LAPORAN PENELITIAN KECIL

PL2202 METODE ANALISIS PERENCANAAN II

ANALISIS REGRESI
MENGIDENTIFIKASI VARIABEL-VARIABEL YANG MEMPENGARUHI IPM DI
PROVINSI LAMPUNG

Oleh :

I Gede Adi Saputra 22116145

Kelas C

PROGRAM STUDI PERENCANAAN WILAYAH DAN KOTA

JURUSAN TEKNOLOGI INFRASTRUKTUR DAN KEWILAYAHAAN
INSTITUT TEKNOLOGI SUMATERA
2018
 DAFTAR ISI
DAFTAR ISI............................................................................................................................ i
DAFTAR TABEL .................................................................................................................... ii
DAFTAR GAMBAR................................................................................................................ ii
BAB I PENDAHULUAN ........................................................................................................ 1
1.1 Latar Belakang..................................................................................................... 1
1.2 Rumusan Masalah............................................................................................... 2
1.3 Tujuan dan Sasaran ............................................................................................. 2
1.3.1 Tujuan ................................................................................................................ 2
1.3.2 Sasaran ............................................................................................................... 2
1.4 Ruang Lingkup Penelitian.................................................................................... 2
1.4.1 Ruang Lingkup Materi ................................................................................. 2
1.4.2 Ruang Lingkup Wilayah ............................................................................... 3
1.4.3 Ruang Lingkup Waktu ................................................................................. 3
1.5 Metodologi Penelitian ........................................................................................ 3
1.6 Sistematika Penulisan ......................................................................................... 4
BAB II ................................................................................................................................... 4
DASAR TEORI....................................................................................................................... 4
2.1 Teori Indeks Pembangunan Manusia....................................................................... 5
2.2 Teori Analisis Regresi Berganda ............................................................................... 7
2.2.1 Persamaan Regresi Berganda ............................................................................ 7
2.2.2 Seleksi Variabel Prediktor .................................................................................. 8
2.2.3 Permasalahan Multicolinearity .......................................................................... 9
2.2.4 Pengujian Residual Error .................................................................................. 10
2.2.5 Variabel Dummy dan Musim ........................................................................... 10
2.3 Penggunaan Analisis Regresi Berganda dengan Aplikasi SPSS ......................... 10
BAB III ................................................................................................................................ 15
INPUT DAN ANALISIS DATA............................................................................................... 15
3.1 Input Data ......................................................................................................... 15
3.2 Analisis Output Data ......................................................................................... 15
3.3 Interpretasi Terhadap Bidang Perencanaan Wilayah dan Kota .............................. 22
BAB IV ............................................................................................................................... 23
KESIMPULAN DAN SARAN................................................................................................. 23

i
 4.1 Kesimpulan.............................................................................................................. 23
4.2 Saran ....................................................................................................................... 24
DAFTAR PUSTAKA ............................................................................................................. 25
LAMPIRAN ......................................................................................................................... 26

DAFTAR TABEL

Tabel 3.1 Descriptive Statistics.................................................... 23

Tabel 3.2 Correlations .............................................................. 23

Tabel 3.3 Variables faured Removed ............................................. 24

Tabel 3.4 Coefficients ............................................................... 24

Tabel 3.5 Model Summary ......................................................... 25

Tabel 3.6 Excluded Variables ...................................................... 25

Tabel 3.7 Collinearity Diagnostics ................................................ 26

DAFTAR GAMBAR

Gambar 1.1 Peta Provinsi Lampung .............................................. 4

Gambar 2.1 Langkah Regresi Linier............................................... 11

Gambar 2.2 Kotak Dialog Regresi Linier ......................................... 11

Gambar 2.3 Kotak Dialog Statistik ................................................ 12

Gambar 2.4 Kotak Dialog Plot ...................................................... 12

Gambar 2.5 Kotak Dialog Save ..................................................... 13

Gambar 3.1 Normal P-P Plot Regresion Standarized Residual ............... 21

Gambar 3.2 Scatterplot ............................................................. 21

ii
 BAB I
PENDAHULUAN

Pada bab Pendahuluan akan dipaparkan mengenai latar belakang, rumusan

masalah, tujuan dan sasaran, ruang lingkup penelitan yang meliputi ruang

lingkup materi, ruang lingkup wilayah, dan waktu, serta metodologi dan

sistematika dari penulisan laporan ini.

1.1 Latar Belakang

Tujuan dari pembangunan secara umum adalah meningkatnya

kesejahteraan masyarakat dengan berlandaskan keadilan pemerataan dan

keharmonisan. Salah satu indicator tercapainya pambangunan manusia

adalah meningkatnya IPM yang merupakan indicator tingkat standar hidup

manusia di suatu wilayah atau daerah. Pembangunan yang dijalankan oleh

pemerintah daerah idealnya harus sesuai dengan potensi sumber daya alam

dan sosial yang tersedia. Secara umum selama ini Indeks Pembangunan

Manusia (IPM) atau Human Development Index (HDI) yang merupakan

pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan

standar hidup hanya mengunakan beberapa indicator dan variabel saja,

Terkhusus provinsi lampung dan Indonesia pada umumnya. Di provinsi

lampung beberapa variabel yang digunakan untuk mengukur IPM secara

umum berupa angka melek huruf dan lain-lain. IPM lebih focus pada hal-

hal yang lebih sensitif dibandingkan menggunakan indikator pendapatan

perkapita yang selama ini digunakan.

Dalam penelitian kecil kali ini, peneliti ingin mngkaji varibel apa

saja yang berpengaruh terhadap IPM di luar metode selama ini selain

dengan variabel yang telah digunakan saat ini.

1
1.2 Rumusan Masalah
Berdasarkan latar belakang tersebut diatas dapat dirumuskan
permasalahan yaitu: Bagaimana pengaruh variabel-variabel bebas terhadap
IPM di Provinsi Lampung ?

1.3 Tujuan dan Sasaran

1.3.1 Tujuan
Menentukan variabel-variabel yang paling berpengaruh terhadap IPM

Provinsi Lampung.

1.3.2 Sasaran
Teridentifikasi variabel-variabel yang mempengaruhi IPM Provinsi
Lampung.

1.4 Ruang Lingkup Penelitian

Ruang lingkup dari penelitian ini terdiri atas ruang lingkup materi,

ruang lingkup wilayah, dan ruang lingkup waktu.

1.4.1 Ruang Lingkup Materi

Analisis regeresi berganda terhadap variabel-variabel yang

mempengaruhi IPM Provinsi Lampung. Terdapat 6 variabel yang

dimasukkan ke program SPSS dan 15 obyek berupa kabupaten atau

kota. Variable tersebut yaitu indeks pembangunan manusia, angka

kemiskinan, angkamelek huruf, tingkat pengangguran terbuka,

angka harapan hidup, jumlah sekolah, san rata-rata lama sekolah.

2
 1.4.2 Ruang Lingkup Wilayah

Gambar 1.1 Peta Provinsi Lampung (Sumber:google)

Wilayah orientasi studi (pengambilan data) terbatas pada Provinsi

Lampung. Jumlah data yang diambil sebanyak 15 Kabupaten/Kota dan
terdapat 6 variabel.

1.4.3 Ruang Lingkup Waktu

Waktu saat peneliti mengakses dan mengumpulkan data yaitu
pada tanggal 7 Mei 2018, sedangkan proses pengolahan dan analisis data
yaitu pada 8 Mei 2018.

1.5 Metodologi Penelitian

Metoda pengumpulan data menggunakan pengumpulan data sekunder
dengan mencari variabel-variabel yang ada pada data Provinsi Lampung.
Kemudian variabel-variabel tersebut diolah menggunakan SPSS untuk
direduksi dianalisis.

3
1.6 Sistematika Penulisan
Sistematika penulisan laporan penelitian ini terbagi menjadi lima bab,
yaitu pendahuluan, dasar teori, input dan analisis data, serta kesimpulan
dan saran.
Pada Bab I (Pengantar) akan dibahas mengenai latar belakang
pengangkatan aspek laporan penelitian ini, rumusan masalah, tujuan dan
sasaran yang ingin dicapai dari, ruang lingkup penelitian yang terdiri dari:
ruang lingkup materi, ruang lingkup wilayah, dan ruang lingkup waktu,
metodologi penelitian yang mencakup metode pengumpulan dan analisis
data, serta sistematika penulisan.
Pada Bab II (Dasar Teori) akan disajikan penjelasan umum dan aspek-
aspek yang akan dikaji dengan menggunakan berbagai literatur sebagai
sumbernya berupa teori analisis mengenai substansi penelitian, teori
analisis faktor yang digunakan mengenai metode analisis pada kuliah
Metode Analisis Perencanaan (MAP) 2, dan teori analisis yang menjelaskan
langkah-langkah analisis dalam menggunakan SPSS.
Bab III (Input dan Analisis Data) akan menjabarkan dan menganalisis
masalah-masalah yang telah dirumuskan mengenai tabel input data yang
berisi variabel-variabel yang akan diuji. Setelah itu bagaimana analisis data
tersebut, analisis output data berupa penginterpretasian dan
penganalisisan data setelah data tersebut diolah menggunakan SPSS, dan
interpretasi hasil analisis tersebut terhadap bidang Perencanaan Wilayah
dan Kota.
Bab IV (Penutup) berisi tentang kesimpulan dan saran dari penulis
mengenai hasil analisis data yang telah dilakukan, menjawab rumusan
masalah mengenai analisis regresi berganda.

BAB II
DASAR TEORI

Pada bab ini akan dipaparkan mengenai metode analisis regresi berganda,
rumus perhitungan, langkah-langkah analisis. Kemudian akan dipaparkan pula
mengenai cara penggunaan SPSS terkait dengan analisis regresi berganda.

4
2.1 Teori Indeks Pembangunan Manusia
Dalam UNDP (United Nations Development Programme), pembangunan
manusia adalah suatu proses untuk memperbesar pilihan-pilihan bagi
manusia (“a process of enlarging people’s choices”). Konsep atau definisi
pembangunan manusia tersebut pada dasarnya mencakup dimensi
pembangunan yang sangat luas. Dalam konsep pembangunan manusia,
pembangunan seharusnya dianalisis serta dipahami dari sudut
manusianya, bukan hanya dari pertumbuhan ekonominya. Sebagaimana
dikutip dari UNDP (Human Development Report, 1995:103), sejumlah
premis penting dalam pembangunan manusia adalah:

 Pembangunan harus mengutamakan penduduk sebagai pusat

perhatian.
 Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi
penduduk, tidak hanya untuk meningkatkan pendapatan mereka. Oleh
karena itu konsep pembangunan manusia harus terpusat pada
penduduk secara keseluruhan, dan bukan hanya pada aspek ekonomi
saja.
 Pembangunan manusia memperhatikan bukan hanya pada upaya
meningkatkan kemampuan (kapabilitas) manusia tetapi juga dalam
upaya-upaya memanfaatkan kemampuan manusia tersebut secara
optimal.
 Pembangunan manusia didukung oleh empat pilar pokok, yaitu:
produktifitas, pemerataan, kesinambingan, dan pemberdayaan.
 Pembangunan manusia menjadi dasar dalam penentuan tujuan
pembangunan dan dalam menganalisis pilihan-pilihan untuk
mencapainya.

Berdasarkan konsep tersebut, penduduk di tempatkan sebagai

tujuan akhir sedangkan upaya pembangunan dipandang sebagai sarana
untuk mencapai tujuan itu. Untuk menjamin tercapainya tujuan
pembangunan manusia, ada empat hal pokok yang perlu diperhatikan
yaitu:

1. Produktifitas

5
Penduduk harus meningkatkan produktifitas dan partisipasi penuh dalam
proses penciptaan pendapatan dan nafkah. Sehingga pembangunan
ekonomi merupakan bagian dari model pembangunan manusia.

2. Pemerataan

Penduduk memiliki kesempatan yang sama untuk mendapatkan akses

terhadap sumber daya ekonomi dan sosial. Semua hambatan yang
memperkecil kesempatan untuk memperoleh akses tersebut harus
dihapus, sehingga mereka dapat mengambil manfaat dari kesempatan
yang ada dan berpartisipasi dalam kegiatan produktif yang dapat
meningkatkan kualitas hidup.

3. Kesinambungan

Akses terhadap sumber daya ekonomi dan sosial harus dipastikan tidak
hanya untuk generasi-generasi yang akan datang. Semua sumber daya
fisik, manusia, dan lingkungan selalu diperbaharui.

4. Pemberdayaan

Penduduk harus berpartisipasi penuh dalam keputusan dan proses yang

akan menentukan (bentuk/arah) kehidupan mereka serta untuk
berpartisipasi dan mengambil keputusan dalam proses pembangunan.
Menurut United Nations Development Programme (UNDP), dalam Indeks
Pembangunan Manusia (IPM) terdapat tiga indikator komposit yang
digunakan untuk mengukur pencapaian rata-rata suatu negara dalam
pembangunan manusia, yaitu: lama hidup, yang diukur dengan angka
harapan hidup ketika lahir; pendidikan yang diukur berdasarkan rata-rata
lama bersekolah dan angka melek huruf penduduk usia 15 tahun ke atas;
standar hidup yang diukur dengan pengeluaran perkapita yang telah
disesuaikan menjadi paritas daya beli. Nilai indeks ini berkisar antara 0-
100. Pengertian IPM yang dikeluarkan oleh UNDP yang menyatakan bahwa
Indeks Pembangunan Manusia (IPM) atau Human Development Indeks
(HDI) merupakan salah satu pendekatan untuk mengukur tingkat
keberhasilan pembangunan manusia. IPM ini mulai digunakan oleh UNDP
sejak tahun 1990 untuk mengukur upaya pencapaian pembangunan
manusia suatu negara. Walaupun tidak dapat mengukur semua dimensi

6
 dari pembangunan, namun mampu mengukur dimensi pokok
pambangunan manusia yang dinilai mencerminkan status kemampuan
dasar (basic capabilities) penduduk. IPM dihitung berdasarkan data yang
dapat menggambarkan keempat komponen yaitu angka harapan hidup
yang mewakili bidang kesehatan, angka melek huruf dan rata-rata
lamanya bersekolah mengukur capaian pembangunan di bidang
pendidikan, dan kemampuan daya beli / paritas daya beli (PPP)
masyarakat terhadap sejumlah kebutuhan pokok yang dilihat dari rata-
rata besarnya pengeluaran perkapita sebagai pendekatan pendapatan
yang mewakili capaian pembangunan untuk hidup layak.

2.2 Teori Analisis Regresi Berganda

Metoda analisis regresimemberikan suatu persamaan yang
menggambarkan sifat hubungan antara dua variabel. Metoda analisis
regresi memberikan ukuran variansi yang memungkinkan untuk
memperkirakan keakuratan sebagaimana jauh persamaan regresi dapat
memprediksi nilai variabel kriteria  bukan sekedar teknik pencocokan
pola. Regresi sederhana hanya mempersoalkan hubungan antara 2 variabel,
yaitu variabel dependen Y dan variabel independen X. Namun penggunaan
variabel independen tunggal untuk menduga varibel dependen seringkali
kurang realistis. Maka dari itu digunakan metoda analisis regresi berganda
dalam peramalan kausal.
Metoda analisis regresi berganda merupakan perluasan dari konsep regresi
sederhana. Metoda regresi berganda mengestimasikan nilai suatu variabel
kriteria berdasarkab banyak (lebih dari satu) variabel prediktor. Metoda ini
mengurangi kesalahan dalam memprediksi dan dapat menghitung variansi
yang lebih besar dari variabel kriteria.

2.2.1 Persamaan Regresi Berganda

 Y’=a+b1X1+b2X2+…………………+bkXk
 Y’ adalah nilai prediksi dari variabel
 a, b merupakan koefisien yang ditentukan berdasarkan
data sampel.

7
  Persamaan tersebut dipikirkan sebagai suatu estimasi yang
sebenarnya dari persamaan populasi:
μY=α+β1X1+β2X2+………………+βkXk

2.2.2 Seleksi Variabel Prediktor

1. Membuat Daftar Panjang Variabel Prediktor:
 Teori
 Logika
 Arahan Pakar
 Ketersediaan Data
 Kendala Waktu dan Biaya
2. Membuat Daftar Pendek Variabel Prediktor:
Long List Short List
1. Persamaan Regresi hendaknya mempunyai variabel
prediktor sesedikit mungkin variabel prediktor dengan
variansi sangat kecil harus dihapus
2. Seleksi Variabel Prediktor dapat dilakukan dalam berbagai
cara:
 Plot Variabel Bebas terhadap Variabel Terikat
 Hitung Inter Korelasi
 Analisis Faktor
 Melalui prosedur lain, diantaranya “Stepwise”
Terdapat tiga pengolahan data dengan SPSS, yaitu forward
elimination, backward elimination, dan stepwise elimination. Berikut
ini merupakan prosedur dari tiga cara pengolahan data tersebut.
 Forward Elimination
1. Regresikan Variabel Kriteria dengan Variabel Prediktor yang
mempunyai Korelasi Terbesar.
2. Hitung Error masing-masing Obyek.
3. Amati Korelasi Variabel Prediktor Sisa dengan Error Pilih
Variabel Prediktor dengan Korelasi Tertinggi.
4. Regresikan Variabel Kriteria dengan 2 variabel prediktor
tersebut hitung Error R2.
5. Cari Variabel Prediktor sisa yang mempunyai korelasi
tertinggi terhadap Error.

8
 6. Regresikan dengan variabel Kriteria bersama dengan
variabel regreser sebelumnya sampai R2 relatif tidak
meningkat lagi
 Backward Eliminaton
Merupakan kebalikan dari forward elimination.
1. Mulai dengan Regresikan Variabel Kriteria dengan seluruh
Variabel Prediktor.
2. Hapus satu persatu yang paling tidak dapat digunakan
untuk prediksi.
3. Prosedur berakhir sampai eliminasi Variabel Prediktor akan
mengorbankan sejumlah variansi yang cukup berarti
 Stepwise Elimination
Hampir sama dengan forward, hanya variabel yang telah
dimasukkan dalam model regresi bisa dikeluarkan lagi dari model.
Metode ini dimulai dengan memasukkan variabel bebas yang
mempunyai korelasi paling kuat dengan variabel dependen.
Kemudian setiap kali pemasukkan variabel bebas yang lain
dilakukan pengujian untuk tetap memasukkan variabel bebas atau
mengeluarkannya

2.2.3 Permasalahan Multicolinearity

Terdapat beberapa kondisi permasalahan multicolinearity,
yaitu:
 Dua Variabel Independent terkorelasi sempurna
 Dua Variabel Independent mendekati terkorelasi sempurna.
 Suatu kombinasi linier dari beberapa variabel independent
terkorelasi sempurna atau mendekati sempurna dengan variabel
independent lain.
 Suatu kombinasi linier dari satu subset variabel independent
terkorelasi sempurna atau mendekati sempurna dengan kombinasi
linier dari subset variabel independent lain.

Apabila Multicollinearity terjadi dalam model regresi berganda

maka tidak dimungkinkan menghasilkan solusi Least Square. Solusi
Least Square dipengaruhi oleh Error yang berlebihan. Kestabilan

9
 model regresi berganda dipengaruhi oleh multicollinearity 
standard error koefisien dipengaruhi oleh korelasi variabel bebas
 semakin besar korelasi, maka koefisien semakin tidak stabil.
Pengaruh hal tersebut pada peramalan yaitu terjadinya “Over
Estimate”.

2.2.4 Pengujian Residual Error

 Model dikatakan baik apabila errornya random
 Alat untuk menganalisis Error adalah:
o Menggambarkan Error untuk penyelidikan secara visual.
o Mempelajari Outokorelasi dari Error
o Mempelajari Statistik Durbin –Watson:
• 0<DW<4
• DW= 2 error acak tidak ada autokorelasi
• DW <1 error sistematis autokorelasi positif
• Dw sekitar 3 error sistematis autokorelasi negatif

2.2.5 Variabel Dummy dan Musim

 Regresi Berganda memungkinkan untuk mempertimbangkan
musim dengan memperkenalkan Variabel Dummy:
 D1= 1 bila bulan yang diinginkan,
 D1= 0 bila bulan yang tidak diinginkan.
 Suatu Variabel Dummy equivalen dengan variabel regresor baru.
 Bila digunakan 12 Variabel Dummy untuk 12 periode bulanan
akan dihadapi masalah Multicolloniarity gunakan (p-1)
variabel dummy untuk menunjukkan p periode yang berbeda.

2.3 Penggunaan Analisis Regresi Berganda dengan Aplikasi SPSS

Analisis regresi berganda merupakan perluasan dari konsep regresi
sederhana. Regresi berganda mengestimasikan nilai suatu variabel
dependen (kriteria) berdasarkan banyak variabel independen (prediktor).
Metode yang digunakan dalam analisis regresi berganda dalam SPSS adalah
metode stepwise, dimana variabel bebas dimasukkan satu persatu dari
variabel yang tidak memiliki korelasi dengan variabel dependen dapat
dikeluarkan.

10
 Berikut ini merupakan langkah-langkah proses analisis regresi berganda
dengan penggunaan SPSS.
1. Klik AnalyzeRegression Linear (akan muncul kotak dialog
linier regresion)

Gambar 2.1. langkah regresi linier

2. Masukkan variabel dependen (PDRB) dalam data yang ingin diolah
ke dalam kotak Dependent. Kemudian masukan semua variabel
independent ke kolom independent. setelah itu masukan variabelm
nama kabupaten ke kolom case labels. Dan pada metode pilih
stepwise.

Gambar 2. 2 Kotak doalog regresi linier

11
3. Klik Statistics  centang estimates, model fit, R squared change,
descriptive, collinearity diagnostics, dan centang durbin-watson
kemudian klik continue.

Gambar 2. Kotak dialog regresi linier

Gambar 2.3 Kotak dialog statistics

4. Klik Plots  Masukan ZPRED ke kolom Y dan ZRESID ke kolom X.

kemudian pada stanadarized residual plots centang normal
Probaabillity plot dan klik continue.

Gambar 2.4 Kotak dialog plots

12
5. Klik Save, Pada bagian Predicted Values klik Standardized dan
S.E. of mean predictions.Pada bagian Residuals klik
Standardized. Pada bagian Prediction Intervals klik Means 
Continue  OK

Gambar 2.5 Kotak dialog save

Setelah langkah-langkah telah dilakukan, maka akan keluar output

SPSS sebagai berikut.
1. Descriptive Statistics
Tabel ini menunjukkan variabel-variabel yang akan dianalisis. N
merupakan jumlah objek dalam data yang akan dianalisis.

2. Correlation
Tabel ini menjelaskan korelasi masing-masing variabel dengan
variabel lainnya. Jika nilai korelasi >0,5 maka hubungannya cukup
kuat, sedangkan jika nilai korelasi <0,5 hubungannya lemah. Tabel
di atas juga menunjukkan korelasi antara variabel dependen
dengan variabel bebas.

3. Variables Entered/Removed
Tabel ini menunjukkan variabel independen apa saja yang
mempengaruhi variabel dependen dalam data yang kita
pergunakan dalam analisis.

13
4. Model Summary
Tabel ini menunjukkan jumlah variabel predictor yang terbentuk
dan seberapa persen variabel predictor tersebut menjelaskan
variabel dependen. Apabila nilai Durbin Watson <2 maka tidak
terdapat autokorelasi antar variabel.

5. Annova
Tabel ini menunjukkan nilai signifikansi pada model-model yang
dapat digunakan dalam analisis. Apabila nilai signifikansi <0,5 maka
model tersebut dapat dianalisis lebih lanjut, sebaliknya apabila
nilai signifikansi >0,5 maka model tersebut tidak dapat diolah lebih
lanjut.

6. Coeficients
Tabel ini menunjukkan model yang dapat dibuat berdasarkan
banyaknya variabel predictor. Nilai VIF menunjukkan ada tidaknya
multicollinearity antar variabel. Apabila nilai VIF <5 maka tidak
terdapat multicollinearity antar variabel, sehingga model dapat
dianalisis lebih lanjut.

7. Excluded Variables
Tabel ini menunjukkan variabel-variabel apa saja yang paling
berhubungan dengan variabel dependen. Hal ini dapat dilihat dari
nilai yang ada di kolom t. Variabel yang memiliki nilai t paling tinggi
dikeluarkan menjadi variabel predictor.

8. Collinearity Diagnostics
Pada tabel ini dapat dilihat nilai eigen value. Pada tabel ini juga
dapat dilihat ada atau tidaknya multicollinearity dengan syarat
nilai Condition Index <15 menandakan bahwa tidak terdapat
multicollinearity.

9. Kurva P-P Plot

14
 Kurva ini menunjukkan persebaran dari seluruh variabel yang
digunakan. Kurva P-Plot menunjukkan persebaran variabel yang
digunakkan dimana selisih antara kuadrat jarak titik-titik variabel
dengan garis yang terbentuk adalah minimal. Pada kurva scatter
plot variabel-variabel yang ada harus tersebar secara acak dan di
sekitar 0 tetapi tidak boleh membentuk pola.

BAB III
INPUT DAN ANALISIS DATA

Bab ini memuat input data yang digunakan berupa variabel-variabel yang
menjadi acuan dalam penentuan hubungan serta analisis regresi yang dilakukan
untuk mengetahui keterkaitan antar variabel. Output dari SPSS dan Hasil dari
proses analisis kemudian diinterpretasikan dengan Perencanaan Wilayah dan
Kota.

3.1 Input Data

Sumber data yang digunakan berasal dari Badan Pusat Statistik
Kabupaten/Kota Dan Provinsi Lampung. Data tersebut ditampilkan dalam
bentuk tabel input yang berisi variabel-variabel yang akan dianalisis. Data
yang digunakan terdiri dari 6 variabel dan 15 objek yang berupa kota dan
kabupaten di Lampung.

3.2 Analisis Output Data

Analisis output data yang digunakan pada penelitian ini adalah
Regresi Berganda. Dalam statistik, Fungsi Analisis Regresi berganda adalah
untuk mengetahui karakteristik, arah, dan pola serta keterkaitan antar
variabel dependen dengan independen. Dalam hal ini, peneliti ingin
mengetahui variabel – variabel apa saja yang dapat mempengaruhi IPM
Provinsi Lampung. Jika sudah diketahui variabel-variabel yang paling
berpengaruh, maka akan diketahui variabel yang hubunganya sangat erat

15
dengan IPM sehingga variabel tersebut dapat dikembangkan dalam rangka
peningkatan IPM.
Langkah awal Penjabaran analisis data dari hasil output SPSS akan
dianalisis dengan metoda analisis deskriptif untuk membaca masing-masing
hasil data yang telah dihtung SPSS, kemudian dilakukan proses analisis
regresi.

Tabel 3.1 Descriptive Statistics

Descriptive Statistics

Mean Std. Deviation N

IPM 66.6133 4.20843 15

Angka harapan hidup 68.3680 2.06080 15
Angka melek huruf 93.2813 25.80575 15
Angka kemiskinan 361262.2000 43736.82301 15
Tingkat pengangguran
4.7293 2.15150 15
terbuka
Jumlah sekolah 520.5333 302.37887 15
Rata-rata lama sekolah 7.7147 1.28977 15

Sumber: Output SPSS, 2018

Tabel diatas menunjukan jumlah data atau variabel yang digunakan

dalam proses analisis ini yaitu berjumlah 6 diantaranya IPM, Angka harapan
hidup, angka melek huruf, angka kemiskinan, tingkat pengangguran
terbuka, jumlah sekolah, dan rata-rata lama sekolah. Kolom (N) merupakan
jumlah sampel atau objek, dalam hal ini adalah jumlah kabupaten/Kota di
provinsi Lampung yaitu berjumlah 15 ojek.
Selanjutnya variabel-variabel tersebut akan dihitung nilai korelasinya
antar satu variabel dengan variabel lainnya dengan menggunakan SPSS
untuk mendapatkan variabel yang paling memengaruhi IPM

Tabel 3.2 Correlations

(data terlampir)

Dari tabel 3.2, kita dapat mengetahui korelasi antar seluruh variabel.
Pada baris diagonal pearon correlation terdapat angka 1,000 yang berarti

16
korelasi antar variabel dengan dirinya sendiri sangat kuat atau sempurna.
Korelasi antar variabel dapat dikatakan kuat jika nilainya > 0,5 sedangkan
jika nilainya < 0,5 maka korelasi antar dua variabel tersebut dinilai lemah.
Dari tabel Correlations, didapati variabel independent yang mempunyai
korelasi yang tinggi dengan variabel dependen (IPM) adalah yaitu angka
kemiskinan, jumlah sekolah, dan rata-rata lama sekolah

Tabel 3.3

Variables Entered/Removeda

Variables Variables
Model Entered Removed Method

1 Stepwise
(Criteria:
Probability-of-F-
Rata-rata lama to-enter <=
.
sekolah .050,
Probability-of-F-
to-remove >=
.100).
2 Stepwise
(Criteria:
Probability-of-F-
Angka harapan to-enter <=
.
hidup .050,
Probability-of-F-
to-remove >=
.100).

a. Dependent Variable: IPM Sumber: Output SPSS, 2018

Tabel Variables Entered/Removed diatas menunjukkan variabel

independen yang mempengaruhi variabel dependen. Berdasarkan output
SPSS dengan metode Stepwise, diperoleh 2 variabel independen yang
mempengaruhi variabel dependen IPM yaitu rata-rata lama sekolah dan
angka harapan hidup. Hal ini juga sesuai dengan hasil analisis korelasi
sebelumnya. Berikutnya akan dicari variabel predictor yang akan digunakan
dalam penelitian ini.

17
 Tabel 3.4

Sumber: Output SPSS, 2018

Berdasarkan tabel Model Summary, dapat diketahui jumlah variabel

predictor yang terbentuk dan berapa persen variabel predictor tersebut
menjelaskan variabel dependen yang ada. Dari tabel diatas diperoleh
bahwa variabel rata-rata lama sekolah dengan nilai Adjust R Square 0,822
dan angka harapan hidup 0,931. Hal ini berarti variabel dependen rata-rata
lama sekolah dapat menjelaskan atau memprediksi 82,2% variabel
dependen yaitu IPM, tidak jauh berbeda dengan variabel angka harapan
hidup yaitu menjelasakan variabel dependen sebesar 93,1%. Dengan hal ini
model yang paling baik digunakan adalah model 2 karena dapat
menjelaskan IPM sebesar 93,1%. Sedangkan Untuk nilai Durbin Watson, jika
nilainya <2 maka tidak terdapat autokorelasi antar variabel. Pada model
ini, nilai Durbi-Watsonnya adalah 2,262 berarti terdapat aoutokorelasi
antar variabel sehingga terdapat pengaruh pengujian sebelumnya terhadap
pengujian yang dilakukan.

Tabel 3.5

Sumber: Output SPSS, 2018

Tabel Coefficient menunjukkan kemungkinan model yang dapat

dibuat berdasarkan banyaknya variabel predictor yang digunakan. Dari
tabel diatas, trdapat dua model yang dapat digunakan untuk memprediksi
variabel dependen, yaitu model pertama dengan variabel independent

18
 rata-rata lama sekolah; dan model kedua dengan variabel independent
rata-rata lama sekolah dan angka harapan hidup. Nilai VIF pada model
sebesar 1,000. Karena nilai < 5 maka tidak terdapat multikolineariti antar
variabel. Maka model ini dapat digunakan.
Melalui tabel diatas juga dapat dilihat hubungan antar variabel bebas
yang digunakan dengan variabel dependennya, baik itu korelasi positif atau
korelasi negatif. Korelasi ini dilihat dari nilai B yang tertera pada tabel.
Berdasarkan nilai B maka diperoleh model sebagai berikut:
Y = a + b1X1 + b2X2
Y = -3.720 + 2.397 X1 + 0,758 X2

Dimana Y : Nilai IPM

X1 : rata-rata lama sekolah
X2 : angka harapan hidup

Jadi variabel dependen IPM dipengaruhi oleh dua variabel predictor yaitu jumlah
pengguna Listrik. Artinya, apabila terdapat peningkatan pada rata-rata lama
sekolaah dan angka harapan hidup penduduk maka IPM juga meningkat. Begitu
juga sebaliknya apabila jumlah rata-rata lama sekolah dan angka harapan hidup
mengalami penurunan maka IPM juga menurun.

Tabel 3.6

Sumber: Output SPSS, 2018

19
 Tabel exclude variables menunjukkan variabel apa saja yang paling
berhubungan dengan variabel dependen. Hal ini dapat dilihat melalui nilai
yang terdapat pada kolom t. Nilai yang paling tinggi terdapat pada variabel
angka harapan hidup yaitu sebesar 4,620. Pada tabel ini tidak terdapat
variabel rata-rata lama sekolahkarena variabel ini telah terlebih dahulu
dikeluarkan oleh SPSS menjadi variabel predictor.

Tabel 3.7

Collinearity Diagnosticsa

Variance Proportions

Rata-rata lama Angka harapan

Model Dimension Eigenvalue Condition Index (Constant) sekolah hidup

1 1 1.987 1.000 .01 .01

2 .013 12.463 .99 .99

2 1 2.984 1.000 .00 .00 .00

2 .016 3.757 .01 .82 .01

3 .000 5.152 .99 .17 .99

a. Dependent Variable: IPM

Sumber: Output SPSS, 2018

Pada tabel diatas penulis memilih model 2 karena nilai eigenvaluenya lebih
besar dibandingkan model 1 yaitu sebesar 2,984. Tabel ini juga untuk
menunjukan apakah terdapat multikolineariti atau tidak. berdasarkan tabel
tersebut diketahui tidak terdapat multikolineriti, hal ini karena nilai Condition
Indez < 15 yang berarti tidak terdapat multikolineariti. Pada model 2 dimensi 2,
nilai Condition Indexnya adalah 1,000 Hal ini juga berarti model tersebut tidak
memiliki multikolineariti antara variabel independenya. Pada analisis berikutnya
akan ditampilkan diagram yang menunjukkan persebaran seluruh variabel yang
digunakan dimana selisih antara kuadrat jarak titik-titik variabel dan membentuk
garis minimal.

20
 Gambar 3.1

Sumber: Output SPSS, 2018

Gambar 6.2 menunjukan persebaran dari seluruh variabel yang

digunakan dalam memprediksi nilai IPM. Kurva plot menunjukan persebaran
ke-15 nilai objek yang digunakan, dimana selisih antara titik dan garis yang
terbentuk adalah minimal yang artinya adalah bahwa error yang terbentuk
tidak terlalu besar.

Gambar 3.2

Sumber: Output SPSS, 2018

21
 pada gambar 3.2 terlihat bahwa data titik objek setiap variabel tersebar
secara acak dan tidak membentuk sebuah pola. Hal ini berarti data yang
digunakan dalam perhitungan ini adalah acak, tidak membentuk sebuah pola
sehingga dapat dikatakan mewakili sebuah sampel sehingga model sudah
signifikan dan valid untuk digunakan meramal.

3.3 Interpretasi Terhadap Bidang Perencanaan Wilayah dan Kota

Perencanaan wilayah dan kota merupakan multidisiplin ilmu yang sangat
erat kaitanya dengan perencanaan dan pengembangan suatu wilayah. Dalam
menentukan wilayah tersebut maju atau berkembang digunakan salah satu
parameter yaitu IPM. IPM dapat dikatakan merupakan salah satu indeks
keberhasilan perencanaan dan pembangunan. Hal ini karena Tingkat
kesejahteraan masyarakat merupakan salah satu tujuan dari perencanaan dan
pembangunan nasional. Yang berarti perencanaan dan pembangunan pada
akhirnya brmuara pada kesejahteraan masyarakat dimana hal ini dapat diukur
melalui IPM.

Dari penelitian yang telah dilakukan didapatkan bahwa ternyata variabel yang
sangat mempengaruhi Indeks pembangunan manusia di provinsi Lampung adalah
angka harapan hidup dan rata-rata lama sekolah. Jika kita kerucutkan, variabel
ini mengarah pada masalah sosial yaitu salah satunya adalah kesehatan dan
Pendidikan. Seperti yang kita ketahui, dalam pemenuhan pelayanan kesehatan
dibutuhkan infrastruktur rumah sakit ataupun fasilitas kesehatan lainya dan
ditambah SDM dan pelayanan yang baik; sedangkan permasalahan Pendidikan
yaitu lama sekolah siswa yang rata-rata rendah ataupun biaya Pendidikan yang
mahal, terlebih pada tingkat perguruan tinggi. Kedua variabel ini jika kita
himpun akan membentuk sebuah wujud tantangan dalam perencanaan wilayah
dan kota. Ditinjau dari perencanaan, hal yang dapat dikontribusikan agar IPM di
provinsi Lampung yang dalam penelitian kali ini dipengaruhi oleh angka harapan
hidup dan rata-rata lama sekolah adalah peningkatan pembangunan
infrastruktur dan fasilitas kesehatan dan Pendidikan yang berkualitas serta
penambahan jumlahnya berdasarkan dengan kebutuhan yang diperlukan dalam
suatu kabuaten/kota di Provinsi lampung. Selain itu, penerapan kebijakan dan
regulasi yang efektif juga tidak kalah penting untuk dilakukan agar kesehatan
dan Pendidikan menjadi lebih baik. Regulasi tersebut dapat berupa pemberian

22
subsidi biaya kesehatan untuk MBR maupun penambahan SDM yang mumpuni dan
handal dalam mengisi dan menempati wilayah yang belum terjamah atau
pelayanan keshatan yang masih kurang. Sedangkan terkait dengan rata-rata lama
sekolah tindakan yang dapat dilakukan adalah dengan merencanakan dan
menerapkan atau menambah suatu Kawasan Pendidikan baru dan pemerintah
mewajibkan sekolah selama kurun waktu tertentu misalkan selama 17 tahun.
Dengan langkah-langkah komprehensif dan terpadu ini diharapkan tingkat
kesehatan dan Pendidikan dapat meningkat sehingga berujung pada peningkatan
IPM provinsi Lampung.

BAB IV
KESIMPULAN DAN SARAN

4.1 Kesimpulan
Berdasarkan hasil perhitungan dan anlisis yang telah dilakukan,
didapatkan bahwa variabel yang mempengaruhi Indeks Pembangunan
Manusia adalah angka harapan hidup dan rata-rata lama sekolah. Model
yang terbentuk dari hasil proses SPSS adalah:
Y = a + b1X1 + b2X2
Y = -3.720 + 2.397 X1 + 0,758 X2
Dimana Y : Nilai IPM
X1 : rata-rata lama sekolah
X2 : angka harapan hidup
Berdasarkan model regresi Y diatas, dapat disimpulkan bahwa
variabel dependen rata-rata lama sekolah dan angka harapan hidup
memiliki karakteristik hubungan yang bersifat searah dengan nilai IPM dan
memiliki arah hubungan yang positif atau berbanding lurus dengan Indeks
Pembangunan Manusia. Artinya jika nilai rata-rata lama sekolah dan nilai
angka harapan hidup mengalami peningkatan atau tinggi, maka indeks
pembangunan manusia di provinsi lampung akan naik atau tinggi pula,
begitupun sebaliknya, jika nilai rata-rata lama sekolah dan nilai angka

23
 harapan hidup mengalami penurunan atau rendah maka indeks
pembangunan manusianya juga akan menurun atau rendah.

4.2 Saran
Saran untuk peneliti adalah agar pada penelitian selanjutnya dapat
menggunakan variabel dan data yang lebih banyak atau menggunakan
sampel dari segala aspek seperti dari sector ekonomi, pertambagan,
kependudukan dan geografi maupun sosial dan budaya. Sedangkan Saran
yang dapat peneliti berikan untuk pemerintah provinsi lampung adalah
dengan mengembangkan kebijakan dan regulasi yang inovatif dan kreatif
sesuai dengan kondisi fisik dan sosial di kabupaten/kota. Regulasi
tersebut dapat pemberian subsidi biaya kesehatan untuk MBR maupun
penambahan SDM yang mumpuni dan handal dalam mengisi dan
menempati wilayah yang belum terjamah atau pelayanan keshatan yang
masih kurang. Sedangkan terkait dengan rata-rata lama sekolah tindakan
yang dapat dilakukan adalah dengan merencanakan dan menerapkan atau
menambah suatu Kawasan Pendidikan baru dan pemerintah mewajibkan
sekolah selama kurun waktu tertentu misalkan selama tujuh belas tahun.
Dengan langkah-langkah komprehensif dan terpadu ini diharapkan tingkat
kesehatan dan Pendidikan dapat meningkat sehingga berujung pada
peningkatan IPM provinsi Lampung.

24
 DAFTAR PUSTAKA
Sawitri, dwi; Maryanti, Sri; Metode Analisis Perencanaan Edisi 1 (penerbit
universitas terbuka)
https://lampung.bps.go.id/
https://www.bps.go.id/subject/26/indeks-pembangunan-manusia.html

25
LAMPIRAN

26