Disusun Oleh :
Shintya Devi K H72215032
Dosen Pembimbing :
Ahmad Hanif Asyhar, M.Si
Disusun Oleh :
Pembimbing Lapangan
Pembimbing Kuliah Kerja Lapangan
Alhamdulillah segala puji bagi Allah SWT yang Maha Pengasih lagi Maha
Penyayang yang telah melimpahkan rahmat, hidayah, serta karunia-Nya kepada
penulis sehingga dapat menyelesaikan proposal Kuliah Kerja Lapangan (KKL) ini
dengan tepat waktu. Proposal ini dibuat untuk kelengkapan kegiatan Kuliah Kerja
Lapangan di Badan Pusat Statistik (BPS) Provinsi Jawa Timur yang
diselenggarakan oleh Universitas Islam Negeri Sunan Ampel Surabaya sebagai
salah satu program pendidikan untuk meningkatkan kompetensi mahasiswa.
Dalam kesempatan ini pula penulis menyampaikan rasa hormat dan banyak terima
kasih kepada :
1. Prof. Dr. Muhammad Sholeh, M. Pd. PNI selaku Dekan Fakultas Sains dan
Teknologi.
2. Ahmad Hanif Asyhar, M.Si selaku ketua Program Studi Matematika sekaligus
Dosen Pembimbing.
3. Dosen-dosen Program Studi Matematika selaku pengajar yang memberikan
banyak ilmu pengetahuan.
4. Semua pihak yang telah membantu untuk menyelesaikan proposal Kuliah
Kerja Lapangan (KKL) ini.
Penulis
DAFTAR ISI
HALAMAN JUDUL
HALAMAN PENGESAHAN.................................................................................ii
KATA PENGANTAR............................................................................................iii
DAFTAR ISI...........................................................................................................iv
DAFTAR GAMBAR..............................................................................................vi
DAFTAR TABEL..................................................................................................vii
3. BAB 1 PENDAHULUAN................................................................................2
1.1 Latar Belakang..........................................................................................2
1.2 Rumusan Masalah.....................................................................................4
1.3 Batasan Masalah........................................................................................4
1.4 Tujuan Penelitian.......................................................................................5
1.5 Manfaat Penelitian.....................................................................................5
1.6 Metode.......................................................................................................6
1.7 Sistematika Penyusunan............................................................................6
BAB II LANDASAN TEORI..................................................................................6
2.1. Produk Domestik Regional Bruto (PDRB)............................................6
2.2 Sektor Pertanian, Sektor Industri, Sektor Pengadaan Listrik Gas........8
2.3 Regresi Linear Berganda.....................................................................10
2.3.1Uji Statistik..................................................................................11
2.3.2Pengujian Asumsi Klasik.............................................................13
2.4 Metode Ordinary least Square (OLS)..................................................15
BAB III METODE PENELITIAN........................................................................15
3.1 Data.........................................................................................................15
3.2 Rancangan Penelitian..............................................................................15
BAB IV ANALISIS DATA DAN PEMBAHASAN.............................................17
4.1 Analisa Data............................................................................................17
4.2 Analisis Program.....................................................................................18
5. BAB VI PENUTUP........................................................................................30
6.1 Kesimpulan..............................................................................................30
6.2 Saran........................................................................................................31
DAFTAR PUSTAKA
LAMPIRAN
1.
2.
DAFTAR GAMBAR
3. BAB 1
PENDAHULUAN
evaluasi terhadap salah satu sektor utama yaitu sektor pertanian, sektor
industri, sektor pengadaan listrik dan gas. Pada setiap sektor tersebut, peneliti
ingin mengevaluasi pada beberapa hasil produksi pada 3 sektor tersebut. Hasil
Produksi yang akan dievaluasi yaitu produksi padi, produksi industri besar dan
kecil, distribusi listrik. Alasan peneliti memilih 3 hasil produksi sektor
lapangan usaha tersebut karena menurut Badan Pusat Statistik Jawa Timur
sektor pertanian dan sektor industri tersebut merupakan salah satu penopang
ekonomi Jawa Timur. Sedangkan untuk sektor pengadaan listrik, dikarenakan
insfrastruktur listrik merupakan energi yang terpenting dalam perkembangan
kehidupan manusia modern dan kebutuhan akan listrik (Sumadiasa, Tisnawati,
& Wirathi, 2016).
Dalam hal ini peneliti akan mencari pengaruh 3 hasil produksi dari 3
sektor lapangan usaha tersebut terhadap Produk Domestik Regional Bruto
(PDRB) perkapita disetiap daerah Provinsi Jawa Timur. Data hasil produksi
padi, produksi industri besar dan kecil, distribusi listrik dan data PDRB Jawa
Timur yang akan dipergunakan dalam penelitian ini merupakan data rasio
yang dapat digunakan untuk analisis uji statistik.
Metode analisis yang digunakan utuk menganalisis penagaruh hasil
produksi padi, produksi industri besar dan kecil, distribusi listrik terhadap
PDRB Jawa Timur menggunakan metode Ordinary Least Squares (OLS ).
metode Ordinary Least Squares (OLS ) digunakan untuk mencari pengaruh
faktor-faktor tersebut terhadap PDRB JawaTimur dengan tahap awal data
memenuhi sifat Best Linear Unbias Estimator (BLUE). Sifat Best Linear
Unbias Estimator (BLUE) didapatkan dari uji regresi bergenda dan uji asumsi
klasik. Jika data yang di uji tidak memenuhi sifat Best Linear Unbias
Estimator (BLUE), akan dilakukan transformasi data dengan metode
Ordinary Least Squares (OLS).
Metode ini dipergunakan pada penelitian Safaah Restuning Hayati tentang
pengaruh perbankan syariah terhadap pendapatan ekonomi. Safaah
menyatakan bahwa metode OLS merupakan metode yang sering digunakan
dalam analisis, karena parameter yang dihasilakan memiliki varian terkecil
4
1.6 Metode
Penelitian ini menggunakan metode Ordinary least Square (OLS) dengan
analisis regresi berganda untuk mengetahui pengaruh tidak nya produksi padi,
produksi industri besar dan kecil, dan distribusi listrik terhadap PDRB Jawa
Timur.
BAB I PENDAHULUAN
Bab ini menjelaskan latar belakang, rumusan masalah, batasan masalah,
tujuan kegiatan yang meliputi tujuan dari tujuan dari penelitian, manfaat
kegiatang yang meliputi bagi penulis dan bagi instansi, metode penelitian
yang digunakan dalam penyusunan laporan, dan sistematika penyusunan
laporan.
BAB II LANDASAN TEORI
Bab ini berisi tentang penjelasan teori tentang sistem yang digunakan
dalam penelitian, yang memuat mengenai PDRB, Pertanian, Industri, Listri,
Metode Ordinary least Square (OLS).
BAB III TINJAUAN UMUM
Bab ini berisi tentang profil dan sejarah Badan Pusat Statistik Provinsi Jawa
Timur.
BAB IV METODE PENELITIAN
7
Bab ini berisi tentang jenis data, pengumpulan data yang digunakan
dalam penelitian ini, serta metode penyelesaian yang dilakukan dalam
penelitian.
BAB V HASIL DAN PEMBAHASAN
Bab ini akan membahas tentang hasil dari penelitian ini mengenai
hasil analisis yang diperoleh dari proses uji statistic dengan metode
Ordinary least Square (OLS).
BAB VI Penutup
Bab ini berisi tentang kesimpulan hasil dari penelitian yang dilakukan
peneliti, serta saran serta saran yang ditujukan untuk para pembaca ataupun
peneliti-peneliti selanjutnya.
BAB II
LANDASAN TEORI
6
7
2
R /(k −1)
F=
( 1−R2 ) /(n−k )
Keterangan : R2 : Koefisien determinasi
k : jumlah variabel independen
n : jumlah sampel
2. Mencari nilai kritis (F tabel) : df(k-1, n-k).
3. Keputusan untuk menerima atau menolak Ho, berdasarkan
perbandingan t hitung dan t tabel.
Note :
jika F hitung > F tabel, maka Ho ditolak Hi diterima.
jika F hitung < F tabel, maka Ho ditolak Hi ditolak.
2.3.1.3 Uji Koefisiean Determinasi ®2
Koefisien determinasi merupakan suatu ukran dalam
regressi yang dapat menginformasikan seberapa besar
presentase pengaruh variabel bebas terhdap variabel terikat
(Bowo, 2010).
Koefisien determinasi ini mencerminkan besarnya variasi
dari variabel terikat yang dapat diterangkan terhadap variabel
bebas. Bila nilai R2 mendekati 0, maka variabel bebas memiliki
pengaruh yang kecil terhadap varibel terikat. Jika R 2
mendekati 1, maka variabel bebas memiliki pengaruh yag
sangat besar terhdap variabel terikat. Oleh sebab itu baik
buruknya hasil regresi tergantung nilai R2 yang nilainya berada
diantara 0 sampai 1. Rumus Koefisien determinasi adalah :
(Dewi, 2009)
2 JKR
R=
JKT
Keterangan :
R2 : Koefisien determinasi
JKR : Jumlah kuadrat regresi
JKT : Jumlah kuadrat total
13
2. Uji Heteroskedastisitas
Rumus:
1
VIF = 2
1−r
Keterangan :
Rumus : DW =
∑ (e−e t )
2
∑ e t2
Keterangan :
e = nilai residual
Model persamaan dari regresi linear berganda yang ditelah diuji dengan uji
asumsi klasik dan tidak memenuhi sifat Best Linear Unbiased Estimator
(BLUE), akan dilakukan pengujian dengan melakukan estimasi sesuai dengan
Ordinary Least Squares (OLS), asumsi tersebut dilakukan dengan
mentransform data ke bentuk Ln atau Log. Data telah di transform, akan diuji
16
kembali dengan uji regresi berganda dan uji asumsi klasik. Jika hasil uji
asumsi dari data yang telah ditransform tersebut memenuhi sifat Best Linear
Unbiased Estimator (BLUE), maka estimasi parameter dari persamaan regresi
dari data yang telah di transform tersebut dapat dipercaya.
15
BAB III
METODE PENELITIAN
3.1 Data
Penelitian ini merupakan kajian tentang menganalisis pengaruh produksi
padi, Industri, dan distribusi Listrik terhadap Produk Domestik Regional
Bruto (PDRB) di Provinsi Jawa Timur dalam kurun waktu tahun 1997 sampai
dengan tahun 2014. Data bertipe cross-section dan Time Series. Meliputi data
tahunan di Provinsi Jawa Timur. (BPS JATIM, 2015)
Data yang digunakan adalah data sekunder dari tahun 1997 s/d 2014,
yaitu PDRB harga berlaku (nominal) dana data produksi total dari produksi
padi, produksi industri besar dan keci, dan distribusi listrik.
Mulai Pengumpulan
Data
Regresi Linear
Uji Statistik
Berganda
Uji Asumsi
Klasik
1. Uji Normalitas
Ya 2. Uji Heterokedastisitas Tidak
3. Uji Multikolinearitas,
4. Uji Otokorelasi.
Metode
OLS
16
Hasil Selesai
Tabel 4.1 Data PDRB Jawa Timur dan Data Produksi Padi, Industri,
Distribusi Listrik Dari Tahun 1997 - 2014
PDRB Produksi Padi Produksi Industri Distribusi Listrik
Tahun (juta rupiah) (ton) (juta rupiah) (Kwh)
1997 88772383 8846406 46098607532 11662473533
1998 135753197 8888433 74872369464 11784452861
1999 150555746 9205762 90762413929 13080024306
2000 169680628 9457107 153730897393 14366545500
2001 233881585 8699547 117622934672 15628023529
2002 267157717 8803877 176491785506 16279353468
2003 300609858 8914995 137300691627 17062929627
2004 341065251 9002025 154447289634 18358042862
2005 403392351 9007265 173719915376 19468061816
2006 472286954 9346947 213035738495 20054790176
2007 536981882 7931751 277297620103 21263304822
2008 686847558 10474773 298742079387 21871978722
2009 778455773 11259085 296235489880 22766487244
2010 990648844 11643773 379103610806 24469830027
2011 112057716 10576543 435127200106 26151720804
2012 124876729 12198707 417241488327 28824484957
2013 138250141 12049342 504191125534 30704047935
2014 153794763 11785464 491742703606 32525099582
17
18
Setelah dilakukan input data ke dalam software MS. Excel, diperoleh hasil
persamaan regresi berganda sebagai berikut :
Regression Statistics
Multiple R 0.158485264
R Square 0.251175886
Adjusted R Square 0.183785797
Standard Error 283917459
Observations 18
Tabel 4.3 ANOVA
Significanc
df SS MS F eF
Regressi 3.39009 1.13003 17.2737158 0.0436770
on 3 6 2 37 57
2.17501 0.15535
Residual 14 6 8
Total 17 5.56511
19
Standard
Coefficients Error t Stat P-value
Intercep
t 185050259.6 900420753.5 0.20551532 0.030127852
X1 13.96180094 93.43310836 0.14943098 0.002344863
X2 0.000270683 0.002257098 0.119925166 0.006246431
X3 -0.002548428 0.049840631 -0.051131542 0.099943081
sebesar 0.149 (X1), 0.120 (X2), -0.05(X3) dan t-tabel dalam persamaa ini
adalah 1.753. Dimana nilai t-hitung kurang dari nilai t-tabel, maka hal ini
berarti variabel X1, X2, X3 memiliki pengaruh yang siginifikan terhadap
PDRB Jawa Timur.
Selanjutnya pada tabel 4.3 menunjukkan bahwa nilai F-statistik pada
persamaan regresi sebesar 17.273 dengan F-tabel sebesar 3.16. Maka
dengan demikian dapat disimpulkan bahwa F-hitung > dari F-tabel.
Sehingga disimpulkan dalam persamaan tersebut variabel bebas secara
bersama-sama mempengaruhi variabel terikat (Ho diterima dan H 1
ditolak).
Dari hasil program diatas, terlihat nilai probabilitas dari X1, X2,
X3 nilai probabilitas nya lebih besar dibandingkan tingkat
signifikansi 0,05. Sehingga dapat disumpulkan bahwa tidak terjadi
heteroskedastisitas.
3. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mendeteksi adanya korelasi
diantara variabel–variabel bebas. Korelasi diartikan sebagai
24
Regression Statistics
0.44585846
Multiple R 1
0.57719324
R Square 4
Adjusted R
Square 0.02710186
Standard Error 0.72148884
Observations 18
29
Significanc
df SS MS F eF
Regressio
n 3 1.808151 0.602717 41.15786 0.036059
Residual 14 7.287646 0.520546
Total 17 9.095798
Coefficient Standard
s Error t Stat P-value
Intercep
t 55.6532 31.5009 1.7667 0.0991
ln_X1 2.2130 2.0229 1.0940 0.2924
ln_X2 1.2098 0.9714 1.2454 0.2334
ln_X3 -1.3568 2.2229 -0.6104 0.5514
produksi padi, produksi industri besar dan kecil, dan distribusi listrik
sebesar 57,7% terhadap PDRB perkapita Jawa Timur.
Selanjutnya uji hipotesis dengan melihat nilai uji t dan uji F. Pada
tabel 4.4 menunjukkan bahwa tiga variabel tersebut mempunyai nilai t-
hitung sebesar 1.109 (X1), 1.245 (X2), -0.06(X3) dan t-tabel dalam
persamaa ini adalah 1.753. Dimana nilai t-hitung < nilai t-tabel, maka
hal ini berarti variabel X1, X2, X3 memiliki pengaruh yang siginifikan
terhadap PDRB Jawa Timur.
2. Uji Normalitas
Dalam penelitian ini untuk menguji normalitas data, peneliti
menggunakan uji Kolmogorov-Smirnov dengan bantuan program R. uji
Kolmogorov- Smirnov diidentifikasi dengan melihat nilai signifikansi >
0,05 maka variabel berdistribusi normal. Jika signifikansi < 0,05 maka
variabel tidak berdistribusi normal, hasil Uji Kolmogorov-Smirnov sebagai
berikut :
Gambar 9. Hasil Program Uji Normalitas
31
Dari hasil program diatas, terlihat nilai probabilitas dari nilai statistik
White, yakni 0.070881, lebih besar dibandingkan tingkat signifikansi 0,05.
Sehingga dapat disumpulkan bahwa tidak terjadi heteroskedastisitas.
5. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mendeteksi adanya korelasi
diantara variabel–variabel bebas. Korelasi diartikan sebagai hubungan
dekat antara variabel-variabel bebas. Untuk mendeteksi terjadinya
multikolinearitas dengan melihat dari nilai Variance Innflantion Factor
(VIF). Jika VIF > 10 maka terjadi multikolinearitas. jika VIF < 10 dengan
bantuan program R. Sehingga mendapatkan hasil sebagai berikut :
Gambar 11. Hasil Program Uji Multikolinearitas
33
Berdasarkan hasil uji statistik dan uji asumsi klasik terhadap data yang
telah ditransformasi kebentuk ln. menghasikan sebuah asumsi model
persamaan regresi yang bersifat Best Linear Unbiased Estimator (BLUE).
Meskupun masih mengandung multikolinearitas. Hal ini hanya berdampak
pada nilai hitung statistik uji t akan kecil membuat beberapa variabel
dependent tidak siginifikan mempengaruhi variabel independen.
Selanjutnya uji hipotesis dengan melihat nilai uji t dan uji F. Pada tabel 4.4
diatas, menunjukkan bahwa tiga variabel tersebut mempunyai nilai t-hitung
sebesar 1.109 (X1), 1.245 (X2), -0.06(X3) dan t-tabel dalam persamaa ini
adalah 1.753. Dimana nilai t-hitung < nilai t-tabel, maka hal ini untuk masing-
masing variabel X1, X2 sebesar 11% untuk variabel produksi padi, 12% untuk
variabel produksi industri memiliki pengaruh yang siginifikan terhadap PDRB
Jawa Timur. Karena distribusi lisriki memiliki nilai yang negative, maka
distribusi listri tidak berpengaruh siginifikan terhadap PDRB Jawa Timur
35
6.1 Kesimpulan
Berdasarkan hasil analisi pengaruh antara produksi padi, produksi industri,
dan distribusi listrik terhadap PDRB perkapitadi wilayah Provinsi Jawa Timur
tahun 1997-2014, dapat diambil kesimpulan sebagai berikut :
30
lisriki memiliki nilai -6% yang bernilai negative , maka distribusi
listri tidak berpengaruh siginifikan terhadap PDRB Jawa Timur
6.2 Saran
Sehubungan dengan hasl penelitian diatas, maka saran yang dapat diberikan
untuk menunjang penelitian selanjutnya, sebagai berikut :
31
DAFTAR PUSTAKA
6.
Akila. (2017). Pengaruh Insentif Dan PengawasanTerhadap Produkstifitas Kerja
Karyawan PAda CV.Vassel Palembang. Ecomen Global, 40.
Dewi, M. (2009). Analisi pengaruh Investasi Dan Tenaga Kerja Terhadap Output
Sektor Industri Kabupaten Bekasi. Bogor: Institut Pertanian Bogor.
Makarti, P. P., & Karim, A. (2013). Perbandingan Metode Ordinary Least Square
(OLS) Dan Metode Regresi Robust Pada Hasil Produksi Padi Di
Kabupaten Indramayu. 220.
```{r, echo=FALSE}
library(psych)
library(tseries)
library(nortest)
library(fBasics)
library(randtests)
library(plm)
X1 <- data$X1
X2 <- data$X2
X3 <- data$X3
Y <- data$Y
```{r, echo=FALSE}
cat(sprintf("4.2 Uji Asumsi Klasik\n"))
a <- regresi$coefficients[1]
b1 <- regresi$coefficients[2]
b2 <- regresi$coefficients[3]
b3 <- regresi$coefficients[4]
r2 <- summary(regresi)$r.squared
f <- summary(regresi)$fstatistic
print(normalitas_KS)
print(names(normalitas_KS))
```
```{r, echo=FALSE}
n_X1 = deskriptif_X1$n
X1X2+
X1X3+
X2X3+
print(summary(White_Homoskedastisitas))
if(probabilitas_statistik_White<0.05)
=> Nilai kritis chi-square dengan derajat bebas 9 dan tingkat signifikansi 0,05
adalah %f
Karena probabilitas dari nilai statistik White, yakni %f, lebih kecil
dibandingkan tingkat signifikansi 0,05,
probabilitas_statistik_White))
}
if(probabilitas_statistik_White>0.05)
=> Nilai kritis chi-square dengan derajat bebas 9 dan tingkat signifikansi 0,05
adalah %f.
Karena probabilitas dari nilai statistik White, yakni %f, lebih besar
dibandingkan tingkat signifikansi 0,05,
probabilitas_statistik_White))
```{r, echo=FALSE}
library(psych)
library(tseries)
library(nortest)
library(fBasics)
library(randtests)
library(plm)
X1 <- data$X1
X2 <- data$X2
X3 <- data$X3
Y <- data$Y
```{r, echo=FALSE}
cat(sprintf("Diketahui nilai VIF dari xx1 adalah %f, nilai VIF dari xx2
adalah %f, dan nilai VIF dari xx3 adalah %f.\n\n",VIF_X1, VIF_X2,
VIF_X3))
cat(sprintf(" Karena nilai VIF dari xx1, xx2 dan xx3 tidak lebih dari 10,
maka diindikasi tidak terjadi multikolinearitas."))
}
if(VIF_X1 > 10 || VIF_X2 > 10 || VIF_X3 > 10 )
cat(sprintf(" Karena terdapat nilai VIF yang melebihi 10, maka diindikasi
terjadi multikolinearitas."))
```{r, echo=FALSE}
library(psych)
library(tseries)
library(nortest)
library(fBasics)
library(randtests)
library(plm)
X1 <- data$X1
X2 <- data$X2
X3 <- data$X3
Y <- data$Y
```{r, echo=FALSE}
cat(sprintf("4.2.4 Uji Otokorelasi dengan Uji Durbin-Watson\n \n"))
n_X1 = deskriptif_X1$n
jumlah_kuadrat_residual_sebelum_sesudah_durbin_watson <-
vector(length = (n_X1)-1)
for(m in 1:((n_X1)-1) )
jumlah_kuadrat_residual_sebelum_sesudah_durbin_watson[m] =
(residual[m]-residual[m+1])^2
jumlah_kuadrat_residual[m] = (residual[m])^2