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 <
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
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
38,87
15,60
63,22
35,51
40,31
38,21
38,83
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
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
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
VIF
Y : -0,3475X + 0,001
Contoh soal
permukiman
Kriteria : jumlah masyarakat terkena dampak, biaya, dan manfaat sektor lain.
Alternatif : Perbaikan drainase, pelatihan warga, dan perbaikkan jalan.
Penyelesaian :
1. Membuat hierarki
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
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
[ ][
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
max =
9,197
3
= 3,06
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
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
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