TUGAS METODE PERAMALAN

ANALISIS PENGARUH JUMLAH PENDUDUK DAN PRODUK DOMESTIK

REGIONAL BRUTO (PDRB) TERHADAP INDEKS PEMBANGUNAN MANUSIA
(IPM) DI KABUPATEN KENDAL DENGAN MENGGUNAKAN ANALISIS
REGRESI LINIER BERGANDA

Disusun oleh:
Dewi Sofiani 24010115120002
Rifqi Dewi Kurniasih 24010115120011
Fania Suci Narulita 24010115120029
Novi Uluwiyah 24010115120034
Riska Permata Sari 24010115130080

DEPARTEMEN MATEMATIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2018
 BAB I
PENDAHULUAN

A. LATAR BELAKANG
Penduduk merupakan salah satu faktor terpenting dalam suatu wilayah. Karena
dari penduduk kita dapat mengetahui perkembangan suatu wilayah. Baik dari segi
pendidikan, perekonomian, pemerintahan, dan segi lainnya. Jumlah penduduk
merupakan salah satu faktor kependudukan yang dapat menentukan berkembang atau
tidaknya suatu wilayah. Karena dari jumlah penduduk dapat diketahui kepadatan
penduduk di wilayah tersebut, hingga tingkat perekonomian dalm wilayah tersebut.
Dalam segi perkonomian, pertumbuhan perekonomian suatu wilayah dapat
diketahui dari Produk Domestik Regional Bruto (PDRB). Pertumbuhan tersebut dapat
dipengaruhi oleh beberapa faktor. PDRB dihasilkan dari jumlah nilai tambah bruto
yang berasal dari seluruh unit usaha dalam suatu wilayah tertentu.
Sementara itu, seberapa besar pembangunan manusia di suatu daerah dapat
diketahui dari Indeks Pembangunan Manusia (IPM). Melalui IPM, dapat diketahui
perkembangan pembangunan manusia tiap tahunnya. Dimana pembangunan manusia
dapat diprediksi dari jumlah penduduk dan tingkat perekonomian suatu wilayah
tersebut. Sehingga dapat diduga bahwa jumlah penduduk dan besarnya PDRB dapat
berpengaruh terhadap besarnya angka Indeks Pembangunan Manusia (IPM).
Oleh karena itu, pada makalah ini kami mengangkat judul yakni “Analisis
Pengaruh Jumlah Penduduk dan Produk Domestik Regional Bruto (PDRB) terhadap
Indeks Pembangunan Manusia (IPM) di Kabupaten Kendal dengan Menggunakan
Analisis Regresi Linier Berganda”.
B. RUMUSAN MASALAH
Berdasarkan latar belakang diatas, diambil rumusan masalah sebagai berikut :
1. Bagaimana pengaruh secara simultan jumlah penduduk dan PDRB terhadap IPM
pada tahun 2010 sampai dengan tahun 2016?
2. Bagaimana pengaruh jumlah penduduk terhadap IPM pada tahun 2010 sampai
dengan tahun 2016?
3. Bagaimana pengaruh PDRB terhadap IPM pada tahun 2010 sampai dengan tahun
2016?
 BAB II
HASIL DAN PEMBAHASAN

A. DATA
Data diperoleh dari https://kendalkab.bps.go.id/
Diketahui data jumlah penduduk, Produk Domestik Regional Bruto, dan Indeks
Pembangunan Manusia di Kabupaten Kendal dari tahun 2010 sampai dengan tahun
2016 adalah sebagai berikut :
Tahun Jumlah Penduduk PDRB IPM
2010 969416 18798.28 66.23
2011 976803 20032.43 66.96
2012 948493 21075.72 67.55
2013 955949 22386.12 67.98
2014 950463 23536.83 68.46
2015 952966 24771.54 69.57
2016 961989 26159.09 70.11

B. PEMBAHASAN
I. Model
Pada data IPM (Yi) terdapat dua variabel independen yaitu X1 (Jumlah
Penduduk) dan X2 ( PDRB ), sehingga data dimodelkan dalam bentuk model regresi
linier berganda dengan dua variabel independen.
Dengan menggunakan perhitungan manual yaitu pendekatan matriks seperti
berikut
𝑌 = 𝑋𝛽 + 𝜀
Dimana,
𝑌1 1 𝑋11 𝑋21 … 𝑋𝑘1 𝛽0 𝜀0
𝑌2 1 𝑋12 𝑋22 … 𝑋𝑘2 𝛽 𝜀1
𝑌=[ ],𝑋=[ ] , 𝛽 = [ 1] , 𝜀 = [ ⋮ ]
⋮ ⋮ ⋮ ⋮ … ⋮ ⋮
𝑌𝑛 1 𝑋1𝑛 𝑋2𝑛 … 𝑋𝑘𝑛 𝛽𝑛 𝜀𝑛
Diperoleh,
𝑌̂ = 53,77727 + 0,00000262575 𝑋1 + 0,0005274969 𝑋2
Sedangkan melalui komputasi, diperoleh persamaan regresi linier berganda yaitu :
 Yi = 53.771 + 0.00000265 X1 + 0.001 X2
Hasil output SPSS :

II. Tabel Analisis Variansi untuk Analisis Regresi Berganda

Sumber Derajat Jumlah Kuadrat Rataan kuadrat

Variansi Kebebasan
Regresi k=2 ̂𝑖 − 𝑌̅)2 𝐽𝐾𝑅
𝐽𝐾𝑅 = ∑(𝑌 𝑅𝐾𝑅 =
𝑘
=11,30222463 = 5,651112317
Sisa n-k-1 = 4 ̂𝑖 )2 𝐽𝐾𝑆
𝐽𝐾𝑆 = ∑(𝑌𝑖 − 𝑌 𝑅𝐾𝑆 =
𝑛−𝑘−1
= 0,145566398 = 0,036391599
Total n-1 = 6 JKT = JKR + JKS

III. Test Hipotesa

1. Uji Signifikasi Regresi (Uji F)
Rumusan hipotesis
H0 : β1 = β2 = 0 (model regresi tidak cocok)
H1 : minimal ada satu βj ≠ 0 (model regresi cocok)

Taraf signifikansi α = 5% = 0,05

Statistik uji
Dengan menggunakan SPSS diperoleh

Sig = 0,000
 Dengan menggunakan perhitungan manual diperoleh

𝐽𝐾𝑅/𝑘
F0 = 𝐽𝐾𝑆 = 155,2861762
𝑛−𝑘−1

Kriteria penolakan
H0 ditolak jika Sig < α , atau
H0 ditolak jika F0 > F tabel
Kesimpulan

0,000 < 0,05

Sig < α , atau
155,2861762 > F tabel = 6,94
Berdasarkan hasil yang diperoleh, maka H0 ditolak. Sehingga model cocok
dan ada pengaruh secara signifikan antara jumlah penduduk dan PDRB terhadap
IPM.

2. Pengujian Koefisien Regresi secara Individual (Uji t)

a. Variabel X1 terhadap model
Rumusan hipotesis

H0 : β1 = 0 (variabel X1 tidak berpengaruh pada model)

H1: β1 ≠ 0 (variabel X1 berpengaruh pada model)
Taraf signifikansi α = 5% = 0,05
Statistik uji
Dengan menggunakan SPSS diperoleh

Sig = 0,768
Dengan menggunakan perhitungan manual diperoleh

̂
𝛽𝑗
t= 𝑠

√𝑠𝑥2 𝑗

𝑡1 = 0.39595120752
 Kriteria penolakan
H0 ditolak jika sig < α , atau
H0 ditolak jika |t hitung| > t tabel
Kesimpulan
0,768 > 0,05
Sig > α
Jadi, 0.39595120752 < t tabel = 2,776
Berdasarkan hasil yang didapatkan, maka H0 diterima. Sehingga
variabel X1 tidak berpengaruh pada model artinya secara parsial tidak ada
pengaruh signifikan antara jumlah penduduk terhadap IPM.

b. Variabel X2 terhadap model

Rumusan hipotesis
H0 : β 2 = 0 (variabel X2 tidak berpengaruh pada model)
H1 : β 2 ≠ 0 (variabel X2 berpengaruh pada model)
Taraf signifikansi α = 5% = 0,05
Statistik uji
Dengan menggunakan SPSS diperoleh

Sig = 0,000
Dengan menggunakan perhitungan manual diperoleh

̂
𝛽𝑗
t= 𝑠

√𝑠𝑥2 𝑗

𝑡2 = 19.8867257342

Kriteria Penolakan

H0 ditolak sig < α , atau

H0 ditolak jika |t hitung| > t tabel
 Kesimpulan
0,000 < 0,05
Sig < α
Jadi, 19.8867257342 > t tabel = 2,776
Berdasarkan hasil yang didapatkan, maka H0 ditolak. Sehingga variabel
X2 berpengaruh pada model artinya secara parsial ada pengaruh signifikan
antara PDRB terhadap IPM.

IV. Koefisien Determinasi dan Koefisien Korelasi

1. Koefisien Determinasi
Setelah didapat model regresi, masalah yang dihadapi adalah menilai baik
buruknya kecocokan model regresi yang digunakan dengan data, sehingga kita
perlu ukuran tentang kecocokan model, ukuran kecocokan model disebut
dengan koefisien determinasi (R2) dengan rumus
𝐽𝐾𝑅
𝑅2 = = 0,987284324
𝐽𝐾𝑇
Sedangkan dengan SPSS diperoleh :

Berdasarkan hasil diatas diperoleh koefisien determinasi (R2) yaitu 0.987

artinya sebesar 98,7% jumlah penduduk dan PDRB mempengaruhi IPM dan
sebesar 1,3% IPM dipengaruhi oleh faktor lain diluar dari model regresi.

2. Koefisien Korelasi
Untuk menghitung korelasi antara dua variabel X dan Y yang dinotasikan
sebagai rxy untuk n pasangan observasi (Xi, Yi), i = 1,2, ... , n, dengan rumus :

𝑅 = √𝑅 2 = √0,987284324 = 0,993621822
 Sedangkan dengan menggunakan SPSS diperoleh :

Berdasarkan hasil diatas diperoleh koefisien korelasi = 0,994 yang mana

mendekati 1, sehingga terdapat hubungan yang sangat kuat dan searah antara
variabel X (jumlah penduduk dan PDRB) dan Y (IPM).

V. Analisis Residual
1. Uji Normalitas
Pengujian ini dilakukan untuk mengetahui apakah dalam model regresi
di atas, residual berdistribusi normal atau tidak. Pengujian ini dilakukan secara
visual.
Apabila dilihat dari grafik Normal P-P Plot pada output SPSS, titik-
titiknya menyebar disekitar garis lurus yang melalui titik nol. Maka asumsi
normalitas terpenuhi. Ini berarti residual berdistribusi normal.
Apabila dilihat dari histogram pada output SPSS, didapat nilai Mean dan
Standar Deviasi :
Mean = 2,13E-14 ≈ 0
Standar Deviasi = 0,816 ≈ 1
Karena Mean mendekati nol dan Standar Deviasi mendekati satu, maka asumsi
normalitas terpenuhi. Ini berarti residual berdistribusi normal.
 Hasil output SPSS :

2. Uji Linieritas
Untuk menguji linieritas, dapat menggunakan grafik antara Regression
Predicted Value dan Regression Standardized Residual. Dari grafik tersebut
terlihat bahwa plot menyebar secara acak dan tidak membentuk pola tertentu.
 Sehingga asumsi linieritas terpenuhi. Ini berarti tidak terdapat hubungan antara
harga-harga prediksi dengan residual.

Hasil output SPSS :

3. Uji Homogenitas
Untuk menguji homogenitas, dapat menggunakan grafik antara
Regression Predicted Value dan Regression Studentized Residual. Dari grafik
tersebut terlihat bahwa plot menyebar secara acak dan tidak membentuk pola
tertentu. Sehingga asumsi homogenitas terpenuhi. Ini berarti varian konstan,
penyebaran residual meningkat atau menurunnya tidak bergantung pada
variabel independen.
 Hasil output SPSS :

4. Uji Independensi Error

Uji ini dapat dilakukan dengan uji Durbin-Watson, dengan menghitung
∑𝑛𝑖=2(𝑒𝑖 − 𝑒𝑖−1 )2
𝑑= = 0,0031
∑𝑛𝑖=1 𝑒𝑖2

Berdasarkan tabel Durbin-Watson, nilai batas bawahnya yaitu 0.4672

lebih besar dari d. Akibatnya, terjadi autokorelasi (terjadi ketergantungan antara
error yang ada berdasarkan waktu tertentu).

5. Uji Multikolinieritas
Uji ini digunakan untuk menginformasikan terjadinya hubungan antara
variabel-variabel bebas (Xj) dan yang terjadi adalah hubungan yang erat.
Sehingga informasi yang dihasilkan dari variabel yang saling berhubungan
(kolinear) sangat mirip dan sulit dipisahkan pengaruhnya. Cara untuk
mengetahui adanya multikolinearitas yaitu dengan melihat nilai Faktor Inflasi
Varian (VIF).
1 1
𝑉𝐼𝐹 = = = 1,29
(1 − 𝑅 2 ) (1 − (−0,474113627)2 )
Sedangkan menggunakan SPSS diperoleh sebagai berikut :

Berdasarkan tabel diatas, diperoleh nilai VIF < 10 , maka secara

signifikan dapat disimpulkan bahwa tidak terdapat multikolinieritas.
 BAB III
PENUTUP

A. KESIMPULAN
Berdasarkan hasil analisis dari pembahasan dapat disimpulkan bahwa :
1. Berdasarkan analisis pada uji regresi linier ganda, hasil pengujian
menyatakan bahwa terdapat pengaruh Jumlah Penduduk dan PDRB terhadap
Indeks Pembangunan Manusia. Diketahui bahwa persamaan regresi adalah
linier atau terdapat relasi antara Jumlah Penduduk (X1) dan PDRB (X2)
terhadap IPM (Y). Dengan kata lain variabel X1 dan X2 dapat
digunakan untuk memprediksi variabel Y. Dimana dari analisis regresi linier
ganda tersebut didapatkan hasil bahwa persamaan
𝑌̂ = 53.771 + 0.00000265 X1 + 0.001 X2
2. Berdasarkan analisis pada uji regresi linier, hasil pengujian menyatakan
bahwa tidak terdapat pengaruh Jumlah Penduduk terhadap Indeks
Pembangunan Manusia di Kabupaten Kendal pada tahun 2010 sampai dengan
tahun 2016.
3. Berdasarkan analisis pada uji regresi linier, hasil pengujian menyatakan
bahwa terdapat pengaruh PDRB terhadap Indeks Pembangunan Manusia di
Kabupaten Kendal pada tahun 2010 sampai dengan tahun 2016.

B. SARAN
Model yang didapat dalam pembahasan ini diharapkan dapat menjadi informasi
untuk pemerintah daerah untuk menjadi bahan pertimbangan dalam mengambil
kebijakan terutama dalam bidang sosial pemerintahan.