• Tidak ada hasil yang ditemukan

BAB 2 LANDASAN TEORI 2.1Uji Sampel - Menentukan Model Persamaan Regresi Linier Berganda Dengan Metode Backward Pada Kasus Penyalahgunaan Narkoba di Tanah Karo

N/A
N/A
Protected

Academic year: 2019

Membagikan "BAB 2 LANDASAN TEORI 2.1Uji Sampel - Menentukan Model Persamaan Regresi Linier Berganda Dengan Metode Backward Pada Kasus Penyalahgunaan Narkoba di Tanah Karo"

Copied!
13
0
0

Teks penuh

(1)

BAB 2

LANDASAN TEORI

2.1Uji Sampel

Sebagai ketentuan dalam melakukan penelitian yang berhubungan dengan pengambilan data adalah harus diketahui ukuran sampel yang memenuhi untuk di analisa. Untuk menentukan ukuran sampel yang memenuhi untuk di analisa maka dilakukan uji kecukupan sampel dengan taraf signifikan α = 0,05

Dengan statistik penguji

= (2.1)

keterangan :

= Ukuran sampel yang di perlukan = Ukuran sampel pengambilan

= Data yang di uji

kriteria pengujian adalah di terima ≤ N

(2)

Bentuk umum persamaan regresi linier berganda yaitu :

= + + + . . . + (2.2)

Keterangan :

=penduga penyalahgunaan narkoba

= faktor - faktor yang mempengaruhi penyalahgunaan narkoba = koefisien regresi

2.3 Prosedur Regresi dengan Menggunakan Metode Backward

Metode backward merupakan langkah mundur, semua variabel X diregresikan dengan variabel Y. Pengeliminasian variabel X di dasarkan pada nilai terkecil dan turut

tidaknya variabel X pada model juga ditentukan oleh nilai

2.3.1 Membentuk Persamaan Regresi Linier Berganda Lengkap

Menentukan koefisien regresi linier berganda , pada persamaan

= n + + + +…+ (2.3)

Dapat digunakan dengan metode eliminasi dengan rumus sebagai berikut ini:

= + + …+

(2.4) .

.

.

(3)

2.3.2 Menentukan nilai dari masing - masing variabel X

Untuk menentukan nilai dari masing - masing variabel X diperlukan tabel 2.1

sebagai berikut :

Tabel 2.1 Analisa Variansi

Sumber

KTR (kuadrat total regresi) / KTS (kuadrat total sisa) Sisa n - p JKS

JKR (jumlah kuadrat regresi) =

∑ Y + ∑ Y + ∑ Y + ∑ Y+ ∑ Y (2.6)

KTR (kuadrat total regresi)= (2.7)

KTS (kuadrat total sisa) = (2.8)

(4)

{( ∑ + ∑ + ∑ + ∑ + ∑ – ∑ )} (2.9)

keterangan :

n = total sampel p = jumlah variabel

Kemudian dihitung nilai dari dari masing - masing variabel bebas X

dengan menggunakan tabel 2.2 sebagai berikut ini :

Tabel 2.2 Uji Korelasi Parsial

= (2.10)

keterangan :

KTS (kuadrat total sisa) =

= Koefisien regresi = Galat taksiran

No

Koefisien

Regresi Galat baku

1

2

3

(5)

2.3.3 Pemilihan Variabel yang Pertama Keluar dari Model

Variabel yang pertama diuji apakah terpilih keluar dari model atau tidak adalah variabel yang memiliki nilai terkecil pada tabel 2.2, misalnya nilai dari variabel

. Untuk menentukan apakah keluar atau tidak, maka nilai dari nilai variabel di bandingkan dengan nilai , dengan hipotesa sebagai berikut :

adalahregresi antara Y dan tidak signifikan adalahregresi antara Y dan signifikan Keputusan

Bila < maka terima Bila ≥ maka tolak

2.3.4 Membentuk Persamaan Regresi Linier Berganda yang Kedua

Bila ditolak maka proses berakhir dan penduga yang digunakan adalah persamaan regresi linier berganda lengkap. Sebaliknya jika diterima maka langkah selanjutnya adalah membentuk persamaan regresi linier berganda yang memuat semua variabel

. Untuk itu prosedur yang dilakukan adalah melakukan pengeliminasian kembali.

2.3.5 Pemilihan Variabel yang Kedua Keluar dari Model.

(6)

proses ini diulang secara berurutan sampai pada akhirnya nilai terkecil dari variabel bebas akan lebih besar dari .

2.4 Membentuk Model Penduga

Apabila proses pengeluaran variabel bebas dari persamaan regresi telah selesai, maka ditetapkan persamaan regresi yang menjadi penduga linier yang diinginkan. Adapun bentuk persamaan penduga pada metode backward adalah

= + ∑ (2.11)

Keterangan :

= Penduga penyalahgunaan narkoba(variabel tidak bebas) = Variabel X yang ada pada persamaan

= Koefisien regresi

2.5 Koefisien Korelasi Determinasi (Indeks Determinasi)

Koefisien korelasi determinasi adalah salah satu nilai statistik yang digunakan untuk mengetahui apakah ada hubungan pengaruh antara variabel dan menyatakan besar proporsi atau sumbangan dari secara bersama - sama terhadap variasi atau naik turunnya nilai Y. Koefisien korelasi determinasi dinyatakan dengan . Harga di peroleh dengan rumus

(7)

Harga yang diperoleh akan sesuai dengan yang dijelaskan masing - masing variabel yang tinggal dalam regresi. Hal ini berakibat bahwa variabel yang berpengaruh, sebagai penduga digunakan dalam satuan persen dimana persentase variasi penduga tersebut adalah : x 100 %

2.6 Pertimbangan Terhadap Penduga

2.6.1 Pertimbangan Berdasarkan

Diterima atau tidaknya suatu penduga yang diperoleh atas besarnya adalah tergantung yang menilainya atau yang membuat keputusan. Suatu penduga sangat baik digunakan bila persentase variasi yang dijelaskan sangat besar (mendekati satu)

2.6.2 Pertimbangan Berdasarkan Residu (sisa)

Suatu regresi adalah berarti dan model regresinya cocok apabila ketiga asumsi dipenuhi. Ketiga asumsi itu dibuktikan dengan analisa residu dari penduga yaitu, selisih dari respon observasi terhadap hasil keluaran oleh penduga berdasarkan prediktor observasi

2.7 PembuktianAsumsi

2.7.1 Asumsi Pertama

Rata - rata residu sama dengan nol (0), keberartian dari keadaan ini akan terlihat pada perhitungan dalam tabel 2.3

(8)

Variansi ( ) , keadaan ini akan diuji melalui uji statistika yaitu uji t dengan terlebih dahulu menghitung koefisien Rank Spearman dengan membandingkan harga

dengan . Untuk menguji ini, maka data yang diperlukan dengan tabel 2.3 adalah sebagai berikut :

Tabel 2.3 Koefisien Korelasi Rank Spearman

No

observasi

Penduga

( )

Residu

(e)

Rank

penduga

Rank

residu

(9)

- - - -

- - - -

N

Jumlah

Koefisien Korelasi Rank Spearman :

= 1- 6 (2.13)

Keterangan :

= korelasirank spearman

= perbedaan (selisih) rank diberikan oleh dua karakter yang berbeda. n = jumlah observasi

Kemudian diuji dengan menggunakan uji t, dengan cara

(2.14)

= (2.15)

keterangan :

n – 2 = derajat kebebasan α = taraf nyata hipotesa

Dengan membandingkan terhadap maka di peroleh bila < maka variansi ( = variansi ( ) sehingga variansi seluruh residu adalah sama.

(10)

Asumsi ini akan dibuktikan dengan plot residu yaitu diagram pencar dari residu. Bila plot residu menunjukkan pola tertentu yang beraturan maka asumsi dilanggar, sedangkan bila plot residu menunjukkan pola tidak beraturan maka asumsi dipenuhi yaitu tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi penyalahgunaan narkoba di Tanah Karo

1.2 Rumusan Masalah

Permasalahan yang akan dibahas dalam tugas akhir ini untuk menentukan faktor dominan pada kasus penyalahgunaan narkoba di Tanah Karo

1.3 Batasan Masalah

Adapun yang menjadi batasan masalah dalam Tugas Akhir ini adalah :

1. Menggunakan data sekunder dari Polres Tanah Karo dari tahun 2011 s/d 2012 2. Menggunakan satu variabel tidak bebas yaitu Penyalahgunaan narkoba dan

empat variabel bebas yaitu lingkungan pergaulan yang salah, kurangnya perhatian orangtua,senang dengan kegiatanberesiko,dan mudahnya mendapatkan narkoba

3. Metode yang digunakan untuk menentukan persamaan regresi linier berganda pada kasus penyalahgunaan narkoba di Tanah Karo adalah Metode backward. 4. Pengolahan data dilakukan dengan menggunakan SPSS.

1.4 Tujuan Penelitian

(11)

1.5 Tinjauan Pustaka

Regresi dapat ditafsirkan sebagai studi ketergantungan suatu variabel tidak bebas pada peubah lainnya. Analisa regresi berguna untuk menelaah dua peubah atau lebih dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui sehingga dalam menerapkannya lebih baik lagi. Dalam penyelesaian persamaan regresi linier berganda ada berbagai macam metode, misalnya dengan metode backward yaitu menyeleksi variabel dengan cara meregresikan semua variabel - variabel X dan Y serta mengeluarkan satu demi satu variabelnya (Khairul Saleh, 2010).

Dalam metode backward, dimulai dengan model yang lengkap kemudian variabel bebas akan di evaluasi, jika ada yang tidak signifikan maka akan di keluarkan yang paling tidak signifikan, dilakukan terus - menerus sampai tidak ada lagi variabel tidak bebas yang tidak signifikan (Forum Statistik, Deny Kurniawan L

Dengan menggunakan metode backward, setiap variabel X diregresikan dengan variabel Y. Pengeliminasian ini didasarkan pada nilai dari masing - masing variabel X yaitu variabel yang memiliki nilai terkecil dan turut

tidaknya variabel tersebut di dalam model yang didasarkan pada (Draper, N . dan Smith, H. 1992).

Model regresi terbaik adalah model yang dapat menjelaskan perilaku variabel respon dengan sebaik - baiknya dengan memilih variabel penjelas dari sekian banyak variabel penjelas yang tersedia dalam data (I Putu Ria Antara, 2012)

(12)

1.6 Metodologi Penelitian

Untuk mendapatkan persamaan regresi linier berganda yang digunakan sebagai penduga jumlah penyalahgunaan narkoba, maka penulis menggunakan metode

backward dengan langkah - langkah sebagai berikut :

1. Pengumpulan data yang diperoleh dari Polres Tanah Karo

2. Membentuk persamaan regresi linier berganda. Bentuk umum dari persamaan penduga adalah :

Ŷ = + + + . . . +

Keterangan :

Ŷ = penduga penyalahgunaan narkoba

= faktor - faktor yang mempengaruhi penyalahgunaan narkoba = koefisien regresi

n =banyakvariabel yang diteliti

3. Menentukan nilai dari masing - masing variabel dan menentukan hasil Analisa Variansi dan Uji Korelasi Parsial.

4. Pemilihan variabelyang pertama keluar dari model.

Variabel pertama yang diuji apakah terpilih keluar dari model atau tidak adalah variabel mempunyai harga F parsial terkecil, dengan hipotesa sebagai berikut :

Uji Hipotesa :

adalah regresi antara Y dan tidak signifikan adalah regresi antara Y dan signifikan Keputusan :

(13)

Bila ≥ maka tolak

Keterangan : =

diperoleh dari tabel Analisa Variansi pada tabel SPSS 5. Membentuk persamaan regresi linier berganda yang kedua

6. Pemilihan variabel kedua dari model dan seterusnya hingga diperoleh nilai variabel bebas yang lebih signifikan

7. Menganalisa residu

Persamaan penduga yang terbentuk dengan menggunakan metode backward dapat menggunakan tabel untuk menganalisa residu.Dalam analisa residu akan menggunakan Metode Rank Spearman.

= 1- 6 (1.1)

Keterangan :

= Metode Rank Spearman

= selisihrank oleh dua karakter yang berbeda. n = Jumlah observasi

8. Dari hasil perhitungandapat diperoleh kesimpulan untuk memperoleh model persamaan regresi linier berganda dan faktor yang sangat mempengaruhi penyalahgunaan narkoba di Tanah Karo.

BAB 3

PEMBAHASAN

Gambar

Tabel 2.1 Analisa Variansi
Tabel 2.2 Uji Korelasi Parsial
Tabel 2.3 Koefisien Korelasi Rank Spearman

Referensi

Dokumen terkait

Kondisi ini mengindikasikan menurunya persentase penduduk usia kerja yang aktif secara ekonomi di Sumatera Barat, yang beribas pada meningkatnya jumlah pengangguran dari

Hasil Independent T-Test menunjukkan adanya perbedaan tekanan darah sistolik dan diastolik yang signifikan pada pasien hipertensi di Banguntapan Bantul dari

Berdasarkan latar belakang tersebut, maka penulis tertarik untuk meneliti permasalahan efektivitas dan kontribusi pemungutan pajak dan retribusi daerah di Kabupaten

3 He illustrates numerous examples where tree and forest have inspired and generated structural form in recent architecture, and he includes some conceptual explorations of trees

Ketika suatu aliran mulai bergerak, seperti misalnya di dalam sebuah pipa, awalnya aliran tersebut bersifat laminar, akan tetapi dengan meningkat kecepatan rata-ratanya,

Kesehatan Republik Indonesia Nomor 75 Tahun 2013. Aktivitas Fisik, Asupan energy dan status

Oleh karena itu, pada bagian akhir ini bisa dikatakan bahwa hukum Islam di Indonesia telah mengalami perkembangan yang dinamis dan berkesinambungan, baik itu melalui

status gizi yang baik, kemudian 4 mahasiswa lainnya. mengalami kelebihan berat badan (overweight) ringan