7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang tentunya memiliki hubungan dengan variabel tersebut. Untuk mengetahui perubahan nilai suatu variabel yang diakibatkan oleh variabel lain memerlukan alat analisis yang memungkinkan dalam membuat perkiraan (prediksi) nilai variabel tersebut pada nilai tertentu yang mempengaruhinya. Untuk mengetahui analisis hubungan antara dua variabel atau lebih teknik yang digunakan adalah analisis regresi linier multiple. Dalam persamaan regresi linier berganda terdapat dua macam variabel, yaitu variabel terikat (dependen) dan variabel bebas (independen). Variabel terikat merupakan variabel dimana nilainya tergantung pada nilai variabel bebasnya yang berarti nilainya akan mengalami perubahan sesuai dengan perubahan variabel bebasnya, sedangkan variabel bebas merupakan variabel yang nilainya tidak dipengaruhi oleh variabel lain. Sehingga bisa dikatakan sifat hubungan antara variabel dalam persamaan regresi multiple merupakan hubungan sebab akibat. Hal utama dalam menentukan persamaan regresi linier multiple adalah melihat adanya hubungan sebab akibat antara variabel dependen dan independen, baik itu pada dasar teori, hasil penelitian, serta yang didasarkan pada penjelasan logis tertentu. Karena jika hal tersebut tidak terpenuhi maka persamaan regresi multiple yang diharapkan tidak akan akurat, yang berdampak pada tidak bermanfaatnya pencarian yang dilakukan.
8. Skala Pengukuran Skala merupakan suatu konsep yang mempunyai variasi nilai dimana secara minimal dapat dibedakan menjadi dua atribut, seperti variabel jenis kelamin yang dapat dipisahkan ke dalam atribut laki-laki dan perempuan. Berdasarkan skala pengukurannya variabel penelitian dapat dibedakan menjadi empat tingkatan yakni (Steven,976) : a. Skala nominal b. Skala ordinal c. Skala interval d. Skala rasio a. Skala Nominal Skala nominal merupakan skala pengukuran yang paling sederhana dilambangkan dengan kata-kata, huruf, simbol atau bilangan. Dalam skala ini tidak ada asumsi tentang jarak ataupun urutan antara katagori-katagori dalam urutan. Dengan kata lain hasil pengukurannya dapat dibedakan, tetapi tidak bisa diurutkan mana yang lebih tinggi, mana yang lebih rendah dan mana yang dikesampingkan. Misalnya ;jenis kelamin, agama yang dianut, dan lain sebagainya. b. Skala Ordinal Skala ordinal merupakan skala pengukuran yang selain memiliki ciri membedakan juga mempunyai ciri-ciri untuk mengurutkan pada rentangan yang tertentu. Skala ini mengurutkan (merangking) responden dari tingkat paling rendah ke tingkat paling tinggi, menurut suatu atribut tertentu tanpa ada yang jelas tentang berapa jumlah absolut yang dimiliki oleh masing-masing responden tersebut dan berapa interval antara responden yang satu dengan responden yang lainnya. Hubungan lebih dari atau kurang dari yang mengandung tingkatan tersebut dapat dinyatakan dengan angka atau huruf. Misalnya variabel kelas sosial yaitu bawah, menengah, dan atas, kepangkatan dalam militer, tingkat jenis pekerjaan atau jabatan suatu
9 perusahaan tertentu, tingkat kualitas produk, tingkat kesuburan tanah, tingkat kepuasan pelanggan, stadium suatu penyakit, dan lain sebagainya. c. Skala Interval Skala interval merupakan skala yang tidak semata-mata hanya mengurutkan (merangking) orang atau objek berdasarkan suatu atribut, tetapi juga memberikan informasi tentang interval antara satu orang atau objek dengan orang atau objek lainnya, tetapi skala ini tidak membeikan informasi tentang jumlah absolute atribut yang dimiliki oleh seseorang. Misalnya berat badan balita dihitung dari berat badan balita terendah, suhu tertinggi dari beberap kota. d. Skala Rasio Skala rasio merupakan skala pengukuran yang mempunyai empat ciri yaitu membedakan, mengurutkan, jarak yang sama, serta memiliki titik nol tulen (titik nol yang berarti). Semua ciri-ciri skala interval menjadi ciri skala rasio mempunyai titik nol yang berarti dan rasio (pembanding) antar dua nilai juga berarti. Ukuran ini selain memberikan informasi tentang urutan dari interval antara orang-orang, juga memberikan informasi tambahan tentang jumlah absolut atribut yang dimiliki oleh salah satu dari orang-orang tersebut. Jadi skala rasio adalah suatu bentuk interval yang jaraknya tidak dinyatakan dalam perbedaan angka ratarata suatu kelompok, tetapi dengan titik nol. Misalnya variabel pendapatan, produksi, hasil panen, dan sebagainya yang dihitung dari titik nol.. Model Regresi Linier Sederhana Regresi linier sederhana adalah regresi yang melibatkan hubungan antara satu variabel bebas (independent variable) dengan satu varibel tak bebas (dependent variable). disebut juga variabel terikat karena nilainya selalu dipengaruhi oleh variabel bebas.
0 Bentuk umum persamaan regresi linier sederhana yang sederhana yang menunjukkan hubungan antara dua variabel, yakni variabel bebas dan variabel tak bebas untuk pasangan pengamatan adalah : dengan: = variabel tak bebas pada pengamatan ke-i = variabel bebas pada pengamatan ke-i = konstanta yang merupakan perpotongan dengan sumbu Y = kemiringan kurva (slope) = nilai kesalahan (error) pada pengamatan ke-i Persamaan diatas dapat digunakan untuk menaksirkan nilai Y jika nilai, β i, dan X diketahui. Nilai pada persamaan tersebut merupakan nilai Y yang dipotong oleh kurva linier pada sumbu vertikal Y dengan kata lain adalah nilai Y pada saat x = 0. Nilai dan merupakan parameter yang akan ditaksir/diestimasi, nilainya hanya dapat ditentukan bila keseluruhan nilai populasi X dan Y diketahui. Untuk mengestimasi parameter β dapat digunakan metode kuadrat terkecil (least square method)... Estimasi Parameter Dengan Metode Kuadrat Terkecil Dalam regresi linier sederhana maupun regresi linier berganda metode yang digunakan untuk mengestimasi nilai parameter adalah metode kuadrat terkecil (least square method). Dalam penerapannya metode ini mendapatkan standard baku atau asumsi yang harus dipenuhi yakni: a. Variabel bebas X i, X i,,x ki adalah ukuran yang bebas dari kesalahan b. Error adalah perubahan acak dengan rata-rata nol yaitu E( ) = 0 c. Peubah acak mempunyai varians yang sama yaitu E( ) = d. Peubah acak tidak berkorlasi dengan yang lainnya dengan kata lain bebas terhadap sesamanya Cov. (, ) = 0 untuk i j e. adalah bebas linier
Metode kuadrat terkecil (least square method) merupakan suatu metode dalam pemilihan regresi linier yang meminimumkan jumlah kuadrat error (residu) yaitu jumlah kuadrat dari selisih nilai observasi variabel terikat dengan nilai dugaan. Secara sistematis meminimalkan nilai error dapat dilakukan melalui langkah-langkah berikut: s = - ) s = - ) Jika masing-masing terkecil maka juga akan terkecil. Prinsip metode kuadrat terkecil menyatakan bahwa perlu menaksir dan sehingga minimum. Sebagai nilai dugaan dan adalah dan dilakukan dengan mendeperensialkan (menurunkan) persamaan diatas terhadap dan kemudian menyamakannya dengan nol. Turunan parsial s terhadap lalu menyamakannya dengan nol: = (.) Turunan S terhadap β, lalu menyamakannya dengan nol: = (.) Nilai dan diperoleh dengan mensubtitusikan (, ) kedalam persamaan (.) dan persamaan (.) sebagai berikut: = = 0 = n + (.3) dan = - = 0 + (.4)
Persamaan (.3) dan (.4) diatas merupakan persamaan linier yang disebut dengan persamaan normal, bila: = = maka diperoleh: = - = - Untuk memperoleh substitusikan ke persamaan (.4) sehingga diperoleh: Maka persamaan garis regresi linier sederhana estimasi kuadrat terkecil (least square method line) adalah : dengan: = nilai estimasi (dugaan bagi variabel tak bebas Y) nilai estimasi (dugaan bagi ) = nilai estimasi (dugaan bagi ).3 Model Regresi Linier Berganda Bentuk umum persamaan regresi linier multiple Y atas X, X,,X n adalah: dengan: Y = variabel dependen (variabel tak bebas) X = variabel independen ( variabel bebas),,, β n = merupakan koefisien regresi = merupakan galat taksiran (residu) data ke-i, dimana i =,,,n Bentuk data yang akan diproses disajikan dalam tabel berikut :
3 Tabel. Bagan Observasi No observasi Variabel tak bebas (Y) Varibel bebas (X) 3 n.3. Membentuk Persamaan Linier Multiple Seperti yang sudah diketahui persamaan regresi linier multiple terdiri lebih dari satu variabel bebas (penduga) dimana bentuk umumnya adalah ; Y i i dengan: Y i = variabel tak bebas pada pengamatan ke-i = variabel bebas pada pengamatan ke-i = konstanta yang merupakan perpotongan dengan sumbu Y = kemiringan kurva (slope) = nilai kesalahan (error) pada pengamatan ke-i Dimana bentuk persamaan penduganya adalah ; Untuk mendapatkan atau menentukan nilai besaran dari b 0, b,, b n akan digunakan metode kuadrat terkecil (least square method) karena seperti yang diketahui bahwa yang menjadi prinsip dasar dari metode kuadrat terkecil adalah meminimumkan jumlah kuadrat residu ( ) maka ; =
4 = dengan: i =,,,n = jumlah kuadrat kesalahan Dengan notasi matriks hal ini sama dengan membuat minimum e sebab: e =,, ) Sehingga diperoleh: e = e = dimana untuk mencari nilai dari adalah nilai transpose dari e. Bila harga dari e dinotasikan dengan Q maka untuk mendapatkan nilai penduga dari b o,b,,b n dan membuatnya menjadi nol akan diperoleh persamaan sebagai berikut : Jika persamaan tersebut diturunkan terhadap b 0 akan diperoleh Jika diturunkan terhadap b Jika diturunkan terhadap b Sehingga dapat disimpulkan jika persamaan tersebut diturunkan terhadap nilai b n akan diperoleh : Langkah selanjutnya adalah dengan membuat setiap persamaan sebesar nol. Maka dapat dituliskan menjadi seperti berikut:
5 Atau bisa dituliskan menjadi seperti berikut : Dalam hal ini nilai i dapat dihilangkan..4 Pendekatan Metode Numerik Dengan Gauss-Seidel Metode numerik merupakan metode (teknik) yang digunakan untuk memformulasikan masalah matematis agar permasalahan yang dimaksudkan dapat terselesaikan dengan operasi hitungnya. Seperti yang telah diketahui metode numerik memiliki banyak ragam, tetapi kesemuanya memiliki kesamaan ciri dimana semua metode numerik tanpa terkecuali mencakup sebagian besar perhitungan yang menjemukan. Metode numerik juga menyediakan suatu sarana pada seseorang untuk memperkuat pengertian matematikanya karena seperti yang sudah diketahui metode numerik juga berguna untuk menyederhanakan matematika yang lebih tinggi menjadi matematika yang sederhana (mendasar). Metode numerik Gauss Seidel merupakan salah satu metode yang sering digunakan untuk menyelesaikan kira-kira atau lebih persamaan linier simultan.
6 Metode numerik Gauss Seidel juga sering digunakan untuk masalah galat pembulatan yang terkadang metode eliminasi terbukti tidak sesuai untuk sistem yang besar. Oleh karena itu asumsikan bahwa diberikan himpunan n persamaan. Dari bentuk umum sistem persamaan linier berikut: + + + + Dalam menyelesaikan persamaan, jika elemen-elemen diagonal semuanya tidak sama dengan nol, penyelesaian pertama dapat diselesaikan untuk x, yang kedua untuk x, dan seterusnya sehingga dari bentuk umum sistem persamaan linier diatas diperoleh:.... Cara mudah untuk memperoleh terkaan awal adalah dengan mengasumsikan bahwa semuanya adalah nol. Nilai nol ini dapat disubsitusikan kepersamaan di atas. Prosesnya diulangi ke tiap persamaan sampai persamaan akhir mencapai kekonvergenan. Kekonvergenan dapat diperiksa dengan memakai kriteria sebagai berikut (scarborough,966).
7 = =,dengan m = 3 =0.05% dengan: = galat relative i =,,3,,n j = iterasi-iterasi yang sekarang j- = iterasi-iterasi yang sebelumnya = galat-galat dengan banyaknya angka bena dalam aproksimasi m = angka bena.4. Pengujian Terhadap Pengaruh Variabel Tak Bebas Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas mempunyai pengaruh yang sama terhadap variabel tak bebas. Pengujian yang dilakukan uji distribusi F, dengan nilai F hitung (F-ratio) yang terdapat pada tabel analisis variansi berikut: Tabel. Bagan Analisis Variansi Sumber Variansi dk Jumlah Kuadrat Regresi v JK(R) Residu n--v JK(T)-JK(R Rata-Rata Jumlah Kuadrat Total n- JK(T) dengan: dk = derajat kebebasan
8 JK(T) = jumlah kuadrat total JK(R) = jumlah kuadrat regresi Pengujian terhadap variabel bebas secara bersama-sama (simultan) terhadap perubahan nilai variabel tak bebas dilakukan melalui pengujian terhadap besarnya perubahan nilai variabel tak bebas yang dapat dijelaskan oleh perubahan nilai semua variabel bebas. Nilai untuk perumusan hipotesis adalah: : Variasi perubahan nilai variabel bebas tak dapat menjelaskan variasi dari perubahan nilai tak bebas = Variasi perubahan nilai variabel bebas dapat menjelaskan variasi dari perubahan nilai variabel tak bebas. Kesimpulan untuk hipotesis diatas adalah: Jika > maka ditolak Jika < maka diterima.4. Pengukuran Persentase Pengaruh Semua Variabel Bebas Pengukuran persentase pengaruh semua variabel bebas terhadap nilai variabel tak bebas diperlihatkan oleh besarnya koefisien determinasi. Kofisien determinasi ) merupakan nilai yang menyatakan besarnya nilai keterandalan model. Apabila diketahui nilai koefisien nilai determinasi dari suatu model regresi mendekati atau sama dengan 00% berarti model yang dihasilkan baik untuk mengestimasi nilai variabel tak bebas, dimana nilai 0.
9.4.3 Pengujian Terhadap Koefisien Regresi (Uji Parsial) Pengujian hipotesis terhadap koefisien regresi ditentukan dengan cara membandingkan nilai dari masing-masing koefisien regresi dengan nilai dari yang bisa dilihat dari tabel distribusi t dengan memperhatikan tingkat signifikasi ( ) dan banyaknya sampel yang digunakan. Tabel.3 Nilai Untuk Setiap Variabel Penduga Konstanta Koefisien Regresi Kesalahan Baku Koefisien Regresi Kesimpulan: : 0,artinya koefisien tidak berarti : 0, artinya koefisien regresi berarti dengan nilai taraf signifikan sebesar 5% maka kesimpulan yang bisa ditarik untuk hipotesis diatas adalah: Jika koefisien rergresi > maka ditolak Jika koefisien rergresi < maka diterima.4.4 Pemilihan Variabel Pertama Yang Keluar Dari Model Untuk mengetahui variabel pertama yang keluar dari model adalah variabel yang mempunyai nilai terkecil pada tabel, andaikan itu adalah nilai dari ntuk
0 menentukan apakah keluar atau tidak dari model maka nilai untuk t hitung dari dibandingkan dengan nilai. Hal ini merupakan uji keberartian koefisien regresi dengan hipotesanya sebagai berikut: = koefisien regresi tidak berarti = koefisien regresi adalah berarti Kesimpulan: Jika salah satu variabel maka ditolak, yang berarti koefisien regresi adalah berarti sehingga tetap berada dalam model. Jika salah satu variabel < maka diterima, yang berarti koefisien regresi adalah tidak berarti sehingga keluar dari model..4.5 Membentuk Persamaan Regresi Ganda Yang ke dua Bila ditolak maka proses dihentikan dan penduga yang digunakan adalah persamaan regresi linier multiple. Sebaliknya jika diterima maka langkah selanjutnya adalah membentuk persamaan linier ganda yang memuat semua variabel dimana i atau dengan kata lain akan membentuk persamaan regresi linier ganda yang memuat (k-) variabel independen..4.6 Membentuk Persamaan Regresi (Penduga) Jika proses pengeluaran variabel dari persamaan regresi telah diketahui dan telah selesai maka langkah selanjutnya adalah menetapkan persamaan regresi yang menjadi penduga linier yang diharapkan. Bentuk umum persamaan penduga adalah: Dimana: = keseluruhan variabel X yang masih tinggal dalam penduga = nilai konstanta = koefisien regresi dari
.4.7 Pertimbangan Terhadap Persamaan Regresi (Penduga) Cara untuk mengetahui kecocokan model sehingga model tersebut dapat dipastikan merupakan suatu model yang dihasilkan adalah baik atau tidak, jika sudah memenuhi asumsi sebagai berikut; a. Distribusi kesalahan (error) adalah normal. Normal tidaknya dapat dilihat dari grafik plot residunya. b. Homokedastisitas, dimana varian error untuk semua variabel adalah tetap dimana bentuk lain Varian = Varian = = 0 keadaan ini akan dibuktikan melalui uji statistik yaitu dengan uji t, dengan terlebih dahulu menghitung koefisien korelasi Rank Spearman. Dimana diperlukan nilai dari rank ) dan rank serta mencari selisihnya yang dinamakan( ) = ) Tabel.4 Residu Rank Spearman No Observasi Penduga ( ) Residu ) Rank Rank 3 3 3 3 3 3 3 jumlah dimana rumusan dari pada rank spearman adalah:
dimana: ; selisih dua rank ke-j dari dua karakteristik yang berbeda. n : banyaknya data observasi. : rank Spearman Langkah selanjutnya adalah pengujian dengan melakukan uji t. dimana dimana: n- = derajat kebebasan α = derajat taraf nyata hipotesa Dengan membandingkan nilai terhadap homokedastisitas akan diterima atau dipenuhi jika < sehingga varian = varian. Non otokorelasi, yang berarti tidak ada terdapat pengaruh dari variabel dalam model melalui tenggang waktu (time lag).