An alis is Regresi Linier Sederhana Fakt

(1)

Abstrak—Terdapat beberapa masalah mengenai dua atau lebih variabel yang hubungannya tidak dapat dipisahkan, artinya suatu variabel terkena akibat atau dependen (y) berhubungan dengan variabel penjelas atau independen (x). Untuk mengetahi seberapa jauh hubungannya, maka dilakukan analisis regresi yang bertujuan untuk membuat model dan menyelidiki hubungan antara dua variabel atau lebih. Dalam hal ini dapat diambil contoh peubah yakni antara persentase penduduk miskin kab./kota provinsi Jatim dengan persentase tingkat pengangguran terbuka kab./kota provinsi Jatim. Dimana persentase penduduk miskin kab./kota porvinsi jatim menjadi varibel Y, sedangkan persentase tingkat pengangguran terbuka kab./kota provinsi Jatim menjadi varibel X. Pertama, mengindentifikasi korelasi dari setiap variabel X terhadap variabel Y. Kemudian, akan diketahui bagaimana pemodelan regresinya yang sudah terhitung menggunakan software Minitab. Dilanjutkan dengan dilakukan pengujian parameter regresi yakni pengujian serentak dan pengujian parsial, setelah itu menguji distribusi normalnya

Kata Kunci— Regresi, Regresi Linear Sederhana, Uji Serentak, Uji Parsial, R-sq, Distribusi Normal..

I. PENDAHULUAN

Pada suatu pengamatan pasti terdapat variabel-variabel yang saling mempengaruhi. Variabel ada 2 yaitu variabel bebas dan variabel tak bebas. Variabel tak bebas dipengaruhi oleh variabel-variabel bebas. Pada ilmu statistika terdapat bab yang dapat mengaitkan antar variabel, yaitu regresi. Regresi adalah suatu metode statistika yang dapat mengetahui hubungan antar variabel. Untuk mengetahui hubungan antar variabel diadakan 2 uji, yaitu uji serentak dan uji parsial. Uji serentak dilakukan untuk mengetahui apakah semua variabel mempengaruhi atau tidak dengan memperhatikan nilai p-value. Lalu Uji parsial dilakukan apabila pada uji serentak menghasilkan keputusan tolak

H

0.

Pada makalah ini digunakan dua variabel, yaitu dengan variabel tak bebas adalah persentase penduduk miskin kab./kota provinsi jatim (tahun 2008) dan variabel bebas persentase angka buta huruf umur 10 tahun keatas kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SD kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SMP kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SMA kab./kota provinsi jatim (tahun 2008), persentase tingkat pengangguran terbuka kab./ kota provinsi jatim (tahun 2008. . Kedua variabel akan diuji dan menghasilkan suatu

keputusan hingga dapat disimpulkan berpengaruh atau tidaknya variabel bebas tersebut dengan variabel tak bebasnya. Pembuatan makalah ini menggunakan data 38 kab. Dan kota di Provinsi Jawa Timur yang diambil dari tugas akhir yang ditulis oleh Desi

Yuniarti dengan judul Pemodelan Persentase

Penduduk Miskin di Provinsi Jawa Timur Tahun 2004-2008 dengan Regresi data panel

II. TINJAUAN PUSTAKA A. Regresi Linear

Regresi linier ialah bentuk hubungan di mana variabel bebas X maupun variabeltergantung Y sebagai faktor yang berpangkat satu.Regresi linier ini dibedakan menjadi: 1). Regresi linier sederhana dengan bentuk fungsi:

Y = a+bX+e1

2). Regresi linier berganda dengan bentuk fungsi: Y = b0 + b1X1 +…+ biXi+e Dari kedua fungsi di atas 1) dan 2); masing-masing berbentuk garis lurus (linier sederhana) dan bidang datar (linier berganda).

B. Regresi Linear Sederhana

Para ilmuwan, ekonom, psikolog, dan sosiolog selalu berkepentingan dengan masalah peramalan. Persamaan matematik yang memungkinkan kita meramalkan nilai-nilai suatu peubah tak bebas dari nilai-nilai satu atau lebih peubah bebas disebut persamaan regresi (Walpole,E Ronald.1995).

Dalam hal ini kita akan membicarakan masalah pendugaan atau peramalan nilai peubah bebas Y berdasarkan peubah bebas X yang telah diketahui nilainya. Misalnya kita ingin meramalkan nilai kimia mahasiswa tingkat persiapan berdasarkan skor tes intelegensia yang diberikan sebelum mulai kuliah. Dengan melambangkan nilai kimia seseorang dengan y dan skor tes intelegasinya dengan x, maka data setiap anggota populasi dapat dinyatakan dalam koordinat (x,y). Suatu contoh acak berukuran n dari populasi tersebut dengan demikian dapat dilambangkan sebagai {(xi,yi)}; i=1,2,...,n}.

Bila hubungan linear demikian ini ada, maka kita harus berusaha menyatakan secara matematik dengan sebuah persamaan garis-lurus yang disebut garis regresi linear.Dari aljabar atau ilmu ukur analitik disekolah lanjutan, kita mengetahui bahwa sebuah garis lurus dapat dituliskan dalam bentuk:

^

y

= ´

a

+

b x

(2.1) Dalam hal ini a menyatakan intersep atau perpotongan dengan sumbu tegak, dan b adalah kemiringan atau gradien.

A

nalisis Regresi Linier Sederhana Faktor

Kemiskinan Di Kab./Kota Jawa Timur

Bayu Samudra

Jurusan Statistika, FMIPA, ITS, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia

(2)

Lambangan digunakan disini untuk membedakan atara nilai ramalan yang dihasilkan garis regresi dan nilai pengamatan y yang sesungguhnya untuk nilai x tertentu (Walpole, E Ronald.1995).

Sekali kita telah memutuskan akan menggunakan persamaan regresi linear, maka kita menghadapi masalah bagaimana memperoleh rumus untuk menentukan nilai dugaan titik bagi a dan b berdasarkan data contoh.untuk ini akan digunakan prosedur yang disebut metode kuadrat kecil, maka metode kuadrat terkecil menghasilkan rumus untuk menghitung a dan b sehingga jumlah kuadrat semua simpangan itu minimum. Jumlah kuadrat semua simpangan ini disebut jumlah kuadrat galat sekitar garis regresi dan dilambangkan dengan JKG. Jadi, jika kita diberikan segugus data berpasangan {(xi,yi); i=1,2,...,n}, maka kita harus menentukan a dan b sehingga meminimumkan jumlah kuadrat semua simpangan atau JKG (Walpole, 1995).

Pendugaan parameter. Bila diberikan data contoh {(xi,yi); i=1,2,...,n}, maka nilai dugaan kuadrat terkecil bagi

parameter dalam garis regresi

y

=

a

+

bx

Dapat diperoleh dari rumus

b=

n

_∑

i=0

n

xiyi−

(

∑

i=0

n

xi

)(

∑

i=0

n

yi

)

n

_∑

i=0

n

xi2−

(

∑

i=0

n

xi

)

2

(2.2) dan

a

=

y

(2.3)

Keterangan:

b = nilai dugaan kuadrat terkecil bagi parameter xi= nilai data x ke-i

yi = nilai data y ke-i n= banyaknya data

C. Pengujian Parsial

Uji parsial digunakan untuk menguji apakah koefisien regresi mempunyai pengaruh yang signifikan. Berikut rumus yang digunakan sebagai statistik uji dalam sebuah pengujian parsial:

t

=

_Sb

b

i

i _(2.4)

(2.5)

(2.6)

Keterangan : bi = nilai dugaan β1

D. Pengujian Serentak

Statistik uji yang dipakai untuk melakukan uji serentak ini adalah uji F. Uji F dikenal juga dengan uji Anova (Analysis of Varians) yaitu uji untuk melihat bagaimanakah pengaruh semua variabel prediktornya secara bersama-sama terhadap variabel terikatnya atau untuk menguji apakah model regresi yang kita buat baik (signifikan) atau tidak baik (non signifikan). Jika model signifikan maka model bisa digunakan untuk peramalan, sebaliknya jika non signifikan maka model regresi tidak bisa digunakan untuk peramalan. Uji serentak merupakan uji terhadap nilai-nilai koefisien regresi secara bersama-sama dengan hipotesa hipotesisnya sebagai berikut :

1. H0 :

β

1 =

β

2 =

...

=

β

k

=

0

H1 :

β

j

 0, j = 1,2,…,k 2. Tentukan taraf nyata

3. Daerah kritik penerimaan :

−

f

₍

∝

2

)

(

v

1

, v

2)

≤ F

0

≤

f

(

∝2

)

(

v

1

, v

2)

Daerah kritik penolakan : F0<

−

f

(

∝₂

)

(

v

1

, v

2) atau F0 >

f

₍

∝

2

)

(

v

1

, v

2) 4. Uji Statistik

f

hitung

=

¿

(2.6)

5. Kesimpulan

fhitung

≤

fα(v1,v2), H0 gagal tolak fhitung >fα(v1,v2), Ho ditolak

E. Korelasi

Untuk menelaah adanya ketergantungan di antara dua peubah X dan Y atau di antara dua peubah/faktor, perlu ditentukan suatu ukuran ketergantungan, yaitu koefisien korelasi rxy dan secara statistik perlu dilakukan uji hipotesis dengan rumusan sebagai berikut (Sudjana, 2002):

H0 : ρ = 0 H1 : ρ ≠ 0

Bentuk statistik yang digunakan untuk uji di atas adalah

t

hit

=

r

^y

√

n

−

2

1 −

r

_^_y (2.7)

dimana n = banyaknya pengamatan (ukuran sampel) thit di atas menyebar secara t dengan derajat bebas (n-2).

r= n

∑

xy−

∑

x

∑

y

√

n

_∑

x2₋₍

_∑

_x₎2₋

√

n

_∑

y2₋₍

_∑

_y₎2

(2.8) dimana:

r = Koefisien korelasi n = jumlah data

III. METODOLOGI PENELITIAN A. Sumber Data

Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari Tugas Akhir Mahasiswa Statistika Institut Teknologi Sepuluh Nopember, Surabaya Yang Berjudul Pemodelan Persentase Penduduk Miskin di

S

_b

=

S

x, y

√

∑

X

2

−

(

∑

X

)

2

n

S

_{y ,x}

=

√

_n

₋

SSE

₁

₋

_k

=

√

(

Y

− ^

Y

)

2

(3)

Provinsi Jawa Timur Tahun 2004-2008 dengan Regresi data panel, Tahun 2010.

B. Variabel Penelitian

Variabel yang digunakan dalam penelitian adalah persentase penduduk miskin kab./kota provinsi jatim (tahun 2008), persentase angka buta huruf umur 10 tahun keatas kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SD kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SMP kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SMA kab./kota provinsi jatim (tahun 2008), persentase tingkat pengangguran terbuka kab./kota provinsi jatim (tahun 2008).

C. Metode Analisis Data

Langkah analisis yang digunakan dalam penelitian sebagai berikut.

1. Mengidentifikasi pola hubungan antara variabel persentase penduduk miskin kab./kota provinsi jatim (tahun 2008), persentase angka buta huruf umur 10 tahun keatas kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SD kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SMP kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SMA kab./kota provinsi jatim (tahun 2008), persentase tingkat pengangguran terbuka kab./kota provinsi jatim (tahun 2008).

2. Menduga bentuk model regresi. 3. Menduga parameter model regresi. 4. Menghitung nilai R-sq dan korelasi.

5. Menguji koefisien regresi yang terdiri dari uji serentak dan uji parsial.

6. Melakukan pengujian asumsi residual dari data yang berdistribusi normal.

IV. HASIL DAN PEMBAHASAN

Pada hasil dan pembahasan ini diawali dengan gambar scatter plot antara variabel respon dengan predictor, analisis mengenai korelasi antara variabel respon dengan predictor berdasarkan korelasi Pearson dan nilai P-value, menampilkan model regresi linear, melakkan uji serentak,uji parsial serta uji distribusi normal terhadap residual. Adapun dalam penelitian ini digunakan α =5%

A. Hubungan antara persentase penduduk miskin dengan persentase angka buta huruf kab./kota di provinsi jatim

Scatter Plot antara persentase penduduk miskin dengan persentase angka buta huruf umur 10 tahun keatas disajikan sebagai berikut.

35 30 25 20 15 10 5 0 50 40 30 20 10 0

X1

y

Gambar 1 scatter plot antara x1 dengan y

Dari gambar 1 dapat dilihat pola penyebaran data naik sehingga dapat diduga hubungan antara kedua data berbanding lurus dimana setiap pertambahan X1 juga menyebabkan pertambahan pada nilai Y. adanya titik merah yang letaknya berjauhan dengan garis biru menandakan titik tersebut adalah data outlayer. Namun dari scatter plot tidak dapat menyimpulkan ada tidaknya korelasi antara X1 dengan Y hanya dapat menduga.

Dalam menguji korelasi antara variabel Y dengan variabel X1 digunakan dua indikator yaitu P-value dan Pearson Corelation. Sehingga ditenukan hipotesis sebagai berikut.

H0 :

ρ

=

0

H1 :

ρ ≠

0

Tabel 1 Hasil Uji Pearson Corelation

P-value R Keputusan

0.000 0.8 Tolak H0

Dari table 1 didapatkan nilai r yang positif yang semakin mendekati nilai 1. Ini menunjukkan setiap pertambahan X1 akan mengakibatkan pertambahan variabel nilai Y dan karena P-value < α maka diputuskan hasil tolak H0 artinya ada korelasi antara persentase penduduk miskin dengan persentase penduduk buta huruf.

Dengan menggunakan variabel persentase penduduk miskin di kab./kota provinsi Jatim (Y) dan persentase penduduk buta huruf usia diatas 10 tahun pada pengujian regresi pada minitab maka akan didapatkan persamaan

^

y

=

6.51 +

0.994 X

1

yang artinya setiap kenaikan 1 dari nilai X1 maka diperkirakan persentase penduduk miskin akan naik 0.994 persen. Juga didapatkan nilai R-sq=64.1% yang menjelaskan bahwa 64.1% dari variabel Y dipengaruhi oleh variabel X1dan 35.9% sisanya dipengaruhi oleh faktor lain.

Dengan melakukan pengujian terhadap β0 dan β1 secara serentak dapat diketahui kualitas pemodelan, dengan hipotesis sebagai berikut:

H0 :

β

0

=

β

1

=

0

H1 : minimal terdapat

β

i

≠

0

Dengan i = 0,1

Tabel 2 Hasil Uji Serentak

F1-α/ 2(dfr,dfe)

Fα/ 2(dfr,dfe)

Fhitu ng

P-value Keputusan

0.00095

8 5.47121 64.2 0.000 Tolak H0

(4)

Akan tetapi, pengujian parsial tetap perlu dilakukan untuk mengetahui antara

β

0

dan β

1 yang memengaruhi persentase penduduk miskin menggunakan regresi linear. Sehingga ditentukan hipotesis sebagai berikut:

H0 :

β

0

=

0

persentase penduduk miskin kab./kota provinsi Jatim yaitu 6.51. Dan juga pada Tabel 4 didapatkan hasil tolak H0 artinya memang benar

β

1 memberikan prngaruh terhadap variabel Y.

Perbedaan antara nilai variabel respon asli dan nilai variabel respon taksiran mengindiksikan adanya error atau residual dalam suatu permodelan. Maka perlu dilakukan pengujian disribusi terhadap residual tersebut termasuk dalam distribusi normal Sehingga dirumuskan hipotesis sebagai berikut.

H0 : Residual Berdistribusi Normal H1 : Residual Tidak Berdistribusi Normal

15

Gambar 2 Uji distribusi normal terhadap residual

Dari gambar 2 kita dapat diambil keputusan P-value > α sehingga diambil kesimpulan bahwa residual berdistribusi normal.

B. Hubungan antara Persentase Penduduk Miskin kab./kota Provinsi Jatim dengan Persentase Angka Partisipasi Sekolah Usia SD kab./kota Provinsi Jatim Scatter Plot antara persentase penduduk miskin dengan

Gambar 3 scatter plot antara X2 dengan Y

Dari gambar 3 dapat dilihat pola penyebaran data turun sehingga dapat diduga hubungan antara kedua data berbanding terbalik dimana setiap pertambahan X2 maka menyebabkan pengurangan pada nilai Y. adanya titik merah yang letaknya berjauhan dengan garis biru menandakan titik tersebut adalah data outlayer. Namun dari scatter plot tidak dapat menyimpulkan ada atau tidaknya korelasi antara X2 dengan Y hanya dapat menduga.

H0 :

ρ

=

0

H1 :

ρ ≠

0

0.003

-0.470

Tolak H0

Dari table 5 didapatkan nilai r negatif yang artinya semakin mendekati nilai -1. Ini menunjukkan setiap pertambahan X2 akan mengakibatkan pengurangan variabel nilai Y dan karena P-value < α maka diputuskan hasil tolak H0 artinya ada korelasi antara persentase penduduk miskin dengan persentase angka partisipasi sekolah usia SD.

Dengan menggunakan variabel persentase penduduk miskin di kab./kota provinsi Jatim (Y) dan persentase angka partisipasi sekolah usia SD pada pengujian regresi pada minitab maka akan didapatkan persamaan

^

y

=

556 −

5.47 X

2

yang artinya setiap kenaikan 1 dari nilai X2 maka diperkirakan persentase penduduk miskin akan turun 5.47 persen. Juga didapatkan nilai R-sq=22.1% yang menjelaskan bahwa 22.1% dari variabel Y dipengaruhi oleh variabel X2 dan 77.9% sisanya dipengaruhi oleh faktor lain.

H0 :

β

0

=

β

1

=

0 β

i

≠

0

Dengan i = 0,1

F1-α/

Dari tabel 6 bisa diambil keputusan tolak H0 artinya

β

0dan

(5)

β

0

dan β

H0 :

β

0

=

0

3.19 0.003 Tolak HGagal0

Dari Tabel 7 dapat diketahui tolak H0 yang artinya bahwa

β

0 berpengaruh menentukan rata-rata awal persentase penduduk miskin kab./kota provinsi Jatim yaitu 556. Sedangkan pada Tabel 8 didapatkan gagal tolak H0 artinya memang benar

β

1 tidak memberikan pengaruh (signifikan) terhadap variabel Y.

20

Dari gambar 4 dapat diambil keputusan P-value > α sehingga diambil kesimpulan bahwa residual berdistribusi normal.

C. Hubungan antara Persentase Penduduk Miskin kab./kota Provinsi Jatim dengan Persentase Angka Partisipasi Sekolah Usia SMP kab./kota Provinsi Jatim Scatter Plot antara persentase penduduk miskin dengan

Dari gambar 5 dapat dilihat pola penyebaran data turun sehingga dapat diduga hubungan antara kedua data berbanding terbalik dimana setiap pertambahan X3 maka menyebabkan pengurangan pada nilai Y. Namun dari scatter plot tidak dapat menyimpulkan ada atau tidaknya korelasi antara X3 dengan Y hanya dapat menduga.

H0 :

ρ

=

0

H1 :

ρ ≠

0

0.000

-0.632 Tolak H0

Dari table 9 didapatkan nilai r negatif yang artinya semakin mendekati nilai -1. Ini menunjukkan setiap pertambahan X3 akan mengakibatkan pengurangan variabel nilai Y dan karena P-value < α maka diputuskan hasil tolak H0 artinya ada korelasi antara persentase penduduk miskin dengan persentase angka partisipasi sekolah usia SMP.

Dengan menggunakan variabel persentase penduduk miskin di kab./kota provinsi Jatim (Y) dan persentase angka partisipasi sekolah usia SMP pada pengujian regresi pada minitab maka akan didapatkan persamaan

^

y

=

80.2 −

0.712 X

3

H0 :

β

0

=

β

1

=

0 β

i

≠

0

Dengan i = 0,1

F1-α/

β

0dan

(6)

β

0

dan β

H0 :

β

0

=

0

4.89 0.000 Tolak HGagal0

β

0 berpengaruh menentukan rata-rata awal persentase penduduk miskin kab./kota provinsi Jatim yaitu 80.2. Sedangkan pada Tabel 12 didapatkan gagal tolak H0 artinya memang benar

β

20

D. Hubungan antara Persentase Penduduk Miskin kab./kota Provinsi Jatim dengan Persentase Angka Partisipasi Sekolah Usia SMA kab./kota Provinsi Jatim Scatter Plot antara persentase penduduk miskin dengan

H0 :

ρ

=

0

H1 :

ρ ≠

0

0.000

-0.670 Tolak H0

Dari table 13 didapatkan nilai r negatif yang artinya semakin mendekati nilai -1. Ini menunjukkan setiap pertambahan X4 akan mengakibatkan pengurangan variabel nilai Y dan karena P-value < α maka diputuskan hasil tolak H0 artinya ada korelasi antara persentase penduduk miskin dengan persentase angka partisipasi sekolah usia SMA.

Dengan menggunakan variabel persentase penduduk miskin di kab./kota provinsi Jatim (Y) dan persentase angka partisipasi sekolah usia SMA pada pengujian regresi pada minitab maka akan didapatkan persamaan

^

y

=

44.0 −

0.451 X

4

H0 :

β

0

=

β

1

=

0 β

i

≠

0

Dengan i = 0,1

F1-α/

β

0dan

(7)

β

0

dan β

H0 :

β

0

=

0

H1 :

β

0

≠

0

Tabel 15 Hasil Uji Parsial untuk

β

0

Tα/ 2,n-2

Thitu ng

2.02 8.52 0.000 Tolak H0

H0 :

β

1

=

0

H1 :

β

1

≠

0 β

₁

Tα/ 2,n-2

Thitu ng

2.02

-5.42 0.000 Tolak HGagal0

β

0 berpengaruh menentukan rata-rata awal persentase penduduk miskin kab./kota provinsi Jatim yaitu 44. Sedangkan pada Tabel 16 didapatkan gagal tolak H0 artinya memang benar

β

20 10 0 -10 -20

99

95 90 80 70 60 50 40 30 20 10 5

1

RESI7

P

e

rs

e

n

ta

se

Mean -1.90491E-14 StDev 6.615 N 38 KS 0.117 P-Value >0.150

E. Hubungan antara Persentase Penduduk Miskin kab./kota Provinsi Jatim dan Persentase Tingkat Pengangguran Terbuka kab./kota Provinsi Jatim Scatter Plot antara persentase penduduk miskin dengan persentase tingkat pengangguran terbuka

14 12 10 8 6 4 2 50 40 30 20 10 0

X7

y

H0 :

ρ

=

0

H1 :

ρ ≠

0

0.001

-0.531 Tolak H0

Dari table 17 didapatkan nilai r negatif yang artinya semakin mendekati nilai -1. Ini menunjukkan setiap pertambahan X5 akan mengakibatkan pengurangan variabel nilai Y dan karena P-value < α maka diputuskan hasil tolak H0 artinya ada korelasi antara persentase penduduk miskin dengan persentasetingkat pengangguran terbuka.

Dengan menggunakan variabel persentase penduduk miskin di kab./kota provinsi Jatim (Y) dan persentase tingkat pengangguran terbuka pada pengujian regresi pada minitab maka akan didapatkan persamaan

^

y

=

27.4 −

1 .60

X

5

H0 :

β

0

=

β

1

=

0 β

i

≠

0

Dengan i = 0,1

F1-α/ 2(dfr,dfe)

Fα/ 2(dfr,dfe)

Fhitu ng

0.00099

58 5.47121 14.10 0.001 Tolak H0

β

0dan

(8)

β

0

dan β

H0 :

β

0

=

0

H1 :

β

0

≠

0 β

0

Tα/ 2,n-2

Thitu ng

2.02 8.79 0.000 Tolak H0

H0 :

β

1

=

0

H1 :

β

1

≠

0 β

₁

Tα/ 2,n-2

Thitu ng

2.02

-3.75 0.001 Tolak HGagal0

β

0 berpengaruh menentukan rata-rata awal persentase penduduk miskin kab./kota provinsi Jatim yaitu 27.4. Sedangkan pada Tabel 20 didapatkan gagal tolak H0 artinya memang benar

β

30 20 10 0 -10 -20

99

95 90 80 70 60 50 40 30 20 10 5

1

RESI9

P

e

rs

e

n

ta

se

Mean -1.20138E-14 StDev 7.554 N 38 KS 0.117 P-Value >0.150

Gambar 10 Uji distribusi normal terhadap residual Dari gambar 10 dapat diambil keputusan P-value > α sehingga diambil kesimpulan bahwa residual berdistribusi normal.

V. KESIMPULAN DAN SARAN

Pola hubungan antara persentase penduduk miskin kab./ kota provinsi jatim (tahun 2008) dan persentase angka buta huruf umur 10 tahun keatas kab./kota provinsi jatim (tahun 2008) memiliki pola hubungan yang positif sedangkan pola hubungan antara persentase penduduk miskin kab./kota provinsi jatim (tahun 2008) dengan persentase angka partisipasi sekolah usia SD kab./kota provinsi jatim (tahun 2008), persentase angka partisipasi sekolah usia SMP kab./kota provinsi jatim (tahun 2008), persentase angka

partisipasi sekolah usia SMA kab./kota provinsi jatim (tahun 2008), persentase tingkat pengangguran terbuka kab./kota provinsi jatim (tahun 2008) memiliki pola hubungan yang negative tapi kesemuanya memiliki korelasi yang signifikan

DAFTAR PUSTAKA

[1] Coles, S. (2001). An Introduction to Statistical Modelling of Extreme Values. London: Spinger-Verlag.

[2] Yuniarti,Desi.2010.” Pemodelan Persentase Penduduk Miskin di Provinsi Jawa Timur Tahun 2004-2008 dengan Regresi data panel”. Surabya: ITS.