ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN KOTA MEDAN TUGAS AKHIR

1

ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN KOTA MEDAN TUGAS AKHIR

JOHANNES HASIBUAN NIM:062407138

PROGRAM STUDI DIII STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2009

Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

2

ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN KOTA MEDAN TUGAS AKHIR Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

JOHANNES HASIBUAN NIM:062407138

PROGRAM STUDI DIII STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2009


3

PERSETUJUAN

Judul

Kategori Nama Nomor Induk Mahasiswa Program Studi Departemen Fakultas

: ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN KOTA MEDAN : TUGAS AKHIR : JOHANNES HASIBUAN : 062407138 : D3 STATISTIKA : MATEMATIKA : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2009

Diketahui/Disetujui oleh Departemen Matematika FMIPA USU Ketua,

Pembimbing

Dr. Saib Suwilo, M.Sc. NIP. 131 796 149

Drs. Pengarapen Bangun, M.Si. NIP. 131 695 909


4

PERNYATAAN ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN KOTA MEDAN TUGAS AKHIR Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri,kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan,

Mei 2009

JOHANNES HASIBUAN 062407138


5

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat dan karunia yang telah diberikan sehingga penulis dapat menyelesaikan tugas akhir ini dalam waktu yang telah ditetapkan. Tujuan dari tugas akhir ini adalah untuk melengkapi persyaratan dalam memperoleh gelar Ahli Madya pada Program Diploma-III Jurusan Statistika FMIPA USU. Sehubungan dengan penulisan tugas akhir ini, penulis memilih judul “Analisis Regresi Berganda Terhadap Faktor-Faktor Yang Mempengaruhi Laju Inflasi”. Penulis banyak menerima saran dan bimbingan dari berbagai pihak baik secara langsung maupun tidak langsung selama menyelesaikan tugas akhir ini. Untuk itu pada kesempatan ini,penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Bapak Drs. Pengarapen Bangun,M.Si selaku dosen pembimbing yang sangat membantu dalam penyusunan Tugas Akhir ini. 2. Bapak Prof.Dr.Eddy Marlianto, M.Sc, selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam USU.

3. Bapak Dr.Saib Suwilo,M.Sc, ketua Departemen dan Jurusan Matematika FMIPA USU. 4. Bapak dan Ibu Dosen pengajar program D-III Statistika.

5. Seluruh staf dan pegawai FMIPA USU. 6. Bapak ketua BPS Provinsi Sumatera Utara yang telah mengijinkan penulis melakukan riset data untuk penyusunan tugas akhir ini.

7. Orangtua tercinta yang selalu Tuhan memberkati.

memberikan dukungan dan semangat, semoga

8. Buat teman senasib seperjuangan Firdaus, Chanro,Sony,Agus ,Patar. Buat semua teman-temanku Stat C ’06,serta semua yang tidak disebutkan namanya terima kasih atas dukungan dan kerjasamanya selama ini. 9. Buat teman-teman di kos Patriman,Patetron,Kumuluz.


6

Penulis menyadari bahwa tugas akhir ini masih jauh dari sempurna,disamping pengetahuan dan pengalaman penulis yang terbatas. Untuk itu penulis mengharapkan saran dan kritik yang membangun dari semua pihak yang membacanya. Demikianlah kiranya tugas akhir ini dapat bermanfaat bagi siapa saja yang membacanya,khususnya bagi mahasiswa/i statistika di FMIPA USU. Medan, Penulis,

Mei 2009

JOHANNES HASIBUAN 062407138


7

DAFTAR ISI

Halaman Persetujuan Pernyataan Penghargaan Daftar Isi Daftar Tabel Daftar Gambar BAB 1 : PENDAHULUAN 1.1 Latar Belakang 1.2 Identifikasi Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Metodologi Penelitian 1.7 Tinjauan Pustaka 1.8 Sistematika Penulisan

i ii iii v vii viii

1 3 3 3 3 4 4 6

BAB 2 : LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi 2.2 Persamaan Regresi 2.2.1 Persamaan Regresi Linier Sederhana 2.2.2 Persamaan Regresi Linier Berganda 2.3 Uji Regresi Linier Ganda 2.4 Koefisien Determinasi 2.5 Koefisien Korelasi 2.6 Uji Koefisien Regresi Ganda

8 9 10 11 16 17 18 21

BAB 3 : SEJARAH SINGKAT BADAN PUSAT STATISTIK 3.1 Sejarah Singkat Badan Pusat Statistik 3.1.1 Masa Pemerintahan Hindia Belanda 3.1.2 Masa Pemerintahan Jepang 3.1.3 Masa Pemerintahan RI 3.1.4 Masa Orde Baru-Sekarang 3.2 Visi dan Misi 3.3 Kedudukan dan Fungsi BPS 3.4 Tata Kerja BPS 3.5 Tugas BPS 3.6 Struktur Organisasi BPS

23 23 24 24 25 26 27 28 28 31


8

BAB 4 : ANALISIS DATA 4.1 Pengolahan Data 4.2 Persamaan Regresi Linier Berganda 4.3 Uji Regresi Linier Berganda 4.4 Mencari Koefisien Determinasi 4.5 Mencari Koefisien Korelasi 4.5.1 Perhitungan Korelasi Antara Variabel Y dengan Xi 4.5.2 Perhitungan Korelasi Antara Variabel Bebas 4.6 Pengujian Koefisien Regresi Berganda BAB 5 : IMPLEMENTASI SISTEM 5.1 Pengertian Implementasi Sistem 5.2 Peranan Komputer Dalam Statistika 5.3 Cara Kerja SPSS 5.4 Mengoperasikan SPSS 5.4.1 Mengaktifkan Program SPSS pada Windows 5.4.2 Pemasukan Data 5.4.3 Menyimpan Data 5.5 Analisis Regresi dengan SPSS 5.6 Analisis Korelasi dengan SPSS BAB 6 : PENUTUP 6.1 Kesimpulan 6.2 Saran

34 36 40 43 43 43 44 45 48 48 50 51 52 52 56 57 58

61 62

DAFTAR PUSTAKA LAMPIRAN


9

DAFTAR TABEL

Halaman Tabel 2.1 Data Hasil Pengamatan dari n Responden

(X1,X2,…,Xk,Y) Tabel 4.1 Data Indeks Harga Konsumen, Indeks Harga Sandang, dan Indeks Harga Pangan .

12

35

Tabel 4.2 Nilai-nilai yang dibutuhkan untuk menghitung koefisien-koefisien

36

Tabel 4.3 Harga Penyimpangan Ŷ

39

Tabel 4.4 Harga-harga yang diperlukan untuk uji regresi linier ganda

41


10

DAFTAR GAMBAR

Halaman

Gambar 3.1 Gambar 5.1 Gambar 5.2 Gambar 5.3 Gambar 5.4 Gambar 5.5 Gambar 5.6 Gambar 5.7

Bagan Struktur BPS Tampilan saat membuka SPSS pada windows Tampilan pada pengisian variabel view Tampilan pada data view Tampilan saat membuka persamaan regresi Tampilan pada kotak dialog regresi Tampilan analisis korelasi Tampilan pada kotak dialog korelasi

33 52 55 56 57 58 59 60


11

BAB 1

PENDAHULUAN

1.1

Latar Belakang

Di dalam era globalisasi ini samgat diperlukan adanya dukungan dan koordinasi dari berbagai

pihak

untuk

mewujudkan

adanya

pembangunan

yang

terpadu

dan

berkesinambungan. Diantaranya adalah pembangunan dalam bidang ekonomi yang bertujuan untuk meningkatkan pendapatan masyarakat secara baik dan dapat diterimanya secara adil dan merata.

Untuk mencapai tujuan tersebut diperlukan adanya dukungan data-data yang baik sesuai dengan bidang dan sektornya, salah satu sektor ekonomi yang dianggap penting adalah Indeks Harga Konsumen, karena dapat memberikan gambaran tentang laju inflasi/deflasi di suatu daerah.

Pengertian Indeks Harga Konsumen (IHK) adalah angka indeks yang mengambarkan perubahan harga barang dan jasa yang dikonsumsi oleh masyarakat secara umum pada suatu periode waktu tertentu dengan periode waktu yang telah ditetapkan. Periode waktu yang telah ditetapkan sebagai dasar perhitungan atau pembanding ditentukan sama dengan 100. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

12

Adapun kegunaan angka indeks adalah pertama, untuk mengetahui perkembangan harga sehingga stabilitas harga dapat diamati terutama harga kebutuhan pokok masyarakat.

Kedua,

untuk

mengetahui

pertumbuhan

ekonomi.

Ketiga,

untuk

kebijaksanaan pemerintah dalam menentukan gaji pegawai negeri maupun upah buruh bagi para pegawai perusahaan swasta. keempat, bagi dunia perbankan dapat diggunakan sebagai pedoman menentukan kebijakan interest rate para nasabah

Mengingat pentingnya angka Indeks Harga Konsumen, penulis ingin menganalisis faktor-faktor yang mempengaruhi Indeks Harga Konsumen yaitu indeks yang merupakan kebutuhan pokok dari manusia indeks harga sandang, yaitu indeks yang mengambarkan perubahan barang pakai dalam hal ini pakaian dan indeks harga pangan dalam hal ini indeks yang mengambarkan perubahan harga sembilan bahan pokok ini yang menjadi dasar penulis mengambil judul “Analisis Indeks Harga Konsumen terhadap Indeks Harga Sandang dan Pangan”

1.2 Perumusan Masalah

Yang menjadi perumusan permaslahan disini adalah untuk menganalisis faktor-faktor yang mempengaruhi Indeks Harga Konsumen dengan analisis regresi berganda dan untuk mengetahui seberapa besar pengaruh faktor-faktor tersebut. Adapun faktor yang akan dibahas adalah Indeks Harga Sandang dan Pangan.


13

1.3 Batasan Masalah

Agar permasalahan yang dibahas dalam penelitian ini tidak menyimpang penulis hanya memuat dua faktor yang mempengaruhi Indeks Harga Konsumen, dan penulis membatasi wilayahnya yaitu pada ruang lingkup kota Medan

1.4 Tujuan Penelitian

Tujuan dari penelitian yang dilakukan ini adalah :

Untuk mengetahui bagaimana faktor Indeks Harga Sandang dan Pangan mempengaruhi Indeks Harga konsumen dengan analisis regresi berganda dan mengetahui besarnya derajat hubungan antara satu faktor dengan faktor lain dengan analisis korelasi

1.5 Metodologi Penelitian

Metodologi ini ditujukan untuk mengetahui metode dalam pengumpulan data yang sifatnya mengambarkan atau merenungkan :

Adapun metode yang digunakan dalam penelitian ini adalah :


14

1. Library Research (penelitian kepustakaan) yaitu penelitian yang dilakukan penulis dengan mempelajari buku-buku yang memuat teori-teori yang erat kaitannya dengan judul Tugas Akhir yang dipilih dari buku-buku teks, internet maupun catatan-catatan kuliah penulis 2. Field Research (penelitian lapangan) yaitu penelitian yang dilakukan penulis dengan dating langsung ke objek lapangan yaitu Badan Pusat Statistik 3. Metode Pengolahan data

a. Menentukan apa saja yang menjadi variabel bebas (X) dan variabel terikat(Y) b. Mencari persamaan regresi antara variabel X dan Y dengan menggunakan rumus yang telah diperoleh dari buku literature. c. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-sama terhadap variabel tak bebas. d. Uji koefisien regresi berganda dilakukan untuk mengetahui tingkat nyata koefisien-koefisien regresi yang di dapat.

1.6 Waktu dan Lokasi Penelitian

Penelitian dilakukan di Kantor Badan Pusat Statistik Sumatera Utara yang

beralamat

di Jln.Asrama No 179 Medan tepatnya di perpustakaan BPS Medan pada bulan januari 2009.

1.7 Tinjauan Pustaka Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

15

Prinsip dasar permodelan regresi majemuk tidak berbeda dengan regresi sederhana. Hanya saja pada regresi sederhana digunakan satu variabel terikat, maka pada regresi majemuk digunakan lebih dari satu variabel terikat. Dengan semakin banyaknya variabel bebas berarti semakin tinggi pula kemampuan regresi yang dibuat untuk menerangkan variabel terikat, atau peran faktor-faktor lain di luar variabel bebas yang digunakan, yang dicerminkan oleh error semakin kecil.Studi yang menyangkut masalah ini dikenal dengan analisis regresi berganda.

Dengan : i = 1,2,3,….,n = nilai regresi koefisien regresi = variabel bebas

Kemudian akan dilihat bagaimana tingkat hubungan antara satu atau beberapa variabel bebas dengan variabel terikat. Dalam regresi sederhana jika koefisien determinasi tersebut diakarkan maka akan di dapat koefisien korelasi (r) yang merupakan ukuran hubungan linier antar dua variabel (X dan Y). Untuk regresi majemuk dapat dihitung beberapa koefisien korelasi, yaitu korelasi antara Y dengan


16

Rumus korelasi antara Y dengan

adalah :

1.8 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut

BAB 1 : PENDAHULUAN Pada bab ini berisi tentang latar belakang permasalahan ,perumusan masalah, batasan masalah tujuan dan manfaat penelitian ,tinjauan pustaka serta sistematika penulisan.

BAB 2 : LANDASAN TEORI Pada bab ini berisi tentang konsep dasar analisis regresi, persamaan

regresi,

analisis korelasi dan uji koefisien regresi berganda.

BAB 3 : SEJARAH SINGKAT BPS SUMATERA UTARA Pada bab ini berisi tentang sejarah instansi tempat penulis mengadakan penelitian dan pengumpulan data . Isinya berupa sejarah BPS, tugas fungsi landasan hukum dan operasional BPS serta susunan organisasi.

BAB 4 : ANALISA DATA Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

17

Pada bab ini berisi tentang cara penggunaan rumus dan metode yang telah ditentukan dengan tinjauan pustaka.

BAB 5 : IMPLEMENTASI SISTEM Pada bab ini berisi tentang cara mengolah dan menganalisis data dengan program SPSS. BAB 6 : PENUTUP Berisi tentang kesimpulan dan saran dari hasil analisis data.


18

BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabelvariabel 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. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

19

Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tepat dengan nilai riilnya,semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang kita bentuk.

Sehingga dapat didefinisikan bahwa : analisa regresi adalah metode statistika yang 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 diketahui.

2.2 Persamaan Regresi

Persamaan Regresi (regression equation) adalah suatu persamaan matematis yang mendefinisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen 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.


20

Sifat hubungan antarvariabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan variabel bebas (independent variabel),sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel tergantung (dependent variabel).

1.2.1 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 tak bebas Y.

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

µy,x = β0 + β1X

Dengan β0 dan β1 merupakan parameter-parameter yang ada dalam regresi itu.


21

Jika β0, β1 ditaksir oleh b0 dan b1,maka bentuk regresi linier sederhana untuk sampel adalah sebagai berikut :

Ŷ = b0 + b1X

1.2.2 Persamaan Regresi Linier Berganda

Banyak persoalan penelitian/pengamatan yang terjadi sebagai akibat lebih dari dua variabel, atau dengan kata lain memerlukan lebih dari satu peubah bebas dalam membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi Kumulatif) seorang mahasiswa (Y) bergantung pada jumlah jam belajar (X1) ,banyaknya buku yang dibaca (X2),jumlah uang (X3) dan banyak faktor lainnya. Untuk memberikan gambaran tentang suatu permasalahan/persoalan, biasanya sangat sulit ditentukan sehingga diperlukan suatu model yang dapat memprediksi dan meramalkan respon yang penting terhadap persoalan tersebut,yaitu regresi linier berganda.

Bentuk umum model regresi linier berganda untuk populasi adalah : µy,x = β0 + β1X1 + β2X2 + … + βkXk

Dimana β0, β1, β2,…, βk adalah koefisien atau parameter model.

Model regresi linier berganda untuk populasi di atas dapat ditaksir berdasarkan sebuah sampel acak yang berukuran n dengan model regresi linier berganda untuk sampel,yaitu :


22

Ŷ = b0 + b1X1 + b2X2 +…+ bkXk

Dengan :

Ŷ

= nilai penduga bagi variabel Y

b0

= dugaan bagi parameter konstanta β0

b1,b2,…,bk

= dugaan bagi parameter konstanta β1, β2,…, βk

e

= galat dugaan (error)

Untuk mencari nilai b0, b1,b2,…,bk

diperlukan n buah pasang data

(X1,X2,….,Xk,Y) yang dapat disajikan dalam tabel berikut.

Tabel 2.1 : Data Hasil Pengamatan dari n Responden (X1,X2,….,Xk,Y)

Responden

X1

X2

……..

Xk

Y

1

X11

X21

……..

Xk1

Y1

2

X12

X22

……..

Xk2

Y2


23

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

N

X1n

X2n

……...

Xkn

Yn

Dari tabel 2.1 dapat dilihat bahwa Y1 berpasangan dengan X11,X21,….,Xk1, data Y2 berpasangan dengan X12,X22,….,Xk2 dan umumnya data Yn berpasangan dengan X1n,X2n,…,Xkn.

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

Ŷ = b0 + b1X1 + b2X2

Dan diperoleh tiga persamaan normal yaitu : ΣYi

= b0n

+ b1ΣX1i

+ b2ΣX2i

ΣYiΣ1i

= b0ΣX1i

+ b1ΣX1i2

+ b2ΣX1iX2i

ΣYiΣX2i

= b0ΣX2i

+ b1ΣX2iX1 + b2ΣX2i2

Sehingga dalam bentuk matriks dapat dituliskan :


24

=

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

Untuk regresi linier berganda dengan tiga variabel X1,X2,X3 ditaksir oleh :

Ŷ = b0 + b1X1 + b2X2 + b3X3 Untuk rumus di atas harus diselesaikan dengan empat persamaan normal yaitu : ΣYi

= b0n

+ b1ΣX1i

+ b2Σ2i

+ b3ΣX3i

ΣYiX1i

= b0ΣX1i + b1ΣX1i2

+ b2ΣX1iX2i + b3ΣX1iX3i

ΣYiX2i

= b0ΣX2i + b1ΣX2iX1i

+ b2ΣX2i2

ΣYiX3i

= b0ΣX3i + b1ΣX3iX1i + b2ΣX2iX3i + b3ΣX3i2

+ b3ΣX2iX3i

Sehingga dalam bentuk matriks dapat dituliskan :

=

Dengan :

Ŷ

= variabel terikat ( nilai duga Y )


25

X1,X2,X3

= variabel bebas

b0,b1,b2,dan b3 = koefisien regresi linier berganda b0

= nilai Y , apabila X1=X2=X3=0

b1

= besarnya kenaikan/penurunan Y dalam satuan,jika X1 naik/turun satu satuan dimana X2,X3 konstan. = besarnya kenaikan/penurunan Y dalam satuan,jika X2 naik/turun satu

b2

satuan dimana X1,X3 konstan. = kenaikan/penurunan Y dalam satuan,jika X3 naik/turun satu satuan

b3

dimana X1,X2 konstan. = atau -

= tanda yang menunjukkan arah hubungan antara Y dengan variabel bebas X.

Harga-harga b0,b1,b2 dan b3 yang telah didapat kemudian disubstitusikan ke dalam persamaan sehingga diperoleh model regresi linier berganda Y atas X1,X2,X3. Dalam persamaan model regresi linier yang diperoleh,maka antara nilai Y dengan Ŷ akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran S2y.12…k , yang dapat ditentukan oleh rumus :

S2y.12…k =

Dengan : Yi

= nilai data hasil pengamatan


26

Ŷ

=nilai hasil regresi

n

= ukuran sampel

k

= banyak variabel bebas

2.3 Uji Regresi Linier Berganda

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 α dan nilai Ftabel dengan derajat kebebasan v1=k dan v2=nk-1. 3) Menentukan kriteria pengujian H0 diterima bila Fhitung ≤ Ftabel H0 ditolak bila Fhitung > Ftabel 4) Menentukan nilai statistik F dengan rumus :

F= Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

27

Dengan : JKreg

= jumlah kuadrat regresi

JKres

= jumlah kuadrat residu(sisa)

(n-k-1) = derajat kebebasan JKreg

=

+ …+

Dengan : x1i = X1i-

x2i = X2ixki = Xki-

JKres = 5) Membuat kesimpulan apakah H0 diterima atau ditolak.

2.4 Koefisien Determinasi

Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian 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 dalam model persamaan regresi linier berganda secara bersama-sama. Maka R2 akan ditentukan oleh rumus :


28

R2 =

Dengan : JKreg = jumlah kuadrat regresi

=

–

2.5 Koefisien Korelasi

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui adanya derajat hubungan linear antara satu variabel dengan variabel yang lain. Hubungan antara satu variabel dengan variabel yang lainnya dapat merupakan hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan sebab akibat.

Dua variabel dikatakan berkorelasi apabila perubahan pada satu variabel akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah yang berlawanan. Hubungan antar variabel dapat dikelompokkan menjadi 3 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 (berbanding lurus). Artinya,apabila variabel yang satu meningkat,maka akan diikuti dengan peningkatan variabel lain. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

29

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 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 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

Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinytakan dengan koefisien korelasi yang disimbolkan dengan “r”. Besarnya koefisien korelasi berkisar antara -1≤ r ≤ +1.

Untuk mencari korelasi antara variabel Y terhadap Xi atau ry.1,2,…,k dapat dicari dengan rumus:

ry.1,2,…,k =


30

Sedangkan untuk mengetahui korelasi antar variabel bebas dengan tiga buah variabel bebas adalah :

1. Koefisien korelasi antara X1 dan X2

r12 =


r13 =


r23 =


31

Nilai koefisien korelasi adalah -1≤ r ≥1. Jika dua variabel berkorelasi negatif maka nilai koefisien korelasi akan mendekati -1 ; jika dua variabel tidak berkorelasi maka koefisien korelasi akan mendekati 0 ; sedangkan jika dua variabel berkorelasi positif maka nilai koefisien korelasi akan mendekati +1.

Untuk lebih memudahkan mengetahui seberapa jauh derajat keeratan antara variabel tersebut ,dapat dilihat pada perumusan berikut : -1,00 ≤ r ≥ -8,00 berarti berkorelasi 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

2.6 Uji Koefisien Regresi Ganda

Keberartian adanya variabel-variabel bebas dalam regresi linier ganda perlu diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t ( t-student).

Dimisalkan populasi mempunyai model regresi berganda sebagai berikut :

µy,x = β0+ β1X1 β2X2…+ βkXk Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

32

yang akan ditaksir oleh regresi berbentuk : Ŷ = b0 + b1X1 + b2X2 + … + bkXk . Adanya kriteria bahwa variabel-variabel tersebut memberikan pengaruh yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis H0 melawan hipotesis tandingan H1 dalam bentuk: H0 = βi = 0,i = 1,2…,k. H1 = βi ≠ 0,i = 1,2…,k.

Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran

.

Jadi untuk melihat kekeliruan baku dari koefisien bi adalah :

Dengan :

∑X

IJ

(

 = ∑ X IJ − X IJ

)


33

Perhitungan statistik t : ti =

Dengan distribusi t-student serta dk = (n-k-1), ttabel =

,dimana kriteria pengujian

adalah: tolak H0 jika ti > ttabel, dan terima H0 jika ti < ttabel.


34

BAB 3

SEJARAH SINGKAT BADAN PUSAT STATISTIK (BPS)

3.1 Sejarah Badan Pusat Statistik (BPS)

3.1.1 Masa Pemerintahan Hindia Belanda

1. Pada bulan Februari 1920 di kantor Statistik untuk pertama kalinya didirikan oleh Direktur Pertanian,Kerajinan dan Perdagangan dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik. 2. Pada bulan Maret 1923 dibentuk suatu komisi yang bernama Komisi untuk Statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia. Selain dari itu, komisi ini mengurus terutama bagian statistik yang dimuat di dalam Laporan Indonesia yang sebelumnya disebut Laporan Kolonial. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

35

3. Pada bulan September 1924 nama lembaga tersebut diganti menjadi Kantor Pusat Statistik dan dipindahkan ke Jakarta.Bersamaan dengan itu beralih pula pekerjaan mekanisme Statistik Perdagangan yang sekarang disebut Kantor Bea Cukai. Kantor Pusat Statistik selain mencakup bidang administrasi mencakup juga bagian yang menangani Urusan Umum, Statistik Perdagangan, Statistik Pertanian, Statistik Kerajinan, Statistik Konjungtor, Statistik Sosial. Kegiatan statistik pada era ini diarahkan untuk mendukung kebijakan yang ditempuh oleh Pemerintahan Kolonial Belanda. Komisi ini juga pernah melakukan sesuatu kegiatan statistik yang bersifat monumental yaitu Sensus Penduduk 1930, yang nerupakan sensus penduduk yang pertama kali dilakukan di Indonesia.

3.1.2 Masa Pemerintahan Jepang

Pada Juni 1942 Pemerintah Jepang baru mengaktifkan kembali kegiatan statistic yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Dan tugas serta fungsi kegiatan statistik pada saat itu lebih terkonsentrasi untuk keperluan militer.

3.1.2 Masa Pemerintahan RI

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik ditangani oleh lembaga baru yaitu Kantor Penyelidikan Perangkaan Umum Republik Indonesia (KAPPURI). Perkembangan berikutnya KAPPURI dilebur menjadi Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

36

Kantor Pusat Statistik (KPS) dan berada di bawah dan bertanggung jawab kepada menteri Kemakmuran.

Dengan Keputusan Presiden RI Nomor 172 Tahun 1957,terhitung mulai 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik, dan urusan statistik yang semula menjadi tanggung jawab dan wewenang Menteri Perekonomian dialihkan menjadi wewenang dan berada di bawah Perdana Menteri. Berdasarkan Keppres ini pula secara formal nama Biro Pusat Statistik dipergunakan.

3.1.4 Masa Orde Baru-Sekarang

Seiring dengan perkembangan jaman,khususnya pada pemerintahan Orde Baru,untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan,mutlak dibutuhkan data statistic. Untuk mendapatkan data secara tepat dan akurat ,salah satu unsurnya adalah pembenahan organisasi BPS. Dalam masa Orde Baru ini,BPS telah mengalami empat kali perubahan stuktur organisasi ; 1. Peraturan Pemerintah No.16 Tahun 1980 tentang organisasi BPS 2. Peraturan Pemerintah No.6 Tahun 1980 tentang organisasi BPS 3. Peraturan Pemerintah No.2 Tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja BPS 4. Undang-undang No.16 tahun 1997 tentang statistik Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

37

5. Keputusan Presiden RI No.86 tahun 1998 tentang BPS 6. Keputusan kepala BPS No.100 tahun 1998 tentang organisasi dan tata kerja BPS 7. PP 51 tahun 1998 tentang penyelenggaraan statistik. Tahun 1968,ditetapkan peraturan pemerintah No.16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan daerah. Tahun 1980,peraturan pemerintah No. 6 Tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah No.16 tahun 1968. Berdasarkan peraturan pemerintah No.6 tahun 1980 di tiap provinsi terdapat perwakilan BPS dengan nama kantor statistik provinsi dan di kabupaten atau kotamadya terdapat cabang perwakilan BPS dengan nama kantor statistik kabupaten atau kotamadya. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No.6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juli 1998 dengan keputusan presiden RI No.89 tahun 1998,ditetapkan BPS sekaligus mengatur tata kerja dan stuktur organisasi BPS yang baru.

3.2 Visi dan Misi

Adapun visi Badan Pusat Statistik adalah menjadi sumber informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional,didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang muktahir. Sedangkan misi Badan Pusat Statistik adalah untuk menjungjung pembangunan nasional BPS mengembangkan misi mengarahkan pembangunan statistik pada


38

penyediaan data statistik yang handal dan bermutu ,efektif dan efisien,peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu statistik.

3.3 Kedudukan dan Fungsi Badan Pusat Statistik

Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di bawah dan bertanggung jawab kepada presiden ( Keppres No.86 tahun 1998),dalam melaksanakan tugasnya berdasarkan beberapa ketentuan perundangan : 1. UU No.16 tentang Statistik 2. Keputusan Presiden No.86 tahun 1998 tentang BPS 3. Peraturan pemerintah No.51 tahun 1999 tentang penyelenggaraan statistik

Berdasarkan keputusan presiden No.86 tahun 1998 dalm menyelenggarakan statistik dasar melaksanakan koordinasi dan kerjasama serta mengembangkan

dan

membina statistik sesuai dengan peraturan perundang-undangan yang berlaku. Fungsi yang diselenggarakan Badan Pusat Statistik adalah :

1. Perumusan kebijaksanaan perencanaan, pengumpulan, pengolahan, penyajian data, dan analisis di bidang statistik produksi dan kependudukan serta bidang statistik distribusi dan neraca nasional. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

39

2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan,serta pelaksanaan kerjasama di bidang statistik dengan lembaga/ organisasi lain baik di dalam maupun luar negeri. 3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik produksi dan kependudukan serta statistik distribusi dan neraca nasional secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder. 4. Penyebarluasan statistik melalui berbagai cara baik langsung maupun tidak langsung. 5. Pengelolaan

keuangan,kepegawaian

dan

organisasi,

perlengkapan

dan

perbekalan serta memberikan pelayanan administrasi di lingkungan BPS.

3.4 Tata Kerja Badan Pusat Statistik

Para deputi wajib melaksanakan koordinasi dan kerja sama teknis statistik di dalam dan di luar negeri sesuai dengan bidang tugas masing-masing dan harus melaporkan kepada kepala BPS. Dalam melaksanakan tugasnya wajib menerapkan prinsip koordinasi, integrasi, sibronisasi dan sinlifiksi, baik dalam lingkungan masing-masing antara satuan unit organisasi di lingkungan BPS maupun dengan instansi lainnya di luar BPS sesuai bidang masing-masing.


40

3.5 Tugas BPS

Menurut Keputusan Presiden RI Nomor 6 Tahun 1992 tugas BPS adalah : 1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah, antara lain di bidang pertanian, agraria, pertambangan, perindustrian, perhubungan, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan nasional, pendidikan dan keagamaan. 2. Atas nama pemerintah melaksanakan koordinasi di lapangan kegiatan statistik dari segenap instansi pemerintah baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan lain-lain. 3. Mengadakan segala daya agar masyarakat menyadari akan tujuan dan kegunaan statistik.

Berdasarkan Keppres ini Kepala berada di bawah dan bertanggungjawab langsung kepada Presiden serta mempunyai tugas : 1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina aparatur BPS agar berdaya guna dan berhasil guna. 2. Menentukan kebijakan teknis pelaksanaan di bidang statistik yang secara fungsional menjadi tanggung jawabnya sesuai dengan peraturan perundang-


41

undangan yang berlaku serta kebijakan umum yang telah ditetapkan oleh Pemerintah. 3. Membina dan melaksanakan koordinasi dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan, serta melaksanakan kerjasama di bidang statistik dengan lembaga/organisasi lain baik di dalam maupun di luar negeri.

Wakil Kepala BPS berada di bawah dan bertanggung jawab langsung kepada Kepala BPS serta mempunyai tugas : 1. Membantu Kepala BPS dalam membina dan mengembangkan administrasi BPS agar berdayaguna dan berhasil guna. 2. Membantu Kepala BPS dalam mengkoordinasikan tugas-tugas Deputi, Pusat Pendidikan dan Pelatihan Statistik dan Perwakilan BPS di daerah. 3. Mewakili Kepala BPS dalam hal Kepala BPS berhalangan. Deputi Administrasi mempunyai tugas menyelenggarakan pembinaan pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan perbekalan, pengendalian, serta memberikan pelayanan administrasi di lingkungan BPS.

Deputi Perencanaan dan Analisis Statistik adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

42

perencanaan program dan metodologi statistik, sistem informasi statistik, pengolahan hasil sensus, survey dan data sekunder serta analisis dan pengembangan statistik.

Deputi Statistik Produksi dan Kependudukan adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik pertanian, industri, konstruksi, pertambangan dan energi, kesejahteraan rakyat, serta statistik demografi dan ketenagakerjaan.

Deputi Statistik Produksi dan Neraca Nasional adalah unsur pelaksana sebagian tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan kegiatan statistik harga dan keuangan, perdagangan dan jasa , serta neraca nasional. 3.6 Struktur Organisasi Badan Pusat Statistik

Struktur organisasi BPS dipimpin oleh seorang kepala dibantu oleh bagian tata usaha. Tata usaha terdiri dari : 1. Sub bagian urusan dalam 2. Sub bagian perlengkapan dan perbekalan 3. Sub bagian keuangan Uraian tugas bagian Tata Usaha : 1. Menyusun program kerja tahunan bagian


43

2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja tahunan, baik rutin maupun proyek kantor BPS Provinsi dan menyimpannya ke BPS. 3. Mengatur

dan

melaksanakan

urusan

dalam

yang

meliputi

surat-

menyurat,pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung, keamanan dan ketertiban lingkungan, serta perjalanan dinas dalam dan luar negeri. 4. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan, penyimpanan pergudangan, inventaris, penghapusan, serta pemeliharaan peralatan dan perlengkapan. 5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, perbendaharaan, verifikasi dan pembukuan. Organisasi BPS berdasarkan Keppres RI Nomor 6 tahun 1992 terdiri atas : 1. Kepala 2. Wakil Kepala 3. Deputi Administrasi 4. Deputi Perencanaan dan Analisis Statistik 5. Deputi Statistik Produksi dan Kependudukan 6. Deputi Statistik Produksi dan Neraca Nasional Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

44

7. Pusat Pendidikan dan Pelatihan Statistik 8. Perwakilan BPS di Daerah 9. Unit Pelaksanaan Teknis Deputi Perencanaan dan Analisis Statistik (PAS) mengkoordinasi 3 biro yakni : 1. Biro Perencanaan dan Pengendalian 2. Biro Pengolahan dan Penyajian 3. Biro Analisa dan Pengembangan Deputi Pembinaan Statistik mengkoordinir 4 Biro, yakni : 1. Biro Statistik dan Industri 2. Biro Statistik Distribusi 3. Biro Statistik Sosial dan Kependudukan 4. Biro Statistik Neraca Nasiona


45

BAGAN STRUKTUR ORGANISASI BPS

KEPALA Bagian Tata Usaha

SubBag Bina Program

SubBag Urusan Dalam

SubBag Kepegawai an & Hukum

SubBag Keuangan

SubBag Kelengkap an

Bidang Stat Sosial

Bidang Stat Produksi

Bidang Stat Distribusi

Bidang Neraca Wilayah & Analisis Statistik

Bidang Integrasi Pengolahan & Diseminasi Statistik

Seksi Statistika Kependuduk an

Seksi Statistik Pertanian

Seksi Statistik Harga Konsumen & Perdag.Besa r

Seksi Neraca Produksi

Seksi Integrasi Pengolahan Data

Seksi Statistik Kesejahtera an Rakyat

Seksi Statistik Industri

Seksi Statistik Keuangan & Harga Produsen

Seksi Neraca Konsumsi

Seksi Jaringan & Rujukan Statistik


Seksi Statistik Ketahanan Sosial

Seksi Statistik Konstruksi,P ertambanga n &Energi

Seksi Statistik Konstruksi,P ertambanga n &Energi

Seksi Analisis Statistik Lintas Sektor

Seksi Diseminasi & Layanan Statistik

46

BAB 4

ANALISIS DATA

4.1 Pengolahan Data

Setiap data merupakan alat bagi pengambilan keputusan untuk dasar pembuatan keputusan atau untuk memecahkan masalah suatu persoalan. Keputusan yang baik dapat diberikan jika pengambilan keputusan tersebut didasarkan atas keputusan yang baik. Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan/permasalahan.

Untuk membahas dan memecahkan masalah tentang Indeks Harga Konsumen seperti yang diuraikan pada bagian sebelumnya. Penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang dikumpulkan dari Badan Pusat Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

47

Statistik adalah data mengenai Indeks Harga Konsumen kota Medan berdasarkan perhitungan bulanan, serta Indeks Harga Sandang dan Pangan, Adapun datanya adalah sebagai berikut :

Tabel 4.1 Data Indeks Harga Konsumen, Indeks Harga Sandang, dan Pangan Bulan

Indeks Harga Konsumen

Indeks Harga Sandang

Indeks Harga Pangan

1

149,22

143,90

150,73

2

150,44

147,05

151,63

3

151,29

151,78

154,23

4

154,16

152,57

161,60

5

155,72

157,29

161,00

6

158,53

159,63

165,92

7

148,79

162,97

168,76

8

155,00

160,71

167,59

9

154,71

160,01

171,71

10

99,15

109,87

118,39

11

99,83

111,92

118,53

12

100,02

109,83

117,49

13

100,86

110,47

116,57

14

101,52

112,09

121,21


48

15

102,03

111,94

122,78

Sumber : BPS Medan

4.2 Persamaan Regresi Linier Berganda

Untuk mencari persamaan linier berganda terlebih dahilu kita menghitung koefisienkoefisien regresinya (bo, b1, b2) dengan mencari penggandaan suatu variabel dengan variabel yang lain. Untuk lebih menyaderhanakan tabel 4.1 maka variabel-variabel yang akan dicari persamaan regresinya diubah ke notasi variabel X dan Y, yaitu Indeks Harga Sandang (X1i), Indeks Harga Pangan (X2i), dan Indeks Harga Konsumen (Y). berikut ini dapat disajikan dalam tabel. Tabel 4.2 Nilai-nilai yang dibutuhkan untuk menghitung koefisien-koefisien Bln

X1

X2

Yi

X1X 2

Yi .X 1

Yi .X 2

X1

2

X2

2

1

143,90

150,73

149,22

21.690,05

21.472,76

22.491,93 20.707,21 22.719,53

2

147,05

151,63

150,44

22.297,20

22.122,20

22.811,22 21.623,70 22.991,66

3

151,78

154,23

151,29

23.409,00

22.962,80

23.333,46 23.037,17 23.786,89

4

152,57

161,60

154,16

24.655,30

23.520,19

24.912,26 23.277,60 26.114,56

5

157,29

161,00

155,72

25.323,70

24.493,20

25.070,92 24.740,14 25.921,00

6

159,63

165,92

158,53

26.485,80

25.306,14

26.303,30 25.481,74 27.529,45

7 8

162,97 160,71

168,76 167,59

148,79 155,00

27.502,80 26.933,40

24.248,31 24.910,05

25.109,80 26.559,22 28.479,94 25.976,45 25.827,70 28.086,41

9

160,01

171,71

154,71

27.475,30

24.755,15

26.565,25 25.603,20 29.484,32


49

10 109,87 11 111,92 12 109,83 13 110,47 14 112,09 15 111,94 Jlh 2.062,03

118,39 99,15 13.007,50 10.893,61 11.738,37 118,53 99,83 13.265,90 11.172,97 11.832,85 117,49 100,02 12.903,90 10.985,20 11.751,35 116,57 100,86 12.877,50 11.142,00 11.757,25 121,21 101,52 13.586,40 11.379,38 12.305,24 122,78 102,03 13.744,00 11.421,24 12.527,24 2.168,14 1.981,27 305.158,00 280.785,20 294.486,90

12.071,42 12.526,09 12.062,63 12.203,62 12.564,17 12.530,56 290.816,2

14.016,19 14.049,36 13.803,90 13.588,56 14.691,86 15.074,93 320.338,6

Dari tabel 4.2 diperoleh: n

=15

∑X

1i

=2.062,03

∑X

2i

=2.168,14

∑X

1i

. X 2i =305.157,80

∑Y .X

1i

∑ Y .X

2i

1

1

∑X

1i

∑X

2i

∑Y

1

. = 280785,20 = 294.486,9

2

= 290.816,2

2

= 320.338,6

= 1.981,27

Dari persamaan:

∑Y

= bo .n + b1 ∑ X 1i + b2 ∑ X 2i

∑Y

X 1i = b0 ∑ X 1i + b1∑ X 1i b 2∑ X 1i . X 2i

i

1.

2


50

∑Y

1.

X 1i = b0 ∑ X 2i + b1 ∑ X 2i. . X 1i . + b2 X 2i

2

Dapat disubtitusikan ke dalam nilai-nilai yang berkesesuaian sehingga diperoleh:

1.961,27

=15 b0 + 2.062,02b1 + 2.168,14b

2

280.785,20=2.062,02 b0 + 290.816,20b1 + 305.157,80b2 294.486,9 =2.168,14 b0 + 305.157,80b1 + 320.338,60b2

Setelah persamaan diatas diselesaikan, maka diperoleh koefisien – koefisien regresi linier berganda sebagai berikut :

b0 = -20,625 b1 = 1,542347

b2 = −0,41035

Dengan demikian, persamaan regresi linier ganda atas X i dan X 2 atas Y adalah:

Yˆ = -20,625 +1,542347 X 1 -0,41035 X 2 Sedangkan untuk menghitung kekeliruan baku taksiran harga-harga Y yang diperoleh dari persamaan regresi diatas untuk setiap nilai X 1i dan X 2i yang diketahui dapat dilihat pada tabel 4.3 berikut. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

51

Tabel 4.3 Harga Penyimpangan Yˆ

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Y 149,22 150,44 151,29 154,16 155,72 158,53 148,79 155,00 154,71 99,15 99,83 100,02 100,86 101,52 102,03

Yˆ 139,4742 143,9633 150,1919 148,3864 155,9125 157,5029 161,4891 158,4834 155,7133 100,2572 103,3616 100,5648 101,9294 102,5242 101,6487

Jumlah

1.981,27

1.981,4029

Bulan

(

)

2 Y − Yˆ Y − Yˆ 9,7458 94,9803 6,4767 41,9472 1,0981 1,2059 5,7736 33,3344 -0,1925 0,0370 1,0271 1,0550 -12,6991 161,2662 -3,4834 12,1341 -1,0033 1,0067 -1,1072 1,2260 -3,5316 12,4723 -0,5448 0,2968 -1,0694 1,1436 -1,0042 1,0084 0,3813 0,1454

-0,1329

363,2595

Sehingga kesalahan bakunya dapat dihitung menggunakan rumus :

∑ (Y − Yˆ ) =

2

s

2 y12

(n − k − 1)

dengan :

∑ (Y − Yˆ )

=363,2595

n

=15

2


52

k

=2

diperoleh :

s y212 =

363,2595 (15 − 2 − 1)

s y212 = 30,2716

Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata angka Indeks Harga Konsumen yang sebenarnya akan menyimpang dari rata-rataIndeks Harga Konsumen yang diperkerakan sebesar 30,2716

4.3 Uji Regresi Linier Ganda

Perumusan Hipotesis: H 0 : β1 = β 2 = ... = β k = 0( X 1 , X 2 .... X k tidak mempengaruhi Y)

H 1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi Y

Dengan :

H 0 ditolak bila Fhitung 〉 F tabel H 0 diterima bila Fhitung 〈 Ftabel Dalam pengujian model regresi yang telah ada, maka dapat diambil nilai-nilai : x1i = X 1i − X 1 , x 2i = X 2i − X 2 = dan y i = Yi − Y ,dan disajikan dalam table 4.4 berikut : Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

53

Tabel 4.4 Harga-harga yang diperlukan untuk regresi linier ganda x1i

Bulan

x 2i

yi

x1i

2

x 2i

2

y1

2

yi .x1i

y i .x 2 i

1

6,4313

6,1873

17,1353

41,36162

38,28268

293,6185

110,2023

106,0212

2

9,5813

7,0873

18,3553

91,80131

50,22982

336,917

175,8676

130,0895

3

14,3113

9,6873

19,2053

204,8133

93,84378

368,8435

274,8528

186,0475

4

15,1013

17,0573

22,0753

228,0493

290,9515

487,3189

333,3657

376,545

5

19,8213

16,4573

23,6353

392,8839

270,8427

558,6274

468,4824

388,9732

6

22,1613

21,3773

26,4453

491,1232

456,989

699,3539

586,0622

565,3291

7

25,5013

24,2173

16,7053

650,3163

586,4776

279,067

426,0069

404,5573

8

23,2413

23,0473

22,9153

540,158

531,178

525,111

532,5814

528,1358

9

22,5413

27,1673

22,6253

508,1102

738,0622

511,9042

510,0037

614,6683

10

-27,5987

-26,1527

-32,9347

761,6882

683,9637

1084,694

908,9549

861,3313

11

-25,5487

-26,0127

-32,2547

652,7361

676,6606

1040,366

824,0657

839,0318

12

-27,6387

-27,0527

-32,0647

763,8977

731,8486

1028,145

886,2266

867,4367

13

-26,9987

-27,9727

-31,2247

728,9298

782,4719

974,9819

843,0263

873,4392

14

-25,3787

-23,3327

-30,5647

644,0784

544,4149

934,2009

775,6924

713,157

15

-25,5287

-21,7627

-30,0547

651,7145

473,6151

903,285

767,2574

654,0714

Jumlah

-0,0005

-0,0005

-0,0005

7351,662

6949,832

10026,43

8422,648

8108,834


54

Dari tabel 4.4 dapat dicari :

JK reg = b1 ∑ y i x1i + b2 ∑ y i x 2i JK reg

= 1,5423 × 8422,648 - 0,41035 × 8108,834 = 9.663,186

Untuk JK res dapat dilihat dari tabel 4.3 yaitu

∑ (Y − Yˆ ) = 363,2583 maka nilai 2

Fhitung dapat dicari dengan rumus :

F=

=

JK reg / k

JK res / (n − k − 1)

9663,186 / 2 363,2583 /(15 − 2 − 1)

=159,6085


55

Dari table distribusi F dk pembilang = 2 ,dk penyebut = 12 , dan α =0.05, diperoleh Ftabel =3,89, karena Fhitung lebih besar daripada Ftabel maka H 0 ditolak dan H 1 diterima. Hal ini berarti berarti persamaan regresi berganda Y atas X 1i , X 2i bersifat nyata atau ini berarti bahwa Indeks Harga Sandang dan Pangan secara bersama-sama mempengaruhi Indeks Harga Konsumen.

4.4

Mencari Koefisien Determinasi

Melalui tabel 4.4 dapat dilihat bahwa

∑Y

2

i

= 10.026,43,sedangkan JK reg yang dihitung

adalah 9663,186. Maka dengan rumus koefisien ( R 2 ) diperoleh : R2 =

=

JK reg

∑y

2 i

9.663,186 10.026,43

= 0,963771 Dari perhitungan diatas diperoleh koefisien determinasinya sebesar 0,963771 Dengan mencari akar dari R 2 , maka di dapat koefisien korelasinya sebesar 0,981719 atau 98,17% Indeks Harga Konsumen dipengaruhi oleh Faktor yang dianalisis 1,83% dipengaruhi oleh faktor.

4.5

Koefisien Korelasi


56

4.5.1 koefisien korelasi antara variabel (Y)dengan (X) 1. Koefisien korelasi antara Indeks Harga Konsumen (Y) dengan Indek Harga Sandang( X 1 )

ry.1 = =

n∑ X 1i .Yi (∑ X 1i )(∑ Yi )

(n∑ X 12i − (∑ X i ) 2 )(n∑ Y1i2 − (∑ Yi ) 2 )

(15)(280.785,2) − (2.062,03)(1.981,27 ) ((15)(290.816,2) − (2.062,03)2 ) − ((15)(300.552,222) − (1.981,27)2 )

= 0,981

2. Koefisien korelasi antara Indeks Harga Konsumen dengan Indeks Harga Pangan

ry .2 = =

n∑ X 2i .Yi (∑ X 2i )(∑ Yi )

(n∑ X 22i − (∑ X 2i ) 2 (n∑ Yi 2 − (∑ Yi ) 2 )

(15)(294.486,9) − (2.168,14)(1.981,27 ) ((15)(320.338,6) − (2.168,14)2 ) − ((15)(300.552,222) − (1.981,27)2 )

= 0,9714

Dari ketiga nilai korelasi diatas dapat dilihat bahwa korelasi antara Y dengan X 1 sebesar 0,981 , dan Y dengan X 2 sebesar 0,9714 , dari kedua nilai itu, korelasi yang paling kuat adalah adalah antara Y dengan X 1 yaitu sebesar 0,981, dan korelasi yang paling lemah terjadi antara Y dengan X 2 yaitu sebesar 0,9714


57

4.5.2 Perhitungan Korelasi Antar Variabel Bebas

Koefisien korelasi antara Indeks Harga Sandang dan Indeks Harga Pangan r12 =

=

n∑ X 1i X 2i − (∑ X 1i )(∑ X 2i )

(n∑ X 21i − (∑ X 1i ) 2 )(n∑ X 22i − (∑ X 2i ) 2 )

((15)(305.157,8) − (2.062,03)(2.168,14)) ((15)(290.816,2) − (2.062,03)2 )((15)(320.338,6) − (2.168,14)

)

= 0,994

Berdasarkan perhitungan korelasi diatas disimpulkan bahwa korelasi antara

variabel bebas X 1i dan X 2i bersifat kuat secara positif

4.6

Pengujian Koefisien Regresi Bergabda

Hipotesis H 0 = bi = 0, i = 1,2,..., k (variable bebas X i tidak berpengaruh terhadap Y ) H 1 = bi ≠ 0, i = 1,2..., k (variable bebas X i berpengaruh terhadap Y ) Dimana tolak H o jika t i > t tabel dan terima H 0 jika t i < t tabel Dari perhitungan tang sebelumnya didapat harga-harga


58

s 2 y12..k = 30,2715,

∑x

2

1i

= 7.351,662, ∑ x 2i = 6.949,832 2

r12 =0,994 , sehingga dapat dihitung kekeliruan baku koefisien bi sebagai berikut : 2

sbi =

s y123 ∑ x 2i 1 − R 2i

(

)(

)

Maka: s 212 ∑ x 21i 1 − R 21

sb1 =

(

sb1 =

30,2716 (7.351,662)(1 − 0,988)

)(

)

= 0,585

sb2 =

sb2 2 =

s 212 (∑ x2i ) 1 − R 2 2

(

)

30,2716 (6.949,832)(1 − 0,988)

= 0,602

Perhitungan statistik : t i =

t1 =

=

bi sbi

b1 sb1

1,5423 0,585


59

=2,636

t2 =

=

b2 sb2

− 0,4103 0,602

=-0,681 Dari tabel distribusi t dngan dk=15 dan α = 0,05 diperoleh t table sebesar

2,13 dari

hasil perhitungan tersebut diperoleh :

1. t 1 =2,636 > ttabel=2,13 2. t 2 = −0,681 < ttabel =2,13 Sehingga dari kedua koefisien regresi tersebut variabel X1 (Indeks Harga Sandang) memiliki pengaruh yang berarti atau signifikan terhadap persasmaan regresi yang didapat, sedangkan Indeks Harga Pangan (X 2 ) tidak memiliki pengaruh yang berarti (signifikan) terhadap Y.


60

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi sistem

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


61

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming. Dalam pengolahan data pada karya tulis ini penulis menggunakan perangkat lunak(software) sebagai implementasi sistem yaitu SPSS for windows dalam masalah memperoleh perhitungan.

5.2 Peranan Komputer Dalam Statistika

Komputer memegang peranan yang sangat penting dalam statistika.Komputer dalam bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai berikut: 1. Jumlah Input yang Besar Jumlah Input yang besar akan dapat diolah oleh komputer dengan mudah semudah mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja sangat efisien pada pengolahan data dengan menggunakan input yang besar. 2. Proyek yang Repetitif Perintah pengolahan yang berulang-ulang akan lebih efisien dengan menggunakan komputer,karena disini perintah hanya dilakukan satu kali kemudian diulangulang(di-copy) untuk menjalankan perintah pengolahan yang lain. 3. Diperlukan Kecepatan yang Tinggi Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah oleh komputer, yang membedakan hanya pada proses pemasukan data saja. 4. Diperlukan Ketepatan yang Tinggi


62

Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Kesalahan informasi yang mungkin dihasilkan hanya terjadi pada proses pemasukan data saja. 5. Pengolahan Hal yang Kompleks Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan mudah menggunakan komputer dalam waktu yang tepat dan cepat.

Saat ini banyak beredar berbagai paket program komputer statistik dari yang ‘kuno’ dan berbasis DOS seperti Microstat sampai yang berbasis Windows seperti SPSS ,SAS,Statistika dan lainnya. Dari berbagai software khusus statistik yang beredar sekarang,SPSS adalah yang paling popular dan paling banyak digunakan pemakai di seluruh dunia. SPSS sebagai software statistik,pertama kali dibuat tahun 1968 oleh tiga mahasiswa Standford University,yang dioperasikan pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk komputer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya sistem operasi windows,SPSS pada tahun 1992 juga mengeluarkan versi Windows.

Hal ini membuat SPSS yang tadinya ditujukan bagi pengolahan data statistik untuk ilmu social (SPSS saat itu adalah singkatan dari Statistical Package for the Social Sciences),sekarang diperluas untuk melayani berbagai user,seperti untuk proses produksi di pabrik,riset ilmu-ilmu sains dan lainnya. Sehingga sekarang kepanjangan SPSS adalah Statistical Product and Services Solutions. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

63

5.3 Cara Kerja SPSS

Cara kerja komputer,statistik, dan SPSS pada prinsipnya adalah sama,yaitu meliputi 3 bagian : input,proses dan output. 1. Input Pada komputer,input berupa data yang akan diolah dengan komputer. Proses inputing dapat melalui keyboard,mouse,touch screen,atau hardisk. Pada statistik,input berupa data yang telah ditabulasikan pada data editor bagian view data, sedangkan proses coding dan pendefinisian variabel pada view variable. 2. Proses Pada komputer,proses berupa eksekusi program komputer dimana komputer menjalankan perintah-perintah sesuai dengan apa yang telah diprogramkan. Pada statistik,proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi,baik dengan statistik parametrik ataupun non-parametrik. Pada SPSS, proses berupa eksekusi program SPSS untuk menganalisis input yang ada di data editor sesuai dengan perintah dari pemakai. 3. Output Pada komputer,output berupa hasil pengolahan yang telah diproses dengan program komputer yang dikehendaki. Bentuk output komputer bisa dalam bentuk cetakan,tampilan,gambar,maupun suara.


64

Pada statistik, output berupa hasil analisis,baik dalam bentuk penyajian data maupun dalam bentuk grafik atau tabel serta kesimpulan yang diperoleh dari hasil analisis. Pada SPSS,output berupa hasil analisis program SPSS yang disajikan dalam output navigator.

Dengan demikian,cara kerja SPSS dapat dilihat dalam sistematika berikut.

INPUT DATA dengan DATA EDITOR

PROSES dengan DATA EDITOR

OUTPUT DATA dengan OUTPUT NAVIGATOR

5.4 Mengoperasikan SPSS Adapun langkah-langkah pengolahan data dengan menggunakan program SPSS adalah : 5.4.1 Mengaktifkan Program SPSS pada Windows Klik Start,kemudian Program, SPSS for Windows,SPSS 17.0 for windows. Akan tampak tampilan seperti gambar 5.1 berikut.


65

Gambar 5.1 Tampilan saat membuka SPSS pada windows

5.4.2 Pemasukan Data Langkah-langkahnya sebagai berikut : Buka lembar kerja baru dari menu file,pilih new,lalu klik data. Pada menu data view isilah kolom dengan ketentuan data yang akan diolah. Pada pemasukan data view hanya akan didefinisikan seperlunya saja,jadi tidak akan menjelaskan proses pemasukan data diluar dari yang diperlukan.

1. Input variabel X1i (jumlah uang beredar) 1. Name


66

Letakkan pointer pada kolom name ,klik ganda pada sel tersebut dan ketik X1i.

2. Type Karena X1i berupa angka,maka klik kotak kecil di kanan sel tersebut , pilih type

numeric.

3. Width Untuk keseragaman ketik 8 4. Decimals Untuk keseragaman ketik 3 5. Label Label adalah keterangan untuk nama variabel . Maka untuk X1i ketik jumlah uang beredar.

2. Input variabel X2i (suku bunga bank) 1. Name Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik X2i. 2. Type Karena X2i berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric 3. Width Untuk keseragaman ketik 8 Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

67

4. Decimals Untuk keseragaman ketik 2 5. Label Label adalah keterangan untuk nama variabel. Maka untuk X2i ketik suku bunga bank.

3. Input variabel X3i ( kurs rupiah terhadap dolar) 1. Name Letakkan pointer pada kolom name, klik ganda pada sel tersebut dan ketik X3i. 2. Type Karena X3i berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih tipe numeric 3. Width Untuk keseragaman ketik 8 4. Decimals Untuk keseragaman ketik 3 5. Label Label adalah keterangan untuk nama variabel. Maka untuk X3i ketik kurs rupiah terhadap dolar.

4. Input variabel Yi (laju inflasi) 1. Name Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

68

Letakkan pointer pada kolom name,klik ganda pada sel tersebut dan ketik Yi. 2. Type Karena Yi berupa angka ,maka klik kotak kecil di kanan sel tersebut, pilih type numeric. 3. Width Untuk keseragaman ketik 8. 4. Decimals Untuk keseragaman ketik 2. 5. Label Label adalah keterangan untuk nama variabel. maka untuk Yi ketik laju inflasi.

Variabel view dapat dilihat pada gambar 5.2 berikut ini.


69

Gambar 5.2 Tampilan pada pengisian variabel view

Setelah proses variabel view selesai,klik pada data view dan isikan data pada kolom yang sudah didefinisikan sebelumnya. Tampilannya pada gambar 5.3 berikut.


70

Gambar 5.3 Tampilan pada data view

5.4.3 Menyimpan Data

Setelah semua data diisikan dan didefinisikan untuk setiap variabel ke dalam SPSS data editor,maka langkah selanjutnya adalah menyimpan file tersebut dengan langkah-langkah sebagai berikut. 1. Dari menu SPSS,pilih menu file,kemudian pilih submenu save as… 2. Beri nama file tersebut. 3. Setelah menemukan direktori yang dituju,klik save 4. Apabila mau menyimpan file yang telah diberi nama tanpa mengganti dengan nama baru,tinggal klik save. Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

71

5.5

Analisis Regresi Dengan SPSS

Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai berikut. 1. Buka file ,analyze,regression,linear… Akan tampak tampilan seperti gambar 5.4 berikut.

Gambar 5.4 Tampilan saat membuat persamaan regresi

2. Masukkan variabel : Y pada kotak dependent.

X1 Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

72

X2

pada kotak independent (s)

X3 3. Abaikan pilihan yang lain,klik OK. Seperti yang terlihat pada gambar 5.5 berikut.

Gambar 5.5 Tampilan pada kotak dialog regresi

Tampilan outputnya dapat dilihat pada lampiran.

5.6 Analisis Korelasi Dengan SPSS

Adapun langkah-langkah analisis korelasi dalam SPSS adalah sebgai berikut : 1. Buka file,analyze,correlate,bivariate… Akan tampak tampilan seperti gambar 5.6 berikut.


73

Gambar 5.6 Tampilan analisis korelasi

2. Masukkan variabel Y,X1,X2 dan X3 3. Pada correlation coefficients, pilih pearson. 4. Pada test of significance,pilih two-tailed. 5. Abaikan pilihan lainnya, klik OK. Seperti yang terlihat pada gambar 5.7 berikut.


74

Gambar 5.7 Tampilan pada kotak dialog korelasi


75

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan hasil pengolahan data pada bab sebelumnya,maka dapat diambil beberapa kesimpulan,yaitu :

1. Dengan menggunakan rumus didapat nilai koefisien-koefisien b0 =-20,625, b1=1,5423, dan b1=-0,4103. Sehingga persamaan regresi linier yang didapat adalah  Y = −20,625 + 1,5423 X 1 − 0,4103 X 2 2. Terdapat hubungan fungsional yang signifikan antara Indeks Harga Sandang (X1), Indeks Harga Pangan (X2), terhadap Indeks Harga Konsumen (Y) 3. Koefisien determinasi (R) sebesar 98,17% Indeks Harga Konsumen dipengaruhi oleh kedua faktor X1,(Indeks Harga Sandang) dan X2 (Indeks Harga Pangan) dan 1,83% dipengaruhi oleh faktor-faktor lain. 4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang

sangat kuat secara positif terjadi antara Indeks Harga Konsumen (Y)

dengan Indeks harga sandang (X1) yaitu sebesar 0.981 Sedangkan antar variabel bebas (X2) dan variabel tak bebas Y adalah sebesar 0,9714 Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.

76

6.2 Saran

1. Penulis menyarankan agar metode analisis regresi dapat dipergunakan dalam meramalkan Indeks Harga Konsumen,ataupun meramalkan hal-hal lain sehingga dapat digunakan sebagai acuan untuk mengambil keputusan atau kebijakan ekonomi moneter. 2. Faktor-faktor yang mempengaruhi Indeks Harga Konsumen perlu diperhatikan sebelum membentuk model regresi agar model yang terbentuk akurat dan dapat dipergunakan untuk berbagai keperluan.


77

DAFTAR PUSTAKA Badan Pusat Statistik. Berita Resmi Statistik Tahun 20078Jakarta:BPS. Hasan, M.M, Iqbal ,Ir.1994.Pokok-Pokok Materi Statistik 2 ,Edisi 2. Bumi Aksara: Jakarta. Santoso,Singgih.1992.Mengolah Data Statistik Secara Profesional. Jakarta: PT.Elex Media Komputindo. Sudjana.1992. Metoda Statistika.Bandung: Tarsito. Suliyanto.2005. Analisis Data Dalam Aplikasi Pemasaran. Gahlia Indonesia: Bogor. Walpole,E. Ronald.1982. Pengantar Statistika,Edisi 3. Jakarta: PT.Gramedia. www.bps.go.id www.bi.go.id


78

L A M P I R A N


79

Regression

Variables Entered/Removed

Model 1

Variables

Variables

Entered

Removed

Indeks.Harga.Pa

Method . Enter

ngan, Indeks.Harga.Sa ndanga a. All requested variables entered.

b

Model Summary

Model 1

R

R Square a

.982

Adjusted R

Std. Error of the

Square

Estimate

.964

.958

5.50196

Durbin-Watson 1.088

a. Predictors: (Constant), Indeks.Harga.Pangan, Indeks.Harga.Sandang b. Dependent Variable: Indeks.Harga.Konsumen


80

ANOVAb Model

Sum of Squares

1

Regression

Mean Square

9663.176

2

4831.588

363.258

12

30.272

10026.434

14

Residual Total

df

F

Sig. .000a

159.608

a. Predictors: (Constant), Indeks.Harga.Pangan, Indeks.Harga.Sandang b. Dependent Variable: Indeks.Harga.Konsumen

Coefficientsa Standardize Unstandardized

d

Collinearity

Coefficients

Coefficients

Statistics Toleranc

Model 1

B (Constant)

Std. Error

-20.626

11.449

1.542

.597

-.410

.614

Indeks.Harga.Sand

Beta

t

Sig.

e

VIF

-1.802

.097

1.321

2.584

.024

.012

86.552

-.342

-.668

.517

.012

86.552

ang Indeks.Harga.Pang an a. Dependent Variable: Indeks.Harga.Konsumen

Collinearity Diagnostics Model

Dimensi

Eigenvalue

Condition Index

a

Variance Proportions


81

on

Indeks.Harga.Sa Indeks.Harga.Pa (Constant)

1

ndang

ngan

1

2.984

1.000

.00

.00

.00

2

.016

13.767

.65

.00

.00

3

.000

148.746

.35

1.00

1.00

a. Dependent Variable: Indeks.Harga.Konsumen

Casewise Diagnosticsa Case Number

Indeks.Harga.Ko Std. Residual

nsumen

Predicted Value

Residual

1

1.773

149.22

139.4650

9.75497

2

1.179

150.44

143.9541

6.48589

3

.201

151.29

150.1825

1.10750

4

1.051

154.16

148.3767

5.78333

5

-.033

155.72

155.9028

-.18275

6

.188

158.53

157.4929

1.03708

7

-2.306

148.79

161.4790

-12.68896

8

-.631

155.00

158.4734

-3.47337

9

-.180

154.71

155.7031

-.99308

10

-.200

99.15

100.2497

-1.09972

11

-.641

99.83

103.3541

-3.52409

12

-.098

100.02

100.5573

-.53735

13

-.193

100.86

101.9220

-1.06197


82

14

-.181

101.52

102.5165

-.99654

15

.071

102.03

101.6409

.38906


Residuals Statisticsa Minimum Predicted Value

Maximum

Mean

Std. Deviation

N

100.2497

161.4790

132.0847

26.27217

15

-12.68896

9.75497

.00000

5.09382

15

Std. Predicted Value

-1.212

1.119

.000

1.000

15

Std. Residual

-2.306

1.773

.000

.926

15

Residual



83


84

Correlations

Correlations Correlations Indeks.Harga. Indeks.Harga. Indeks.Harga. Konsumen Indeks.Harga.Konsumen Pearson Correlation

Sandang 1

Sig. (2-tailed) N Indeks.Harga.Sandang

Pearson Correlation Sig. (2-tailed) N

Indeks.Harga.Pangan


Pangan **

.981

**

.971

.000

.000

15

15

15

.981**

1

.994**

.000

.000

15

15

15

.971**

.994**

1

.000

.000

15

15

15


85

Correlations Indeks.Harga. Indeks.Harga. Indeks.Harga. Konsumen Indeks.Harga.Konsumen Pearson Correlation

Sandang 1

Sig. (2-tailed) N Indeks.Harga.Sandang


Indeks.Harga.Pangan


Pangan **

.981

**

.971

.000

.000

15

15

15

**

1

.994**

.981

.000

.000

15

15

15

**

**

1

.971

.994

.000

.000

15

15

15


ANALISIS INDEKS HARGA KONSUMEN TERHADAP INDEKS HARGA SANDANG DAN PANGAN KOTA MEDAN TUGAS AKHIR

Recommend Documents