ANALISIS REGRESI

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain.
Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang
dipengaruhi harus selalu variabel acak.
Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan
ramalan. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang
berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan
tersebut.
Jenis analisis regresi cukup banyak, secara umum terbagi 2 yaitu :
1. Regresi sederhana adalah hubungan secara linear antara satu variabel independen
(X) dengan variabel dependen (Y).
2. Regresi berganda adalah hubungan secara linear antara dua atau lebih variabel
independen (X1, X2,.Xn) dengan variabel dependen (Y).
Uji regresi, meliputi:
1. Penafsiran angka korelasi pearson (R)
2. Penafsiran nilai auto korelasi/ Durbin-Watson (DW)
1,65<DW<2,35 tidak terjadi autokorelasi
1,21<DW<1,65 atau 2,35<DW<2,79 tidak dapat disimpulkan
DW<1,21 atau DW> 2,79 terjadi autokorelasi
3. Uji kelinearan yaitu uji F (pokok) :
H0 : tidak terjadi hubungan linear antara variabel independen dengan variabel

dependen.
H1 : terjadi hubungan linear antara variabel independen dengan variabel

dependen.
Apabila F hitung > F tabel artinya H0 ditolak atau nilai signifikasi <

(0,05), maka H0 ditolak.

4. Uji kolinearitas untuk menguji apakah terjadi korelasi yang kuat atau tidak antar
variabel independent. Dapat dilihat dengan nilai VIF, apabila VIF > 2 berarti
terjadi korelasi antara variabel independent.

Contoh Soal
Kepadatan bangunan merupakan salah satu aspek dalam upaya pengendalian
perkembangan tata ruang dan tata bangunan serta tata lingkungan yang
memperhatikan keserasian, fungsional, estetis serta ekologis dalam pemanfaatan
ruang lahan. Kepadatan bangunan berpengaruh terhadap intensitas daerah terbangun
yang merupakan optimaslisasi kemampuan lahan berbanding luas lahan. Disebuah
kota akan menguji bagaimana pengaruh jarak suatu daerah ke pusat dan jumlah
penduduk terhadap kepadatan bangunan. Didapatkan data sebagai berikut :
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

Jarak ke Pusat Kota

0,80
2,20
5,00
2,60
0,45
0,80
1,40
4,20
3,10
3,00
3,00
0,30
1,60
2,70
1,60
5,20
1,80
0,90
1,40
0,80
3,90
3,40
6,40

Jumlah Penduduk
3609,00
7218,00
5013,00
1251,00
3638,00
5695,00
11813,00
9461,00
9689,00
9276,00
14744,00
31637,00
7554,00
11841,00
2086,00
3790,00
7561,00
9689,00
3875,00
5245,00
3016,00
3047,00
2668,00

Kepadatan Bangunan
22,14
39,83
23,06
46,89
26,41
32,70
51,48
31,69
30,56
30,08
41,60
74,20
37,03
52,30
14,14
17,24
53,86
59,14
42,73
50,77
31,09
30,93
27,99

24
25
26
27
28
29
30

6,50
7,80
0,60
3,80
2,60
3,50
2,90

25356,00
2490,00
9839,00
8977,00
5776,00
4933,00
5593,00

Langkah-langkah :
1. Mengiput data ke SPSS

2. Lakukan pengolahan dengan cara :

Klik analyze, regression, linear

38,87
15,60
63,22
35,51
40,31
38,21
38,83

Masukan variabel-variabel independent : Kepadatan Bangunan dan

variabel dependent : Jarak ke Pusat Kota dan Jumlah Penduduk.

Statistics, estimates, model fit, colinearity diasnostics, durbin-watson

Klik OK
3. Akan didapat hasil sebagain berikut.
Variables Entered/Removeda

Variables

Variables

Model Entered
Removed
1
JumlahPendudu
k,
JarakKePusatKo

Method

Enter

tab
a. Dependent Variable: KepadatanBangunan
b. All requested variables entered.

Model Summaryb
Adjusted R Std. Error of DurbinModel R
R Square Square
the Estimate Watson
a
1
,749
,560
,528
9,73502
1,852
a. Predictors: (Constant), JumlahPenduduk, JarakKePusatKota
b. Dependent Variable: KepadatanBangunan

R: 0,749 : hubungan cukup kuat antara var. independen dan var. dependent
DW :1,852, artinya tidak terjadi autokorelasi
ANOVAa
Sum

of

Model
Squares
df
Mean Square F
1
Regression 3262,020
2
1631,010
17,210
Residual
2558,805
27
94,771
Total
5820,825
29
a. Dependent Variable: KepadatanBangunan
b. Predictors: (Constant), JumlahPenduduk, JarakKePusatKota
Uji kelinearan :

Sig.
,000b

F Hitung (17,210) > F tabel (0,95; 2; 27) (3.35), sehingga H0 ditolak, jadi ada
hubungan linear antara variabel variabel independent (Jarak ke pusat kota dan

jumlah penduduk) dengan variabel dependen (kepadatan bangunan)

Atau sig (0,000) < (0,05), maka H0 ditolak

Coefficientsa
Standardize
d
Unstandardized

Coefficient

Collinearity

Coefficients

Statistics
Toleranc

Model
B
Std. Error
1
(Constant)
38,523 3,982
JarakKePusatK
-3,475
,941
ota
JumlahPendud
,001
,000
uk
a. Dependent Variable: KepadatanBangunan

Beta

t
9,674

Sig. e
,000

-,473

-3,695 ,001 ,993

1,007

,541

4,222

1,007

,000 ,993

Uji kolineritas :

Antara jarak ke pusat kota dan jumlah penduduk, VIF < 2, yaitu (1,007), jadi

tidak terjadi korelasi antara kedua variabel independent tersebut

Penafsiran tiap variabel independent
- Koefisien jarak ke pusat kota : sig (0,001) < (0,05), maka H 0 ditolak, jadi
-

koefisien jarak ke pusat kota signifikan

Koefisien jumlah penduduk : sig (0,000) < (0,05), maka H 0 ditolak, jadi
jumlah penduduk signifikan.

4. Maka didapatkan persamaan

VIF

Y : -0,3475X + 0,001

ANALYTICAL HIERARCHY PROCESS

Analytic Hierarchy Process (AHP) adalah teknik untuk mendukung proses
pengambilan keputusan menggunakan hierarki yang bertujuan untuk menentukan
pilihan terbaik dari beberapa alternatif yang dapat diambil. AHP dikembangkan oleh
Thomas L.Saaty pada tahun 1970-an, dan telah mengalami banyak perbaikan dan
pengembangan hingga saat ini. Tujuan dari analisis AHP ini adalah untuk mendukung
pengambilan keputusan dari beberapa alternatif yang ada dengan kriteria-kriteria
tertentu (PWK Tech, 2016). Fungsi analisis AHP bisa bermacam-macam antara lain :
1. Menentukan mahasiswa penerima beasiswa
2. Penetuan lokasi
3. Pemilihan calon kepala desa, dsb.
Adapun langkah-langkah dalam analisis AHP adalah sebagai berikut :
1. Menyusun hirarki
2. Membuat matriks perbandingan dengan menentukan penilaian yang didasarkan
3.
4.
5.
6.
7.
8.

pada Tabel Standar Preferensi

Menjumlahkan angka setiap kolom
Membagi nilai tiap kolom dengan jumlah masing-masing kolom
Hasil penjumlahan dirubah menjadi angka desimal
Menjumlahkan tiap baris lalu membagi dengan jumlah kriteria
Akan didapat rata-rata baris yang apabila dijumlahkan jumlahnya adalah 1.
Mengecek konsistensi dari penilaian, apabila hasil data pengecekan lebih besar

daripada 0,1 maka harus dilakukan pengulangan.

9. Menilai peringkat alternatif dengan cara yang sama dengan penilaian kriteria.

Contoh soal

Disebuah permukiman X akan dilakukan perbaikan lingkungan, hal yang

diperhatikan ada 3 yaitu jumlah masyarakat yang terkena dampak perbaikan, biaya
perbaikan dan manfaat perbaikkan untuk sektor lain. Akan dilakukan alternatif 3
perbaikan yaitu perbaikan drainase, pelatihan warga, dan perbaikkan jalan.
Jawab :
Hal yang ingin dicapai (goal) : Pemilihan alternatif terkait perbaikan

permukiman
Kriteria : jumlah masyarakat terkena dampak, biaya, dan manfaat sektor lain.
Alternatif : Perbaikan drainase, pelatihan warga, dan perbaikkan jalan.

Penyelesaian :
1. Membuat hierarki

2. Membuat matriks perbandingan dengan menentukan penilaian yang didasarkan

pada Tabel Standar Preferensi

Kriteria

Jumlah masyarakat
terdampak

Biaya perbaikkan

Manfaat untuk
sektor lain

Jumlah
masyarakat
terdampak
Biaya
perbaikkan
Manfaat untuk
sektor lain
Jumlah

1
5

1
7

1
3

47
35

19
3

11

3. Membagi nilai tiap kolom dengan jumlah masing-masing kolom

Kriteria

Jumlah masyarakat
terdampak

Jumlah
masyarakat
terdampak
Biaya
perbaikkan
Manfaat untuk
sektor lain

Biaya perbaikkan

47
35

1:

sektor lain

5:

19
3

7 : 11

19
3

3 : 11

1
5

47
35

1:

1
7

47
35

1
3

47
35

Jumlah

Manfaat untuk

19
3

19
3

1 : 11
11

4. Merubah hasil pembagian menjadi desimal dan menjumlahkan tiap baris lalu
membagi dengan jumlah kriteria.
Jumlah
Kriteria

masyarakat

Jumlah

terdampak
0,744680851

masyarakat

Biaya

Manfaat untuk

perbaikkan

sektor lain

0,789473684

0,636363636

Rata-rata row
0,723506057

terdampak
Biaya

0,14893617

perbaikkan
Manfaat

0,106382979

untuk sektor
lain
Jumlah

0,157894737

0,272727273

0,052631579

0,090909091

0,7235

0,1931

0,19318606
0,083307883

0,0833

5. Mengecek konsistensi dari penilaian, dengan menggunakan Consistency Ratio

(CR).
Menghitung max untuk menentukan Indeks konsistensi (CI) dan CR
Menganggap bahwa [Ax = max x] dimana x adalah Eigenvector.

[ ][
1
1
5
1
7

1
3

0,7235
0,1931
0,0833

] [ ]
=

2,2721
0,5877
0,2510

= max

[ ]
0,7235
0,1931
0,0833

(2,2721/0,7235+0,5877 /0,1931+0,2510 /0,0833)

3

max =

9,197
3

= 3,06

CI = (max-n)/(n-1) = (3,06-3)/(3-1) = 0,032

CR didasarkan pada tabel berikut :
CR = CI/RI = 0,032/0,58 = 0,056
0,056 < 0.1, jadi pernilaian yang dilakukan Konsistensi.
6. Melakukan penilaian terhadap peringkat alternatif
Jumlah masyarakat terdampak

Perbaikkan
drainase
Pelatihan

Perbaikkan

Pelatihan

Perbaikkan

drainase

masyarakat

jalan

1 : 1,83 = 0,55

3 : 9 = 0,33

2 : 3,2 = 0,62

0,33 : 1,83 =

masyarakat
Perbaikkan

0,18
0,5 : 1,83 =

jalan
Jumah

0,27
1,83

1 : 9 = 0,11

0,2 : 3,2 =
0,06

Ratarata
baris
0,5
0,12

5 : 9 = 0,56

1 : 3,2 = 0,31

0,38

3,2

Biaya perbaikkan
Perbaikkan

Pelatihan

Perbaikkan

drainase

masyarakat

jalan

Perbaikkan

1 : 4,167 =

drainase
Pelatihan

0,24
0,167 : 4,167 =

masyarakat

0,04

6 : 16 = 0,37
1 : 16 = 0,06

0,33 : 1,44 =
0,23
0,11 : 1,44 =
0,08

Ratarata
baris
0,28
0,06

Perbaikkan

3 : 4,167 =

jalan
Jumlah

0,72
4,167

9 : 16 = 0,56

1 : 1,44 =

0,66

0,69
1,44

16

Manfaat sektor lainnya

Perbaikkan
drainase
Pelatihan
masyarakat
Perbaikkan
jalan
Jumlah

Perbaikkan

Pelatihan

Perbaikkan

drainase

masyarakat

jalan

0,33 : 1,47 =

1 : 5 = 0,2

0,22

3 : 5 = 0,6

1 : 1,47 = 0,68
0,14 : 1,47 =

1 : 5 = 0,2

0,09
1,47

Ratarata
baris

1 : 9 = 0,11

0,18

7 : 9 = 0,77

0,68

1 : 9 = 0,11

0,14

7. Melakukan perkalian antara nilai kriteria dengan nilai alternatif.

Jumlah
masyaraka
t
terdampak

Biaya
perbaikka
n

Manfaat

untuk
sektor
lainnya
Jumlah

Perbaikkan
Drainase

0,5

0,28

0,18

masyaraka
t

0,72

terdampak
Pelatihan
Masyaraka

0,12

0,06

0,68

t
Perbaikkan

0,38

0,66

0,14

Biaya
perbaikkan
Manfaat

0,19
0,08

untuk
Jalan

sektor
lainnya

Jadi skor dari masing-masing alternatif perbaikkan adalah

1. Perbaikkan drainase
= 0,5x0,72 +0,28x0,19+0,18x0,08
= 0,4276
2. Pelatihan mayarakat
= 0,12x0,72+0,06x0,19+0,68x0,08
= 0,1522
3. Perbaikkan jalan
= 0,38x0,72 + 0,66x0,0,19+0,14x0,08
= 0,4102
Kesimpulan :
Perbaikkan drainase merupakan perbaikkan terbaik untuk perbaikkan lingkungan
permukiman X.