BAB I

PENDAHULUAN

1.1 Latar Belakang

Upaya manusia untuk memenuhi kebutuhan hidupnya sudah berlangsung sejak
zaman dahulu. Bentuk-bentuk usaha tersebut dapat berupa kegiatan jual-beli,
kegiatan pertanian, kelautan dan industry, dan terciptanya pasar tradisional dan
swalayan sebagai salah satu perpanjangan tangan atau alat untuk memenuhi
kebutuhan hidup manusia. Jenis-jenis usaha inilah yang secara luas dikenal dengan
kegiatan ekonomi . Pada perkembangannya, manusia sebagai sebagai makhluk sosial
juga membutuhkan kebutuhan sosial untuk mencapai kepuasan, kekuasaan yang
dicapai dengan usaha perekonomian yang ada.
Kegiatan ekonomi adalah salah satu cara manusia dalam memenuhi kebutuhan
hidupnya sekaligus alat dalam system perekonomian suatu negara. Ekonomi menjadi
hal penting karena ekonomi adalah salah satu hal yang mendasar dalam menentukan
keberlangsungan hidup suatu negara, daerah atau wilayah. Karena itulah, berbagai
macam kegiatan ekonomi dapat ditemukan dalam satu negara, daerah atau wilayah.
Indonesia adalah salah satu negara yang perekonomiannya didominasi oleh
pertanian dan perdagangan. Untuk kota-kota besar, perdagangan dan industry
mendominasi kegiatan ekonomi yang ada dengan adanya berbagai jenis pasar dari
mulai pasar tradisional sampai dengan pasar swalayan, sedangkan untuk kota-kota
kecil, pertanian sangat mendominasi terlihat dari banyaknya sawah-sawah yang
tersedia. Hal inilah yang menjadi ciri khusus dari kegiatan ekonomi di Indonesia.
Terdapatnya berbagai macam kegiatan ekonomi mendorong terciptanya sisi
komersial di suatu wilayah. Hal ini dapat mempengaruhi penduduk di wilayah
tersebut. Karena itu, keberadaan berbagai macam kegiatan ekonomi yang ada inilah
yang dicari tau adakah hubungannya dengan variable-variabel non-ekonomi lain
seperti lokasi wilayah, jenis kelamin, dan lain-lain.
Dari uraian di atas, penulis terdorong untuk menganalisis hubungan kegiatankegiatan ekonomi. Oleh karena itu, penulis mengambil judul Analisis Statistik Asosiasi.

1.2 Rumusan masalah

Berdasarkan penjelasan di atas, dapat dirumuskan permasalahan yang dapat dikaji dan
dibahas dalam laporan ini, yaitu:
1. Bagaimana keterkaitan antara masing-masing variable kegiatan ekonomi?
2. Bagaimana sifat, pola, kedekatan dan arah keterkaitan dari masing-masing
variable kegiatan ekonomi?
3. Bagaimana keterkaitan antara kegiatan ekonomi dengan perencanaan wilayah
dan kota?
1.3 Tujuan dan Sasaran
Tujuan penyusunan laporan ini adalah untuk mengidetifikasi keterkaitan dari masingmasing variable dalam kegiatan ekonomi. Untuk mencapai tujuan tersebut, maka
sasaran yang harus dilakukan, yaitu:
1. Menganalisis korelasi dari masing-masing variable kegiatan ekonomi
2. Mengidentifikasi sifat, pola, kedekatan dan arah dari keterkaitan masingmasing variable dalam kegiatan ekonomi
3. Menginterpretasikan hubungan dari variable-variabel dalam kegiatan ekonomi
dengan bidang PWK.
1.4 Ruang Lingkup Penelitian
Masalah yang akan dibahas pada laporan ini tentu saja hanya beberapa hal yang
menjadi persoalan dalam kajian yang berhubungan dengan tujuan di atas. Dalam
pengamatan dan analisis, permasalahan yang diamati dibatasi ruang lingkupnya karena
keterbatasan waktu dan biaya.Adapun ruang lingkup masalah tersebut terbagi menjadi
ruang lingkup materi, ruang lingkup wilayah, dan ruang lingkup waktu.
1.4.1 Ruang Lingkup Materi
Materi permasalahan yang akan dianalisis dan dibahas dalam laporan ini
meliputi beberapa aspek masalah yang berhubungan dengan pencapaian
sasaran yang telah disebutkan dalam subbab sebelumnya. Aspek-aspek
masalah tersebut kemudian akan menjadi poin-poin pembahasan yang akan
ditinjau pada bab-bab selanjutnya. Adapun aspek-aspek tersebut adalah:
1. Input data-data beberapa kegiatan ekonomi
2. Analisis korelasi dan keterkaitan dari masing-masing variable yang
menggunakan program SPSS sebagai alat ukur
3. Keterkaitan antara variable-variabel tersebut

dengan

bidang

perencanaan wilayah dan kota

1.4.2 Ruang Lingkup Wilayah
Wilayah penulisan dalam observasi kali ini adalah bersifat nasional, yaitu
Indonesia karena data-data dalam observasi kali ini diambil dari bermacammacam daerah dan wilayah.
1.4.3 Ruang Lingkup Waktu
2

Penelitian yang dilakukan ini terdiri dari beberapa tahapan hingga

penyelesaian laporan ini. Tahapan-tahapan tersebut adalah:
1. Tahap pencarian data
Pada tahap ini dilakukan pencarian-pencarian data baik di literatureliterature yang ada dan di dunia maya. Tahap ini dilakukan pada
tanggal 2 Desember 2010.
2. Tinjauan Literatur
Setelah melakukan pencarian data, ditinjau juga berbagai literatur
yang mendukung pengamatan dan analisis.
3. Analisis Data
Pada tahap ini dilakukan analisis yang berdasarkan atas hasil
pengamatan menggunakan program-program komputer, seperti SPSS
16, Microsoft Excel.
4. Penyusunan Solusi
Pada tahap ini dilakukan penyusunan solusi atas masalah-masalah
yang ada.
5. Penyusunan Laporan
Pada tahap ini dikompilasikan seluruh hasil tahapan penelitian dalam
suatu laporan

1.5 Metodologi Penelitian

Metoda yang digunakan dalam penulisan ini adalah analisis statistic asosiasi
karena penulisan ini bertujuan untuk menentukan korelasi antara masing-masing
variable dan menganalisisnya. Terdapat dua tahapan dalam metoda penulisan,
yaitu:
1. Metoda Pengumpulan Data
Dalam metoda ini penulis menggunakan data sekunder yang berupa data-data
yang akan dianalisis dari dunia maya selain itu penulis juga mencari data yang
berupa tinjauan buku, seperti Statistika untuk Analisis Data Ilmiah oleh Dr.
Budi Susetyo, M.Pd. hal ini dilakukan untuk memberi wawasan tambahan bagi
penulis dalam menyelesaikan laporan ini.
2. Metoda Analisis Data
Pada analisis data, penulis menggunakan program komputer SPSS 16 dan
Microsoft Excel untuk membantu analisis. Hasil analisis program komputer
kemudian diolah dan dianalisis lebih lanjut, sehingga permasalahan dapat
terungkap dan terselesaikan.
I.6

Sistematika Penulisan
Sistematika penulisan laporan praktikum ini adalah sebagai berikut :
3

Bab I Pendahuluan
Pada bagian pendahuluan, penulis menguraikan latar belakang, rumusan masalah,
tujuan dan sasaran, ruang lingkup penelitian, metodologi penelitian dan sistematika
penulisan
Bab II Dasar Teori
Pada bab ini, penulis akan memaparkan tentang teori dasar analisis statistic
asosiasi. Selanjutnya mengenai teori dasar penggunaan analisis statistic asosiasi
dengan SPSS.
Bab III Input dan Analisis Data
Pada bab ini, penulis akan memaparkan tentang input data, analisis output data
dari tiap-tiap uji yang dilakukan dan interpretasi terhadap bidang perencanaan
wilayah dan kota.
Bab IV Penutup
Pada bagian penutup, penulis membuat kesimpulan dan saran.

BAB II
DASAR TEORI

2.1 Teori Analisis Statistik Asosiasi

Ditinjau dari asal kata, statistika berasal dari bahasa latin, yaitu status atau statista
yang mempunyai arti negara (Susetyo, Budi, 2010:2). Pada awalnya, statistika
digunakan untuk mencatat kegiatan atau urusan yang berkaitan dengan negara,
seperti jumlah penerimaan pajak, jumlah pengeluaran untuk gaji pegawai, dan lainlain. Seiring dengan perkembangan zaman, statistika tidak hanya digunakan untuk
mencatat kegiatan yang berkaitan dengan negara, tetapi juga dapat dimanfaatkan di

berbagai bidang, misal: pendidikan, ekonomi, sosial, kedokteran, pertanian, biologi,

sains, farmasi, psikologi, dan sebagainya.
Berdasarkan kelengkapan obyek, statistika dapat dibagi menjadi 3, yaitu analisis
statistik deskriptif, analisis statistik inferensial, dan analisis statistik asosiasi.
Analisis statistik deskriptif adalah bagian dari statistika yang membahas cara
pengumpulan dan penyajian data, sehingga mudah dipahami dan memberikan
informasi yang berguna (Susetyo, Budi, 2010:4). Sementara analisis statistik
inferensial membahas cara melakukan analisis data, menaksir, meramalkan dan
menarik kesimpulan terhadap data, fenomena, persoalan yang lebih luas atau
populasi berdasarkan sebagian sampel yang diambil secara acak dari populasi
(Susetyo, Budi, 2010:6). Lalu, analisis statistik asosiasi melihat adanya hubungan
antara dua atau lebih karakteristik objek atau variabel. Namun, pada laporan ini
pembahasan secara mendetail akan dilakukan pada analisis statistik asosiasi.
Statistik ini digunakan untuk mencari keterkaitan antar variabel yang diuji. Dalam
mencari kaitan antar variabel, digunakan pertanyaan-pertanyaan sebagai berikut:
1. Mengetahui keberadaan hubungan antar variabel (ada/tidak). Untuk menentukan
hal ini dapat digunakan data yang memiliki jenis nominal, ordinal, dan intervalrasio.
2. Mengetahui keeratan hubungan antar dua variabel. Sama seperti keberadaan
hubungan, keeratan hubungan dapat diketahui menggunakan data nominal,
ordinal, dan interval rasio.
3. Mengetahui arah hubungan (positif/negatif). Untuk mencari arah, dapat
digunakan data ordinal dan interval-rasio.
4. Mengetahui sifat hubungan. Hanya dapat diuji menggunakan data interval-rasio.
Dalam statistik asosiasi, terdapat dua tipe hubungan, yaitu:
1. Hubungan Korelatif. Hubungan ini didasarkan pada lingkungan alamiah, sehingga
variabel data nilainya tidak dikendalikan. Selain itu, hubungan korelatif sulit
untuk menentukan hubungan sebab akibat.
2. Hubungan Eksperimen. Hubungan ini didasarkan pada suatu percobaan, sehingga
salah satu nilai variabel dapat dikendalikan. Menunjukkan hubungan sebab
akibat.
2.1.1 Asosiasi Variabel Nominal
Asosiasi variabel nominal hanya bisa menjelaskan keberadaan dan kekuatan
hubungan, tapi tidak bisa menjelaskan mengenai arah dan sifat hubunga. Ada
beberapa cara untuk mencari hubungan antar variabel melalui asosiasi
variabel nominal, yaitu:
5

a. Chi Square Phi

Digunakan untuk tabel 2 x 2. Jika nilai phi sama dengan nol, maka artinya
antar dua variabel tidak memiliki hubungan atau Ho diterima. Namun,
jika phi sama dengan satu, artinya antar dua variabel memiliki hubungan
sempurna atau H1 diterima. Semakin besar nilai phi, maka semakin erat
pula hubungan antar dua variabel.
=

x2
N

( f of e )2
x =
fe
2

f e=

( total baris ) x (total kolom)

n

Keterangan:

x 2 = nilai chi square

N= jumlah sampel
Kelemahan dari chi square phi adalah jika tabel >2 dan baris hasil >1,
maka data akan sulit diinterpretasi. Selain itu, tidak memiliki interpretasi
langsung yang bermakna tentang nilai 0-1.
b. Chi Square Creamers V
Dapat digunakan pada tabel lebih dari 2 kolom dan baris. Sama seperti chi
square phi, jika v sama dengan satu maka kekuatan hubungan antar
variabel erat. Sebaliknya, jika v sama dengan nol, maka variabel tidak
memiliki hubungan. Rumusnya:

V=
2

x2
( N ) { Min ( r1 ) ,(c1) }

x =
f e=

( f of e )2
fe

( total baris ) x (total kolom)

n

Kelemahan chi square creamers v adalah tidak mempunyai interpretasi

langsung yang bermakna tentang nilai 0-1
2.1.2 Asosiasi Variabel Ordinal
Data ordinal terdiri dari dua bentuk, yaitu:
a. Data ordinal kontinu, yakni rentang yang lebar dari banyak nilai yang
mungkin. Untuk mengujinya, dapat dilakukan uji spearman rho yang

melihat perbedaan rank dua variabel. Jika perbedaan sangat kecil, maka
kedua variabel saling berhubungan.
b. Data ordinal collapsed, yakni data yang memiliki sedikit (tidak lebih dari 5
atau 6) nilai setiap variabel, dapat diperoleh dari pengumpulan data
dalam kontinyu. Untuk mengujinya dapat digunakan koefisien Gamma
yang memperkirakan urutan dari pasangan kasus, koefisien Sommer (d)
yang melibatkan pasangan satu baris atau satu kolom sehingga terikan
pada variabel terikat Tx atau Ty, dan koefisien Tau-b Kendall yang
melibatkan pasangan terikat pada variabel terikat dan variabel bebas Tx
dan Ty.

2.1.3 Asosiasi Variabel Interval-Rasio

Asosiasi ini menjelaskan keberadaan, kekuatan, serta arah hubungan. Teknik
pengukuran yang dapat dilakukan ada dua cara, yaitu:
a. Koefisien Korelasi Product Moment Pearson (r)
Digunakan untuk mengukur hubungan dua variabel yang diukur dalam skala
interval rasio. Koefisien korelasi hanya cocok untuk menghukur derajat
hubungan antara dua variabel yang terkait secara linier. Jika hubungan
tidak linier, maka koefisien korelasi akan menunjukkan angka nol. Selain
itu, variabel yang diuji harus terdistribusi normal. Rumus-rumus yang
digunakan dalam koefisien korelasi Pearson (r):
__

__

( X i X )(Yi Y )
(n 1) S x S y

__

__

( X X )(Y Y )
__

__

[ ( X X ) 2 ][ (Y Y ) 2 ]

N XY ( X )( Y )

[ N X 2 ( X ) 2 ][ N Y 2 ( Y ) 2 ]

Jika r=0, maka antar variabel tidak memiliki hubungan. R1 berarti antar
variabel memiliki hubungan sempurna.

r2

adalah koefisien determinasi

yang berarti proporsi variasi yang dijelaskan oleh variabel lain.

b. Analisis Regresi Linier

Analisis regresi linier memberikan suatu persamaan yang menggambarkan
sifat hubungan antara dua variabel sekaligus memberikan ukuran variansi
yang memungkinkan untuk memperkirakan keakuratan sebagaimana jauh
persamaan regresi dapat memprediksi nilai variabel kriteria. Teknik ini
dirancang untuk data eksperimental yang besaran variabel prediktor
dipilih/ditentukan oleh peneliti dengan obyek yang dipilih secara random.
Dalam hal ini, peneliti harus menentukan yang mana variabel prediktor dan
mana variabel kriteria.
Sasaran yang ingin dicapai dalam analisis regresi adalah:
1. Menentukan ada tidaknya hubungan antar dua variabel
2. Menggambarkan sifat hubungan yang ada dalam persamaan matematik
3. Memperkirakan derajat keakuratan dari deskripsi atau prediksi yang
dihasilkan oleh persamaan regresi.
4. Pada kasus regresi berganda, untuk memperkirakan kepentingan relatif
dari berbagai variabel prediktor dapat dilihat dari kontribusinya pada
variansi dalam variabel kriteria.

Rumus untuk menentukan garis regresi:

n XY X Y

n X 2 X

Y=a+bX

A=titik potong garis regresi dengan sumbu Y

B= kelerengan garis regresi
X= variabel independen
8

Y=variabel dependen

2.2

Penggunaan Analisis Statistik Asosiasi dengan aplikasi SPSS

Semakin berkembangnya teknologi menjadikan analisis statistik tidak hanya dapat
dilakukan dengan perhitungan manual, tapi juga dengan program komputer.
Perhitungan yang awalnya dilakukan pada waktu yang lama dan akurasi hasil yang
terkadang kurang tepat, kini dapat diminimalisasi melalui penggunaan program
komputer, seperti SPSS, NCSS, Minitab, Statgraf, dan lain-lain. Kelebihan dari
penggunaan program analisis statistik komputer adalah akurasi yang tinggi karena
data yang dimasukkan dalam program merupakan data asli. Namun kekurangannya,
tidak diketahui rumus statistik yang digunakan karena yang keluar hanyalah hasil
perhitungan.
Dalam menganalisis data-data ini, digunakan program SPSS sebagai program utama.
Hal-hal yang dilakukan dalam pengolahan data kali ini adalah uji data untuk
pengolahan data interval-rasio, yaitu teknik pengukuran dengan uji Chi-square phi
dan V-creamers, uji korelasi r-pearson dan analisis regresi linier.

2.2.1 Uji Chi-square phi dan V-Creamers

Kedua uji ini digunakan untuk data-data nominal. Uji ini digunakan untuk
mengetahui hubungan antarvariabel suatu data nominal. Perbedaan dari kedua uji ini
hanyalah pada tabel data, untuk uji chi-square phi tabel data yang digunakan adalah
tabel 2x2 atau tabel segi empat. Sedangkan untuk uji V-Creamers, tabel yang
digunakan tabel yang lebih dari 2x2. Langkah-langkah perhitungan uji dalam SPSS
adalah sebagai berikut :

Dari menu Analye, pilih sb menu Descriptive Statistics lalu pilih Crosstabs
Masukkan variable yang akan dianalisis ke kotak Row dan kotak Column. Row untuk

baris, Column untuk kolom

Klik Statistics, lalu pilih Chi-square dan Phi and Cramers V pada Nominal.

Kemudian, klik Continue

Klik mouse pada pilihan Cells, kemudian pilih Observed pada Counts. Kemudian,

klik Continue
Klik mouse pada pilihan Format, kemudian pilih Ascending pada Row Order lalu
Continue

Tekan OK untuk mengakhiri pengisian prosedur analisis. Kemudian akan muncul

output analisis dari SPSS

2.2.2 Koefisien Korelasi R-PEARSON

Koefisien korelasi r-pearson mengukur keeratan hubungan di antara hasil-hasil
pengamatan dari populasi yang mempunyai dua varian (bivariate). Pengukuran ini
hanya cocok untuk mengukur derajat hubungan antara variable yang terkait secara
linier. Korelasi ini digunakan untuk mengukur data interval ratio. Langkah
pengolahan data dengan SPSS untuk mengetahui hubungan antarvariabel adalah
sebagai berikut :

Dari menu Analyze, pilih sub menu Correlate lalu pilih Bivariate
Masukkan variable yang akan dianalisis ke dalam kotak Variable dan untuk
mengukur korelasi data pada contoh kasus yang kuantitatif dan berskala rasio, pilih
Pearson pada bagian Correlation Coefficients. Kemudian pada bagian Test of
Significance pilih Two-Tailed karena akan menguji dua sisi. Terakhir, berikan
checklist pada bagian Flag Significant Correlations untuk melihat tingkat

signifikansi.
Sedangkan pada bagian Options dibiarkan default SPSS yaitu pada pilihan Exclude

Cases Pairwise.
Klik OK untuk mengakhiri prosedur analisis. Setelah itu akan muncul output analisis
dari SPSS
2.2.3 Analisis Regresi Linier
Analisis regresi digunakan untuk melihat pola hubungan (linier) antar dua variable, di
mana dalam model tersebut ada sebuah variable dependen dan variable independen
yang mempengaruhi besar variable dependen. Langkah-langkah pengolahan data
dengan SPSS untuk mengetahui pola hubungan antarvariabel adalah sebagai berikut :

Dari menu Analyze, pilih sub menu Regression lalu pilih Linear untuk uji regresi

linear
Pada kotak dialog, masukkan variable dependen ke dalam box Dependent dan
variable lainnya masukkan ke dalam box Independent. Dan untuk mengisi Case

Labels sesuai dengan dasar variable tersebut.

Untuk keseragaman metode memasukkan variable, pilih Enter pada bagian Method
Lalu, pilih kolom Statistics dan akan muncul kotak-kotak dialog box pada layar
Untuk Regression Coefficient atau perlakuan koefisien regresi, tetap aktifkan
pilihan Estimates
10

Klik mouse pada pilihan Descriptive pada kolom sebelah kanan, tetap aktifkan

Model Fit
Pada bagian Residuals klik mouse pada Casewise Diagnostics dan pilih all cases

untuk melihat penngaruh regresu pada tiap variable

Klik Continue untuk melanjutkan
Pilih kolom Plots yang berhubungan dengan gambar/grafik pada regresi
Klik mouse padad pilihan SDRESID dan masukkan ke pilihan Y. Lalu klik mouse
sekali lagi pada pilihan ZPRED dan masukkan ke pilihan X, kemudian klik tombol

Next untuk pengisian plot kedua

Tampak variable X dan Y kembali kosong. Sekali lagi klik mouse pada pilihan
ZPRED dan masukkan ke pilihan Y. Lalu klik sekali lagi pada pilihan DEPENDNT
dan masukkan ke pilihan X. kemudian klik tombol Next untuk pengisian plot

ketiga
Untuk plot ketiga pada pilihan Standardized Residual Plots, klik pada Normal

Probability Plot
Klik Continue untuk kembali ke kotak dialog utama
Pilih kolom Options dan akan muncul kotak dialog pada layar
Untuk Stepping Method Criteria, digunakan uji F yang mengambil standar

probabilitas sebesar 5%. Oleh karena itu angka Entry.05 atau 5% dipilih
Pilihan default Include constant in equation atau menyertakan persamaan

regresi tetap dipilih

Penanganan Missing Value digunakan default dari SPSS, yaitu Exclude cases

listwise karena tidak ada data kasus yang hilang

klik Continue untuk kembali ke kotak dialog utama
Klik OK untuk menyelesaikan porsedur analisis data. Selanjutnya akan keluar
output analisis dari SPSS

11

BAB 3
INPUT DAN ANALISIS DATA

3.1

Input Data

3.1.1 Input Data Uji Chi Square Phi

Studi kasus yang dilakukan untuk mencari tahu tingkat kepuasan masyarakat
terhadap keberadaan pasar swalayan menurut jenis kelamin.
Tabel 3.1.1 TINGKAT PARTISIPASI
KEPUASAN MASYARAKAT TERHADAP
KEBERADAAN SWALAYAN

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

LakiLaki
Renda
h
Tinggi
Renda
h
Tinggi
Tinggi
Tinggi
Renda
h
Renda
h
Tinggi
Tinggi
Renda
h
Renda
h
Renda
h
Tinggi
Tinggi
Tinggi
Renda
h
Tinggi
Tinggi
Renda
h

No

Peremp
uan

1 Tinggi
2 Rendah
3
4
5
6

Tinggi
Tinggi
Rendah
Tinggi

7 Tinggi
8 Tinggi
9 Rendah
10 Rendah
11 Rendah
12 Tinggi
13
14
15
16

Tinggi
Rendah
Tinggi
Tinggi

17 Rendah
18 Tinggi
19 Rendah
20 Tinggi
12

21
22
23
24
25

Tinggi
21 Tinggi
Tinggi
22 Tinggi
Tinggi
23 Tinggi
Tinggi
24 Tinggi
Tinggi
25 Rendah
Renda
26 h
26 Rendah
Renda
27 h
27 Tinggi
Renda
28 h
28 Rendah
Renda
29 h
29 Tinggi
30 Tinggi
30 Tinggi
31 Tinggi
31 Tinggi
Renda
32 h
32 Rendah
33 Tinggi
33 Rendah
Renda
34 h
34 Tinggi
35 Tinggi
35 Tinggi
36 Tinggi
36 Rendah
37 Tinggi
37 Tinggi
Renda
38 h
38 Tinggi
39 Tinggi
Renda
40 h
41 Tinggi
42 Tinggi
Renda
43 h
44 Tinggi
45 Tinggi
Renda
46 h
Renda
47 h
sumber : http://www.google.com

3.1.2 Input Data Uji Chi Square Creamers V

Studi kasus yang dilakukan oleh LSI (Lingkaran Survei Indonesia) menemukan fakta
bahwa terjadi tren penilaian negatif terhadap kondisi ekonomi yang ada saat ini.
Tabel ini menampilkan lebih detail penilaian publik atas kondisi ekonomi berdasarkan
wilayah tempat tinggal sampel (desa atau kota).
13

tabel 3.1.2 Input data Chi Square Creamers V

14

Penilaian Publik Terhadap Kondisi

Ekonomi Berdasarkan Wilayah
(Desa/Kota)
No
No
Respon
Desa
Respon
Kota
den
den
1
Buruk
1
Sedang
2
Baik
2
Sedang
3
Baik
3
Buruk
4
Sedang
4
Sedang
5
Buruk
5
Buruk
6
Buruk
6
Buruk
7
Sedang
7
Buruk
8
Baik
8
Buruk
Tidak
9
Tahu
9
Sedang
10
Sedang
10
Sedang
11
Sedang
11
Buruk
12
Sedang
12
Sedang
13
Buruk
13
Buruk
14
Buruk
14
Buruk
15
Baik
15
Buruk
16
Sedang
16
Buruk
17
Buruk
17
Buruk
18
Buruk
18
Buruk
19
Baik
19
Buruk
20
Buruk
20
Sedang
21
Sedang
21
Sedang
Tidak
22
Buruk
22
Tahu
23
Sedang
23
Sedang
24
Baik
24
Buruk
25
Baik
25
Buruk
26
Baik
26
Buruk
27
Buruk
27
Buruk
28
Buruk
28
Buruk
29
Buruk
29
Buruk
30
Buruk
30
Sedang
31
Sedang
31
Buruk
32
Sedang
32
Buruk
33
Buruk
33
Buruk
34
Buruk
34
Buruk
35
Buruk
35
Buruk
36
Sedang
36
Buruk
37
Baik
37
Sedang
38
Buruk
38
Baik
15

Sumber: www.lsi.co.id

3.1.3 Input Data Uji Koefisien Korelasi R-Pearson dan Uji Regresi
Input Data Luas Lahan Produksi Padi dan Produksi Padi Menurut Kabupaten atau Kota
di Provinsi Nangroe Aceh Darussalam tahun 2008
Tabel 3.1.3 Input data koefisien korelasi r-pearson dan regresi
No

Kabupaten/Kota

Luas Lahan
Produksi Padi

Produksi Padi

Simeulue

3277.0

12555.0

Aceh Singkil

6818.0

23684.0

Aceh Selatan

19092.0

81264.0

Aceh Tenggara

28580.0

118202.0

Aceh Timur

32062.0

138047.0

Aceh Tengah

9030.0

35635.0

Aceh Barat

11780.0

48025.0

Aceh Besar

36200.0

158034.0

Pi d i e

52555.0

229904.0

10

Bireuen

38281.0

165579.0

11

Aceh Utara

46340.0

202811.0

12

Aceh Barat Daya

11696.0

50103.0

13

Gayo Lues

13010.0

54079.0

14

Aceh Tamiang

16254.0

68760.0

15

Nagan Raya

25822.0

108098.0

16

Aceh Jaya

2130.0

8367.0

17

Bener Meriah*

4207.0

16416.0

18

Banda Aceh

160.0

592.0

19

Sabang

8.0

15.0

20

Langsa

2015.0

7780.0

21

Lhokseumawe

1400.0

5418.0

Sumber: www.bps.go.id

3.2 Analisis Output Data

3.2.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah syarat persamaan regresi
terpenuhi. Jika data terdistribusi normal, maka data layak untuk digunakan dalam
persamaan regresi. Akan tetapi, jika data tidak terdistribusi normal, maka data tidak
bisa dianalisis menggunakan persamaan regresi.

16

gambar 3.2.1 Grafik Uji Normalitas 1

Sumber: pengolahan data pribadi, 2010

Berdasarkan grafik di atas, dapat diketahui bahwa nilai sebaran data produksi padi
propinsi Nangroe Aceh Darussalam terletak di sekitar garis lurus dan arahnya
beraturan, tidak ada yang naik kemudian turun. Bisa dikatakan sebaran data pada
chart tersebar di sekitar garis lurus atau tidak terpencar jauh dari garis lurus.
Dengan demikian, dapat dikatakan bahwa data variabel produksi memiliki data yang
terdistribusi normal dan dapat dianalisis menggunakan uji regresi.

17

Gambar 3.2.2 Grafik Uji Normalitas 2

Sumber: pengolahan data pribadi, 2010

Dilihat dari chart diatas, dapat diketahui bahwa sebagian besar persebaran data
terfokus di sekitar nol. Selain itu, tidak nampak pola atau tren tertentu pada
sebaran data variabel produksi. Hal ini menunjukkan bahwa data variabel produksi
layak untuk dipakai sebagai prediksi (fit) dan dapat memprediksi variabel
dependennya.

3.2.2 Uji Chi Square Phi

Dalam menganalisis menggunakan uji chi square Creamers V, harus dilakukan
beberapa prosedur pengujian, yaitu:

1. Penentuan Asumsi
Tahap pertama dalam penentuan asumsi adalah pengambilan sampel random.
Pada data tingkat partisipasi masyarakat terhadap kepuasan keberadaan
swalayan berdasarkan jenis kelamin diambil secara random mengingat setiap
penduduk memiliki kesempatan yang sama untuk disurvey. Variabel data yang
diuji berupa variabel nominal yang tidak bisa diurutkan yakni jenis kelamin dan
penilaian publik. Tahap terakhir adalah distribusi mendekati normal.
18

2. Penentuan Hipotesa
Berdasarkan variabel yang dianalisis, yakni penilaian publik dan jenis kelamin
(laki-laki/perempuan), maka hipotesis dapat ditentukan sebagai berikut:
Ho atau hipotesa yang tidak memiliki perbedaan sama dengan nol. Hal ini
menunjukkan bahwa tidak ada korelasi antara jenis kelamin responden (lakilaki/perempuan) terhadap kepuasan publik tentang keberadaan pasar swalayan
saat ini.
Ho=0
H1, hipotesa yang bertentangan dengan Ho, tidak sama dengan satu. Artinya,
terdapat korelasi antara jenis kelamin dengan kepuasan publik tentang
keberadaan pasar swalayan saat ini.
H10
3. Menentukan dan wilayah kritis
Tingkat signifikansi yang digunakan pada data kepuasan masyarakat terhadap
keberadaan pasar swalayan berdasarkan jenis kelamin responden sebesar 10%.
Karena data diasumsikan two tails, maka =0,05
Penentuan wilayah kritis pada uji chi square phi:

x 2> x ; df ; ( b1 ) (c1)
df =( b1 ) ( c1 )
df =( 21 ) ( 21 )=1
x 2> x 0,05 ; df :1
2

x >3,841

4. Statistik Uji

x2

Dengan menggunakan SPSS 16, dilakukan uji statistik yaitu :

Tabel 3.2.1 Uji Chi Square Phi 1
Case Processing Summary
Cases
Valid
N
Jenis Kelamin * Tingkat
Partisipasi

Missing

Percent
85

100.0%

Total

Percent
0

.0%

Percent
85

100.0%

sumber : output analisis SPSS, 2010

19

Pada tabel di atas diketahui bahwa data tingkat kepuasan masyarakat terhadap
keberadaan pasar swalayan memiliki nilai kevalidan 100%, hal ini berarti data dapat
dipercaya. Selain itu,dari 85 data yang dianalisis tidak ada data yang missing (hilang)
dilihat dari nilai missing 0%.
Tabel 3.2.2 Uji Chi Square Phi 2
Jenis Kelamin * Tingkat Partisipasi Crosstabulation
Count
Tingkat Partisipasi
Rendah
Jenis Kelamin

Tinggi

Total

Laki-Laki

20

27

47

Perempuan

14

24

38

34

51

85

Total

sumber : output analisis dari SPSS

Pada tabel diatas, diketahui bahwa lebih banyak jumlah laki-laki dan perempuan yang
menyatakan memiliki kepuasan tinggi terhadap swalayan dan hanya sedikit yang
menyatakan memiliki kepuasan rendah. Selain itu dapat dilihat bahwa jumlah
responden laki-laki lebih banyak dibandingkan perempuan.

Tabel 3.2.3 Uji Chi Square Phi 3

Chi-Square Tests

Value

Df

Asymp. Sig. (2-

Exact Sig. (2-

Exact Sig. (1-

sided)

sided)

sided)

Pearson Chi-Square

.286a

.593

Continuity Correctionb

.097

.755

Likelihood Ratio

.286

.593

Fisher's Exact Test

N of Valid Casesb

.659

.378

85

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 15,20.
b. Computed only for a 2x2 table

sumber : output analisis dari SPSS

Tabel di atas menunjukkan besar nilai chi square adalah 0,286 dengan df = 1 dengan
nilai signifikansi sebesar 0,593. Diketahui pula likelihood ratio, tes yang digunakan
untuk membandingkan fit dari dua model dan menguji asumsi penyederhanaan
model valid, sebesar 0,286, besar df=1, dan significancy 0,593.
20

Tabel 3.2.4 Uji Chi Square Phi 4

Symmetric Measuresa
Value
Nominal by Nominal

Approx. Sig.

Phi

.058

.593

Cramer's V

.058

.593

N of Valid Cases

85

a. Correlation statistics are available for numeric data only.

Sumber : output analisis dari SPSS

Tabel di atas menunjukkan besar significancy pada pengujian chi square phi dan chi
square creamers v sebersar 0,058. Nilai ini lebih besar dibanding dengan besar
kesalahan pengujian data yakni 0,05. Artinya, jika nilai significancy dari pengujian
lebih besar dari nilai significancy pada ketidakpercayaan maka Ho diterima
5. Kesimpulan

x 2< x ; df ; ( b1 ) (c1)
x 2 ( 0,286 ) < x 2 (3,841)
Artinya, nilai

lebih kecil dari nilai

tabel, artinya Ho diterima dan

berada di luar wilayah kritis.

Sig > Sig tabel
Sig (0,593) > Sig Tabel (0,05)
Artinya, nilai significancy hitung lebih besar dari significancy tabel, maka Ho
diterima. Berdasarkan statistik uji yang telah dilakukan dapat diketahui bahwa
tidak ada korelasi antara tingkat kepuasan masyarakat terhadap keberadaan
pasar swalayan dengan jenis kelamin, ditandai dengan nilai chi square yang lebih
kecil dari chi square tabel dan significancy yang lebih besar dari significancy
tabel.

3.2.3 Uji Chi Square Creamers V

Dalam menganalisis menggunakan uji chi square Creamers V, harus dilakukan
beberapa prosedur pengujian, yaitu:
1. Penentuan Asumsi

21

Tahap pertama dalam penentuan asumsi adalah pengambilan sampel random.

Pada data penilaian publik terhadap kondisi ekonomi berdasarkan wilayah
diambil secara random mengingat setiap penduduk memiliki kesempatan yang
sama untuk disurvey. Tahap selanjutnya adalah tipe pengambilan nominal.
Variabel data yang diuji berupa variabel nominal yang tidak bisa diurutkan yakni
wilayah dan penilaian publik. Tahap terakhir adalah distribusi mendekati normal.
2. Penentuan Hipotesa
Berdasarkan variabel yang dianalisis, yakni penilaian publik dan wilayah
(desa/kota), maka hipotesis dapat ditentukan sebagai berikut:
Ho atau hipotesa yang tidak memiliki perbedaan sama dengan nol. Hal ini
menunjukkan bahwa tidak ada korelasi antara wilayah tempat tinggal responden
(desa/kota) terhadap penilaian publik atas kondisi ekonomi yang terjadi saat ini.
Ho=0
H1, hipotesa yang bertentangan dengan Ho, tidak sama dengan satu. Artinya,
terdapat korelasi antara wilayah tempat tinggal respondenn dengan penilaian
publik terhadap kondisi ekonomi saat ini.
H10
3. Menentukan dan wilayah kritis
Tingkat signifikansi yang digunakan pada data penilaian publik terhadap kondisi
ekonomi berdasarkan wilayah tempat tinggal responden sebesar 10%. Karena data
diasumsikan two tailed, maka nilai =0,05.
Syarat wilayah kritis pada pengujian chi square creamers v adalah

x 2> x ; df ; ( b1 ) (c1)
df =( b1 ) ( c1 )
df =( 41 ) ( 21 )=3
x 2> x 0,05 ; df :3
2

x >7,815

4. Statistik Uji

Dengan menggunakan SPSS 16, dilakukan uji statistik yaitu:

tabel 3.3.1 Uji Chi Square V-Creamers 1

22

Case Processing Summary

Cases
Valid
N
Penilaian Publik * Wilayah

Missing

Percent
200

100.0%

Total

Percent
0

.0%

Percent
200

100.0%

sumber : output analisis dari SPSS

Pada tabel di atas, diketahui bahwa data penilaian publik terhadap wilayah
tempat tinggal responden memiliki nilai kevalidan 100% yang artinya data dapat
dipercaya. Selanjutnya, dari 200 data responden yang dianalisis, tidak ada data
yang missing ditunjukkan dengan nilai missing 0%.
tabel 3.3.2 uji chi square v-creamers 2
Penilaian Publik * Wilayah Crosstabulation
Wilayah
Desa
Penilaian Publik

Buruk

Count

64

116

58.0

58.0

116.0

28

26

54

27.0

27.0

54.0

18

26

13.0

13.0

26.0

Expected Count

2.0

2.0

4.0

Count

100

100

200

100.0

100.0

200.0

Count
Expected Count

Baik

Count
Expected Count

Tidak Tahu

Total

Total

52

Expected Count
Sedang

Kota

Count

Expected Count

sumber : output analisis dari SPSS

Tabel di atas menunjukkan hubungan antara dua variable pada baris dan kolom.
Semisal 52 orang desa menganggap bahwa kondisi ekonomi saat ini buruk,
sementara penduduk yang berdomisili di kota, sebanyak 64 penduduk menganggap
bahwa kondisi ekonomi buruk. Sebanyak 28 penduduk di desa dan 26 warga kota
beranggapan bahwa kondisi ekonomi yang terjadi saat ini sedang, artinya tidak
buruk, tapi juga tidak baik. Delapan belas warga desa dan 8 warga kota berpikiran
bahwa kondisi ekonomi saat ini baik. Selanjutnya sebanyak dua warga desa dan
23

dua warga kota tidak tahu apakah kondisi ekonomi yang terjadi saat ini baik atau
buruk. Nilai expected count pada tabel menunjukkan nilai perkiraan pada data
yang dapat bernilai lebih kecil dari data dan lebih besar dari data.
Tabel 3.3.3 Uji Chi Square V-Creamers 3
Chi-Square Tests
Asymp. Sig. (2Value

df

sided)

5.162a

.160

Likelihood Ratio

5.265

.153

Linear-by-Linear Association

3.872

.049

Pearson Chi-Square

N of Valid Cases
a.

200

2 cells (25,0%) have expected count less than 5. The minimum

expected count is 2,00.

Sumber : output analisis dari SPSS

Tabel di atas menunjukkan besar nilai chi square, yakni 5,162 dengan nilai
signifikansi sebesar 0,160 dan df sebesar 3. Nilai chi square ini lebih kecil dari nilai
chi square yang diperoleh dari tabel, yakni sebesar 7,815. Diketahui pula likelihood
ratio, tes yang digunakan untuk membandingkan fit dari dua model dan menguji
asumsi penyederhanaan model valid, sebesar 5,265, besar df=3, dan significancy
0,153. Selanjutnya besar linear by linear association 3,872, nilai df=1 dan besar
significancy 0,049.

Tabel 3.3.4 Uji Chi Square V-Creamers 4

Symmetric Measures
Value
Nominal by Nominal

Approx. Sig.

Phi

.161

.160

Cramer's V

.161

.160

N of Valid Cases

200

sumber : output analisis dari SPSS

Tabel di atas menunjukkan besar significancy pada pengujian chi square phi dan chi
square creamers v sebersar 0,160. Nilai ini lebih besar dibanding dengan besar

24

kesalahan pengujian data yakni 0,05. Artinya, jika nilai significancy dari pengujian
lebih besar dari nilai significancy pada ketidakpercayaan maka Ho diterima.

Jika dibandingkan dengan statistik uji chi square creamers v melalui hitungan,
maka:

x 2=

( fofe)2
fe
2

x=

(5258) ( 6458) (2827) (2627) (1813) (813) (22) (22)

+
+
+
+
+
+
+
58
58
27
27
13
13
2
2

x 2=5,162
Diketahui bahwa nilai chi square creamers hitung dengan chi square creamers v spss
sama. Berarti data yang digunakan valid karena dapat diuji menggunakan cara
manual dan cara spss.

x2
V=
( N ) ( Min ( r 1 )( c1 ))

V=

5,162
200 (21 )( 21 )

V =0,160
Nilai V creamer antara uji manual dan uji spss sama, yakni 0,160. Hal ini semakin
menguatkan kevalidan data.

5. Kesimpulan

x 2< x ; df ; ( b1 ) (c1)
x 2 ( 5,162 ) < x 2( 7,185)
Artinya, nilai

x 2 lebih kecil dari nilai

x2

tabel, artinya Ho diterima dan berada

di luar wilayah kritis.

25

Sig > Sig tabel

Sig (0,160) > Sig Tabel (0,05)
Artinya, nilai significancy hitung lebih besar dari significancy tabel, maka Ho
diterima.
Berdasarkan statistik uji yang telah dilakukan dapat diketahui bahwa tidak ada
korelasi antara penilaian publik terhadap kondisi ekonomi terhadap wilayah tempat
tinggal responden, ditandai dengan nilai chi square yang lebih kecil dari chi square
tabel dan significancy yang lebih besar dari significancy tabel.

3.2.4 Uji Koefisien Korelasi R-Pearson

Koefisien Korelasi R-Pearson digunakan untuk mengukur keeratan hubungan antara
hasil-hasil pengamatan yang memiliki dua varian (bivariate). Untuk mengujinya,
harus dilakukan beberapa prosedur pengujian, yaitu:
1. Penentuan Asumsi
Tahap pertama dalam penentuan asumsi adalah data sampel random. Pada data
luas lahan produksi padi dan produksi padi merupakan sampel random yang mana
setiap data memiliki kesempatan yang sama untuk disurvey. Tahap selanjutnya
adalah skala pengukuran interval rasio. Dapat diketahui dengan jelas skala
pengukuran luas lahan dan produksi memiliki skala pengukutan interval rasio.
Lalu, kedua variabel sudah terdistribusi normal. Hal ini sudah terbukti pada sub
bab sebelumnya (Uji Normalitas) yang mana persebaran data terletak di sekitar
nol dan tidak membentuk pola tertentu. Tahap terakhir adalah homoscedasticity
atau variansi dari nilai seragam untuk setiap nilai X.
2. Penentuan Hipotesa
Berdasarkan variabel yang dianalisis, yakni luas lahan dan produksi maka
hipotesis dapat ditentukan sebagai berikut:
Ho atau hipotesa yang tidak memiliki perbedaan dapat dirumuskan:
Ho: r=0
Artinya, tidak ada korelasi antara luas lahan produksi terhadap jumlah produksi
padi.
H1, hipotesa yang bertentangan dengan Ho dapat dirumuskan:
Ho: r0
Artinya, ada korelasi antara luas lahan produksi terhadap jumlah produksi padi.
3. Distribusi Sampling dan Wilayah Kritis
Nilai ketidak percayaan dari data luas lahan produksi dan jumlah produksi padi
sebesar 10% atau nilai =0,1.
26

4. Statistik Uji
Dengan menggunakan SPSS 16, variabel luas lahan dan produksi diuji, sehingga:
Tabel 3.4.1 Uji korelasi R-Pearson
Correlations
Luas Lahan
Luas Lahan

Pearson Correlation

Produksi
1

Sig. (2-tailed)
N
Produksi

Pearson Correlation
Sig. (2-tailed)
N

1.000**
.000

21

21

1.000**

.000
21

21

**. Correlation is significant at the 0.01 level (2-tailed).

sumber : output analisis dari SPSS

Hasil statistik uji pada SPSS menunjukkan bahwa nilai Pearson Correlation pada
variable luas lahan dan produksi sama dengan satu. Hal ini menunjukkan bahwa
Ho ditolak dan H1 diterima. Artinya ada korelasi antara luas lahan produksi padi
terhadap jumlah produksi padi.

5. Kesimpulan
Berdasarkan statatistik uji yang dilakukan di atas, diketahui bahwa korelasi
antara luas lahan produksi padi terhadap jumlah produksi padi sangat kuat
ditunjukkan dengan besar pearson correlation sama dengan satu yang artinya
terjadi hubungan sempurna antar variabel. Jadi, produksi padi meningkat seiring
dengan meningkatnya luas lahan produksi padi dan produksi padi akan menurun
seiring menyempitnya lahan pertanian. Jika dianalisis lebih lanjut bertambahnya
lahan pertanian membuat lahan yang bisa dikerjakan petani untuk menanam padi
semakin luas dan berakibat pada meningkatnya jumlah produksi padi yang
dihasilkan.

3.2.5 Uji Analisis Regresi Linier

Untuk pengujian regresi linier, harus dilakukan beberapa prosedur, yaitu:
1. Penentuan Asumsi
Asumsi pertama adalah model dispesifikasikan secara benar oleh peneliti. Pada
asumsi ini tidak ada uji statistiknya karena model regresi dirancang untuk
27

berkaitan dengan konsep teoritis dari kasus yang diteliti. Selanjutnya adalah data
terdistribusi normal atau error menyebar secara normal dengan rata-rata nol. Hal
ini sudah terbukti dari uji normalitas pada sub bab sebelumnya yang mana data
berada di sekitar garis lurus dan error yang berada di sekitar nol. Lalu, skala
pengukuran data interval-rasio. Sudah jelas bahwa variabel luas lahan produksi
dan jumlah produksi padi merupakan data yang memiliki skala pengukuran
interval rasio. Terakhir, kedua variabel harus memiliki hubungan linear antara
variabel bebas (x) dan variabel tergantung (Y).
2. Distribusi Sampling dan Wilayah Kritis
Nilai ketidakpercayaan dalam Uji ini sebesar 10% atau 0,1.
3. Statistik Uji
Tabel 3.5.1 Uji Analisis Regresi Linier 1
Descriptive Statistics
Mean
Produksi
Luas Lahan

Std. Deviation

7.3018E4

70930.10466

21

1.718E4

16188.5683

21

sumber : output analisis dari SPSS

Tabel diatas menunjukkan hasil analisis statistik deskriptif yakni mean, standar
deviasi, dan jumlah data dari kedua variabel. Nilai rata-rata produksi padi di
provinsi Nangroe Aceh Darussalam sebesar 7,3018x10 4 ton sedangkan luas lahan
pertanian padi sebesar 1,718x104 km2. Standar deviasi data untuk produksi
sebesar 70930,10466 ton dan luas lahan pertanian sebesar 2180,27147 km2.
Jumlah data yang diuji sebanyak 21.
Tabel 3.5.2 Uji Analisis Regresi Linier 2
Correlations
Produksi
Pearson Correlation

Sig. (1-tailed)

Produksi

1.000

1.000

Luas Lahan

1.000

1.000

.000

.000

Produksi

21

21

Luas Lahan

21

21

Produksi
Luas Lahan

Luas Lahan

Sumber : Output Analisis dari SPSS

Berdasarkan tabel di atas dapat diketahui terjadi korelasi sempurna antara variabel
jumlah produksi dan luas lahan, ditunjukkan dengan besar pearson correlation
28

sebesar satu. Selain itu, nilai positif pada hubungan antar variabel menunjukkan arah
hubungan positif. Artinya, kenaikan jumlah produksi padi berbanding lurus dengan
meningkatnya luas lahan yang digunakan untuk pertanian padi.
Tabel 3.5.3 Uji Analisis Regresi Linier 3
Variables Entered/Removedb

Model
1

Variables

Variables

Entered

Removed

Luas Lahan

Method

. Enter

a. All requested variables entered.

b. Dependent Variable: Produksi

sumber : Output Analisis dari SPSS

Dilihat dari tabel di atas, diketahui bahwa variable yang dimasukkan adalah variabel
luas lahan dan tidak ada variabel yang dikeluarkan, ditunjukkan dengan tidak adanya
nilai pada variables removed. Hal ini dikarenakan metode yang digunakan adalah
single step (enter).

Tabel 3.5.4 Uji Analisis Regresi Linier 4

Model Summaryb

Model

1.000a

Adjusted R

Std. Error of the

Square

Estimate

R Square
.999

.999

2028.13502

a. Predictors: (Constant), Luas Lahan

b. Dependent Variable: Produksi

sumber : Output Analisis dari SPSS

Tabel di atas menggambarkan hubungan antar variabel yang diuji. Nilai R Square
pada data pengujian sebesar 0,999. Artinya kedua variabel memiliki hubungan yang
hampir sempurna atau nilainya mendekati satu.
Tabel 3.5.5 Uji Analisis Regresi Linier 5
ANOVAb
Model
1

Sum of Squares
Regression
Residual
Total

Df

Mean Square

1.005E11

1.005E11

7.815E7

19

4113331.669

1.006E11

20

F
2.444E4

Sig.
.000a

a. Predictors: (Constant), Luas Lahan

29

ANOVAb
Model
1

Sum of Squares
Regression
Residual
Total

Df

Mean Square

1.005E11

1.005E11

7.815E7

19

4113331.669

1.006E11

20

Sig.

2.444E4

.000a

b. Dependent Variable: Produksi

sumber : Output Analisis dari SPSS

Berdasarkan uji ANOVA yang dilakukan di atas, dapat diketahui nilai F sebesar
2,444x104 dengan signifikansi 0,000. Nilai signifikansi ini lebih kecil dari 0,05
sehingga model regresi ini bisa dipakai untuk memprediksi produksi. Selain itu
diketahui regression sebesar 1,005x1011 dengan df sebesar satu. Diketahui pula
residual sebesar 7,815x107 dengan df sebesar 19.
Tabel 3.5.6 Uji Analisis Regresi Linier 6

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

Std. Error

(Constant)

-2214.154

653.775

Luas Lahan

4.380

.028

Coefficients
Beta

1.000

Sig.

-3.387

.003

156.344

.000

a. Dependent Variable: Produksi

sumber : Output Analisis dari SPSS

Dari data di atas, diketahui besar standar error sebesar 653,775 atau lebih kecil dari
besar standar deviation (70930,10). Artinya prediktor yang digunakan sebagai
variabel bebas layak untuk diuji menggunakan regresi. Persamaan regresi yang
digambarkan dari tabel di atas adalah:
Y=(-2214,154) + 4,380X
Keterangan: Y=Produksi
X=Luas Lahan
Koefisien regresi adalah perubahan untuk setiap perubahan unit perubahan prediktor.
Dalam hal ini terjadi perbedaan sebesar 4,380 unit untuk setiap kali penambahan
luas lahan.
Tabel 3.5.7 Uji Analisis Regresi Linier 7

30

Casewise Diagnosticsb
Case
Number Kabupaten/Kota
1

Simeulue

Std. Residual

Produksi

Predicted Value

Residual

Status

.205

1.26E4

12138.4224

4.16578E2

Aceh Singkil

-1.954

2.37E4

27647.2640 -3.96326E3

Aceh Selatan

-.069

8.13E4

81404.8245 -1.40824E2

Aceh Tenggara

-2.346

1.18E5

122960.2859 -4.75829E3

Aceh Timur

-.081

1.38E5

138210.7198 -1.63720E2

Aceh Tengah

-.838

3.56E4

37335.3627 -1.70036E3

Aceh Barat

-.668

4.80E4

49379.7893 -1.35479E3

Aceh Besar

.838

1.58E5

156334.2969

1.69970E3

Pi d i e

.956

2.30E5

227965.7863

1.93821E3

10

Bireuen

.064

1.66E5

165448.6429

1.30357E2

11

Aceh Utara

1.018

2.03E5

200745.3823

2.06562E3

12

Aceh Barat Daya

.538

5.01E4

49011.8868

1.09111E3

13

Gayo Lues

-.339

5.41E4

54766.9328 -6.87933E2

14

Aceh Tamiang

-.106

6.88E4

68974.9763 -2.14976E2

15

Nagan Raya

-1.372

1.08E5

110880.8210 -2.78282E3

16

Aceh Jaya

.617

8367.00

7114.8016

1.25220E3

17

Bener Meriah*

.101

1.64E4

16211.6285

2.04372E2

18

Banda Aceh

1.038

592.00

-1513.3876

2.10539E3

19

Sabang

1.082

15.00

-2179.1159

2.19412E3

20

Langsa

.576

7780.00

6611.1256

1.16887E3

21

Lhokseumawe

.740

5418.00

3917.5539

1.50045E3

22

. Ma

23

. Ma

a. Missing Case
b. Dependent Variable: Produksi

sumber : Output Analisis dari SPSS

Tabel di atas menggambarkan hasil prediksi berdasarkan persamaan regresi yang

telah di dapat pada tabel sebelumnya, yakni Y=(-2214,154) + 4,380X. Dari tabel
diketahui bahwa standar residual terkecil terdapat di Kabupaten Aceh Tenggara
dengan nilai -2,346. Standar residual terbesar terdapat di Kabupaten Sabang dengan
nilai 1,082. Nilai-nilai ini menunjukkan semakin besar nilai standar residual maka
semakin kecil jumlah produksi yang dapat dihasilkan. Dengan kata lain, hubungan
antara standar residual terhadap jumlah produksi berbanding terbalik.
31

Tabel 3.5.8 Uji Analisis Regresi Linier 8

Residuals Statisticsa
Minimum
Predicted Value

Maximum

Mean

Std. Deviation

-2.1791E3

2.2797E5

7.3018E4

70902.55342

21

-1.061

2.185

.000

1.000

21

443.330

1085.405

606.221

159.543

21

-2.4334E3

2.2719E5

7.2947E4

70807.60779

21

-4.75829E3

2.19412E3

.00000

1976.78150

21

Std. Residual

-2.346

1.082

.000

.975

21

Stud. Residual

-2.436

1.146

.016

1.026

21

2.71615E3 7.06654E1

2195.15621

21

Std. Predicted Value

Standard Error of Predicted
Value
Adjusted Predicted Value
Residual

Deleted Residual

-5.12982E3

Stud. Deleted Residual

-2.859

1.156

-.015

1.101

21

Mahal. Distance

.003

4.776

.952

1.146

21

Cook's Distance

.000

.257

.057

.079

21

Centered Leverage Value

.000

.239

.048

.057

21

a. Dependent Variable: Produksi

sumber : Output Analisis dari SPSS

Tabel di atas menggambarkan ringkasan dari data statistik uji yang didapat dari
pengujian pada SPSS yang meliputi predicted value, standard predicted value,
standard error of predicted value, residual, standard residual, stud.residual, deleted
residual, stud. Deleted residual, mahal. Distance, cooks distance, centered leverage
value.
4. Kesimpulan
Berdasarkan uji statistik regresi yang telah dilakukan

dapat diketahui bahwa

korelasi antar variabel luas lahan pertanian dan jumlah produksi padi sangat erat
dengan arah hubungan positif yang artinya kenaikan pada salah satu variabel akan
menaikkan nilai pada variabel yang lain. Lalu, sifat hubungan pada variabel
digambarkan pada persamaan regesi Y=(-2214,154) + 4,380X.
3.3 Interpretasi Terhadap Bidang Perencanaan Wilayah dan Kota
Dari hasil output yang diperoleh dapat diketahui keterkaitan antar variabel yang diuji pada
masingmasing pengujian adalah bahwa tingkat kepuasan masyarakat terhadap keberadaan
pasar swalayan tidak terkait dengan jenis kelamin responden baik laki-laki maupun
32

perempuan. Hal ini dapat dimaklumi mengingat penilaian masyarakat bersifat subjektif,
tidak dapat dilihat dari jenis kelamin responden. Parameter tinggi atau rendah tergantung
pada kenyamanan masing-masing individu terhadap keberadaan pasar swalayan. Hal inilah
uang menjadi salah satu alasan mengenai jenis kelamin tidak berkorelasi terhadap tingkat
kepuasan.

Tren penilaian publik yang negatif terkait kondisi perekonomian yang ada saat ini tidak
terkait dengan wilayah tempat tinggal responden dilihat dari desa atau kota. Hal ini bisa
dimaklumi mengingat penilaian masyarakat terhadap perekonomian sangat subyektif, tidak
bisa dilihat dari wilayah tempat tinggal responden berada. Parameter baik dan buruk
kondisi perekonomian sangat tergantung pada masing-masing individu. Ada warga yang
merasa kondisi perekonomian saat ini sangat buruk, tapi di sisi lain ada yang merasa
kondisi perekonomian baik. Ini adalah salah satu alasan mengenai wilayah tidak
berkorelasi terhadap penilaian publik. Selain itu, tingkat persebaran masalah yang
berbeda di setiap daerah juga menyebabkan wilayah tidak bisa berkorelasi terhadap
penilaian publik. Semisal, dalam satu kota ada yang merasakan masalah ekonomi akibat
kondisi ekonomi yang kurang stabil, tapi di sisi lain ada warga yang tidak merasakan
masalah ekonomi karena perekonomiannya stabil.

Lalu, masalah luas lahan pertanian dan jumlah produksi padi. Disini, terjadi korelasi yang
sangat erat antar dua variabel, berbeda dengan kasus penilaian publik terhadap kondisi
ekonomi yang tidak memiliki korelasi. Luas lahan pertanian memiliki laju yang berbanding
lurus dengan jumlah produksi padi. Semakin luas lahan pertanian, maka jumlah produksi
padi yang dihasilkan akan semakin meningkat. Jika dikaitkan dengan perekonomian, baik
mikro maupun makro, kondisi ini akan menyebabkan perekomian membaik. Tidak hanya
bagi petani yang memproduksi padi secara langsung, tapi juga bagi pemerintah karena
semakin banyak produksi padi yang dihasilkan maka kesempatan pemerintah untuk dapat
mengekspor beras semakin banyak yang artinya devisa negara dari bidang pertanian akan
meningkat.

Sebagai seorang planners, kemampuan untuk bisa meneliti permasalahan dilihat dari
permasalahan lain atau kaitan dengan permasalahan lain sangatlah penting. Dalam
merencanakan sebuah kota tidak bisa hanya melihat permasalahan dari satu sisi saja,
tanpa melihat dari sisi lain. Planners dituntut untuk seobjektif dan seperasa mungkin
33

terhadap apa yang terjadi di sekitarnya. Jika hanya melihat dari satu sudut pandang,
tanpa melihat kaitannya dengan masalah lain, bukan tidak mungkin rencana yang
direncanakan

tidak

mencapai

hasil

yang

maksimal

bahkan

dapat

menimbulkan

permasalahan baru. Oleh karenanya, planner harus sejeli mungkin melihat kaitan antar
permasalahan dalam menganalisis sebuah kasus.

34

BAB 4
KESIMPULAN DAN SARAN

4.1

Kesimpulan

Setelah melakukan penelitian terhadap tingkat kepuasan publik terhadap keberadaan

pasar swalayan berdasarkan jenis kelamin, penilaian publik terhadap kondisi ekonomi
berdasarkan wilayah, luas lahan pertanian terhadap jumlah produksi, penulis dapat
menarik kesimpulan, sebagai berikut:
1. Variabel yang penulis gunakan dalam analisis adalah tingkat partisipasi terhadap
keberadaan swalayan berdasarkan jenis kelamin dengan jumlah sampel 85,
penilaian publik terhadap wilayah tempat tinggal responden dengan jumlah sampel
200, dan luas lahan produksi padi terhadap jumlah produksi dengan mengambil
sampel 21 kabupaten di provinsi Nangroe Aceh Darussalam.
2. Tidak ada korelasi antara jenis kelamin dengan tingkat kepuasan masyarakat
terhadapa keberadaan pasar swalayan.
3. Tidak ada korelasi antara wilayah tempat tinggal responden terhadap penilaian
publik terhadap kondisi ekonomi saat ini.
4. Korelasi antara luas lahan produksi terhadap jumlah produksi padi sangat kuat dan
arah hubungan korelasi antar dua variable tersebut positif.
5. Berdasarkan hasil analisis pada uji Chi Square phi dan Creamers V Ho diterima,
sedangkan pada uji Korelasi R Pearson dan Regresi Ho ditolak.

4.2

Saran

Saran yang dapat diberikan penulis untuk perbaikan studi dan praktikum:
Pemberian modul praktikum mengenai langkah-langkah pemakaian SPSS sebelum
praktikum. Diharapkan mahasiswa menjadi lebih paham akan SPSS dan proses
pengajaran menjadi lebih cepat.
Pemaksimalan waktu praktikum selama dua jam. Diharapkan mahasiswa dapat
menggali lebih dalam mengenai SPSS melalui tanya jawab dengan asisten.
Proses pengajaran oleh asisten melalui slide terlalu cepat, sehingga masih ada
beberapa materi yang tidak dimengerti. Diharapkan pengajaran melalui slide lebih
dipentingkan mengenai kepahaman mahasiswa akan materi dibanding mengejar
waktu.
35

 Kegiatan praktikum yang lebih cepat daripada waktu pengajaran di kelas,

menjadikan mahasiswa kurang mengerti dengan apa yang diajarkan saat praktikum.
Diharapkan untuk praktikum selanjutnya, praktikum menyesuaikan dengan apa
yang telah diajarkan di kelas, sehingga mahasiswa mengerti apa yang diajarkan
saat praktikum.
Penguasaan materi oleh asisten lebih diperdalam agar pertanyaan-pertanyaan
dapat dijawab dengan baik dan benar.

36

DAFTAR PUSTAKA

Susetyo, Budi. 2010. Statistika Untuk Analisis Data Penelitian. Bandung: PT: Refika Aditama
http://id.wikipedia.com
http://www.google.com
http://www.lsi.com
http://www.bps.go.id

37