TERENCANAAN I - Unissula

!

-

METODE ANALISIS TERENCANAAN I

a Dr. Hl. Mila Karmilah, Tim Dosen:

^ST.,

MT.

Dr.Jamilla Kautsary,

ST.,

MTP

-aa

&

FakultasTeknik Universitas lslam ^Sultan Agung

Semarang

Fakultds Teknik Universitas Diponegoro

Semarang

Kerjasama

^:

BUKU NAR

J6s' \ '?{

, tbsit

,

J2r

ar

ttt. J62

5,

\ N

>l'.'n,

a

,

t

"ra"^

t., ^,on"o*'

, o"^"h".",'

i"?*,o

'o*"%

,d%

J

?.r+

4o,

'ou*o.-*

l- '2n^

BUKU AJAR

Metoda Analisis Perencanaan l

Oisusun Oleh :

Dr, Hl. Mlla Xarmllah, ST., MT.

Dr. Jamilla (autsary, ST., MTP.

DAFTAR ISI

KATA PENGANTAR, DAFIAR ISI,,..,,,.,.,,,, DAFTAR TABEL,,,,.,, DAFTAR GAMBAR..- BAB I

BAB II

TINJAUAN

I'ATA

^KULIAH

1.1.

^Deskripsa Singkat...'...

1

2.

Relevansi...

'1.2.1.

Standar Kompetensi

1.2.2.

KomPetensi Dasar...

'1.2.3.

1ndikator...

1.3.

Daftar Pustaka

'1.4.

Penilaian...

ANALISIS DATA SECARA DESKRIPTIF

2.'1.

Pendahuluan

2.1.1.

Deskripsi Sin9kat... ...

.. "

^'

2.1.2.

Relevansi...

2.1-3. StandartKompetensi...'"' 2.'1.4.

Kompetensi Dasar.

... .""

'

2.2.

Peny4ian

2.2.1. Uaian

alau Penielasan dari

lsi .

' 2.2.1.1. Analisis Univariat

Deskriptif

' 2.2.1.2. Analisis Univariat

lnferensial

'

2.2.2.

Lali,han...

2.3.

Penutup...

2.3.1.

^{Tes Formatif.} ...

.. " . "'

2.3.2.

^Umpan

8a1ik..."" " "

^'

2.3.3.

Tindak

Laniut... " ""

^'

2.3.4.

^Rangkuman

,|

1 1 1

2 2 3

4 4 4 4 5 5 5 5 14 18 .19 .19 .20 .21

BukLr Aar "Metoda Analisis Perencanaan

l'lrii

2.3.5.

Kuncr Jawaban Tes Formatif.

BAB

III

REGRESI dan KORELASI

3.1.

Pendahuluan

3.'1.

1.

Deskripsr Singkat...

3.1.2.

Relevansi.-.

3.

1.3.

Standar Kompetensi...-...-

3.'1

.4.

Kompetensi Dasar

3.2.

^Penyajian

3.2.1.

Konsep Korelasi.

3.2.2.

Diagram Pencar...

3.2.3.

Korelasi Pearson...

3.2.3.1.

Metode Ratrajata

Simpangan...

3.2.3.2.

Metode Angka Kasar...

3.2.4.

Koefisien Determindsi...

3.2.5.

KonsepRegresi... _...

3.2.5.1.

RegresiLinier

,'t

27 27 27 28 28 28 31 33

u

35 36 39 .45 .48 3.2.5.2.

3.2.5.3.

3.2.5.4.

Menghitung Koefisien Regresi...

Prediksi Dengan Regresi ...

Menggambar Garis Regresi

3.2.6.

Latihan.

3.3.

Penutup...,..

5'l

g

55 56 57 57 3.3.1.

J-J J 3.3.4.

3.3.5.

Tes Formatif Umpan Ba|ik...

Tindak lanjut...

Rangkuman

Kunci Jawaban Tes Formatif ...

r

I Birku Ajar'Metoda Anatasis perencanaan t.

BAB IV

BAB V

REGIONAL MODEL GRAVITASI

4.1.

Pendahuluan.

4.1.1.

Deskripsi Singkat...

4.1.2.

Relevansi...

4.1.3.

Standar Kompetensi...

.

^{... . ..}

4.

1.4.

Kompetensi Dasar...-...

4.2.

Penyalian...

4.2.1.

Model dan Analisa Keruangan... ..

4.2.1.1.

Model dan Analisis Tetangga Terdekat... ^....

4.2.1.2.

Jarak dan lnteraksi dalam Ruang... ^.

4.2.1.3.

Jaringandan Konektivitas

4.2.2. |.aliha

...

4.3.

Penutup...

4.3-1.

Tes Formatif ...-...-...

4.3.2.

Umpan Balik

4.3.3. TindakLanjut...

4.3.4.

Rangkuman

4.3.5.

Kunci Jawaban Tes Formatif...

PEMBOBOTAN SEOERHANA, SCHALLOGRAM oAN WCI

5.1.

Pendahuluan.

5.1.'1.

Deskripsi Singkat... ...

.

^{.... .. .}

5.1.2.

Relevansi...

5.1.3.

Standar Kompetensi...

5.1.4.

Kompetensi Dasar.. ..

... ...

5.2.

Penyajian...

5.2.1.

Pembobotan Sederhana ... ..

"

'

5.2.2.

Schallogram

5.2.3.

^lndex Sentra|itas...

... ... ""'

5.2.4.

Latihan...

61 6'1 61 62 62 62 62 62 66 86 E9 89 89 90 90 90 91

93 93 .93 .94 .94

.

.95 .'101

. 103

Buku Alar'Matoda Analisis Perencanaan I' lv

BAB VI

BAB VII

Penutup...

5.3.1.

Tes Formalif ...

5.3.2.

Umpan Balik

5.3.3.

Tindak Lanjut...

5.3.4.

Rangkuman

5.3.5.

KunciJawaban Tes Formatif.

MODEL PERKIRAAN BIAYA MANFAAT

7.1

Pendahuluan.

7.1.1.

Deskripsi Singkat...

7.1.2.

Relevansr....

7.1.2.1.

Standart Kompetensi.

7.1.2.2.

Komp€tensi Dasar...

, tou .130

. 131 . 13'l . 131

vr I Buku Ajar'Meloda Anatisis Perencanaan I'

103 103 104 105 105 10s

7.2

7.3

Penyajran...

7.2.1.

Utaiar...

7.2.2.

Metode Analisis Biaya Manfaat...

7.2.2.1.

Net Present Value

(NPu 7.2.2.2.

^{Benefit cost Ratio (BcR)}

7.2.2.3.

lnternal Rate of Return...

7.2.3.

Latihan...

Penutup...

7

3-1.

Tes Formatif ...

7.3.2.

Umpan8a1ik...

7.3.3.

TindakLaniut...

7.3.4.

Rangkuman

7.3-5.

^Kunci Jawaban tes Formatil...

...131 ...131

.

¹³⁶

...138 ... 139 ... 139 ...141 ...144 ...144 ...144 ...145 ...145 ...146 BAB

VIII

PROGRAM UNIER

8.1.

Pendahuluan.

8.1.1.

Deskripsi Singkat

8.'1.2.

Relevansi 8.1.2.1.

8.1.2.2.

8.2.

Penyajian...

8.2.'1.

Uraian...

8.2.1.1.

8_2.1.2.

a.2.1.3.

Standart Kompetensi Kompetensi Dasar....

Pen9ertian...

Konsepsi Program Linier...

Karakteristik ^Pem rograman Linier... ^...

Pen99unaan...

Formulasi Permasalahan...

Pembentukan Model Matematik...

Keuntungan dan Kelemahan Model Matematik...

8.2.1.4 8.2.1.5 8.2.1.6

152 157 149 149 149 149 149 '149 149 150 151

157 158

Suku Ajar "Metocla Analisis Perencanaan

l'lvii

8.2.1.7.

8.3.

8.2.1.8.

Bentuk Umum

Program 1inier...

8.2.'1.9.

Langkah Dasar Penyelesaian Persoalan Program Linier ...

8.2.1.10. Beberapa metode

Program 1inier...

8.2.2.

Latihan...

Penutup...

8.3.1.

Tes Formatif ...

8.3.2.

Umpan 8a|ik...

8.3.3.

Tindak Lanjut

8.3.4.

Rangkuman

8.3.5.

Kunci Jawaban Tes Formatif... ..-.- '159

160 162 '166 19'1 191 192 '193 193

BAB IX METOOE LOCATTON AUETTEN

(La)

9.1. Pendahuluan....

9.1.1.

Deskripsi Singkat...

9.1.2.

Relevansi...

9.1.2. 1. Standart Kompetensi 9. 1.2.2. Kompetensi Dasar....

9.2. Penyajian 9.2.1.

9.2.2.

9.2.3.

9.3. Penutup 9.3.1.

9.3.2.

9.3.3.

9.3.4.

9.3.5.

Tes Formatif ...-...

Umpan 8a1ik...

Tindak Laniut...

Rangkuman...

Kunci Jawaban Tes Formatif ...

..196 .196 ..196 .196 .196 .196 .197

. 199 200

2U

214 214 219 220 220 221

v4r _I Buku Aar'Meloda Analsis Perencanaan

l'

BAB X METOD€ PENGAMBIIAN I(EPUTUSAN

10.1

Pendahuluan..

10.2

10.3

Sutu Aj.. 'M.tod. An.li3i5 P...n..n..n l'I vil 235 255 255 277 27L

Gambar Gambar 2.1.

Gamba( 2.2.

Gambar 2.3.

Gambar 2.4.

cambar 2.5.

DAFTAR GAMBAR

Halaman Grafik Luas Lantai... .

.

... ...,...

.. .

¹¹

GrafikFrekuensiKumulatif...

¹¹

Grafik Diskibusi Frekuensi ... ... ... .'..12 Oistribusi Normal...

.'..."

¹⁵

Hubungan Simetris antara Mean, Media

danModus...'...

¹⁹ Skema Pemilihan Teknik Analisis

Univariat...-... ^...

"

²³

Diagram Pencar Beberapa

Koefisien Korelasi ... ... ....32 Regresi Kuadratik Berbentuk Parabolik... 38

R€resi

Non Linier atau Logaritmik atau

Eksponensial... ..-... 39 Gaji Bulanan dan Pendapatan Tahunan

1O Karyawan Agen

Perja|anan

... ... ...43 Grafik yang MemPresent asikan

Empat Garis dengan SloPe Berbeda...-... ..44 Jenis Pola Penyebaran... .-... ... .... 63

Model Gravitasi yang Menggamba*an lnteraksi diantara Empat Kecamatan Gambar 2.6.

Gambar ^3.1 Gambat 3.2.

Gambar 3.3.

Gambar 4.1 Gamba. 4.2

Gambar 8.1 Gambar 8.2 Gambar 9.1

di Propinsi DlY.

KaraKeristik Situasi Program..

.... ...

....

Metode Grafik Untuk Penyelesaian 2 Variabe|...

Diagram Kelompok Sektor Ekonomi ^alam Ekonomi Regional ^.

69

195 198

Buku Ajar "MelodaAnalisis Perencanaan l' lix Gambar 3.4.

Gambar 3.5.

Tabel 11.2.

Tabel 11.3.

DAFTAR TABEL

Halaman Frekuensi Penghuni Rumah menurut

Macam Pekerjaan ...7

Perhitungan Mean Cara 2 . ... 10

Perhitungan Mean dan Deviasi Standar, Cara 2.b...13

Lama Berkunjung dan Banyaknya \Msatawan asal Eropa Barat...-...20

Teknik Analisis Univaria|...22

Simbol Populasi dan Sampel ...29

Kriteria Kekuatan Hubungan ...29

Jenis Korelasi Berdasarkan Skala Pengukuran Data...30

Kode dan Nama lbukota di Kabupaten Gunung Kidul Propinsi OIY dan Jumlah Penduduk...7'l Jarak Antar 13 lbukota Kecamatan se Kab. Gunung Kidul Propinsi OIY ....-...72

Potensi Penduduk dari 13 Kecamatan dan Persentase Potensi Penduduk terhadap Tempat dengan Potensi Penduduk Tertinggi...7 4 Kondisi Kecamatan tahun 2004...79

Rekapitulasi Accessibility |ndex...82

Potensi Pengembangan Abso|ut...82

Potensial Pengembangan Relatif/Probabilitas ...-...83

Potensial Pengembangan ReIatiflProbabi1itas...84

Menghitung Hi Tert.mban9...85 Tabel ll.4

Tabel 11.5.

Tabel lll.1 Tabel

lll.2

Tabel

lll.3

.

Tabel lV.1

Tabel lV.2 Tabel lV.3

Tabel lV.4 Tabel

lv.s

Tabel lV.6 Tabel lV.7

x I Buku Ajar'Meloda Analisis Perencanaan l' Tabel

Tabel ll.'1.

Tabel lV.8 Tabel lV.9

TabelVlll.4

Tabel lX.1

Kombinasi Pengiriman dalam Penyelesaian Tahap 1 ...

Penyelesaian Persoalan Tahap Kedua...

Penyelesaian Tahap Lanjut...

Contoh Alternatif ¹ Contoh Alternatif 2 ^..

Contoh (3)

...

^.

Contoh ⁽⁴⁾

Alternatif Gabungan ^: (5) ₌ (3) + (4)...

M

-

K Kegiatan Pertanian...

Pemilihan Kegiatan Tanaman dengan Keuntungan Maksimum ...

M-KPenanaman..

Pemilihan Kegratan Tanam...

Proses Penyelesaian Beru|an9...

Karakteristik Kebutuhan Unit Air, Tanah, Tenaga dan Modal untuk Masing-masing Jenis Tanaman...

Perkembangan Laju Pertumbuhan Ekonomi Kabupaten-Batursari Dan Propinsi Y (Tahun

20ot2008)..

Jumlah SeKor lndustfl Kabupaten-Batursari Dan Prop. Propinsi-Kuanta (Tahun 2008)....

Tenaga Kerja Per Sektor Lapangan Usaha Kabupaten Batursari... ... ^. ....

Produk Domestik Regional Bruto (Pdrb) Kabupaten Batursari Tahun 20Ot2008...

Persentase Tingkat Pengangguran, Tingkat Kemiskinan,Tingkat ^lnfl asi, Pertambahan Migrasi ...

Hasrl Nilai Lq Per

Sektor..

... .

.. "

^'

Hasil Lq Masing-Masing Sektor

Industri

^{. '}

Tabel lX.2 Tabel lX.3 Tabel

lx.4

Tabel lX.5

2M

205

208 174 174 175'177 177 178 178 179

'181

TabelVlll.l4 TabelVlll.l5 TabelVlll.l6

' TabelVlll.lT

183 185 186 188

Tabel tX.6 Tabel lX.7

192

209 211 212

xiil Buku Aa.'Metoda Analisis Perencanaan l'

TabelVlll.5

Tabel

Vlll.6

TabelVlll.T

TabelVlll

8

TabelVlll.9

TabelVlll.l0

TabelVlll.ll

TabelVlll.l2

TabelVlll.l3

Tabel 1V.10

TabelV.l

Tabel V.3 Tabel V.4

Tabel V.5

Tahun 2008...

Koefrsien M

-

^K...

Hasil Perhitungan

M-K

^{( 1} ) ^{. . . .} . . . . . . . . . . . . . . . . . .

Persamaan Penyelesaian M

-

^{K Bertahap}

Sesuai Dengan Urutan...

Perhitungan M

-

K (2)...

Hasil Perhitungan M

-

K (3)...

Matriks oasar Ongkos Pengangkutan...

Ongkos Pengangkutan...

Kombinasi Pengiriman untuk Penyelesaian Tahap 1 ...

TabelV.6

.TabelV.7

Tabel Vl.1 Tabel Vl.2

TabelVl.3 TabelVl.4

Tabel Vl.5

118 119 120

172 Tabel Vl.6

TabelVl.T Tabel Vlll.1

TabelVlll.2 TabelVlll.3

.12'l .126 .166 .171

Buku AFr'Metoda Anallsis Perencanaan t" lxi TabelV.2

:

MenghitungPertambahan

Penduduk (AixHi)... .. ...85

:

Penetuan Prioritas lnvestasi

(Tanpa Dominasi)...-...95

:

Penetuan Prioritas lnvestasi

(Dengan Dominasi)...96

:

Data Sebaran Fasilitas Menurut

Kecamatan di Kabupaten Kendal ...97

:

Modifikasi Urutan Pernyataan (Jenis Fasilitas) Menurut Kecamatan

di Kabupaten Kendal..-...-...98

:

Modifikasi Urutan Responden (Kecamatan) dan Penarikan Garis Hirarki

Metode Scha1109ram...99

:

ldentifi kasi Kesalahan Hirarki...-. 100

:

Perhitungan lndex Senkalitas Menurut

Kecamatan di Kabupaten Kenda|... ¹⁰²

:

Masukan Keluaran Antar 1ndustri...'112

: M-Kdi

NegeriAntah Berantah L

I

I

!

Tabel lX.8

Tabel lX.9

Tabel |X.10

Tabel |X.11

Tabel lX.'12

rTabel |X.13

Tabel |X.14 Tabel lX.'15 Tabel lX.'16 Tabel |X.17

Buku Ajar'Meloda Analisis Perencanaan l" lxjir I

!

:

Distribusi PDRB Kabupaten Kulon Progo Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( Rp. Jula) Tahun 2003

- 2006

...215

:

Distribusi PDRB Kabupaten Kulon Progo Menurut Lapangan Usaha Atas Dasar Harga Konstan Tahun 2000 (x Rp. Juta)

Tahun 2002

- 2005

...216

:

PDRB menurut Lapangan Usaha Atas Dasar Harga Berlaku di KabuPaten

Kulon Progo (Juta Rupiah) Tahun 2006...217

:

PORB menurut Lapangan Usaha Atas Dasar Harga Konstan Tahun 2000 di Kabupaten

Kulon Progo (Juta Rupiah) Tahun 2000... ...217

:

PDRB menurut Lapangan Usaha Atas Dasar Harga Konstan Tahun 2000 Kecamatan

Temon (Juta Rupiah) Tahun 2000... ...218

:

PDRB menurut Lapangan Usaha Atas Dasar Harga Konstan Tahun 2000 Kecamatan

Wates (Juta Rupiah) Tahun 2003 - 2006...218

:

Analisis Perhitungan LQ Kecamatan Temon....222

:

Analisas LO Kecamatan Temon Terhadap Kabupaten Kulon Progo...222

:

Analisis Perhitungan LQ Kecamatan Wates...223

:

Analisis LQ Kecamatan Wates Terhadap

Kabupaten Kulon Progo...223

i

I I

I

r

IL

,

t

XATA PINGANYAR

As3alamualaikum wr. Wb.

Segala puji dan syukur kami panjatkan kepada Allah swT. yang telah melimpahkan rahmatNya sehingSa dapat tersusun buku ajar Maoda Anallsls PCrcrcaman I

Buku ajar inl tersusun .tas terjasama Fakultas Teknik Universitas lslam

Sultan Agung {UNISSUIA) Sema.ang dengan Fakuhas Teknik Universltas Oiponegoro (UNDIP)SemaranS dalam pelaksanaan Protram Hibah Kompetensi (-1 Fakuhas Teknik Unissula 2019

Buku ajar ini berupa.irgkasan sehinSSa mahasiswa dihaGpkan mampu mengernbanSkan leblh lanjut dengan rara membaca referensi yanS ada. selain itu diharapkan bahwa materi lni bisa ditampilkan dalam bentuk e-book dan dapat di uplrod dijejarinS inherent yang telah dikembangkan di UNISSULA.

Xami b€rharap remota buku ajar

ini

bisa b€rmanfaat ^khususnya bagi mahagiiwa _Jurusan Teknik Perencanaan Wilayah dan Kota. Diharapkan buku ajar lni para mahasitwa mempunyai bekal yant baik apabila telah bekerja maupun untul melanjutkan ke ieniang ^(Strata) yant lebih tingti.

Saran

dan kritik

^yang membantun sangat

kami

harapkan untuk penyempurnaan untuk buku ajar ihi.

Was5alamualaikum Wr. Wb

Semaran& Januari20lg

Tim Penyusun

r

I

I

Buku A j.. "M.rod. An.lrirr P.r.n..n..n l" I ⁱⁱ

BAB

^I

TINJAUAN MATA KULIAH

1.1.

Deskripsi Singkat

Metoda Analisis Perencanaan merupakan salah

satu

Mata Kuliah Kurikulum

lnti

Sekolah Perencanaan yang ditetaPkan oleh

ASPI

(Asosiasi

Sekolah

Perencanaan lndonesia),

yaitu

kurikulum

yang

memberikan ciri suatu sekolah dapat disebut sebagai Sekolah Perencanaan. Mata kuliah ini memberikan pengenalan, pemahaman

dan

ketrampilan mengenai metoda

dan teknik yang digunakan dalam Pengambilan keputusan,

^analisa perencanaan dalam bidang

tata

ruang. Metoda

ini

diberikan dalam bentuk model-model analisis kuantitatif dalam perencanaan kota dan wilayah, terkait rdengan substansi disiplin-disiplin ilmu pendukung perencanaan

1.2.

^Relevansi

1.2.1.

Standart Kompetensi

Setelah mengikuti matakuliah ini diharapkan mahasiswa

⁽¹⁾ mengenal

spektrum

keseluruhan metoda/

teknik pokok yang

digunakan dalam proses perencanaan kota dan wilayah (2) memiliki kemamPuan untuk

menggunakan/ mengaplikasikan alat bantu teknik

pengambilan

kepuiusan,analisi masalah perencanaan' dan model{odel

^analisis

perencanaan: masukan keluaran, model analisis biayannanfaat dan analisis program linier

1.2.2. KompetensiDasar

Kompetensi dasar

yang

diharapkan setelah mengikuti bahasan ⁱⁿⁱ adalah mahasisiwa dapat mengetahui

&

memahami pemodelan kuantitatif dalam Perencanaan Wlayah dan Kota

Euku Aiar'Metoda Analisis Pefencanaan l" | ¹

1.2.3. lndikator

1. lndikator

pencapaian

untuk tiap

^bahasan

adalah:r

kuantitatif dalam Perencanaan Wilayah dan Kotai

2.

Mahasiswa mampu menjelaskan dan menggunakan

alat

analisis biaya manfaat, untuk menghitung kelayakan proyek secara finansial,

3. Mahasiswa mampu

menjelaskan

dan

menggunakan

alat

analisis masukan keluaran dalam menghitung aliran barang dan jasa;

4.

Mahasiswa dapat menggunakan program linier untuk pempertambangkan pemilihan

aKivitas atau

komoditi,

yang lebih

menguntungkan untuk pengembangan wilayah

1.3. Daltar Pustaka Textbook:

,.

Krueckeberg,

D.A &

Silvers, A.L.,'1985. Urban

Planning Analysls:

Itethods

and

Nodds.

New York: John

Wley

& Sons.

2. Robet Margaret., 1975. An tntoduction to fown

^Ptanning

Techiques. London: Hutchinson & Co (Publishers) Ltd.

3.

Patton, C.V., and Sawicki, 0.S., 1986, "Basic

llethods ol Policy

Analysls

,nd Plannhg",

PrenticeHall, Engle\,rcod Cliffs, New Jersey.

4.

Warpani, Suwardjoko., 1984.

Aaarisis

Kota

dan

Daetah.

Ba

dung.

Penerbit lTB.

5.

Kusmayadi,

2m4. 'Statistika

Pariwisata

Deskriptif Jakarta

PT Gramedia Pustaka Utama

6. Ahmad Djuanedi, 1989. 'Pengantar Statistik untuk

Arsitektud Yogyakarta Fakultas Teknik UGM

7.

Mudralad Kuncoro, 1987.

'Metode

Kuantitatif:

Teori dan

Aplikasi untuk Bisnis Ekonomi' Yogyaka(a: UPP AMP YKPN Yogyakarta Reterensi:

1. Kepmen Kimpraswil No.

534/KPTS/M/2001

tentang

^pedoman Penentuan _Standar Pelayanan fulinimal

(Sp,t) Bidang

^penataan Ruang, Perumahan dan Permukiman

dan

pekerjaan Umum dan

2 | Buku Aiar 'Meloda AnalisE Perencanaan t"

Pelunjuk Perencanaan Kawasan Perumahan Ko,a SKBI -

2.3.51. 1987 . UDC 7'11.58

2.

Tarigan, Robinson., 2005. Perencanaan Pembangunan Wilayah.

Jakarta: Bumi Aksara.

3. Saaty, Thomas 1., 1990. fhe Analytic Hierarchy

Process:

Planning, Priofily Selting, Resource Allocation.

Pittsburgh:

University of Pittsburgh Pers.

4. Sujarto, Djoko., 200'1. Pilihan Strategis: suatu teknik pengambilan

keputusan dalam perencanaan

wileyah

dan kota.

Bandung: Penerbit lTB.

5.

^Panduan Pelatihan Kajian Keadaan Pedesaan Secara Patlisipatit htto://www.deliveri.orc/ouidelinesitraininq/tm

4/tm 4

^li.htm

6. Jumal llmu-llmu

Sosial, ^'1991. Diterbitkan atas kerjasama: Pusat

Antar

Universitas bidang-bidang

llmu-ilmu Sosial -

Universitas lndonesia (PAU

- lS -

^{Ul) dengan PT.} Gramedia Puslaka Utama, Jakarta.

7.

Siringoringo, Hotniar. Seri Teknik Riset Operasional. Pemrograman Linear. Penerbit Graha llmu. Yogyakarta. 2005.

1.4.

^Penilaian

O-34=E:

35-49=D;

50 - 60 =C; 61- 79 = B:

80-

¹⁰⁰

=A

Kehadiran Mahasiswa 10

1

2. Tugas harian, presenlasi dan 20 diskusi, Quiz

Uiian Tenqah Semester (UTS) 30 3

4. Uiian Akhir Semester ) 40

Buku Ajar'Metoda Analisis Perencanaan

l'I

3

No.

Deskripsi

Penilaian Bobot ^(%)

Jumlah 100%

BAB

II

ANALISIS DATA SECARA

DESKRIPTIF

SUB POKOK AAHASAN

1.

Ukuran memusat (a) mean, (b) modus, (c) median.

2.

Ukuran menyebar: (a) varians, (b) simpangan baku, (c) rentangan, (d) simpangan,

3.

Penya.iian data dengan : (a) tabel, (b) gambar, ^(c) diagram

2.7.

Pendahuluan

2.1.1. D6kripsi

Singl(at

Menjelaskan tentang ma@m analisis univariat (analisis satu variabel) baik bagi data nominal, ordinal,

ir

erval dan rasio

2.1.2.

Relevansi

Didalam

Statistik

deskriptif, pemahaman mengenai

variabel

dan data-data yang _digunakan akan sangat berguna didalam menjelaskan pola data dari sampel. Penjelasan pola tersebut meliputi penyimpulan informasr tingkas

(smmary)

dan presentasi grafisnabular. Selanjutnya, penyimpulan informasi ringkas, umumnya meliputi pengukuran kecenderungan sentral dan sebaran; sedangkan presentasi grafis/tabular yang _sering dipakai meliputi p€mbuatan tabel ftekuensi, gambar histogram, dan grafik frekuensi kumulatif.

2.1.3. StandarKompetensi

Mata kuliah ini akan meMukung

pencapaian kompetensi dalam sikap dan perilaku berkarya dalam struktur kurikulum Teknik perencanaan Wilayah dan Kota FT Unissula Semarang. Diharapkan mahasiswa yang telah menempuh kulaah

ini akan

mampu melakukan analisis perencanaan yang

4 | Euku Aa. "Metoda Anal,srs perencanaan t.

kuantitatif khususnya pada analisis deskriptif (analisis frekwensi) sehingga

iapat dipergunakan dengan baik sebagai inlormasi untuk

mengambil keputusan di dalam perencanaan.

2.1.4. Komptensi

Dasar

Setelah mengikuti perkuliahan mahasiswa mampu:

a.

menghitung tendensi sentral,

b.

menghitungtendensipenyebaran.

c.

membuat tabel distribusi ftekuensi,

d.

membuat gambar histogram atau poligon frekuensi;

2.2.

^Penyaiian

?.r.r.

Uraian atau Penielasan darl

isi 2.2.1.r. Analisis

univariat

deskriptif

Dalam

analisis

univariat deskriptif, penyimpulan intormasi ringkas

meliputi pula

pengukuran;

(1)

kecenderungan

sentral, dan (2)

sebaran.

Pengukuran kec€nderungan

sentral berguna untuk memberi

gambaran tentang nilai

\ala4ala";

sedangkan pengukuran sebaran (deviation) berguna untuk menunjukkan sejauh mana individu-individu berkumpul mendekati titik

sentral (rata-rata). Misalnya, terdapat pertanyaan tentang luas

^rumah pendudukan

(dalam sampel): dapat dikatakan secara ringkas

^(set'elah dihitung dengan statistik):

Luas lantai rata-rata = 35,816 m2, dengan sebaran

(t

naik

turunl

= ^17,54 m2

Dalam satu variabel

diangkat

dari basis data (tabel induk)

dan dipresentasikan biasanya dalam bentuk tabel frekuensi (lihat contoh). Cara presentasi

yang lain,

meliputi: histogram (distribusi frekuensi)

dan

grafik

Euku Ajar 'Metoda Analisis Perencanaan

l'|

⁵

frekuensi kumulatif, keduanya dibahas dalam bab ini terutama

^pada pembahasan variabel inlernal/rasio.

A.

Analisis

univariat

deskriptif:

variabel nominal

Karena kategori-kategori

variabel nominal tidak dapat

diurutkan, maka dalam tabel frekuensi

ini

urutan kategori tidak penting (lihat diatas).

Kadang-kadang

perlu

dilakukan penggabungan beberapa kategori ^yang mempunyai

nilai terlalu kecil, karena kalau tidak tabel frekuensi

akan mempunyai daftar kategori tedalu panjang dengan kategorikategori bernilai

tedalu kecil. Contoh

penggabungan;

pada Tabel ll.1

kategori "Lain-lain' merupakan penggabungan

beberapa kategori macam

^pekerjaan selain pekerjaan pedagang, petani dan pegawai negeri.

a. Kecenderungan

sentral:

Mode. Karena tidak ada urutan kategori, kecenderungan sentral dalam analisis variabel nominal hanya nampak dalam bentuk "mode". Mode, dalam

hal ini,

berarti kategori

yang

paling _banyak frekuensinya pada Tabel ll.'1: petani merupakan mode dalam

hal

macam peke4aan. Pemakaian

mode

sebagai ukuran sentralitras mempunyai tiga kelemahan. Kelemahan pertama,

mode yaitu

kategori dengan frekuensi terbanyak mungkin bukan yang merupakan mayoritas pada Tabel ^11.1, mode yaitu kategori petani hanya merupakan 47,3% dan keseluruhan (kurang dari setengah). Kelemahan kedua: seringkali terdapat lebih dari satu mode dalam satu

tabel

frekuensi, sehingga

sulit untuk

menentukan mode mana yang

dapat menjadi gambaran nilai 'rata.rata'.

Kelemahan

ketiga

berkaitan

dengan

penggabungan

beberapa kategori yang biasa dilakukan

^pada variabel nominal.

Variasi dalam

penggabungan beberapa kategori dapat mempengaruhi penetapan mode. Sebagai contoh: ^pedagang dan pegawar

negeri digabungkan (misal menjadi 'non-petani'), maka gabungan

ini berjumlah

48,7% dan menjadi mode.

Dengan demikian, penggabungan kategori yang ceroboh dapat memanipulasikan penetapan mode.

b. Sebaran: Rasio variasi.

Rasio variasi (biasa dikenal dengan simbol

v)

merupakan pengukuran sebaran varaabel nominal

yang

paling

mudah dilakukan. Pengukuran v dilakukan dengan

menjumlahkan

6 | Euku Ajar "Metoda AnahsE Perencanaan

l'

prosentase

semua

kategori

selain

kategori

yang

menjadi

mode. Nilai

v biasanya ditunjukkan dalam format decimal. Pada contoh Tabel 11.1, nilaa

v

=

0.527.

Karena

rasio variasi

menunjukkan prosentase selain mode. maka semakin besar nilai

v,

semakin kecil pula peran mode dalam mencerminkan distribusi keseluruhan (pada contoh Tabel

ll.'t,

pemyataan bahwa pekerjaan pada umumnya petani, kurang mencerminkan keadaan nyatanya).

Tabel ll'1

Frekuensi Penghuni Rumah menurut Macam Pekerjaan

Macam Pekerjaan Frekuensi (N) Persentase (%)

Pedaqanq 21 28.4

Petani 35 47 .3

Peqawai Negeri ^'15 20.3

Lain-lain ^{3 4.O}

Total 74 100

B.

Analisis

univadat

deskriptif:

variabel ordinal

Karena

ketagori-kategori

variabel ordinal mempunyai sifat

urut bertingkat,

maka

urutan penulisan kategori dalam

tabel

ftekuensi sangat berpengaruhnya. Kesalahan pengurutan

akan

mempengaruhi penetapan 'rata-rata'. Selaan itu, pada tabel frekuensi perlu ditambahkan satu kolom lagi

untuk frekuensi kumulatif (lihat contoh Tabel ll.2).

^Frekuensi kumulatif terutama berguna untuk menetapkan kecenderungan sentral.

a. Kecenderungan sentral: Median (dan Mode). Mode

dapat dipakai

juga

untuk mengukur kecenderungan sentral variabel ordinal, tetapi ada teknik yang lebih tepat yaitu pengukuran median. Pengukuran median mengandung unsur urutan (yang membedakan ordinal darivariabel nominal).

Median dari variabel ordinal adalah

kategori

tempat

frekuensi kumulatif

Buku Aiar'Metclda Analisis Perencanaan l- I ⁷

sebesar

50%

berada. Disamping presentasi

data

berujud tabel frekuensi,

data

ordinal

dapal

dipresentasikan

pula

dalam bentuk

grafik

batang (Dar chart

lihat

Gambar

3.'l). Dari

grafik batang tersebut terlihat: mode ^(yaitu kondisi sedang terlihat sebagai batang terpanjang dalam grafik) dan distribusi frekuensi (dalam bentuk grafik batang).

b. Sebaran: Kurun desil.

Bila terdapat frekuensi yang besar ^di ujung urutan (atas

atau

bawah), tempat median akan tertarik mendekati

uiung tersebut. Untuk mengatasi hal ini, seringkali dicoba

dilakukan pemotongan ujung-ujung

sebesar 10% di kedua sisi,

sehingga sisanya tinggal 80% dari jumlah sampel. Sisa yang tertinggal ini biasa disebut kurun desil (deci range).

C.

Analisis

univariat

deskriptif:

variabel interyaurasio

Variabel

interval/rasio mempunyai

kategori*ategori yang

dapat diurutkan dan mempunyai ke.ielasan jarak antar kategori secara kuantitatil Pada tabel frekuensi, kategori dituliskan berdasar urutan. Bila kategori tedalu

banyak macamnya, seringkali dilakukan

penggabungan

dalam

bentuk interval. Pada

ujung

bawah

dan atas

urutan, sering ditulis kategori ^yang

"terbuka', seperti misal

: "< 35 m2',

^">

99 m2',

untuk mengurangi jumlah kategori yang berkepanjangan dengan ftekuensi yang semakin mengecil tak berarti.

a. Kecenderungan

sentral: llean

(dan Median). Mean merupakan pengukuran yang umum bagi kec€nderungan sentral variabel inteNaurasio.

Pada dasarnya, mean dihitung dari jumlah nilai semua individu dibagi jumlah individu.

Teknik

perhitungan

mean, secara lebih rinci,

tergantung ^pada macam tabel data:individual dan berfrekuensi (befkelompok).

1)

Data lndividual dipreseniasikan dalam bentuk tabel dengan tiap barisnya merupakan

data nilai individu (lihat Tabel ll.2), dipakai

rumus perhitungan mean sebagai berikut:

E I Buku Ajar'Metoda Analisis Perencanaan l"

X

dengan

X

=

Xr=

mean

nilai tiap individu

jumlah individu dalam sampel

2) Data berfrekuensi

(berkelompok).

Seperti telah

dijelaskan dimuka,

data yang

mempunyai

jumlah

_individu

terlalu

banyak seringkali disederhanakan dengan mengelompokkan individuindividu dengan kategori yang sama dan mempresentasikan dalam bentuk tabel frekuensi. Pada tabel presentasi data.ienis ini, tiap baris menunjukkan ftekuensi tiap kategori (lihat Tabel

ll.2).

Bila dalam tabel frekuensi terdapat jumlah kategori yang terlalu

tanyak

(sehingga daftar kategori panjang), kategori-kategori tersebut dapat dikelompokkan menurut interval tertentu, membentuk tabel frekuensi kategori berkelompok.

Rumus

perhitungan

mean yang dipakai untuk data

berfrekuensi (berkelompok) sebagai berikut:

x

dengan

X

= mean

kategori

(nilai) pada tabel

frekuensi tanpa kelompok, atau

nilai tengah

kelompok kategori pada tabel trekuensi kategori berkelompok

frekuensi (tiap kelompok)

Buku AJar "Metoda Analisis Pereflcanaan

!" I

=xX' N

_ r (k.0

:f

t

Luas lantai (m2) Nilai Tengah (m2) (k)

Frekuensi

(0 (k.0

36-44

40 24 960

45-53

49 16

7U

54-62

^{58 11 638}

63-71

67 ¹⁰

72-80

^{76 228}

81

-89

^{85 4 340}

90-98

94 1 94

Jumlah 69 3714

Dalam

hal

kelompok kategori merupakan kelompok yang terbuka, misal "> 99 m2', nilai tengah perlu ditetapkan secara khusus dengan melihat data aslinya (dalam tiap kategori aslinya). Dalam hal ini, nilai tengah dapat dihitung dalam suatu

tabel

frekuensi terpisah dengan rumus perhitungan mean cara ke (2) di atas dengan kategori awal 99 m2, dan seterusnya.

Disamping presentasi dalam bentuk tabel frekuensi,

data interval/rasio dapat pula dipresentasikan dalam bentuk gambar histogram

dan grafik

frekuensi kumulatif.

Gambar

histogram (seperti halnya gralik

batang) sekaligus

memperlihatkan

mode dan distribusi frekuensi

(lihat

Gambar 2.1); sedangkan grafik frekuensi kumulatif dapat

membantu penetapan median (lihat Gambar 2.2)

Tabel ll.2

Perhitungan Mean Cara 2

670

'=ryP=31ia *"u

10 | Buku 4ar ^'l/eloda Analisis Perencanaafl l"

Gambar 2.1.

Gratik Luas Lantai

'6

c

B

tt

E 30 25 20 tc 10

0

36-44 4155 y$2 63-71 7250

8149 Nilai Tongah

Sumbe(Achmad. D, 1989.

80.00 60.00 40.00 20.00 0.00

Gambat

2.2.

Grafik Frekuensi

Kumulatif

36-44 45-53 5462 83-71 72$0 81-89 9G98 Luas Lantai (m2)

120.00

v

100.00

Sumber: Achnad D, 1989.

Eulu A,aa'Meioda AnalisE Perencanaan

l'I

^1''

Pemakaian mean

untuk mengandung tiga kelemahan;

mengukur kecenderungan

sentral

(1)

Nilai mean

tidak

mencerminkan drstribusi

data.

Jelasnya, dua

data

dengan distribusi

yang

berbeda dapat mempunyai mean

yang (hampio sama (lihat Gambar 2.3). Oalam hal

^ini,

pengukuEn sebaran (deviasi standar) akan

^membantu

memberikan gambaran vang lebih jelas tentang distribusi data.

(21

Nilai mean dapat dipengaruhi oleh harga-harga ekstrim. Misal, bila data rumah ke 6 dengan luas lantai 1000 m2 ditambahkan pada Tabel 11.5, maka nilai mean

akan

bergeser

dan

berubah banyak (menjadi 1380/6 ₌ 230).

(3) Bila

distribusi

data tidak simetris (lihat Gambar 2.3),

mean

kurang dapat memberi gambaran tentang

kecenderungan sentral. Dalam hal ini, nilai median diperlukan untuk membantu

mean memberi gambaran yang lebih jelas

tentang kecenderungan sentral.

Gambar 2.3 Grafik Distribusi Frekuensi

Luaa Lantrl

Manfaat

pengukuran

sebaran adalah untuk memberi

gambaran distribusi

nilai tanpa

harus melihat presentasi

data (tabel

hekuensi, dan sebagainya).

Kurun

(range) menunrukkan bentang

nilai yang

merupakan

12 I Buku Aiar'Metoda Anatisis pereflcanaan _t- 10

8

Eo

-?,

2 0

hasil pengurangan harga tertinggi dengan harga terendah. Macam ukuran

sebaran lainnya adalah deviasi

standar (slandard

deviation\ dan

vatian lvariance). Varian (biasa disingkat sebagai s2) merupakan nilai kuadrat dari deviasi standar (dilambangkan dengan huruf s). Teknik perhitungan deviasr standar (atau simpangan baku), secara lebih rinci, tergantung pada macam tabel data: individual dan berfrekuensi (berkelompok).

1)

^Data individual

Tabel ll.3

diperbaiki menjadi

Tabel ll.4

untuk mewadahi perhitungan deviasi standar disamping perhitungan mean. Untuk menghitung

deviasi standar data

individual,

dipakai rumus

perhitungan sebagai berikut:

Tabel ^11.3.

Perhitungan Mean dan Deviasi Standar, Cara 2.b

; , (k.f)

tf

^S

, k':.f

-

(rk.D'?l, f

(Ef)

- I

40 24 960

7U

38416

4s'55 49 16

370t)4

58 11 636

54-62

67 10 570 44890

63-7'!

226 17324

72-60 76 3

85 4 340 8836

81.89

94 17897 4

90-98 94 1

3714

Jumlah 69

Buku Ajar'Meloda Analisis Perencanaan l" I ¹³

Luas

tsntai

(m2)

Nilai tengah (m2)

(k)

Frekwensi

(0 (kx0

^{(k2 x} t)

36-44 3600

37

t4 179974-(3714')t69

69 68

=

^{35,826 17,54}

2.2.1.2.

Analisis

univariat inferensial

Seperti telah dibahas dimuka, analisis deskriptif dipakai

unluk memberi gambaran tentang pola dala dari sampel. cambaran pola tersebut meliputi perumusan nilai ringkasan (mean, deviasi standar, dan sebagainya)

dan

presentiasi

grafigtabel (tabel frekuensi, gambar histogram,

grafik frekuensi kumulatif, dan sebagainya). Analisis inferensil. di lain hal digunakan untuk mengestimasi pola populasi berdasar pengetahuan tentang pola _dala yang dirumuskan dari sampel.

Analisis inferensial untuk satu variabel

(univariat)

yang

umum

dilakukan adalah

pengestimasian

nilai rata-rata ('mean") dari

^populasi berdasar rumusan

nilai

rata-ratia ("mean")

dari

sampel. Berkaitan dengan analisis inferensial ini, perlu dikenal dulu apa yang disebut sebagai distribusi

normal.

Oistribusi

normal adalah suatu bentuk

distribusi

yang

simetris (dengan mean

di

tengah, lihat

Gambar

2.4). Oistribusi normal merupakan

acuan yang sering dipakai

dalam

analisis

statistik.

Bila

diambil sampel berkali-kali secara

acak

dengan

jumlah

sampel

yang

berbeda-beda (dari

sedikil hingga banyak), maka mean

sampel-sampel

tersebut

akan membentuk distribusi yang mendekati distribusi normal.

Semakin besar sampel yang diambil, mean dari sampel

akan

semakin

mendekati

mean dari populasi.

penggunaan

distribusi

normal sebagai acuan ina pedu dikailkan dengan teori probabilitas. Teori probabilitias menyatakan bahwa untuk 95% dari sampel, mean populasi akan berjarak + 2 kali kesalahan standar (standard

erro4

yang terdapat pada mean sampel.

Dengan kata lain, berdasar sampel yang diamhl, terdapat kemungkinan 95o/o

bahwa mean populasi

berjarak I 2 kali

kesalahan standar mean sampel.

Dengan demikian,

analisis

inferensial univariat meliputi:

(a)

menghitung

a

11 | Buku A|ar 'Metoda Anatrsrs perencanaan t.

kesalahan standar dari mean sampel, dan (b)

mengeslimasi tempat kedudukan mean ^populasa berdasar mean sampel dan kesalahan standar.

Berkaitan dengan macam tingkat pengukuran variabel, pembahasan dibagi dua butir. Butir pertama menyangkut analisis inferensial variabel non- interval/rasio; sedangkan

butir

kedua tentang analisis inferensial variabel interval/rasio.

Mean Populasi

Jumlah sampel

Nilai Mean

Gambar 2.4.

Distribusi

Normal

A.

Analisis

univariat

inferensial:

variabel non-interval/rasio

Nilai rata-rata pengukuran kecenderungan sentral variabel nominal dan ordinal yang umum dipakai untuk analisis inferensial adalah mode. Mode menunjukkan berapa persen kategori yang paling banyak terdapat. Analisis

o) E

=

Buku Ajar "Meloda Analisis Perencanaan l' _| 15

6

E

E

inferensial variabel non-interval mempunyai

satu

persyaratan,

yaitu

hanya dibedakan antara angka persentase yang menjadi mode

dan

yang _bukan (jadi, bersifat binomiaudua.pilihan). Rumus penghitungan kesalahan standar (standard eno1 yang dipakai sebagai berikut:

s"=ff

dengan SB =

kesalahan standar binomial

P =

persentase kategoriyang menjadi mode

Q =

persentase kategoriyang lain

N =

jumtah sampel

Pada contoh data pada

pembahasan analisis deskriptif variabel ordinal (lihat Tabel lll.2) dapat ditetapkan bahwa mode adalah kondisi rumah

'sedang',

sebesar 45,9%; sedang kondisi lain-lain senilai 54,1%. Dengan rumus di atas, kesalahan standar dari sampel dapat dihitung sebagai berikut:

se = i ((P.ayN)

= { ((4s,s.54,1)r/4

=

^{5.793 0h}

Berdasar nilai kesalahan standar

di atas,

mean populasi dapat di estimasikan (dengan kemungkinan S5%) sebagai berikut:

Mean

Populasi =

^mean

sampell2.

^SB

=

^45,9Yo

!

^{2 (5,793%t}

= 45,9701

^11,586%

atau Mean Populasi diantara 34 ,31% ^dan 57 ,49o/o

'6

Bul'r Ajar'Meloda Aral,sis Perencanaa. l'

s,=

^S

{N

dengan S,

=

s=

N=

kesalahan standar mean sampel deviasi standar

jumlah sampel

Oengan menggunakan data Tabel ll..t, telah dihitung mean sampel ₌ 49,286;

s = 10,110 dan diketahui N ₌ 21, maka dapat dihitung:

s, = sl{t't

=

^{1o,11o t,121}

= 2,206%

Dengan Ungkat kemungkinan sebesar ^gE%, tempat _kedudukan nilai mean popuhsi dapat dihitung:

Mean

Populasi =

^Mean

sampeli

^{2. SB}

= 49,26 r

^{Z (2.206)}

= 49,28 r

^4,4,12%

atau Mean Populasi diantara 19,874 dan 53,696%

Buru Atar'Metoda AnarGrs perencanaan l. _| 17

B.

Analisis

univariat

inferenslal:

variabel intervaurasio

Kesalahan

slandar mean sampel variabel

interval/rasio _dihitung dengan rumus sebagai berikut:

SePerti halnya pada analisis inferensial, variabel non-interual' pada rumus

di atas terlihat

bahwa

N

(atau jumlah sampel) merupakan ^angka pembagi,

maka

semakin besar

iumlah

sampel, semakin

kecil

kesalahan standar dan semakin dekat mean sampel ke mean populasi (karena kurun atau angka

[i]

^nya kecil). Karena nilai N

di

dalam tanda akar, maka untuk memperkeciinilai kesalahan standar, misal menjadi sepertiga jumlah sampel perlu drperbesar, dalam hal lni, ³² kali.

2

1. Apa yang

dimaksud dengan analisis univariat deskriptif' ^berikan contoh

2.

^Sebutkan

3

^{ukuran pemusatan} yang paling sering digunakan dan bagaimana hubungan ketiga ukuran tersebut?

Jawaban

Yang

dimaksud dengan analisis univariat deskriptil

ialah

penyimpulan informasi ringkas yang meliputi pengukuran (1) kecenderungan sentral' dan (2) sebaran.

Tiga

ukuran pemusatan adalah mean, median dan modus' ^hubungan antara ketiganya adalah hubungan simetris dan hubungan non-simetris atau asimetris. Hubungan simetris terjadi apabila mean=median=modus' apabila digambarkan maka hubungan tersebut sebagai berikut:

2.2.2. Lalihan

Pertanyaan:

18 | Euku Aiar 'Meloda Analisb Perencanaan

l'

Med=Mean=Mod

Gambar 2.5.

Hubungan Slme(,is antara llean, lledia dan Lodus

Sedangkan hubungan asimetris lerjadi apabila Mean

*

Med

,

Modus

2.3.

^Penutup

2.3.1.

Tes Formatff

1. Terdapat 40 data hasil penilaian ujian akhir statistika

mahasiswa planologi Unissula sebagai berikut

100 60 83 77 61 ^'100

50 34 74 65 87 58 83 87

76 65 69 87 98 14 80 70

89 60 100 76 67 68 91 88

57 54 90 64 75 98 78

a.

Pilihlah 10 buah data secara acak, kemudian hitung mean-nya

b.

Pilihlah 30 buah dala secara acak kemudian hitung mean-nya

c.

Hitunglah mean dari seluruh data di atas

Buku Aiar 'Metoda Analiss P€rencanaan l' _| ¹

I

2.

Sebuah Perusahaan Marketing Manager Mount Tour ingin mengetahui berapa rata-rata lamanya wisatiawan

yang

berasal

dari

Eropa Barat berkunjung

ke

lndonesia.

Oata

dikumpulkan beberapa

waktu

dan hasilnya seperti yang terdapat pada Tabel 11.4.

Maka Hitunglah

a.

Berapa rata-rala lama tinggalwisman di lndonesia

b.

Hitung median daridata tersebut Tabel

ll.4

Lrma

Berkunjung dan Banyaknya

Wsatawan

asal Eropa Barat (dalam ribuan)

2.3.2.

Umpan

Balik

Cocokkan jawaban anda dengan kund iawaban pada test lormatif yang ada

pada bahasan berikut ini,

hitung

jawaban anda yang benar,

kemudia

1 4

2 12

3 17

4 1'

14

6 16

7

8 11

I

10

10 9

20 I Buku Atar 'Metoda Analisis Perencanaan

l'

Lama Berkunluno Banvaknva Wisman

hari (ribuan orano)

(xi) fi

gunakan

rumus ini untuk

mengetahui

tingkat

^pengusaan

anda

telhadap materi dalam bab ini

Rumus

Tingkat penguasaan =

I

jawaban yang

benar

x 10o %

Jika anda mencapai tingkat penguasaan 8070

ke

atas maka anda dapat meneruskan dengan kegiatan belaiar

bab

selanjutnya, tetapi

lika

^tingkat penguasaan

anda

belum mencapai

80% maka anda harus

mengulangi kegiatan belajar

bab

tersebut terutama

pada

bagaan

yang

anda belum kuasai. Untuk mencapai pemahaman tersebut anda dapat menghubungi dosen pengampu di luar waktu kuliah.

2.3.4.

Rangkuman

Analisis deskriptil dipakai

untuk

memberi gambaran tentang pola data dari sampel, meliputi perumusan nilai ringkasan (mean, deviasi standar,

dan

sebagainya)

dan presentasi grafis/tabel (tabel frekuensi,

gambar histogram, grafik ftekuensi kumulatif, dan sebagainya). Analisis inferensial, ^di lain hal, digunakan untuk mengestimasi pola populasi berdasar pengetahuan tentang pola data yang dirumuskan

dari

sampel. Teknik analisis deskriptif

Buku Ajar'Meloda Analisis Perencaoaan l" | 21

4

Arti tingkat pengusaan yang anda capai adalah:

90%

- 100%

^: baik sekali

@%

-89% :baik

70%-79%

^:cukup

@7o -

69%

^:kurang

e/o-sff%

^:gagEl

2.3.3.

Tlndak

!:nlut

dan

inferensial univariat,

yang

umum dipakai, dapat dirumuskan seperti terlihat pada Tabel ll.5 dan alur pemilihannya terlihat pada Gambar 2.6.

Tabel 11.5.

Teknik

Analisis

Uniyariat

Sumber Adtmad. D, 1989

22 | aulu Aar ^'Metoda Anatrsrs perencanaa,1 I

Kecenderungan Sentral Deskripti,

Mode Median Mean (dan

Mode Median)

Sebaran

Rasio

variasi Kurun Desil

Deviasi Standar

lnferensial Estimasi Mean Populasi berdasar

Kesalahan standar binomial

Kesalahan standar binomial

Kesalahan standar mean sampel

Gambar 2.6 SKEMA PEMILIHAN TEKNIK ANALISIS UNIVARIAT Analisis satu variabel dengan

I I

2.3.5.

1.

77 93 100 34 69 98 75 88 90

⁵⁴

Maka mean-nya adalah:

77+93+100+34+69+75+88+90+54 778

l0 t0

77.8

c.

30 data yang diambil secara ac€k adalah sebagai berikut:

Buku Ajar'Meloda Anahsis Perencanaan l" | 23

Kunci iawaban tes

Formatif

a. 10 data yang diambil secara acak adalah:

100

89

78

50

78

93

91 88

65

83 87

75

100 50

60

60 100 76

67

u 74 65

87

57 54 77

61 68 58 59 Maka mean-nya adalah

Xl+ X2+ X3

+

...X30 2184

= _ =72.8

30 30

d.

Median daridata di atas adalah

2.

^{a. Rata{ata lama} wisman di lndonesia adalah

Jadi X= Z!4= 816= s.aan"n

Lli lso

(xD 6 7 B o 10

Fi 14 16 25 11 '10

I

70 96 175

88 90 90

t,t

^1s0

,fixi

⁸¹⁶

24 | Buku Ajar'Metoda Analts|s pere...rlaa1t.

Lama

Banyaknya

Berkunjung

Wisman

hari

(ribuan oranq)

fixi

(xi) Fi

4 12 17

14 lo 25

4 16 33 65 79 95 120

1'1

10 9

131 141 150 8

I

10

150 I

l2n-

fcs Rumusnya Med = Bb

, i --;-

=45

⁺

9. ll2(l5o)-79

-

^{a.s a g 75}

-79

l4 l4

= 4.5*s.!=

^7.s7

l4

Buku Arar'Meloda Analisis Perencanaan l" _{| 25} Lama

Berkunjung

^Banyaknya

Wisman

^Frekwensi

hari

^(ribuan

orang) Kumulatif

1

2 J 4 5 6 7

DAFTAR PUSTAKA

1.

Kusmayadi,

2004. "Statistika Pariwisata Deskri if Jakarta

^PT

Gramedia Pustaka Utama

2. Ahmad Djuanedi, 1989. 'Pengantar Statistik untuk

Arsitektud Yogyakarta Fakultas Teknik UGM

3.

Mudrajad Kuncoro, 1987. "Metode Kuantitatif:

Teori

dan Aplikasi untuk Bisnis Ekonomi' Yogyakarta: UPP AMP YKPN Yog,yakarta

26 | Bu, , Alar'Metoda Analsrs perencanaan l.

Deskripsi Singkat

Mata kuliah

ini

mencakup[ penjelasan tentang pengertian korelasi,

( koefisien korelasi, regresi sederhana dan koefisien determinasi Setiap pokok

bahasan memiliki keterhubungan dan merupakan kesatuan

^dalam

memahama dan menerapkan analisis statistik inlerensi sederhana ini dalam perencanaan pembangunan.

BAB

III

REGRESI DAN KORELASI

SUB POKOK BAHASAN

1. Pengertian

Regresi, 2.

BentuuModel

Regresi, 3.

^Fungsi

Regresi,

⁴

Pengertian Korelasi.,

5.

Koefisien Korelasi,

6.

Koefisien Determinasi Pendahuluan

3.1.

3.1.1.

3.1.2.

^Relevansi

Mata

kuliah Korelasi

dan

Regresi memberikan penielasan tentang adanya hubungan, seberapa

kuat

hubungan

dan

bagaiman hubungan itu' seiajar

atau

berlawanan. Dengan memahami keterhubungan dari ^masing-

mislng

analisis inlerensi ini maka mahasiswa dapat memberikan solusi dan pemecahan masalah terkait dengan perencanaan yang menggunakan data statistik.

3.1.3. StandarKomPetensi

Mata kuliah ini akan

mendukunh pencaPaian komPetensi dalam sikap

dan

^perilaku berkarya dalam struktur kurikulum Teknik Perencanaan Wilayah dan Kota FT Unissula Semarang. Diharapkan mahasiswa yang telah

Buku Ajar'Metoda Analisis Perencanaan l" I 27

menempuh kuliah

ini

akan mampu melakukan analisis perencanaan yang kuantitatif khususnya pada analisis korelasi sederhana dan analisis regresi sehingga dapat melihat hubungan (asosasi) antar

variabel

melalui model matematik yang dapat digunakan untuk menaksir variabel yang satu atas yang lainnya, sehingga analisis ini dapat dipergunakan dengan baik sebagar informasi untuk mengambil keputusan di dalam perencanaan.

3.1.4. KompetensiDasar

Setelah mengikut p€rkuliahan mahasiswa mampu.

a)

menjelaskan maksud koefisien korelasi:

b)

menjelaskan maksud koefisien determinasi

c)

menghitung koefisien korelasi sederhana dan jamak

d)

menielaskan pengertian regresi,

e)

menuliskan bentuumodel regresi sederhana

0

menghitung bentuumodel persamaan regresi linear sederhana.

3.2.

3.2.1.

Penyajian Konsep Korelasi

Secara kuantitatif korelasi dapat menjelaskan seberapa

kuat hubungan

satu

variabel

akan

mempengaruhi variabel lainnya. Kekuatan hubungannya itu danyatakan dengan besaran koefisien korelasi.

Berdasarkan

data yang

dikumpulkan

simbol koefisien

korelasi dibedakan antara simbol populasi dan simbol untuk sampel.

28 | SulL Atar'Metoda Analisrs perenca^aan t.

Kodisien Koretasi adalah nilai antan

-l

dao +1 yang menuojukkan l\ekuatan hubwgan antaaa dua vatiabel kuantilail

Tabel

lll.1.

Simbol

Populasi dan sampel Pengumpulan

Data

Koetisien Korelasi

Rentang Nilai

lnterpretasi

Polulasi p

lSp(*1

^-1 = korelasi negatif

sempurna

Sampel I -1

<.<+1

⁺¹ = korelasi ^posatif sempurna

0 tidak

berkorelasi Sumber Kusmayadi,

2N4

Ada beberapa pendapat yang menetapkan kriteria

kekuatan hubungan itu, salah satunya adalah:

Tabel

lll.2.

Kriteria

Kekuatan Hubungan

Sumber Kusfiayadi, zOU

t1

Sempurna

0 85-O 99 Sangat kual

0.70-0.84

0.50-0.69 Sedang

0.30-0.49 Lemah

0.10-0.29 Sangat lemah

0.00 Tidak ada hubungan

Buku Aiar'Meloda Analisis Perencanaa|

I

I 29

Koef Korelasi Kekuatan Hubunqan

Kuat

Dalam

menggunakan

analisis

korelasi

harus

mempertimbangkan jenis data berdasar skala pengukuiannya yaitu: nominal, ordinal, interval atau rasio, karakteristik variabel dan karakteristik nilai pengamatan linier dan non lanier. Secara ringkas penggunaan korelasi yang tepat seperti pada tabel lll.3

Tabet lll.3.

Jenis Korelasi Berdasarkan skala Pengukuran Data

dua variabel nominal (lambda)

A ^(PhD dua variabel nominal C (Kontingensi) variabel nominal dengan

jumlah baris dan kolom sama

dua variabel nominal Nominal

V (Crame/s V) G (Goodman and Kruskal's Gamma

dua variabel ordinal

dua variabelordinal Ordinal

o

Oau-b (Kendall'

tau+)

p (Rho-korelasi) Spearman

d)

dua variabel ordinal dua variabel ordinal. Jika satu variabel ordinal dan satu variabel interval keduanya harus diranking untuk menghitung p's

30 | Euku A,ar'Metoda Anal6is Perencanaan I' Skala

Penqukuran Korelasi

Jenis

Digunakan

dengan

lnterval/Rasio r (Koefisien Korelasi Dua variabel interval/rasio Pearson's

Sumbet: Kusmayadi,

20u 3.2.2.

Oiagram Pencar

Eentuk hubungan dua variabel interval atau rasio

dapat divisualisasikan menggunakan diagram pencar (scatter diagram), yaitu suatu diagram yang menggambarkan hubungan antara variabel bebas dan varaibel

tak bebas dari

variabel-variabel

yang diamati dalam bentuk gratik

dua dimensi.

Pola

penyebaran

dalam diagram pencar

menunjukkan kekuatan hubungan antar variabel. Semakin kuat hubungan variabel pola penyebaran akan memndekati hubungan liniear seperti pada gambar 3.1.(a) dan ^(b)

Tiga atau lebih variabel intervaYrasio

R (Koefisien Ganda)

8ukL, Ajar "Meloda An3lisis Perencanaan l" | 31

Diargam Pencar (Scattet diagram) adalah suatu diagram yang fienggamba*an hubungan antara dua vaiabel dalam gralik dua dimensi

(a) v

r-

^{+ 1.00} X

t

(b)

r:

^-1.00 X

Y

r=+0,98 x

(d)

Y

r=+

0,96

x

(e) v

X

r=+0,38

(f)

Y

: . .'';

x

r = 0,00

Gambar 3.1

Oiagram Pencar Beberapa Koerisien Korelasi Sumber:Kusmayadi, 200/1.

Dari gambar di atas dapat dilihat diagram yang memiliki perbedaan koefisien. Koefisien korelasi

r =

^+1.00 alau -1.00. titik-titiknya berada pada

satu garis lurus dengan arah

berlawanan,

sedangkan

hubungan yang memiliki koefisien korelasi kecil

r = 0.38

trtik

satu

dengan

titik yang

lain

32 | Euku Alar'Meloda Anahsrs Perencanaan I

(c)

.:..:.'

berpencar cukup renggang. Demikian pula daagram yang memiliki

r =

0 oo

titik-titik itu

^berpencar

lauh tidak berada pada satu garis yang

mewakili (gambar 3.1. (e) dan (f)).

3.2.3. KorelasiPearson

Korelasi Pearson atau koefisien (r) sering disebut Pearson's, product moment cofielatin coelts,?nt adalah untuk mer€ukur hubungan liniear antara dua variabel yang memiliki data pada skala inlervaurasio'

Nilai

koefisien korelasi

r

berkisar antara

-1 dan +1.

Kedua nilai ekstrem

!

1 menuniukkan hubungan linier sempurna antara kedua variabel' Sedangkan nilai koefisien korelasi sama ^{dengan O} O0 menuniukkan kedua variabel itu tidak memilaki hubungan. Besar kecilnya nilai koefisien korelasi menuniukkan kekuatan hubungan.

Arah

hubungan dituniukkan tanda

t

dari koefisien

itu

^{Korelasi positif} Sering

juga

disebut direcl relationship menunjukkan skor yang tinggi untuk satu uariaUet cenderung berasosiasi dengan skor yang tinggi pada variabel

kedua. Dan sebaliknya skor kecil pada variabel pertama

^cenderung

berasosiasi dengan skor kecil pada Yariabel kedua'

Korelasi negatif disebul _iuga

indtect

relationsh';D, menunjukkan skor

kecil pada satu

variabel cenderung berasosiasi dengan

skor tinggi

^pada

variabel kedua. Sebaliknya skor tinggi pada satu variabel

^cenderung

berasosiasi dengan skor kecil pada variabel kedua'

Dua cara untuk

menghitung

koefisien korelasi Pearson r

^yaitu

dengan metode rata-rata simpangan dan melode angka kasar' 3.2.3,1. Metode Rata-rata Simpangan

Metode ini jarang digunakan para peneliti karena memedukan waktu

lebih banyak dalam perhitungan Namun metode ini penting

^untuk

...ahami

karakteristik korelasi Pearson' Rumus

yang

digunakan dalam metode ini adalah:

Buku Ajar'Metoda Analisis Perencanaan l" I 33

(3.1)

Dimana:

r

= koefisien korelasi

X

= vadabelbebas

X

= Rata-rata X

Y

=

variabeldk

bebas

7

= Rata+ata

y

f,fX -D

^{= Jumhh} Kuadrat Simpangan X

I(Y-Vl

⁼ Jumlah Kuadrat simpangan

y

f tX - fO tr-D

^{= coyaran}

x

^dan

y

Dari persamaan itu dapat dipahami secara konseptual karakteristik koefisien korelasi Pearson melalui uraian berikut ini:

Pembilang (numerator) dari persamaan

itu

adalah covarian dan X dan

Y

atau tingkat variansi

X dan y

secara befsamaan. Nilai ^pembilang menentukan

tarda bagi koefisien

korelasi.

Korelasi (+) dihasilkan

dari kecenderungan pasangan

X

dan

y

_{yang tinggi, dan} sebaliknya nilai

X

kecil cenderung berpasanngan dengan nilai

y

yang kecil pula.

Penyebut (deniminator) adalah nilai yang selalu positif karena telah dikuadratkan. Apabila diperhatikan penyebut persamaan itu merupakan akar kuadrat dafi perkalian antara simpangan baku X dan

y.

3.2.3.2. Metode Angka Kasar

Metode ini sering juga disebut metode /easf sguare dengan rumus

3

| Buku Aar 'Metoda Analisis perencanaen t,

I tx - x)Cy-y)

Jtrrx:E{tl-y)i

,ZXY_Z X t'

nlx'-1lx1' Lr'-(ZD'

(3.2)

t1

Dimana:

N

= banyaknya Pasangan data

x

= Variabel bebas

, X'?

⁼ jumlah kuadrat X

Y

⁼ variabeltak bebas

tf2

=iumlah kuadratY

I Xf

⁼ jumtah hasil kali

x

dan Y

4.2.4.

Koefisien Oeterminasi

Apabila koefisien korelasi ^ingin melihat seberapa

kuat

hubungan antara

dua

varioabel maka koefisien determinasi

atau

koefisien Penentu digunakan untuk melihat seberapa besar kontribusi variabel bebas (X) dalam menentukan Perubahan variabel tak bebas (Y)

Koefisien determinasi ditunjukkan dengan rumus ^: Kp ₌

lx 100y... .."" "

^{(3 3)}

Dimana:

KP

= Koefisien Penentu (Koefisien d€terminasi)

R

= koefisien korelasi

Buku Ajar "Metoda Analisis Perencanaan l" _I 35

Koefisien Deteminasi

t)

bagian dan keragamantotal vaiabel tak bebas Y yang dapalditerangkan atau dipethitungkan keqgaman vatiabel bebas

X

Koefisien penentu dinyatakan dalam persentase yang menunjukkan besaranya

p€ngaruh

perubahan

variabel bebas X terhadap

perubahan variabel tak bebas Y

3.2.5.

Konsep regresi A. Pengertian

Analisis Regr6i

lstilah regresi digunakan oleh para ahli statistik sebagai alat analisis yang digunakan dalam berbagai distplin ilmu

Tujuan analisis regresi antara

lain;

menentukan p€rsamaan garis yang menunjukkan hubungan antara variabel

X

dan variabel

y,

_mengetahui

.

besarnya pengaruh perubahan

nilai

variabel

X

terhadap nilai

vari;bel y

memprediksikan

nilai

suatu variabel

dari

nilai variabel yang diketahui dan menentukan proporsi pengaruh variabel bebas X terhadap vaiabel _{tak bebas} Y atau koefisien determinasi.

B.

Jenis.ienB

_Regresl

Terdapat 2 (dua) ienis regresi yang sedng digunakan dalarh statstjk yaitu regresi linier dan regresi non rinier. Regresi rinier terdiri dari regresi rinier

sederhana lsimple linier

regtressron)

dan regresi btgaada

(multipte regress,ba). Sedangkan regresi non linier terdiri atas regresi kuadratik dan regresi logaritmik

a.

Regresi Linier

Regresi linier _adalah analisis _hubungan antara variabel bebas

(X)

dan variabel tak bebas (y) _; variabel bebas pating tinggi berpangkat satu.

regresi linier yang

menganalisis

bebas dan satu variabel

terikat.

Rregresi linier sederhana

_adalah

hubungan antara satu

variable

36 | Buku Alar'Metooa 4natrsis perencanaan t.

Analisis Regresi adatah alat stafstik untuk mengetahui hubungan antarc dua alau lebih variabel metataui suatu model matenatik-yang dapat digunakan untuk menaksit vaiabet yaog satu alas vanabel

-

lainnya

b

Sedangkan regresi berganda adalah regrtesi yang

menganalisis

nrOrnlan

antrr-, t"uih dari satu variabel bebas dan satu variabel terikat' Regresi Non Linier

Regresi non linier merupakan analisis benluk hubungan yang variabel-

,"riuU"fny, ada yang

berpangkat

lebih dar' satu'

Bentuk grafls ^yang menggEmOarXan t

rUrngun

itu adalah kurva' Hubungan non linier terdiri

iari"iegresi kuadratik atau parabolik dan regeresi logaritmik

^atau eksponensial.

Regresi

^kuadratik

dapat diketahui dengan adanya variabel X

^yang

oer"pangfat ^Oua. Bentuk regresi kuadratik diformulasikan sebag