Anda di halaman 1dari 21

1

BAB I

PENDAHULUAN

1.1 Pengertian Regresi Linear Berganda

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independent (X1, X2,.Xn) dengan variabel dependent (Y). Analisis
ini untuk mengetahui arah hubungan antara variabel independent dengan variabel
dependent apakah masing-masing variabel independent berhubungan positif atau
negatif dan untuk memprediksi nilai dari variabel dependent apabila nilai variabel
independent mengalami kenaikan atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:

Y = a + b1X1+ b2X2+..+ bnXn

Keterangan:
Y = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y apabila X1, X2..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun
penurunan)

1.2 Metode Enter

Metode enter adalah memasukkan semua prediktor ke dalam analisis


sekaligus.

1.3 Metode Stepwise

Metode stepwise adalah memasukkan prediktor secara bertahap


berdasarkan nilai F yang signifkan (sig F di bawah 0.05). Setelah dimasukkan
2

lalu dikeluarkan lagi. Proses memasukkan dikombinasikan dengan


mengeliminasi prediktor yang tidak signifikan (sig F di atas 0.01).
3

BAB II

DESKRIPSI KERJA

2.1 Studi Kasus

Seorang Gubernur ingin mengatasi tingkat kemiskinan yang ada di


provinsinya, agar provinsi tersebut siap menghadapi persaingan global dalam
ASEAN Economic Community pada tahun 2016. Data mengenai kondisi
masyarakat pada provinsi tersebut dapat dilihat pada Tabel 2.1. Berdasarkan tabel
tersebut, Gubernur provinsi tersebut ingin mendapatkan informasi-informasi
berikut.

1. Bagaimana gambaran kemiskinan di Provinsi tersebut dilihat dari data


Jumlah Penduduk Miskin dan Jumlah Pengangguran?

2. Dapatkan model terbaik untuk memprediksi jumlah penduduk miskin


pada provinsi tersebut beserta interpretasinya.

3. Kesimpulan dan saran apa yang harus dilakukan Gubernur tersebut


untuk mengurangi jumlah penduduk miskin di Provinsi tersebut?

Note : Gunakan (alpha = 5% jika diperlukan)

Tabel 2.1 Jumlah Penduduk Miskin dan Faktor-faktor Penyebabnya pada setiap Kabupaten di
suatu provinsi

Jumlah
Jumlah Angka
Pengeluaran
Penduduk Laju Tingkat Jumlah Rata-rata
Rumah
Miskin Pertumbuhan Kesempatan Pengangguran Lama
Tangga Per
(Ribu Ekonomi (%) Kerja (%) (Jiwa) Sekolah
Kepala
Jiwa) (Tahun)
(Rupiah)
105.4 6.52 99.13 3031 310917 6.79
113 6.13 96.17 18898 324376 6.73
4

107.8 6.1 97.85 8312 340308 7.32


105.4 6.82 96.5 19021 407454 7.99
135.5 6.81 97.76 13276 350497 7.41
232.8 6.53 96.25 28634 342285 7.61
306.7 6.22 95.51 56425 386749 6.86
140.8 5.92 96.83 15459 297629 6.1
311.4 6.16 97.29 31472 336675 6.65
175.1 6.63 96.08 32415 373575 6.91
131.9 5.64 98.41 6450 333935 5.6
105.2 5.62 96.87 11289 323528 6.17
276.6 6.46 97.98 12190 367731 5.15
199.3 6.76 96.51 27678 382286 6.4
145.4 6.19 91.65 83603 503790 9.87
125.4 6.81 95.16 26381 387394 7.93
166.4 6.31 94.73 32175 384258 7.87
151.6 6.75 96.36 18364 388548 7.21
102.3 5.92 94.45 19282 339825 7.07
80.2 5.83 97.59 9217 363144 7.62
149.1 6.19 95.2 21476 282112 6.43
227.2 12.26 96.71 20723 342593 6.65
225.8 6.62 97.14 17116 323370 6.36
220.5 6.9 96.38 21615 345500 7.12
193.8 6.93 92.3 45199 415634 8.63
255.6 5.44 94.21 25008 353821 5.19
285.4 5.33 98.23 7868 281234 4.03
179.2 5.84 96.47 15471 317021 5.81
256.6 5.73 98.11 11343 314469 5.31
24.9 5.91 92.61 9923 549901 10.19
10.1 6.33 93.34 4371 562036 9.84
48.4 6.52 91.32 34085 785352 11.12
5

41.4 6.04 93.15 5444 586502 8.46


168.8 6.33 92.77 5956 472121 8.9
8.9 6.56 92.48 4623 561626 9.76
10.4 6.92 90.48 8342 615984 10.5
195.6 7.08 93.16 91390 781291 10.01
9.7 7.06 94.45 5418 574594 8.44

2.2 Langkah Kerja

Untuk menganalisis regresi linear berganda dalam hal ini praktikan


menggunakan metode Enter dan metode Stepwise, maka praktikan menggunakan
software SPSS untuk menyelesaikannya. Adapun langkah-langkah menggunakan
SPSS untuk menganalisis data tersebut adalah sebagai berikut :

1. Langkah pertama yang praktikan lakukan adalah arahkan pointer ke


arah pojok kanan display PC, kemudian klik search, lalu ketik SPSS di
kotak pencarian tersebut, yang sebelumnya telah praktikan install
(dalam hal ini praktikan menggunakan windows 8).

Gambar 2.1 Tampilan untuk masuk kedalam SPSS

2. Kemudian muncul halaman kerja awal SPSS berupa halaman Data


View.
6

Gambar 2.2 Tampilan pada Data View

3. Untuk menuliskan variabel yang akan dianalisis, praktikan klik pada


Variabel View dibagian kiri bawah untuk membuka halaman kerja
Variabel View, selanjutnya praktikan mulai menuliskan variabel-
variabel yang dibutuhkan, yaitu variable jumlah_penduduk_miskin,
laju_pertumbuhan_ekonomi,tingkat_kesempatan_kerja,jumlah_pe
ngangguran,jumlah_pengeluaran_rumah_tangga_per_kepala,angka
_rata_rata_lama_sekolah.

Gambar 2.3 Memasukkan Variabel pada Variabel View


7

4. Setelah selesai menambahkan variable, maka selanjutnya praktikan


klik Data View dan melakukan input semua data pada variable yang
ada.

Gambar 2.4 Memasukkan Data pada Variabel

5. Tahap selanjutnya adalah tahap analisis. Pilih menu analyze, lalu klik
pada regression selanjutnya arahkan pada linear.

Gambar 2.5 Melakukan Analyze Regression


8

6. Setelah kotak dialog Linear Regression muncul, selanjutnya variable


jumlah_penduduk_miskin pindahkan kedalam box Dependent dan
variable laju_pertumbuhan_ekonomi, tingkat_kesempatan_kerja,
jumlah_pengangguran,jumlah_pengeluaran_rumah_tangga_per_kep
ala, angka_rata_rata_lama_sekolah pindahkan kedalam box
Independent. Kemudian praktikan ingin menggunakan metode Enter
sehingga pada box Method pilih Enter.

Gambar 2.6 Tampilan kotak dialog linear regression dan memilih metode Enter

7. Langkah selanjutnya adalah pilih submenu statistics, kemudian


memberi tanda pada Estimates, Model fit, Descriptives, Part partial
correlations, dan Collinearity diagnostics. Lalu klik continue.

Gambar 2.7 Tampilan submenu statistics


9

8. Kemudian pilih submenu Options, lalu menentukkan nilai alpha


sebesar 5% pada kotak use probability of F, setelah itu memberi tanda
pada include constant in equations, lalu klik continue.

Gambar 2.8 Tahapan Menentukan Besarnya Alpha

9. Setelah itu akan muncul hasil output nya.


10. Kemudian praktikan melakukan analisis lagi, dengan memasukkan dua
variable bebas saja, yaitu jumlah pengangguran dan angka rata-rata
lama sekolah. Dengan menggunakan metode yang sama yaitu metode
Enter.

Gambar 2.10 Tahapan memasukkan 2 variabel bebas dan memilih metode Enter
10

11. Setelah itu melakukan langkah yang sama yaitu pilih submenu
statistics, kemudian memberi tanda pada Estimates, Model fit,
Descriptives, Part partial correlations, dan Collinearity diagnostics.
Lalu klik continue.

Gambar 2.11 Tampilan submenu statistics

12. Kemudian pilih submenu Options, lalu menentukkan nilai alpha


sebesar 5% pada kotak use probability of F, setelah itu memberi tanda
pada include constant in equations, lalu klik continue.

Gambar 2.12 Tahapan Menentukan Besarnya Alpha

13. Lalu akan muncul hasil outputnya.


11

14. Langkah selanjutnya yang praktikan lakukan adalah menganalisis


regresi linear berganda dengan menggunakan metode Stepwise. Lalu
klik OK. Kemudian akan muncul hasil output nya.

Gambar 2.14 Tampilan kotak dialog linear regression dan memilih metode Stepwise
12

BAB III

PEMBAHASAN

Berdasarkan langkah kerja yang telah dijelaskan pada bab sebelumnya,


bahwa praktikan disini akan menjelaskan lebih banyak lagi mengenai analisis
regresi linear berganda dari data yang yang telah disediakan yaitu data mengenai
Jumlah Penduduk Miskin dan Faktor-faktor Penyebabnya pada setiap
Kabupaten/Kota di Provinsi Jawa Timur, dalam hal ini praktikan menggunakan 2
metode yaitu Enter dan Stepwise dengan menggunakan software yaitu SPSS.
Adapun langkah-langkah kerja yang sebelumnya seperti yang telah dijelaskan
pada deskripsi kerja diatas.

3.1 Analisis Determinasi (R2)

Gambar 3.1.1 Tampilan Output Model Summary menggunakan metode Enter dengan
memasukkan 2 variabel bebas

Gambar 3.1.2 Tampilan Output Model Summary menggunakan metode Stepwise dengan
memasukkan 5 variabel bebas
13

Disini praktikan menggunakan koefisien determinasi (adjusted R square)


yang dimana uji ini bertujuan untuk menentukan proporsi atau persentase total
variasi dalam variabel terikat yang diterangkan oleh variabel bebas. Analisis yang
digunakan oleh praktikan adalah regresi berganda, maka yang digunakan adalah
Adjusted R Square.
Hasil perhitungan Adjusted R2 dapat dilihat pada output Model Summary
yaitu sebesar 0,697. Pada kolom Adjusted R2 dapat diketahui berapa
persentasenya, dalam hal ini nilai persentasenya adalah 69,7% yang dapat
dijelaskan bahwa angka rata-rata lama sekolah, dan jumlah pengangguran
berpengaruh sebesar 69,7% terhadap jumlah penduduk miskin di Jawa Timur,
sedangkan sisanya sebesar 30,3 %. dipengaruhi atau dijelaskan oleh variabel-
variabel lain yang tidak dimasukkan dalam model penelitian.

3.2 Uji Koefisien Regresi Secara Bersama-sama (Uji F)


Dalam hal ini juga praktikan ingin menggunakan uji F, yaitu untuk
mengetahui apakah variabel independen (X1,X2.Xn) secara bersama-sama
berpengaruh secara signifikan terhadap variabel dependen (Y). Atau untuk
mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel
dependen atau tidak. Signifikan berarti hubungan yang terjadi dapat berlaku untuk
populasi (dapat digeneralisasikan).
Dari hasil output analisis regresi dapat diketahui nilai F seperti pada Gambar
3.2.1 dan Gambar 3.2.2 berikut ini.

Gambar 3.2.1 Tampilan Output Anova dengan metode Enter dengan memasukkan 2 variabel bebas
14

Gambar 3.2.2 Tampilan Output Anova dengan metode Stepwise dengan memasukkan semua
variabel bebas

Tahap-tahap untuk melakukan uji F adalah sebagai berikut:


i). Hipotesis
H0 : = 0 (koefisien regresi X1 tidak signifikan)
H1 : 0 (koefisien regresi X1 signifikan)
ii). tingkat signifikansi
= 5% atau 0,05
iii). Daerah Kritis
Fhitung > Ftabel : Tolak H0
Sig. : Tolak H0
iv). Statistika uji
F hitung sebesar 43,558 Sig.= 0,000
Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95%, = 5%, df 1 (jumlah
variabel1) = 2, dan df 2 (n-k-1) = 35 (n adalah jumlah kasus dan k adalah
jumlah variabel independen), hasil diperoleh untuk F tabel sebesar 3,27.
v). Keputusan Uji
Nilai F hitung > F tabel (43,558 > 3,27), maka Ho ditolak.
vi). Kesimpulan
15

Karena F hitung > F tabel (43,558 > 3,27), maka Ho ditolak, artinya ada
pengaruh secara signifikan jumlah pengangguran, dan angka rata-rata lama
sekolah terhadap jumlah penduduk miskin.

3.3 Uji Koefisien Regresi Secara Parsial (Uji t)


Selanjutnya praktikan ingin menguji kasus mengenai kondisi masyarakat
pada provinsi Jawa Timur. Uji ini digunakan untuk mengetahui apakah dalam
model regresi variabel independen (X1, X2,..Xn) secara parsial berpengaruh
signifikan terhadap variabel dependen (Y).
Dari hasil analisis regresi output dapat disajikan sebagai berikut:

Gambar 3.3.1 Tampilan Output Coefficient dengan metode Enter yang memasukkan semua
Variabel Bebas

Disini praktikan dapat melihat hasil output seperti Gambar 3.3.1 bahwa pada
output coefficients tidak signifikan jika dilihat dari uji t artinya variable laju
pertumbuhan ekonomi, tingkat kesempatan kerja, jumlah pengeluaran rumah
tangga per kepala tidak signifikan karena Sig.> alpha. Karena terdapat variable
yang tidak signifikan, maka yang harus praktikan lakukan adalah mengeluarkan
variable tersebut dari model. Setelah mengeluarkan variable laju pertumbuhan
ekonomi, tingkat kesempatan kerja, jumlah pengeluaran rumah tangga per kepala.
Sehingga hanya mempunyai dua variable saja yaitu variable jumlah
pengangguran dan angka rata-rata lama sekolah, sehingga diperoleh hasil output
seperti Gambar 3.3.2
16

Gambar 3.3.2 Tampilan Output Coefficient dengan menggunakan metode Enter yang
memasukkan 2 Variabel Bebas

Gambar 3.3.3 Tampilan Output Coefficient dengan menggunakan metode Stepwise yang
memasukkan semua Variabel Bebas

a. Melakukan uji konstanta


i). Hipotesis
H0 : = 0 (koefisien regresi X1 tidak signifikan)
H1 : 0 (koefisien regresi X1 signifikan)
ii). Tingkat Signifikansi
= 0,05
iii). Daerah Kritis
P_Value : Tolak H0
iv). Statistika uji
= 0,05
Pvalue = 0,000
v). Keputusan Uji
karena nilai P value < maka keputusannya adalah tolak H0
vi). Kesimpulan
jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa
konstanta model tersebut adalah signifikan.
17

b. Melakukan uji koefisien regresi X1 (Jumlah pengangguran)


i). Hipotesis
H0 : = 0 (koefisien regresi X1 tidak signifikan)
H1 : 0 (koefisien regresi X1 signifikan)
ii). Tingkat Signifikansi
= 0,05
iii). Daerah Kritis
P_Value : Tolak H0
iv). Statistika uji
= 0,05
P value = 0,000
v). Keputusan Uji
karena nilai P value < maka keputusannya adalah tolak H0
vi). Kesimpulan
jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa
koefisien regresi X1 adalah signifikan/ sesuai maka yang harus
praktikan lakukan adalah memasukkan kedalam model atau
persamaan yang praktikan punya.

c. Melakukan uji koefisien regresi X2 (Angka rata-rata lama sekolah)


i). Hipotesis
H0 : = 0 (koefisien regresi X2 tidak signifikan)
H1 : 0 (koefisien regresi X2 signifikan)
ii). Tingkat Signifikansi
= 0,05
iii). Daerah Kritis
P_Value : Tolak H0
iv). Statistika uji
= 0,05
Pvalue = 0,000
v). Keputusan Uji
18

karena nilai P value < maka keputusannya adalah tolak H0


vi). Kesimpulan
jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa
koefisien regresi X2 adalah signifikan/ sesuai maka yang harus
praktikan lakukan adalah memasukkan kedalam model atau
persamaan yang praktikan punya.
Dengan melakukan uji t tersebut maka didapatkan model yaitu :
Y= 404,868 + 0,002X1 41,166X2
Keterangan :
Y : jumlah pendududuk miskin
X1 : jumlah pengangguran
X2 : angka rata-rata lama sekolah
Dengan didapatkan model tersebut maka dapat di interpretasikan bahwa
nilai konstanta sebesar 404,868 yang artinya jika jumlah pengangguran dan angka
rata-rata lama sekolah tetap atau tidak mengalami penambahan ataupun
pengurangan, maka jumlah pengangguran sebesar nilai konstanta yaitu sebesar
404,868.
Koefisien regresi variabel jumlah pengangguran (X1) sebesar 0,002
artinya bahwa peningkatan satu unit variable jumlah pengangguran dengan
asumsi variabel bebas lain konstan akan menyebabkan kenaikan jumlah penduduk
miskin (Y) sebesar 0,002 (jiwa).
Koefisien regresi variabel angka rata-rata lama sekolah (X2) sebesar
41,166 yang bertanda negative, artinya bahwa angka rata-rata lama sekolah
mempunyai hubungan yang berlawanan arah dengan variabel jumlah penduduk
miskin (Y). Yang berarti bahwa setiap kenaikan angka rata-rata lama sekolah satu
satuan, maka jumlah penduduk miskin akan turun sebesar 41,166 dengan asumsi
bahwa variable bebas yang lain dari model regresi adalah tetap.
19

BAB IV

PENUTUP

4.1 Kesimpulan

Disini praktikan dapat mengambil beberapa kesimpulan dari hasil praktikum


kali ini, yaitu :

1. Dengan menggunakan analisis determinasi, didapatkan hasil Adjusted


R2 yaitu sebesar 0,697 atau 69,7% yang dapat dijelaskan bahwa angka
rata-rata lama sekolah, dan jumlah pengangguran berpengaruh sebesar
69,7% terhadap jumlah penduduk miskin di Jawa Timur, sedangkan
sisanya sebesar 30,3 %. dipengaruhi atau dijelaskan oleh variabel-
variabel lain yang tidak dimasukkan dalam model penelitian.
2. Dilihat dari uji F, bahwa F hitung > F tabel (43,558 > 3,27), maka Ho
ditolak, artinya ada pengaruh secara signifikan jumlah pengangguran,
dan angka rata-rata lama sekolah terhadap jumlah penduduk miskin.
3. Dengan melakukan uji konstanta, maka dapat dijelaskan dengan
tingkat signifikansi 5% didapatkan kesimpulan bahwa konstanta model
tersebut adalah signifikan.
4. Dengan melakukan uji koefisien regresi X1(jumlah pengangguran)
dapat dijelaskan bahwa dengan tingkat signifikansi 5% maka koefisien
regresi X1 adalah signifikan/ sesuai maka yang harus praktikan
lakukan adalah memasukkan kedalam model atau persamaan yang
praktikan punya.
5. Dengan melakukan uji koefisien regresi X2 (jumlah rata-rata lama
sekolah) dapat dijelaskan bahwa dengan tingkat signifikansi 5%
didapatkan kesimpulan bahwa koefisien regresi X2 adalah signifikan/
sesuai maka yang harus praktikan lakukan adalah memasukkan
kedalam model atau persamaan yang praktikan punya.
6. Dilihat dari nilai konstanta sebesar 404,868 yang artinya jika jumlah
pengangguran dan angka rata-rata lama sekolah tetap atau tidak
20

mengalami penambahan ataupun pengurangan, maka jumlah


pengangguran sebesar nilai konstanta yaitu sebesar 404,868.
7. Dilihat dari Koefisien regresi variabel jumlah pengangguran (X1)
sebesar 0,002 artinya bahwa peningkatan satu unit variable jumlah
pengangguran dengan asumsi variabel bebas lain konstan akan
menyebabkan kenaikan jumlah penduduk miskin (Y) sebesar 0,002
(jiwa).
8. Dilihat dari Koefisien regresi variabel angka rata-rata lama sekolah
(X2) sebesar 41,166 yang bertanda negative, yang berarti setiap
kenaikan angka rata-rata lama sekolah satu satuan, maka jumlah
penduduk miskin akan turun sebesar 41,166 dengan asumsi bahwa
variable bebas yang lain dari model regresi adalah tetap.
9. Dengan membandingkan hasil ouput dengan menggunakan 2 metode
yaitu Enter dan Stepwise, bahwa hasil yang lebih akurat adalah dengan
menggunakan metode Stepwise karena secara otomatis dapat
mengeliminasi prediktor yang tidak signifikan.

4.2 Saran

Disini praktikan akan memberikan saran yang harus dilakukan Gubernur


tersebut untuk mengurangi jumlah penduduk miskin di provinsi Jawa Timur, yaitu
mengurangi jumlah pengangguran dengan meningkatkan angka rata-rata lama
sekolah. Mungkin dengan meningkatkan angka rata-rata lama sekolah pada
penduduk nya, maka provinsi Jawa Timur mempunyai SDM (sumber daya
manusia) yang lebih berkualitas dan mampu bersaing di era global untuk
mendapatkan pekerjaan, bahkan bisa menciptakan lapangan pekerjaan sendiri dan
bisa bermanfaat bagi masyarakat lain yang membutuhkan pekerjaan. Apabila
masyakat telah mampu bekerja, maka provinsi tersebut jumlah penduduk miskin
nya akan berkurang.
21

DAFTAR PUSTAKA

Duwi. 2011. Analisis regresi linier berganda. Diakses pada tanggal 07 Mei 2016

dari http://duwiconsultant.blogspot.co.id/2011/11/analisis-regresi linier ber


ganda.html

M.ulwan, nashihun. 2014. Analisis regresi linear berganda. Diakses pada tanggal

07 Mei 2016 dari http://www.portal-statistik.com/2014/05/analisis-regresi-


linear-berganda-dengan.html

Purwaningsih,tuti. 2015. Modul Praktikum Analisis Regresi Terapan. Yogyakarta.

Widhiarso. 2012. Berkenalan dengan metode analisis regresi melalui spss.Diakses


pada tanggal 07 Mei 2016 dari http:/ /widhiarso .staff.ugm. ac.id/ wp/
berkenalan-dengan-metode-metode-analisis-regresi-melalui-spss/