FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS BEKERJA PENDUDUK KABUPATEN KULON PROGO TAHUN 2013 DENGAN MENGGUNAKAN PENDEKATAN REGRESI LOGISTIK

Transkripsi

1 E-ISSN Jural Statistika Idustri da Komputasi Volume, No. 1, Jauari 017, pp FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS BEKERJA PENDUDUK KABUPATEN KULON PROGO TAHUN 013 DENGAN MENGGUNAKAN PENDEKATAN REGRESI LOGISTIK Yaita Putri Puspita Sari 1, Kartiko 1, Jurusa Statistika, FST, Istitut Sais & Tekologi AKPRIND Yogyakarta akyaita@gmail.com Abstract. Employmet issue is a costrait facig the govermet. Oe attempt to overcome these problems is the welfare program "Pro Rakyat". The goal is to improve the welfare of society will affect the drop i uemploymet. This scriptio aims to determie the ifluece of factor geder, raski, televisio, family icome, fiacial guaratees or isurace, cell phoe or mobile phoes ad computers agaist workig status of Kulo Progo commuities i 013. The method of aalysis used descriptive aalysis, Chi-square test ad logistic regressio aalysis. The data used are secodary data which author get from BPS statistics of Kulo Progo regecy i 013, i the form Suseas regecy level data from the Natioal Ecoomic Social Survey is.886 data. The results showed that geder(x 1 ), raski (X ), fiacial guaratees or isurace (X 5 ) ad computers (X 7 ). The logistic regressio estimatio is P(Y = 1 X = x) = π(x) =,880 1,784 X 1 (1) 1,51 X (1) 0,80 X 5 (1) + 0,990 X 7 affect the workig status. The opportuity of gettig employmet for the ma's populatio is bigger tha the woma's commuities (1/0,168), commuities which do ot accept raski smaller tha accept (1/0,0), the commuities which do ot have fiacial guaratees or isurace smaller tha have (1/0,756), commuities which do ot have computer bigger tha have (1/,691). The proportio of the variace of the idepedet variable o the depedet variable ca be explaied by the model amouted to 9, percet. Keywords: Logistic regressio, Chi-square, Workig status Abstrak. Permasalaha keteagakerjaa merupaka kedala yag dihadapi pemeritah. Salah satu usaha dalam megatasi permasalaha tersebut adalah program kesejahteraa Pro Rakyat. Tujuaya meigkatka kesejahteraa masyarakat yag aka berpegaruh terhadap peurua pegaggura. Skripsi ii bertujua utuk megetahui pegaruh faktor jeis kelami, raski, televisi, pedapata keluarga, jamia pembiayaa atau asurasi, telepo seluler atau HP da komputer terhadap status bekerja peduduk di Kabupate Kulo Progo tahu 013. Metode aalisis yag diguaka aalisis deskriptif, uji Chi-square da aalisis regresi logistik. Data yag diguaka adalah data sekuder yag peulis dapat dari BPS Kabupate Kulo Progo tahu 013, berupa data Suseas dari hasil Survei Sosial Ekoomi Nasioal tigkat kabupate 886 data. Hasil dari pembahasa meujukka jeis kelami (X 1 ), raski (X ), jamia pembiayaa atau asurasi (X 5 ) da komputer (X 7 ) berpegaruh terhadap status bekerja. Persamaa regresi logistik yag terbetuk P(Y = 1 X = x) = π(x) =,880 1,784 X 1 (1) 1,51 X (1) 0,80 X 5 (1) + 0,990 X 7. Peluag medapatka kesempata kerja : peduduk laki-laki lebih besar daripada perempua (1/0,168), peduduk yag tidak meerima raski lebih kecil daripada yag meerima raski (1/0,0), peduduk yag tidak memiliki jamia pembiayaa atau asurasi lebih kecil daripada yag memiliki (1/0,756), peduduk yag tidak memiliki komputer lebih besar daripada yag memiliki (1/,691). Proporsi varias dari variabel idepede terhadap variabel depede bisa dijelaska oleh model sebesar 9, %. Kata kuci : Regresi logistik, Chi-square, Status bekerja peduduk 1. Pedahulua Salah satu upaya mewujudka kesejahteraa rakyat adalah dega meigkatka pertumbuha ekoomi. Pertumbuha ekoomi juga memiliki kaita erat dega peciptaa da perluasa lapaga kerja, karea hal tersebut pada giliraya aka memberika peluag yag lebih besar pada agkata kerja. Megigat dari total peduduk usia kerja di Kabupate Kulo Progo tahu 01, sebayak 74,7 % termasuk agkata kerja da sebayak 5,73 % buka 41

2 4 Yaita Putri Puspita Sari 1, Kartiko agkata kerja. Keyataa ii meujukka bahwa sebayak 74,7 % peduduk usia kerja berpartisipasi aktif dalam bursa kerja da sisaya tidak aktif. Tetuya mejadi pekerjaa rumah tersediri bagi pemeritah daerah utuk megimbagi jumlah agkata kerja dega ketersediaa lapaga kerja di daerah ii. [1] Selai itu, Tigkat Pegaggura Terbuka (TPT) di Kabupate Kulo Progo sebesar 4,07 % berada pada uruta keempat terbesar setelah Kabupate Batul. Dega agka pegaggura orag.[] Hal seada yag perlu medapat perhatia yaki berdasarka hasil Sakeras (Agustus ), di maa Tigkat Partisipasi Agkata Kerja (TPAK) di Kabupate Kulo Progo dari tahu terus megalami peigkata. Pada tahu megalami keaika dari 7,1 % mejadi 73,35 %. Pada dua tahu berikutya pu terjadi peigkata, dari 75,17 % mejadi 75,40 %.[3] Apabila tidak tersedia lapaga pekerjaa yag memadahi, maka aka semaki meambah agka pegaggura. Pegaggura dipegaruhi beberapa faktor di ataraya : 1) Peduduk relatif bayak sedagka kesempata kerja atau lapaga pekerjaa relatif redah, ) Pedidika da keterampila yag redah, 3) Tekologi yag semaki maju yag belum terimbagi oleh kemampua mausia. Peelitia ii megguaka referesi yag berhubuga dega peelitia terdahulu, diataraya peelitia Zamrowi [4] dega judul Aalisis Peyerapa Teaga Kerja Pada Idustri Kecil da peelitia oleh Saputri [5] berjudul Aalisis Peyerapa Teaga Kerja di Kota Salatiga. Kedua peelitia ii megguaka aalisis regresi bergada yag maa tidak bisa diterapka pada peelitia dega variabel bertipe kategoris atau kualitatif. Sehigga pada peelitia ii diguaka aalisis regresi logistik karea variabel depede bertipe kategoris. Utuk megetahui faktor-faktor yag secara yata mempegaruhi status bekerja peduduk Kabupate Kulo Progo, seberapa besar pegaruh setiap variabel tersebut terhadap status bekerja, serta peluag utuk medapatka kesempata kerja, maka peelitia ii megguaka aalisis regresi logistik. Pemiliha diguakaya metode ii karea variabel depede berbetuk kategori da variabel idepede boleh bersifat kotiyu atau kategorikal. Hasil aalisis aka meujukka faktor apa saja yag mempegaruhi status bekerja peduduk da besar pegaruh setiap variabel tersebut terhadap status bekerja serta peluag medapatka kesempata kerja di wilayah ii, sehigga dapat diguaka oleh pihak terkait khususya Pemeritah Kabupate Kulo Progo dalam megambil kebijaka yag berkaita dega permasalaha keteagakerjaa.. Metode Metode pegumpula data yag diguaka peeliti dalam peyusua skripsi ii adalah tekik pegumpula data secara sekuder. Sumber data dari Bada Pusat Statistik (BPS) Kabupate Kulo Progo, yaitu data hasil Survei Sosial Ekoomi Nasioal (Suseas) tahu 013. Dalam peelitia ii diguaka metode pemiliha respode yaitu peduduk usia kerja atau usia produkif yag berumur tahu, yaitu sebayak.886 aggota rumah tagga yag dijadika objek peelitia. Variabel respo atau variabel tidak bebas yag diguaka pada peelitia ii adalah status bekerja peduduk yag berumur tahu. Variabel respo berilai 1 jika ya (bekerja) da 0 jika tidak (tidak bekerja). Variabel prediktor atau variabel bebas terdiri dari variabel jeis kelami (X 1 ), raski (X ), televisi (X 3 ), pedapata keluarga (X 4 ), jamia pembiayaa atau asurasi (X 5 ), telepo seluler atau HP (X 6 ), komputer (X 7 ). Variabel bebas merupaka variabel bertipe kategoris dega kode 1 utuk ya da kode 0 utuk tidak. Metode yag diguaka dalam peelitia ii adalah aalisis deskriptif, aalisis hubuga atara variabel (uji Chi-square) da aalisis regresi logistik. Pegolaha data dalam peelitia ii megguaka batua software Microsoft Office Excel 007 da software Statistic SPSS 16.0 for Widows yag meghasilka output berupa tabel utuk diaalisis.

3 Faktor-Faktor yag Mempegaruhi Status Bekerja Peduduk Kabupate Kulo Progo 43.1 Uji Chi-square Utuk megetahui keerata hubuga atar variabel diuji dega megguaka Chisquare (χ ). Sebelum uji chi-square dilakuka, variabel yag aka diuji terlebih dahulu disusu dalam tabel kotigesi seperti dalam Tabel.1. Tabel.1 Tabel Kotigesi Dua Arah Utuk Uji Chi-Square X Y Y 1 Y Y k Total Baris X k 1+ X 1 k + X b b1 b bk b+ Total Kolom N k ++ Dega : bk : observasi pada baris ke b kolom ke k b+ : total observasi pada baris ke b +k : total observasi pada kolom ke k ++ : total seluruh observasi Sebelum megguaka uji Chi-square dilakuka pemeriksaa ditribusi frekuesi dari data melalui tabulasi silag terlebih dahulu. [6] Adapu hipotesis yag diguaka sebagai berikut : H 0 : Tidak ada hubuga atar variabel H 1 : Ada hubuga atar variabel Dega megguaka tigkat sigifikasi α = 0,05, kriteria pegujiaya adalah dega membadigka ilai Chi-square hasil perhituga (χ observasi ) dega ilai Chi-square tabel (χ α;df ), dega kriteria H 0 ditolak bila χ observasi > χ α;df atau dega ilai P-value < α. Adapu perhituga ilai Chi-square dega megguaka rumus sebagai berikut : = r k j=1 (.1) χ observasi (O ij E ij ) di maa : i : 1,,, r da j = 1,,, k O ij : Frekuesi atau jumlah kasus yag diamati dalam kategori ke-i utuk variabel I da kategori ke-j utuk variabel II E ij : Frekuesi atau jumlah kasus yag diharapka dalam kategori ke-i utuk variabel I da kategori ke-j utuk variabel II k : Bayak kolom atau bayak kategori variabel I r : Bayak baris atau bayak kategori variabel II. Aalisis Regresi Logistik Aalisis regresi logistik merupaka aalisis yag petig dalam melihat hubuga atara suatu variabel respo dega satu atau lebih variabel pejelas. Bila variabel respoya berupa data kategorik, regresi logistik merupaka metode yag tepat melihat hubuga tersebut. [7] Nilai variabel respo (Y) dapat dibedaka dalam dua kategorik yaitu dega otasi Y = 1 (ya) da Y = 0 (tidak) yag megikuti distribusi Beroulli utuk setiap observasi. Pada peelitia yag dimaksud ya adalah kompete, sedagka tidak adalah tidak kompete. Utuk variabel respo bier Y da variabel pejelas X, dega π(x) = P(Y=1 X=x) = 1- P(Y=0 X=x) model regresi logistikya adalah : P(Y = 1 X = x) = π(x) = e(β 0+β1x1+ + βpxp) 1+e (β 0+β1x1+ + βpxp) (.) di maa : E ij

4 44 Yaita Putri Puspita Sari 1, Kartiko X p : Variabel pejelas, dega variabel pejelas 1,,, p π(x) : Peluag terjadiya kejadia yag sukses yaitu Y = 1 utuk X = x β p : Nilai parameter, dega parameter 0, 1,,, p β 0 : Kostata Aalisis regresi logistik bier diguaka utuk melihat pegaruh sejumlah variabel prediktor x 1, x, x 3,, x p terhadap variabel respo y yag berupa variabel respo bier da haya mempuyai dua ilai. Model regresi logistik bier berdistribusi Beroulli. Distribusi Beroulli adalah distribusi dari peubah acak yag haya mempuyai dua kategori, misalya sukses atau gagal serta utug atau rugi. Jika data hasil pegamataa memiliki p buah variabel prediktor yaitu x 1, x, x 3,, x p da satu variabel respo, dega Y mempuyai dua kemugkia ilai yaitu 0 da 1, maka : Y = 1, meyataka bahwa respo memiliki kriteria yag ditetuka Y = 0, meyataka bahwa respo tidak memiliki kriteria yag ditetuka Jika variabel Y berdistribusi Beroulli dega parameter π(x i ), maka fugsi distribusi peluag mejadi : f(y i ) = [π(x i )] y i[1 π(x i )] 1 y i dega y i = 0, 1 (.3) Sehigga diperoleh : Utuk y i = 0, maka f(0) = [π(x i )] 0 [1 π(x i )] 1 0 = 1 π(x i ) Utuk y i = 1, maka f(1) = [π(x i )] 1 [1 π(x i )] 1 1 = π(x i ) Hosmer da Lemeshow [8], model umum regresi logistik dega p buah variabel prediktor dibetuk dega ilai π(x) = P(Y = 1 x), π(x) diotasika sebagai berikut : eg(x) π(x) = 1+e g(x) (.4) Dega g(x) = β 0 + β 1 x 1 + β x + + β p x p Fugsi π(x) merupaka fugsi o liier sehigga utuk membuatya mejadi fugsi liier harus dilakuka trasformasi logit agar dapat dilihat hubuga atara variabel respo (y) dega variabel prediktorya (x). Betuk logit dari π(x) adalah g(x) = l [ π(x) ], sehigga diperoleh: 1 π(x) logit [π(x)] = g(x) = l [ π(x) ] = β 1 π(x) 0 + β 1 x 1 + β x + + β p x p (.5) Persamaa (.5) di atas merupaka peduga logit yag berpera sebagai fugsi liier dari variabel pejelas. [9] Estimasi Parameter Model regresi logistik megguaka metode Maximum Likelihood Estimatio (MLE) utuk meduga parameter-parameterya. [7] Dalam model regresi logistik variabel respo megikuti distribusi Beroulli. L(β) = π(x i ) y i[1 π(x i )] 1 y i, β = π(x i ) (.6) Dega : i : 1,,, y i : pegamata pada variabel respo ke- i (x i ) : peluag utuk variabel prediktor ke- i Utuk mempermudah perhituga, maka dilakuka peaksira parameter β dega cara memaksimumka fugsi logaritma kemugkiaya (log-likelihood), yaitu l(β) = l(l(β)) sehigga :

5 Faktor-Faktor yag Mempegaruhi Status Bekerja Peduduk Kabupate Kulo Progo 45 l(β) = {y i l[π(x i )] + (1 y i )l[1 π(x i )]} sehigga L(β) = π(x i ) y i[1 π(x i )] 1 y i l L (β) = l ( π(x i ) y i[1 π(x i )] 1 y i) l(β) = {y i g(x i ) l (1 + exp(g(x i )))} Dega g(x) seperti pada persamaa (.5), sehigga mejadi : l(β) = {y i x i, β l (1 + exp(x i, β))} (.7) (.8) = {y i (β 0 + β 1 x 1 + β x + + β p x p ) l (1 + exp(β 0 + β 1 x 1 + β x + + β p x p ))} (.9) Utuk medapatka ilai β yag memaksimalka fugsi log-likelihood, dideferesialka fugsi log-likelihood terhadap β p, p = 0,1,, P da meyamakaya dega ol [10], sehigga diperoleh persamaa likelihood sebagai berikut : I(β) 1 = [y β i exp(x, i β) exp(x, iβ)] = [y i exp(x, iβ) 1 + exp(x, i β) ] = [y i π(x i )] = 0 (i) I(β) = [y β i x 1i exp(x, iβ) exp(x, i β) x 1i] = [y i x 1i π(x i )x 1i ] = 0. (ii) I(β) = [y β i x Pi exp(x, iβ) P 1 + exp(x, i β) x Pi] = [y i x Pi π(x i )x Pi ] = 0 (iii) (.10) Persamaa tersebut tidak liier, sehigga solusi bagi β = β 0, β 1,, β p tidak dapat dituliska secara eksplisit. Nilai didapat dega megguaka metode Newto Raphso utuk medapatka ilai β da diguaka metode iterasi dega komputer. Iterasi merupaka metode yag umum dalam membatu perhituga estimasi dari β.[11] 3. Hasil da Pembahasa 3.1 Aalisis Regresi Logistik 1. Uji Simulta Uji simulta diguaka utuk melihat pegaruh dari seluruh variabel pejelas dalam model secara simulta (keseluruha).

6 46 Yaita Putri Puspita Sari 1, Kartiko Tabel 3.1. Omibus Tests of Model Coefficiets Chi-square df Sig. Step 1 Step 515,09 7 0,000 Block 515,09 7 0,000 Model 515,09 7 0,000 Dari output omibus test di atas, terlihat bahwa P.value 0,000. Karea P.value = 0,000 yag lebih kecil dari α = 0,05, maka H 0 ditolak. Selai itu, ilai G = 515,09 yag lebih besar dari χ (5%;7) = 14,0671 maka H 0 ditolak. Hal ii dapat diartika bahwa dega tigkat kepercayaa 95 %, ada miimal satu variabel bebas yag berpegaruh pada variabel tak bebas.. Uji parsial Uji parsial bertujua utuk megetahui adaya pegaruh atara variabel bebas terhadap variabel tak bebas secara parsial. Variabel-variabel maa saja yag berpegaruh dalam model dapat dilihat dari ilai pada kolom P.value (Sig.) dalam Tabel 3.. Tabel 3.. Estimasi Parameter Regresi Logistik Variabel Estimasi Odds Wald P.Value Parameter Ratio Jeis kelami : laki-laki -1,78 180,006 0,000 0,168 Raski : meerima raski -1,478 63,354 0,000 0,8 Televisi : memiliki televise -0,089 0,081 0,776 0,914 Pedapata : mecukupi kebutuha 0,180 0,983 0,31 1,198 Jamia : memiliki jamia -0,78 5,04 0,05 0,758 HP : memiliki HP 0,004 0,000 0,990 1,004 Komputer : memiliki komputer 0,97 5,819 0,000,643 Costat,917 66,646 0,000 18,481 Berdasarka Tabel 3., variabel jeis kelami (laki-laki), raski (meerima raski), jamia pembiayaa atau asurasi (memiliki jamia) da variabel komputer (memiliki komputer) kesemua ilai P.valueya lebih kecil dari α = 0,05 sehigga H 0 ditolak. Dapat disimpulka, dega tigkat kepercayaa 95%, semua variabel tersebut sigifika mempegaruhi status bekerja. Hal ii juga didukug dega pegujia Wald. Sebagai cotoh, aka diuji variabel jeis kelami. Berdasarka tabel ilai statistik Wald sebesar 180,006. Karea statistik Wald = 180,006 yag lebih besar dari χ (5%;1) = 3,8415, maka H 0 ditolak. Sehigga dapat diambil kesimpula bahwa dega tigkat kepercayaa 95%, variabel jeis kelami sigifika mempegaruhi status bekerja. Variabel jeis kelami (laki-laki), raski (meerima raski), jamia pembiayaa atau asurasi (memiliki jamia pembiayaa atau asurasi) da variabel komputer (memiliki komputer) sigifika mempegaruhi status bekerja. Variabel tersebut yag aka dijadika model regresi logistik. Variabel yag tidak sigifika selajutya dikeluarka dari model da aka dilakuka pegujia regresi logistik kembali. 3. Aalisis Regresi Logistik dega Variabel Sigifika Setelah variabel yag tidak sigifika mempegaruhi status bekerja peduduk dikeluarka dari model, maka dilakuka pegujia aalisis regresi logistik kembali, hasil yag diperoleh adalah sebagai berikut :

7 Faktor-Faktor yag Mempegaruhi Status Bekerja Peduduk Kabupate Kulo Progo Uji Simulta Uji simulta diguaka utuk melihat pegaruh dari seluruh variabel pejelas dalam model secara simulta (keseluruha). Tabel 3.3. Omibus Tests of Model Coefficiets Chi-square df Sig. Step 1 Step 514,03 4 0,000 Block 514,03 4 0,000 Model 514,03 4 0,000 Dari output omibus test di atas, terlihat bahwa P.value 0,000. Karea P.value = 0,000 yag lebih kecil dari α = 0,05, maka H 0 ditolak. Selai itu, ilai G = 514,03 yag lebih besar dari χ (5%;4) = 9,4877 maka H 0 ditolak. Hal ii dapat diartika bahwa dega tigkat kepercayaa 95%, ada miimal satu variabel bebas yag berpegaruh pada variabel tak bebas.. Uji Parsial Uji parsial bertujua utuk megetahui adaya pegaruh atara variabel bebas terhadap variabel tak bebas secara parsial. Variabel-variabel maa saja yag berpegaruh dalam model dapat dilihat dari ilai pada kolom P.value (Sig.) da Wald dalam Tabel 3.4. Tabel 3.4. Estimasi Parameter Regresi Logistik Variabel Estimasi Odds Wald P.Value Parameter Ratio Jeis kelami : laki-laki -1, ,9 0,000 0,168 Raski : meerima raski -1,51 69,473 0,000 0,0 Jamia : memiliki jamia -0,80 5,149 0,03 0,756 Komputer : memiliki computer 0,990 57,916 0,000,691 Costat,880 16,9 0,000 17,808 Berdasarka Tabel 3.4, variabel jeis kelami (laki-laki), raski (meerima raski), jamia pembiayaa atau asurasi (memiliki jamia pembiayaa atau asurasi) da variabel komputer (memiliki komputer) kesemua ilai P.valueya lebih kecil dari α = 0,05 sehigga H 0 ditolak. Dapat disimpulka, dega tigkat kepercayaa 95 %, semua variabel tersebut sigifika mempegaruhi status bekerja. Hal ii juga didukug dega pegujia Wald. Sebagai cotoh, aka diuji variabel jeis kelami. Berdasarka tabel ilai statistik Wald sebesar 183,9. Karea statistik Wald = 183,9 yag lebih besar dari χ (5%;1) = 3,8415, maka H 0 ditolak. Sehigga dapat diambil kesimpula bahwa dega tigkat kepercayaa 95%, variabel jeis kelami sigifika mempegaruhi status bekerja. 3. Persamaa Regresi Logistik Utuk megetahui kejelasa hubuga atara status bekerja dega faktor-faktor yag mempegaruhiya, dapat dilihat pada tabel 3.4 kolom estimasi parameter (koefisie regresi logistik). Persamaa regresi logistik yag terbetuk : P(Y = 1 X = x) = π(x) = β 0 + β 1 X 1 + β X + β 5 X 5 + β 7 X 7 =,880 1,784 X 1 (1) 1,51 X (1) 0,80 X 5 (1) + 0,990 X 7 Iterpretasi dari persamaa di atas : a. Kostata yag dihasilka sebesar,880

8 48 Yaita Putri Puspita Sari 1, Kartiko b. Utuk setiap perubaha pada variabel jeis kelami adalah laki-laki (X 1 = 1), maka aka meuruka status bekerja sebesar 1,784. c. Utuk setiap perubaha pada variabel raski adalah meerima raski (X = 1), aka meuruka status bekerja sebesar 1,51. d. Utuk setiap perubaha pada variabel jamia pembiayaa atau asurasi adalah memiliki jamia pembiayaa atau asurasi (X 5 = 1) aka meuruka status bekerja sebesar 0,80. e. Utuk setiap perubaha pada variabel komputer adalah memiliki komputer (X 7 = 1) aka meaikka status bekerja sebesar 0, Odds Ratio Utuk melihat ilai odds ratio diguaka Tabel 3.4, pada kolom ilai ekspoe B atau odds ratio. Iterpretasi ilai odds ratio pada output variables i the equatio pada Tabel 3.4 adalah : a. Variabel klasifikasi jeis kelami yag megacu pada perempua, di maa peduduk perempua berpeluag bekerja sebesar 0,168 kali daripada laki-laki. Peluag bekerja peduduk laki-laki lebih besar daripada perempua. b. Variabel klasifikasi raski yag megacu pada tidak meerima raski, di maa peduduk yag tidak meerima raski berpeluag bekerja sebesar 0,0 kali daripada yag meerima raski. Peluag bekerja peduduk yag tidak meerima raski lebih kecil daripada yag meerima raski. c. Variabel klasifikasi jamia pembiayaa atau asurasi yag megacu pada tidak memiliki jamia pembiayaa atau asurasi, di maa peduduk yag tidak memiliki jamia pembiayaa atau asurasi berpeluag bekerja sebesar 0,756 kali daripada yag memiliki jamia pembiayaa atau asurasi. Peluag bekerja peduduk yag tidak memiliki jamia pembiayaa atau asurasi lebih kecil daripada yag memiliki. d. Variabel klasifikasi komputer yag megacu pada tidak memiliki komputer, di maa peduduk yag tidak memiliki komputer berpeluag bekerja sebesar,691 kali daripada yag memiliki komputer. Peluag bekerja peduduk yag tidak memiliki komputer lebih besar daripada yag memiliki. 5. Pegujia Goodess of Fit (uji Hosmer Lemeshow) Tabel 3.5. Hosmer ad Lemeshow Test Chi-square Df Sig. 5, ,46 Dari output Hosmer ad Lemeshow test di atas, terlihat bahwa P.value = 0,46 lebih besar dari α = 0,05 maka H 0 tidak ditolak. Selai itu juga dikuatka dega ilai χ = 5,973 < χ (5%;6) = 1,5916 maka H 0 tidak ditolak. Dega tigkat kepercayaa 95%, maka dapat diyakii bahwa model regresi logistik yag diguaka cukup mampu mejelaska data pada peelitia ii. 6. Nagelkerke R-Square Tabel 3.6 Model Summary - Log likelihood Cox & Sell R Square Nagelkerke R Square 1844,963 0,163 0,9 Nagelkerke R-square memiliki iterpretasi seperti pada koefisie determiasi pada regresi liier. Proporsi varias dari variabel idepede terhadap variabel depede bisa dijelaska oleh model sebesar 9, perse.

9 Faktor-Faktor yag Mempegaruhi Status Bekerja Peduduk Kabupate Kulo Progo Klasifikasi Plot Tabel 3.7 Classificatio Table Predicted Observasi Status bekerja Percetage Tidak Ya Correct Status bekerja Tidak ,0 Ya ,7 Overall Percetage 87,9 Model regresi logistik yag diguaka telah cukup baik, karea mampu meduga dega bear 87,9 % kodisi yag terjadi. Atau dega kata lai output meujukka bahwa secara keseluruha model dega 4 variabel idepede, meghasilka tigkat kesesuaia sebesar 87,9 %, yag didapat dari {( )/886}x Kesimpula Peelitia tetag faktor-faktor yag mempegaruhi status bekerja peduduk Kabupate Kulo Progo tahu 013 meyimpulka beberapa hal sebagai berikut : 1. Berdasarka uji Chi-square, variabel yag memiliki hubuga atau keterkaita dega status bekerja peduduk Kulo Progo diataraya variabel jeis kelami, raski, pedapata keluarga, jamia pembiayaa atau asurasi, telepo seluler atau HP da komputer.. Berdasarka aalisis regresi logistik, variabel yag secara sigifika mempegaruhi variabel status bekerja peduduk Kulo Progo pada tahu 013 adalah variabel jeis kelami (1), raski (1), jamia pembiayaa atau asurasi (1) da komputer (1). 3. Berdasarka ilai Nagelkerke R-square, maka proporsi varias dari variabel idepede yag dalam peelitia ii meliputi jeis kelami, raski, jamia pembiayaa atau asurasi da komputer terhadap variabel depede status bekerja peduduk, bisa dijelaska oleh model sebesar 9, %. 4. Berdasarka ilai odds ratio, peluag utuk medapatka kesempata bekerja : peduduk laki-laki lebih besar daripada perempua, peduduk yag tidak meerima raski lebih kecil daripada yag meerima raski, peduduk yag tidak memiliki jamia pembiayaa atau asurasi lebih kecil daripada yag memiliki da peduduk yag tidak memiliki komputer lebih besar daripada yag memiliki. Ucapa Terimakasih Dalam peyusua tulisa ii, bayak pihak yag telah memberika dukuga kepada peulis. Oleh karea itu, pada kesempata ii peulis igi meyampaika terima kasih kepada seluruh dose da pimpia Jurusa Statistika Istitut Sais & Tekologi AKPRIND Yogyakarta Daftar Pustaka [1] BPS, 01, Kabupate Kulo Progo Dalam Agka Kulo Progo Regecy i Figures 01, BPS Kulo Progo, Yogyakarta. [] BPS, 01, Keadaa Agkata Kerja Daerah Istimewa Yogyakarta Labor Force Situatio Daerah Istimewa Yogyakaerta, BPS Provisi, Yogyakarta.

10 50 Yaita Putri Puspita Sari 1, Kartiko [3] BPS, 01, Statistik Keteagakerjaa Provisi Daerah Istimewa Yogyakarta , BPS Provisi DIY, Yogyakarta. [4] Zamrowi, M. T., 007, Aalisis Peyerapa Teaga Kerja Pada Idustri Kecil Studi di Idustri Kecil Mebel di Kota Semarag, Skripsi, Uiversitas Dipoegoro, Semarag. [5] Saputri, O. D., 011, Aalisis Peyerapa Teaga Kerja di Kota Salatiga, Skripsi, FE, UNDIP, Semarag. [6] Siswadi, 009, Aalisis Regresi Logistik Bier Bivariat Pada Partisipasi Aak Dalam Kegiata Ekoomi da Sekolah di Jawa Timur, Tesis, FMIPA, ITS, Surabaya. [7] Hosmer, D. W., da Lemeshow, S., 1989, Applied Logistic Regressio, Joh Willey ad Sos Ic, New York. [8] Hosmer, D. W., da Lemeshow, S., 000, Applied Logistic Regressio, Joh Willey ad Sos Ic, New York. [9] MC Cullagh, P., da Nelder, J. A., 1990, Geeralized Liear Models Secod Editio, Chapma ad Hall, Lodo [10] Herrhyato Nar, 003, Statistika Matematis Lajuta, Pustaka Setia, Badug. [11] Haslia, W. O., 014, Pegaruh Kodisi Sosial Ekoomi Terhadap Prestasi Belajar Pada Mata Pelajara Akutasi Dega Peerapa Regresi Logistik Bier, Skripsi, Uiversitas Halu Oleo, Kedari.