MENENTUKAN MODEL REGRESI TERBAIK UNTUK MENGETAHUI
PENGARUH TINGKAT PENDIDIKAN TERHADAP ANGKA
KETENAGAKERJAAN DENGAN MENGGUNAKAN PROSEDUR BEST SUBSET DAN BACKWARD ELIMINATION
(Studi Kasus di BPS Kabupaten Sidoarjo)
LAPORAN PKL
oleh
VIVIN OCTIANA NIM 110312406323
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MALANG
LEMBAR PENGESAHAN
MENENTUKAN MODEL REGRESI TERBAIK UNTUK MENGETAHUI
PENGARUH TINGKAT PENDIDIKAN TERHADAP ANGKA
KETENAGAKERJAAN DENGAN MENGGUNAKAN PROSEDUR BEST
SUBSET DAN BACKWARD ELIMINATION
(Studi Kasus di BPS Kabupaten Sidoarjo)
Oleh :
Vivin Octiana 110312406323 Telah Diperiksa dan Diuji
Malang,
Dosen Pembimbing, Pembimbing Lapangan
Dr. Makbul Muksar, S.Pd. M.Si Ir. Tanto Mahardi
NIP. 19681103.199203.1002 NIP.19641126.199402.1001
Menyetujui, Mengetahui,
Dosen penguji Ketua Jurusan
Matematika
FMIPA UM
Trianingsih Eni L, S.Si. M.Si Dr. Makbul Muksar, S.Pd. M.Si NIP.19830101.200501.2001 NIP. 19681103.199203.1002
ABSTRAK
Octiana, Vivin.2014. Menentukan Model Regresi Terbaik Untuk Mengetahui Pengaruh Tingkat Pendidikan Terhadap Angka Ketenagakerjaan Dengan Menggunakan Prosedur Best Subset Dan Backwa rd
Elimination(Studi Kasus di BPS Kabupaten Sidoarjo). Laporan Praktek Kerja Lapangan, Jurusan Matematika, Fakultas MIPA, Universitas Negeri Malang. Pembimbing: Dr. Makbul Muksar, S.Pd.M.Si.
Kata Kunci : Model Regresi Terbaik, Best Subset, Backward Elimination, Multikolinieritas.
Badan Pusat Statistik adalah Lembaga Pemerintah
Non-Departemen yang bertanggung jawab langsung kepada Presiden yang mempunyai tugas melaksanakan tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.
Metode Best Subset merupakan cara untuk mengatasi
multikolinieritas yaitu dengan memilih variabel-variabel bebas yang dapat digunakan dalam model agar diperoleh persamaan regresi terbaik yang mengandung sebagian atau seluruh variabel bebas.Sedangkan Metode Backwa rd Elimination adalah metode yang dapat mencoba memeriksa hanya regresi terbaik yang mengandung sejumlah tertentu peubah peramal.
Penelitian untuk menentukan pengaruh tingkat pendidikan dengan angka ketenagakerjaan dilakukan saat Survei Angkatan Kerja Nasional (SAKERNAS) Triwulan I dan II oleh BPS Kabupaten Sidoarjo pada 2 Juni-2 Juli 2014. Metode Best Subset dan Backward Elimination
merupakan metode yang digunakan untuk mengolah data SAKERNAS Dengan variabel bebas yang diteliti adalah tingkat pendidikan yaitu : belum tamat SD, SD/MI, SMP/MTS, SMA/ALIYAH, SMK/STM, DI-DII, DIII, SI , dan SII-SIII , dengan variabel terikat angka
ketenagakerjaan. Berdasarkan hasil observasi dapat ditentukan model persamaan terbaik yaitu : Y = 0,106 + 2,48 X1 + 1,07 X4 + 2,05 X7 , dengan nilai VIF masing-masing variabel bebas lebih kecil dari 10, hal ini menunjukkan bahwa sudah tidak terdapat gejala multikolinieritas, dengan nilai adjusted R square (R Square yang disesuaikan) adalah 51,1 % dan Fhitung sebesar 4,48 dan signifikasi sebesar 0,046 < 0,05 (α = 5%). Sehingga dapat disimpulkan model berarti. Dari hasil model persamaan bahwa variabel
dan dapat memprediksi besarnya Y (Angka Ketenagakerjaan)
,dan yang memberikan kenaikan terbesar yaitu variabel X1 (belum tamat SD) dengan kenaikan 2,48 kali.
KATA PENGANTAR
Ucapan Syukur kepada Tuhan Yang Maha Esa atas segala limpahan rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan laporan PKL
(Praktek Kerja Lapangan) dengan judul “Menentukan Model Regresi Terbaik Untuk Mengetahui Pengaruh Tingkat Pendidikan Terhadap Angka
Ketenagakerjaan Dengan Menggunakan Prosedur Best Subset Dan Backward Elimination” (Studi Kasus di BPS Kabupaten Sidoarjo). Pelaksanaan PKL dilakukan perorangan, dan saat pelaksanaan Survei Angkatan Kerja Nasional (SAKERNAS) Triwulan II.
Penyelesaian PKL ini tidak lepas dari bantuan berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan terimakasih kepada pihak-pihak berikut :
1. Bapak Dr.H.Makbul Muksar,S.Pd,M.Si selaku ketua jurusan
Matematika Universitas Negeri Malang sekaligus dosen pembimbing saya yang telah sabar membarikan masukan saat bimbingan.
2. Ibu Trianing Eni Lestari, S.Si , M.Si penguji sekaligus pembimbing ke-2 dalam revisi.
3. Bapak Sukwantono selaku kepala BPS yang telah memberi ijin untuk melaksanan PKL di BPS Kabupaten Sidoarjo.
4. Bapak Ir. Tanto Mahardi selaku pembimbing lapangandari BPS Kabupaten Sidoarjo atas waktu dan bimbingan yang telah diberikan. 5. Pak Robi dan Pak Erry yang telah membimbing dan mengarahkan saya
dalam melaksanakan PKL di BPS Kabupaten Sidoarjo.
6. Bapak dan Ibu pegawai BPS Kabupaten Sidoarjo atas dukungan, bantuan dan kerjasamanya danSemua pihak yang telah membantu hingga penyusunan laporan ini selesai.
Semoga Allah SWT membalas semua kebaikan yang setimpal atas segala budi baik yang diberikan. Semoga laporan PKL ini bermanfaat bagi semua pihak
Malang, November 2014
Penulis
DAFTAR ISI
1.5Definisi Operasional ... 4
BAB II TINJAUAN PUSTAKA 2.1 Profil Badan Pusat Statistik ... 6
2.2 Sejarah Badan Pusat Statistik ... 6
2.3 Organisasi Badan Pusat Statistik ... 10
2.4 SAKERNAS ... 14
2.5 Pendekatan Teori Ketenagakerjaan ... 15
2.6 Memilih Persamaan Terbaik ... 17
2.6.1 Analisis Regresi ... 17
2.6.2 Analisis Regresi Linier Berganda ... 18
2.6.3 Asumsi-asumsi dalam Regresi Linier Berganda ... 20
2.6.4 Pengujian Koefisien Regresi ... 21
2.6.5 Multikolinieritas ... 23
2.6.6 Best Subset Regresion ... 24
2.6.7 Prosedur Backward Elimination ... 24
BAB III PELAKSANAAN PRAKTEK KERJA LAPANGAN (PKL) 3.1 Sejarah BPS Kabupaten ... 26
3.2 Kedudukan, Tugas, Fungsi, dan Kewenangan BPS ... 27
3.3 Visi dan Misi ... 28
3.4 Kegiatan Statistik BPS ... 28
3.5 Tempat dan Waktu Pelaksanaan PKL ... 29
3.6 Kegiatan PKL di BPS Kabupaten Sidoarjo ... 30
3.7 Pengambilan Data SAKERNAS ... 31
3.8 Metode Analisis ... 31
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Deskripsi Data ... 32
4.2 Analisis Regresi Linier Berganda ... 32
4.3 Identifikasi Multikolinieritas ... 34
4.4 Metode Regresi Best Subset ... 36
4.5 Metode Backwa rd Elimination ... 38
4.6 Hasil Interpretasi ... 42
BAB V PENUTUP 5.1 Kesimpulan ... 43
5.2 Saran ... 43
DAFTAR RUJUKAN ... 44
DAFTAR TABEL
Tabel Halaman
2.1 Analisis Variansi ... 21
3.1 Pelaksanaan PKL di BPS ... 30
4.1 Pengujian Koefisien Regresi secara Serentak... 33
4.2 Pengujian Koefisien Regresi secara Individual ... 33
4.3 Koefisien Korelasi Antara Varabel Bebas & Variabel Terikat ... 34
4.4 Faktor Kenaikan Keragaman ... 35
4.5 Pengujian Koefisien Regresi secara Serentak... 37
4.6 Pengujian Koefisien Regresi secara Individual ... 37
DAFTAR GAMBAR
Halaman
2.1 Struktur Organisasi BPS Kabupaten/Kota ... 13
2.2 Konsep Dasar Angkatan Kerja ... 15
4.1 Uji Normalitas sisaan ... 40
4.2 Uji Homogenitas sisaan ... 41
4.3 Grafik Autokorelasi ... 41
DAFTAR LAMPIRAN
Lampiran 1 Nilai dan Laporan Kegiatan PKL ... 45
Lampiran 2 Angket SAKERNAS ... 50
Lampiran 3 Data Pengaruh Tingkat Pendidikan Dengan Ketenagakerjaan .... 54
Lampiran 4 Analisis Regresi Linier Berganda ... 55
Lampiran 5 Analisis Korelasi ... 56
Lampiran 6 Best Subset ... 57
Lampiran 7 Analisis Regresi Linier Berganda ... 58
Lampiran 8 Backward Elimiation ... 59
Lampiran 9 Pengujian Asumsi-Asumsi dalam Regresi Linier Berganda ... 61
BAB I
PENDAHULUAN
1.1Latar Belakang
Setiap manusia memiliki hasrat ingin tahu, sehingga menimbulkan berbagai macam pertanyaan, yang membuat manusia berusaha mencari jawaban atas segala pertanyaan yang ada, dari rasa keingintahuan tersebut manusia berusaha mendapat pengetahuan, dan yang diinginkan adalah pengetahuan yang benar. Untuk
mendapatkan pengetahuan yang benar diperlukan adanya penelitian, dari hasil penelitian sehingga didapatkan ilmu pengetahuan.
Banyak ilmu pengetahuan yang dapat kita terapkan dalam kehidupan sehari-hari. Sehingga dari ilmu pengetahuan itulah manusia dapat berkembang dan berinovasi dengan lingkungannya. Salah satu ilmu pengetahuan yang ada adalah matematika, ilmu yang sering kita jumpai pada kehidupan sehari-hari, karena sampai saat ini banyak manusia yang mengembangkan ilmu matematika guna mengembangakan ilmu pengetahuan yang lain.
Matematika adalah salah satu jurusan yang ada pada FMIPA Universitas Negeri Malang, dan di dalam jurusan matematika terdapat konsentrasi ilmu statistika yang mempelajari tentang pengolahan data. Dalam kehidupan modern peranan ilmu statistik sangatlah penting , sehingga menimbulkan berbagai macam ilmu baru yang menggabungkan ilmu lain dengan ilmu statistik. Salah satu ilmu statistik adalah Analisis Regresi yang bermanfaat untuk menganalisis sebuah data yang didapat dari lapangan.
Analisis regresi merupakan teknik statistik yang banyak penggunaan serta mempunyai manfaat yang cukup besar bagi pengambilan keputusan. Seperti halnya persoalan yang sering terjadi di dunia nyata yaitu persoalan yang mempunyai hubungan antara dua peubah atau lebih, kita bisa menggunakan analisis regresi untuk meramalkan nilai suatu peubah apabila peubah lain diketahui. Seperti halnya pada kasus pengaruh tingkat pendidikan terhadap ketenagakerjaan .
Data ketenagakerjaan didapat dari hasil survei angkatan kerja yang
dikumpulkan oleh Badan Pusat Statistik (BPS) melalui sensus dan survei yaitu Survei Angkatan Kerja Nasional (SAKERNAS).
Data yang dikumpulkan meliputi keterangan status perkawinan, pendidikan, pekerjaan, pengangguran, dan pengalaman kerja. Dengan umur angkatan kerja lebih dari 10 tahun, dan pekerjaan yang dilakukan minimal satu jam dan dilakukan secara berturut-turut.
Pada survei SAKERNAS Triwulan I dan II di wilayah Sidoarjo banyak didapatkan tenaga kerja dengan latar belakang pendidikan yang masih minim dan kurangnya keterampilan. Sehingga mereka cenderung bekerja secara otodida, dan besar kemungkinan bahwa produktivitas yang dihasilkan mereka juga kurang baik.
Pendidikan yang rendah dan kurangnya keterampilan yang dimiliki oleh masyarakat pada suatu daerah menjadikan rendahnya kualitas sumber daya alam yang dimiliki daerah tersebut dan akibatnya menghasilkan orang-orang yang kurang berkompeten dalam bidangnya, seperti halnya hasil dari survei angkatan kerja nasional yang dilakukan di wilayah Sidoarjo.
Rendahnya pendidikan menunjukan rendahnya pula perekonomian, karena terkadang faktor biaya yang menjadi hambatan dalam menempuh pendidikan yang lebih tinggi. Hal itulah yang dapat menghambat tercapainya kesejahteraan
masyarakat.
Hasil survei tersebut menunjukan bahwa masih banyak tenaga kerja di wilayah Sidoarjo yang memiliki latar belakang pendidikan rendah serta tanpa memiliki keahlian dibidangnya. karena rendahnya tingkat pendidikan dan keahlian yang ditempuh, mengakibatkan tingkat pendapatan yang lebih rendah juga, sebab rendahnya kepuasan kerja, yang pada gilirannya mempengaruhi produktivitas pekerja.
sumber daya manusia merupakan salah satu penggerak perekonomian suatu daerah.
Pada kasus Pencacahan Survei Angkatan Kerja Nasional (SAKERNAS), pendidikanlah merupakan salah satu yang dipertanyatakan lebih dahulu guna memperoleh keterangan mengenai Pengaruh tingkat pendidikan terhadap angka ketenagakerjaan, dan dengan diketahui tingkat pendidikan maka dapat diketahui tinggi rendahnya kualitas SDM (sumber daya manusia) pada suatu daerah terutama pada daerah Sidoarjo .
Untuk itu survei ini sangatlah penting karena dari hasil survei tersebut dapat ditentukan persamaan regresi terbaik sehingga dapat diketahui tingkat pendidikan apa saja yang mempengaruhi angka ketenagakerjaandi wilayah Sidoarjo. Apabila diketahui tingkat pendidikan yang mempengaruhi ketenagakerjaan maka
diharapkan pemerintah daerah Sidoarjo dapat dengan mudah memperbaiki kualitas sumber daya manusia yang ada di sana .
Berdasarkan uraian latar belakang di atas maka laporan ini disusun guna
“Menentukan Model Regresi Terbaik Untuk Mengetahui Pengaruh Tingkat Pendidikan Terhadap Angka Ketenagakerjaan Dengan Menggunakan Prosedur Best Subset Dan Backward Elimination”.
1.2 Tujuan Masalah
Adapun tujuan masalah sebagai berikut :
1. Mengetahui model regresi terbaik dari data yang dianalisis.
2. Mengetahui tingkat pendidikan yang paling berpengaruh terhadap angka ketenagakerjaan pada SAKERNAS (Survei Angkatan Kerja Nasional ) Triwulan I dan II di wilayah Sidoarjo.
1.2Batasan Masalah
Agar lebih mengarahkan penganalisaan/pemecahan masalah, maka ruang lingkup permasalahan dalam PKL ini dibatasi sebagai berikut:
1. Ruang lingkup penelitian dilakukan di BPS Kabupaten Sidoarjo
2. Penelitian dilakukan saat survei angkatan kerja nasional triwulan I dan II 3. Data SAKERNAS (Survei Angkatan Kerja Nasional) diperoleh langsung
dari hasil pencacahan secara peranggota rumah tangga.
1.3Manfaat
1. Bagi Mahasiswa
a. Dapat menerapkan ilmu yang telah didapat dalam perkuliahan melalui kenyataan yang ada di lapangan saat ini.
b. Dapat meningkatkan keterampilan, kemandirian, serta kreativitas dalam lingkungan kerja.
c. Dapat menyiapkan langkah-langkah yang diperlukan untuk menyesuaikan diri di lingkungan kerja dimasa mendatang.
d. Dapat menambah wawasan, pengetahuan dan pengalaman mahasiswa untuk siap terjun langsung di masyarakat khususnya di lingkungan kerja.
2. Bagi BPS (Badan Pusat Statistik)
a. Mengetahui hasil survei yang dilakukan oleh BPS.
b. Memberikan informasi dan kesimpulan tentang data yang dihasilkan dari hasil survei.
3. Bagi Para Pembaca
a. Memberikan inspirasi dan bahan tambahan referensi bagi pembaca. b. Memberikan gambaran PKL kepada para pembaca dalam menerapkan
ilmu yang ada di perkuliahan.
1.4Definisi Operasional
1.5.2 Data SAKERNAS (Survei Angkatan Kerja Nasional)
Data SAKERNAS merupakan data ketenagakerjaan yang dikumpulkan oleh Badan Pusat Statistik (BPS) melalui sensus dan survei, dengan tujuan memperoleh informasi data jumlah penduduk yang bekerja, pengangguran dan penduduk yang pernah berhenti/pindah bekerja serta berkembangnya di tingkat kabupaten/kota, provinsi maupun nasional.
1.5.2 Analisis Regresi Best Subset
1.5.3 Analisis Backward elimination
BAB II
TINJAUAN PUSTAKA
2.1 Profil Badan Pusat Statistik
Badan Pusat Statistik adalah Lembaga Pemerintah Non-Departemen yang bertanggung jawab langsung kepada Presiden. Sebelumnya, BPS merupakan Biro Pusat Statistik, yang dibentuk berdasarkan UU Nomor 6 Tahun 1960 tentang Sensus dan UU Nomer 7 Tahun 1960 tentang Statistik. Sebagai pengganti kedua UU tersebut ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik. Sebagai pengganti kedua UU tersebut ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik. Berdasarkan UU ini yang ditindaklanjuti dengan peraturan perundangan dibawahnya, secara formal nama Biro Pusat Statistik diganti menjadi Badan Pusat Statistik.
2.2 Sejarah Badan Pusat Statistik
A. Masa Pemerintahan Hindia Belanda
Kegiatan statistik di Indonesia sudah dimulai sejak zaman gubernur Jendral Hindia-Belanda yang ke-36 sebagai perwakilan koloni Belanda – Perancis, Herman Willem Daendels (1808-1811). Gubernur Daendels
menginginkan pemerintahannya memiliki data statistik yang kuat dan handal. Dengan data statistik , pemerintah memiliki pegangan dalam mengidentifikasi dan menentukan prioritas dalam mengseksploitasi wilayah, khususnya Pulau Jawa, daerah tugasnya yang harus dilindungi dari tentara inggris.
Pengganti Deandels, Jan Willem Jansens yang diteruskan oleh Lord Minto tidak dapat mempertahankan pulau jawa. Saat itu koloni Belanda-Perancis jatuh ke tangan Inggris. Selanjutnya yang menjadi gubernur jenderal di Hindia-Belanda adalah Stamford-Raffles (1811-1816). Sekitatar tahun 1815, sensus penduduk pertama kali dilakukan dengan cakupan wilayah Jawa dan Madura. Sensus Penduduk ini mendapat kritikan mengenai metodologi dan cakupan dari seorang tokoh yang bernama Hertog van Hogendorp. Meski demikian , sensus penduduk tersebut telah menyatakan jumlah penduduk Pulau Jawa sebesar 4.615.270 jiwa.
Dengan perkembangan kegiatan statistika, pada tahun 1821 diterbitkan Statistics Year Book yang pertama. Ide pembuatan Statistics Year Book dirancang oleh gubernur Jendral Hindia Belanda Godert Alexander Gerard Philip Baron van der Capellen (1816-1826). Publikasi ini merupakan awal mula buku Statistik Indonesia yang kita kenal saat ini. Dalam masa
penyusunannya, beliau memerintahkan seluruh gubernur dan residen untuk membuat kompilasi data statistik yang beragam dan rinci dalam satu publikasi. Kerangka dan pembagian bab serta daftar isi buku tersebut
disiapkan sendiri oleh Gubernur Van der Capellen. Namun sejarah mencatat bahwa publikasi tersebut belum sepenuhnya mulus. Hal yang menjadi penyebab diantaranya banyak daerah yang belum sepenuhnya siap menyajikan data seperti yang telah dirancang oleh Van der Cepellen.
Tahun 1849 merupakan era baru bagi perstatistikandi Hindia –Belanda. Pada masa ini, barulah publikasi Statistics Year Book yang pernah diidamkan oleh Van der Cappelen mulai dapat diterbitkan secara teratur. Publikasi tersebut berisi data sosial politik dan ekonomi (Sta atkundige en
Staatthuishoundkundige Jaarboekjes).
Pada Tahun 1864 ditetapkan dinas khusus yang bertanggung jawab pada pengadaan dan penyusunan publikasi statistik (Afdelling Statistick), dibawah koordinasi langsung Sekretariat Jendral. Mulai tahun 1864 ini, Dinas Statistik Terus terpelihara.
Pada februari 1920, lembaga yang menangani kegiatan statistik dibentuk oleh Direktur Pertanian, Perindustrian dan Perdagangan (Directeur van Landbouw, Nijverheid en Handel) saat itu di bawah Departement Pertanian, Perindustrian dan Perdagangan berlokasi di Bogor. Tugasnya mengolah dan mempublikasikan data statistik.
monumental, yaitu Sensus Penduduk yang pertama dilakukan diseluruh Indonesia. Perangkat lunak kelembagaan Kantor Pusat Statistik adalah Volkstelling Ordonnantie 1930 (Staatsblad 1930 Nomor 128) yang mengatur sensus penduduk dan Statistick Ordonnantie 1934 (Staatsblad Nomor 508) tentang kegiatan perstatistikan. Beberapa tahun kemudian CKS berada di bawah Departemen Urusan Ekonomi (Depa rtment van Economische Zaken). B. Masa Pemerintahan Jepang
Pada tahun 1942-1945 CKS beralih dibawah kekuasaan pemerintah militer Jepang. Kegiatannya diutamakan untuk memenuhi kebutuhan perang/militer dan berada di bawah Gubernur Militer (Gunseikanbu) , dengan nama
Shomubu Chosasitsu Gunseikanbu. C. Masa Pemerintahan Republik Indonesia
Setelah kemerdekaan Republik Indonesia diproklamirkan pada 17 Agustus 1945, Shomubu Chosasitsu Gunseikanbu dinasionalisasikan dengan nama Kantor Penyelidikan Perangkaan Umum Republik Indonesia (KAPPURI) dan dipimpin oleh Mr. Abdul Karim Pringgodigdo.
Pada awal tahun 1946 bersamaam dengan berpindahnya kegiatan pemerintah Republik Indonesia dari Jakarta ke Yogyakarta, kegiatan KAPPURI pun dipindahkan ke Yogyakarta dipimpin oleh Semaun.
Sementara itu, Pemerintah Federal Belanda (NICA) di Jakrta mengaktifkan kembali CKS yang sempat dikuasai Jepang.
Ketika pemerintah Belanda mengakui kedaulatan RI, pusat kegiatan pemerintahan RI pun kembali ke Jakarta. Berdasarkan Surat Edran Kementrian Kemakmuran tanggal 17 Juni 1950 Nomor 219/S.C., kedua lembaga, yaitu KAPPURI dan CKS diintegrasikan menjadi Kantor Pusat Statistik (KPS) yang berada di bawah tanggung jawab Menteri Kemakmuran.
Pada tanggal 1 Maret 1952, melalui Surat Keputusan Menteri
Perekonomian Nomor P/44, KPS berada di bawah dan bertanggung jawab kepada Menteri Perakonomian. Dengan di terbitkan SK Menteri
Berdasarkan keputusan presiden (Keppres) Nomor 131 Tahun 1957, Kementrian Perekonomian dipecah menjadi Kementrian Perdagangan dan Kementrian Perindustrian. Sesuai dengan Keppres X Nomor 172 tanggal 1 Juni 1957, KPS diubah menjadi Biro Pusat Statistik yang bertanggung jawab dan wewenangnya berada langsung di bawah perdana menteri.
Pada tahun 1960 diundangkan dua buah Undang-Undang (UU), yaitu UU Nomor 6 Tahun 1960 tentang sensus yang diundangkan pada tanggal 24 September 1960 sebagai pengganti Volkstelling Ordonnantie 1930
(Staatsblad 1930 Nomor 128) dan UU Nomor 7 Tahun 1960 tentang Statistik yang diundangkan pada tanggal 26 September 1960 sebagai pengganti Statistick Ordonnantie 1934 (Staatsblad 1934 Nomor 508).
Berdasarkan Keputusan Perdana Menteri Nomor 26/P.M/1958 tanggal 16 Januari 1958 tentang pemberian tugas kepada BPS untuk menyelenggarakan pekerjaan persiapan Sensus Penduduk dan sesuai dengan pasal 2 UU Nomor 6 Tahun 1960, BPS dipercaya menyelenggarakan sensus penduduk yang pertama setelah Indonesia merdeka. Pelaksanaan sensus penduduk dilakuakn serentak di seluruh Indonesia pada tahun 1961.
Pelaksanaan sensus penduduk di tingkat propinsi dilaksanakan oleh kantor gubernur, di tingkat kabupaten/kota (dulu disebut kotamadya) dilaksanakan oleh kantor bupati/walikota. Sedangkan pada tingkat kecamatan dilaksanakan oleh bagian yang mengurus pelaksanaan sensus penduduk.
Kemudian dengan Keppres Nomor 47 Tahun 1964 yang ditetapkan pada tanggal 20 Januari 1964, pemerintah menetapkan susunan dan organisasi BPS, yang selanjutnyaberdasarkan Keputusan Presidium Kabinet Nomor Aa/C/9 Tahun 1965 pada tanggal 19 Februari 1965, Bagian Sensus di Kantor Gubernur dan Kantor Kabupaten/Kota berubah menjadi Kantor Sensusu dan Statistik Daerah.
Dengan semakin pentingnya peran BPS dalam menyediakan data statistik untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, pemerintah mengundang tiga Peraturan Pemerintah (PP) tentang Sensus, yaitu PP Nomor 21 Tahun 1979 tentang pelaksanaan Sensus Penduduk yang
Sensus Pertanian yang diundangkan pada tanggal 21 Januari 1983, dan PP Nomor 29 Tahun 1985 tentang Sensus Ekonomi yang diundangakan pada tanggal 10 Juni 1985.
Sedangkan untuk kelembagaan BPS, pemerintah telah mengundangkan PP Nomor 16 Tahun 1968 tentang Status dan Organisasi BPS yang diundang pada tanggal 29 Mei 1968. Dengan makin meningkatnya peran dan tugas BPS, PP Nomor 16 Tahun 1968 kemudian disempurnakan dengan PP Nomor 6 Tahun 1980 tentang Organisasi BPS yang diundangkan pada tanggal 20 Februari 1980. Dua belas tahun kemudian PP Nomor 6 Tahun 1980 disempurnakan dengan PP Nomor 2 Tahun 1992 tentang Organisasi BPS yang diundangkan pada tanggal 8 Januari 1992.
Sebagai pelaksanaan dari PP Nomor 2 Tahun1992, ditetapkan Keppres Nomor 6 Tahun 1992 tentang Kedudukan, Tugas, Fungsi, Susunan
Organisasi, dan Tata Kerja BPS yang ditetapkan pada tanggal 9 Januari 1992. Sesuai dengan berbagai perkembangan keadaan , tuntutan, masyarakat, dan kebutuhan pembangunan nasional, UU Nomor 6 Tahun 1960 tentang Sensus dan UU Nomor 7 Tahun 1960 tentang Statistik sudah tidak sesuai lagi dengan kondisi kehidupan bangsa dan tingkat perkembangan ilmu
pengetahuan dan teknologi.
Sebagai pengganti kedua UU tersebut, ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik yang diundangkan pada tanggal 19 Mei 1997. Nomenklatur Kelembagaan dari Biro Pusat Statistik diganti menjadi Badan Pusat Statistik.
2.3 Organisasi Badan Pusat Statistik
A. Badan Pusat Statistik Pusat
Dengan ditetapkan peraturan Presiden Nomor 86 Tahun 2007 tentang Badan Pusat Statistik yang ditindak lanjuti dengan peraturan Kepala Badan Pusat Statistik Nomor 7 Tahun 2008 tentang Organisasi dan Tata Kerja BPS, maka susunan organisasi BPS terdiri atas :
1. Kepala
2. Sekretariat Utama
4. Deputi Bidang Statistik Sosial 5. Deputi Bidang Statistik Produksi
6. Deputi Bidang Statistik Distribusi dan Jasa 7. Deputi Bidang Neraca dan Analisis Statistik 8. Inspektorat Utama
9. Pusat Pendidikan dan Pelatihan 10.Instansi Vertikal.
BPS dipimpin oleh seorang Kepala dan mempunyai tugas melaksanakan tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan.
Sekretariat Utama mempunyai tugas mengkoordinasikan perencanaan, pembinaan, pengendalian terhadap program, administrasi, dan sumber daya di lingkungan BPS. Sekretariat Utama terdiri atas lima biro, setiap biro terdiri atas beberapa bagian dan setiap bagian terdiri atas beberapa subbagian. Sekretariat Utama terdiri atas Biri Bina Program, Biro Keuangan, Biro Kepegawaian, Biro Hubungan Masyarakat dan Hukum, dan Biro Umum.
Struktur organisasi BPS memiliki lima deputi, dimana setiap deputi terdiri atas beberapa derektorat, setiap derektorat terdiri atas subdirektorat, dan setiap subdirektorat membawahi beberapa seksi.
Deputi Bidang Metodologi dan Informasi Statistik mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang metodologi dan informasi Statistik terdiri atas Direktorat Pengembangan Metodologi Sensus dan Survei, Direktorat Diseminasi Statistik, dan Direktorat Sistem Informasi Statistik.
Deputi Bidang Statistik Sosial mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang statistik sosial. Deputi Bidang Statistik Sosial terdiri atas Direktorat Statistik Kependudukan dan Ketenagakerjaan, Direktorat Statistik Kesejahteraan Rakayat, dan Direktorat Statistik Ketahanan Sosial.
Deputi Bidang Statistik Produksi mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang statistik produksi. Direktorat Statistik
Deputi Bidang Statistik Distribusi dan Jasa mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang statistik distribusi dan jasa. Deputi Bidang Statistik Distribusi dan Jasa terdiri atas Direktorat Statistik Distribusi, Direktorat Statistik Harga, dan Direktorat Statistik Keuangan, Teknologi Informasi, dan Pariwisata.
Deputi Bidang Neraca dan Analisis Statistik mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang neraca dan analisis statistik. Deputi Bidang Neraca dan Analisis Statistik terdiri atas Direktorat Neraca Produksi, Direktorat Neraca Pengeluaran, dan Directorat Analisis dan Pengembangan Statistik.
Inspektorat Utama mempunyai tugas melaksanakan pengawasan fungsional terhadap pelaksanaan tugas di lingkungan BPS. Inspektorat Utama terdiri atas Inspektorat Wilayah I, Inspektorat Wilayah II, Inspektorat Wilayah III, Bagian Administrasi, dan Kelompok Jabatan Fungsional.
Disamping biro, direktorat, dan inspektorat, juga terdapat pusat pendidikan dan pelatihan (Pusdiklat) yang mempunyai tugas melaksanakan penyelenggaraan pendidikan dan pelatihan di bidang komputer, statistik, serta pendidikan dan pelatihan fungsional dan kepemimpinan serta sebuah sekolah tinggi yaitu Sekolah Tinggi Ilmu Statistik (STIS) yang pembentukannya berdasarkan pada Keputusan Presiden Nomor 163 Tahun 1998 tentang Sekolah Tinggi Ilmu Statistik sebagai Perguruan tinggi kedinasan di lingkungan Badan Pusat Statistik yang
berkedudukan di Jakarta.
2.1 Struktur Organisasi BPS Kabupaten/Kota
Sub Bagian Tata Usaha
Seksi Integrasi & Diseminasi Statistik
Seksi Statistik
Sosial
Seksi Statistik
Produksi
Seksi Statistik
Distribusi
Seksi Neraca Wilayah & Analisis Statistik
Tenaga
Fungsional
2.4 SAKERNAS (Survei Angkatan Kerja Nasional)
SAKERNAS (Survei Angkatan Kerja Nasional) adalah salah satu survei yang dirancang khusus untuk mengumpulkan data yang dapat menggambarkan keadaan umum ketenagakerjaan antar periode pencacahan.
Kegiatan pengumpulan data ketenagakerjaan pertama kali dilaksanakan tahun 1976. sampai dengan saat ini, sakernas mengalami berbagai macam perubahan baik dalam periode pencacahan maupun cakupan sampel wilayah dan rumah tangga. Tahun 1986 sampai dengan 1993 Sakernas dilakukan secara triwulan, tahun1994 sampai dengan 2001 secara tahunan setiap bulan Agustus. Pada tahun 2002 sampai dengan 2004 selain secara tahunan juga dilaksanakan secara
triwulan. Sedangkan tahun 2005 sampai dengan 2010 Sakernas dilakukan secara semesteran pada bulan Februari dan Agustus.
Dengan semakin mendesaknya tuntutan data ketenagakerjaan baik variasi, kontinuitas, kemutakhiran dan peningkatan akurasi data yang dihasilkan, maka pengumpulan data Sakernas sejak tahun 2011 mulai dilakukan kembali secara triwulan, yaitu : bulan Februari (Triwulan I), Mei (Triwulan II), Agustus (Triwulan III), dan November (Triwulan IV) yang penyajian datanya dirancang sampai tingkat provinsi. Untuk kegiatan Sakernas pada bulan Agustus 2012 selain dengan sampel triwulan juga terdapat sampel tambahan, dimaksudkan untuk memperoleh angka tahunan sebagai estimasi penyajian data sampai tingkat kabupaten/kota.
Tujuan pengumpulan data melalui Sakernas adalah untuk menyediakan data pokok ketenagakerjaan yag berkesinambungan. Secara khusus untuk memperoleh informasi data jumlah penduduk yang bekerja, pengangguran dan penduduk yang bekerja, pengangguran dan penduduk yang bekerja, pengangguran dan penduduk yang pernah berhenti/pindah bekerja serta perkembangnya di tingkat
kabupaten/kota, provinsi maupun nasional.
Penambahan sampel tambahan sebesar 15.000 blok sensus dimaksudkan untuk memperoleh estimasi data hingga tingkat kabupaten/kota.
Rumah tangga korps diplomatik, rumah tangga yang tinggal baik blok sensus khusus dan rumah tangga khusus yang berada di blok sensus biasa tidak dipilih dalam sampel.
Dari setiap rumah tangga terpilih dikumpulkan keterangan mengenai keadaan umum setiap anggota rumah tangga yang mencakup nama, hubungan dengan kepala rumah tangga, jenis kelamin dan umur. Khusus untuk anggota rumah tangga yang berumur 10 tahun ke atas akan ditanyakan mengenai status perkawinan, pendidikan, pekerjaan, pengangguran dan pengalaman kerja.
2.5 Pendekatan Teori Ketenagakerjaan
Pendekatan teori ketenagakerjaan yang digunakan dalam Sakernas adalah Konsep Dasar Angkatan Kerja (Standa rd Labour Force Concept), seperti pada diagram di bawah ini :
Gambar 2.2 Konsep Dasar Angkatan Kerja
Penduduk
Usia Kerja Bukan Usia
Seperti diagram ketenagakerjaan di atas, penduduk dikelompokan menjadi penduduk usia kerja dan penduduk bukan usia kerja. Penduduk usia kerja dibedakan atas dua kelompok, angkatan kerja dan bukan angkatan kerja.
Pengukurannya didasarkan pada periode rujukan (time reference), yaitu kegiatan yang dilakukan selama seminggu yang lalu, yang berakhir sehari sebelum
pencacahan.
Angkatan kerja terdiri dari penduduk yang bekerja dan pengangguran.
Sedangkan bukan angkatan kerja terdiri dari penduduk yang pada periode rujukan tidak mempunyai/melakukan aktivitas ekonomi, baik karena sekolah, mengurus rumah tangga atau kegiatan lainnya seperti olahraga, kursus, piknik, dan kegiatan sosial (misalnya berorganisasi dan kerja bakti).
Bekerja adalah kegiatan melakukan pekerjaan dengan maksud memperoleh atau membantu memperoleh penghasilkan atau keuntungan paling sedikit selama satu jam dalam seminggu yang lalu. Bekerja selama satu jam tersebut harus dilakukan berturut-turut dan tidak terputus. Penghasilan atau keuntungan mencakup upah/gaji/pendapatan termasuk semua tunjangan dan bonus bagi pekerja/karyawan/pegawai dan hasil usaha berupa sewa, bunga atau keuntungan, baik berupa uang atau barang bagi pengusaha. Kegiatan bekerja ini mencakup baik yang sedang bekerja maupun yang punya pekerjaan tetapi dalam seminggu yang lalu sementara tidak aktif bekerja, misalnya karena sakit,cuti, menunggu panen, mogok kerja, tugas belajar dan seterusnya.
Pengangguran meliputi penduduk yang tidak bekerja tetapi sedang mencari pekerjaan, atau mempersiapkan suatu usaha, atau mempersiapkan suatu usaha, atau merasa tidak mungkin mendapat pekerjaan(putus asa), atau sudah diterima bekerja tetapi belum mulai bekerja.
Mencari pekerjaan adalah upaya yang dilakukan untuk memperoleh pekerjaan pada suatu periode rujukan. Mempersiapkan usaha baru adalah suatu usaha yang
dilakukan seseorang dalam rangka mempersiapkan suatu usaha yang ‘baru’ , yang
bertujuan untuk memperoleh penghasilkan/keuntungan atas resiko sendiri, baik dengan atau tanpa pekerjaan buruh/karyawan/pegawai dibayar maupun tak
nyata’ seperti mengumpulkan modal atau perlengkapan/alat, mencari
lokasi/tempat, mengurus surat izin usaha dan sebagainya, telah/sedang dilakukan. Merasakan tidak mungkin mendapatkan pekerjaan (putus asa) adalah mereka yang berkali-kali mencari pekerjaan tetapi tidak berhasil mendapatkan pekerjaan sehingga ia merasa tidak mungkin mendapat pekerjaan yang diinginkan. Atau mereka yang merasa karena keadaan / situasi / kondisi /iklim / musim
menyebabkan tidak mungkin mendapatkan pekerjaan yang diinginkan.
Sudah diterima bekerja, tetapi belum mmulai bekerja adalah mereka yang sudah diterima bekerja, tapi pada saat pencacahan belum mulai bekerja.
2.6 Memilih Persamaan Terbaik
2.6.1. Analisis Regresi
Statistika merupakan salah satu cabang matematika yang mempunyai banyak manfaat untuk menyelesaikan masalah dalam kehidupan sehari-hari. Statistika adalah ilmu pengetahuan (sains) mengenai cara menghimpun, mengorganisasi, menginterpretasikan fakta-fakta secara numerik yang disebut data. Salah satu masalah yang dapat diselesaikan dengan statistika adalah menganalisis data dengan menggunakan suatu metode untuk pengujian data.
Menganalisis data dapat diselesaikan secara manual, akan tetapi cara tersebut kurang efisien. Oleh karena itu, cara yang lebih baik dalam menganalisis data dapat menggunakan alat bantu, seperti: Minitab dan SPSS.
Regresi dalam statistika adalah salah satu metode untuk menentukan hubungan suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan variabel bebas atau variabel X karena seringkali digambarkan dalam grafik sebagai absis. Variabel yang kedua adalah variabel terikat atau variabel Y, dalam grafik digambarkan sebagai ordinat. Kedua variabel ini biasanya merupakan variabel acak (random).
2.6.2. Analisis Regresi Linear Berganda
Analisis regresi linier berganda merupakan bentuk umum, sedangkan regresi linier sederhana merupakan bentuk khusus dari regresi linier berganda yaitu apabila satu peubah bebas yang dilibatkannya. Dengan regresi linier berganda persamaan dalam X memberikan prediksi yang terbaik terhadap Y.
Model regresi linier berbentuk Y = β0 + β1X1 + β2X2 +…+ βkXk + ε
Dengan Xi, i = 1,2,…,k merupakan peubah bebas dan βi, i=1,2,…,k parameter regresi, dan ε sebagai error. Dan sebarang model yang tidak berbentuk seperti persamaan di atas disebut model tak linier. Jika pada suatu model regresi tersebut terdapat satu peubah bebas , maka model itu disebut regresi linier sederhana. Sedangkan jika terdapat lebih dari satu peubah bebas, maka model itu disebut regresi linier berganda.
Dalam melakukan analisis harus diperhatikan beberapa asumsi yang mendasarinya:
1. Nilai harapan bersyarat galat yang disebabkan oleh peubah bebas X yang harus sama dengan nol.
2. Setiap galat yang disebabkan peubah bebas mempunyai varian yang sama. 3. Tidak ada multikolinieritas yang berarti tidak ada hubungan linier antara
peubah bebas.
= titik potong sumbu Y = faktor sisaan yang ke-i = banyaknya pengamatan
Nilai-nilai pengamatan tersebut dapat diduga dengan sehingga modelnya menjadi:
Dalam menggunakan teknik analisis regresi berganda mempunyai dua keuntungan dalam menganilisis data dibandingkan dengan analisis regresi linier sedehana yaitu:
1. Dalam prakteknya faktor yang mempengaruhi adalah lebih dari satu peubah, dan
2. Garis penduga yang didapatkan akan lebih baik dan tidak begitu bias bila dibandingkan dengan cara analisis sederhana (Soekarwati, 1990).
Untuk mendapatkan garis penduga yang baik dari analisis regresi berganda adalah perlu ada asumsi seperti yang tela disebutkan diatas. Dalam penelitian analisis berganda sering digunakan untuk mengukur pengaruh dari peubah X terhadap peubah Y, akan tetapi analisis regresi mempunyai keterbatasan yaitu apabila ada hubungan korelasi sehingga koefisien regresi akan membingungkan (Nugroho, 1990).
Beberapa kriteria yang digunakan untuk melihat tepat tidaknya model regresi yang diperoleh, salah satunya yaitu dengan melihat koefisien determinasi
berganda (Rk2) ( Drapper and Smith,1992).
Sebuah masalah penting dalam penerapan analisis regresi linier berganda adalah pemilihan peubah – peubah bebas yang dapat digunakan dalam model agar
diperoleh persamaan regresi “terbaik “ yang mengandung sebagian atau seluruh
2.6.3 Asumsi-asumsi dalam Regresi Linier Berganda
Dalam melakukan analisis harus diperhatikan beberapa asumsi yang
mendasarinya. Asumsi yang harus dipenuhi dalam analisis regresi linier berganda yaitu:
Asumsi Kenormalan Sisaan
Asumsi Kenormalan Sisaan bertujuan untuk mengetahui apakah sisaan mempunyai sebaran normal dengan rata-rata dan keragaman . Pengujian kenormalan sisaan dapat dilakukan dengan melihat plot antara nilai harapan kumulatif sisaan. Jika pola membentuk garis lurus dengan sudut 45o maka dapat dikataan sisaan tersebut
menyebar mengikuti sebaran normal.
Selain itu juga dapat dilakukan dengan uji kenormalan Anderson-Darling, jika nilai maka nilai sisaan mengikuti pola sebaran normal.
Asumsi Kehomogenan Sisaan
Asumsi Kehomogenan Sisaan dilakukan dengan tujuan untuk mengetahui apakah sisa antara variabel terikat dengan variabel bebas mempunyai keragaman yang homogen, atau tidak menunjukan
kecenderungan tertentu. Asumsi kehomogenan sisaan dapat dilakukan dengan melihat plot antara nilai sisaan baku dengan nilai dugaan. Jika plot menunjukan pola sebaran data diantara selang -2 sampai 2 secara merata maka sisa dikatakan berada dalam sebaran, sehingga sisanya mempunyai keragaman yang tetap.
Asumsi Kebebasan Sisaan
Asumsi Kebebasan Sisaan bertujuan untuk mengetahui apakah terdapat ketergantungan diantara sisa. Uji formal untuk uji kebebasan nilai sisaan dengan menggunakan uji DurbinWatson, akan tetapi dengan
melihat lag pertama pada autokorelasi sisaan yakni jika lag pertama signifikan maka nilai sisaan tersebut bebas.
2.6.4. Pengujian Koefisien Regresi
2.6.4.1 Pengujian Koefisien Regresi secara Serentak
Hipotesis yang melandasi pengujian koefisien regresi adalah:
β β β
β untuk paling sedikit satu
Penyelidikan koefisien regresi dapat dipermudahkan dengan menggunakan tabel analisis variansi seperti pada tabel berikut :
Tabel 2.1 Analisis Variansi
Statistik uji yang digunakan adalah uji F. Uji F pada dasarnya menunjukan apakah semua variabel bebas yang dimasukan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel tak bebas.
Adapun kriteria pengujinya sebagai berikut :
Jika maka hipotesis nol ditolak artinya model mempunyai hubungan linier dengan kata lain ada pengaruh yang signifikan antara variabel bebas dengan variabel terikatnya.
Jika maka hipotesis nol diterima artinya model tidak mempunyai hubungan linier, dengan kata lain tidak ada pengaruh yang signifikan antara variabel bebas dengan variabel terikatnya.
2.6.4.2.Pengujian Koefisien Regresi secara Individual
a. Pengujian parameter
Pengujian parameter untuk dengan menggunakan uji t, yaitu :
dan
Dimana
dii = entri dari baris ke-i dan kolom ke-j matriks ei =
dengan hipotesisnya adalah sebagai berikut:
Adapun kriteria pengujiannya adalah sebagai berikut : Jika maka ditolak.
Jika maka diterima b. Pengujian Parameter
Pengujian ini bertujuan untuk menentukan signifikasi suatu variabel bebas dalam model. Dengan kata lain, perlu tidaknya variabel tersebut berada dalam model. Hipotesis untuk pengujian ini adalah:
i = 1,2,...,k
Statistik uji yang dilakukan adalah dengan menggunakan uji t yaitu:
Dimana : penduga bagi
Adapun kriteria pengujiannya adalah sebagai berikut :
Jika maka ditolak, ini berarti bahwa variabel tersebut masuk dalam model.
Jika maka diterima
2.6.5. Multikolinearitas
Multikolinearitas adalah kejadian yang muncul di dalam model regresi jika satu variabel atau variabel bebas berkorelasi sangat tinggi sehingga sulit untuk memisahkan pengaruh masing-masing kedalam variabel tak bebas.
Metode yang dapat digunakan untuk melihat ada tidaknya multikolinearitas dalam suatu persamaan regresi, yaitu :
a. Koefisien Korelasi antar Variabel Bebas
Cara yang paling mudah dan sederhana unuk mengetahui ada
tidaknya korelasi anatar variabel bebas dengan melihat korelasi antara dua variabel bebas. Kolinearitas terjadi jika r dekat dengan , dan tidak terjadi jika r = 0.
b. Dengan melihat Elemen Matriks Korelasi
Multikolinearitas dapat dilihat pada element matriks korelasi. Jika korelasi antara variabel bebas lebih besar dari pada korelasi antara variabel bebas dan variabel terikatnya, maka terajadi kasus
multikolinearitas.
c. VIF (Variance Inflation Factor)
Metode lain untuk mengetahui multikolinearitas adalah menghitung besarnya multikolinearitas tiap variabel bebas dengan faktor keragaman inflasi (VIF). VIF didefinisikan sebagai berikut:
adalah koefisien determinasi berganda dari variabel dengn semua variabel bebas yang lain. Semakin besar nilai VIF maka nilai multikolinearitas lebih sempurna, hal ini disebabkan jika VIF besar maka
makin kecil sehingga nilai besar. Jika VIF 10 maka korelasi
Perbandingan dan dapat juga digunakan sebagai ukuran multikolinearitas. Nilai hasil perbandingan ini disebut bilangan kondisi K,
dalam persamaan dinyatakan .
Multikolinearitas dianggap lemah jika nilai berada dalam dianggap sedang hingga kuat jika nilai K terletak dalam selang
, dan menjadi sangat kuat jika (Sembiring,
1995:285). Permasalahan multikolinearitas harus diatasi, salah satunya dengan Regresi terbaik (best subset Regression) dan Backward
Elinination.
2.6.6. Best Subset Regression
Regresi terbaik (best subset Regression) ini merupakan salah satu cara untuk mengatasi multikolinieritas yaitu dengan memilih variabel-variabel bebas yang dapat digunakan dalam model agar diperoleh persamaan regresi terbaik yang mengandung sebagian atau seluruh variabel bebas.
Kriteria-kriteria yang dapat digunakan untuk menentukan variabel bebas yang digunakan sehingga diperoleh model terbaik untuk memilih dengan jumlah
variabel yang dipilih yaitu: 1. Nilai R-Sq terbesar 2. Nilai R-Sq (Adj) terbesar 3. Nilai C-p terkecil
4. Nilai S terkecil
2.6.7 Prosedur Backward Elimination
Metode ini lebih ekonomis dibandingkan dengan metode best subset
regression dalam pengertian bahwa metode ini mencoba memeriksa hanya regresi terbaik yang mengandung sejumlah tertentu peubah peramal.
Langkah-langkah pokok dalam prosedur ini adalah:
1. Menghitung persamaan regresi yang mengandung semua peubah peramal. 2. Menghitung nilai F parsial untuk setiap peubah peramal, seolah-olah ia
merupakan peubah terakhir yang dimasukkan kedalam persamaan regresi. 3. Membandingkan F parsial terendah misalnya FL dengan nilai F bertaraf
nyata tertentu dai tabel, misalnya F0.
Jika FL<F0 maka buang peubah ZL yang menghasilkan FL dari persamaan regresi dan kemudian hitung kembali persamaan regresi tanpa
BAB III
PELAKSANAAN PRAKTEK KERJA LAPANGAN (PKL)
3.1 Sejarah Badan Pusat Statistik (BPS) Kabupaten
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yang mengatur Organisasi dan Tata Kerja BPS (di pusat dan daerah-daerah). Pada tahun 1980, ditetapkan Peraturan Pemerintah No. 6 tahun 1980, tentang
Organisasi BPS sebagai pengganti PP No. 16/1968. Berdasarkan PP No. 6/1980 di tiap propinsi terdapat perwakilan BPS dengan nama Kantor Statistik Propinsi, dan di tiap Kabupaten/Kotamadya terdapat Cabang Perwakilan BPS dengan nama Kantor Statistik Kabupaten/Kotamadya.
Tahun 1992, ditetapkan Peraturan Pemerintah No. 2 tahun 1992, tentang Organisasi BPS sebagai pengganti PP no. 6/1980. Kedudukan, tugas, fungsi, susunan organisasi, dan tata kerja Biro Pusat Statistik selanjutnya diatur dengan Keputusan Presiden. Pada tanggal 26 September 1997 dengan Undang-undang
No. 16 tahun 1997 tentang Statistik, Biro Pusat Statistik diubah menjadi “Badan Pusat Statistik” dan sekaligus tanggal 26 September ditetapkan sebagai “HARI STATISTIK”.
Tahun 1998, ditetapkan Keputusan Presiden No. 86 tahun 1998 tentang Badan Pusat Statistik. Berdasarkan KEPPRES tersebut Perwakilan BPS di daerah adalah instansi vertical dengan nama BPS Propinsi, BPS Kabupaten dan BPS Kotamadya.
Tahun 2001, ditetapkan Keputusan Presiden No. 103 tahun 2001 tentang Kedudukan, Tugas, Fungsi, Kewenangan, Susunan Organisasi dan Tata Kerja Lembaga Pemerintah non Departemen (LPND). Salah satu LPND adalah Badan Pusat Statistik. Pada tahun 2001, ditetapkan Kepala Badan Pusat Statistik No. 121 tahun 2001 tentang Organisasi dan Tata KErja Perwakilan BPS di daerah.
Perwakilan BPS di daerah terdiri dari BPS Propinsi dan BPS Kabupaten/Kota. Berdasarkan Keputusan Kepala BPS No. 121 tahun 2001 organisasi BPS Propinsi terdiri dari Kepala, Bagian Tata Usaha, Bidang Statistik Sosial, Bidang Statistik Produksi, Bidang Statistik Distribusi, Bidang Neraca Wilayah dan Analisis
Statistik, Bidang Integrasi Pengolahan dan Diseminasi Statistik dan Kelompok Jabatan Fungsional.
3.2. Kedudukan, Tugas, Fungsi, Dan Kewenangan BPS
b. Kedudukan
BPS adalah Lembaga Pemerintah Non Departemen yang berada di bawah dan bertanggung jawab kepada Presiden. BPS dipimpin oleh seorang Kepala.
b. Tugas
BPS mempunyai tugas melaksanakan tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.
c. Fungsi
Dalam melaksanakan tugas, BPS menyelenggarakan fungsi:
Pengkajian dan penyusunan kebijakan nasional di bidang kegiatan statistik.
Penyelenggaraan statistik dasar.
Koordinasi kegiatan fungsional dalam pelaksanaan tugas BPS; Fasilitasi dan pembinaan terhadap kegiatan instansi Pemerintah di
bidang kegiatan statistik
Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum,ketatausahaan, organisasi dan tatalaksana, kepegawaian, keuangan, kearsipan, hukum, persandian, perlengkapan, dan rumah tangga.
d. Kewenangan
Dalam menyelenggarakan fungsi, BPS mempunyai kewenangan Perencana nasional secara makro di bidangnya;
Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro;
Penetapan sistem informasi di bidangnya;
Penetapan dan penyelenggaraan statistik nasional;
1. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik;
2. Penyusunan pedoman penyelenggaraan survei statistik sektoral.
3.3. Visi Dan Misi
A. Visi BPS
Visi BPS adalah penyedia statistik yang berkualitas B. Misi BPS
Misi BPS ada tiga yaitu :
1. Menyediakan Informasi Statistik yang berkualitas: lengkap, akurat, relavan, mutakhir dan berkesenimbungan
2. Meningkatkan upaya koordinasi, integrasi,sinkronisasi dan standardisasi kegiatan statistik dalam kerangka Sistem Statistik Nasional yang andal, efektif, dan efisien
3. Meningkatkan kapasitas sumber daya secara optimal sesuai dengan perkembangan ilmu pengetahuan dan teknologi informasi mutakhir.
3.4.Kegiatan Statistik BPS
Dalam menyelenggarakan kegiatan Statistik, BPS berusaha dapat memenuhi kebutuhan data yang diperlukan oleh pemerintah dalam berbagai bidang baik ekonomi maupun sosial yaitu pertanian, pertambangan, industri, komunikasi, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan nasional, pendidikan, dan agama.
3.4.1. Kegiatan Pengumpulan Data
Statistik diselenggarakan melalui pengumpulan data yang dilakukan dengan cara :
a. Sensus
Sensus adalah cara pengumpulan data yang dilakukan melalui pencacahan semua unit populasi di seluruh wilayah Republik Indonesia untuk memperoleh karakteristik suatu populasi pada saat tertentu. Sensus dilaksanakan sekurang-kurangnya sekali dalam'10 (sepuluh) tahun oleh BPS yang meliputi:
a. sensus penduduk yang dilaksanakan pada tahun berakhiran angka 0 (nol);
b. sensus pertanian yang dilaksanakan pada tahun berakhiran angka 3 (tiga);
b. Survei
Survei adalah cara pengumpulan data yang dilakukan melalui pencacahan sampel dari sesuatu populasi untuk memperkirakan karakteristik suatu obyek pada saat tertentu, salah satunya adalah SAKERNAS (Survei Angkatan Kerja Nasional)
c. Kompilasi Produk Administrasi
BPS mengadakan kerja sama dengan instansi Pemerintah lainnya dan atau swasta yang mengelola catatan administrasi dari suatu kegiatan.
3.4.2. Kegiatan Pengolahan Data
Tahap pengolahan data sangat menentukan seberapa jauh tingkat keakuratan dan ketepatan data statistik yang dihasilkan. BPS dianggap oleh instansi lainnya sebagai perintis dalam penggunaan komputer karena telah memulai
penggunaannya sejak sekitar tahun 1960. Sebelum menggunakan komputer, BPS menggunakan kalkulator dan alat hitung sipoa dalam mengolah data.
Teknologi komputer yang diterapkan di BPS selalu disesuaikan dengan perkembangan teknologi informasi dan juga mengacu kepada kebutuhan. Personal komputer yang secara umum lebih murah dan efisien telah dicoba digunakan untuk menggantikan komputer mainframe. Sejak tahun 1980 an, personal komputer telah digunakan di seluruh Kantor BPS Provinsi, diikuti dengan penggunaan komputer di seluruh BPS Kabupaten dan Kota sejak 1992.
Dengan menggunakan personal komputer, BPS di daerah dapat segera memproses pengolahan data, yang merupakan rangkaian kegiatan yang dimulai dari pengumpulan data, kemudian dilanjutkan memasukkan data mentah ke dalam komputer dan selanjutnya data tersebut dikirim ke BPS Pusat untuk diolah
menjadi data nasional.
3.5 Tempat dan Waktu Pelaksanaan Praktek Kerja Lapangan (PKL)
Praktek Kerja Lapangan dilaksanakan tanggal 2 Juni-2 Juli 2014 di Badan Pusat Statistika Kabupaten Sidoarjo Jl. Pahlawan No.140 Sidoarjo, Jawa Timur. Waktu pelaksanaan PKL yaitu Senin sampai Kamis pukul 07.30 sampai dengan
3.6 Kegiatan PKL di Badan Pusat Statistik Kabupaten Sidoarjo
Selama menjalani kegiatan PKL yang dilakukan antara lain : a. Ikut serta dalam kegiatan di kantor BPS seperti pada Tabel 3.1 .
Tabel 3.1 Pelaksanaan PKL di BPS
No Hari/ Tanggal Uraian singkat kegiatan yang dilakukan 1 Senin 2 Juni 2014 –
Senin 9 Juni 2014
Melakukan survei SAKERNAS ke lapangan dengan 10 sampel atau 10 anggota rumah tangga
Melakukan perbaikan data hasil survei SAKERNAS .
Pengentrian data SAKERNAS 2 Selasa 10 Juni 2014 –
Jum’at 13 Juni 2014
Melakukan perbaikan data survei SAKERNAS yang sudah masuk Pengentrian data SAKERNAS 3 Senin 16 Juni 2014 –
Rabu 25 Juni 2014
Membantu pengisian data SUSENAS 2014
Memperbaiki data yang sudah masuk Membuat kurva sigmoid pada data
hasil survei peternakan Pengentrian SUSENAS (Survei Sosial Ekonomi Nasional) 2014
b. Melakukan pengamatan untuk mengetahui sistem kerja di kantor BPS Kabupaten Sidoarjo.
d. Membaca literatur di perpustakaan BPS Kabupaten Sidoarjo mengenai hal-hal yang berhubungan dengan data.
3.7Pengambilan Data Sakernas
Data-data yang digunakan diambil dari hasil Survei Angkatan Kerja Nasional Triwulan I dan II tahun 2014 oleh Badan Pusat Statistik Kabupaten Sidoarjo.
3.8Metode Analisis
Tahap-tahap yang dilakukan untuk menganalisa data adalah menentukan model regresi terbaik dengan menggunakan prosedur backward elimination dan regresi best subset pada hubungan tingkat pendidikan dengan angka
ketenagakerjaan, tahap-tahap penganalisanya adalah sebagai berikut :
1. Membentuk model regresi antara peubah terikat yaitu data angkatan kerja Kabupaten Sidoarjo triwulan I dan II tahun 2014 dan peubah-ubah bebas yang mempengaruhi yaitu tingkat pendidikan.
2. Memeriksa ada tidaknya kasus multikolinearitas pada model yang telah diperoleh dengan melihat koefisien korelasi antara dua peubah bebas, melihat matriks korelasinya , dan melihat nilai VIF
3. Mengatasi kasus multikolinearitas dengan prosedur best subset regression dan Backward elimination.
BAB IV
ANALISIS DAN PEMBAHASAN
Berdasarkan analisis data SAKERNAS (Survei Angkatan Kerja Nasional) yang dilakukan dengan minitab 16, maka didapatkan hasil sebagai berikut :
4.1 Deskripsi Data
Pada lampiran3 Data Sakernas (Survei angkatan kerja nasional) adalah Data ketenagakerjaan yang dikumpulkan oleh Badan Pusat Statistik (BPS) melalui sensus yang dapat menggambarkan keadaan umum ketenagakerjaan antar periode pencacahan.
Pendekatan teori ketenagakerjaan yang digunakan adalah Konsep Dasar Angkatan Kerja (Standart Labour Force Concept), dimana penduduk
dikelompokan menjadi usia kerja dan penduduk bukan usia kerja. Pengukurannya didasarkan pada periode rujukan (time reference), yaitu kegiatan yang dilakukan selama seminggu yang lalu, yang berakhir sehari sebelum pencacahan.
Data yang diperoleh adalah data Sakernas pada survei Triwulan 1 dan Triwulan 2, Tahun 2014 . Data yang diamati adalah pengaruh tingkat pendidikan yaitu : (X1) belum tamat SD, (X2) SD/MI, (X3) Tsanawiyah/ SMP,(X4)
SMA/Aliyah, (X5) SMK/STM, (X6) DI-DII, (X7) D III, (X8) Sarjana, dan ( X9) S II/ S III dengan (Y) angka ketenagakerjaan. Setiap variabel X didapat dari hasil perbandingan jumlah tenaga kerja pada masing-masing tingkat pendidikan tertentu dengan jumlah seluruh tenaga kerja yang berada pada tiap-tiap wilayah perkecamatan. Sedangkan untuk nilai Y dari tiap-tiap Kecamatan diperoleh dari hasil perbandingan jumlah tenaga kerja dari tiap-tiap Kecamatan dengan jumlah seluruh tenaga kerja di wilayah Kabupaten Sidoarjo.
4.2 Analisis Regresi Berganda
Untuk mengetahui hubungan antara tingkat pendidikan dengan angka
ketenagakerjaan, maka harus diperhatikan persamaan regresinya. Analisis regresi berganda adalah tahap pertama yang dilakukan dalam penelitian ini. Sesuai dengan hasil analisis pada Lampiran 4 diperoleh persamaan regresi linier berganda :
dengan analisis variansi sebagai berikut :
Tabel 4.1 Pengujian Koefisien Regresi secara Serentak Sumber
Variasi
Derajat Bebas (db)
Jumlah Kuadrat (JK)
Kuadrat Tengah (KT)
Fhitung
Regresi 9 0,17274 0,01919 1,01
Galat 1 0,01899 0,0189
Total 10 0,19172
Dari tabel di atas dapat diketahui uji F atau nilai . Sehingga didapat
nilai , didapat dari F tabel dengan dan derajat bebas 1 dan derajat bebas 2
yang berarti bahwa hipotesis nol diterima, dengan kata lain tidak ada pengaruh signifikan antara variabel bebas dengan variabel terikat.
Selanjutnya untuk mengetahui lebih lanjut bahwa variabel tersebut masuk dalam model atau tidak dapat diketahui dari Pengujian Koefisien Regresi secara Individual. Sehingga pada Lampiran 4 dapat diperoleh hasil sebagai berikut : Tabel 4.2 Pengujian Koefisien Regresi secara Individual
Variabel Bebas Koefisien Simpangan Baku Thitung
X1 7,282 4,532 1,61
X2 1,141 1,765 0,65
X3 1,716 1,735 0,99
X4 4,043 2,904 1,39
X6 -1,282 6,862 -0,19
X7 5,105 4,364 1,17
X8 1,828 2,887 0,63
X9 4,066 4,804 0,85
Pada tabel di atas dapat diketahui bahwa semua nilai Thitung dari tiap-tiap variabel lebih kecil dari dengan didapat dari dan derajat bebas sehingga dapat disimpulkan bahwa tidak ada variabel yang masuk dalam model.
Jadi, dari hasil pengujian regresi secara serentak dan pengujian regresi secara individual dapat disimpulkan bahwa tidak ada pengaruh signifikan antara variabel bebas dan variabel terikat sehingga menyebabkan model tidak berarti.
Selanjutnya untuk mengetahui ada tidaknya hubungan antara variabel bebasnya , maka kita melakukan identifikasi multikolinieritas dengan menggunakan matriks korelasi dan nilai VIF (Variance Inflation Factor).
4.3 Identifikasi Multikolinieritas
Identifikasi Multikolinieritas dapat dilihat dari analisis korelasi antara variabel bebas X1, X2,X3,X4,X5,X6, X7, X8 dan X9 dengan variabel tak bebas Y, hasil uji data dapat dilihat sebagai berikut:
Tabel 4.3 Koefisien Korelasi Antara Variabel Bebas dan Variabel Terikat
Y X1 X2 X3 X4 X5 X6 X7 X8
X1 0,464
X2 -0,064 0,450
X3 -0,036 0,097 0,554
X4 0,246 0,051 0,336 0,481
X5 -0,283 -0,170 -0,311 -0,627 -0,036
X6 -0,013 -0.037 -0,637 -0,711 -0,506 0,456
X8 -0,130 -0,431 -0,472 -0,489 -0,797 -0,075 0,251 0,566
X9 -0,195 -0,364 -0,723 -0,503 -0,784 0,122 0,609 0,457 0,758
Dari matriks korelasi dapat diketahui variabel yang mempunyai nilai P-value kurang dari = 0,05 adalah dan terjadi kasus multikolinier dapat dilihat dengan membandingkan koefisien korelasi antara variabel bebasnya dengan koefisien korelasi antara X2,X3, X5,X6, X8 dan X9 dengan Y
Pada Tabel 4.3 terlihat bahwa koefisien korelasi lebih besar dari .
Koefisien korelasi lebih besar dari . Koefisien korelasi lebih besar dari . Koefisien korelasi lebih besar dari . Koefisien
korelasi lebih besar dari ,dan Koefisien korelasi
lebih besar dari . Sehingga dapat disimpulkan adanya kasus multikolinearitas antar variabel bebasnya.
Selain dengan melihat matriks korelasi, multikolinieritas dapat juga diketahui dari VIF (Variance Inflation Factor) seperti pada Lampiran 4. Apabila nilai VIF lebih dari 10 berarti terjadi multikolinieritas. Tabel 4.4 adalah tabel nilai VIF pada Lampiran 4.
Tabel 4.4 Faktor Kenaikan Keragaman
Variabel VIF
X1 6,754
X2 10,534
X3 22,943
X4 25,353
X5 23,818
X6 25,534
X7 23,870
X8 51,107
Pada Tabel 4.4 dapat dilihat bahwa untuk variabel X2, X3, X4, X5, X6, X7, X8, dan X9 mempunyai nilai VIF lebih dari 10, hal ini jelas menandakan bahwa ada kasus multikolinieritas antar variabel bebasnya. Adanya multikolinieritas akan diatasi dengan metode analisis Best Subset Regression dan Backwa rd Elimination.
4.4 Analisis Best SubsetRegression
Langkah pertama adalah memilih semua subset (model) yang terbaik sesuai dengan 4 kriteria yaitu : Nilai R-Sq terbesar, Nilai R-Sq (Adj) terbesar, Nilai C-p terkecil dan Nilai S terkecil.
Best Subsets Regression: y versus x1; x2; x3; x4; x5; x6; x7; x8; x9
Pada Lampiran 7 hasil dari analisis regresi hubungan antara angka
ketenagakerjaan dengan tingkat pendidikan belum tamat SD (X1), SMA (X4), dan DIII (X7) adalah sebagai berikut :
dengan S = 0,0968336 R-Sq = 65,8 % R-Sq (adj) = 51,1 %
Adapun pengujian koefisien regresi secara serentak dapat dilihat pada tabel di bawah ini :
Tabel 4.5 Pengujian Koefisien Regresi secara Serentak
Sumber pengaruh signifikan antara variabel bebas dengan variabel terikatnya.
Selanjutnya untuk mengetahui lebih lanjut bahwa variabel tersebut masuk dalam model atau tidak dapat diketahui dari Pengujian Koefisien Regresi secara Individual. Sehingga pada Lampiran 7 dapat diperoleh hasil sebagai berikut:
Tabel 4.6 Pengujian Koefisien Regresi secara Individual Variabel
Pada tabel di atas dapat diketahui bahwa nilai Thitung pada X7 lebih besar dari
model, sedangkan Thitung X1 dan X4 lebih kecil dari sehingga H0 diterima, dan kedua variabel tersebut tidak masuk ke dalam model.
Pada Tabel 4.6 dapat diketahui bahwa nilai VIF pada tiap-tiap variabel lebih kecil dari 10 sehingga menunjukkan sudah tidak adanya multikolinieritas, dan pada Lampiran 7 dapat diketahui bahwa nilai P-Value = 0,047 lebih kecil dari 0,05 maka data signifikan.
Dari hasil best subset regression dan analisis regresi di atas dapat disimpulkan model persamaan regresi terbaiknya yaitu:
Dengan nilai R-sq = 65,8 % yang meyatakan bahwa 65,8 % variabel Y
dipengaruhi oleh X1, X2 dan X3 dan 34,2 % dipengaruhi oleh faktor lainnya, P-Value 0,047 kurang dari 0,05 sehingga data dikatakan signifikan dan nilai VIF kurang dari 10 menandakan tidak terjadinya multikolinieritas sudah terpenuhi.
4.5 Metode Backward Elimination
Dari hasil best subet regression di atas kita lihat kembali dengan
menggunakan Backwa rd elimination pada minitab 16, sehingga sesuai dengan Lampiran 8 dari hasil Backward elimination diketahui bahwa :
a. Analisis terhadap P-Value
1. Pada Langkah pertama semua data masuk dalam persamaan regresi. Kemudian melihat P-Value dengan dari masing-masing variabel. Diketahui bahwa P-Value dari X6 = 0,882 lebih dari 0,15 sehingga pada langkah ke-2 dihilangkan lebih dahulu
2. Pada langkah ke-2 tersisa X1, X2, X3, X4, X5, X7, X8, dan X9 .
Kemudian dilihat nilai Value dari tiap-tiap variabel diketahui bahwa P-Value dari X2 = 0,478 lebih dari 0,15 sehingga pada langkah ke 3
dihilangkan.
3. Pada langkah ke-3 tersisa variabel X1,X3,X4,X5,X7,X8, dan X9.
4. Pada langkah ke-4 tersisa variabel X1, X3, X4, X5,X7 dan X8. Kemudian dilihat lagi P-Value pada tiap-tiap variabel diketahui bahwa P-Value dari X3 = 0,338 lebih besar dari 0,15 sehingga pada langkah ke-5 dihilangkan. 5. Pada langkah ke-5 tersisa variabel X1,X4,X5,X7 dan X8. Kemudian
dilihat lagi P-Value pada tiap-tiap variabel diketahui bahwa P-Value dari X5 = 0,742 lebih besar dari 0,15 sehingga pada langkah ke-6 dihilangkan. 6. Pada langkah ke-6 tersisa variabel X1,X4, X7 dan X8. Kemudian dilihat
lagi P-Value pada tiap-tiap variabel diketahui bahwa P-Value dari X8= 0,228 lebih besar dari 0,15 sehingga pada langkah ke-7 dihilangkan. 7. Pada langkah ke-7 tersisa tiga variabel X1,X4, dan X7. P-Value dari X1 =
0,083, X4 = 0,057, dan X7 = 0,025. Sehingga X1,X4,X7 masuk dalam model diperoleh persamaan regresi yang baru yaitu Y = 0,1061 + 2,5 X1 + 1,07 X4 + 2,05 X7 dengan R-Sq = 65,76, Cp Mallow = 0,5, dan S = 0,0968.
b. Analisis dengan T-Value
1. Pada langkah pertama semua variabel masuk dalam persamaan regresi dengan nilai T-Value terendah dari X6 = -0,19. Sehingga pada langkah ke-2 variabel X6 dihilangkan.
2. Pada langkah ke-2 tersisa variabel X1, X2, X3, X4, X5, X7, X8,dan X9. Kemudian dari T-Value tiap-tiap variabel tersebut diketahui nilai T-Value variabel X2 = 0,87. Sehingga pada langkah ke-3 variabel X2 dihilangkan. 3. Pada langkah ke-3 tersisa variabel X1, X3, X4, X5, X7, X8, dan X9.
Kemudian dari T-Value tiap-tiap variabel tersebut diketahui nilai T-Value variabel X9 = 1,11. Sehingga pada langkah ke-4 variabel X9 dihilangkan. 4. Pada langkah ke-4 tersisa variabel X1, X3, X4, X5, X7 dan X8.
Kemudian dari T-Value tiap-tiap variabel tersebut diketahui nilai T-Value variabel X3 = 1,09. Sehingga pada langkah ke-5 variabel X3 dihilangkan. 5. Pada langkah ke-5 tersisa variabel X1, X4, X5, X7 dan X8. Kemudian
6. Pada langkah ke-6 tersisa variabel X1, X4, X7 dan X8. Kemudian dari T-Value tiap-tiap variabel tersebut diketahui nilai T-T-Value variabel X8 = 1,34. Sehingga pada langkah ke-7 variabel X8 dihilangkan.
7. Pada langkah ke-7 tersisa X1, X4, dan X7 dengan T-Value besar sehingga X1, X4, dan X7 masuk dalam model dan diperoleh persamaan regresi terbaru yaitu Y = 0,1061 + 2,5 X1 + 1,07 X4 + 2,05 X7 dengan R-Sq = 65,76, Cp Mallow = 0,5, dan S = 0,0968.
Berdasarkan hasil prosedur best subset regression dan backwa rd elimination menghasilkan model persamaan yang sama yaitu :
dengan S = 0,0968336 ,R-Sq = 65,8 %, R-Sq (adj) = 51,1 % dan nilai VIF kurang dari 10 yang menandakan sudah tidak terjadi multikolinieritas, serta nilai P-Value 0,047 kurang dari 0,05 menunjukan data signifikan.
Sehingga dapat disimpulkan bahwa yang mempengaruhi angka
ketenagakerjaan adalah peubah (X1) belum tamat SD, (X4) SMA/Aliyah, dan (X7) D III. Dari model persamaan tersebut selanjutnya kita uji dengan pengujian asumsi persamaan regresi linier berganda.
Uji Normalitas Sisaan
0,2
Gambar 4.1 Uji Normalitas Sisaan
itu berarti P-value > 0,05 sehingga menyebabkan H0 diterima dan menunjukan bahwa data berdistribusi normal, dengan kata lain asumsi ini terpenuhi.
Uji Homogenitas Sisaan
Gambar 4.2 Uji Homogenitas Sisaan
Pada Fitted Line Plot di atas antara nilai sisaan baku dengan nilai dugaan, terlihat plot menyebar dari -2 sampai 2, sehingga asumsi kehomogenan nilai sisaan terpenuhi.
4.6 Hasil Interpretasi
Berdasarkan analisis regresi best subset dan backward elimination diperoleh persamaan regresi :
Y = 0,1061 + 2,48 X1 + 1,07 X4 + 2,05 X7
BAB V
PENUTUP
Berdasarkan pembahasan yang telah disampaikan sebelumnya, diberikan kesimpulan dan saran-saran yang dapat digunakan sebagai bahan pertimbangan bagi semua kalangan, terutama semua kalangan yang bertempat tinggal di wilayah Sidoarjo.
5.1Kesimpulan
1. Berdasarkan hasil observasi dapat ditentukan model persamaan regresi terbaik yaitu : Y = 0,106 + 2,48 X1 + 1,07 X4 + 2,05 X7 , dengan nilai koefisien determinasi (R2) sebesar 65,8 % yang menunjukan bahwa 65,8 % variabel Y dipengaruhi oleh variabel X1, X4, dan X7, dan 34,2 % dipengaruhi oleh faktor-faktor yang lain. Nilai VIF masing-masing variabel bebas lebih kecil dari 10. Hal ini menunjukkan bahwa sudah tidak terdapat gejala multikolinieritas. Sehingga dapat disimpulkan model berarti.
2. Berdasarkan model persamaan regresi di atas bahwa tiap satu variabel tingkat pendidikan belum tamat SD (X1) memberikan pengaruh terbesar dari variabel lainnya yaitu 2,48 kali terhadap variabel (Y) angka
ketenagakerjaan.
5.2 Saran
Berdasarkan kesimpulan di atas bahwa yang paling besar mempengaruhi angka ketenagakerjaan di wilayah Sidoarjo adalah tingkat pendidikan belum tamat SD, untuk itu bagi tenagakerja yang belum tamat SD agar diberikan pelatihan untuk menambah keterampilan, kerajinan dan keahlian diri supaya kualitas pekerjaan yang dimiliki mereka menjadi lebih baik.
DAFTAR RUJUKAN
Basri.Uji Regresi Berganda (online: diunduh tanggal 11 Desember 2013)
Drapper and Smith. 1992. Regresi Linier Berganda.
Kurniawan, Deny. 2008. Regresi Linear (Linear Regression)(online: diunduh tanggal 23 Desember 2013)
Permadi, Hendro.1999. Teknik Analisis Regresi. Universitas Negeri Malang: JICA
Heraiawan, Rusman.2008.Pengenalan Tentang BPS.Jakarta: BPS Nasional.
Nugroho,1990. Analisis Regresi. Yogyakarta. UNY
Sembiring.1995.Analisis Regresi. Bandung: ITB
Setiastuti, Dewi. 2010. Metode Backward Elimination untuk Menentukan Model
Pencapaian Peserta Aktif Menurut Alat Kontrasepsi. Laporan PKL.
Soekartawi.1990 . Teori dan Aplikasi , PT Raja Grafindo Persada, Jakarta
Suliyanto.Uji Asumsi Klasik (online: diunduh tanggal 12 Desember 2013)
Susiswo. 2002. Analisis Regresi dan Aplikasinya Disertai dengan Penerapannya
pada Minitab 12. Universitas Negeri Malang: JICA.
...2012. Pedoman Pencacah. BPS Pusat Jawa Timur.
...2013. Analisis Data Ketenagakerjaan Kabupaten Sidoarjo. BPS Kabupaten Sidoarjo.