Beruflich Dokumente
Kultur Dokumente
Abstract
Regression analysis is a measuring instrument used to determine the effect of independent variables on the
dependent variable. In general, there are two kinds of regression, it is linear regression and nonlinear
regression. Non-linear regression is a regression analysis method to obtain non-linear model of articles used to
determine the relationship between the dependent variable and independent variables. One of the non-linear
regression analysis is an exponential regression. In the exponential regression analysis, parameter estimation
performed using ordinary least squares (OLS). This method is used when the dependent variable is
exponentially distributed and exponential regression is included in the intrinsic linear model that can be
expressed as a nonlinear regression become a linear regression through the appropriate transformation. This
study aims to determine the exponential regression model to the data of population and births in East
Kalimantan in 1992-2013. Based on the research results, obtained that the exponential regression function
model of the population and births in East Kalimantan in year 1992 to 2013 that is : Yˆ 4,522 e
0 ,138 X
.
Based on the model can be interpreted that if the obtained results remain without influence of the large number
of people born in that year amounted to 4.522.000 million people, and if there was an additional one thousand
inhabitants, the number of people each year will experience exponential increase in the amount of 871.098
inhabitants in East Kalimantan
Keywords: Birth, exponential regression, number of inhabitants, ordinary least square (OLS),
atau penurunan), pertumbuhan penduduk di masa Y tergantung pada dua atau lebih variabel bebas X.
yang akan datang mengikuti model eksponensial Garis regresi merupakan garis yang
dan sering dipergunakan untuk meramalkan jumlah menghubungkan rata-rata Y dengan seluruh
penduduk, pendapatan nasional, produksi, hasil kemungkinan nilai-nilai X. Variabel bebas X adalah
penjualan dan kejadian lain yang pertumbuhannya variabel yang nilainya dapat ditentukan, sedangkan
secara cepat (geometris). Tingginya jumlah variabel terikat Y adalah suatu variabel sebagai
penduduk saat ini sangat dipengaruhi oleh adanya akibat dari perubahan yang terjadi pada variabel
faktor kelahiran, migrasi dan kematian. bebas.
Penelitian yang telah dilakukan mengenai Bentuk umum persamaan regresi sederhana adalah
Analisis Regresi Non Linier pada Data Jumlah Yi 0 1X i i ; i 1,2,...,n (1)
Penduduk dan Kelahiran di Kalimantan Timur Pada Sedangkan persamaan untuk regresi berganda
Tahun 1992-2013 yaitu analisis regresi adalah:
eksponensial yang bertujuan untuk mengetahui
Yi 0 1X1i 2 X 2i .... k X ki i ; i 1,2,...,n (2)
model regresi eksponensial yang menyatakan
pengaruh jumlah penduduk kelahiran terhadap Dimana:
jumlah penduduk di Kalimantan Timur pada Tahun Yi : Variabel terikat untuk observasi ke-i
1992-2013. Batasan yang diambil dalam penulisan βj : Parameter model regresi j:0,1,2,...,k
penelitian ini meliputi model regresi yang Xi : Variabel bebas ke-i
digunakan adalah model eksponensial sederhana, εi : Residual
variabel X yang digunakan adalah jumlah kelahiran k : Banyaknya variabel bebas
penduduk di Kalimantan Timur, dan data yang (Sembiring, 1995)
digunakan adalah data jumlah kelahiran dan jumlah
penduduk di Kalimantan Timur tahun 1992-2013 Estimasi Parameter Regresi Linier Sederhana
(OLS)
Analisis Regresi Metode kuadrat terkecil ini dikemukakan oleh
Analisis regresi merupakan analisis Carl Friedirch Gauss, seorang ahli matematika
ketergantungan dari satu atau lebih variabel bebas bangsa Jerman. Prinsip dasar metode kuadrat
terhadap satu variabel terikat, dengan tujuan untuk terkecil ini adalah meminimumkan jumlah kuadrat
menduga atau memprediksi nilai rata-rata populasi residual. Dalam matematika untuk mendapatkan
berdasarkan nilai-nilai variabel bebasnya. Analisis nilai minimum dari suatu fungsi maka syaratnya
regresi yang digunakan untuk memprediksi satu adalah differensiasi atau turunan pertama dari
variabel terikat berdasarkan pada satu variabel fungsi tersebut harus sama dengan nol. Dengan
bebas disebut dengan analisis regresi sederhana, demikian untuk meminimumkan kuadrat residual
sedangkan analisis regresi yang digunakan untuk tersebut maka kita harus melakukan differensiasi
memprediksi satu variabel terikat berdasarkan satu parsial jumlah residual kuadrat terhadap
atau lebih variabel bebas disebut dengan analisis ˆ0 , ˆ1 ,..., ˆ k .
regresi berganda. Selain itu, regresi juga dapat Untuk regresi linier sederhana dari persamaan
untuk mengukur kekuatan hubungan antar dua (1), nilai residual model tersebut didefinisikan
variabel atau lebih, analisis regresi juga digunakan sebagai:
untuk menunjukkan arah hubungan antara variabel
bebas dengan variabel terikat (Gujarati, 2006). i Yi Yˆi (3)
Analisis regresi pada hakikatnya dibedakan Y ˆ ˆ X
i i 0 1
menjadi dua, yaitu analisis regresi linier dan Dari jumlah kuadrat dari ei pada persamaan (3)
analisis regresi non linier. dinyatakan sebagai
Y ˆ ˆ X 2
n n
(4)
Analisis Regresi Linier 2
i 1
i
i 1
i 0 1
Y
diperhitungkan besarnya pengaruh dari perubahan n n
(6)
ˆ0 ˆ1 X 2 X i Yi ˆ0 ˆ1 X
2
X
i 1
i i ˆ 0 ˆ1 X
Dan jika variansi residual berbeda maka disebut
Dengan menjabarkan sistem persamaan (7) dan (8) sebagai heteroskedastisitas. Model regresi yang
akan diperoleh sistem persamaan berikut: baik adalah tidak terjadi heteroskedastisitas.
n n (Gujarati, 1995)
Y
i 1
i nˆ 0 ˆ1 X i
i 1
(9)
n n n
Analisis Regresi Non Linier
X iYi ˆ0 X i ˆ1 X i2
i 1 i 1 i 1
(10) Regresi non linier merupakan suatu metode
analisis regresi untuk mendapatkan model non
Dengan metode eliminasi dan substitusi penjelasan linier yang digunakan untuk mengetahui hubungan
dari sistem persamaan (9) dan (10) adalah sebagai antara variabel terikat dan variabel bebas. Menurut
berikut: Draper dan Smith (1981), model non linier (yakni
n n n nonlinier dalam parameter yang akan diduga) dapat
n( X i Yi ) ( X i )( Yi ) dibagi menjadi dua bagian yaitu, model linier
ˆ1 11
n
i 1
n
i 1
(11) intrinsik dan model non linier intrinsik. Model
n( X ) ( X )
i
2 2
linier intrinsik, jika suatu model adalah linier
i 1 i 1 intrinsik, maka model ini dapat dinyatakan melalui
n n n n
( Yi )( X i2 ) ( X i )( X i Yi ) transformasi yang tepat terhadap peubahnya ke
dalam bentuk linier baku, seperti regresi
̂ 0 i 1 i 1 i 1 i 1
(12)
n n eksponensial. Kemudian model non linier intrinsik,
n( X ) ( X i ) 2
i
2
jika suatu model adalah non linier intrinsik, maka
i 1 i 1
model ini tidak dapat diubah menjadi bentuk baku.
Untuk mencari nilai ˆ0 , ˆ1 ,..., ˆ k pada regresi
Apabila hubungan antara variabel terikat Y dan
berganda digunakan cara yang sama seperti pada variabel bebas X bersifat non linier, artinya jika
penentuan parameter model regresi sederhana. data asli Xi dan Yi dibuatkan scatterplot tidak
(Walpole, 1995) mengikuti garis lurus tetapi mengikuti suatu bentuk
kurva tertentu, seperti kurva eksponensial, maka
Pengujian Signifikan Parameter analisis regresi yang cocok untuk menjelaskan
Sebelum menarik sebuah kesimpulan dari suatu hubungan antara X dan Y tersebut adalah analisis
model regresi, terlebih dahulu dilakukan pengujian regresi non linier sederhana.
terhadap parameter regresi baik secara simultan Jika bentuk linier diterima, kemudian disusul
(bersama-sama) maupun secara parsial (individu). bahwa regresi itu sebagai suatu kesatuan berarti
Hal ini bertujuan untuk mengetahui variabel- adanya dan yakin bahwa koefisien regresi yang
variabel bebas yang mempunyai pengaruh maupun diperoleh tidak dapat diabaikan, maka dapat
tidak terhadap variabel terikat (Damanhuri, 1995). membuat kesimpulan berdasarkan regresi itu.
Adapun macam-macam bentuk persamaan regresi
Uji Asumsi Klasik Regresi Linier Sederhna non linier sebagai berikut:
Dalam melakukan pendugaan koefisien regresi 1. Parabola atau polinum pangkat dua
(parameter) dapat dilakukan dengan berbagai Yi 0 1 X 2 X 2 i (13)
metode diantaranya adalah metode OLS. Metode
2. Parabola kubik atau polinum pangkat tiga
OLS gunanya untuk mengestimasi suatu garis
regresi dengan jalan meminimalkan jumlah kuadrat Yi 0 1 X 2 X 2 3 X 3 i (14)
kesalahan setiap observasi terhadap garis tersebut. 3. Polinum pangkat k (k ≥ 2), berbentuk
Metode ini paling mudah dan sederhana Yi 0 1 X 2 X 2 3 X 3 ... k X k i (15)
dibandingkan metode lainnya, sehingga sering
digunakan oleh para peneliti. Namun ada beberapa 4. Eksponensial
asumsi yang harus dipenuhi dari penggunaan Yi 0 e 1 X i
(16)
metode OLS agar persamaan atau model yang telah 5. Geometrik
didapat layak untuk digunakan. Apabila terdapat
Yi 0 X 1 (17)
pelanggaran atau asumsi tidak terpenuhi maka
persamaan yang didapat akan menjadi bias dan 6. Logistik
tidak lagi efisien. Asumsi analisis regresi yang 1
Yi (18)
harus dipenuhi adalah: 0 1
X
n migrasi masuk. Istilah fertilitas juga dapat diartikan
P A ˆ BˆX 0 (27)
i 1
i i sebagai kemampuan seorang wanita untuk
menghasilkan kelahiran hidup. Kelahiran bayi
P
n
X
i 1
i i
ˆ B
A ˆX 0
i
(28)
membawa konsekuensi pemenuhan kebutuhan
tumbuh kembang bayi tersebut, termasuk
Dengan menjabarkan sistem persamaan (27) dan
pemenuhan gizi, kecukupan kalori dan perawatan
(28) akan diperoleh sistem persamaan berikut:
n n
kesehatan. Pada gilirannya, bayi ini akan tumbuh
i 1
P nA
i
ˆB ˆ X i 1
i
(29) menjadi anak usia sekolah yang menuntut
pendidikan, lalu masuk angkatan kerja dan
n n n
X
i 1
i
ˆ
Pi A X i Bˆ X i2
i 1 i 1
(30) menuntut pekerjaan. Bayi perempuan akan tumbuh
menjadi remaja perempuan dan perempuan usia
Dengan metode eliminasi dan substitusi penjelasan subur yang akan menikah dan melahirkan bayi.
dari sistem persamaan (29) dan (30), dimana
Metodologi Penelitian
pemisalan Pi akan diubah menjadi Ln Yi adalah
Data yang digunakan dalam penelitian ini
sebagai berikut:
adalah data jumlah penduduk dan kelahiran di
n n n
n X i LnYi X i LnYi Kalimantan Timur pada tahun 1992-2013 yang
Bˆ i 1 i 1
i 1 bersumber dari Badan Pusat Statistik Provinsi
2
(31)
n 2 n Kalimantan Timur. Terdapat dua macam variabel
n X i X i
i 1 i 1 penelitian yaitu variabel bebas dan terikat. Variabel
n n
terikat (Y) dalam penelitian ini adalah Data Jumlah
2 n n
LnYi X i X i X i LnYi (32) Penduduk di Kalimantan Timur dan variabel bebas
Aˆ i 1 i 1 i 1 i 1 (X) adalah Data Kelahiran di Kalimantan Timur.
2
n
n
n( X i2 ) X i Hasil dan Pembahasan
i 1 i 1
Berdasarkan data jumlah penduduk dan
(Wibowo, 2001) kelahiran di Kalimantan Timur pada Tahun 1992
Jumlah Penduduk sampai dengan 2013, dilakukan analisis deskriptif,
Jumlah penduduk suatu negara misalnya transformasi dan analisis regresi eksponensial
Indonesia, atau penduduk di suatu wilayah selalu
mengalami perubahan dari waktu ke waktu karena Tabel 1 Analisis Deskriptif Jumlah Penduduk dan
pertumbuhan penduduk pada wilayah tersebut. Kelahiran
Pengendalian jumlah penduduk perlu dilakukan Jumlah Penduduk Kelahiran
oleh pemerintah, supaya negara dapat membuat Rata-rata 2,5293 4,6136
perencanaan pembangunan yang baik. Salah satu Minimum 1,0345 2,12
Maksimum 3,9276 9,02
tahapan dalam pengendalian jumlah penduduk
Total 55,6453 101,50
adalah harus diawali dengan mengetahui jumlah
dan pertumbuhan penduduk. Informasi tentang Berdasarkan Tabel 1 terlihat bahwa minimum
jumlah dan pertumbuhan penduduk di suatu dari kelahiran yaitu 2.120 jiwa, sedangkan untuk
wilayah tentu sangat diperlukan untuk merancang maksimum untuk kelahiran adalah 9.020 jiwa. Pada
pembangunan. Bertambahnya jumlah penduduk jumlah penduduk nilai minimumnya adalah
berakibat pada menjadi semakin sempitnya 1.034.500 jiwa, lalu nilai maksimum dari jumlah
kesempatan memperoleh pekerjaan. Keadaan penduduk adalah 3.927.600 jiwa. Rata-rata untuk
tersebut dapat memicu terjadinya kemiskinan. kelahiran yaitu 4.613.600 jiwa, sedangkan untuk
Informasi tentang jumlah dan pertumbuhan jumlah penduduk rata-ratanya sebesar 2.529.300
penduduk Indonesia secara menyeluruh sangat jiwa. Kemudian untuk total seluruh kelahiran
diperlukan untuk menetapkan prioritas
adalah 101.500 jiwa dan jumlah penduduk adalah Estimasi Model Regresi dengan Metode
55.645.300 jiwa. Ordinary Least Square
Adapun hasil estimasi model regresi ini dengan
Scatter Plot
menggunakan metode OLS akan dijelaskan pada
Tabel 3.
5 Tabel 3. Hasil Estimasi Model Regresi
Kesimpulan
Berdasarkan hasil analisis dan pembahasan
maka disimpulkan:
1. Model regresi eksponensial yang menyatakan
hubungan antara kelahiran (X) dengan jumlah
penduduk (X) adalah Yˆ 4,522 e 0,138 X