Analisis regresi, Analisis cluster, otokorelasi

spasial, dan regresi spasial pada persentase ibu

melahirkan di tenaga non medis.

NAMA KELOMPOK :

DEWI NUR KHASANAH 101711133005

WARDATUL RAIHAN 101711133032
YUNITA AYU NUR QOMARI 101711133046
ETI VERA ASMANINGRUM 101711133050
FANIA ANANTA ROMADHONI 101711133157
RISYAD ROSYADI 101711133187
ALIFANDRA AZYA SANIPUTRA 101711133224
ACHMAD RISYAF ALFALAKH 101711133236
 Analisis Regresi Linear

Variabel yang diuji :

1. Variabel dependen : persentase ibu melahirkan di
tenaga non medis (COUNT)
2. Variabel independen :
a. Pendidikan ayah (DIDIK_AY)
b. Pendidikn ibu (DIDIK_IB)
c. Budaya (BUDAYA)
d. Pendapatan (PENDPTN)
 Langkah Analisis Regresi Linear :

1. Open data (file dengan ekstensi .shp) 

kabupaten.shp
Analisis Regresi Linier Menggunakan Tool atau menu Scatter
Plot (untuk analisis regresi linier sederhana)

1. Klik tool Scatter Plot (toolbar) atau pilih menu

Explore – Scatter Plot (menubar)
2. Pada kotak dialog scatter plot variables, pilih
Independent var X dan dependen var Y
3. Klik OK
Regresi linear : Persentase ibu melahirkan di tenaga non medis (var.
Dependen) dan Pendidikan Ayah (var. Independen)

 Interpretasi:
Dari hasil Scatter Plot disamping
dapat dilihat bahwa nilai p(0,107) >
α(0,05) yang berarti tidak ada
pengaruh dari pendidikan ayah
terhadap persentase ibu melahirkan
di tenaga non medis.
 Regresi linear : Persentase ibu melahirkan di tenaga non
medis (var. Dependen) dan Pendidikan Ibu (var. Independen)

Interpretasi:
Dari hasil Scatter Plot disamping
dapat dilihat bahwa nilai
p(0,073) > α(0,05) yang berarti
tidak ada pengaruh dari
pendidikan ibu terhadap
persentase ibu melahirkan di
tenaga non medis.
 Analisis regresi linier menggunakan tool / menu regresssion

1. Klik tool regression (toolbar) atau pilih menu

regression (menu bar)
2. Pada kotak dialog regression, pilih dependent
variable dan covariates-nya
3. Pilih models : classic
4. Run
 Regresi linear : Persentase Ibu Melahirkan di Tenaga Non
Medis (var. Dependen) dan Budaya (var. Independen)

Output :
Interpretasi :

a) Pengujian overall model  prob (F-statistic) : 0,545176 (> α)  tidak

signifikan, maknanya adalah variabel budaya (variabel independen)
tidak berpengaruh secara signifikan terhadap persentase ibu
melahirkan di tenaga non medis (variabel dependen)

b) Signifikansi variabel independen dengan pengujian koefisien regresi 

p-value untuk variabel budaya adalah 0,54518 (> α)  tidak signifikan

c) Koefisien determinasi  R-squared : 0,010257  1,0257%, maknanya

variasi/ proporsi keragaman yang ada pada variabel persentase ibu
melahirkan di tenaga non medis (variabel dependen) yang dapat
dijelaskan oleh variabel budaya (variabel independen) adalah sebesar
1,0257% dan variasi yang tidak dapat dijelaskan oleh variabel budaya
adalah sebesar 98,9743%.
 Uji Asumsi

1. Test of normality, p-value = 0,46688 (> α)  berdistribusi normal

((asumsi terpenuhi))

2. Heteroskedastisitas, p-value = 0,55753 dan 0,42582 (> α) 

homogen ((asumsi terpenuhi))

3. Linieritas, berdasarkan nilai prob (F-statistic) : 0,545176 (> α) 

tidak signifikan  ada hubungan tidak linier/tidak ada hubungan
 Regresi linear : Persentase Ibu Melahirkan di Tenaga Non
Medis (var. Dependen) dan Pendapatan (var. Independen)

Output :
Interpretasi :

a) Pengujian overall model  prob (F-statistic) : 0,00445344 (< α) 

signifikan, maknanya adalah variabel pendapatan (variabel
independen) berpengaruh secara signifikan terhadap persentase ibu
melahirkan di tenaga non medis (variabel dependen)
b) Signifikansi variabel independen dengan pengujian koefisien regresi
 p-value untuk variabel pendapatan adalah 0,00445 (< α) 
signifikan
c) Koefisien determinasi  R-squared : 0,203697  20,3697%,
maknanya variasi/ proporsi keragaman yang ada pada variabel
persentase ibu melahirkan di tenaga non medis (variabel dependen)
yang dapat dijelaskan oleh variabel pendapatan (variabel
independen) adalah sebesar 20,3697% dan variasi yang tidak dapat
dijelaskan oleh variabel pendapatan adalah sebesar 79,6303%.
d) Persamaan regresi 
persentase ibu melahirkan di tenaga non medis = 311,243 – 5,76538
pendapatan
 Uji Asumsi

1. Test of normality, p-value = 0,46741 (> α)  berdistribusi normal

((asumsi terpenuhi))

2. Heteroskedastisitas, p-value = 0,34092 dan 0,21952 (> α) 

homogen ((asumsi terpenuhi))

3. Linieritas, berdasarkan nilai prob (F-statistic) : 0,00445344 (< α) 

signifikan  ada hubungan yang linier
 Regresi Linier Ganda

Dari keempat variable

independent, tidak ada satupun
variable yang memiliki pengaruh
signifikan terhadap persentase ibu
melahirkan di tenaga non medis

Pendidikan ayah : 0,650 > α

Pendidikan ibu : 0,534 > α
Budaya : 0,256 > α
Pendapatan : 0,121 > α
 Analisis Klaster

Bertujuan mengelompokkan subjek ke dalam

kelompok – kelompok yang memiliki kemiripan
berdasarkan beberapa karakteristik atau variabel
yang diteliti.
Cara membuat analisis klaster :
Klik Cluster Pilih Hierarchical, lalu akan muncul
box dialog seperti yang ada di slide berikutnya
 Pilih (dengan cara memberi blok) pada variabel yang digunakan sebagai
dasar pengelompokan subjek, Tentukan berapa klaster yang akan
dibentuk lalu pada Metode transformasi gunakan Raw, Metode
pengelompokan menggunakan Average­Linkage, dan Fungsi Jarak
Euclidean. Disini akan menggunakan variabel persentase ibu melahirkan
di tenaga non medis.
Hasil dari analisis klaster ini adalah dendogram, bisa dilihat ada garis merah putus-
putus memotong 5 garis horizontal dimana menunjukkan posisi klaster yang
dibentuk.
 Hasil Peta Analisis Klaster

Berdasarkan persentase ibu melahirkan di tenaga non medis

 Analisis Otokorelasi Spasial

Bertujuan untuk mengetahui hubungan spasial antar

wilayah dalam kaitannya dengan kasus Persentase
Ibu Melahirkan di Tenaga Non-medis.

 Pada analisis ini diperhitungkan efek spasial yang

menunjukkan pengaruh kedekatan lokasi wilayah.
Bobot Spasial

• Observasi dilakukan di 38 wilayah

• Banyak daerah tetangga yang

berbatasan dengan suatu wilayah rata
rata sebanyak 3.68, yakni minimal 1
dan maksimal 9.
Variabel Dependen

• Klik Space  Univariate Local

Moran’s I

• Variabel Independen : Pendapatan

• Kemudian, Centang ketiga output

yang tersedia :
1. Significance Map
2. Cluster Map
3. Moran Scatter Plot
Moran’s Scatter Plot

• Nilai Moran’s I : 0.305

• Artinya, kekuatan otokorelasi spasial

dalam menjelaskan variabel
Pendapatan terhadap Persentase Ibu
Melahirkan di Tenaga Non-Medis
sebesar 30,5%.
Signifikansi

• Pseudo p-value : 0.008

• p-value < α

• Artinya, Variabel Pendapatan

Signifikan menunjukkan adanya
otokorelasi spasial dengan Persentase
Ibu Melahirkan di Tenaga Non-Medis
 LISA Significance Map

• LISA (Local Indicators of Spatial Association) digunakan untuk menganalisis adanya

cluster-cluster spasial yang signifikan.
• Pada peta LISA Significance menunjukkan 6 wilayah yang signifikan. Yang mana pada
p=0,05 terdapat 4 wilayah, meliputi Kab. Probolinggo, Gresik, Surabaya, dan Sumenep.
Sedangkan pada p=0,01 terdapat 2 wilayah, meliputi Sampang dan Pamekasan.
Sedangkan terdapat 32 wilayah yang menunjukkan tidak signifikan.
• Jadi wilayah-wilayah yang signifikan tersebut berpengaruh terhadap pendapatan
 LISA Cluster Map

• LISA Cluster Map menunjukkan pengelompokan/pengklasteran yang terjadi antar wilayah

yang didasarkan pada nilai atau rate variabel yang diteliti.
• Pada peta LISA Cluster menunjukkan 2 wilayah dengan High Rate yang membentuk klaster
dengan wilayah High Rate. Wilayah tersebut adalah Gresik dan Surabaya.
• Sedangkan terdapat 4 wilayah Low Rate yang membentuk klaster dengan wilayah High
Rate. Wilayah tersebut adalah Kab. Probolinggo, Sampang, Pamekasan, dan Sumenep.
• Sedangkan terdapat 32 wilayah yang menunjukkan tidak signifikan.
Analisis Regresi Spasial

LANGKAH ANALISIS REGRESI SPASIAL :

Untuk  melakukan  
analisis  spasial, pertama
 harus  dibuat bobot
 spasial  dengan
menggunakan menu
Tools  pilih  submenu
Weights  Manager
 Model classic untuk
melihat model
analisis regresi
spasial mana yang
akan digunakan
Lagrange  Multiplier
 (LM) atau Lagrange
Multiplier (error)

Langkah selanjutnya melakukan analisis regresi spasial

 klik tools regression  masukkan data dependen
(Presentase Ibu melahirkan di tenaga non medis) 
variabel independen (Pendidikan ayah, Pendidikan Ibu,
Budaya, dan Pendapatan  centang weights file  pilih
model classic
• Dari nilai R – Squared
menunjukkan bahwa sebesar
23,6466 % yang dapat
ditafsirkan bahwa variabel
independen memiliki
pengaruh kontribusi sebesar
23,6466 % terhadap variabel
dependen, dan 76,36 %
lainnya dipengaruhi oleh
faktor lain diluar variabel
independen
• Prob (F-Statistic) sebesar
0.057 > alfa (0.05)  artinya,
Ho diterima sehingga tidak
ada pengaruh antara
Pendidikan ayah, Pendidikan
Ibu, Budaya, dan Pendapatan
terhadap Presentase ibu
melahirkan di tenaga non
medis.
• Pada Multicollinearity Condition Number didapatkan
nilai 22.682264 ≤ 30, menunjukkan bahwa tidak
didapatkan multikolinieritas (hubungan antar variabel
independen)  
Ada  2  output  analisis  yang  perlu  diperhatikan  sebelum  menentukan  model  analisis
 regresi   spasial mana  yang  akan  digunakan.  
a.  Lagrange  Multiplier  (LM),  menguji  adanya  dependensi  spasial,  dan  Robust
 LM  menguji   apakah  dependen  spasial  lag  atau  error  yang  terjadi.  
b. b.  Lag  dan  error.  Lag  menunjukkan  adanya  lag  spasial  pada  variabel
 dependen,  sedangkan   error  menunjukkan  adanya  proses  autoregresif  spasial
 pada  nilai  residual  atau  error.  
Dari hasil diatas, didapatkan bahwa nilai signifikan PROB dari Lagrange Multiplier (lag)
dan Lagrange Multiplier (error) tidak ada yang signifikan yaitu sebesar 0.818 dan
0.211 (>0.05)
 Kesimpulan dari analisis regresi spasial

 Tidak ada yang signifikan antara Lagrange Multiplier (lag)

dan Lagrange Multiplier (error) sehingga tidak ada efek
spasial. Oleh karena itu, untuk melihat variabel independen
(Pendidikan ayah, Pendidikan Ibu, Budaya, dan
Pendapatan) yang mempengaruhi variabel dependen
(Presentase ibu melahirkan di tenaga non medis)
menggunakan nilai Robust mana yang paling signifikan 
robust LM (error) yang paling sig dibandingkan dengan
lag .
Langkah selanjutnya regresi spasial menggunakan spasial
error  sehingga output yang di dapatkan

Hasil  analisis  menunjukkan  bahwa

 pendapatan dipengaruhi  oleh  bobot  spasial  
(p=0,00476),
Sedangkan  variabel  yang  lain  tidak  berpengaruh.