Penggunaan Metode Backward Untuk Menentukan Persamaan Regresi Linier Berganda (Studi Kasus : Jumlah Penyalahgunaan Narkoba di POLRESTA Medan)

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 nȲ2

Jumlah Kuadrat Regresi (JKR) = a0



Ya1x1Y...a_k



x_kYn Ȳ

2

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...a_kX_k

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,...,a_k

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 nȲ2

Jumlah kwadrat regresi JKR = a0



Ya1



x1Y...ak



xkYnȲ

2

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 = b₀b₁X₁b₂X₂...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...b_kx_k

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 dalah

2.4.2. 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 X_t 2

Dari hasil perhitungan diperoleh:

N=24



X₁= 3865



X₁2 = 642445

Maka 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

SS_E  1 ˆ1 1

Dengan : SS_E: 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,