LANDASAN TEORI
7. Tuna Susila
Yaitu seseorang yang melakukan hubungan seksual dengan sesama atau lawan jenisnya secara berulang-ulang dan bergantian di luar perkawinan yang syah dengan tujuan mendapatkan imbalan uang, materi atau jasa. Indikator : 1) Seseorang (laki-laki/perempuan) usia 19 tahun ke atas atau lebih.
2) Menjajakan diri di tempat umum, di lokasi atau tempat pelacuran (bordil) dan tempat terselubung (warung remang-remang, hotel, mall dan diskotik).
2.6 Data
Data merupakan kumpulan fakta atau angka atau segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat digunakan sebagai dasar penarikan kesimpulan. Data dapat dikelompokkan dalam beberapa golongan antara lain
berdasarkan aspek sifat, dimensi waktu, cara memperoleh dan pengukurannya (Muhidin, 2009).
2.6.1 Data Menurut Cara Memperolehnya 1. Data Primer
Data primer adalah data yang diperoleh secara langsung dari objek yang diteliti, baik dari objek individual (responden) maupun dari suatu instansi yang mengolah data untuk keperluan dirinya sendiri. Contoh : hasil wawancara dengan responden, hasil perhitungan suara dari masyarakat yang melaksanakan pemilihan kepala desa atau lainnya, data jumlah mahasiswa yang diperoleh dari lembaga pendidikan yang bersangkutan, dan lainnya.
2. Data Sekunder
Data sekunder adalah data yang diperoleh secara tidak langsung untuk mendapatkan informasi (keterangan) dari objek yang diteliti, biasanya data tersebut diperoleh dari tangan kedua baik dari objek secara individual (responden) maupun dari suatu badan (instansi) yang dengan sengaja melakukan pengumpulan data dari instansi-instansi atau badan lainnya untuk keperluan penelitian dari para pengguna. Badan yang biasa mengumpulkan data tersebut antara lain BPS (Badan Pusat Statistik), misal data mengenai laju inflasi, statistik penduduk, statistik pertanian, statistik ekonomi, data tingkat kemajuan pembangunan suatu daerah yang diperoleh dari BAPPEDA setempat, dan sebagainya.
2.7 Variabel
Variabel adalah suatu sebutan yang dapat diberi angka (kuantitatif) atau nilai mutu (kualitatif). Variabel merupakan pengelompokan secara logis dari dua atau lebih atribut dari objek yang diteliti. Misalnya tidak sekolah, tidak tamat SD, tidak tamat SMP, dan sebagainya. Maka variabelnya adalah tingkat pendidikan dari objek penelitian itu. Variabel tingkat pendidikan merangkum semua atribut tadi.
Variabel merupakan suatu istilah yang berasal dari kata vary dan able yang berarti “berubah” dan “dapat”. Jadi kata variabel berarti dapat berubah-ubah. Nilai
itu berupa nilai kuantitatif maupun kualitatif. Dilihat dari segi nilainya, variabel dibedakan atas 2, yaitu variabel diskrit dan variabel kontiniu.Variabel diskrit nilai kuantitatifnya selalu berupa bilangan bulat, sedangkan variabel kontiniu nilai kuantitatifnya bisa berupa pecahan.(http://rakim-ypk.blogspot.com).
Variabel penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya, (Sugiyono, 2007). Menurut hubungan antara suatu variabel dengan variabel lainnya, variabel terbagi atas beberapa yaitu :
1. Variabel bebas (independent variable) yaitu variabel yang menjadi sebab terjadinya atau terpengaruhnya variabel tak bebas.
2. Variabel tak bebas (dependent variable) yaitu variabel yang nilainya dipengaruhi oleh variabel bebas.
3. Variabel moderator yaitu variabel yang memperkuat atau memperlemah hubungan antara suatu variabel bebas dengan tak bebas.
4. Variabel intervening, seperti halnya variabel moderator, tetapi nilainya tidak dapat diukur, seperti kecewa, marah, gembira, senang, sedih, dan lain sebagainya.
5. Variabel control, yaitu variabel yang dapat dikendalikan oleh peneliti.
2.8 Asumsi Uji Klasik 2.8.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov.
2.8.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan kepengamatan
yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
2.8.3 Uji Multikolinieritas
Tujuan uji multikolinieritas adalah untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas (tidak terjadi multikonieritas). Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol.
2.8.4 Uji T
Uji-t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masing – masing variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya. Uji-t menilai apakah mean dan keragaman dari dua kelompok berbeda secara statistik satu sama lain. Analisis ini digunakan apabila ingin membandingkan mean dan keragaman dari dua kelompok data, dan cocok sebagai analisis dua kelompok rancangan percobaan acak.
2.8.5 Uji F
Uji F dikenal dengan uji serentak atau uji model / uji anova, yaitu uji untuk melihat bagaimana pengaruh semua variabel bebasnya secara bersama-sama terhadap variabel terikatnya. Atau untuk menguji apakah model regresi yang dibuat baik/signifikan atau tidak baik/non signifikan. Jika model signifikan, maka model bisa digunakan untuk prediksi/peramalan. Sebaliknya jika non/tidak signikan, maka model regresi tidak bisa digunakan untuk peramalan.
2.9 Pengertian Regresi
Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut variabel takbebas (dependent variable), pada satu atau lebih variabel,
yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan niali-nilai dari variabel takbebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas (independent variable).
2.10 Analisis Regresi Linier
Analisis regresi linier digunakan untuk peramalan, dimana dalam model terdapat variabel bebas X dan variabel takbebas Y. Regresi linier yaitu menentukan satu persaman dan garis yang menunjukkan hubungan antara variabel bebas dan variabel takbebas, yang merupakan persamaan penduga yang berguna untuk menaksir/meramalkan variabel takbebas. Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis ini terdiri dari dua bentuk, yaitu : 1. Analisi Regresi Sederhana (simple analisis regresi)
2. Analisi Regresi Berganda (multiple analisis regresi)
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (independent variable) dan variabel tak bebas (dependent variable). Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya 2 variabel bebas dengan satu variabel tak bebas. Regresi linier sederhana hanya ada satu peubah bebas X yang dihubungkan dengan satu peubah takbebas Y. Bentuk-bentuk model umum regresi sederhana yang menunjukkan antara dua variabel, yaitu variabel X sebagai variabel bebas dan variabel Y sebagai variabel tak bebas adalah :
Ŷ = 𝑎 + 𝑏𝑋
Keterangan:
Ŷ = Variabel tak bebas X = Variabel bebas a = Parameter Intercept
b = Parameter Koefisien Regresi Variabel Bebas
Regresi multipel (jamak) adalah regresi yang menyatakan hubungan antara satu variabel terikat dengan lebih dari satu variabel bebas (Yasril, Heru Subaris Kasjono 2008). Untuk keperluan analisis, variabel bebas akan dinyatakan dengan
) 1 (
,
...
2 ,
1
x x k
x
k sedangkan variabel tidak bebas dinyatakan dengan Y.𝑌̂=b
0+ 𝑏
1𝑋
1+ 𝑏
2𝑋
2+ 𝑏
3𝑋
3+⋯+𝑏
𝑘𝑋
𝑘keterangan:
𝑌̂
= Variabel bebas (Y) 𝑏0 = Intersep𝑏𝑘 = Koefisien dari variabel independen ke-k.
𝑋𝑘 = Variabel independen ke-k
Koefisien-koefisien𝑏0 ,⋯ , 𝑏𝑘dapat dihitung dengan menggunakan persamaan:
∑ 𝑌 = 𝑛 𝑏0+ 𝑏1∑ 𝑋1𝑖+ 𝑏2∑ 𝑋2𝑖+ 𝑏3∑ 𝑋3𝑖+ ⋯ + 𝑏𝑘∑ 𝑋𝑘𝑖2
∑ 𝑋1𝑌 = 𝑏0∑ 𝑋1𝑖+ 𝑏1∑ 𝑋1𝑖2 + 𝑏2∑ 𝑋1𝑖𝑋2𝑖+ ⋯ + 𝑏𝑘∑ 𝑋1𝑋𝑘𝑖
∑ 𝑋2𝑌 = 𝑏0∑ 𝑋2𝑖+ 𝑏1∑ 𝑋1𝑖𝑋2𝑖 + 𝑏2∑ 𝑋2𝑖2 + ⋯ + 𝑏𝑘∑ 𝑋2𝑖𝑋𝑘𝑖
⋮
∑ 𝑋𝑘𝑌 = 𝑏0∑ 𝑋𝑘+ 𝑏1∑ 𝑋1𝑖𝑋𝑘𝑖 + 𝑏2∑ 𝑋2𝑖𝑋𝑘𝑖+ 𝑏3∑ 𝑋3𝑖𝑥𝑘𝑖+ ⋯ + 𝑏𝑘∑ 𝑋𝑘2
2.11 Kesalahan Standard Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya (Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2). Kesalahan standar estimasi dapat ditentukan dengan rumus :
𝑆𝑦,1,2,…,𝑘 = √ ∑ 𝑌𝑖𝑌̂2 𝑛 − 𝑘 − 1 Dengan :
Yi = Nilai data sebenarnya Ŷ = Nilai taksiran
2.12 Koefisien Determinasi
Koefisien Determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel (Algifari 2000). Koefisien Determinasi dinotasikan dengan R2.
Nilai Koefisien determinasi R2 ini mencerminkan seberapa besar variasi dari variabel tak bebas Y diterangkan oleh variabel bebas X, atau dengan kata lain seberapa besar X memberikan kontribusi terhadap Y. (Algifari 2000). Nilai Koefisien determinasi R2 dapat dihitung dengan menggunakan rumus:
𝑅2 = 𝑎 ∑ 𝑌 + 𝑏 ∑ 𝑋𝑌 − 𝑛(𝑌̅)2
∑ 𝑌2− 𝑛(𝑌̅)2
Keterangan :
R2 = Besarnya koefisien determinasi a = Titik potong kurva terhadap sumbu Y b = Slope garis estimasi yang paling baik n = Banyaknya data
X,Y = Nilai variabel
Ῡ = Nilai rata – rata variabel Y
2.13 Koefisien Korelasi
Studi yang membahas derajat hubungan antara variabel-variabel dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. (Sudjana, 2001; 367)
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linear antara satu variabel dengan variabel yang lain. Dalam ilmu statistika, istilah korelasi diartikan sebagai hubungan linier antara dua variabel atau lebih.
Formula untuk menghitung koefisien korelasi dengan menggunakan teknik koefisien korelasi Product Moment Correlation dari Karl Pearson. Penggunaan teknik koefisien korelasi dari Karl Pearson untuk variabel-variabel dengan tingkat skala pengukuran interval. Untuk menghitung koefisien korelasi product moment pearsons antara dua variabel dapat digunakan rumus:
𝑟𝑥𝑦= 𝑛 ∑ 𝑋𝑌 − (∑ 𝑋)(∑ 𝑌)
√{𝑛 ∑ 𝑋2− (∑ 𝑋)2}{𝑛 ∑ 𝑌2− (∑ 𝑌)2}
keterangan:
rxy = Koefisien korelasi antara X dan Y X = Variabel bebas
Y = Variabel terikat.
Nilai r selalu terletak antara -1 dan 1, Untuk r = +1, berarti ada korelasi positip sempurna antara X dan Y, sebaliknya jika r = -1, berarti korelasi negatif sempurna antara X dan Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y. Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh
penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan.
Tabel 2.1 Interpretasi Koefisien Korelasi
r Interpretasi
0 Tidak ada korelasi
0,01 – 0,20 Sangat rendah
0,21 – 0,40 Rendah
0,41 – 0,60 Agak Rendah
0,61 – 0,80 Cukup
0,81 – 0,99 Tinggi
1 Sangat tinggi (korelasi sempurna)
Sumber : Hartono, M.Pd Statistik untuk penelitian
Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis:
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi Negatif
Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.
3. Korelasi Nihil
Korelasi nihil artinya tidak adanya korelasi antara variabel.
BAB 3