September 2015]
Badan Pusat Statistik. 2014. Sumatera Utara dalam Angka. Medan
BPS.2000-2015. Kurs Tengah Beberapa Mata Uang Asing Terhadap Rupiah di Bank Indonesia dan Harga Emas di Jakarta (rupiah), 2000 - 2015.
bps.go.id.https://www.bps.go.id/linkTabelStatis/view/id/1335 [26 April 2016]
BPS. 1993-2015. Produksi Padi Menurut Provinsi. bps.go.id.
https://www.bps.go.id/linkTableDinamis/view/id/865 [2 September 2015]
Sudjanna. 2002. Metode Statistika, Edisi 6. TARSITO. Bandung.
Ugiana Gio, Prana. 2013. Aplikasi Statistika dalam SPSS, USU Press. Medan Pasaribu, Amudi. 1975. Pengantar Statistika. Jakarta : Ghalia.
Usman, husaini. 1995. Pengantar Statistika. Jakarta : Bumi Aksara.
BPS. 2003. Statistik Indonesia. Biro Pusat Statistik, Jakarta.
BPS. 2007. Statistik Indonesia. Biro Pusat Statistik, Jakarta.
Hasan, iqbal. 2002. Pokok-pokok Materi Statistik 2, Statistik Inferensif.
Jakarta : Bumi Aksara.
Apriyantono, Anton. 2007. Konsep pembangunan pertanian. http://www.
pertanian.go.id/renbangtan/konsep_pembangunan_pertanian.pdf (28 Desember 2013)
https://www.kemendag.go.id/id/economic-profile/economic- indicators/exchange-rates
