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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota 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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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 :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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 :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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 :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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 )
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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 :
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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 =
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
30
Sedangkan untuk mengetahui korelasi antar variabel bebas dengan tiga buah variabel bebas adalah :
1. Koefisien korelasi antara X1 dan X2
r12 =
2. Koefisien korelasi antara X1 dan X3
r13 =
3. Koefisien korelasi antara X2 dan X3
r23 =
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
)
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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-
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
74
Gambar 5.7 Tampilan pada kotak dialog korelasi
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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.
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
78
L A M P I R A N
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
82
14
-.181
101.52
102.5165
-.99654
15
.071
102.03
101.6409
.38906
a. Dependent Variable: Indeks.Harga.Konsumen
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
a. Dependent Variable: Indeks.Harga.Konsumen
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
83
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
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
Pearson Correlation Sig. (2-tailed) N
Pangan **
.981
**
.971
.000
.000
15
15
15
.981**
1
.994**
.000
.000
15
15
15
.971**
.994**
1
.000
.000
15
15
15
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.
85
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
Pearson Correlation Sig. (2-tailed) N
Pangan **
.981
**
.971
.000
.000
15
15
15
**
1
.994**
.981
.000
.000
15
15
15
**
**
1
.971
.994
.000
.000
15
15
15
Johannes Hasibuan : Analisis Indeks Harga Konsumen Terhadap Indeks Harga Sandang Dan Pangan Kota Medan, 2009.