i
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Bismillahirahmanirrahim.
Assalamu’alaikum Wr. Wb.
Bandung, Oktober
2020 Kasie Lab. PPSR
ii
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
iii
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
LAMPIRAN
L.1 Titik Persentase Distribusi F .................................................................................................... L-2
L.2 Titik Persentase Distribusi t .................................................................................................... L-6
L.3 Titik Persentase Distribusi Chi-Square (X2) ..................................................................... L-10
iv
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
A. Umum
v
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
C. Sanksi - Sanksi
vi
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
A. Aturan
Dengan ketentuan :
1. Studi terdahulu harus dikirimkan ke asisten pembimbing pada awal asistensi.
2. Judul tugas kelompok harus mendapat persetujuan asisten pembimbing.
3. Materi yang boleh diambil/digunakan dari penelitian terdahulu hanya data
nya saja/sampel.
4. Hasil analisis menggunakan metode yang sudah ditentukan oleh asisten lab.
Bab 1 Pendahuluan
1.1 Latar Belakang
1.2 Tujuan dan Sasaran
1.3 Ruang Lingkup
1.3.1 Ruang Lingkup Wilayah (Makro dan Mikro)
1.3.2 Ruang Lingkup Materi
1.3.3 Ruang Lingkup Waktu
1.4 Metodologi
1.4.1 Metode Pendekatan
vii
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
viii
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Materi Standar
Pertemuan Tanggal Kompetensi Dasar Indikator Pengajar/ Asisten
Kompetensi
1 Pendahuluan dan 1. Tata Tertib 1. Pengenalan Lab. PSSR Team Teaching:
Statistik Deskriptif 2. Penjelasan Tugas beserta team teaching 1. Asih Suzana, ST., MT.
3. Penjelasan Kuis 2. Mahasiswa sepakat akan 2. Riana Viciani Gunawan, ST.,
4. Penjelasan aturan praktikum MT.
Penilaian 3. Mahasiswa memahami 3. Asep Nurul Ajiid Mustofa,
5. Penjelasan Materi pentingnya praktikum ST., MT.
Praktikum Statistika beserta 4. Yudha Wibowo, S.Si.
manfaatnya dalam ilmu 5. Ahmad Alhamd Fadlimat,
ix
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Materi Standar
Pertemuan Tanggal Kompetensi Dasar Indikator Pengajar/ Asisten
Kompetensi
Perencanaan Wilayah dan S.PWK.
Kota. 6. Wulida Putra Reformis
2 Statistik Deskriptif 1. Kuis Sukma Prayoga
2. Pemahaman
Statistik Deskriptif
3. Kasus Statistik
Deskriptif
4. Input Data Statistik
Deskriptif
3 Regresi Majemuk 1. Kuis 1. Mahasiswa bisa Team Teaching:
2. Prosesing Regresi memproses data Regresi 1. Asih Suzana, ST., MT.
Majemuk Mejemuk 2. Riana Viciani Gunawan, ST.,
3. Interpretasi Data 2. Mahasiswa bisa membaca MT.
4. Aplikasi terhadap output dan 3. Asep Nurul Ajiid Mustofa,
Ruang menginterprtasikan ST., MT.
hasilnya 4. Yudha Wibowo, S.Si.
3. Mahasiswa bisa 5. Ahmad Alhamd Fadlimat,
menganalisa, menarik S.PWK.
kesimpulan dari kasus/ 6. Wulida Putra Reformis
masalah terkait dan Sukma Prayoga
mengaplikasikannya ke
dalam konteks ruang
4 Regresi Majemuk 1. Kuis 1. Mahasiswa memahami
2. Pemahaman kapan Regresi Majemuk
Regresi Majemuk dapat digunakan
3. Kasus Regresi 2. Mahasiswa bisa membuat
Majemuk contoh kasus Regresi
x
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Materi Standar
Pertemuan Tanggal Kompetensi Dasar Indikator Pengajar/ Asisten
Kompetensi
4. Input Data Regresi Majemuk
Majemuk 3. Mahasiswa bisa menyusun
variabel dan menentukan
jumlah sampel penelitian
Regresi Majemuk
4. Mahasiswa bisa meng-
input data Regresi
Majemuk
5 Crosstab 1. Kuis 1. Mahasiswa bisa Team Teaching:
2. Prosesing Crosstab memproses data Crosstab 7. Asih Suzana, ST., MT.
3. Interpretasi 2. Mahasiswa bisa membaca 8. Riana Viciani Gunawan, ST.,
Crosstab output dan MT.
4. Aplikasi terhadap menginterprtasikan 9. Asep Nurul Ajiid Mustofa,
Ruang hasilnya ST., MT.
3. Mahasiswa bisa 10. Yudha Wibowo, S.Si.
menganalisa, menarik 11. Ahmad Alhamd Fadlimat,
kesimpulan dari kasus/ S.PWK.
masalah terkait dan 12. Wulida Putra Reformis
mengaplikasikannya ke Sukma Prayoga
dalam konteks ruang
6 Crosstab 1. Kuis 1. Mahasiswa memahami
2. Pemahaman kapan Analisa Crosstab
Analisa Crosstab dapat digunakan
3. Kasus Analisa 2. Mahasiswa bisa membuat
Crosstab contoh kasus Analisa
4. Input Analisa Crosstab
Crosstab 3. Mahasiswa bisa menyusun
xi
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Materi Standar
Pertemuan Tanggal Kompetensi Dasar Indikator Pengajar/ Asisten
Kompetensi
variabel dan menentukan
jumlah sampel penelitian
Analisa Crosstab
4. Mahasiswa bisa meng-
input data Analisa
Crosstab
xii
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Materi Standar
Pertemuan Tanggal Kompetensi Dasar Indikator Pengajar/ Asisten
Kompetensi
9 Pemantapan
10 Ujian 1. Praktek Kasus 1. Evaluasi kemampuan
(Input-Proses- mahasiswa terhadap
Output) materi praktikum
2. Presentasi Kasus 2. Evaluasi KBM (penyebaran
kuesioner)
11 Presentasi 1 dan 2
12 Presentasi 3 dan 4
xiii
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
1-0
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
1.1 Pengantar
1-1
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Metode Pendukung
Jenis-jenis Data
1. Data menurut sifat :
Data takmetrik (non-metricdata)
a) Nominal, sifatnya hanya untuk membedakan antar
kelompok. Contoh: Jenis kelamin (laki-laki, perempuan)
Jurusan dalam Fakultas Teknik (Industri, Tambang,Planologi).
Data metrik
a) Interval, selain memiliki sifat data ordinal, juga memiliki sifat
interval antar observasi dinyatakandalam unit pengukuran yang
tetap.
Contoh:
1-2
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
b) Rasio, selain memiliki sifat data interval, skala rasio memiliki angka
0 (nol) dan perbandingan antara duanilai mempunyai arti.
Contoh: berat orang pertama 100 kg, Berat orang kedua 50 kg
artinya orang pertama memiliki 2 kali lebih besar
daripada orang kedua.
Rata‐rata hitung
+ +⋯+
1 2
1. Data tunggal =
−1
+ +⋯+
2. Data berkelompok 1 1 2
2
=
+ …+
1 2
−1 −1
1 1 1 1
= =
−1 1
Median
1-3
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
− 1
= 2
1
= 2 ( + +1)
−
= +{2 }
2. Data berkelompok
Modus
1. Data tak berkelompok dapat diketahui dari Nilai dengan frekuensi terbanyak
data
2. Data berkelompok
1
= + { + }
1 2
Rata-rata Geometris = (∏ = )
Rata-rata Harmonik =
1
=1
Kuartil
( +1)
1-4
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
2. Data berkelompok ( )( ) − 0
10
= + , = 1,2,…,9
Presentil
( + 1)
100
( )( )
2. Data berkelompok 10
− 0
= + , = 1,2,…,9
1. Rentang (Range)
Untuk data tak berkelompok
= −
−
2. Simpangan Kuartil (Quartile Deviation) 3 1
=
2
3. Simpangan Rata‐Rata
=
Data tak berkelompok 1 −
=1
1-5
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Data berkelompok
1
= −
=1
4. Simpangan baku
Data tak berkelompok =1
( − )
2
=√
Data berkelompok =√
=1
( − )
2
Mulai
Pengumpulan
Data
Pengolahan Data
Penyajian Hasil
Olahan Data
(Ikhtisar Data)
Penggunaan hasil
Statistika Deskriptif olahan data sampel
Ya untuk menaksir dan/
Data diperoleh
dari sampel? atau karakteristik
populasi yang
dihipotesiskan Statistika Inferensi
Tidak
Gambar 1.1
Tahapan Statistika Deskriptif
1-6
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
1.4 Latihan
Kasus
“Data Luas Wilayah, Jumlah Penduduk, dan Kepadatan Penduduk per Kelurahan di
Kecamatan Tembalang Tahun 2019”
Input untuk analisis deskriptif statistik dalam rangka mengetahui komposisi penduduk
Kota Tasikmalaya dan demi mencapai tujuan penelitian dengan melakukan analisis
frekuensi dan analisis deskriptif dari data sebagai berikut:
Kepadatan
Luas Wilayah/ Jumlah Penduduk
No Kecamatan Penduduk
Km2 (Jiwa)
(Orang/Km2)
1 Rowosari 8.7 14.599 1.678
2 Meteseh 4.99 21.870 4.383
3 Kramas 0.93 4.519 4.859
4 Tembalang 2.68 7.235 2.700
5 Bulusan 3.04 6.847 2.252
6 Mangunharjo 3.03 11.811 3.898
7 Sendangmulyo 4.61 44.204 9.589
8 Sambiroto 3.18 16.332 5.136
9 Jangli 2.07 8.540 4.126
10 Tandang 3.75 26.935 7.183
11 Kedungmundu 1.49 14.844 9.962
12 Sendangguwo 3.27 28.535 8.726
Jumlah 41.74 206.271 64.492
1-7
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
1. Buka file
2. Klik Analyze > Descriptive statistic > Frekuensi untuk memunculkan kotak dialog
seperti pada gambar di bawah ini
3. Pada daftar sebelah kiri pilihlah variabel Luas wilayah dan jumlah penduduk dan klik
untuk memindahkan variabel yang Luas wilayah ke dalam kotak variable (s).
Kotak variabel berfungsi untuk membuat daftar variable yang akan di analisis
frekuensi nya
4. Centang pilihan Display frekuensi tables guna menampilkan hasil analisis kedalam
bentuk tabel.
5. Klik Statistik, pemilihan ini akan membuka kotak dialog Frequencies Statistik.
Kotak Percentile values berfungsi untuk membuat urutan dari nilai terkecil
sampai terbesar dan daftar range ini didapat dari pencacahan terhadap kasus
data pada variabel yang terdaftar, kedalam bentuk kuartil, cutpoint, atau
1-8
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Kotak Dispersion berguna untuk mengetahui sebaran data yang ada. Terfdapat
6 pilihan yaitu :
a. Std. Devitiation adalah deviasi standar yang merupakan akar kuadrat dari
variasi jumlah sampel. Semakin besar nilai devisiasi maka semakin tinggi
pula penyimpangan data dari nilai rata-ratanya. Sebaliknya, semakin kecil
nilai devisiasi standar maka berarti data mengelompok pada sekitar nilai
rata-ratanya dan tidak menunjikan adanya variasi data yang banyak.
b. Variance adalah jumlah dari selisih pengurangan antara data dan mean
dibagi dengan (n – 1).
c. Range adalah suatu nilai yang menunjukan selisih antara nilai tertinggi
dengan nilai terendah.
d. Minimun adalah nilai minimum data.
e. Maksimun adalah nilai maksimum data.
f. SE Mean adalah ukuran seberapa ragam nilai mean dari sampel yang
diambil dari distribusi yang sama. SE mean dapat digunakan untuk
membandingkan secara kasar mean yang diobservasi dengan nilai yang
disimpulkan sementara (hipotesis).
Distribution merupakan statistic yang mengambarkan bentuk dan simetri dari
distribusi statistic ini ditampilkan dengan standar errornya.
a. Skewness yaitu ukuran kecondongan grafik. Kecondongan ini merupakan
selisih antara rat-rata dan median. Grafik ini menunjukan simetris atau
tidaknya distribusi pada sampel data. Condong ke kanan memiliki artian
median lebih kecil daripada nilai mean seta digrafikan dengan gambar
distribusi data dengan ekor ke kanan., dan sebaliknya. Nilai skewness =
(mean – modus) / devisiasi standar
b. Kurtosis adalah nilai ukuran yang menunjukan distribusi data. Jika nilai
kurtosis positif dan tinggi menunjukan bahwa ekor distribusi datanya lebih
panjang dibanding dengan distribusi normal, dan sebaliknya untuk hasil
negative yang menunjukan ekor distribusi datanya lebih pendek daripada
distribusi normal.
6. Klik Continue
7. Klik Chart sehingga muncul kotak dialog Frekuensi : Chart Pada kotak chart Type
pilihlah Histogram dan berilah centang pilihan With Normal Curve.
1-9
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
8. Klik Continue
9. Klik Format untuk menuju kotak dialog Frekuensi : Format yang berfungsi
menentukan format urutan table yang dihasilkan.
Pada kotak Order by pilihlah Ascending Values
Pada kotak multiple variables pilihlah Compare Variables
10. Klik Continue lalu Ok, maka akan timbul jendela output sebagai berikut.
Output Data
Statistics
1-10
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Frequency Table
1-11
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Histogram
1-12
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
1-13
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Interpretasi
Referensi
1.6 Evaluasi
1-14
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Pertanyaan :
a. Sebutkan yang merupakan data metrik dan takmetrik, jelaskan ? (20)
b. Deskripsikan data di atas ? (20)
c. Sajikan dalam bentuk grafik dan interpretasikan ? (20)
1-15
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
2-0
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
2.1 Pengantar
Metode Pendukung
Model Dasar
Analisis regresi merupakan teknik untuk menurunkan kombinasi linear dari dua
atau lebih variabel independen untuk memprediksi nilai variabel dependen.
2-1
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Di mana :
Y = prediksi nilai variabel dependen b0
= konstanta
bn = bobot (koefisien) regresi untuk variabel independen ke-n Vn =
variabel independen ke-n
Asumsi Dasar
Dalam membentuk model regresi, artinya dalam hal menentukan koefisien regresi-
peneliti dituntut untuk dapat meminimasi jumlah total kuadrat error (residu). Error
ini merupakan selisih antara nilai variabel dependen actual dengan nilai variabel
dependen yang diprediksi melalui model regresi. Metode minimasi kuadrat error ini
dikenal sebagai least square method.
1. Linearitas
Suatu model linear dapat memprediksikan nilai (variabel dependen) pada
suatu garis lurus yang perubahan nilainya konstan terhadap perubahan nilai
variabel independen.
2. Variasi Residu yang Konstan
Sering juga disebut homoscedasticity, merupakan variansi residu yang konstan
terhadap perubahan nilai variabel independen. Asumsi ini diperlukan karena
diharapkan bahwa variansi nilai variabel dependen yang dijelaskan melalui
model tidak terkonsentrasi pada nilai independen yang terbatas.
3. Independensi Residu
Nilai variabel dependen yang diprediksi harus independen satu dengan
lainnya. Tidak ada kaitan antara hasil suatu variabel dependen hasil prediksi
dengan prediksi berikutnya.
4. Residu yang berdistribusi normal
Sifat kenormalan harus dimiliki variabel dependen maupun independen.
Pengujian ini dapat dilakukan dengan melakukan pemeriksaan visual terhadap
histrogram residu.
2-2
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Efek Kurvilinier
Analisis regresi majemuk juga dapat mengakomodasi sifat data yang tidak
linier (curvilinear)
Efek Moderator
Karakteristik lain yang juga dapat diakomodasi adalah efek moderator atau
efek interaksi, yaitu suatu kondisi yang terjadi manakala suatu variabel
mempengaruhi bentuk hubungan antara variabel independen lainnya dengan
variabel dependen.
2-3
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Gambar 2.1
Tahapan Analisis Regresi Majemuk
2-4
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Aplikasi Analisis Regresi Majemuk dalam ilmu perencanaan salah satunya adalah:
1. Pengaruh keberadaan Pedagang Kaki Lima terhadap Kemacetan di Jalan Otista.
2. Pengaruh Pengembangan Kapasitas Masyarakat Pada Kegiatan PNPM Mandiri
Perdesaan Terhadap Pencapaian Derajat dan Keberlanjutan Program Pemberdayaan
Masyarakat (Studi Kasus: Desa Gunung Geulis, Kecamatan Sukaraja, Kabupaten
Bogor).
3. Pengaruh Perkembangan Karakteristik Kawasan Terhadap Rencana Pengembangan
Kawasan Peri-Urban di Pulau Jawa-Bali.
4. Perkembangan Aspek Sosial Ekonomi Terhadap Luas Lahan Pertanian di Kawasan
Industri Kabupaten Malang.
5. Pengaruh Perkembangan Kawasan Perkotaan Terhadap Penyediaan Ruang Terbuka
(Open Space) di Kota Medan.
6. Pengaruh Karakteristik Wilayah Terhadap Pengembangan Hirarki Sistem Pusat
Pelayanan Kawasan di BWP Lumbok Seminung-Sukau, Kabupaten Lampung Barat.
2-5
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
2.5 Latihan
Kasus
Dengan demikian maka strategi pengembangan sistem perkotaan BWP Lumbok Seminung-
Sukau adalah :
1. Pengembangan sistem perkotaan melalui pembentukan wilayah/zona atau sub
BWP berdasarkan fungsi masing-masing.
2. Pengembangan sistem perkotaan dengan meningkatkan efisiensi sistem pusat
pelayanan kegiatan kawasan.
3. Pengembangan sistem perkotaan dengan merencanakan pola peruntukan ruang
secara terpadu pada masing-masing blok.
Sehubungan dengan strategi pengembangan dan karakteristik BWP Lumbok Seminung-
Sukau sebagai wilayah perkotaan serta sebagai Kawasan Strategis Pariwisata Nasional,
maka rencana pengembangan sistem perkotaan pada BWP Lumbok Seminung-Sukau
berkaitan dengan satuan wilayah pengembangan dengan menggunakan pendekatan
sistem pada pengembangan skala pelayanan kegiatan kawasan sesuai dengan rencana
peruntukannya.
Rencana skala pelayanan kegiatan kawasan meliputi semua sistem kegiatan primer,
sistem kegiatan sekunder sampai pada kegiatan lokal dan lingkungan (tersier). Struktur
pelayanan kegiatan merupakan komponen perencanaan yang bertujuan dalam distribusi
jenis dan pelayanan kegiatan yang ditetapkan dalam struktur ruang kawasan. Sehingga
rencana skala pelayanan kegiatan terdiri dari Pusat Pelayanan Kota/Kawasan Perkotaan
(PPK) sebagai pusat kegiatan primer, Sub Pusat Pelayanan Kota/Kawasan Perkotaan
(SPK) sebagai pusat kegiatan sekunder dan Pusat Pelayanan Lingkungan (PPL) sebagai
pusat kegiatan tersier.
2-6
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
2-7
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Tabel 2.1 Data Pengaruh Karakteristik Wilayah Terhadap Pengembangan Hirarki Sistem Pusat Pelayanan Kawasan di BWP Lumbok Seminung-Sukau,
Kabupaten Lampung Barat
2-8
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Prosedur penggunaan SPSS untuk setiap model analisis pada dasarnya adalah sama.
Langkah input data dan analisis regresi majemuk adalah sebagai berikut:
2-9
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Untuk menjalankan prosedur analisis regresi linier, dari menu utama SPSS, pilih
“Analyze” lalu pilih sub menu :
1. Regression
2. Linier
Maka akan ditampilkan sebuah kotak dialog Linear Regression. Semua variabel numerik
pada file data anda akan ditampilkan pada kotak daftar variabel.
1. Pindahkan sebuah variabel yang akan dijadikan respon ke kotak Dependent
2. Pindahkan sedikitnya satu variabel yang akan dijadikan predictor ke kotak
Independent(s).
2-10
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
3. Klik tombol OK
Untuk menentukan metode yang akan digunakan dalam membuat model regresi,
anda bisa memilihnya dari daftar drop-down Method. Ada beberapa metode yang
bisa digunakan : Enter, Stepwise, Remove, Backward, dan Forward. Dalam kasus ini
menggunakan metode Forward.
Untuk menentukan statistik-statistik yang akan ditampilkan pada output, klik tombol
Statistics…………. pada kotak dialog utama sehingga akan ditampilkan kotak dialog di
bawah ini.
2-11
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Selain itu, dapat juga memilih salah satu atau beberapa alternative dibawah ini :
Descriptives
Menampilkan mean variabel, deviasi standard, dan matriks korelasi dengan one
tail probability.
Model Fit
Menampilkan R, R2, adjusted R2 dan standard error.
Block Sumarry
Menampilkan rangkuman statistik untuk setiap langkah (backward, forward,
atau stepwise).
Durbin-Watson
Menampilkan statistik uji Durbin-Watson, dan statistik-statistik untuk residual-
residual dan harga-harga prediksi yang terstandarisasi maupun tidak.
Collinearity Diagnotics
Menampilkan toleransi variabel-variabel dalam persamaan maupun yang tidak
dalam persamaan, faktor inflasi varians, eigen value, indeks kondisi, dan proporsi
dekomposisi variansi.
Jika option-option di atas telah dipilih, maka tekan tombol continue dan kembali
pada kotak dialog utama.
Untuk menghasilkan Scatterplot dari variabel-variabel dalam model, klik tombol Plots
… Pada kotak dialog utama, sehingga akan ditampilkan kotak dialog berikut:
2-12
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Untuk menyimpan residuals, nilai-nilai prediksi, yang ukuran sesuai sebagai variable
baru, maka click tombol Save … dalam kotak dialog Linear Regression. Option ini
akan membuka kotak dialog Linear Regression : save berikut :
2-13
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
SPSS secara otomatis menugaskan nama variable baru untuk beberapa ukuran yang
disimpan sebagai variable baru. Tabel dalam output menunjukkan nama dari setiap
variabel baru dan isinya. Dalam kotak dialog Regression : Save terdapat beberapa kotak
berikut :
Predicted Values, kita dapat memilih satu atau lebih option dibawah ini :
Unstandardized; nilai-nilai prediksi yang tidak distandarisasi.
Standardized; nilai-nilai prediksi yang terstandarisasi.
Adjusted; nilai-nilai prediksi yang disesuaikan.
S.E. of mean predictions; standar error dari nilai-nilai prediksi.
Distances, dalam kotak ini dapat dipilih beberapa metode perhitungan jarak sebagai
berikut :
Mahalabonis; perhitungan jarak dengan menggunakan rumus Mahalabonis distance.
Cook’s, perhitungan jarak dengan menggunakan rumus Cook distance.
Leverage Values, perhitungan dengan Centered leverage values.
Confidence Interval, untuk interval kepercayaan mean dan observasi tunggal, telah
ditetapkan default selang kepercayaan sebesar 95%. Untuk mengganti nilai ini, masukkan
nilai antara 0 dan 100.
Residuals, untuk memperoleh nilai residual dapat dipilih satu atau lebih option-option
berikut ini :
Unstandardezed, residual yang tidak distandarkan.
Standardized, residual yang distandarkan.
Studentized.
Deleted, nilai residual yang dihilangkan.
Studentized deleted.
Untuk menentukan kriteria dimana variabel-variabel yang telah dipilih akan dimasukkan
atau dikeluarkan dari model regresi, untuk menghilangkan konstanta, atau untuk
menangani keberadaan missing value, klik tombol Options …… Pada kotak dialog Linear
Regression, sehingga memunculkan kotak dialog berikut :
2-14
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Pada kotak Stepping Method Criteria, dapat dipilih salah satu alternative sebagai berikut:
Use probability off
Menggunakan Probabilitas F-to-enter (PIN) dan Probabilitas F-to-remove (POUT)
sebagai kriteria entry (default 0.05) dan kriteria removal (default 0.10). Nilai
probabilitas yang bias menggantikan keadaan default tentunya antara 0 hingga 1.
Pilihan ini merupakan default.
Use F value
Menggunakan harga F sebagai kriteria entry (FIN) dan removal (FOUT). Default
untuk FIN adalah 3.84 dan default untuk FOUT adalah 2.71. Nilai ini bias diubah
dengan ketentuan harus lebih besar dari 0 dan FIN harus lebih besar dari FOUT.
Selain itu terdapat option include constant in equation, yang akan memberikan nilai
konstanta pada persamaan regresi. Pilihan ini merupakan default. Jika option pada kotak
dialog ini telah ditentukan, maka tekan tombol continue untuk kembali pada kotak dialog
utama Regression Analysis. Selanjutnya tekan tombol OK untuk memulai proses Analisis
Regresi dan akan keluar output analisisnya.
2-15
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Output Data
Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N
Hirarki Sistem Pusat Pelayanan 1.48 .680 21
Luas WIlayah (Ha) 693.5014 591.68482 21
Jumlah Penduduk (JIwa) 1589.62 1520.477 21
Kepadatan Penduduk Bruto (Jiwa/Ha) 3.29 3.068 21
Kepadatan Penduduk Nettto (Jiwa/Ha) 410.48 465.024 21
Persentase Luas Lahan Terbangun (%) 1.4562 2.41203 21
Persentase Rumah Tangga Pertanian (%) 33.3105 12.04768 21
Kelengkapan Sarana Pelayanan Umum 27.48 18.286 21
(Unit)
Jumlah Sarana Perumahan (Unit) 317.95 304.150 21
Jumlah Peserta Pemilu (Jiwa) 1144.38 1094.669 21
Aksesibilitas 7368331.1748 11734450.68154 21
Gravitasi 8036483.8662 15233590.29881 21
Ranksize 3.05610 .351290 21
2-16
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Correlations
Kepadatan Penduduk
Kepadatan Penduduk
Hirarki Sistem Pusat
Kelengkapan Sarana
Persentase Rumah Tangga
Luas WIlayah (Ha)
Pertanian (%)
Aksesibilitas
Terbangun (%)
Pelayanan
Ranksize
Gravitasi
(Jiwa)
(Unit)
Hirarki Sistem Pusat Pelayanan 1.000 .730 .790 -.140 .029 -.183 .246 .649 .790 .790 .652 .472 .725
Luas WIlayah (Ha) .730 1.000 .668 -.411 -.051 -.203 .420 .553 .668 .668 .660 .587 .725
Jumlah Penduduk (JIwa) .790 .668 1.000 .101 -.010 -.040 .134 .676 1.000 1.000 .416 .201 .915
Kepadatan Penduduk Bruto (Jiwa/Ha) -.140 -.411 .101 1.000 -.332 .293 -.135 -.102 .101 .101 -.249 -.298 .082
Kepadatan Penduduk Nettto (Jiwa/Ha) .029 -.051 -.010 -.332 1.000 -.337 -.119 -.025 -.011 -.010 .025 -.084 -.191
Persentase Luas Lahan Terbangun (%) -.183 -.203 -.040 .293 -.337 1.000 -.189 -.131 -.040 -.040 -.183 -.125 .075
Pearson
Correlation Persentase Rumah Tangga Pertanian (%) .246 .420 .134 -.135 -.119 -.189 1.000 .326 .134 .134 .153 .120 .371
Kelengkapan Sarana Pelayanan Umum (Unit) .649 .553 .676 -.102 -.025 -.131 .326 1.000 .676 .676 .593 .340 .786
Jumlah Sarana Perumahan (Unit) .790 .668 1.000 .101 -.011 -.040 .134 .676 1.000 1.000 .417 .202 .915
Jumlah Peserta Pemilu (Jiwa) .790 .668 1.000 .101 -.010 -.040 .134 .676 1.000 1.000 .416 .201 .915
Aksesibilitas .652 .660 .416 -.249 .025 -.183 .153 .593 .417 .416 1.000 .917 .454
Gravitasi .472 .587 .201 -.298 -.084 -.125 .120 .340 .202 .201 .917 1.000 .267
Ranksize .725 .725 .915 .082 -.191 .075 .371 .786 .915 .915 .454 .267 1.000
Hirarki Sistem Pusat Pelayanan . .000 .000 .272 .451 .213 .142 .001 .000 .000 .001 .015 .000
Luas WIlayah (Ha) .000 . .000 .032 .412 .188 .029 .005 .000 .000 .001 .003 .000
Sig. (1- Jumlah Penduduk (JIwa) .000 .000 . .331 .482 .431 .281 .000 .000 .000 .030 .191 .000
tailed) Kepadatan Penduduk Bruto (Jiwa/Ha) .272 .032 .331 . .071 .099 .279 .329 .331 .331 .138 .095 .362
Kepadatan Penduduk Nettto (Jiwa/Ha) .451 .412 .482 .071 . .068 .303 .457 .482 .482 .458 .359 .203
Persentase Luas Lahan Terbangun (%) .213 .188 .431 .099 .068 . .206 .286 .431 .431 .214 .295 .373
2-17
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Kepadatan Penduduk
Hirarki Sistem Pusat
Kelengkapan Sarana
Persentase Rumah Tangga
Luas WIlayah (Ha)
Pertanian (%)
Aksesibilitas
Terbangun (%)
Pelayanan
Ranksize
Gravitasi
(Jiwa)
(Unit)
Persentase Rumah Tangga Pertanian (%) .142 .029 .281 .279 .303 .206 . .074 .281 .281 .254 .302 .049
Kelengkapan Sarana Pelayanan Umum (Unit) .001 .005 .000 .329 .457 .286 .074 . .000 .000 .002 .065 .000
Jumlah Sarana Perumahan (Unit) .000 .000 .000 .331 .482 .431 .281 .000 . .000 .030 .190 .000
Jumlah Peserta Pemilu (Jiwa) .000 .000 .000 .331 .482 .431 .281 .000 .000 . .030 .191 .000
Aksesibilitas .001 .001 .030 .138 .458 .214 .254 .002 .030 .030 . .000 .019
Gravitasi .015 .003 .191 .095 .359 .295 .302 .065 .190 .191 .000 . .121
Ranksize .000 .000 .000 .362 .203 .373 .049 .000 .000 .000 .019 .121 .
Hirarki Sistem Pusat Pelayanan 21 21 21 21 21 21 21 21 21 21 21 21 21
Luas WIlayah (Ha) 21 21 21 21 21 21 21 21 21 21 21 21 21
Jumlah Penduduk (JIwa) 21 21 21 21 21 21 21 21 21 21 21 21 21
Kepadatan Penduduk Bruto (Jiwa/Ha) 21 21 21 21 21 21 21 21 21 21 21 21 21
Kepadatan Penduduk Nettto (Jiwa/Ha) 21 21 21 21 21 21 21 21 21 21 21 21 21
Persentase Luas Lahan Terbangun (%) 21 21 21 21 21 21 21 21 21 21 21 21 21
N Persentase Rumah Tangga Pertanian (%) 21 21 21 21 21 21 21 21 21 21 21 21 21
Kelengkapan Sarana Pelayanan Umum (Unit) 21 21 21 21 21 21 21 21 21 21 21 21 21
Jumlah Sarana Perumahan (Unit) 21 21 21 21 21 21 21 21 21 21 21 21 21
Jumlah Peserta Pemilu (Jiwa) 21 21 21 21 21 21 21 21 21 21 21 21 21
Aksesibilitas 21 21 21 21 21 21 21 21 21 21 21 21 21
Gravitasi 21 21 21 21 21 21 21 21 21 21 21 21 21
Ranksize 21 21 21 21 21 21 21 21 21 21 21 21 21
2-18
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Variables Entered/Removeda
Variables Entered/Removed a
Model Variables Entered Variables Removed Method
Ranksize, Persentase Luas Lahan Terbangun . Enter
(%), Kepadatan Penduduk Bruto (Jiwa/Ha),
Gravitasi, Persentase Rumah Tangga Pertanian
1 (%), Kepadatan Penduduk Nettto (Jiwa/Ha),
Kelengkapan Sarana Pelayanan Umum (Unit),
Luas WIlayah (Ha), Jumlah Peserta Pemilu
(Jiwa), Aksesibilitasb
a. Dependent Variable: Hirarki Sistem Pusat Pelayanan
b. Tolerance = ,000 limits reached.
Model Summaryb
Model Summary b
Adjusted Std. Change Statistics
R Error of R Durbin-
Model R R F Sig. F
Square the Square Watson
Square Change df1 df2
Change
Estimate Change
1 .899a .809 .618 .420 .809 4.232 10 10 .016 1.747
a. Predictors: (Constant), Ranksize, Persentase Luas Lahan Terbangun (%), Kepadatan Penduduk
Bruto (Jiwa/Ha), Gravitasi, Persentase Rumah Tangga Pertanian (%), Kepadatan Penduduk Nettto
(Jiwa/Ha), Kelengkapan Sarana Pelayanan Umum (Unit), Luas WIlayah (Ha), Jumlah Peserta
Pemilu (Jiwa), Aksesibilitas
b. Dependent Variable: Hirarki Sistem Pusat Pelayanan
Coefficientsa
Coefficientsa
Unstandardized Standardized Collinearity
Correlations
Coefficients Coefficients Statistics
Model t Sig.
Std. Zero-
B Error Beta order Partial Part Tolerance VIF
(Constant) 5.358 4.156 1.289 .226
Luas 9.763E- .001 .085 .188 .855 .730 .059 .026 .093 10.747
WIlayah 005
(Ha)
Kepadatan -.022 .057 -.098 -.384 .709 -.140 -.120 - .290 3.444
Penduduk .053
Bruto
1 (Jiwa/Ha)
Kepadatan .000 .000 -.125 -.663 .522 .029 -.205 - .535 1.868
Penduduk .092
Nettto
(Jiwa/Ha)
Persentase .023 .057 .083 .411 .690 -.183 .129 .057 .467 2.139
Luas Lahan
Terbangun
(%)
2-19
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Coefficientsa
Unstandardized Standardized Collinearity
Correlations
Coefficients Coefficients Statistics
Model t Sig.
Std. Zero-
B Beta Partial Part Tolerance VIF
Error order
Persentase .015 .013 .273 1.232 .246 .246 .363 .170 .388 2.579
Rumah
Tangga
Pertanian
(%)
Kelengkapan .005 .017 .122 .275 .789 .649 .087 .038 .097 10.324
Sarana
Pelayanan
Umum
(Unit)
Jumlah .001 .000 1.315 2.151 .057 .790 .562 .297 .051 19.569
Peserta
Pemilu
(Jiwa)
2.773E- .000 .479 .703 .498 .652 .217 .097 .041 24.302
Aksesibilitas
008
- .000-.134 -.238 .817 .472 -.075 - .060 16.685
Gravitasi5.988E-009 .033
-1.821 1.727 -.941 - .316
Ranksize
1.055 .725 -.316 - .024 41.664
.146
a. Dependent Variable: Hirarki Sistem Pusat Pelayanan
Charts
2-20
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Interpretasi
Referensi
1. Dillon, WR., Goldstein, M. (1984). Multivariate Analysis: Methods and Application. New
York: John Wiley & Sons.
2. Noruris, M. (1994). SPSS Professional Statistics 6.1. Chicago: SPSS Inc.
3. Laboratorium POSI ITB, Pelatihan Analisis Multivariat, 2001, Teknik Industri ITB,
Bandung.
4. Pardede, Anggiat. 2005. Pengaruh Perluasan Jalan terhadap Perubahan Pendapatan
Pedagang Tradisional Pasar Melati Medan. Medan: USU Press.
2.6 Evaluasi
Evaluasi 1
Pertanyaan :
1. Teori :
a. Jelaskan tujuan analisis regresi majemuk dalam ilmu perencanaan! (5)
b. Jelaskan tahapan dalam analisis regresi majemuk! (5)
c. Sebutkan 5 konsep pengujian signifikansi model! (10)
d. Jelaskan model dasar analisis regresi majemuk! (10)
e. Jelaskan mengenai ukuran sampel yang disyaratkan dalam analisis regresi
majemuk! (5)
Kendaraan pribadi (Mobil dan Motor), semakin meningkat jumlahnya, sementara itu
penambahan panjang jalan sangat minim, sehingga melebihi kapasitas jalan yang telah
ditentukan. Akibatnya kemacetan lalulintas sering terjadi di Kota Medan. Hal ini
diperparah dengan keberadaan angkutan umum yang belum memadai kenyamanannya,
menyebabkan kemacetan berlarut-larut. Oleh karena itu, perlu dikaji pengaruh kondisi
kenyamanan angkutan umum terhadap peningkatan kepemilikan kendaraan pribadi di
Kota Medan.
2-21
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Dari uraian tersebut, dapat diangkat permasalahan dalam penelitian ini adalah:
1. Apakah ada hubungan yang signifikan antara kondisi angkutan umum dengan
peningkatan kepemilikan kendaraan pribadi?
2. Bagaimanakah hubungan antara tingkat kepemilikan kendaraan pribadi dengan
faktor pertambahan amgkutan umum?
Adapun variabel – variabel yang diteliti dalam rangka mencapai tujuan penelitian ini
adalah sebagai berikut:
Nilai hasil kusioner untuk variabel-variabel tersebut ditampilkan pada Tabel Input Data
sebagai berikut :
1 4.33 3.67 3.86 4.33 2.80 15.16 12.85 3.67 15.16 4.33 3.50 4.00
2 4.33 5.00 4.57 4.33 4.00 16.68 20.85 5.00 18.06 4.33 4.17 4.00
3 5.00 4.67 4.00 5.00 3.60 18.06 19.47 4.67 20.85 5.00 3.67 4.33
4 4.00 4.00 4.14 4.00 4.40 20.00 16.00 4.00 16.00 4.00 2.50 4.33
5 4.00 3.67 3.86 4.00 3.20 14.68 13.47 3.67 14.68 4.00 3.30 4.33
6 4.33 4.00 4.29 4.33 4.00 16.00 16.00 4.00 20.00 4.33 2.50 2.67
7 4.33 4.00 4.86 4.33 3.20 15.00 20.00 4.00 21.65 4.33 4.83 4.67
8 5.00 3.33 3.86 5.00 3.00 13.89 13.89 3.33 18.06 5.00 4.00 3.33
9 3.33 5.00 4.43 3.33 5.00 15.89 21.65 5.00 21.65 3.33 1.67 5.00
10 4.00 3.00 3.57 4.00 2.80 10.00 7.50 3.00 8.33 4.00 4.17 3.30
11 4.33 4.00 4.57 4.33 2.20 20.22 17.32 4.00 17.32 4.33 4.00 4.33
12 4.00 5.00 4.14 4.00 3.60 16.68 20.85 5.00 18.06 4.00 3.30 4.00
13 4.67 4.67 4.71 4.67 4.00 20.91 22.56 4.67 22.56 4.67 4.83 4.00
14 4.33 5.00 4.14 4.33 4.20 10.00 12.50 5.00 10.00 4.33 4.17 4.00
15 4.00 5.00 4.86 4.00 3.60 20.00 25.00 5.00 20.00 4.00 4.83 4.33
16 5.00 4.33 3.57 5.00 4.40 17.32 17.32 4.33 17.32 5.00 3.50 4.33
17 3.33 4.00 3.57 3.33 2.00 12.50 10.00 4.00 10.00 3.33 4.17 4.67
18 3.00 5.00 4.00 3.00 3.20 18.68 16.00 5.00 10.83 3.00 3.67 4.67
19 4.67 5.00 4.14 4.67 1.60 7.50 12.50 5.00 16.68 4.67 4.00 4.00
20 4.33 4.67 4.57 4.33 4.00 16.68 25.00 4.67 20.22 4.33 4.00 4.00
21 4.00 4.33 4.71 4.00 3.80 18.75 17.32 4.33 20.22 4.00 3.00 4.33
22 4.00 4.00 4.14 4.00 4.40 18.75 10.00 4.00 12.50 4.00 4.17 4.00
23 5.00 4.00 4.14 5.00 3.80 12.50 16.00 4.00 10.00 5.00 4.00 4.33
2-22
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
24 4.67 4.00 4.00 4.67 1.80 11.68 12.50 4.00 18.06 4.67 4.17 4.00
25 5.00 3.33 4.57 5.00 2.80 20.85 20.85 3.33 14.99 5.00 4.17 3.67
26 3.33 4.00 3.71 3.33 2.00 14.99 20.22 4.00 13.32 3.33 3.33 4.00
27 4.00 5.00 3.86 4.00 4.00 12.22 18.75 5.00 16.00 4.00 3.50 4.00
28 4.00 4.00 4.71 4.00 4.20 16.00 10.00 4.00 12.22 4.00 2.50 4.00
29 3.33 4.00 4.71 3.33 1.80 14.68 10.00 4.00 16.58 3.33 2.83 3.33
30 4.33 3.00 3.43 4.33 2.80 15.32 16.68 3.00 7.50 4.33 2.83 4.67
31 3.00 4.33 2.57 3.00 1.40 9.18 14.99 4.33 21.02 3.00 2.67 4.00
32 4.67 4.00 4.14 4.67 2.60 18.00 13.32 4.00 12.75 4.67 3.83 2.67
33 3.33 3.33 3.57 3.33 4.00 14.06 20.00 3.33 21.65 3.33 3.17 4.00
34 5.00 4.00 4.57 5.00 4.00 17.32 14.68 4.00 16.68 5.00 4.00 4.67
35 4.00 4.00 4.43 4.00 3.20 15.30 15.32 4.00 12.50 4.00 4.00 4.33
36 5.00 4.00 4.00 5.00 3.60 7.50 7.50 4.00 17.32 5.00 4.17 4.00
37 4.33 4.33 3.71 4.33 2.80 16.00 19.49 4.33 18.68 4.33 3.00 4.00
38 4.67 4.67 4.00 4.67 4.40 13.32 12.75 4.67 17.32 4.67 3.17 3.33
39 4.00 4.00 3.71 4.00 3.00 21.65 17.32 4.00 9.42 4.00 4.00 4.00
40 3.33 3.00 4.00 3.33 2.00 11.32 16.68 3.00 9.80 3.33 3.83 2.67
41 2.67 3.00 4.29 2.67 4.00 14.68 10.00 3.00 20.00 2.67 2.50 2.67
42 5.00 4.00 3.71 5.00 3.80 16.00 17.32 4.00 10.00 5.00 4.17 4.67
43 4.00 4.00 3.43 4.00 2.60 10.00 18.68 4.00 17.32 4.00 2.67 3.33
44 4.00 4.00 4.43 4.00 2.40 20.22 17.32 4.00 14.06 4.00 3.00 4.33
45 3.67 4.67 4.14 3.67 4.40 15.32 8.49 4.67 16.00 3.67 4.17 3.67
46 4.00 4.00 4.57 4.00 3.60 20.00 14.68 4.00 17.32 4.00 2.67 4.00
47 4.00 4.00 3.29 4.00 3.00 15.89 16.00 4.00 17.32 4.00 3.00 3.67
48 4.33 4.33 4.57 4.33 2.60 12.00 10.00 4.33 14.42 4.33 4.17 2.67
49 3.33 3.33 3.57 3.33 3.00 15.89 20.22 3.33 9.80 3.33 2.33 4.00
50 2.67 3.00 3.71 2.67 2.60 13.47 15.32 3.00 24.15 2.67 3.50 4.00
51 5.00 4.00 4.71 5.00 3.40 19.32 17.32 4.00 20.22 5.00 4.67 2.67
52 4.00 4.00 4.29 4.00 3.20 12.99 25.00 4.00 25.00 4.00 4.33 4.00
53 4.00 5.00 4.86 4.00 4.20 25.00 20.00 5.00 20.00 4.00 2.50 3.33
54 4.00 4.00 4.29 4.00 2.00 20.00 19.47 4.00 16.68 4.00 3.50 3.67
55 4.33 4.67 4.71 4.33 4.20 18.06 14.68 4.67 14.68 4.33 3.00 4.67
56 2.67 4.00 4.00 2.67 2.80 13.47 19.32 4.00 20.91 2.67 4.83 4.33
57 4.00 4.00 4.43 4.00 2.40 20.22 17.32 4.00 14.06 4.00 3.00 4.33
58 3.67 4.67 4.14 3.67 4.40 15.32 8.49 4.67 16.00 3.67 4.17 3.67
59 4.00 4.00 4.57 4.00 3.60 20.00 14.68 4.00 17.32 4.00 2.67 4.00
60 4.67 4.67 4.00 4.67 4.40 13.32 12.75 4.67 17.32 4.67 3.17 3.33
61 4.00 4.00 4.43 4.00 2.40 20.22 17.32 4.00 14.06 4.00 3.00 4.33
62 3.67 4.67 4.14 3.67 4.40 15.32 8.49 4.67 16.00 3.67 4.17 3.67
63 4.00 4.00 4.57 4.00 3.60 20.00 14.68 4.00 17.32 4.00 2.67 4.00
64 4.00 4.00 3.29 4.00 3.00 15.89 16.00 4.00 17.32 4.00 3.00 3.67
65 4.33 4.33 4.57 4.33 2.60 12.00 10.00 4.33 14.42 4.33 4.17 2.67
66 4.33 5.00 4.57 4.33 4.00 16.68 20.85 5.00 18.06 4.33 4.17 4.00
67 5.00 4.67 4.00 5.00 3.60 18.06 19.47 4.67 20.85 5.00 3.67 4.33
68 4.00 4.00 4.14 4.00 4.40 20.00 16.00 4.00 16.00 4.00 2.50 4.33
69 4.00 3.67 3.86 4.00 3.20 14.68 13.47 3.67 14.68 4.00 3.30 4.33
70 4.33 4.00 4.29 4.33 4.00 16.00 16.00 4.00 20.00 4.33 2.50 2.67
71 4.33 4.67 4.57 4.33 4.00 16.68 25.00 4.67 20.22 4.33 4.00 4.00
72 4.00 4.33 4.71 4.00 3.80 18.75 17.32 4.33 20.22 4.00 3.00 4.33
73 4.00 4.00 4.14 4.00 4.40 18.75 10.00 4.00 12.50 4.00 4.17 4.00
74 5.00 4.00 4.14 5.00 3.80 12.50 16.00 4.00 10.00 5.00 4.00 4.33
75 4.67 4.00 4.00 4.67 1.80 11.68 12.50 4.00 18.06 4.67 4.17 4.00
2-23
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Pertanyaan :
1. Jelaskan uji F dan uji t berdasarkan data tersebut ? (40)
2. Buatlah Persamaan Regresi Majemuknya berdasarkan data diatas ! (25)
Evaluasi 2
Tujuan dari penelitian ini adalah untuk mengetahui pengaruh proses pengembangan
kapasitas masyarakat terhadap pencapaian derajat keberdayaan masyarakat pada
kegiatan PNPM Mandiri Perdesaan di Desa Gunung Geulis, dengan sasaran penelitian
yaitu mengkaji implementasi pengembangan kapasitas masyarakat, mengkaji sikap dan
cara pandang masyarakat tentang pemberdayaan masyarakat serta mengkaji derajat
keberdayaan masyarakat di Desa Gunung Geulis.
Metode analisis yang digunakan dalam penelitian ini adalah dengan menggunakan
metode analisis regresi linear majemuk. Metode ini digunakan untuk mengukur sikap dan
cara pandang masyarakat terhadap pemberdayaan masyarakat yang dilaksanakan dalam
komunitasnya yang dapat menghasilkan hubungan yang signifikan antara pengembangan
kapasitas masyarakat pada kegiatan PNPM mandiri perdesaan terhadap pencapaian
derajat dan keberlanjutan program pemberdayaan masyarakat.
Dari uraian tersebut, dapat diangkat permasalahan dalam penelitian ini adalah apakah
ada hubungan yang signifikan antara pengembangan kapasitas masyarakat dengan
pencapaian derajat keberdayaan masyarakat pada kegiatan PNPM Mandiri Perdesaan di
Desa Gunung Geulis?
Input untuk analisis regresi linear majemuk dalam rangka mencapai tujuan penelitian ini
adalah dengan menggunakan variabel-variabel sebagai berikut :
2-24
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
V9 : Kepuasan KE
V10 : Kepercayaan Diri KD
V11 : Keterampilan Manajemen/ Manajerial KM
V12 : Pengambilan Keputusan PKE
Respon Masyarakat/ Peran Serta RM/
V13 :
Masyarakat PSM
Variabel Pencapaian dan Keberlanjutan Derajat
V14 : PKDKM
Dependen Keberdayaan Masyarakat
Dengan variabel-variabel diatas, maka didapat data isian kuesioner sebagai berikut :
2-25
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Pertanyaan :
2-26
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
3-0
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
3.1 Pengantar
Analisis Tabulasi Silang (Crosstabs) adalah salah satu metoda analisa yang paling
sederhana dan cukup kuat untuk melihat hubungan antar variabel (minimum 2
variabel).
Data yang bisa digunakan untuk analisis tabulasi silang (crosstabs analysis) ini adalah
data :
1. data rasio.
2. data nominal.
3. data ordinal.
4. data interval.
3-1
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Metode Pendukung
Uji Statistik ( × )
=
( – )
= ∑∑
Keterangan:
R = Banyaknya baris
C= Banyaknya kolom
Oij = Frekuensi observasi pada baris ke-I dan kolom ke-j
Eij = Frekuensi harapan pada baris ke-I dan kolom ke-j
N = Banyaknya data
3-2
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Gambar 3.1
Tahapan Analisis Tabulasi Silang
2. Berdasarkan probabilitasnya
Jika probabilitas > α maka H0 diterima.
Jika probabilitas < α maka H0 ditolak.
Statistik Chi-kuadrat yang dihasilkan harus dibandingkan dengan titik kritis dan
distribusi teoritis Chi-kuadrat untuk menentukan apakah kedua variabel benar-benar
independent. Untuk itu diperlukan juga derajat kebebasan (degree of freedom/df) dari
3-3
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
tabel. Derajat kebebasan untuk tabel yang terdiri dari m baris dan n kolom adalah (m-1)x
(n-1).
Uji Chi kuadrat hanyalah uji independensi, sehingga hanya sedikit memberikan informasi
mengenai kekuatan atau bentuk asosiasi di antara dua variabel. Harga yang dihasilkan
tidak hanya bergantung pada kebaikan model independensi, akan tetapi juga bergantung
pada ukuran sampel. Jika ukuran sampel pada sebuah tabel ditambah maka hargachi-
kuadrat juga bertambah. Jadi, besamya harga chi-kuadrat bisa dilihat melalui residual
yang relatif kecil untuk frekuensi harapan akan tetapi ukuran sampelnya besar.
Aplikasi Analisis Tabulasi Silang dalam ilmu perencanaan salah satunya adalah :
1. Hubungan antara potensi pengembangan kampung kota di Kota Bandung terhadap
keberlanjutannya.
2. Pengelompokan hubungan antara kelas jalan dengan jenis kendaraan di Kabupaten
Tasikmalaya.
3. Hubungan antara tingkat pelayanan jalan (volume capacity ratio dengan kapasitas
ruas jalan (smp/jam) yang ada ) di Provinsi Nusa Tenggara Timur.
4. Pengaruh komponen pembentuk ruang kampung wisata kreatif terhadap
keberlanjutannya.
5. Hubungan antara aspek atraction (daya tarik) wisata dengan aspek accessibility
(keterjangkauan) pada kampung wisata.
3.5 Latihan
Kasus
Aplikasi dari tahapan analisis tabulasi silang dapat digunakan untuk menyelesaikan
kasus pada perencanaan. “Pada sebuah survey primer yang dilakukan oleh Pemerintah
Kota Jambi, hendak diketahui bagaimana keterhubungan antara mata pencaharian
masyarakat setempat dengan besarnya penghasilan masyarakat. Untuk meneliti tersebut
telah ditetapkan variabel mata pencaharian dan besarnya penghasilan memiliki kategori
sebagai berikut :
Mata Pencaharian :
1. Karyawan BUMN
3-4
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
2. Dosen
3. Perawat
4. Dokter
Dari 115 responden yang telah disebar kuesioner diperoleh data sebagai berikut :
Prosedur penggunaan SPSS untuk setiap model analisis pada dasarnya adalah sama.
Langkah input data dan analisis tabulasi silang adalah sebagai berikut:
Masukan Variabel yang akan di analisis pada tab Variable View. Input data hasil
kuesioner pada tab Data View. Dari menu utama SPSS, pilih “Analyze” lalu pilih sub
menu “Descriptive Statistic” kemudian “Crosstabs…
3-5
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
1) Terlihat pada tampilan tersebut bahwa semua variabel numerik dan string pendek
pada data akan ditampilkan pada kotak daftar variabel.
2) Pindahkan variabel-variabel yang akan dijadikan variabel baris dan variabel kolom
masing-masing ke kotak : Row (s) dan Column (s).
3) Pada kotak Previous... Layer 1 of 1 ... Next anda bisa memasukkan variable control.
Variabel ini adalah selain dari pada variable kolom dan baris. Misalnya untuk jenis
pekerjaan dan jumlah pendapatan, maka dapat memasukkan jenis pekerjaan (yaitu
Mahasisiwa dan Pegawai), maka tabel yang akan dibuat adalah 2 tabel yaitu tabulasi
Jenis pekerjaan dan jumlah pendapatan untuk kategori Mahasiswa dan Pegawai, dan
sebaliknya pada praktikum saat ini tidak menggunakan variable control.
Supress Tables adalah pilihan untuk semua criteria default (yang telah ditetapkan
oleh komputer). Jika memilih option ini, maka tidak ada tabulasi silang yang
dihasilkan dan SPSS hanya menampilkan statistik yang anda tentukan.
Selanjutnya anda berpindah ke bagian Statistics dan akan muncul jendela yang di
dalamnya terdapat beberapa istilah statistic seperti : Chi-squere. Corelation, Kappa,
Risk, dll.
3-6
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Setelah itu klik Continue, lalu kembali ke menu utama, kemudian klik Cell Display,
selanjutnya akan muncul tampilan yang didalamnya terdapat : kotak Counts
(Observed dan Expected), pada kotak Percentages (Row, Column, dan total), dll.
Terakhir, dari menu cells display… anda kembali ke menu utama lalu klik kotak
Format sehingga muncul tampilan yang dapat dipilih beberapa alternative di
antaranya Ascending dan Descending).
Setelah semua diisi, selanjutnya klik OK, dan akan keluar output analisisnya.
Output Data
3-7
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Chi-Square Tests
Chi-Square Tests
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 125.026a 9 .000
Likelihood Ratio 163.099 9 .000
Linear-by-Linear Association .808 1 .369
N of Valid Cases 115
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 5.22.
Directional Measures
Directional Measures
Asymp. Std. Approx.
Value Approx. Sig.
Errora Tb
Nominal Symmetric .430 .071 5.246 .000
Lambda
by Besar Penghasilan Dependent .434 .074 4.866 .000
3-8
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
Directional Measures
Asymp. Std. Approx.
Value Approx. Sig.
Errora Tb
Nominal Mata Pencaharian Dependent .427 .074 4.748 .000
Goodman and Besar Penghasilan Dependent .360 .024 .000c
Kruskal tau Mata Pencaharian Dependent .359 .024 .000c
Symmetric .514 .014 33.323 .000d
Uncertainty
Besar Penghasilan Dependent .514 .014 33.323 .000d
Coefficient
Mata Pencaharian Dependent .514 .014 33.323 .000d
Nominal Besar Penghasilan Dependent .136
by Interval Eta Mata Pencaharian Dependent .895
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
c. Based on chi-square approximation
d. Likelihood ratio chi-square probability.
Symmetric Measures
Symmetric Measures
Value Asymp. Std. Approx. Tb Approx. Sig.
Errora
Phi 1.043 .000
Nominal by Cramer's V .602 .000
Nominal Contingency .722 .000
Coefficient
Interval by -.084 .087 -.898 .371c
Pearson's R
Interval
Ordinal by Spearman -.072 .110 -.766 .445c
Ordinal Correlation
N of Valid Cases 115
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
c. Based on normal approximation.
Interpretasi
Referensi
3-9
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
4. Bowker, Albert H., Lieberman. Engineering Statistic 2nd ed. 1972. Englewood Cliffs :
Pretice Hall Inc.
5. Dajan, Anto. Pengantar Metode Statistik Jilid I Cet 12. 1988. Jakarta : LP3ES.
3.6 Evaluasi
Evaluasi 1
Pemerintah Kelurahan Cinunuk ingin mengetahui apakah ada hubungan antara tingkat
pendapatan dengan tingkat pendidikan penduduk, hal ini diperlukan untuk bahan
masukan pada kegiatan musrembang di desa tersebut, untuk , menganalisis data tersebut
dilakukanlah kegiatan survey sekunder yang dimana menggunakan variabel sebagai
berikut :
Tingkat Pendidikan :
1. SD
2. SMP;
3. SMA;
4. Perguruan Tinggi.
3-10
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Pertanyaan:
1. Teori:
a. Jelaskan tujuan analisis tabulasi silang dalam ilmu perencanaan ? (10)
b. Jelaskan metoda uji chi square dalam analisis tabulasi silang ? (15)
c. Sebutkan konsep dasar penggunaan analisis tabulasi silang ? (15)
2. Berdasarkan hasil output analisis di atas :
a. Lampirkan output dari analisis diatas (20)
b. Jelaskan uji chisquare dari output tersebut. (40)
Evaluasi 2
Berdasarkan kasus tersebut, diketahui variable tipe perumahan terbagi atas 3 kategori,
yaitu :
1. Type 36;
2. Type 45;
3. Type 72.
Sedangkan besar pendapatan yang akan ditetapkan dibagi kedalam 3 kategori, yaitu:
1. <Rp. 1.500.000
2. Rp 1.500.000 – Rp. 3.000.000
3. >Rp. 3.000.000
Pertanyaan :
1) Lampirkan output dari data diatas ? (10)
2) Jelaskan uji chi-square dari data diatas ? (60)
3) Buatlah kasus dan aplikasi analisis crosstabs dalam ilmu perencanaan dengan jumlah
sample sebanyak 95 responden dan kriteria masing-masing variabel sebanyak 5
buah ? (30)
3-11
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
4-0
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
4.1 Pengantar
Pengertian ANOVA
Analysis of Variance atau yang dikenal dengan One Way Anova adalah salah satu
metode analisis dalam SPSS yang digunakan untuk menganalisis atau menguraikan
seluruh variasi atas bagian-bagian yang mempunyai makna untuk melihat pengaruh
perlakuan pada variasi objek dalam sekelompok data.
Kegunaan ANOVA
a. Menganalisis atau menguraikan seluruh variasi atas bagian – bagian yang
mempunyai makna.
b. Melihat pengaruh perlakuan pada variasi objek.
Tujuan ANOVA
Tujuan dari melakukan analisis dengan ANOVA adalah mencari sumber variasi,
maka pada dasarnya analisis ini terdiri dari satu atau beberapa sumber perbedaan
pada sekelompok data atau populasi yang disebut sistematik variance atau SV.
4-1
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Metode Pendukung
Sistematik Varian
Dalam sekelompok data terdapat dua jenis sistematik variance yaitu sistematik
variance yang dapat dijelaskan dan sistematik variance yang tidak dapat dijelaskan.
Sistematik variance yang pertama dikenal dengan Variance Between sedangkan
sistematik variance yang kedua dikenal dengan Variance Within atau merupakan
error dari Variance data. Gabungan antara sistematik Variance dan errornya
merupakan total variance dari populasi. Untuk lebih jelasnya dapat dilihat dalam
Gambar 4.1 serta rumus total variansi adalah sebagai berikut:
Error
Gambar 4.1
SV1 SV3 Hubungan Antara Variansi
SV2
Dalam analisis variansi dianggap bahwa semua variasi yang ada antara rataan
setiap perlakuan disebabkan oleh dua hal yaitu:
Variansi antar perlakuan atau Between Variance- S2a.
Variansi yang diakibatkan oleh perlakuan yang berbeda atau variansi dari
variable tak bebas yang dapat dijelaskan oleh variable bebas.
Variansi dalam perlakuan atau Within Variance – S2w.
Variansi dari variable tak bebas yang tidak dapat dijelaskan oleh factor lain
misalnya perbedaan individu, perhitungan yang kurang tepat, dan sifatnya
acak.
Distribusi F
Distribusi F dalam statistic adalah rasio antara variansi sampel 1 dengan variansi
sampel 2 atau rasio antar dua sampel. Uji ini digunakan untuk mengetahui apakah
suatu variable menjadi sumber perbedaan pada suatu populasi data. Distribusi F
menggunakan uji hipotesis Ho untuk mengetahui apakah rataan suatu criteria sama
dengan rataan populasinya. Lawan dari hipotesis Ho adalah Hi yang menyatakan
paling tidak terdapat suatu perbedaan criteria. Untuk interpretasi hasil Jika F hitung <
F tabel maka hipotesis Ho diterima, artinya rataan kriteria sama dengan rataan
4-2
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
populasinya. Jadi criteria tersebut bukan sebagai sumber perbedaan ataupun tidak
membentuk suatu sistematik varian tersendiri. Demikian pula sebaliknya, untuk
Fhitung > Ftabel maka hipotesis Hi diterima dan criteria tersebut menjadi sumber
perbedaan pada populasi. Bila uji Ho benar maka rasio:
f = S12
2
S2
Merupakan nilai peubah acak F yang mempunyai sebaran dengan K – 1 dan K(n-1)
derajat bebas. Hipotesis Ho ditolak pada taraf nyata dengan a bila dan untuk lebih
jelasnya dapat dilihat pada Gambar 4.2.
4-3
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Perancangan Faktor
Sebelum kita melakukan studi aplikasi dari Analysis Of Variance maka langkah awal
yang harus dilakukan adalah merancang factor ekesperimen yang diperlukan dalam
analisis. Misalnya kita dalam eksperimen menggunakan single variable atau factor
yang dinilai maka tipe analisis ini disebut dengan “One Way” atau “One Factor”
analisis variansi. Pada analisis ini hanya menggunakan satu variable predictor atau
satu variable kriteria. Bentuk eksperimen ini dapat kita kembangkan menjadi
beberapa factor atau multi factor, misalnya perancangan dua factor (Two Factorial
Design), tiga faktor, dan seterusnya.
Aplikasi Analisis Variansi (ANOVA) dalam ilmu perencanaan salah satunya adalah:
1. Pengaruh Indeks Pembangunan Manusia terhadap Keberhasilan Pembangunan
daerah di Kabupaten Tasikmalaya.
2. Pengaruh keberadaan Pedagang Kaki Lima terhadap Kemacetan di Jalan R.E
Martadinata.
3. Tiga konsep pengembangan pada beberapa Kota yang ada di Indonesia yang
diterapkan dengan tiga konsep pengembangan kota.
4. Dampak Kebijakan Pengelolaan Kawasan Pasca Tambang Batubara Terhadap
Perubahan Kualitas Lingkungan, Ekonomi, dan Sosial.
4-4
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
4.5 Latihan
Kabupaten Bintan adalah salah satu kabupaten di Provinsi Kepulauan Riau, Indonesia.
Kabupaten Bintan sebelumnya bernama Kabupaten Kepulauan Riau. abupaten ini
memiliki sejumlah peluang di bidang pariwisata, industri, perikanan, pertambangan dan
Peternakan. Pada sektor industri, Kabupaten ini mempunyai kawasan industri di Lobam
sebagai salah satu hasil dari kerjasama ekonomi antara Singapura, Malaysia, dan
Indonesia. Terdapat 4000 ha lahan yang dipakai oleh 18 perusahaan elektronik, 14
perusahaan garmen dan lain-lain. Industri yang berkembang pada kawasan adalah salah
satunya dengan menetapkan kawasan KEK Galang Batang.
Kawasan Ekonomi Khusus (KEK) Galang Batang berada di Pulau Bintan Kepulauan Riau,
yang merupakan sentra choke point Selat Malaka, berdekatan dengan Batam Free Trade
Zone dan Selat Philip. Lokasi KEK Galang Batang mempunyai akses langsung dengan Selat
Malaka dan Laut China Selatan. KEK Galang Batang diusulkan oleh badan usaha PT Bintan
Alumina Indonesia dan telah ditetapkan melalui Peraturan Pemerintah Nomor 42 Tahun
2017.
KEK Galang Batang akan dikembangkan sebagai sentra industri pengolahan mineral hasil
tambang (bauksit) dan produk turunannya baik dari refinery maupun dari proses
smelter. Diperkirakan KEK Galang Batang akan mampu menyerap tenaga kerja sebesar
23.200 orang, tersebar untuk industri pengolahan refinery sebesar 350 orang, industri
pengolahan smelter sebesar 260 orang dan jasa dermaga serta pelabuhan yang
berpotensi menciptakan kegiatan ikutan (multiplier effect) di kawasan tersebut. Adapun
nilai investasi pembangunan KEK Galang Batang adalah sebesar Rp 36,25 Triliun hingga
tahun 2027.
4-5
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
1. Sebelum memasukan data, harus memasukkan dulu nama variabelnya, jenis data,
format tabel, dan label name-nya. Caranya ialah dengan mengklik dua kali dengan
mouse pada menu Variabel View di bawah kiri.
2. Setelah Variabel View diisi, klik lagi Data View untuk memasukkan data. Data yang
dimasukan adalah data yang berada pada tabel Latihan diatas.
4-6
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
3. Setelah data dimasukan, maka dari menu utama pilih Analyze – Compare Means –
One Way ANOVA.
4-7
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
4-8
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Setelah masuk ke menu Contrast, lalu klik Polynominal dan klik Continue.
Lalu masuk ke menu Post Hoc Multiple Comparisons, kemudian klik Bonferroni
dan Tukey, dilanjutkan dengan klik Continue.
4-9
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Output Data
Descriptives
Descriptives
Aspek Keberlanjutan
95% Maximum Between-
Confidence Component
Interval for Variance
Mean Minimum
Std. Std. Lower Upper
N Mean Deviation Error Bound Bound
1 25 73.32 10.323 2.065 69.06 77.58 53 89
2 25 75.44 13.093 2.619 70.04 80.84 50 98
3 25 73.84 10.930 2.186 69.33 78.35 55 91
Total 75 74.20 11.390 1.315 71.58 76.82 50 98
Model Fixed
11.510 1.329 71.55 76.85
Effects
Random
1.329a 68.48a 79.92a -4.079
Effects
4-10
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
ANOVA
ANOVA
Aspek Keberlanjutan
Sum of Mean
Squares df Square F Sig.
Between (Combined) 61.040 2 30.520 .230 .795
Groups
Linear Contrast 3.380 1 3.380 .026 .874
Term
Deviatio
57.660 1 57.660 .435 .512
n
Within Groups 9538.960 72 132.486
Total 9600.000 74
Multiple Comparisons
Multiple Comparisons
Dependent Variable : Aspek Keberlanjutan
95%
(I) Dampak (J) Dampak
Mean Confidence
Pembangunan Pembangunan Std.
Difference Sig. Interval
KEK Galang KEK Galang Error
(I-J) Lower
Batang Batang
Bound
Tukey 1 2 -2.120 3.256 .792 -9.91
HSD 3 -.520 3.256 .986 -8.31
2 1 2.120 3.256 .792 -5.67
3 1.600 3.256 .876 -6.19
3 1 .520 3.256 .986 -7.27
2 -1.600 3.256 .876 -9.39
Bonferron 1 2 -2.120 3.256 1.000 -10.10
i 3 -.520 3.256 1.000 -8.50
2 1 2.120 3.256 1.000 -5.86
3 1.600 3.256 1.000 -6.38
3 1 .520 3.256 1.000 -7.46
2 -1.600 3.256 1.000 -9.58
Multiple Comparisons
Dependent Variable : Aspek Keberlanjutan
(I) Dampak (J) Dampak 95% Confidence
Pembangunan KEK Pembangunan KEK Interval
Galang Batang Galang Batang Upper Bound
Tukey HSD 1 2 5.67
3 7.27
2 1 9.91
3 9.39
3 1 8.31
2 6.19
Bonferroni 1 2 5.86
3 7.46
2 1 10.10
3 9.58
3 1 8.50
2 6.38
4-11
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Homogeneous Subsets
Aspek Keberlanjutan
Dampak Pembangunan KEK Subset for alpha = 0.05
N
Galang Batang 1
Tukey HSDa 1 25 73.32
3 25 73.84
2 25 75.44
Sig. .792
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 25.000.
Interpretasi Data
Referensi
4.6 Evaluasi
4-12
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Pertanyaan:
1. Teori:
a. Jelaskan kegunaan dari Analisis Variansi (ANOVA)!
b. Jelaskan perbedaan dari Within Variance dan Between Variance dalam ANOVA!
2. Jelaskan uji Probabilitas dan Uji F berdasarkan data terlampir dalam analisis
variansi ?
3. Apa arti / fungsi dari nilai Subsets for Alpha?
4. Interpretasikan:
Nilai Keberhasilan
4-13
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
Disusun Oleh :
L-1
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
L-2
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
L-3
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
L-4
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
L-5
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
L-6
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
L-7
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
L-8
Laboratorium Perencanaan dan Perancangan Sistem Ruang
Perencanaan Wilayah dan Kota - UNISBA
L-9
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
L-10
Laboratorium Perencanaan dan Perancangan Sistem
Ruang Perencanaan Wilayah dan Kota - UNISBA
L-11
Maka di antara mereka ada yang
gugur dan di antara mereka ada (pula)
yang menunggu-nunggu dan mereka
tidak merobah (janjinya)…