4.1.3.2 Denormalisasi Data
Hasil dari peramalan sebelumnya merupakan data yang dinormalisasi, maka hasil tersebut akan dikembalikan seperti semula yang disebut denormalisasi data. Data akan
didenormalisasi dengan fungsi poststd pada MATLAB, dengan perintah sebagai berikut:
[P]=poststdpn,meanp,stdp [T]=poststdtn,meant,stdt
Hasil peramalan yang diperoleh adalah nilai = 1,4176 yang kemudian
didenormalisasikan menggunakan perintah poststd pada MATLAB sehinggan menjadi 6,7906e+005 yaitu sekitar 679.060 ton. Hasil tersebut merupakan hasil peramalan jumlah
sampah masyarakat Kota Medan pada tahun 2016.
4.2 Analisis Korelasi antar Variabel
Pada analisis ini akan meentukan faktor manakah yang paling mempengaruhi jumlah sampah masyarakat Kota Medan yang terus meningkat. metode yang digunakan adalah analisis
regresi dan korelasi.
4.2.1 Analisis Regresi Berganda
Untuk mengetahui pengaruh manakah yang paling mempengaruhi meningkatnya jumlah sampah masyarakat maka akan digunakan analisis korelasi. Sebelum menghituang analisis
korelasi antar variabel, maka akan dilakukan terlebih dahulu analisis regresi berganda untuk melihat apakah kedua variabel yang dianggap paling berpengaruh terhadap meningkatnya
jumlah sampah masyarakat berpengaruh positif.
Pada analis regresi berganda, data yang digunakan berasal dari buku SUSENAS yang berjudul ”Statistik Kesejahteraan Raktat” tahun 2005 sampai tahun 2016. Yang meliputi data
jumlah penduduk Kota Medan dan data pengeluaran masyarakat terhadap makanan dann non makanan per tahun yang dasumsikan sebagai tingkat konsumsi masyarakat. Adapun datanya
terdapat pada Lmpiran I.
Universitas Sumatera Utara
Dengan data yang akan digunakan untuk menghitung analisis regresi berganda dalam penelitian ini terlihat pada tabel berikut:
Tabel 4.3 Data untuk menghitung analisis regresi berganda
Y
406.245,0 5.717.652,0
2.036.185,0 445.949,7
7.087.740,0 2.067.288,0
452.304,4 5.857.416,0
2.083.156,0 400.496,3
8.457.828,0 2.102.105,0
406.774,3 9.030.144,0
2.121.053,0 482.727,1
11.058.240,0 2.097.610,0
478.266,8 9.480.012,0
2.117.224,0 573.300,0
10.332.228,0 2.122.804,0
616.824,5 12.112.164,0
2.135.516,0 629.625,0
11.487.204,0 2.191.140,0
634.965,0 17.204.856,0
2.465.469,0
Dimana: Y = Jumlah sampah masyarakat Kota Medan ton
X
1
= Tingkat konsumsi masyarakat Rp X
2
= Jumlah penduduk jiwa
Untuk mengetahui pengaruh mana yang paling mempengaruhi jumlah sampah masyarakat, maka harus dicari persamaan regresi terlebih dahulu. Untuk itu, maka data yang
akan digunakan untuk analisis regresi berganda pada Tabel 4.3 perlu disusun kedalam Tabel penolong yang ada pada Lampiran VIII untuk membantu menyelesaikan persamaan regresi.
Bedasarkan Tabel penolong pada Lampiran VIII diperoleh: = 5527478,1
2
= 1,19005E+14
1
= 107825484
1 2
= 6,74792E+25
2
= 23539550
1 2
= 1,16389E+15
Universitas Sumatera Utara
1
= 5,66172E+13
2 2
= 5,05059E+13
Selanjutnya data akan digunakan untuk mencari persamaan regresi berganda, yaitu:
Ŷ = b + b
1
X
1
+ b
2
X
2
30
Untuk menghitung nilai dari b , b
1
, dan b
2
dapat menggunakan rumus berikut:
= +
1 1
+
2 2
31
Jika rumus tersebut dimasukkan dalam persamaan tersebut, maka:
5527478,1 = 11 b + 107825484 b
1
+ 23539550 b
2
5,66172E+13 = 107825484 b + 1,16389E+15 b
1
+ 6,74792E+25 b
2
1,19005E+14 = 23539550 b + 6,74792E+25 b
1
+ 5,05059E+13 b
2
Untuk menemkan hasilnya maka digunakan bantuan dari software SPSS agar ditemukan persamaan. Dengan hasilnya adalah sebagai berikut:
Tabel 4.4 Hasil Koefisien menggunakan SPSS
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 91,044
21220,499 ,004
,997 X1
,018 ,007
,362 2,685
,025 X2
,150 ,032
,638 4,729
,001 a. Dependent Variable: Y
3 1
3 2
1 2
2 1
1 1
x x
b x
x b
x b
y x
3 2
3 2
2 2
2 1
1 2
x x
b x
b x
x b
y x
Universitas Sumatera Utara
Berdasarkan hasil dari software SPSS maka didapatlah persamaan regresinya sebagai berikut:
Ŷ = 91,004 + 0,018X
1
+ 0,150X
2
32
Persamaan ini menunjukkan bahwa tingkat konsumsi masyarakat +0,018 dan jumlah penduduk +0,150 memiliki pengaruh positif terhadap jumlah sampah masyarakat. Yaitu
jika tingkat konsumsi masyarakat meningkat maka jumlah sampah juga akan meningkat. begitu pula dengan jumlah penduduk, jika jumlah penduduk meningkat maka jumlah sampah
juga akan meningkat.
4.2.2 Korelasi Antar Variabel
Kategori