Nama Kelompok:
Regresi linier adalah metode statistika yang digunakan untuk membentuk model
hubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih variabel bebas
(independen, prediktor, X).
Analisis regresi setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan deskripsi dari
fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan
prediksi. Regresi mampu mendeskripsikan fenomena data melalui terbentuknya suatu model
hubungan yang bersifatnya numerik. Regresi juga dapat digunakan untuk melakukan
pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati melalui
penggunaan model regresi yang diperoleh. Selain itu, model regresi juga dapat dimanfaatkan
untuk melakukan prediksi untuk variabel terikat. Namun yang perlu diingat, prediksi di
dalam konsep regresi hanya boleh dilakukan di dalam rentang data dari variabel-variabel
bebas yang digunakan untuk membentuk model regresi tersebut.
Persamaan regresi linier sederhana merupakan suatu model persamaan yang
menggambarkan hubungan satu variabel bebas/ predictor (X) dengan satu variabel tak bebas/
response (Y), yang biasanya digambarkan dengan garis lurus, seperti pada Gambar 1.
Persamaan regresi linier sederhana secara matematik diekspresikan oleh :
● Data 2
● Data 3
3. Distribusi Frekuensi Kontinue
● Data 1
Interval Tepi Kelas Frekuensi Frekuensi
Bawa Frekuensi Frekuensi Nilai Kumulatif Kumulatif
h Atas Kumulatif Relatif (%) Bawah Atas Tengah < >
65.40 92.62 3 8.823529412 64.90 93.12 79.00916667 3 34
120.3
92.62 119.84 6 17.64705882 92.12 4 106.2275 9 31
147.5
119.84 147.06 25 73.52941176 119.34 6 133.4458333 34 25
174.7
147.06 174.27 0 0 146.56 7 160.6641667 34 0
201.9
174.27 201.49 0 0 173.77 9 187.8825 34 0
229.2
201.49 228.71 0 0 200.99 1 215.1008333 34 0
Mean 82.11
Median 81.60
Modus -
Nilai
Variasi 69.50812
Standar
Deviasi 8.197022793
● Data 2
Interval Frekuen Tepi Kelas Frekuen Frekuen
si Frekuensi si si
Kumulat Relatif Nilai Kumulat Kumulat
Bawah Atas if (%) Bawah Atas Tengah if < if >
9.7116666 38.235294 10.211666 7.4508333
5.19 67 13 12 4.69 67 33 13 34
9.7116666 14.233333 9.2116666 14.733333
67 33 17 50 67 33 11.9725 30 21
14.233333 5.8823529 13.733333 16.494166
33 18.755 2 41 33 19.255 67 32 4
23.276666 2.9411764 23.776666 21.015833
18.755 67 1 71 18.255 67 33 33 2
23.276666 27.798333 22.776666 28.298333
67 33 0 0 67 33 25.5375 33 1
27.798333 2.9411764 27.298333 30.059166
33 32.32 1 71 33 32.82 67 34 0
Mean 13.18866667
Median 14.235
Modus -
Nilai Variasi 19.72114299
Standar
Deviasi 4.366207915
● Data 3
Mean 7.373666667
Median 7.51
Modus -
Nilai Variasi 4.46841023
Standar
Deviasi 2.078331836
4. Kurva Normal
● Data 1
● Data 2
● Data 3
5. Uji Normal dengan SPSS
6. Hipotesis Penelitian
● Hipotesis 1
⮚ H0 :Tidak terdapat hubungan antara Persentase masyarakat
berkemampuan TIK dan pengangguran terhadap persentase
Rumah Tangga Kumuh di perkotaan
⮚ H1 : Terdapat hubungan antara Persentase masyarakat
berkemampuan TIK dan pengangguran terhadap persentase
Rumah Tangga Kumuh di perkotaan
● Hipotesis 2
⮚ H0 : Tidak terdapat hubungan antara Presentase masyarakat
berkemampuan TIK dengan persentase Rumah Tangga Kumuh
di perkotaan
⮚ H1 : Terdapat hubungan antara Presentase masyarakat
berkemampuan TIK dengan persentase Rumah Tangga Kumuh
di perkotaan
● Hipotesis 3
⮚ H0 : Tidak terdapat hubungan antara Persentase pengangguran
dengan persentase rumah tangga kumuh
⮚ H1 : Terdapat hubungan antara Persentase pengangguran dengan
persentase rumah tangga kumuh
7. Uji Korelasi dan Regresi
● Hipotesis 1
● Hipotesis 2
● Hipotesis 3
3.4.2. Interpretasi Hasil Olah Data
1. Raw data
Pada tahapan ini, panulis mengumpulkan dan mengolompokkan data
yang kiranya sesuai dan dapat digunakan dalam penelitian ini.
2. Preprocessing Data
Pada tahapan proprcessing data ini, data dimasukkan pada sebuah scatter
plot untuk melihat data outlayer dan menghilangkannya agar tidak
terjadi kesalahan atau bias dalam proses pengolahan data.
3. Distribusi Frekuensi Kontinu
● Data 1
Berdasarkan pengolahan data satu pada table distirbusi frekeunnsi
didapatkan nilai mean, median, modus, variasi, dan standar deviasi
dengan nilai.
Mean 82.11
Median 81.60
Modus -
Nilai Variasi 69.50812
Standar
Deviasi 8.197022793
● Data 2
Berdasarkan pengolahan data dua pada table distirbusi frekeunnsi
didapatkan nilai mean, median, modus, variasi, dan standar deviasi
dengan nilai :
Mean 13.18866667
Median 14.235
Modus -
Nilai Variasi 19.72114299
Standar
Deviasi 4.366207915
● Data 3
Berdasarkan pengolahan data dua pada table distirbusi frekeunnsi
didapatkan nilai mean, median, modus, variasi, dan standar deviasi
dengan nilai :
Mean 7.373666667
Median 7.51
Modus -
Nilai Variasi 4.46841023
Standar
Deviasi 2.078331836
4. Kurva Normal
● Data 1
Berdasarkan penggambaran kurva normal, data satu diasumsikan
berdistribusi normal.
● Data 2
Berdasarkan penggambaran kurva normal, data dua diasumsikan
berdistribusi normal.
● Data 3
Berdasarkan penggambaran kurva normal, data tiga diasumsikan
berdistribusi normal.
5. Uji Normal dengan SPSS
● Data 1
Berdasarkan uji normalitas yang dilakukan pada SPSS, data 1
memperoleh nilai signicance pada table test of normality lebih besar
dari nilai sebesar 0,05. Yang mana, dapat diartikan bahwa data ini
normal.
● Data 2
Berdasarkan uji normalitas yang dilakukan pada SPSS, data 2
memperoleh nilai signicance pada table test of normality lebih besar
dari nilai sebesar 0,05. Yang mana, dapat diartikan bahwa data ini
normal.
● Data 3
Berdasarkan uji normalitas yang dilakukan pada SPSS, data 3
memperoleh nilai signicance pada table test of normality yang
nilainya lebih besar dari nilai sebesar 0,05. Yang mana, dapat
diartikan bahwa data ini normal.
6. Hipotesis
● Hipotesis 1
Berdasarkan hasil uji, korelasi yang telah dilakukan,didapat nilai
sebesar -1,442. Dengan demikian, H0 ditolak, atau Terdapat
hubungan antara Persentase masyarakat berkemampuan TIK dan
pengangguran terhadap persentase Rumah Tangga Kumuh di
perkotaan.
● Hipotesis 2
Berdasarkan hasil uji, korelasi yang telah dilakukan,didapat nilai
sebesar 0,940. Dengan demikian, H0 diterima, atau Tidak terdapat
hubungan antara Presentase masyarakat berkemampuan TIK dengan
persentase Rumah Tangga Kumuh di perkotaan.
● Hipotesis 3
Berdasarkan hasil uji, korelasi yang telah dilakukan,didapat nilai
sebesar 5,818. Dengan demikian, H0 diterima, atau Tidak terdapat
hubungan antara Persentase pengangguran dengan persentase rumah
tangga kumuh.
⮚ Korelasi
Berdarasarkan table model summary, nilai R didapat 0,634.
Artinya, korelasi antara variable jumlah penduduk miskin dan
jumlah penduduk dengan keluhan kesehatan sebesar 0,634.
Hal ini dapat diartikan bahwa korelasi antara kedua variable
tersebut kuat.
⮚ Rumus Regresi
Berdasarkan proses uji regresi yang dilakukan pada SPSS,
ditemukan bahwa nilai koefisien a= 24,723 dan koefisien b=
-0,357. Sehingga persemaan regresi yang terbentuk adalah :
Y = 24,723 + (-0,357X)
● Hipotesis 3
⮚ Korelasi
Berdarasarkan table model summary, nilai R didapat 0,242.
Artinya, korelasi antara variable jumlah penduduk miskin dan
jumlah penduduk dengan keluhan kesehatan sebesar 0,242.
Hal ini dapat diartikan bahwa korelasi antara kedua variable
tersebut lemah.
⮚ Rumus Regresi
Berdasarkan proses uji regresi yang dilakukan pada SPSS,
ditemukan bahwa nilai koefisien a= 34,212 dan koefisien b=
-0,157. Sehingga persemaan regresi yang terbentuk adalah :
Y = 34,212 + (-0,157X)
4.1 Kes
BAB IV imp
KEISMPULAN ula
n
Berdasarkan hasil pengujian terhadap ketiga hipotesis yang dilakukan dan didasarkan juga pada
landasan teori yang telah dipaparkandi atas, dapat disimpulakn bahwa :
● variable persentase penduduk miskin cukup berpengaruh terhadap variable
persentase penduduk dengan keluah sakit dengan nilai R sebesar 0,391
● variable persentase tenaga kerja formal berpengaruh cukup kuat terhadap variable
persentase penduduk miskin. Degan nilai r sebesar 0,634
● Variable persentase tenaga kerja formal tidak berpengaruh terhadap variable
persentase penduduk dengan keluhan sakit, dengan nilai r sebesar 0,242
DAFTAR PUSTAKA
Yuliara, I Made. 2016. Regresi Linear Sederhana. Bali : Universitas Udayana. Deny,
K. (2008). Regresi Linear. FORUM STATISTIKA.