PENGARUH PADA HARGA BERAS

Untuk Memenuhi Tugas Statistika dan Probabilitas

Oleh :
Wahyu Nurwening
2411101029

JURUSAN TEKNIK SIPIL

UNIVERSITAS JENDERAL ACHMAD YANI
2011

Padi adalah salah satu tanaman budidaya terpenting dalam peradaban manusia, terutama mengacu pada jenis tanaman budidaya. Jenisnya
pun semakin banyak, karena adanya perkembangan Ilmu Pengetahuan dan Teknologi ( IPTEK ) di bidang Rekayasa Genetikdan Holtikultura.
Di Indonesia pun sudah dikenal jenis beras, salah satunya adalah Beras Rojo Lele. Dan setiap wilayah atau provinsi memiliki jenis beras yang
unggul di daerahnya. Hal ini mungkin dikarenakan oleh adanya perbedaan unsure tanah di setiap provinsi atau wilayah tersebut. Selain itu,
harga GKP (Gabah Kering Panen) yang diterima petani di setiap wilayah atau provinsi juga mengalami perbedaan. GKP merupakan gabah yang
mengandung kadar air maksimum sebesar 25,0 persen dan hampa/kotoran maksimum 10,0 persen. Hal ini dapat dikarenakan oleh beberapa
faktor. Oleh karena itu, yaitu penyusun ingin mengetahui beberapa faktor yang mempengaruhinya. Sehingga penyusun menggunakan data yang
mengandung unsur data sebagai berikut :
1. Luas Panen ( ha )
2. Produktivitas ( ku/ha )
3. Produksi ( Ton )
4. Harga GKP Tingkat Penggilingan ( Rupiah )
5. Indeks Harga yang Diterima Petani atau lt
6. Indeks Harga yang Dibayar Petani atau lb
7. Jumlah Penduduk Miskin (Orang)
8. Garis kemiskinan ( Rupiah )
9. Pendidikan sampai SMA ( % )
10. Presentase Kepemilikan Rumah ( % )
Dari kesepuluh unsur data yang ingin diketahui hubungan atau korelasi dengan harga GKP tingkat petani, penyusun menggunakan data dari
Survei Monitoring Harga Produsen Gabah yang dilakukan secara rutin baik mingguan (saat panen raya) maupun bulanan oleh Badan Pusat
Statistik ( BPS ) pada tahun 2009, di dapat data sebagai berikut :

Harga GKP
Tingkat
Petani
(Rp/Ton)

Luas
Panen
(ha)

Produktivitas
(Ku/ha)

Produksi
(Ton)

Harga GKP
Tingkat
Petani
(Rp/Ton)

lb

Indeks
Yang
Dibayar
Petani

Jumlah
Penduduk
Miskin
(orang)

Garis
Kemiskinan
(Rupiah)

Pendidikan
SMA
(%)

Kepemilikan
Rumah
( %)

Aceh

2991000

356705

43

1540405

3002940

123.91

120.31

892900

261898

82.84

77.45

Sumatera Utara

2813000

772927

45

3469529

2854470

121.13

124.06

1499700

210241

73.36

67.34

Sumatera Barat

2917000

436086

47

2060320

2977060

121.99

122.6

429300

217469

74.37

66.55

Riau

2793000

161735

36

576412

2881010

122.51

115.95

527500

246481

72.46

67.25

Jambi

2779000

153990

42

641202

2829420

114.22

118.12

249700

199623

61.51

76.54

Lampung

2820000

547040

47

2547516

2899010

142.50

120.15

1558300

188812

60.62

85.97

Jawa Barat

2807000

1873318

57

10620613

2887650

114.62

126.07

4983600

191985

68.38

78.09

Jawa Tengah

2619000

1683897

55

9326123

2658270

113.02

119.67

5725700

182515

51.75

88.45

Yogyakarta

2666000

146082

56

817300

2711280

127.02

118.56

585800

211978

57.66

78.63

Jawa Timur

2601000

1837004

59

10839308

2653910

117.42

124.75

6022600

188317

60.85

88.09

Banten

2326670

367507

51

1857323

2386580

119.25

124.48

788100

198750

78.33

74.2

Bali

2539650

144288

59

846075

2590270

115.59

119.8

181700

196466

66.47

76.84

NTB

2356860

372974

50

1861781

2398300

115

125.24

1050900

185025

83.59

84.34

NTT

3075860

194611

31

595872

3082680

125.03

125.99

1013100

156191

60.79

85.36

Kalimantan Barat
Kalimantan
Tengah
Kalimantan
Selatan
Kalimantan
Timur
Sulawesi Utara

2819960

405317

31

1267211

2878060

115.43

120

434800

174617

51.85

85.82

2924700

204555

27

551013

3009040

127.01

121.21

165900

202612

53.8

76.93

2785910

504527

40

2012400

2864820

122.53

121.27

176000

195787

53.19

74.79

2672730

153100

28

587206

2175000

111.77

121.69

239200

261185

54.42

66.05

2880790

114217

48

546825

2947940

116.44

120.81

219600

184772

76.54

72.75

Sulawesi Tengah

2314000

220195

46

1003598

2370000

112.27

129.63

489800

189653

71.67

81.5

Sulawesi Selatan

2370980

840853

49

4139492

2430110

120.89

125.66

963600

153715

59.25

81.11

SulawesiTenggara

2403020

107453

39

418487

2462810

108.5

124.29

434300

161583

62.78

75.1

Sulawesi Barat

2422530

72337

48

345697

2463760

116.83

123.29

158200

163224

69.55

86.77

Povinsi

Sumber : www.bps.go.id

Dari data tersbut, penyusun membuat sebuah perumpamaan sebagai berikut :

Y = Harga GKP Tingkat Petani

X6= indeks Harga Yang Dibayar Petani

X1 = Luas Panen

X7 = Jumlah Penduduk Miskin

X2 = Produktivitas

X8 = Garis Kemiskinan

X3 = Produksi

X9 = Pendidikan SMA

X4 = Harga GKP Tingkat Penggilingan

X10 = Kepemilikan Rumah

X5 = lb
Dari data yang telah didapat itu, penyusun mengambil dua sampel untuk mengetahui bagaiman cara mencari suatu persamaan dan
korelasinya. Oleh karena itu, penyusun mengambil dua variable yaitu X1 dan X2. Berikut adalah cara perhitungan secara manual dua sampel
tersebut :
Provinsi

Harga GKP

Luas Panen ( 000 )

Produktivitas

Tingkat Petani ( 000 )

( X1)

( X2 )

X1 Y

X2 Y

X1*X2

X1

X2

(Y)
NAD

2991

357

43

1067787

128613

15351

127449

1849

8946081

Sumatera Utara

2813

773

45

2174449

126585

34785

597529

2025

7912969

Sumatera Barat

2917

436

47

1271812

137099

20492

190096

2209

8508889

Riau

2793

162

36

452466

100548

5832

26244

1296

7800849

Jambi

2279

154

42

350966

95718

6468

23716

1764

5193841

Lampung

2820

547

47

1542540

132540

25709

299209

2209

7952400

Jawa Barat

2807

1873

57

5257511

159999

106761

3508129

3249

7879249

Jawa Tengah

2619

1684

55

4410396

144045

92620

2835856

3025

6859161

DI Yogyakarta

2666

146

56

389236

149296

8176

21316

3136

7107556

Jawa Timur

2601

1837

59

4778037

153459

108383

3374569

3481

6765201

Banten

2327

368

51

856336

118677

18768

135424

2601

5414929

Bali

2540

144

59

365760

149860

8496

20736

3481

6451600

NTB

2357

373

50

879161

117850

18650

139129

2500

5555449

NTT
Kalimantan
Barat
Kalimantan
Tengah
Kalimantan
Selatan
Kalimantan
Timur
Sulawesi Utara
Sulawesi
Tengah
Sulawesi
Selatan
Sulawesi
Tenggara

3076

195

31

599820

95356

6045

38025

961

9461776

2820

405

31

1142100

87420

12555

164025

961

7952400

2925

205

27

599625

78975

5535

42025

729

8555625

2786

505

40

1406930

111440

20200

255025

1600

7761796

2673

153

28

408969

74844

4284

23409

784

7144929

2881

114

48

328434

138288

5472

12996

2304

8300161

2314

220

46

509080

106444

10120

48400

2116

5354596

2371

841

49

1994011

116179

41209

707281

2401

5621641

2403

107

39

257121

93717

4173

11449

1521

5774409

Sulawesi Barat

2423

72

48

174456

116304

3456

5184

2304

5870929

Jumlah

61202

11671

1034

31217003

2733256

583540

12607221

48506

164146436

Dari data di atas dapat di hitung sebagai berikut :

xy = XY-{(X)(Y)/N}

Yrata = Y/N

= 31217003-{(11671)(61202)/23}

= 61202/23

= 160979.43

= 2660.96

xy = XY-{(X)(Y)/N}

X1rata = X/N

= 2733256-{(1034)(61202)/23}

= 11671/23

= -18173.04

= 507.43

x = X-{(X)/N}

X2rata = X/N

= 12607221-{(11671)/23}

= 1034/23

= 6684949.65

= 44.96

x =
=
=
xx=
=
=

X-{(X)/N}
48506-{(1034)/23}
2020.96
XX-{(X)(X)/N}
583540-{(1034)(11671)/23}
58852.43

y = Y-{(Y)/N}
= 164146436- {612022/23}
= 1290575

xy = ax + axx
160979.43 = a6684949.65+ a58852.43
xy = axx + ax
a158852.43 + a2020.96
-1817.04=

160979.43 =a6684949.65+ a58852.43

-1817.04 = a58852.43 + a2020.96

325332438.6 = 13509992597 a1 + 118938211.9a

-1069527856 = 3463609079.84a1 + 118938211.9a2
1394860295 = 10046383517.22a
a=0.139
a =-13.036
Jadi persamaannya adalah :

R =

Y - Yrata = a1(X-Xrata) + a(X-Xrata)

R=

Y - 2660.96 = a1(X-507.43) + a(X-44.96)

R=

Y 2660.96 = 0.139X1 70.53 -13.036X2 587.18

R=

) (

)(

Y =3176.535 + 0.139 X1 13.036X2

R = 0.208

Dari persamaan dan korelasi yang telah diperoleh tersebut, penyusun akan membuktikan kecocokan antara perhitungan secara manual
dengan menggunakan program SPSS. Berikut hasil SPSS yang telah dilakukan :
Descriptive Statistics

Harga_GKP_
Tingkat_Peta
ni
Luas _Panen
Produktifitas

Mean

Std.
Deviation

2660.96

242.203

23

507.43
44.96

551.236
9.584

23
23

Dari hasil program SPSS ini yang didapatkan bahwa nilai rata-rata atau mean dari data Harga GKP tingkat Petani, Luas Panen, dan
Produktifitas dengan jumlah data 23 buah sama dengan hasil yang didapat dari perhitungan dengan cara manual.
Variables Entered/Removed(b)

Model
1

Variables
Entered
Produktifit
as,
Luas_pan
en

Variables
Removed

Method

Enter

a All requested variables entered.

b Dependent Variable: Harga_GKP_Tingkat_Petani

Dari table ini, memperlihatkan bahwa penyusun menggunakan metode enter. Dan tidak ada variabel yang dibuang, sehingga produktifitas dan
luas panen mempengaruhi harga GKP tingkat petani.

Model Summary(b)

Model

R Square

R Square
Change
.448(a)

F Change
.201

Adjusted R
Square

Std. Error of
the Estimate

df1

df2
227.082

.121

Change Statistics
Sig. F
Change
.201

R Square
Change
2.514

F Change
2

df1
20

a Predictors: (Constant), Produktifitas, Luas_Panen

b Dependent Variable: Harga_GKP_Tingkat_Petani

Tabel ini memperlihatkan bahwa besar Rnya adalah 0.201

ANOVA(b)

Model
1

Regression
Residual
Total

Sum of
Squares
259245.9
27
1031329.
030
1290574.
957

df

Mean Square

Sig.

129622.963

2.514

.106(a)

20

51566.451

22

a Predictors: (Constant), Produktifitas, Luas_lahan

b Dependent Variable: Harga_GKP_Tingkat_Petani

Coefficients(a)
Unstandardized
Coefficients
Model
1

Standardized
Coefficients

Sig.

Beta

Std. Error

Std. Error

(Constant)

3176.535

245.926

12.917

.000

Luas_lahan

.139

.102

.316

1.363

.188

Produktifitas

-13.036

5.858

-.516

-2.225

.038

a Dependent Variable: Harga_GKP_Tingkat_Petani

df2
.106

Dari tabel Cefficients(a) ini, memperlihatkan persamaan dari data yang telah didapat, dan persamaan yang didapat dari program SPSS ini
adalah Y = 3176.535 + 0.139 X1 13.036X2. Dan persamaan ini sama dengan persamaan yang diambil dari perhitungan manual. Dan
persamaan tersebut memperlihatkan bahwa:
1. Harga GPK Tingkat Petani akan tetap Rp 3176535,00 / Ton jika tidak dipengaruhi oleh luas lahan panen
2. Harga GPK Tingkat Petani akan naik RP 139,00 / Ton setiap ada kenaikkan lahan panen sebesar 1 ha
3. Harga GPK Tingkat Petani akan turun sebesar Rp 13360,00 / Ton setiap ada kenaikkan produktivitas 1 ku/ha
4. Korelasi antara Harga GPK Tingkat Petani dengan lahan panen dan produktivitas adalah 0.21
Dan dari perbandingan antara perhitungan secara manual dan secara SPSS akan menghasilkan hasil yang sama selama data yang digunakan
adalah data yang valid. Sehingga dengan cara yang sama, akan memperlihatkan suatu hasil yang sama pada hubungan variabel Y dengan 10
variabel X baik menggunakan cara manual maupun menggunakan program SPSS. Berikut ini adalah hasil pada 10 variabel X denagn
menggunakan Program SPSS :
Des criptive Statistics
Mean
Harga_GKP_Tingkat_
Petani
Luas _Panen
Produktivitas
Produksi
Harga_GKP_Tingkat_
Penggilingan
lb
Indeks_harga_Y ang_
dibayar_Petani
Jumlah_Penduduk_
Mis kin
Garis_Kemiskinan
Pendidikan_SMA
Kepemilikan_Rumah

Std. Deviation

2682594

228439.114

23

507422.52
44.96
2542248

551239.782
9.584
3220662.317

23
23
23

2713669

256678.75726

23

119.3426

7.13549

23

122.33

3.191

23

1251752

1767329.492

23

196647.78
65.4796
78.0835

29231.266
9.87433
7.06423

23
23
23

Tabel ini Memperlihatkan Nilai rata-rata atau mean, Standar Deviasi, dan jumlah data dari variabel Y dan 10 variabel X. Dan
memperlihatkan bahwa seluruh variabel X mempengaruhi variabel Y.

Model Summary(b)

Model

R Square

R Square
Change
.961(a)

F Change
.924

Adjusted
R Square

Std. Error of
the Estimate

df1
.860

df2
85345.380

Change Statistics
Sig. F
Change
.924

R Square
Change
14.562

F Change
10

df1
12

df2
.000

a Predictors: (Constant), Kepemilikan_Rumah, Harga_GKP_Tingkat_Penggilingan, Pendidikan_SMA, Produksi, Indeks_harga_Yang_dibayar_Petani, lb,

Garis_Kemiskinan, Produktivitas, Jumlah_Penduduk_Miskin, Luas_Panen
b Dependent Variable: Harga_GKP_Tingkat_Petani
Coefficients(a)

Model

Unstandardized Coefficients
B

Luas_Panen

-.239

Std. Error
1421722.
228
.507

Produktivitas

(Constant)

-294942.214

Standardized
Coefficients

Sig.

Beta

Std. Error

-.207

.839

-.578

-.472

.645

-4143.462

4104.469

-.174

-1.010

.333

Produksi

.030

.109

.425

.276

.788

Harga_GKP_Tingkat
_Penggilingan

.789

.107

.887

7.369

.000

lb

-249.121

3504.237

-.008

-.071

.944

Indeks_harga_Yang
_dibayar_Petani

8188.403

9539.416

.114

.858

.408

Jumlah_Penduduk_
Miskin

.025

.057

.190

.432

.673

Garis_Kemiskinan

2.277

1.115

.291

2.043

.064

Pendidikan_SMA

-4086.484

2976.368

-.177

-1.373

.195

Kepemilikan_Rumah

-1490.211

4454.036

-.046

-.335

.744

Dari hasil perhitungan regresi dengan menggunakan program SPSS ini, penyusun menyimpulkan bahwa :
1. Dengan mengambil sampel didapatkan suatu hasil perhitungan regresi linear dengan perhitungan manual yang hasilnya sama atau
selisih sedikit dibandingkan dengan perhitungan SPSS

2. Luas Panen ( ha ), produktivitas ( ku/ha ), produksi ( Ton ), harga GKP tingkat penggilingan ( Rupiah ), indeksh harga yang diterima
petani atau lt, indeks harga yang dibayar petani atau lb, jumlah penduduk miskin (Orang), garis kemiskinan ( Rupiah ), pendidikan
sampai SMA ( % ), presentase kepemilikan rumah ( % ) mempengaruhi haga GKP tingkat petani.
3. Persamaan regresinya adalah Y = -294942.214-0.239X1-4143.462X2+0.030X3+0.789X4-249.121X5+8188.403X6+0.025X7+2.277X84086.484X9-1490.211X10 dan korelasinya adalah R = 0.924