SUMATERA UTARA
TUGAS AKHIR
RAPIKA HANI
112407110
PROGRAM STUDI DIPLOMA 3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
SUMATERA UTARA
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
RAPIKA HANI
112407110
PROGRAM STUDI DIPLOMA 3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
Judul : Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara
Kategori : Tugas Akhir
Nama : Rapika Hani
Nomor Induk Mahasiswa : 112407110
Program Studi : D3 Statistika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara
Disetujui di Medan, Juni 2014
Disetujui Oleh:
Program Studi D3 Statistika FMIPA USU
Ketua, Pembimbing,
Dr. Faigiziduhu Bu’ulölö, M.Si Drs. Rachmad Sitepu, M.Si
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS
PEMBANGUNAN MANUSIA DI
SUMATERA UTARA
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan masing-masing disebutkan sumbernya.
Medan, Juni 2014
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara.
Halaman
1.4 Maksud dan Tujuan Penelitian 5
1.4.1 Maksud 5
1.4.2 Tujuan 5
1.5 Manfaat Penelitian 6
1.6 Metode Penelitian 6
1.7 Metode Analisis yang Digunakan 7
1.8 Lokasi dan Waktu Penelitian 7
1.9 Tinjauan Pustaka 8
1.10 Sistematika Penulisan 10
BAB 2 LANDASAN TEORI 12
2.1 Pengertian Analisis Regresi 12
2.2 Persamaan Regresi 13
2.3 Regresi Linear Sederhana 14
2.4 Regresi Linier Berganda 15
2.5 Kesalahan Standart Estimasi 18
2.6 Koefisien Determinasi 19
2.7 Koefisien Korelasi 20
2.8 Uji Regresi Linier Berganda 24
2.9 Uji Koefisien Regresi Linier Berganda 26
BAB 3 GAMBARAN UMUM BADAN PUSAT STATISTIK 29
3.2.3 Kewenangan 30
3.3 Visi dan Misi BPS 31
3.3.1 Visi 31
3.3.2 Fungsi 31
3.4 Struktur Organisasi BPS 32
3.5 Logo BPS 33
BAB 4 PENGOLAHAN DATA 34
4.1 Pengolahan Data 34
4.2 Persamaan Regresi Linier Berganda 36
4.3 Kesalahan Standar Estimasi 43
4.4 Koefisien Determinasi 44
4.5 Menghitung Koefisien Korelasi Antar Variabel Dependen
(Y) dengan variabel Independen ( ) 41
4.6 Menghitung Koefisien Korelasi Antar Variabel Independen
( ) dengan Variabel Independen ( ) 43
4.7 Uji Regresi Berganda 53
4.8 Uji Koefisien Regresi Linier Berganda 56
BAB 5 IMPLEMENTASI SISTEM 63
5.1 Pengertian Implementasi Sistem 63
5.2 Program Excel 2007 63
5.2.1 Pengisian Data 63
5.3 Program SPSS 64
5.3.1 Cara Kerja SPSS 64
5.3.2 Pengolahan Data dengan Analisis Regresi 68
5.3.3 Menguji Validitas Model Regresi 83
BAB 6 PENUTUP 91
6.1 Kesimpulan 91
6.2 Saran 93
Nomor Judul Halaman Tabel
Tabel 2.1 Interpretasi Koefisien Kolerasi Nilai r 23
Tabel 4.1 Faktor yang Mempengaruhi Angka IPM Sumatera Utara 35
Tabel 4.2 Nilai-Nilai yang Dibutuhkan Untuk Menghitung Koefisien
Regresi Linier Berganda 37
Tabel 4.3 Nilai–Nilai Untuk Menghitung Kesalahan Standar Estimasi 43
Tabel 4.4 Nilai-Nilai Untuk Menghitung Koefisien Determinasi 45
Tabel 5.1 Bagian Descriptive Statistics 69
Tabel 5.2 Bagian Correlations 71
Tabel 5.3 Bagian Variabel Entered/Removed 74
Tabel 5.4 Bagian Model Summary 74
Tabel 5.5 Bagian ANOVA 76
Tabel 5.6 Bagian Coefficients 78
Tabel 5.7 Bagian Casewise Diagnostics 81
Tabel 5.8 Bagian Residual Statistics 82
Tabel 5.9 Bagian Model Summary 84
Nomor Judul Halaman
Gambar 3.1 Struktur Organisasi BPS Provinsi 32
Gambar 3.2 Logo BPS 33
Gambar 5.1 Input Data dalam Excel 64
Gambar 5.2 Kotak Dialog Awal SPSS 65
Gambar 5.3 Tampilan Jendela Data View dalam SPSS 65
Gambar 5.4 Prosedur Regresi Linear 69
Gambar 5.5 Kurva Uji t-Satistik 80
Gambar 5.6 Grafik Hubungan IPM dengan Persentase Jumlah
Penduduk Miskin 85
Gambar 5.7 Grafik Hubungan IPM dengan Laju Pertumbuhan
Ekonomi 86
Gambar 5.8 Grafik Hubungan IPM dengan Pengeluaran
Pemerintah 86
Gambar 5.9 Grafik Hubungan IPM dengan PDB 87
Gambar 5.10 Histogram Hubungan IPM dengan Persentase Jumlah
Penduduk Miskin 88
Gambar 5.11 Histogram Hubungan IPM dengan Laju Pertumbuhan
Ekonomi 88
Gambar 5.12 Histogram Hubungan IPM dengan Pengeluaran
Pemerintah 89
BAB 1
PENDAHULUAN
1.1Latar Belakang
Indeks Pembangunan Manusia (IPM) atau Human Deploment Index (HDI)
merupakan Salah satu cara dalam menilai keberhasilan pembangunan suatu
Negara, khususnya terkait dengan keberhasilan meningkatkan kesejahteraan
rakyat adalah dengan menggunakan indikator sebagaimana yang digunakan oleh
United Nation Development Program (UNDP) (Ali, Mohammad, 2009).
Angka IPM disajikan pada tingkat nasional, provinsi, dan kabupaten atau
kota. Penyajian angka IPM menurut daerah memungkinkan setiap provinsi dan
kabupaten atau kota mengetahui gambaran pembangunan manusia baik
pencapaian, posisi, maupun disparitas antar daerah. Dengan mengetahui gambaran
pembangunan manusia di seluruh daerah, maka diharapkan setiap daerah dapat
berpacu untuk berupaya meningkatkan kinerja pembangunan melalui peningkatan
kapasitas dasar penduduk.
Berdasarkan standar ketetapan yang di gunakan UNDP, skala IPM berkisar 0-100
dengan jabaran sebagai berikut:
a) ≤ 50 artinya terbelakang (kesejahteraan rendah)
b) 51-64 artinya kesejahteraan menengah ke bawah
c) 65-79 artinya kesejahteraan menengah ke atas
Menurut laporan pembangunan manusia 2003 oleh program pembangunan
Perserikatan Bangsa-Bangsa UNDP sebagaimana dikutip oleh Mar’ei muhammad
(2003) menyatakan bahwa IPM di indonesia 2001 mengalami penurunan
dibandingkan 2000 yaitu dari 175 negara Indonesia berada diperingkat ke-112
lebih rendah ketimbang tahun 2000 yang menempati urutan ke 110. Dan peringkat
Indonesia lebih rendah dibandingkan Philipina, Thailand bahkan Vietnam tetapi
lebih baik daripada Kamboja dan Myanmar.
Berdasarkan data BPS tahun 2012, untuk urutan Nasioanal Provinsi
Sumatera Utara berada pada urutan 7 setelah Kalimantan Tengah di posisi
ke-6, Riau urutan ke-5 dan Kalimanan Timur diurutan ke-4. Dari tahun ke tahun IPM
Sumatera Utara terus mengalami kenaikan. Di tahun 2004 dengan angka 71,40
menjadi 72,03 di tahun 2005 dan ditahun 2006 menjadi 72,5 kemudian meningkat
menjadi 72,78 tahun 2007 dan 73,29 ditahun 2008 dan mengalami kenaikan
ditahun 2009 dengan angka 73,58. Komponen-komponen IPM Sumatera Utara
juga terus mengalami kenaikan.
Menurut skala IPM yang ditetapkan oleh UNDP maka provinsi Sumatera
Utara berada pada kesejahteraan menegah keatas. Sehingga rencana pemerintah
untuk menjadikan Sumatera Utara menjadi pelopor penyusunan rancangan atau
grand design merupakan suatu kebijakan yang tepat. Sekretaris Daerah Provinsi
Sumatera Utara, Nurdin Lubis menyatakan Apabila Sumatera Utara dijadikan
sebagai pedoman dengan pergub (peraturan gubernur) untuk dilaksanakan maka
kebijakan tersebut akan diikuti oleh provinsi lain (Koran Kompas 04 maret 2014).
Hasil Survei Sosial Ekonomi Nasional (Susenas) yang dilaksanakan pada
Sumatera Utara sebanyak 1.613.800 orang, atau sebesar 12,55% terhadap jumlah
penduduk seluruhnya. Namun, kondisi ini masih lebih baik jika dibandingkan
pada tahun 2007 karena jumlah penduduk miskin di Sumatera Utara menurun
sekitar 154.600 orang. Pada tahun 2007, penduduk miskin Sumatera Utara
sebanyak 1.768.400 orang, atau 13,90 persen dan turun menjadi 1 613 800 orang
atau 12,55 persen ditahun 2008 dari jumlah penduduk pada saat itu. Penurunan
jumlah penduduk miskin di Sumatera Utara mengindikasikan bahwa dampak dari
program-program pengentasan kemiskinan yang dilakukan oleh Pemerintah cukup
berperan dalam menurunkan penduduk miskin di daerah ini (BPS Sumatera
Utara).
Sementara itu petumbuhan ekonomi Sumatera Utara terus mengalami
peningkatan. Meskipun pada tahun 2004 pertumbuhan ekonomi sebesar 6,4%
lebih buruk jika dibandingkan tahun 2003 sebesar 7,4%. Namun, pada tahun 2005
pertumbuhan ekonomi Sumatera Utara sebesar 6,5% yang terus mengalami
kenaikan. Pada tahun 2006 sebesar 9,3%. Sedangkan pada triwulan I-2007
perekonomian Sumatera Utara mengalami kenaikan sebesar 2,97% dibandingkan
triwulan sebelumnya yang digambarkan oleh PDRB atas dasar harga konstan
2000 dan ditahun 2009 tumbuh sebesar 5,07% (BPS Sumatera Utara).
Pengeluaran pemerintah provinsi Sumatera Utara dari tahun ke tahun juga
cenderung mengalami peningkatan. Besar kecilnya pengeluaran sangat
dipengaruhi atau sangat tergantung pada besar kecilnya penerimaan. Anggaran
tahun 2001 pengeluaran mengalami peningkatan sebesar Rp 916,2 milyar naik
ditahun 2002 menjadi Rp. 1021,3 milyar atau naik sebesar 9,40 persen. Anggaran
sebesar Rp 1352 milyar pada tahun anggaran 2003. pada tahun 2004, tahun 2005,
tahun 2006 dan tahun 2007 secara berurut angka ini meningkat menjadi Rp.
1.501,5 milyar, Rp. 1.830,6 milyar, Rp 2184,6 milyar dan Rp 2717,9 milyar (BPS
Sumatera Utara).
Selain itu, PDB di provinsi Sumatera Utara cenderung mengalami
peningkatan yang fantastik. Meskipun ditinjau pada tahun 1991 angka PDB
16.387,0 Milyar kemudian tahun selanjutnya, 1992 angka PDB hanya mampu
mencapai angka 16.855,1 Milyar suatu peningkatan yang sangat rendah. Namun
pada tahun 2002 angka PDB mampu mencapai angka 89.670,1 Milyar kemudian
disusul 2003 yang mencapai angka 103.401,3 Milyar (BPS Sumatera Utara).
Berdasarkan latar belakang, maka penulis mengusulkan judul
“Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara”.
1.2Rumusan Masalah
Adapun yang menjadi rumusan masalah yang akan diambil dalam tugas akhir ini
adalah:
1.Apakah faktor-faktor yang mempengaruhi IPM di Sumatera Utara.
2.Berapakah besar nilai faktor-faktor yang mempengaruhi IPM di Sumatera Utara.
3. Bagaimana hubungan korelasi antara faktor-faktor IPM di Sumatera Utara.
Terdapat begitu banyak faktor yang dapat mempengaruhi IPM dan penelitian
diharapkan menghasilkan data atau informasi yang lebih jelas serta mudah
dimengerti bagi setiap pembaca, maka penulis membatasi pokok permasalahan
kepada empat variabel yang mempengaruhi IPM dengan menggunakan analisis
regresi linier berganda. Variabel tersebut antara lain, persentase jumlah penduduk
miskin (%), laju pertumbuhan ekonomi (%), pengeluaran pemerintah (Rp.Milyar)
dan Produk Domestik Bruto (Rp.Milyar). Penulis beranggapan bahwa keempat
variabel inilah yang lebih berperan penting terhadap Indeks Pembangunan
Manusia di Sumatera Utara.
1.4Maksud dan Tujuan Penelitian
1.4.1 Maksud
Adapun maksud dari penelitian ini adalah untuk mengamati dan memberikan
penyajian data mengenai IPM di Sumatera Utara selama 20 tahun berdasarkan
tahun 1990-2009 yang diharapkan dapat dipergunakan bagi pihak-pihak yang
membutuhkannya agar dapat mengambil suatu keputusan atau kebijakan yang
sifatnya membangun.
1.4.2 Tujuan
Tujuan penulis dalam penelitian ini adalah sebagai berikut:
a. Agar dapat menentukan model regresi linier berganda yang dapat digunakan
untuk pemodelan IPM di Sumatera Utara berdasarkan variabel-variabel yang
b. Agar dapat mengetahui perkembangan IPM khususnya di wilayah Sumatera
Utara.
c. Agar pemerintah pusat dan daerah Sumatera Utara dapat mengambil tindakan
yang akan dilaksanakan untuk tahun-tahun berikutnya guna meningkatkan
angka IPM di Sumatera Utara.
1.5Manfaat Penelitian
Sebagai bahan masukan dan menambah wawasan bagi orang lain mengenai IPM
di Sumatera Utara.
1.6Metode Penelitian
Metode penelitian adalah suatu cara yang terdiri dari langkah-langkah atau urutan
kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk
melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu
terwujud.
Metode yang digunakan dalam penelitian ini adalah dengan cara sebagai
berikut:
a. Penelitian Kepustakaan, yaitu penulis melakukan dengan mencari
informasi di internet, membaca buku-buku di perpustakaan dan Badan
Pusat Statistik (BPS) yang berkaitan dengan IPM khususnya di
wilayah Sumatera Utara.
b. Penelitian Laporan, yaitu metode pengumpulan data untuk
Penelitian ini dapat dibedakan berdasarkan sumbernya yaitu:
1. Data Primer, yaitu data yang diperoleh langsung dari sumbernya,
diamati dan dicatat untuk pertama kalinya.
2. Data Sekunder, yaitu data yang tidak diusahakan sendiri
pengumpulannya oleh peneliti tetapi dikumpulkan oleh pihak lain,
misalnya dari internet, Badan Pusat Statistik (BPS), kantor-kantor
yang ada hubungannya atau publikasi lainnya.
Data yang digunakan penulis adalah data sekunder yang diperoleh dari
internet dan Badan Pusat Statistik (BPS) Sumatera Utara. Data yang dikumpulkan
tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka
dengan tujuan untuk memperoleh gambaran yang jelas tentang data tersebut.
1.7 Metode Analisis yang Digunakan
Agar dapat mengetahui seberapa besar pengaruh persentase jumlah penduduk
miskin, laju pertumbuhan ekonomi, pengeluaran pemerintah dan PDB terhadap
angka IPM, maka data yang telah diperoleh penulis akan dianalisis menggunakan
regresi linier berganda.
1.8Lokasi dan Waktu Penelitian
Penelitian atau pengumpulan data yang dilakukan penulis mengenai faktor -faktor
yang mempengaruhi angka IPM diperoleh dari buku tahunan yaitu Sumatera
Utara Dalam Angka 2012 di BPS Sumut. Pengambilan data diatas dilakukan pada
1.9 Tinjauan Pustaka
IPM merupakan indikator komposit tunggal walaupun tidak mengukur semua
dimensi yang ada dari pembangunan manusia yang dinilai mencerminkan status
kemampuan dasar (basic capabilities) penduduk. IPM disusun dari tiga komponen
yaitu lamanya hidup diukur dengan harapan hidup pada saat lahir, tingkat
pendidikan diukur dengan kombinasi antara angka melek huruf pada penduduk
dewasa (dengan bobot dua per tiga) dan rata-rata lama sekolah (dengan bobot
sepertiga), tingkat kehidupan yang layak, diukur dengan pengeluaran per kapita
yang telah disesuaikan (BPS, Sumatera Utara dalam angka 2012).
Menyatakan perubahan nilai variabel itu dapat pula disebabakan oleh
berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk
mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain
diperlukan alat analisis yang memungkinkan kita untuk membuat perkiraan nilai
variabel tersebut pada nilai tertentu variabel yang mempengaruhinya. (Algifri,
2000).
Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis
hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis
dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan
persamaan regresi. Prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara variabel dependen dengan variabel
independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada
teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan
Hubungan antara variabel dapat berupa linear ataupun tidak linear.
Hubungan antara dua variabel pada persamaan linear jika digambarkan secara
grafis (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus.
Garis itu disebut dengan garis regresi. Regresi yang berarti peramalan, penaksiran,
atau pendugaan. Analisa regresi digunakan untuk menetukan bentuk dari
hubungan natar variabel. Tujuan utama analisis ini adalah untuk meramalkan atau
memperkirakan nilai dari satu variabel dalam hubungannya dengan variabel yang
lain yang diketahui melalui persamaan garis regresinya. (Hasan, 2003).
Regresi linear merupakan pengaruh hubungan linear antara variabel satu
dengan yang lainnya dalam bentuk ketergantungan (dependency) satu dengan
yang lain. Tujuan regresi linear adalah membuat model hubungan antara variabel
terikat (dependent) dengan variabel bebas (independent) dan meramalkannya.
(Adiningsih, 1993).
Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel
bebas (predictor variable) dan variabel tidak bebas (variabel respon). Variabel
yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas,
sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel
tidak bebas (Sudjana, 2002).
Analisis hubungan antarvariabel secara garis besar ada dua, yaitu analisis
korelasi dan analisis regresi. Kedua analisis tersebut saling terkait. Analisis
korelasi menyatakan derajat keeratan hubungan antarvariabel, sedangkan analisis
regresi digunakan dalam peramalan variabel dependent berdasar variabel-variabel
Setelah mengetahui hubungan fungsional antara variabel-variabel dimana
persamaan regresinya telah ditentukan dan telah melakukan pengujian maka
persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari
banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu.
Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel
tersebut. Studi yang membahas derajat hubungan antara variabel-variabel tersebut
dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi
(Iswardono, 1981).
1.10 Sistematika Penulisan
Adapun sistematika penulisan yang akan dikemukakan dalam penulisan Tugas
Akhir ini adalah sebagai berikut:
BAB 1 : PENDAHULUAN
Bab ini menjelaskan mengenai latar belakang masalah, maksud dan
Bab ini menjelaskan latar belakang pengambilan judul, perumusan
masalah, batasan masalah, tujuan penelitian, manfaat penelitian,
metode penelitian, lokasi penelitian, tinjauan pustaka dan sistematika
penelitian.
BAB 2 : LANDASAN TEORI
Bab ini menjelaskan tentang klasifikasi mengenai faktor-faktor yang
mempengaruhi angka IPM. Dan menguraikan mengenai pengertian
regresi, regresi linier sederhana, regresi linier berganda, membentuk
determinasi, koefisien kolerasi, uji regresi linier berganda dan uji
koefisien regresi berganda
BAB 3 : GAMBARAN UMUM BADAN PUSAT STATISTIK
Bab ini memaparkan tentang sejarah singkat tempat riset yaitu Badan
Pusat Statistik (BPS).
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan tentang analisi data dengan metode ragresi
linier berganda dan analisis korelasi untuk melihat hubungan antar
variabel.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini memaparkan tentang implementasi system yang digunakan
untuk analisis penelitian yaitu program Microsoft Excel dan SPSS
(Statistical Product and Service Solution) 17.0 for windows.
BAB 6 : PENUTUP
Bab ini merupakan penutup yang berisi kesimpulan yang diambil
setelah pengolahan data dan analisa perhitungan serta saran-saran
yang berupa masukan-masukan yang mungkin dapat bermanfaat
BAB 2
LANDASAN TEORI
2.1 Pengertian Analisis Regresi
Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak
mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
pengetahuan, terutama para peneliti yang dalam penelitiannya banyak
menggunakan statistik sebagai dasar analisis maupun perancangan (Hartono,
Drs.2004).
Regresi adalah suatu proses memperkirakan secara sistematis tantang apa
yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi
masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi
dapat juga diartikan sebagai usaha memprediksi perubahan (Riduwan,Drs.
M.B.A,2007).
Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat
perkiraan. Dengan demikian analisis regresi juga dapat diartikan sebagai analisis
perkiraan. Karena merupakan suatu prediksi maka nilai prediksi tidak
memberikan jawaban pasti tentang apa yang sedang dianalisis, semakin kecil
tepat persamaan regresi yang dibentuk. Tujuan utama regresi adalah untuk
membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel
yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.
Berikut beberapa defenisi regresi menurut ahlinya yaitu:
1. Analisis regresi merupakan suatu teknik untuk membangun sebuah persamaan
garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan
(Mason, 1996:489)
2. Persamaan regresi adalah suatu formula matematis yang menunjukkan
hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah
diketahui dengan variabel yang nilainya belum diketahui (Algifri, 2002: 2)
3. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bantuk
persamaan matematika yang menyatakan hubungan fungsional antar
variabel-variabel (Sudjana, 2005: 310).
2.2 Persamaan Regresi
Model analisis regresi merupakan suatu model yang parameternya linier (biasanya
fungsinya berbentuk garis lurus). Secara kuantitatif dapat digunakan untuk
menganalisis pangaruh suatu variabel terhadap variabel lainnya. Analisis regresi
menyangkut studi tentang hubungan antara suatu variabel Y yang disebut variabel
respon atau variabel dependen yaitu variabel yang keberadaannya dipengaruhi
oleh variabel lainnya. Variabel X merupakan variabel predictor atau variabel
independen yaitu variabel bebas (tidak dipengaruhi variabel lainnya) (Sugiyono.
Sifat hubungan antara variabel dalam persamaan regresi merupakan
hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi
dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan
penganalisisan data agar dapat diketahui apakah variabel-variabel tersebut
berkolerasi. Sehingga membentuk sebuah pola garis lurus seperti gambar 2.1
berikut ini:
Gambar 2.1 pola garis lurus
Antara variabel babas (X) dan variabel terikat (Y) membentuk pola sebuah garis
yang lurus, dan dalam aplikasinya jika nilai X meningkat maka nilai Y juga akan
meningkat, jika nilai X mengalami penurunan maka nilai Y juga akan mengalami
penurunan. Untuk mengetahui hubungan-hubungan antara variabel bebas maka
regresi linier terdiri dari dua bentuk, yaitu analisis regresi linier sederhana (simple
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis
dalam bentuk suatu persamaan antara variabel tak bebas dengan variabel bebas
tunggal. Regresi linier sederhana hanya memiliki satu perubahan regresi linier
untuk populasi adalah sebagai berikut:
(2.1)
keterangan:
Y = Variabel tidak bebas (independent variabel)
= Konstanta regresi atau paremeter intersep (nilai Y, bila X = 0)
= Parameter slop (kemiringan garis regresi)
= Variabel bebas (dependent variable)
= Kesalahan ( Error )
Persamaan model regresi sederhana hanya memungkinkan bila pengaruh
yang ada itu hanya dari independent variabel (variabel bebas) terhadap dependent
variabel (variabel tak bebas). Jadi harga b merupakan fungsi dari koefisien
korelasi. Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila
koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila koefisien
2.4 Regresi Linier Berganda
Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu
variabel terikat (Y) dan satu variabel bebas (X) dengan satu predictor (a). pada
regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan
lebih dari satu untuk variabel bebas.
Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel
bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih
terhadap variabel terikatnya. Dengan demikian multiple regression (regresi
berganda) digunakan untuk untuk penelitian yang menyertakan beberapa variabel
sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap
penelitian yang diadakan, tentu saja jika diarahkan untuk menguji
variabel-variabel yang ada (Supranto.J.MA.2009).
Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan
antara dua variabel atau lebih dan memuat prediksi atau perkiraan nilai Y dan nilai
X. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih
variabel, yaitu:
Untuk populasi
(2.2)
Keterangan:
adalah koefisien atau parameter model.
(2.3)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (indepent variable)
= Kesalahan penggangu (disturbunce error)
Persamaan regresi linear berganda merupakan penyajian secara matematis dari
regresi dimana variabel terikatnya Y dihubungkan atau dijelaskan lebih dari satu
variabel bebas ( ) namun masih menunjukkan diagram
hubungan yang linear. Bentuk umum persamaan penduga regresi linear berganda,
yaitu:
(2.4)
Nilai dari koefisien dapat diselesaikan dengan cara sebagai
berikut:
(2.5)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (independent variable)
2.5 Kesalahan Standart 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 variable tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan
(2.6)
Keterangan:
= Kesalahan standar estimasi
= Nilai sebenarnya
= Nilai regresi (penduga)
= banyak sampel
= Jumlah variabel bebas (Independent variable)
2.5 Kesalahan Standar Estimasi
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dan
akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. 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
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya.
Kesalahan standar estimasi atau selisih taksir standar regresi adalah nilai
menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai
sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu
pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka penduga
tersebut memiliki tingkat ketepatan 100%.
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan
kesalahan standar estimasi (standard error of estimate). Kesalahan standar
estimasi diberi simbol yang dapat ditentukan dengan menggunakan formulasi
sebagai berikut:
(2.7)
keterangan:
= kesalahan baku
= nilai data sebenarnya
= nilai taksiran
n = banyak ukuran sampel
2.6 Koefisien Determinasi
Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier
berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi
keragaman total dalam variabel tak bebes (Y) yang dapat dijelaskan atau
diterangkan oleh variabel-variabel bebas (X) yang ada didalam model persamaan
regresi linier berganda secara bersama-sama. Maka R2 akan ditentukan dengan
rumus, yaitu:
.
keterangan:
= Koefisien determinasi
= Regression Sum of Square
SST = Total Sum of Square
Semakin nilai dari kofisien determinasi mendekati positif 1, maka semakin
baik nilai tersebut untuk meramalkan atau memprediksi dan akan lebih mendekati
nilai yang sebenarnya.
2.7 Koefisien Korelasi
Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti
untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel
membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan
nama analisis korelasi.
Analisis korelasi adalah alat statistik yang dapat digunakan untuk
mengetahui derajat hubungan linier antara satu variabel dengan variabel yang lain.
Umumnya analisis korelasi digunakan, dalam hubungan dengan analisis regresi,
untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel
dependent.
Sandaran nilainya adalah, -1 1. Semakin tinggi nilai koefisien
korelasi (semakin mendekati nilai 1) maka hubungan antara dua variabel tersebut
semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya
semakin rendah. Adapun jika nilainya bertanda negative, maka terjadi hubungan
yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel
lain akan turun.
a. Korelasi Positif
Jika suatu korelasi bertanda positif r > 0 maka gambar grafiknya seperti
Gambar 2.2 Korelasi Positif
Terjadinya korelasi positif apabila pada variabel yang satu diikuti dengan
perubahan variabel yang lain dengan arah yang sama (berbanding lurus).
b. Korelasi Negatif
Jika suatu korelasi betanda negatif r < 0 maka contoh gambar grafikya seperti
ditunjukkan oleh gambar berikut:
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan
perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik).
c. Korelasi Nihil
Jika suatu korelasi tidak menunjukkan adanya hubungan r = 0 maka gambar
grafiknya seperti ditunjukkan oleh gambar 2.4 berikut:
Gambar 2.4 korelasi nol
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan
pada variabel yang lain dengan arah yang tidak teratur (acak). Artinya apabila
variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel
lain dan kadang diikuti dengan penurunan pada variabel lain.
Besarnya hubungan antara variabel yang satu dengan variabel yang lain
Tabel 2.1. Interpretasi Koefisien Kolerasi Nilai r
Interval Koefisien Tingkat Hubungan
Sangat Kuat
Kuat
Cukup Kuat
Rendah
Sangat Rendah
Koefisien korelasi antara variabel yang satu dengan yang lainnya dapat ditentukan
dengan rumus sebagai berikut:
(2.9)
keterangan:
ryx = koefisien korelasi
Xki = Variabel independent
Yi = Variabel bebas dependent
Rumus koefisien korelasi antara variabel satu dengan variabel lainnya
dapat dilihat sebagai berikut:
1. Koefisi
(2.10)
2. Koefisien kolerasi antara X2 dengan Y
(2.11)
3. Koefisien kolerasi antara X3 dengan Y
(2.12)
4. Koefisien kolerasi antara X4 dengan Y
keterangan:
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
Pengujian hipotesis bagi koefisien-koefisien regresi linear berganda dapat
dilakukan secara serentak atau keseluruhan.
Uji regresi linier berganda perlu dilakukan untuk mengetahui apakah sekelompok
variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak
bebas. Pengujian Hipotesis Serentak. Pengujian ini dapat dicari dengan
menggunakan rumus uji statistik F, yaitu:
(2.14)
keterangan:
JKreg : Jumlah kuadrat regresi
JKres : Jumlah kuadrat residu (sisa)
(n-k-1) : Derajat kebebasan
(2.15)
keterangan:
x1i = X1i -
x2i = X2i -
(2.16)
Dalam pengujian persamaan regresi terutama menguji hipotesis tentang
parameter koefisien regresi secara keseluruhan melibatkan intersep serta k buah
variabel penjelasan sebagai berikut:
(2.17)
Dengan persamaan penduganya adalah:
(2.18)
keterangan:
merupakan penduga bagi parameter
Langkah-langkah yang dilakukan dalam pengujian hipotesis adalah sebagai
berikut:
1. Menentukan formulasi hipotesis
H0 : β1 = β2 = … = βk = 0 (X1, X2, ... , Xk tidak mempengaruhi Y)
H1 : (X1, X2, ... , Xk mempengaruhi Y)
2. Menentukan taraf nyata α dan Ftabel
Pilih taraf nyata α yang diinginkan, biasanya 5%, 1%, dan 10%
Ftabel dapat dilihat dari daftar tabel dengan V1 = k dan V2 = n – k – 1
3. Menentukan kriteria pengujian
H0 ditolak apabila
4. Menentukan nilai statistik F
(2.19)
5. Membuat kesimpulan apakah H0 diterima atau ditolak
2.9 Uji Koefisien Regresi Linier Berganda
Keberartian adanya variabel-variabel bebas dalam regresi berganda perlu diuji
untuk menunjukkan seberapa besar pengaruh yang diberikan variabel tak bebas.
Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t
(t student).
Secara umum rumus uji t adalah:
(2.20)
Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran
s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.21)
Dimisalkan populasi mempunyai model regresi berganda sebagai berikut:
(2.22)
Langkah-langkah pengujiannya adalah sebagai berikut:
, i = 1,2,…,k (Variabel independen (X1,X2,X3, X4)
tidak mempengaruhi variabel dependen (Y))
, i = 1,2,…,k (Minimal ada satu parameter koefisien regresi
yang tidak mempengaruhi variabel dependen (Y))
2. Menentukan taraf nyata α dan ttabel dengan derajat kebebasan df = n – k. Pilih
taraf nyata α yang diinginkan.
3. Kriteria Pengujian:
H0 diterima jika
H0 ditolak jika atau
4. Menentukan nilai statistik t
(2.23)
Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.24)
keterangan:
BAB 2
LANDASAN TEORI
2.1 Pengertian Analisis Regresi
Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak
mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
pengetahuan, terutama para peneliti yang dalam penelitiannya banyak
menggunakan statistik sebagai dasar analisis maupun perancangan (Hartono,
Drs.2004).
Regresi adalah suatu proses memperkirakan secara sistematis tantang apa
yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi
masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi
dapat juga diartikan sebagai usaha memprediksi perubahan (Riduwan,Drs.
M.B.A,2007).
Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat
perkiraan. Dengan demikian analisis regresi juga dapat diartikan sebagai analisis
perkiraan. Karena merupakan suatu prediksi maka nilai prediksi tidak
memberikan jawaban pasti tentang apa yang sedang dianalisis, semakin kecil
tepat persamaan regresi yang dibentuk. Tujuan utama regresi adalah untuk
membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel
yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.
Berikut beberapa defenisi regresi menurut ahlinya yaitu:
1. Analisis regresi merupakan suatu teknik untuk membangun sebuah persamaan
garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan
(Mason, 1996:489)
2. Persamaan regresi adalah suatu formula matematis yang menunjukkan
hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah
diketahui dengan variabel yang nilainya belum diketahui (Algifri, 2002: 2)
3. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bantuk
persamaan matematika yang menyatakan hubungan fungsional antar
variabel-variabel (Sudjana, 2005: 310).
2.2 Persamaan Regresi
Model analisis regresi merupakan suatu model yang parameternya linier (biasanya
fungsinya berbentuk garis lurus). Secara kuantitatif dapat digunakan untuk
menganalisis pangaruh suatu variabel terhadap variabel lainnya. Analisis regresi
menyangkut studi tentang hubungan antara suatu variabel Y yang disebut variabel
respon atau variabel dependen yaitu variabel yang keberadaannya dipengaruhi
oleh variabel lainnya. Variabel X merupakan variabel predictor atau variabel
independen yaitu variabel bebas (tidak dipengaruhi variabel lainnya) (Sugiyono.
Sifat hubungan antara variabel dalam persamaan regresi merupakan
hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi
dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan
penganalisisan data agar dapat diketahui apakah variabel-variabel tersebut
berkolerasi. Sehingga membentuk sebuah pola garis lurus seperti gambar 2.1
berikut ini:
Gambar 2.1 pola garis lurus
Antara variabel babas (X) dan variabel terikat (Y) membentuk pola sebuah garis
yang lurus, dan dalam aplikasinya jika nilai X meningkat maka nilai Y juga akan
meningkat, jika nilai X mengalami penurunan maka nilai Y juga akan mengalami
penurunan. Untuk mengetahui hubungan-hubungan antara variabel bebas maka
regresi linier terdiri dari dua bentuk, yaitu analisis regresi linier sederhana (simple
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis
dalam bentuk suatu persamaan antara variabel tak bebas dengan variabel bebas
tunggal. Regresi linier sederhana hanya memiliki satu perubahan regresi linier
untuk populasi adalah sebagai berikut:
(2.1)
keterangan:
Y = Variabel tidak bebas (independent variabel)
= Konstanta regresi atau paremeter intersep (nilai Y, bila X = 0)
= Parameter slop (kemiringan garis regresi)
= Variabel bebas (dependent variable)
= Kesalahan ( Error )
Persamaan model regresi sederhana hanya memungkinkan bila pengaruh
yang ada itu hanya dari independent variabel (variabel bebas) terhadap dependent
variabel (variabel tak bebas). Jadi harga b merupakan fungsi dari koefisien
korelasi. Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila
koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila koefisien
2.4 Regresi Linier Berganda
Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu
variabel terikat (Y) dan satu variabel bebas (X) dengan satu predictor (a). pada
regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan
lebih dari satu untuk variabel bebas.
Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel
bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih
terhadap variabel terikatnya. Dengan demikian multiple regression (regresi
berganda) digunakan untuk untuk penelitian yang menyertakan beberapa variabel
sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap
penelitian yang diadakan, tentu saja jika diarahkan untuk menguji
variabel-variabel yang ada (Supranto.J.MA.2009).
Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan
antara dua variabel atau lebih dan memuat prediksi atau perkiraan nilai Y dan nilai
X. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih
variabel, yaitu:
Untuk populasi
(2.2)
Keterangan:
adalah koefisien atau parameter model.
(2.3)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (indepent variable)
= Kesalahan penggangu (disturbunce error)
Persamaan regresi linear berganda merupakan penyajian secara matematis dari
regresi dimana variabel terikatnya Y dihubungkan atau dijelaskan lebih dari satu
variabel bebas ( ) namun masih menunjukkan diagram
hubungan yang linear. Bentuk umum persamaan penduga regresi linear berganda,
yaitu:
(2.4)
Nilai dari koefisien dapat diselesaikan dengan cara sebagai
berikut:
(2.5)
keterangan:
= Variabel tidak bebas (dependent variable)
= Koefisien regresi
= Variabel bebas (independent variable)
2.5 Kesalahan Standart 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 variable tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan
(2.6)
Keterangan:
= Kesalahan standar estimasi
= Nilai sebenarnya
= Nilai regresi (penduga)
= banyak sampel
= Jumlah variabel bebas (Independent variable)
2.5 Kesalahan Standar Estimasi
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dan
akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. 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
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya.
Kesalahan standar estimasi atau selisih taksir standar regresi adalah nilai
menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai
sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu
pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka penduga
tersebut memiliki tingkat ketepatan 100%.
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan
kesalahan standar estimasi (standard error of estimate). Kesalahan standar
estimasi diberi simbol yang dapat ditentukan dengan menggunakan formulasi
sebagai berikut:
(2.7)
keterangan:
= kesalahan baku
= nilai data sebenarnya
= nilai taksiran
n = banyak ukuran sampel
2.6 Koefisien Determinasi
Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier
berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi
keragaman total dalam variabel tak bebes (Y) yang dapat dijelaskan atau
diterangkan oleh variabel-variabel bebas (X) yang ada didalam model persamaan
regresi linier berganda secara bersama-sama. Maka R2 akan ditentukan dengan
rumus, yaitu:
.
keterangan:
= Koefisien determinasi
= Regression Sum of Square
SST = Total Sum of Square
Semakin nilai dari kofisien determinasi mendekati positif 1, maka semakin
baik nilai tersebut untuk meramalkan atau memprediksi dan akan lebih mendekati
nilai yang sebenarnya.
2.7 Koefisien Korelasi
Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti
untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel
membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan
nama analisis korelasi.
Analisis korelasi adalah alat statistik yang dapat digunakan untuk
mengetahui derajat hubungan linier antara satu variabel dengan variabel yang lain.
Umumnya analisis korelasi digunakan, dalam hubungan dengan analisis regresi,
untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel
dependent.
Sandaran nilainya adalah, -1 1. Semakin tinggi nilai koefisien
korelasi (semakin mendekati nilai 1) maka hubungan antara dua variabel tersebut
semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya
semakin rendah. Adapun jika nilainya bertanda negative, maka terjadi hubungan
yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel
lain akan turun.
a. Korelasi Positif
Jika suatu korelasi bertanda positif r > 0 maka gambar grafiknya seperti
Gambar 2.2 Korelasi Positif
Terjadinya korelasi positif apabila pada variabel yang satu diikuti dengan
perubahan variabel yang lain dengan arah yang sama (berbanding lurus).
b. Korelasi Negatif
Jika suatu korelasi betanda negatif r < 0 maka contoh gambar grafikya seperti
ditunjukkan oleh gambar berikut:
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan
perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik).
c. Korelasi Nihil
Jika suatu korelasi tidak menunjukkan adanya hubungan r = 0 maka gambar
grafiknya seperti ditunjukkan oleh gambar 2.4 berikut:
Gambar 2.4 korelasi nol
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan
pada variabel yang lain dengan arah yang tidak teratur (acak). Artinya apabila
variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel
lain dan kadang diikuti dengan penurunan pada variabel lain.
Besarnya hubungan antara variabel yang satu dengan variabel yang lain
Tabel 2.1. Interpretasi Koefisien Kolerasi Nilai r
Interval Koefisien Tingkat Hubungan
Sangat Kuat
Kuat
Cukup Kuat
Rendah
Sangat Rendah
Koefisien korelasi antara variabel yang satu dengan yang lainnya dapat ditentukan
dengan rumus sebagai berikut:
(2.9)
keterangan:
ryx = koefisien korelasi
Xki = Variabel independent
Yi = Variabel bebas dependent
Rumus koefisien korelasi antara variabel satu dengan variabel lainnya
dapat dilihat sebagai berikut:
1. Koefisi
(2.10)
2. Koefisien kolerasi antara X2 dengan Y
(2.11)
3. Koefisien kolerasi antara X3 dengan Y
(2.12)
4. Koefisien kolerasi antara X4 dengan Y
keterangan:
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
= Koefisien korelasi antara variabel dan Y
Pengujian hipotesis bagi koefisien-koefisien regresi linear berganda dapat
dilakukan secara serentak atau keseluruhan.
Uji regresi linier berganda perlu dilakukan untuk mengetahui apakah sekelompok
variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak
bebas. Pengujian Hipotesis Serentak. Pengujian ini dapat dicari dengan
menggunakan rumus uji statistik F, yaitu:
(2.14)
keterangan:
JKreg : Jumlah kuadrat regresi
JKres : Jumlah kuadrat residu (sisa)
(n-k-1) : Derajat kebebasan
(2.15)
keterangan:
x1i = X1i -
x2i = X2i -
(2.16)
Dalam pengujian persamaan regresi terutama menguji hipotesis tentang
parameter koefisien regresi secara keseluruhan melibatkan intersep serta k buah
variabel penjelasan sebagai berikut:
(2.17)
Dengan persamaan penduganya adalah:
(2.18)
keterangan:
merupakan penduga bagi parameter
Langkah-langkah yang dilakukan dalam pengujian hipotesis adalah sebagai
berikut:
1. Menentukan formulasi hipotesis
H0 : β1 = β2 = … = βk = 0 (X1, X2, ... , Xk tidak mempengaruhi Y)
H1 : (X1, X2, ... , Xk mempengaruhi Y)
2. Menentukan taraf nyata α dan Ftabel
Pilih taraf nyata α yang diinginkan, biasanya 5%, 1%, dan 10%
Ftabel dapat dilihat dari daftar tabel dengan V1 = k dan V2 = n – k – 1
3. Menentukan kriteria pengujian
H0 ditolak apabila
4. Menentukan nilai statistik F
(2.19)
5. Membuat kesimpulan apakah H0 diterima atau ditolak
2.9 Uji Koefisien Regresi Linier Berganda
Keberartian adanya variabel-variabel bebas dalam regresi berganda perlu diuji
untuk menunjukkan seberapa besar pengaruh yang diberikan variabel tak bebas.
Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t
(t student).
Secara umum rumus uji t adalah:
(2.20)
Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran
s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.21)
Dimisalkan populasi mempunyai model regresi berganda sebagai berikut:
(2.22)
Langkah-langkah pengujiannya adalah sebagai berikut:
, i = 1,2,…,k (Variabel independen (X1,X2,X3, X4)
tidak mempengaruhi variabel dependen (Y))
, i = 1,2,…,k (Minimal ada satu parameter koefisien regresi
yang tidak mempengaruhi variabel dependen (Y))
2. Menentukan taraf nyata α dan ttabel dengan derajat kebebasan df = n – k. Pilih
taraf nyata α yang diinginkan.
3. Kriteria Pengujian:
H0 diterima jika
H0 ditolak jika atau
4. Menentukan nilai statistik t
(2.23)
Untuk menguji hipotesis yang ada digunakan kekeliruan baku taksiran s2y,1,2,3,…,k .
Jadi, untuk melihat kekeliruan baku dari koefisien bi adalah:
(2.24)
keterangan:
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1 Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS
melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian,
agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,
pendapatan, dan keagamaan. Selain itu, BPS juga bertugas untuk melaksanakan
koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat
maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa
oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi,
klasifikasi dan ukuran-ukuran lainnya.
Tugas utama BPS melakukan pengumpulan data, menerbitkan publikasi
statistik nasional maupun daerah, serta melakukan analisis data statistik yang
digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap
provinsi, kabupaten dan kota di seluruh Indonesia. Dinamakan perwakilan BPS di
daerah, karena BPS merupakan instansi vertikal, yakni instansi pemerintah pusat
yang berada di daerah, sehingga bukan merupakan bagian dari instansi milik
daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan
pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap
sepuluh tahun sekali BPS menyelenggarakan:
1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol),
3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).
3.2Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan
tata kerja perwakilan BPS di daerah.
3.2.1 Tugas
BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan
ketentuan peraturan perundang-undangan yang berlaku.
3.2.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan
fungsi:
1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.
2. Pengkoordinasian kegiatan statistik nasional dan regional.
3. Penetapan dan penyelenggaraan statistik dasar.
4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang
kegiatan statistik; dan
5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang
perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian,
keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.
3.2.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai
kewenangan:
2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara
makro,
3. Penetapan sistem informasi di bidangnya,
4. Penetapan dan penyelenggaraan statistik nasional,
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan
yang berlaku
3.3 Visi dan Misi BPS 3.3.1 Visi
Pelopor data statistik terpercaya untuk semua.
3.3.2 Misi
1. Memperkuat landasan konstitusional dan operasional lembaga statistik
untuk penyelenggaraan statistik yang efektif dan efisien.
2. Menciptakan insan statistik yang kompeten dan profesional, didukung
pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan
Indonesia.
3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi,
pengukuran, dan kode etik statistik yang bersifat universal dalam setiap
penyelenggaraan statistik.
4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.
5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik
yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem
3.4 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan
BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan
maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari
masing-masing bagian.
Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang
uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah
dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan
seksi di lingkungan
perwakilan dan cabang perwakilan BPS.
Gambar 3.1 Struktur Organisasi BPS Provinsi
K E P A L A
Bagian Tat a Usaha
Bidang I nt egrasi Pengolahan & Disem inasi St at ist ik Ket ahanan Sosial
Seksi St at ist ik Kesej aht eraan
Rakyat
Seksi St at ist ik Konst ruksi, Pert am
-bangan & Energi Seksi St at ist ik N eraca Produksi
Seksi Disem inasi dan Layanan St at ist ik
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan
kegiatan langsung dengan instansi sosial yang terjadi diantara individu‐individu
dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.
Struktur organisasi perusahaan merupakan salah satu faktor penting yang
mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan
yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah
pemisahan tugas dari para pegawai atau staf tersebut.
Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah
struktur organisasi lini dan staf. Struktur ini mengandung unsur‐unsur spesialisasi
kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan
keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan
ukuran satuan yang menunjukkan suatu kelompok kerja.
3.5 Logo BPS
Logo BPS adalah sebagai berikut:
Gambar 3.2. Logo BPS
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.3 Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS
melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian,
agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,
pendapatan, dan keagamaan. Selain itu, BPS juga bertugas untuk melaksanakan
koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat
maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa
oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi,
klasifikasi dan ukuran-ukuran lainnya.
Tugas utama BPS melakukan pengumpulan data, menerbitkan publikasi
statistik nasional maupun daerah, serta melakukan analisis data statistik yang
digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap
provinsi, kabupaten dan kota di seluruh Indonesia. Dinamakan perwakilan BPS di
daerah, karena BPS merupakan instansi vertikal, yakni instansi pemerintah pusat
yang berada di daerah, sehingga bukan merupakan bagian dari instansi milik
daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan
pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap
sepuluh tahun sekali BPS menyelenggarakan:
4. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol),
5. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan
3.4Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan
tata kerja perwakilan BPS di daerah.
3.5.1 Tugas
BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan
ketentuan peraturan perundang-undangan yang berlaku.
3.5.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan
fungsi:
6. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.
7. Pengkoordinasian kegiatan statistik nasional dan regional.
8. Penetapan dan penyelenggaraan statistik dasar.
9. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang
kegiatan statistik; dan
10.Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang
perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian,
keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.
3.5.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai
kewenangan:
6. Penyusunan rencana nasional secara makro di bidangnya,
7. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara
8. Penetapan sistem informasi di bidangnya,
9. Penetapan dan penyelenggaraan statistik nasional,
10.Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan
yang berlaku
3.6 Visi dan Misi BPS 3.3.1 Visi
Pelopor data statistik terpercaya untuk semua.
3.3.2 Misi
6. Memperkuat landasan konstitusional dan operasional lembaga statistik
untuk penyelenggaraan statistik yang efektif dan efisien.
7. Menciptakan insan statistik yang kompeten dan profesional, didukung
pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan
Indonesia.
8. Meningkatkan penerapan standar klasifikasi, konsep dan definisi,
pengukuran, dan kode etik statistik yang bersifat universal dalam setiap
penyelenggaraan statistik.
9. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.
10.Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik
yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem
3.7 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan
BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan
maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari
masing-masing bagian.
Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang
uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah
dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan
seksi di lingkungan
perwakilan dan cabang perwakilan BPS.
Gambar 3.1 Struktur Organisasi BPS Provinsi
K E P A L A
Bagian Tat a Usaha
Bidang I nt egrasi Pengolahan & Disem inasi St at ist ik Ket ahanan Sosial
Seksi St at ist ik Kesej aht eraan
Rakyat
Seksi St at ist ik Konst ruksi, Pert am
-bangan & Energi Seksi St at ist ik N eraca Produksi
Seksi Disem inasi dan Layanan St at ist ik
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan
kegiatan langsung dengan instansi sosial yang terjadi diantara individu‐individu
dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.
Struktur organisasi perusahaan merupakan salah satu faktor penting yang
mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan
yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah
pemisahan tugas dari para pegawai atau staf tersebut.
Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah
struktur organisasi lini dan staf. Struktur ini mengandung unsur‐unsur spesialisasi
kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan
keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan
ukuran satuan yang menunjukkan suatu kelompok kerja.
3.8 Logo BPS
Logo BPS adalah sebagai berikut:
Gambar 3.2. Logo BPS
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem merupakan tahapan penerapan hasil desain tertulis kedalam
programming dengan menggunakan perangkat lunak (software) sebagai
implementasi ataupun prosedur untuk menyelesaikan desain sistem, dalam hal ini
implementasi sistem digunakan untuk menganalisis angka Indeks Pembangunan
Manusia di Sumatera Utara.
Adapun implementasi sistem yang digunakan adalah Microsoft Excel dan
SPSS (Statistical Product and Service Solution) 17.0 for windows. Diharapkan
dengan menggunakan software tersebut dapat meningkatkan pengetahuan penulis
dalam menggunakan aplikasi ilmu statistik.
5.2 Program Excel 2007
5.2.1 Pengisian Data
Dalam hal pengolahan data komputer memilki banyak kelebihan dari manusia
komputer karena kadang kala data yang banyak dan rumit sehingga menguras
waktu dan tenaga apabila dikerjakan secara manual.
Proses pengisian data pada lembar kerja Excel dengan cara mengetik data
yang kita inginkan disel yang tersedia, ada dua cara mengisi data dengan
menggunakan keyboard atau sub menu yang terdapat pada menu Excel.
Hasil dari memasukkan data dapat dilihat pada gambar berikut ini:
Gambar 5.1. Input Data dalam Excel
5.3 Program SPSS
SPSS (Statistic Package For Servic Solution) merupakan program statistika yang
dibuat pada tahun 1968 oleh mahasiswa dari universitas Standford. Pada awalnya
SPSS ditunjukkan untuk menganalisis data ilmu-ilmu sosial atau dulu disebut
Statistic Package Social Sience. Namun seiring berjalannya waktu program ini