TUGAS AKHIR PRAKTIKUM ANALISIS REGRESI

REGRESI INDUKTIF / INFERENSI , REGRESI LINIER

BERGANDA & ANALISIS REGRESI LOGISTIK

Disusun oleh :

Nama : Antonius Martinus Saunoah

NIM : 131.06.1016
Program Study : Statistika

JURUSAN MATEMATIKA
FAKULTAS SAINS TERAPAN
INSTITUT SAINS DAN TEKNOLOGI AKPRIND
YOGYAKARTA
2014
 TUGAS AKHIR PRAKTIKUM ANALISIS REGRESI
REGRESI INDUKTIF / INFERENSI , REGRESI LINIER
BERGANDA & ANALISIS REGRESI LOGISTIK

Disusun oleh :

Nama : Antonius Martinus Saunoah

NIM : 131.06.1016
Program Study : Statistika

JURUSAN MATEMATIKA
FAKULTAS SAINS TERAPAN
INSTITUT SAINS DAN TEKNOLOGI AKPRIND
YOGYAKARTA
2014

i
 KATA PENGANTAR

Puji & Syukur berlimpah penulis haturkan kehadirat Tuhan yang Maha
Esa, karena atas berkat, rahmat, dan penyertaan-Nya , penulis dapat
menyelesaikan pembuatan Laporan Akhir Praktikum Analisis Regresi dengan
judul Regresi Induktif / Inferensi, Analisis Regresi Berganda dan Analisis
Regresi Logistik , ini dengan baik.

Dalam penulisan makalah ini, banyak hambatan yang penulis alami,

namun berkat dukungan dan semangat dari semua pihak, maka penulis dapat
menyelesaikan makalah ini. Oleh karena itu, pada kesempatan ini penulis ingin
mengucapkan terimakasih yang sebesar-besarnya kepada :
1. Ibu Maria Titah Jatipaningrum,S.Si., M.Si. selaku dosen pengampuh mata
kuliah Analisis Regresi atas bimbingannya.
2. Tim laboratorium Statistika atas fasilitas dan kesempatan yang telah
penulis terima selama mengikuti kegiatan praktikum.
3. Asisten praktikum analisis regresi yang telah membimbing penulis dalam
memahami dan menyusun laporan ini.
4. Semua pihak yang telah membantu penulisan laporan ini dengan caranya
masing masing.

Penulis menyadari bahwa laporan ini masih jauh dari sempurna untuk itu
penulis mengharapkan kritik dan saran yang membangun demi perbaikan laporan
ini. Akhirnya penulis mengharapkan semoga laporan ini dapat menambah
wawasan pengetahuan para pembaca sekalian.

Yogyakarta, Desember 2014

Penulis,

ii
 DAFTAR ISI

HALAMAN JUDUL................................................................................................ i

KATA PENGANTAR ............................................................................................ ii

DAFTAR ISI .......................................................................................................... iii

BAB I PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang ...................................................................................... 1

1.2 Rumusan Masalah ................................................................................. 2

1.3 Batasan Masalah ................................................................................... 2

1.4 Tujuan ................................................................................................... 3

1.5 Manfaat ................................................................................................. 3

BAB II LANDASAN TEORI ................................................................................ 4

2.1 Regresi Induktif .................................................................................... 4

2.2 Regresi Berganda .................................................................................. 6

2.3 Regresi Logistik .................................................................................... 8

BAB III METODE ANALISIS ............................................................................ 11

3.1 Objek Penelitian .................................................................................. 11

3.2 Sumber Data ....................................................................................... 11

3.3 Metode Analisis Data.......................................................................... 11

BAB IV ANALISIS DAN PEMBAHASAN ....................................................... 15

4.1 Regresi Induktif / Inferensi ................................................................. 15

4.2 Regresi Berganda ................................................................................ 16

4.3 Regresi Logistik .................................................................................. 24

BAB V PENUTUP ............................................................................................... 31

5.1 Kesimpulan ......................................................................................... 31

5.2 Saran ................................................................................................... 31

iii
DAFTAR PUSTAKA

Lampiran

iv
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistik sebagai suatu yang berkenaan dengan data numerikal

sebenarnya sudah banyak digunakan oleh banyak masyarakat, contoh untuk
meghitung jumlah populasi penduduk, perpajakan, pencatatan personil
militer, peramalan dan lain sebagainya.

Analisis regresi merupakan alat statistik yang banyak digunakan dalam

berbagai bidang. Analisis tersebut bertujuan untuk mengetahui hubungan
antara variabel dependen dan variabel independen. Ada tiga macam tipe dari
analisis regresi. Tipe yang pertama adalah regresi linier sederhana yang
berfungsi untuk mengetahui hubungan linier antara dua variabel, satu variabel
dependen dan satu variabel independen. Tipe kedua adalah regresi linier
berganda yang merupakan model regresi linier dengan satu variabel dependen
dan lebih dari satu variabel independen. Tipe ketiga adalah regresi non linier
yang berasumsi bahwa hubungan antara variabel dependen dan variabel
independen tidak linier pada parameter regresinya (Yan and Gang Su, 2009).

Dalam regresi linier sederhana, metode yang biasa digunakan dalam

mengestimasi parameter regresi adalah metode kuadrat terkecil atau Ordinary
Least Squares (OLS). Konsep metode ini adalah untuk mengestimasi
parameter dengan memilih garis regresi yang terdekat dengan garis dari
semua data. Secara matematika penentuan parameter regresi ini dengan cara
meminimumkan jumlah kuadrat dari residualnya (Walpole dan Myers, 1986).
Sebelum menarik sampel dari suatu populasi terkadang diperoleh informasi
mengenai parameter yang akan diestimasi. Jika informasi tersebut ingin
dimasukkan dalam analisis data, maka estimasi parameter regresi dengan
metode kuadrat terkecil tidak memungkinkan untuk memasukkan informasi
tersebut.

1
 Informasi ini kemudian digabungkan dengan informasi dari sampel untuk
digunakan dalam mengestimasi parameter populasi. Pada metode bayesian,
seorang peneliti harus menentukan distribusi prior dari parameter yang
ditaksir. Distribusi prior ini dapat berasal dari data penelitian sebelumnya atau
berdasarkan intuisi seorang peneliti. Dugaan penentuan distribusi parameter
sangatlah subyektif (Hogg and Craig, 1978).

1.2 Rumusan Masalah

Adapun rumusan masalah dalam penulisan laporan ini yaitu :

1. Apa itu Regresi Induktif atau Inferensi ?
2. Bagaimana penyelesaian kasus regresi induktif ?
3. Apa itu analisis regresi berganda ?
4. Bagaimana penyelesaian kasus regresi berganda ?
5. Bagaimana defenisi dan pengertian regresi logistik ?
6. Bagaimana penyelesaian kasus regresi logistik ?

1.3 Batasan Masalah

Berdasarkan data yang diberikan, laporan ini membatasi pembahasan

masalahnya yaiitu :

1. Membahas perkiraan penjualan mobil Toyota di kabupaten Boyolali

sebelum dan sesudah terjadi kenaikan harga BBM.
2. Menguji apakah ada pengaruh laju pertumbuhan ekonomi,jumlah
pengangguran dan angka rata-rata lama sekolah terhadap jumlah
penduduk miskin di Kabupaten Bantul.
3. Menguji apakah variabel umur ibu, tingkat pendidikan tertinggi ibu,
status pekerjaan ibu, penolong persalinan, umur ibu pada saat kawin,
umur balita berpengaruh terhadap eksklusif tidaknya pemberian ASI
pada balita.

2
1.4 Tujuan

Pembuatan Laporan Tugas Akhir ini bertujuan untuk memenuhi Tugas

Akhir yang diberikan para asisten praktikum Analisis Regresi dan juga
sebagai evaluasi kemampuan mahasiswa setelah mengikuti kegiatan
praktikum selama lebih kurang tiga bulan.

1.5 Manfaat

Manfaat dari pembuatan Laporan Akhir ini yakni :

Bagi mahasiswa :

1. Sebagai parameter mahasiswa untuk mengetahui sejauh mana

kemampuannya dalam memahami bahan praktikum serta materi
perkuliahan secara keseluruhan.

Bagi Teman Teman Mahasiswa :

2. Sebagai bahan pustaka teman teman mahasiswa yang juga sedang

mempelajari Statistika ataupun segala sesuatu berkaitan dengan
Statistika.

3
 BAB II
LANDASAN TEORI

2.1 Regresi Induktif

Inferensi statistik adalah pengambilan kesimpulan tentang parameter

populasi berdasarkan analisa pada sampel. Beberapa hal yang perlu diketahui
berhubungan dengan inferensi statistik yaitu estimasi titik, estimasi interval
dan uji hipotesis. Estimasi titik adalah menduga nilai tunggal parameter
populasi. Estimasi Interval adalah menduga nilai parameter populasi dalam
bentuk interval. Uji hipotesis adalah suatu proses untuk menentukan apakah
dugaan tentang nilai parameter/karakteristik populasi didukung kuat oleh data
sampel atau tidak.

Hipotesis dalam inferensi statistik di bedakan menjadi hipotesis nol (H0),

yaitu hipotesis yang akan diuji oleh suatu prosedur statistik, biasanya berupa
suatu pernyataan tidak adanya perbedaan atau tidak adanya hubungan, dan
hipotesis alternativ (H1), yaitu hipotesis yang merupakan lawan dari Ho
biasanya berupa pernyataan tentang adanya perbedaan atau adanya hubungan,
yang selanjutnya digunakan untuk menunjukan bahwa pernyataan mendapat
dukungan kuat dari data.

Inferensi Statistik Mean Satu Populasi

Variansi Diketahui
Uji hipotesis untuk mean jika variansi diketahui atau juga dikenal juga
sebagai uji Z yaitu :

4
 Variansi tidak diketahui
Uji hipotesis untuk mean jika variansi tidak diketahui dikenal juga
sebagai uji t yaitu :

Inferensi proporsi

Satu populasi
Uji hipotesis untuk inferensi proporsi satu populasi yaitu :

5
 Dua populasi
Uji hipotesis untuk inferensi proporsi dua pupulasi yaitu

2.2 Regresi Berganda

Analisis regresi linier berganda adalah hubungan secara linier antara dua
atau lebih variable independent (X1, X2,., Xn) dengan variable dependen
(Y). analisis ini untk mengetahui arah hubungan antara variable independen
dengan variable dependent, apakah masing- masing variable independen
berhubngan positif atau negatif serta untuk memprediksi nilai dan variable
dependent apabila variable independent mengalami kenaikan atau penurunan
dengan data yang digunakan biasanya berskala interval atau rasio.
Bentuk persamaan linier berganda adalah sebagai berikut :

Y = b0 + b1X1 + b2X2 + b3X3 +..+ bnXn + e

Dengan:
Y : varibel tak bebas (dependent variable)
b0 : konstanta (tetapan)
X1,X2 : variable bebas (independent variable)
e : error

6
 Pada uji regresi berganda, terdapat beberapa syarat- syarat yang harus
dipenuhi. Disebut dengan uji asumsi klasik, meliputi beberapa pengujian
antara lain : Uji Normalitas, uji Liniearitas, Heteroskedastisitas,
Multikolonieritas dan Autokorelasi.

a. Uji Normalitas

Uji ini dilakukan untuk mengetahui apakah nilai residual terdistribusi

normal ataukah tidak. Pengjian ini dikatakan normal apabila p-value kurang
dari signifikansi.

b. Uji Heteroskedastisitas

Heteroskedastisitas terjadi apabila error atau residual dari model yang

diamati tidak memiliki varian yang konstan dari satu observasi ke observasi
lainnya. Pengujian heteroskedastisitas dilakukan dengan melihat diagram
residual terhadap variabel bebas pada output Scatterplot.

c. Uji Multikolonieritas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antara variabel bebas. Jadi uji multikolinearitas
terjadi hanya pada regresi ganda. Model regresi yang baik seharusnya tidak
terjadi korelasi tinggi diantara variabel bebas. Gejala multikolinearitas dapat
dideteksi dengan melihat nilai Variance Inflasi Factor (VIF) dan tolerance
pada output Coefficients. Multikolinearitas terjadi jika VIF > 10 dan jika nilai
VIF < 10 maka tidak terjadi multikolonieritas sehingga uji asumsi klasik
terpenuhi.

7
d. Uji autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada
korelasi antar satu periode t dengan periode sebelumnya (t-1). Gejala
autokorelasi dapat dideteksi dengan menggunakan uji Durbin Watson (DW)
pada output Model Summary. Ketentuan jika -2 < DW < 2 berarti tidak
terjadi autokorelasi.

e. Uji Kelinearan

Untuk menguji apakah variable Y merupakan fungsi linier dari gabungan

variabel-variabel X. Uji kelinieran ini menggunakan ANOVA.

Hipotesis
H0 : Persamaan regresi tidak linier
H1 : Persamaan regresi linier

Uji linieritas dilakukan dilakukan dengan mencari persamaan garis

regresi variabel bebas x terhadap variabel terikat y. Berdasarkan garis regresi
yang telah dibuat, selanjutnya diuji keberartian koefisien garis regresi serta
linieritasnya. Uji linieritas antara variabel bebas X dengan variabel terikat Y.

2.3 Regresi Logistik

Pada prinsipnya, regresi logistik mempunyai tujuan untuk

memperkirakan besarnya probabilitas kejadian tertentu di dalam suatu
populasi sebagai suatu fungsi eksplanatori, misalnya untuk mengetahui
peluang kejadian kebakaran di kawasan taman nasional X pada kondisi
wilayah tertentu dan faktor apa saja yang berpengaruh signifikan terhadap
kejadian kebakaran di sana. Regresi ini menggunakan variabel respon/terikat
berbentuk dummy. Tidak seperti regresi linier biasa, penggunaan regresi

8
logistik memiliki kelebihan dalam hal pelanggaran beberapa asumsi yang
harus ada pada regresi linier biasa seperti asumsi kenormalan dan
homokedastisitas. Estimasi nilai Y juga terletak pada range yang sangat luas
(dapat berada di luar interval 0-1). Dengan demikian secara matematis
penggunaan regresi logistik menjadi lebih mudah digunakan.

Variabel respon/terikat yang digunakan dalam regresi ini dikategorikan.

Regresi logistik biner menggunakan variabel respon dikotomi, yaitu 1 sebagai
kejadian dan 0 untuk tidak ada kejadian. Variabel respon bisa lebih dari 2
jenis, seperti dalam kasus tingkat kejadian kebakaran hutan yang dibagi
menjadi 3 kelas, kerawanan rendah (Y=0), sedang (Y=1) dan tinggi (Y=2).
Untuk kasus seperti ini maka dapat digunakan regresi logistik multinomial.

Model regresi logistik biner digunakan untuk melihat apakah variabel tak
bebas yang berskala dikotomi (Y = 0 dan Y = 1) dipengaruhi oleh variabel
bebas baik yang kategorik maupun numerik. Bentuk umum model peluang
regresi logistik dengan k variabel diformulasikan sebagai berikut :

Fungsi tersebut di atas merupakan fungsi linier sehingga perlu dilakukan

transformasi ke dalam bentuk logit agar dapat dilihat hubungan antar variabel
respon dengan penjelas. Dengan melakukan transformasi logit dari phy (x) ,
didapat persamaan yang lebih sederhana yang merupakan fungsi linier data
parameter-parameternya, yaitu:

9
 Apabila terdapat sebanyak p peubah bebas dan peubah ke-j merupakan
merupakan peubah kategorik, maka akan terdapat peubah boneka sebanyak k-
1, dengan dummy variabel kj dinamakan Dju dengan koefisien Bju, u
= 1,2,.., kj-1. Sehingga model transformasi logit dapat dituliskan seperti
persamaan berikut ini :

Tidak seperti regresi linier biasa, regresi logistik tidak mengasumsikan

hubungan antara variabel independen dan dependen secara linier. Regresi
logistik merupakan regresi non linier dimana modelyang ditentukan akan
mengikuti pola kurva seperti gambar di bawah ini.

10
 BAB III
METODE ANALISIS

3.1 Objek Penelitian

Berdasarkan data yang digunakan dalam pembuatan laporan ini objek

objek yang diteliti yakni :

1. Pengaruh kenaikan BBM terhadap perbedaan penjualan mobil Toyota

di kabupaten boyolali.
2. Pengaruh laju pertumbuhan ekonomi (X1), jumlah pengangguran
(X2), dan angka rata-rata lama sekolah (X3) terhadap Jumlah
penduduk miskin (Y).
3. Pengaruh Variabel umur ibu, tingkat pendidikan tertinggi ibu, status
pekerjaan ibu, penolong persalinan, umur ibu pada saat kawin, umur
balita berpengaruh terhadap eksklusif tidaknya pemberian ASI pada
balita

3.2 Sumber Data

Data yang digunakan dalam penulisan laporan ini adalah jenis data
sekunder atau yang disalin.

3.3 Metode Analisis Data

Dalam penulisan laporan ini metode yang digunakan pada tahapan

analisis data adalah dengan menggunakan software statistic Minitab. Tahapan
tahapan dalam analisis data untuk Analisis regresi induktif atau inferensi,
regresi linear berganda, dan regresi logistik seperti yang di tampilkan dalam
diagram flowchart penyelesaian berikut ini.

11
 Flowchart Analisis Regresi Induktif / Inferensi.

Start

Input data

Klik Stat

Basic
Paired t
Statistic

Samples in columns

Hasil perhitungan

End

12
 Flowchart Analisis Regresi Berganda

Start

Input data

Klik Stat

Regressions Regressions

graph
Hasil analisis minitab

result

Uji Hipotesis

storage

kesimpulan
options

End

13
 Flowchart Analisis Regresi Logistik:

Start

Input data

Klik Stat

Binary logistic
Regressions
regressions

graph
Hasil analisis
minitab

result

Uji Hipotesis
storage

options
kesimpulan

End

14
 BAB IV
ANALISIS DAN PEMBAHASAN

4.1 Regresi Induktif / Inferensi

Kasus : Akan diteliti mengenai perbedaan penjualan mobil Toyota di

Kabupaten Boyolali sebelum dan sesudah kenaikan harga BBM.
Data diambil dari 15 dealer mobil. Dengan =5%.

Data yang diperoleh adalah sebagai berikut :

No Sebelum Sesudah
1 67 68
2 75 76
3 81 80
4 60 63
5 80 82
6 75 74
7 71 70
8 68 71
9 80 82
10 78 79
11 71 78
12 80 77
13 65 69
14 57 67
15 78 68

Hasil Output :

15
 Analisis :
Hipotesis
H0 : Tidak ada pengaruh sebelum dan sesudah kenaikan harga
BBM terhadap perbedaan penjualan mobil Toyota di
Kabupaten Boyolali
H1 : Ada pengaruh sebelum dan sesudah kenaikan harga BBM
terhadap perbedaan penjualan mobil Toyota di Kabupaten
Boyolali

Taraf signifikansi
= 5%

Statistik uji

Kriteria keputusan
H0 ditolak jika p-value <

Kesimpulan
Dari output diperoleh nilai p-value = 0,320 sehingga nilai p-value
< (0,05), maka H0 ditolak sehinggga dapat di simpulkan bahwa
ada perbedaan penjualan mobil Toyota di Kabupaten Boyolali
sebelum dan sesudah kenaikan harga BBM.

4.2 Regresi Berganda

Kasus : Uji apakah ada pengaruh laju pertumbuhan ekonomi,jumlah

pengangguran dan angka rata-rata lama sekolah terhadap Jumlah
penduduk miskin di Kabupaten Bantul. Buat persamaan garis

16
 regresi linear berganda. Apakah uji asumsi klasik bisa terpenuhi
? Berdasarkan data berikut :

Angka
Jumlah
Laju Jumlah Rata-rata
Penduduk
NO Pertumbuhan Pengangguran Lama
Miskin (Ribu
Ekonomi (%) (Jiwa) Sekolah
Jiwa)
(Tahun)

1 105.4 6.52 3031 6.79

2 113 6.13 18898 6.73
3 107.8 6.1 8312 7.32
4 105.4 6.82 19021 7.99
5 135.5 6.81 13276 7.41
6 232.8 6.53 28634 7.61
7 306.7 6.22 56425 6.86
8 140.8 5.92 15459 6.1
9 311.4 6.16 31472 6.65
10 175.1 6.63 32415 6.91
11 131.9 5.64 645 5.6
12 105.2 5.62 11289 6.17
13 276.6 6.46 1219 5.15
14 199.3 6.76 27678 6.4
15 145.4 6.19 83603 9.87
16 125.4 6.81 26381 7.93
17 166.4 6.31 32175 7.87
18 151.6 6.75 18364 7.21
19 102.3 5.92 19282 7.07
20 80.2 5.83 9217 7.62
21 149.1 6.19 21476 6.43
22 227.2 12.26 20723 6.65
23 225.8 6.62 17116 6.36
24 220.5 6.9 21615 7.12
25 193.8 6.93 45199 8.63
26 255.6 5.44 25008 5.19
27 285.4 5.33 7868 4.03

17
 28 179.2 5.84 15471 5.81
29 256.6 5.73 11343 5.31
30 24.9 5.91 9923 10.19
31 10.1 6.33 4371 9.84
32 48.4 6.52 34085 11.12
33 41.4 6.04 5444 8.46
34 168.8 6.33 5956 8.9
35 8.9 6.56 4623 9.76
36 10.4 6.92 8342 10.5
37 195.6 7.08 9139 10.01
38 9.7 7.06 5418 8.44

Hasil Output :

18
Uji Asumsi Klasik :

Uji Normalitas

Uji ini dilakukan untuk mengetahui apakah nilai residual

terdistribusi normal ataukah tidak. Pengujian ini dikatakan normal
apabila p-value kurang dari signifikansi. Uji normalitas juga dapat dilihat
dari output histogtam yaitu residual terdistribusi normal apabila
histogram menyerupai bel dan menghadap ke atas.

Cara lainya dengan melihat diagram normal probability plot berikut.

Residual dikatakan berdistribusi normal jika plot pada garis mengikiti
garis lurus atau berada disekitar garis lurus.

19
Dari grafik di samping, dapat dilihat bahwa plot pada grafik mengikiti
garis lurus atau berada disekitar garis lurus. Maka dapat disimpulkan
bahwa residual terdistribusi normal.

Uji Heteroskedastisitas

Heteroskedastisitas terjadi apabila error atau residual dari model

yang diamati tidak memiliki varian yang konstan dari satu observasi ke
observasi lainnya. Pengujian heteroskedastisitas dilakukan dengan
melihat diagram residual terhadap variabel bebas pada output Scatterplot
yaitu plot pada grafik menyebar.

Pada output diatas dapat dilihat bahwa plot pada grafik menyebar
sehingga dapat disimpulkan bahwa tidak terdapat gejala
heteroskedastisitas.

Uji Multikolonieritas

Gejala multikolinearitas dapat dideteksi dengan melihat nilai

Variance Inflasi Factor (VIF) dan tolerance pada output Coefficients.
Multikolinearitas terjadi jika VIF > 10 dan jika nilai VIF < 10 maka tidak
terjadi multikolonieritas sehingga uji asumsi klasik terpenuhi.

20
 Pada output diperoleh nilai VIF = (1.0, 1.0, 1.0) < 10 sehingga dapat
disimpulkan bahwa tidak terjadi multikolonieritas sehingga uji asumsi
klasik terpenuhi.

Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi

linier ada korelasi antar satu periode t dengan periode sebelumnya (t-1).
Gejala autokorelasi dapat dideteksi dengan menggunakan uji Durbin
Watson (DW) pada output Model Summary.

Nilai Durbin-Watson sebesar 2.25293 sehingga tidak berada diantara

-2 dan 2 maka tidak ada autokorelasi positif.

Persamaan regresi yang diperoleh:

Jumlah Penduduk Miskin = 317 + 11.3 Laju Pertumbuhan Ekonomi
+ 0.00224 Jumlah Pengangguran
- 37.8 Angka Rata-rata Lama Sekolah

Uji F Regresi

21
 Hipotesis
H0 : Secara simultan variable independen tidak mempunyai
pengaruh bermakna terhadap variable dependen
H1 : Secara simultan variable independen mempunyai
pengaruh bermakna terhadap variable dependen

Taraf signifikansi
= 5%

Kriteria keputusan
H0 ditolak jika p-value <

Kesimpulan
Dari output diperoleh nilai p-value = 0,000 sehingga nilai p-
value < maka H0 ditolak sehinggga dapat di simpulkan bahwa
Secara simultan variable independen mempunyai pengaruh
bermakna terhadap variable dependen

T Parsial

Hipotesis
H0 : Semua tidak ada pengaruh secara individu terhadap Y
dengan memperhatikan variable lain
H1 : Semua ada pengaruh secara individu terhadap Y dengan
memperhatikan variable lain

22
 Taraf signifikansi
= 5%

Kriteria keputusan
H0 ditolak jika p-value <

Kesimpulan
Dari output diperoleh nilai p-value (Constant, Laju pertumbuhan
ekonomi, Jumlah pengangguran, Angka rata-rata lama sekolah)
= 0.000, 0.198, 0.000, 0.000) sehingga semua nilai p-value <
maka H0 ditolak sehinggga dapat di simpulkan bahwa semua ada
pengaruh secara individu terhadap Y dengan memperhatikan
variable lain.

Persamaan Regresi

Persamaan di atas dapat disimpulkan sebagai berikut :

Apabila variable lain bernilai konstan maka Jumlah penduduk

Miskin akan berubah dengan sendirinya sebesar nilai konstanta
yaitu 317
Apabila variabel lain bernilai konstan maka Jumlah penduduk
miskin akan berubah sebesar 11.3 setiap satu satuan Laju
Pertumbuhan Ekonomi
Apabila variabel lain bernilai konstan maka Jumlah penduduk
Miskin akan berubah sebesar 0.00224 setiap satu satuan Jumlah
Pengangguran.

23
 Apabila variabel lain bernilai konstan maka Jumlah penduduk
miskin akan berubah sebesar 37.8 setiap satu satuan Rata-Rata
Lama Sekolah

R Square

R Square ditunjukan dengan nilai R-Sq dimana pada uji ini diperoleh
yaitu sebesar 62.1% artinya Jumlah Penduduk Miskin dapat dijelaskan
oleh sekelompok variable independen secara serentak atau simultan
sebesar 62.1% sedangkan sisanya 37.9% di jelaskan oleh variable lain
diluar model yang tidak diteliti.

4.3 Regresi Logistik

Kasus : Uji Apakah variabel umur ibu, tingkat pendidikan tertinggi ibu,
status pekerjaan ibu, penolong persalinan, umur ibu pada saat
kawin, umur balita berpengaruh terhadap eksklusif tidaknya
pemberian ASI pada balita ?

Pemberian Umur Status Penolong Umur Umur

No. Pendidikan
ASI ibu kerja Persalinan nikah balita
1 non eklusif 23 1 1 medis 1 0
2 Eklusif 27 2 1 medis 1 1
3 Eklusif 28 2 1 non medis 0 0
4 non eklusif 24 2 1 non medis 0 1
5 Eklusif 23 2 1 medis 1 0
6 non eklusif 24 2 1 medis 1 1
7 non eklusif 33 3 1 medis 1 1
8 non eklusif 24 1 1 medis 1 1
9 non eklusif 22 2 1 medis 1 1
10 non eklusif 27 2 1 medis 1 1
11 non eklusif 29 2 1 medis 1 1

24
12 non eklusif 29 2 1 medis 1 1
13 non eklusif 32 1 1 medis 1 1
14 non eklusif 21 2 1 medis 1 1
15 non eklusif 39 1 1 medis 1 1
16 non eklusif 24 1 1 medis 1 1
17 non eklusif 24 2 1 medis 1 1
18 non eklusif 33 1 1 medis 0 1
19 non eklusif 26 3 1 medis 1 1
20 non eklusif 36 3 1 medis 1 1
21 non eklusif 27 2 1 medis 1 1
22 non eklusif 26 1 1 medis 0 1
23 non eklusif 26 3 1 medis 1 1
24 non eklusif 25 2 1 medis 1 1
25 non eklusif 25 2 1 medis 1 1
26 non eklusif 28 2 1 medis 1 1
27 non eklusif 29 2 1 medis 1 1
28 Eklusif 29 3 1 medis 1 0
29 Eklusif 26 2 1 medis 1 0
30 non eklusif 26 2 1 medis 0 1
31 non eklusif 24 1 1 medis 0 1
32 Eklusif 22 3 1 medis 1 0
33 Eklusif 20 3 1 medis 1 1
34 Eklusif 22 1 0 medis 1 0
35 non eklusif 35 2 0 medis 1 0
36 non eklusif 23 1 1 medis 1 0
37 non eklusif 34 1 0 medis 1 1
38 non eklusif 21 2 0 medis 1 0
39 non eklusif 29 2 0 medis 1 0
40 non eklusif 22 2 0 medis 1 1
41 non eklusif 33 3 1 medis 1 0
42 non eklusif 39 2 1 medis 1 1
43 non eklusif 29 1 0 medis 1 0
44 non eklusif 36 2 1 medis 1 0
45 non eklusif 21 1 1 medis 1 1
46 non eklusif 19 1 1 medis 1 1
47 non eklusif 24 1 1 medis 0 1
48 non eklusif 28 2 1 medis 1 1
49 non eklusif 26 1 1 non medis 1 1
50 non eklusif 24 1 1 non medis 1 1
51 non eklusif 23 1 1 non medis 1 1
52 non eklusif 22 1 1 medis 1 1

25
53 non eklusif 22 2 1 medis 1 1
54 non eklusif 29 1 1 medis 1 1
55 non eklusif 39 1 0 medis 1 1
56 non eklusif 23 1 0 non medis 1 1
57 eklusif 22 2 1 non medis 1 1
58 eklusif 21 1 0 non medis 1 1
59 eklusif 20 1 0 non medis 1 1
60 eklusif 21 2 1 non medis 1 1
61 non eklusif 29 1 0 non medis 0 1
62 eklusif 28 1 0 non medis 1 1
63 eklusif 27 1 1 medis 0 1
64 eklusif 26 2 0 medis 0 1
65 eklusif 27 1 0 medis 0 1
66 eklusif 25 1 1 medis 0 1
67 eklusif 23 1 1 non medis 0 0
68 eklusif 22 1 1 non medis 0 0
69 eklusif 21 1 0 medis 1 0
70 non eklusif 23 1 0 medis 0 1
71 non eklusif 22 1 1 medis 0 0
72 non eklusif 27 2 0 medis 0 1
73 non eklusif 26 1 0 medis 0 0
74 non eklusif 27 1 1 medis 0 1
75 non eklusif 23 2 1 medis 1 0
76 non eklusif 25 1 1 medis 0 1
77 non eklusif 27 2 1 medis 0 0
78 non eklusif 26 1 1 medis 1 1
79 non eklusif 21 2 1 medis 0 1
80 non eklusif 38 1 1 medis 0 1
81 non eklusif 22 2 1 medis 0 1
82 non eklusif 20 2 1 medis 0 1
83 non eklusif 28 3 1 medis 1 1
84 non eklusif 26 2 1 medis 0 1
85 non eklusif 29 2 1 medis 0 1
86 non eklusif 26 2 1 medis 1 1
87 non eklusif 26 1 1 medis 0 1
88 non eklusif 25 2 1 medis 0 1
89 non eklusif 24 2 1 medis 1 1
90 non eklusif 27 2 0 medis 0 1
91 non eklusif 21 2 0 medis 0 1
92 eklusif 26 1 0 medis 0 1
93 eklusif 22 2 0 medis 1 1

26
 94 non eklusif 21 2 0 medis 1 1
95 non eklusif 29 1 0 medis 0 1
96 non eklusif 27 1 0 medis 1 1
97 eklusif 26 1 0 medis 0 1
98 eklusif 25 2 0 medis 0 1
99 eklusif 23 2 0 medis 0 1
100 eklusif 29 2 0 medis 0 0
101 eklusif 21 1 0 medis 1 0
102 non eklusif 19 1 1 medis 1 0
103 non eklusif 38 1 0 medis 0 1
104 non eklusif 22 3 1 medis 1 1
105 non eklusif 32 2 1 medis 0 1
106 non eklusif 29 2 1 medis 0 1
107 non eklusif 27 3 0 medis 1 1
108 non eklusif 23 2 1 medis 1 1
109 non eklusif 25 1 1 medis 1 1
110 non eklusif 27 1 1 non medis 1 1
111 non eklusif 26 1 0 medis 0 1
112 non eklusif 25 1 0 medis 1 1
113 non eklusif 25 1 0 medis 1 1
114 non eklusif 25 1 0 non medis 0 1
115 non eklusif 25 1 0 non medis 0 1
116 non eklusif 27 1 0 medis 0 1
117 non eklusif 28 2 0 medis 1 1
118 non eklusif 26 2 1 medis 0 1
119 non eklusif 26 1 1 medis 1 1
120 non eklusif 22 3 0 medis 1 1
121 non eklusif 25 3 0 medis 1 1
122 non eklusif 29 1 0 non medis 0 1
123 non eklusif 27 1 0 non medis 0 1
124 eklusif 28 1 0 medis 0 1
125 eklusif 22 2 0 non medis 0 1
126 eklusif 23 2 0 medis 1 1
127 eklusif 21 2 0 medis 0 0
128 eklusif 20 1 0 medis 0 1
129 eklusif 24 1 1 medis 0 1
130 eklusif 23 2 1 medis 0 0
131 eklusif 23 2 0 medis 1 1
132 eklusif 23 2 0 medis 1 1

27
Keterangan simbol

Pemberian ASI : Umur Ibu : Status Pekerjaan Ibu : Pendidikan Ibu :

0 : Non Eksklusif 0 : 35 Tahun 0 : Bekerja 1 : < SD
1 : ASI Eksklusif 1 : < 35 Tahun 1 : Tidak Bakerja 2 : SMP, SMA
3 : > SMA

Umur Balita : Penolong Persalinan : Umur Ibu saat kawin :

0 : 25 59 Bulan 0 : Non Medis 0 : < 21 Tahun
1 : 6 - 24 Bulan 1 : Tenaga Medis 1 : 21 Tahun

Hasil Output :

28
 Dari hasil ouput diatas di awali dengan response information.
Output ini menampilkan informasi yang berkaitan dengan kategori pada
variable respon.

29
Analisis :

Uji G

Hipotesis
H0 : 1 = 2 == k = 0
H1 : Minimal ada satu yang tidak sama dengan 0

Kriteria keputusan
H0 ditolak jika G > Chi-square

Kesimpulan
Dari output diperoleh nilai G = 27.928 , nilai Chi-square
(Pearson, Deviace, Hosmer-Lemeshow) = 43.1555, 51.7634,
10.2768 sehingga nilai G(dominan) < maka H0 ditolak
sehinggga dapat di simpulkan bahwa minimal ada satu tidak
sama dengan 0 tetapi untuk nilai chi-square Hosmer-Lemeshow
nilainya < G sehingga H0 - nya tidak ditolak sehingga dapat di
simpulkan bahwa 1 = 2 == k = 0

Catatan : Karena Uji G tidak terpenuhi makan tidak dapat dilanjutkan ke uji
uji selanjutnya.

30
 BAB V
PENUTUP

5.1 Kesimpulan

Dari keseluruhan pembahasan yang telah dilakukan dapat

disimpulkan beberapa hal sebagai berikut :

- Untuk melakukan Analisis Regresi dapat juga digunakan Sofware

Minitab

- Analisis Regresi Berganda terlebih dahulu harus dilakukan Uji

Asumsi Klasik yang bertujuan untuk mengetahui Model regresi yang
diperoleh layak digunakan atau sebaliknya.

- Analisis Regresi Logistik dilakukan untuk memperkirakan besarnya

probabilitas kejadian tertentu di dalam suatu populasi sebagai suatu
fungsi eksplanatori.

5.2 Saran

Penulis menyarankan kepada pembaca untuk dapat

mengimplementasikan penerapan analisis Regresi Induktif, Regresi
Berganda, analisis Regresi Logistik untuk segala hal yang berkaitan dengan
peramalan untuk mendapatkan hasil yang akurat.

31
32
 DAFTAR PUSTAKA

Dra. Noeryanti, M.Si., Jatipaninggrum Maria Titah, S.Si.,M.Si, Tim Asisten Lab.
Statistika, 2013, Modul Praktikum Analisis Regresi, Yogyakarta

http://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf
diakses pada Minggu, 21 Desember 2014 pukul 09.00 Wib

http://storage.jak-
stik.ac.id/students/paper/penulisan%20ilmiah/30402068/BAB%20I.pdf
diakses pada Minggu, 21 Desember 2014 pukul 09.13 Wib

http://statistik4life.blogspot.com/2009/12/regresi-logistik.html
diakses pada Minggu, 21 Desember 2014 pukul 09.33 Wib

http://tnrawku.wordpress.com/2013/05/21/regresi-logistik-alat-analisis-spasial-
dan-evaluasi-kawasan-bagian-1/
diakses pada Senin, 22 Desember 2014 pukul 16.07 Wib
Lampiran

Langkah Langkah Pengujian.

1. Regresi Induktif / Inferensi

Buka program minitab

Input data ke worksheet minitab

 Pilih Stat > Basic Statistik > Paired t

Masukkan variabel Sebelum pada first sample dan variabel

Sesudah pada second sample.

Pilih Options, kemudian isikan confidence level 95.0, test mean 0.0,
dan alternative not equal. Klik OK > OK.
2. Regresi Linear Berganda
Buat worksheet baru dengan menekan tombol Ctrl + N pada keyboard.
Kemudian pilih Minitab Worksheet.

Inputkan data ke worksheet minitab.

 Pilih Regression > Regression

Isikan variabel Response Y dan variabel Predictors X

Selanjutnya klik Graphs, tandai Regular dan Individual plot. Plot yang
digunakan yaitu Histogram of residual, Normal plot if residual dan
residual versus fits, karena itu ketiga plot ditandai > Klik OK.
 Pilih Results tandai Regression Equation,. > Klik OK.

Pilih Storage > tandai Residuals > Klik OK.

Pilih options > tandai Fit Intercep dan pada kolom Display tandai
Variance nflation factors dan Durbin-Watson statistic > Klik OK
3. Regresi Logistik
Masukkan data ke excel kemudian lakukan kodingan sesuai ketentuan.
 Data setelah di lakukan kodingan
 Masukkan data yang telah di koding ke worksheet Minitab

Pilih Stat > Regression > Binary Logistic

 Masukan variable repon yaitu Pemberian Asi ke Response, lalu pada
Model masukan variable penjelas. Kemudian klik options untuk
memilih link function yang digunakan, seperti tampak pada gambar di
bawah, kemudian pilih Logit.

Klik OK > OK.