PENGGUNAAN METODE BACKWARD UNTUK MENENTUKAN
PERSAMAAN REGRESI LINIER BERGANDA
(Studi Kasus: Jumlah Penyalahgunaan Narkoba di POLRESTA Medan)
SKRIPSI
OLEH
MONICA ELISABET PANGARIBUAN
100823011
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMETERA UTARA
PERSETUJUAN
Judul : PENGGUNAAN METODE BACKWARD UNTUK
MENENTUKAN PERSAMAAN REGRESI LINIER BERGANDA (STUDI KASUS : JUMLAH
PENYALAHGUNAAN NARKOBA DI POLRESTA MEDAN)
Kategori : SKRIPSI
Nama : MONICA ELISABET PANGARIBUAN
Nomor Induk Mahasiswa : 100823011
Program Studi : SARJANA (S1) MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PERNGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Juni 2012
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs. Ujian Sinulingga, M.Si Drs. Pengarapen Bangun, M.Si
NIP 19560303 198403 1 004 NIP 19560815 198503 1 005
Diketahui / Disetujui Oleh
Departemen Matematika FMIPA USU Ketua,
Prof. Dr. Tulus, M.Si
PERNYATAAN
PENGGUNAAN METODE BACKWARD UNTUK MENENTUKAN PERSAMAAN REGRESI LINIER BERGANDA
(Studi Kasus : Jumlah Penyalahgunaan Narkoba di POLRESTA Medan)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2012
MONICA ELISABET PANGARIBUAN
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih, dengan
anugerah dan kasih setia-Nya sehingga skripsi ini dapat saya diselesaikan.
Ucapan terimakasih saya sampaikan kepada:
1. Bapak Dr. Sutarman, M.Sc ,selaku Dekan Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Sumatera Utara.
2. Bapak Prof.Dr.Tulus, ,M.Si dan Ibu Dra.Mardinigsih,M.Si. Selaku ketua dan
sekretaris Departemen Matematika Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Sumatera Utara yang telah memberikan
kesempatan kepada penulis untuk menyelesaikan studi di Departemen
Matematika.
3. Bapak Drs. Pengarapen Bangun, M.Si dan Drs. Ujian Sinulingga, M.Si selaku
pembimbing dalam penyelesaian skripsi ini yang telah memberikan
bimbingan dan kepercayaan kepada saya untuk menyempurnakan skripsi ini.
4. Bapak Iskandar M.Nur, Selaku Kabag Resot Kota Medan yang memberikan
kesempatan untuk dapat melakukan penelitian di Kantor Kepolisian.
5. Teristimewa buat kedua orangtuaku tercinta yang telah memberikan dukungan,
doa dan dana, juga buat saudara-saudaraku yang terkasih atas perhatian dan
doanya sehingga penulis dapat menyelesaikan pendidikan S-1.
6. Buat sahabat dan penyemangatku , Nopa, Yanti , Lestari, dan semua pihak
yang telah membantu dalam menyelesaikan skripsi ini.
Penulis menyadari bahwa tulisan ini jauh dari sempurna, untuk itu penulis sangat
mengharapkan saran dan kritik untuk kesempurnaan tulisan ini.
Medan, Juli 2012
Penulis
Monica Elisabet Pangaribuan
ABSTRAK
Narkoba adalah singkatan dari Narkotika, Psikotropika, Bahan Adiktif, yaitu nama
segolongan zat alamiah, semi sintetik maupun sintetik. Faktor-faktor yang dianggap
berpengaruh terhadap meningkatnya penyalahgunaan narkoba seperti negative parent ,
berteman dengan sebaya, tekanan ekonomi serta peningkatan barang bukti .
Perumusan masalah dalam penelitian yang berjudul “Penggunaan Metode Backward
untuk Menentukan Persamaan Regresi Linier Berganda (Studi Khasus : Jumlah
Penyalahgunaan Narkoba di POLRESTA Medan)” ini adalah untuk menentukan
persamaan penduga yang sesuai terhadap jumlah penyalahgunaan narkoba di
Kepolisian resort kota Medan. Untuk mendapatkan persamaan regresi berganda
tersebut penulis menggunakan metode Backward yaitu metode backward yang
merupakan langkah mundur, dimana semua variabel Xi diregresikan dengan variabel dependen Y. pengeleminasian variabel Xi didasarkan pada nilai Fpar dari masing-masing variable Xi yaitu variable yang mempunyai nilai Fpar tangkah pokok terkecil dan turut tidaknya variabel tersebut didalam model didasarkan pada Ftab. Penduga yang diperoleh adalah : = 71.800+ 1.317 X3 + 0.293 X4 . Dengan Y menyatakan jumlah penyalahgunaan narkoba, X3 adalah tekanan ekonomi, dan X4 adalah barangbukti dan persentase variasi (koefisien korelasi determinasi) yang dijelaskan
oleh penduga tersebut sebesar 55,1% sehingga dapat kita simpulkan bahwa model
penduga yang diperoleh cukup baik digunakan sebagai penduga besar jumlah
ABSTRACT
Stands for Narcotics Drugs, Psychotropic Substances, Materials addictive, which is
the name of a class of natural substances, synthetic or semi synthetic. Factors that are
considered influential to the increasing abuse of drugs such as negative parent, make
friends with peers, as well as increased economic pressures of the evidence.
Formulation of the problem in a study titled "Backward Method for Determining the
Use of Multiple Linear Regression Equations (Khasus Study: Number of Drug Abuse
in Medan Police)" This is to determine the appropriate equation to estimate the
amount of drug abuse in the resort city of Medan police. To obtain the regression
equation using the method the author is Backward backward method which is a step
backwards, in which all the variables Xi regressed with the dependent variable Y.
pengeleminasian variable Xi Fpar based on the value of each variable Xi is a variable
that has the smallest value Fpar tangkah principal and co-absence of these variables in
the model is based on Ftab. Estimators obtained is: y = 1317 + X3 + X4 0293. With
the Y represents the number of drug abuse, X3 is the economic pressure, and X4 is
barangbukti and the percentage of variation (correlation coefficient of determination)
is described by the probe is at 55.1% so that we can conclude that the models are quite
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel ix
Daftar Gambar x
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 3
1.3 Pembatasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Tinjauan Pustaka 3
1.7 Metode Penelitian 6
BAB 2 LANDASAN TEORI 8
2.1 Prosedur regresi dengan Menggunakan Metode Backward 8
2.2 Uji Sampel 11
2.3 Model Regresi Linier Dengan Pendekatan Matriks 11
2.4 Membentuk Model Penduga 14
2.4.1 Persamaan Penduga 14
2.4.2 Koefisien Korelasi determinasi (Indeks Determinasi) 15
2.4.3. Pertimabangan Terhadap Penduga 15
2.4.4. Pembuktian Asumsi 16
3.1 Data 18
3.2. Pengujian Sampel 19
3.3. Metode Backward 21
3.3.1. Menghitung Koefisien Regresi 21
3.3.2. Persamaan Regresi Ganda antara Y dengan X1, X2, X3,X4 23
3.3.2.1. Koefisien Korelasi 23
3.3.2.2. Uji Keberartian Regresi Ganda 24
3.3.2.3. Uji Korelasi Parsial 25
3.3.3. Persamaan Regresi Ganda Antara Y dengan X1, X3, X4 27
3.3.3.1. Koefisien Regresi Ganda 27
3.3.3.2. Uji Keberartian Regresi Ganda 27
3.3.3.3. Uji Korelasi Parsial 28
3.3.4. Persamaan Regresi Ganda Antara Y dengan X3, X4 30
3.3.3.4.1. Koefisien Regresi Bergandada 30
3.3.4.2. Uji Keberartian Regresi Ganda 30
3.3.4.3. Uji Korelasi Parsial 31
3.5. Pembentukan Penduga 33
3.5.1. Bentuk Persamaan Penduga 33
3.5.2. Koefisien Korelasi Determinasi 33
3.5.3. Analisa Residu 33
BAB 4 KESIMPULAN DAN SARAN 38
4.1. Kesimpulan 38
4.2. Saran 38
DAFTAR TABEL
Halaman
Tabel 1 : Data Observas 9
Tabel 2 : Analisa Variansi 9
Tabel 3: Uji Korelasi Parsial 13
Tabel 4 : Koefisien Korelasi Rank Spearman 16
Tabel 5 : Jumlah penyalahgunaan narkoba, dan faktor – faktor yang
mempengaruhinya. 18
Tabel 6 : Uji Sampel 19
Tabel 7 : Pengandalah suatu variabel terhadap variabel lain 21
Tabel 8 : Koefisien Regresi antara Y dengan X1, X2, X3,X4 23
Tabel 9 : Analisa Variansi antara Y dengan X1, X2, X3,X4 24 Tabel 10 : Uji Korelasi Parsial dan ANOVA antara Y dengan X1, X2, X3,X4 25 Tabel 11 : Koefisien Regresi Antara Y dengan X1, X3, X4 27
Tabel 12 : Analisa Variansi Antara Y dengan X1, X3, X4 27
Tabel 13 : Uji Korelasi Parsial dan ANOVA Antara Y dengan X1, X3, X4 28
Tabel 14 : Koefisien Regresi Antara Y dengan X3, X4 30
Tabel 15 : Analisi Varian Antara Y dengan X3, X4 30
Tabel 16 : Uji Korelasi Parsial dan ANOVA Antara Y dengan X3, X4 31
DAFTAR GAMBAR
Halaman
ABSTRAK
Narkoba adalah singkatan dari Narkotika, Psikotropika, Bahan Adiktif, yaitu nama
segolongan zat alamiah, semi sintetik maupun sintetik. Faktor-faktor yang dianggap
berpengaruh terhadap meningkatnya penyalahgunaan narkoba seperti negative parent ,
berteman dengan sebaya, tekanan ekonomi serta peningkatan barang bukti .
Perumusan masalah dalam penelitian yang berjudul “Penggunaan Metode Backward
untuk Menentukan Persamaan Regresi Linier Berganda (Studi Khasus : Jumlah
Penyalahgunaan Narkoba di POLRESTA Medan)” ini adalah untuk menentukan
persamaan penduga yang sesuai terhadap jumlah penyalahgunaan narkoba di
Kepolisian resort kota Medan. Untuk mendapatkan persamaan regresi berganda
tersebut penulis menggunakan metode Backward yaitu metode backward yang
merupakan langkah mundur, dimana semua variabel Xi diregresikan dengan variabel dependen Y. pengeleminasian variabel Xi didasarkan pada nilai Fpar dari masing-masing variable Xi yaitu variable yang mempunyai nilai Fpar tangkah pokok terkecil dan turut tidaknya variabel tersebut didalam model didasarkan pada Ftab. Penduga yang diperoleh adalah : = 71.800+ 1.317 X3 + 0.293 X4 . Dengan Y menyatakan jumlah penyalahgunaan narkoba, X3 adalah tekanan ekonomi, dan X4 adalah barangbukti dan persentase variasi (koefisien korelasi determinasi) yang dijelaskan
oleh penduga tersebut sebesar 55,1% sehingga dapat kita simpulkan bahwa model
penduga yang diperoleh cukup baik digunakan sebagai penduga besar jumlah
ABSTRACT
Stands for Narcotics Drugs, Psychotropic Substances, Materials addictive, which is
the name of a class of natural substances, synthetic or semi synthetic. Factors that are
considered influential to the increasing abuse of drugs such as negative parent, make
friends with peers, as well as increased economic pressures of the evidence.
Formulation of the problem in a study titled "Backward Method for Determining the
Use of Multiple Linear Regression Equations (Khasus Study: Number of Drug Abuse
in Medan Police)" This is to determine the appropriate equation to estimate the
amount of drug abuse in the resort city of Medan police. To obtain the regression
equation using the method the author is Backward backward method which is a step
backwards, in which all the variables Xi regressed with the dependent variable Y.
pengeleminasian variable Xi Fpar based on the value of each variable Xi is a variable
that has the smallest value Fpar tangkah principal and co-absence of these variables in
the model is based on Ftab. Estimators obtained is: y = 1317 + X3 + X4 0293. With
the Y represents the number of drug abuse, X3 is the economic pressure, and X4 is
barangbukti and the percentage of variation (correlation coefficient of determination)
is described by the probe is at 55.1% so that we can conclude that the models are quite
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Narkoba adalah singkatan dari Narkotika, Psikotropika, Bahan Adiktif, yaitu nama
segolongan zat alamiah, semi sintetik maupun sintetik. Narkoba pada prisipnya adalah
zat atau bahan yang dapat mempengaruhi kesadaran, pikiran dan perilaku yang dapat
menimbulkan ketergantungan kepada pemakainya. Bila hal terakhir ini terjadi pada
seseorang, maka dapat dipastikan berakhirlah semua masa depan gemilangnya.
Dampak kejahatan Narkoba akan terimbas kepada seluruh keluarga. Merusak
tatanan dan tata krama yang ada. Seorang anggota keluarga yang menjadi korban
penyalahgunaan narkoba akan membuat susah seisi rumah. Keributan selalu timbul
berasal dari perilaku seorang pecandu narkoba. Tidak jarang dari hilangnya
banrang-barang berharga dari dalam rumah, yang kemudian diketahui dicuri dan dijual dengan
murah untuk mendapakan Narkba oleh salah seorang anggota keluarga.
Berdasarkan undang – undang Polri, bahwa Polri diberi tugas sebagai alat Negara
penegak hukum, pelindung, pelayan masyarakat beserta komponen bangsa lainnya
sangat berkewajiban dalam usaha pencegahan dan penangglan kejahatan narkoba di
Indonesia oleh karena itu penanganan masalah narkoba di Indonesia menjadi
tanggung jawab pemerintah, masyarakat dan instansi terkait, dimana masyarakat ikut
aktif dalam memerangi penyalahgunaan / tindakan pidana narkoba dan juga
memberikan perlindungan istimewa terhadap pelapor dan saksi – saksi.
Penyalahgunaan narkoba bukannya semakin menurun malah sebaliknya,
menunjukkan sesuatu yang fantastis, akan berdampak buruk bagi kelangsungan masa
depan berbangsa dan bernegara.
Untuk memahaminya, bahwa masalah narkoba adalah salah satu masalah nasional
dengan kompleksitas persoalan yang dapat mengancam ketahanan nasional bangsa
mewujudkan masyarakat adil dan makmur maka upaya dari penanggulangan terhadap
penyalahgunaan narkoba diperlukan adanya upaya dari pemerintah dan unsur-unsur
masyarakat.
Perkembangan penyalahgunaan / tindakan pidana narkoba menunjukkan adanya
trend peningkatan khususnya diluar aspek kualitas, yang mengindikasikan bahwa
posisi Indonesia telah berubah dari posisi daerah transit menjadi daerah konsumen,
produksi dan pengeksport. Sebagai aktibat yang sangat buruk dan dapat merusak
mental dan kesehatan generasi muda yang akhirnya sangat merugikan terhadap
Negara dan bangsa. Meningkatnya jumlah barang bukti disertai dampak negative yang
ditimbulkannya sebagai konsekwensi dari penambahan jumlah barang bukti tersebut,
saah satunya adalah meningkatnya penyalagunaan narkoba.
Meningkatnya jumlah penyalahgunaan narkoba juga bisa terjadi oleh negative
parent atau konsumsi yang kurang terhadap anak, berteman dengan sebaya, ataupun
tekanan ekonomi. Dimana semua itu merupakan penyebab yang membuat peluang
meningkatnya penyalahgunaan narkoba.
Berdasarkan hal diatas, maka penulis ingin menganalisa hubungan antara
penyalahgunaan narkoba dengan faktor-faktor yang dianggap berpengaruh terhadap
meningkatnya penyalahgunaan narkoba seperti negative parent (satuan keluarga),
berteman dengan sebaya (satuan orang), tekanan ekonomi (satuan kasus) serta
peningkatan barang bukti (satuan barang) dengan menggunakan metode Backward.
Metode backward membahas sejauh mana pengaruh setiap variable yang ada
dalam metode, atau bagaimana pengaruh langsung dari variable bebas tertentu
1.2. Perumusan Masalah
Sesuai dengan uraian diatas yang menjadi permasalahan adalah faktor- faktor
manakah yang berpengaruh terhadap jumlah meningkatnya penyalahgunaan narkoba.
1.3. Pembatasan Masalah
Ruang lingkup pembahasan dalam tulisan ini dibatasi pada pembentukan
persamaan penduga tentang penyalahgunaan narkoba dengan faktor – faktor yang
mempengaruhi meningkatnya penyalahgunaan narkoba dengan data diperoleh dari
POLRESTA Medan.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk menentukan sejauh mana hubungan
fungsional antara variabel – variabel penduga terhadap jumlah penyalahgunaan
narkoba yang dianalisa dengan menggunakan metode backward untuk menentukan
persamaan regresi linier berganda.
1.5. Manfaat Penelitian
Dengan didapatnya persamaan penduga maka diharapkan dapat digunakan oleh
pihak aparat untuk mengambil kebijaksanaan tentang penyalahgunaan narkoba
ditahun yang akan datang dan sebagai informasi untuk dapat digunakan oleh
pihak-pihak yang berkepentingan pada penyalahgunaan narkoba.
1.6. Tinjauan Pustaka
Teori penunjang yang digunakan untuk mewujudkan tulisan ini adalah:
Dari buku ini dikutip tentang pemilihan persamaan regresi terbaik dan analisa
residu. Didalam buku ini dijelaskan bahwa untuk menyelesaikan persamaan
regresi linier ganda ada berbagai macam metode, misalnya diantaranya dengan
menggunakan metode backward. Dengan metode yang merupakan langkah
mundur, dimana semua variabel Xi diregresikan dengan variabel dependen Y.
pengeleminasian variabel Xi didasarkan pada nilai Fpar dari masing-masing
variable Xi yaitu variable yang mempunyai nilai Fpar tangkah pokok terkecil dan
turut tidaknya variabel tersebut didalam model didasarkan pada Ftab.
Langkah-langkah pokok dalam prosedur ini adalah sebagai berikut :
1. Menghitung persamaan regresi yang mengandung semua peubaha peramalan.
2. Menghitung nilai-F parsial untuk setiap peubah peramal, seolah-olah ia
merupakan peubah terkahir yang dimasukkan ke dalam persamaan regresi.
3. Membandingkan nilai-F parsial terendah, misalnya FL, dengan nilai-F bertaraf
nyata tertentu dari tabel, misalkan F0.
Jika FL < F0, buang peubah ZL, yang menghasilkan FL, dari persamaan regresi dan kemudian hitung kemudian persamaan regresi tanpa
menyertakan peubah tersebut; kembali langkah (2).
Jika FL > F0, ambillah persamaan regresi itu.
1.2. Suparto, J. Ekonometrik, buku I Tahun 1983.
Dari buku ini dikutip tentang pengambilan kesimpulan mengenai ketetpan atau
Koefisien determinasi merupakan koefisien penentu yang mempunyai 2 kegunaan
yaitu :
1. Sebagai ukuran ketetapan atau kecocokan (goodness of fit) dari garis regresi.
2. Sebagai ukuran mengenai besarnya persentase variansi yang dijelaskan oleh
penduga yang termasuk kedalam model secara bersama – sama.
1.3. Supranto, J.Ekonometrik , buku II Tahun 1984.
Dari buku ini dikutip adalah pembuktian asumsi homoscedastisitas berdasarakan
uji korelasi rank spearman dengan rumus:
rs= 1-6
dengan: di = perbedaan (selisih) rank iberikan oleh dua karakter yang berbeda.
n = Jumlah Observasi
Kemudian uji dengan t, dimana harga thit adalah :
2
Bila thit<ttab maka asumsi homoscedastisitas dipenuhi sehingga peramalan menjadi
efisien dan cocok.
d Abdul Hamang, Metode Statistika , Tahun 2005
Analisis Variansi adalah suatu metode yang meng-uraikan keragaman total data
Dengan :
Jumlah Kuadrat Total (JKT) =
Y2 nȲ2Jumlah Kuadrat Regresi (JKR) = a0
Ya1x1Y...ak
xkYn Ȳ2
1.7. Metodologi Penelitian
Untuk mendapatkan persamaan regresi linier berganda yang digunakan sebagai
penduga jumlah penyalahgunaan narkoba. Penulis menggunakan metode backward
dengan langkah-langkah penyelesaian sebagai berikut:
a Pengumpulan data yang diperoleh dari POLRESTA Medan.
b Membentuk persamaan regresi linier ganda. Bentuk umum dari persamaan
penduga adalah:
= a0 a1X1...akXk
Dengan :
= Penduga Penyalahgunaan narkoba
Xi = Faktor-faktor yang mempengaruhi meningkatnya penyalahgunaan
narkoba
i = 1,2,...,k
1. Menentukan nilai Ftab dari masing-masing variabel Xi dan menentukan
2. Pemilihan variabel yang pertama keluar dari model.
Variabel pertama yang diuji apakah terpilih keluar dari model atau tidak
adalah variabel yang mempunyai harga F parsial terkecil, dengan hipotesa
sebagai berikut:
Uji Hipotesa:
H0 : Regresi antara Y dengan Xh tidak signifikan
H1 : Regresi antara Y dengan Xh signifikan
Keputusan:
Bila Fuji < Ftabel maka terima H0
Bila Fuji≥ Ftabel maka tolak H0
Dengan :
Ftabel=F(p-1,n-p,0,5)
3. Membentuk persamaan regresi linier ganda yang kedua.
4. Pemilihan variabel kedua dari model.
BAB II
LANDASAN TEORY
2.1. Prosedur regresi dengan Menggunakan Metode Backward
Metode Backward merupakan langkah mundur, dimana semua variabel Xi diregresikan dengan variabel dependen Y. pengeleminasian variabel Xi didasarkan pada nilai Fpar dari masing-masing variable Xi yaitu variable yang mempunyai nilai Fpar tangkah pokok terkecil dan turut tidaknya variabel tersebut didalam model didasarkan pada Ftab
Langkah 1 : Membentuk persamaan regresi linier berganda lengkap (membuat semua
variabel bebas X1).
Menentukan persamaan yang membuat semua variabel bebas X1 dimana koefisien regresi a1,a2,...,ak
Dihitung berdasarkan persamaan:
Langkah 2: Menentukan nilai F- parsial dari masing variabel Xi.
Tabel 1 : Analisa Variansi
Sumber Dk Jumlah Kuadrat Rata-rata F hitung
Variansi Jumlah Kuadrat
Total n-1 JKT JKR/V
Regresi V JKR JKR/v
Residu n-1-v JKT – JKR (JKT-JKR)/n-1-v (JKT-JKR)/n-1-v
Dengan: Jumlah Kwadrat total JKT =
Y2 nȲ2Jumlah kwadrat regresi JKR = a0
Ya1
x1Y...ak
xkYnȲ2
Kemudian dihitung F Parsial dari masing-masing variabel bebas xi dengan menggunakan tabel sebagai berikut:
Tabel 2: Uji Korelasi Parsial
no Koefisien regresi Galat baku F parsial
1 a1 s1 12
2 1 / s
a
2 a2 s2 22
2 2 / s
a
.
.
.
K ak sk
2 2
/ k
k s
a
si = RJK(res)Bij
si = Galat taksiran Y atas xi, untuk i = 1,2,3,...,k
dengan : RJK (Res) = Rata-rata jumlah kuadrat residu
Langkah 3: Pemilihan Variabel yang Pertama Keluar dari Model.
Variabel yang pertama diuji apakah terpilih keluar dari model atau tidak
adalah variabel yang mempunyai harga F parsial terkecil pada tabel 3 diatas, misalnya
xi. Untuk menentukan apakah xi keluar atau tidak, maka nilai F parsial dari xi dibandingkan dengan niali F tabel, dengan hipotesa sebagai berikut:
Uji Hipotesa:
H0 : Regresi antara Y dengan Xi tidak signifikan
H1 : Regresi antara Y dengan Xi signifikan
Keputusan:
Bila Fuji < Ftabel maka terima H0
Bila Fuji≥ Ftabel maka tolak H0
Dengan :
Ftabel=F(p-1,n-p,0,5)
Langkah 4 : Membentuk Persamaan Regresi Linier Berganda yang Kedua.
Bila pada langkah 3, H0 ditolak maka proses berakhir dan penduga yang digunakan adalah persamaan regresi linier berganda lengkap. Sebaliknya jika H0 diterima maka langkah selanjutnya adalah membentuk persamaan regresi linier
berganda yang membuat semua variabel xi (untuk i ≠ 1). Untuk itu prosedur yang digunakan adalah sama seperti pada langkah 1.
Langkah 5 : Pemilihan Variabel yang Kedua Keluar dari Model.
Untuk memilih variabel yang kedua keluar dari model didasarkan pada nilai
F parsial dari variabel bebas yang termuat pada persamaan regresi linier berganda
Proses ini diulang secara berurutan sampai akhirnya nilai F parsial terkecil
dari variabel bebas akan lebih besar dari F tabel.
2.2. Ujian Sampel
Sebagai ketentuan dalam melakukan penelitian yang berhubbungan dengan
pengambilan data adalah harus diketahui untuk dianalisa. Untuk menentukan ukuran
sampel memenuhi unntuk dianalisa, maka dilakukan uji kecukupan sampel dengan
taraf signifikan α = 0,5.
Hipotesa : H0 : ukuran sampel telah memenuhi syarat
H1 : ukuran sampel tidak memenuhi syarat
Statistik penguji :
N’ =
N = Ukuran sampel pengambilan
Xt = Data yang diuji
Kriteria pengujian: H0 diterima jika N1≤ N
2.3. Model Regresi Linier Dengan Pendekatan Matriks
Menggunakan matriks: Y= Xb + ε
Dimana:
=
Berdasarkan sifat dari transpose matriks yaitu karena adalah
suatu scalar (bilangan nyata = real number) maka sama dengan transposenya
Sehingga:
Kemudian disamakan dengan nol, maka diperoleh
, dengan syarat ada invers
Koefisien regresi b0, b1, b2, …, bk adalah
Bentuk umum persamaan regresi linier berganda adalah:
Y = b0b1X1b2X2...bkXk e1
Dengan : Y = Nilai Variabel tak bebas ke-i observasi
0
b = Konstanta Regresi
k
b b
b1, 2,..., = Koefisien regresi
Xk = Nilai variabel bebas untuk k =1,2,...,i
Ej = Galat
Bentuk data yang diolah adalah sebagai berikut :
Tabel 3 : Data Observasi
No Respon Variabel
Observasi (Y) X1 X2 X3 ... Xk
1 Y1 X11 X21 X31 ... Xk1
2 Y2 X12 X22 X32 ... Xk2
. . . .
. . . .
. . . .
Kemudian data observasi diselesaikan dengan menggunakan metode kuadrat terkecil,
maka diperoleh persamaan regresi linier berganda yangmerupakanpenduga berbentuk:
= b0 b1x1...bkxk
Dengan: = Y – ej dengan asumsi bahwa ej ≈ N(0,σ2). Hal inipenting berarti bahwa residu ej mengikuti distibusi normal dengan nilai rata-rata pengganggu = 0 dan variansi (ej) = σ2.
Untuk penganalisa kecocokan penduga yang diperoleh, ketiga asumsi ini
harus diperiksa.
i. Rata-rata residu (ē) = 0.
ii. Tidak ada autokorelasi antar residu, artinya (ej,ek) = 0. Sehingga penduga yang diperoleh merupakan penduga yang tak biasa.
iii. Nilai rata-ra residu dan variansi (ej) = variansi (ek) = σ2. Asumsi ini disebut dengan asumsi homoscedastisitas.
2.4. Membentuk Model Penduga
Apabila proses pengeluaran variabel bebas dari persamaan regresi telah
selesai, maka dietapkan persamaan regresi yang menjadi penduga linier yang
diinginkan.
2.4.1. Persamaan Penduga Pada Metode Backward
Bentuk penduga ditetapkan adalah : = b0
bpXp dimana Xp dalah2.4.2. Koefisien Korelasi determinasi (Indeks Determinasi).
Koefisien korelasi determinasi ditanyakan dengan R2. Koefisien ini menyatakan besar promosi atau sumbangan dari X1, X2, ..., Xk secara bersama-sama terhadap variasi atau naik turunnya Y. Harga R2 diperoleh :
R2 = (JK (REG)/JK (Total)) * 100%
Harga R2 yang diperoleh akan sesuai dengan variasi yang dijelaskan masing-masing variabel yg tinggal dalam regresi. Hal ini berakibat bahwa variasi yang
dijelaskan penduga hanya disebabkan oleh variabel ang berpengaruh saja (yang
bersifat nyata atau lebih). Sebagai penduga sering digunakan dalam satuan persen
dimana persentase variasi penduga tersebut adalah: R2 x 100%.
2.4.3. Pertimabangan Terhadap Penduga.
a. Pertimbangan Berdasarkan R2.
Diterima atau tidaknya suatu penduga yang diperoleh atas besarnya R2 adalah tergantung kepada yang menilainya atau yang membuat keputusan. Suatu penduga
sangat baik digunakan bila persentase variasi yang dijelaskan sangat besar (mendekati
satu).
b. Pertimbangan Berdasarkan Residu (Sisa)
Suatu regresi adalah berarti dan model regresinya cocok apabila ketiga
asumsi dipenuhi. Ketiga asumsi itu dibuktikan (ditunjukkan kebenarannya) dengan
analisa residu dari penduga, yaitu selisih dari respon observasi terhadap hasil keluaran
2.4.4. Pembuktian Asumsi
Asumsi (i) : Rata-rata residu sama dengan nol (0).
Keberartian dari keadaan ini akan terlihat pada perhitungan seperti tabel
dibawah ini.
Asumsi (ii): Variansi (ej) = variansi (ek) = σ2.
Keadaan ini akan dibuktikan melalui uji statistika yaituujit, dengan terlebih
dahulu menghitung koefisien korelasi Rank Sperman (membandingkan harga thitung dengan ttabel.
Untuk uji ini, data yang diperlakukan dengan tabel sebagai berikut:
Tabel 4 : Koefisien Korelasi Rank Spearman
No. Penduga Residu Rank Rank (ej) dj
menggunakan uji t, dimana harga dari thitung =
2
, dan selanjutnya dicari harga
bila thitung < ttabel maka variansi (ej) = variansi (ek) sehingga variansi seluruh residu adalah sama (homoscedasitisitas).
Asumsi (iii): Convarian (ej,ek) = 0.
Asumsi ini dibuktikan dengan plot residu (diagram pencar dari residu). Bila
plot residu menunjukkan pola tertentu yang beraturan maka asumsi dilanggar atau
BAB III
PEMBAHASAN
3.1. Data
Berdasarakan data yang diperoleh dari kantor Kepolisian POLRESTA
Medan.
Tabel 5 : Jumlah penyalahgunaan narkoba, dan faktor – faktor yang
mempengaruhinya.
No Tahun Bulan
Penyalahgunaan Negative Berteman Tekanan Barang
Narkoba Parent dgn Sebaya Ekonomi Bukti
(Y) (X1) (X2) (X3) (X5)
1 2010 JAN 108 54 26 28 66
2 FEB 102 35 31 37 94
3 MAR 149 42 57 41 124
4 APR 153 51 59 41 136
5 MEI 125 39 43 42 108
6 JUN 139 61 40 33 94
7 JUL 143 58 56 35 114
8 AGUST 149 68 53 29 89
9 SEP 138 72 44 19 65
10 OKT 182 76 73 45 135
11 NOP 194 81 82 51 134
12 DES 184 78 63 37 113
13 2011 JAN 148 90 31 29 98
14 FEB 140 67 42 35 85
15 MAR 182 74 71 41 103
16 APR 164 86 73 66 122
17 MEI 192 83 52 62 92
18 JUN 183 79 50 47 146
19 JUL 198 93 69 52 151
20 AGUST 182 92 43 46 125
21 SEP 128 48 40 29 120
22 OKT 192 67 72 59 83
23 NOP 197 83 63 67 153
24 DES 193 87 66 58 132
Berdasarkan tabel diatas diduga bahwa negative parent (banyak kasus), berteman
dengan sebaya (banyak kasus), tekanan ekonomi(banyak kasus), dan jumlah barang
bukti (banyak paket) secara bersama-sama mempengaruhi penyalahgunaan narkoba.
Sehingga jumlah penyalahgunaan narkoba menjadi variabel dependent (Y) dan
variabel tak bebas (X1,X2,X3,X4).
3.2. Pengujian Sampel
Pengujian sampel dihitung dengan rumus:
2
Untuk memudahkan perhitungan maka dibuat tabel:
Periode Xt 2
Dari hasil perhitungan diperoleh:
N=24
X1= 3865
X12 = 642445Maka menghitung :
3.3. Metode Backward
3.3.1. Menghitung Koefisien Regresi
Tabel 7 : Pengandalan suatu variabel terhadap variabel lain
(1) (2) (3) (4) (5) (6) (7) (8)
No Y X1 X2 X3 X4 X3X4 X2X3
1 108 54 26 28 66 1848 728
2 102 35 31 37 94 3478 1147
3 149 42 57 41 124 5084 2337
4 153 51 59 41 136 5576 2419
5 125 39 43 42 108 4536 1806
6 139 61 40 33 94 3102 1320
7 143 58 56 35 114 3990 1960
8 149 68 53 29 89 2581 1537
9 138 72 44 19 65 1235 836
10 182 76 73 45 135 6075 3285
11 194 81 82 51 134 6834 4182
12 184 78 63 37 113 4181 2331
13 148 90 31 29 98 2842 899
14 140 67 42 35 85 2975 1470
15 182 74 71 41 103 4223 2911
16 164 86 73 66 122 8052 4818
17 192 83 52 62 92 5704 3224
18 183 79 50 47 146 6862 2350
19 198 93 69 52 151 7852 3588
20 182 92 43 46 125 5750 1978
21 128 48 40 29 120 3480 1160
22 192 67 72 59 83 4897 4248
23 197 83 63 67 153 10251 4221
24 193 87 66 58 132 7656 3828
(9) (10) (11) (12) (13) (14) (15) (16)
X2X4 X1X2 X1X3 X1X4 X1Y X2Y X3Y X4Y
728 1404 1512 3564 5832 2808 3024 7128
1147 1085 1295 3290 3570 3162 3774 9588
2337 2394 1722 5208 6258 8493 6109 18476
2419 3009 2091 6936 7803 9027 6273 20808
1806 1677 1638 4212 4875 5375 5250 13500
1320 2440 2013 5734 8479 5560 4587 13066
1960 3248 2030 6612 8294 8008 5005 16302
1537 3604 1972 6052 10132 7897 4321 13261
836 3168 1368 4680 9936 6072 2622 8970
3285 5548 3420 10260 13832 13286 8190 24570
4182 6642 4131 10854 15714 15908 9894 25996
2331 4914 2886 8814 14352 11592 6808 20792
899 2790 2610 8820 13320 4588 4292 14504
1470 2814 2345 5695 9380 5880 4900 11900
2911 5254 3034 7622 13468 12922 7462 18746
4818 6278 5676 10492 14104 11972 10824 20008
3224 4316 5146 7636 15936 9984 11904 17664
2350 3950 3713 11534 14457 9150 8601 26718
3588 6417 4836 14043 18414 13662 10296 29898
1978 3956 4232 11500 16744 7826 8372 22750
1160 1920 1392 5760 6144 5120 3712 15360
4248 4824 3953 5561 12864 13824 11328 15936
4221 5229 5561 12699 16351 12411 13199 30141
3828 5742 5046 11484 16791 12738 11194 25476
3.3.2. Persamaan Regresi Ganda antara Y dengan X1, X2, X3,X4
3.3.2.1. Koefisien Korelasi
Persamaan regresi Ganda Untuk Variabel adalah :
i iX
b b
0 , dengan i = 1,2,3,4
Koefisien regresi (ai) masing-masing dapat diperoleh dari Tabel di bawah ini melalui SPSS 16.
Tabel 8 : Koefisien Regresi antara Y dengan X1, X2, X3,X4
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 30.419 12.721 2.391 .027
Negative Parent .835 .156 .491 5.344 .000
Berteman dengan
Sebaya .763 .212 .397 3.591 .002
Tekanan Ekonomi .433 .259 .189 1.670 .111
Barang Bukti .116 .118 .099 .983 .338
a. Dependent Variable: Penyalahgunaan Narkoba
Dari tabel diatas diperoleh :
419 . 30
0
3.3.2.2. Uji Keberartian Regresi Ganda
Tabel 9 : Analisa Variansi antara Y dengan X1, X2, X3,X4 ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 17542.428 4 4385.607 33.646 .000a
Residual 2476.531 19 130.344
Total 20018.958 23
a. Predictors: (Constant), Barang Bukti, Negative Parent, Berteman dengan
Sebaya, Tekanan Ekonomi
b. Dependent Variable: Penyalahgunaan Narkoba
Dengan Taraf nyata dipilih 0.05 diperoleh Ftabel = F(4,23,0.05) = 2.80 . Karena Fhit > Ftabel maka disimpulkan bahwa regenerasi berarti. Untuk mengetahui berati atau tidaknya
3.3.2.3. Uji Korelasi Parsial
Kurang Perhatian pada
anak .774 .417 1.000 .634 .530
Kurang Perhatian pada
anak .000 .021 . .000 .004
Berteman dengan sebaya .000 .015 .000 . .003
Tekanan Ekonomi .002 .071 .004 .003 .
N Jumlah penyalahgunaan
Narkoba 24 24 24 24 24
Negative Parent 24 24 24 24 24
Kurang Perhatian pada
anak 24 24 24 24 24
Berteman dengan sebaya 24 24 24 24 24
Dengan taraf nyata yang dipilih 0.05 maka dari daftar distribusi F diperoleh Ttabel = 2.80 dan dari tabel Fpartial terkecil = 1.272 (variabel X2). Karena Fpartial terkecil < Ftabel maka X2 dengan Fpar terkecil keluar dari model regresi.
ANOVA
Sum of
Squares df
Mean
Square F Sig.
Negative
Parent
Between
Groups 6264.667 19 329.719 1.996 .265
Within Groups 660.667 4 165.167
Total 6925.333 23
Berteman
dengan
Sebaya
Between
Groups 4657.958 19 245.156 1.272 .452
Within Groups 770.667 4 192.667
Total 5428.625 23
Tekanan
Ekonomi
Between
Groups 3732.125 19 196.428 8.682 .024
Within Groups 90.500 4 22.625
Total 3822.625 23
Barang Bukti Between
Groups 13403.500 19 705.447 2.373 .209
Within Groups 1189.000 4 297.250
3.3.3. Persamaan Regresi Ganda Antara Y dengan X1, X3, X4
3.3.3.1. Koefisien Regresi Ganda
Tabel 11 : Koefisien Regresi Antara Y dengan X1, X3, X4 Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 34.969 15.984 2.188 .041
Negative Parent .935 .194 .550 4.820 .000
Tekanan
Ekonomi .826 .296 .361 2.788 .011
Barang Bukti .231 .143 .197 1.616 .122
a. Dependent Variable: Penyalahgunaan Narkoba
Dari tabel diatas diperoleh :
969 . 34
0
b ; b1 0.935; b2 0.826; b3 0.231
3.3.3.2. Uji Keberartian Regresi Ganda
Tabel 12 : Analisa Variansi Antara Y dengan X1, X3, X4 ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 15861.998 3 5287.333 25.438 .000a
Residual 4156.961 20 207.848
Total 20018.958 23
a. Predictors: (Constant), Barang Bukti, Negative Parent, Tekanan Ekonomi
Dengan taraf nyata : yang dipilih 0.05 diperoleh Ftabel = F(3,23,0.5) = 3.03. Karena Fhit > Ftabel maka disimpulkan bahwa regenerasi berarti. Untuk mengetahui berati atau tidaknya tiap koefisien regenerasi maka diadakan uji yaitu : uji korelasi parsial.
3.3.3.3. Uji Korelasi Parsial
Tabel 13 : Uji Korelasi Parsial dan ANOVA Antara Y dengan X1, X3, X4 Correlations
Penyalahguna
an Narkoba
Negative
Parent
Tekanan
Ekonomi
Barang
Bukti
Pearson
Correlation
Penyalahgunaan
Narkoba 1.000 .771 .712 .564
Negative Parent .771 1.000 .443 .309
Tekanan Ekonomi .712 .443 1.000 .545
Barang Bukti .564 .309 .545 1.000
Sig. (1-tailed) Penyalahgunaan
Narkoba . .000 .000 .002
Negative Parent .000 . .015 .071
Tekanan Ekonomi .000 .015 . .003
Barang Bukti .002 .071 .003 .
N Penyalahgunaan
Narkoba 24 24 24 24
Negative Parent 24 24 24 24
Tekanan Ekonomi 24 24 24 24
ANOVA
Sum of
Squares df Mean Square F Sig.
Negative Parent Between Groups 6264.667 19 329.719 1.996 .265
Within Groups 660.667 4 165.167
Total 6925.333 23
Tekanan
Ekonomi
Between Groups 3732.125 19 196.428 8.682 .024
Within Groups 90.500 4 22.625
Total 3822.625 23
Barang Bukti Between Groups 13403.500 19 705.447 2.373 .209
Within Groups 1189.000 4 297.250
Total 14592.500 23
3.3.4. Persamaan Regresi Ganda Antara Y dengan X3, X4
3.3.3.4.1. Koefisien Regresi Berganda
Tabel 14 : Koefisien Regresi Antara Y dengan X3, X4 Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 71.800 20.144 3.564 .002
Tekanan
Ekonomi 1.317 .399 .576 3.299 .003
Barang Bukti .293 .204 .250 1.435 .166
a. Dependent Variable: Penyalahgunaan Narkoba
Dari tabel diatas diperoleh :
800 . 71
0
b ; b1 1.317; b2 0.293
3.3.4.2. Uji Keberartian Regresi Ganda
Tabel 15 : Analisi Varian Antara Y dengan X3, X4 ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 11032.415 2 5516.207 12.890 .000a
Residual 8986.543 21 427.931
Total 20018.958 23
a. Predictors: (Constant), Barang Bukti, Tekanan Ekonomi
b. Dependent Variable: Penyalahgunaan Narkoba
3.3.4.3. Uji Korelasi Parsial
Tabel 16 : Uji Korelasi Parsial dan ANOVA Antara Y dengan X3, X4 Correlations
Penyalahguna
an Narkoba
Tekanan
Ekonomi
Barang
Bukti
Pearson
Correlation
Penyalahgunaan
Narkoba 1.000 .712 .564
Tekanan Ekonomi .712 1.000 .545
Barang Bukti .564 .545 1.000
Sig. (1-tailed) Penyalahgunaan
Narkoba . .000 .002
Tekanan Ekonomi .000 . .003
Barang Bukti .002 .003 .
N Penyalahgunaan
Narkoba 24 24 24
Tekanan Ekonomi 24 24 24
ANOVA
Sum of
Squares df
Mean
Square F Sig.
Tekanan
Ekonomi
Between Groups 3732.125 19 196.428 8.682 .024
Within Groups 90.500 4 22.625
Total 3822.625 23
Barang Bukti Between Groups 13403.500 19 705.447 2.373 .209
Within Groups 1189.000 4 297.250
Total 14592.500 23
3.5. Pembentukan Penduga
3.5.1. Bentuk Persamaan Penduga
Diantara empat variabel (X) yang diteliti ternyata hanya 2 variabel yang masuk
kedalam persamaan penduga yaitu: X3 dan X4.
Maka untuk selanjutnya akan diperoleh persamaan regresi berganda.
Metode Backward
Pesamaan penduga yang terbentuk dengan menggunakan metode Backward
yang diperoleh dari persamaan regresi ganda antara Y dengan X3, X4 hal .... . adalah :
= 71.800+ 1.317 X3 + 0.293 X4
3.5.2. Koefisien Korelasi Determinasi
Koefisien korelasi determinasi yang membentuk oleh metode backward yaitu :
55,1%
3.5.3. Analisa Residu
Persamaan penduga yang terbentuk dengan menggunakan metode Backward
dapat menggunakan tabel untuk menganalisa residu.
Pembahasan selanjutnya adalah pada penduga yang diperoleh diatas maka
Tabel 17 : Rank Spearman dan Residu
No Y e Rank Rank
e d( - e) d
2
1 108 128,014 -20,014 2 4 -2 4
2 102 148,071 -46,071 8 1 7 49
3 149 162,129 -13,129 13 6 7 49
4 153 165,645 -12,645 14 7 7 49
5 125 158,758 -33,758 12 2 10 100
6 139 142,803 -3,803 6 10 -4 16
7 143 151,297 -8,297 9 8 1 1
8 149 136,07 12,93 3 17 -14 196
9 138 115,868 22,132 1 22 -21 441
10 182 170,62 11,38 16 15 1 1
11 194 178,229 15,771 19 20 -1 1
12 184 153,638 30,362 10 24 -14 196
13 148 138,707 9,293 4 14 -10 100
14 140 142,8 -2,8 5 11 -6 36
15 182 155,976 26,024 11 23 -12 144
16 164 194,468 -30,468 23 3 20 400
17 192 180,41 11,59 20 16 4 16
18 183 176,477 6,523 18 13 5 25
19 198 184,527 13,473 21 19 2 4
20 182 169,007 12,993 15 18 -3 9
21 128 145,153 -17,153 7 5 2 4
22 192 173,822 18,178 17 21 -4 16
23 197 204,868 -7,868 24 9 15 225
24 193 186,862 6,138 22 12 10 100
Jumlah 0 0 2182
a. Asumsi (i)
b. Asumsi (ii)
Gambar 1 : Plot Residu dengan metode Backward
Scatterplot
Plot residu menunjukkan pola yang tidak beraturan sehingga tidak terdapat
autokorelasi antara factor pengganggu (Residu).
Dengan dipenuhinya asumsi (i), (ii), (iii) maka seluruh faktor-faktor yang
mempengaruhi terhadap meningkatnya penyalahgunaan Narkoba di POLRESTA
Medan sudah masuk ke dalam penduga.
Dengan dipenuhinya seluruh asumsi model penduga tersebut maka persamaan
penduga yang diperoleh adalah baik dan cocok digunakan.
Jumlah Kuadrat Error
Jumlah Kuadrat Error dihitung dengan :
Y X Y Y
SSE 1 ˆ1 1
Dengan : SSE: Jumlah Kuadrt Error
Y
Y1 : Jumlah Kuadrat Yi , i=1,2,...,k
1
ˆ
Rata-rata Error Kuadrat : Dihitung dengan :
p
Jadi dari data diatas dapat dicari jumlah kuadrat errornya yaitu :
Y'Y = 642445
Jadi jumlah kuadrat errornya adalah : 9115,209
Data rata – rata error kuadrat :
MSE = SSE/n-p = 9115,209 / 21
= 434,058
BAB IV
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Dari empat faktor yang diteliti sebagai faktor yang berpengaruh meningkatnya penyalahgunaan narkoba di POLRESTA Medan yang masuk kedalam penduga hanyalah 2 faktor saja yaitu : tekanan ekonomi dan barang bukti.
Persamaan penduga yang terbentuk dari metode backward adalah:
= 71.800+ 1.317 X3 + 0.293 X4 X3 = Tekanan ekonomi
X4 = Barang Bukti
Berdasarkan pembahasan terhadap penduga maka penduga tersebut cukup baik
untuk dipergunakan.
Pembahasan tersebut adalah :
a. Persentase yang dijelaskan metode backward adalah 55,1% dengan hipotesa
(toleransi) sebesar 5%
b. Faktor yang paling berpengaruh dari 2 penduga yang tinggal dalam persamaan
adalah barang bukti.
4.2. Saran
Kepada penulis berikutnya apabila ingin menentukan meningkatnya atau
menurunnya penyalahgunaan narkoba di tahun berikutnya bisa menggunakan faktor
DAFTAR PUSTAKA
Douglas, C. M dan William. W. H,Probabilitas dan Statistika dalam ilmu rekayasa
menajemen, edisi kedua, Universitas Indonesia, Jakarta, 1990
Gaspersz, Vencent, Ekonometrika Terapan, Taarsito, Bandung, 1991.
N.R drapper and H.Smith, Analisa Regresi terapan, edisi kedua, Pt Gramedia
Pustaka Utama, Jakarta 1992.
Supranto. J, Ekonometrik, Buku I LPFEUI 1983.
Supratno. J, Ekonmetrik, Buku II LPFEUI 1984.
Sudjana Dr, MA, MSc, Metode Statistika, Tarsito, Bandung, 1989.
Sudjana Dr, MA, Msc, Teknik analisi dan Korelasi, Tarsito Bandung, 1983.
Sembiring. R.K, Anilisis Regresi, ITB, Bandung, 1995
Tanjung, H. Mastar „Ain, Pahami Kejahatan Narkoba, LETUPAN – INDONEDIA,