DAFTAR RUJUKAN
DAFTAR RUJUKAN
Basri. Uji Regresi Berganda (online: diunduh tanggal 11 Desember 2013) Drapper and Smith. 1992. Regresi Linier Berganda . Kurniawan, Deny. 2008. Regresi Linear (Linear Regression) (online: diunduh
tanggal 23 Desember 2013) Permadi, Hendro.1999. Teknik Analisis Regresi . Universitas Negeri Malang: JICA Heraiawan, Rusman.2008. Pengenalan Tentang BPS. Jakarta: BPS Nasional. Nugroho,1990. Analisis Regresi . Yogyakarta. UNY Sembiring.1995. Analisis Regresi . Bandung: ITB Setiastuti, Dewi. 2010. Metode Backward Elimination untuk Menentukan Model
Pencapaian Peserta Aktif Menurut Alat Kontrasepsi. Laporan PKL. Soekartawi.1990 . Teori dan Aplikasi , PT Raja Grafindo Persada, Jakarta Suliyanto. Uji Asumsi Klasik (online: diunduh tanggal 12 Desember 2013) Susiswo. 2002. Analisis Regresi dan Aplikasinya Disertai dengan Penerapannya
pada Minitab 12. Universitas Negeri Malang: JICA. ................2012. Pedoman Pencacah. BPS Pusat Jawa Timur. .................2013. Analisis Data Ketenagakerjaan Kabupaten Sidoarjo. BPS
Kabupaten Sidoarjo.
Lampiran 1: Nilai dan Laporan kegiatan PKL
46
49
Lampiran 2: Angket SAKERNAS
53
Lampiran 3 : Data Pengaruh Tingkat Pendidikan Dengan Ketenagakerjaan Data : Pengaruh Tingkat Pendidkan Dengan Ketenagakerjaan.
Keterangan : X1 : belum tamat SD X4 : SMA/ Aliyah
X7 : D III
Y : Angka Ketenagakerjaan
X2 : Tamat SD / MI X5 : SMK/STM X8 : D IV / Sarjana
X3 : SMP/ MTS X6 : D I/ D II
X9 : S II / S
Lampiran 4 : Analisis Regresi Linier Berganda
Regression Analysis: y versus x1; x2; x3; x4; x5; x6; x7; x8; x9
The regression equation is y = - 2,14 + 7,28 x1 + 1,14 x2 + 1,72 x3 + 4,04 x4 + 2,49 x5 - 1,28 x6 + 5,10 x7+
1,83 x8 + 4,07 x9
Predictor Coef SE Coef T P VIF Constant -2,142 1,932 -1,11 0,467 x1 7,282 4,532 1,61 0,354 6,752 x2 1,141 1,765 0,65 0,635 10,534 x3 1,716 1,735 0,99 0,503 22,943 x4 4,043 2,904 1,39 0,396 25,353 x5 2,487 2,244 1,11 0,467 23,818 x6 -1,282 6,862 -0,19 0,882 25,534 x7 5,105 4,364 1,17 0,450 23,870 x8 1,828 2,887 0,63 0,641 51,107 x9 4,066 4,804 0,85 0,553 24,242
S = 0,137790 R-Sq = 90,1% R-Sq(adj) = 1,0%
Analysis of Variance
Source DF SS MS F P Regression 9 0,17274 0,01919 1,01 0,654 Residual Error 1 0,01899 0,01899 Total 10 0,19172
Source DF Seq SS x1 1 0,04122 x2 1 0,01784 x3 1 0,00252 x4 1 0,02127 x5 1 0,03875 x6 1 0,00159 x7 1 0,01887 x8 1 0,01708 x9 1 0,01360
Unusual Observations
Obs x1 y Fit SE Fit Residual St Resid
4 0,0000 0,5480 0,5423 0,1377 0,0057 1,00 X
5 0,0181 0,3980 0,4038 0,1377 -0,0058 -1,00 X
7 0,0310 0,5000 0,5122 0,1372 -0,0122 -1,00 X
8 0,0000 0,4170 0,4227 0,1377 -0,0057 -1,00 X
56
Lampiran 5 : Analisis korelasi
Correlations: y; x1; x2; x3; x4; x5; x6; x7; x8; x9
y x1 x2 x3 x4 x5 x6 x7 x8 x1 0,464 0,151
x2 -0,064 0,450 0,852 0,165
x3 -0,036 0,097 0,554 0,916 0,778 0,077
x4 0,246 0,051 0,336 0,481 0,465 0,881 0,313 0,134
x5 -0,283 -0,170 -0,311 -0,627 -0,036 0,399 0,617 0,352 0,039 0,915
x6 -0,013 -0,037 -0,637 -0,711 -0,506 0,456 0,969 0,914 0,035 0,014 0,112 0,159
x7 0,425 -0,020 -0,513 -0,484 -0,496 -0,255 0,555 0,193 0,954 0,107 0,132 0,120 0,449 0,077
x8 -0,130 -0,431 -0,472 -0,489 -0,797 -0,075 0,251 0,566 0,702 0,186 0,143 0,127 0,003 0,827 0,456 0,070
x9 -0,195 -0,364 -0,723 -0,503 -0,784 0,122 0,609 0,457 0,758 0,565 0,271 0,012 0,115 0,004 0,722 0,047 0,157 0,007
Cell Contents: Pearson correlation P-Value
Lampiran 6 : Best Subset
Best Subsets Regression: y versus x1; x2; x3; x4; x5; x6; x7; x8; x9
Response is y
Mallows x x x x x x x x x Vars R-Sq R-Sq(adj) Cp S 1 2 3 4 5 6 7 8 9 1 21,5 12,8 0,9 0,12932 X
1 18,0 8,9 1,3 0,13214 X 2 45,7 32,2 0,5 0,11403 X X 2 40,3 25,4 1,0 0,11959 X X 3 65,8 51,1 0,5 0,096834 X X X 3 53,9 34,2 1,7 0,11232 X X X 4 73,7 56,1 1,7 0,091721 X X X X 4 69,0 48,3 2,1 0,099598 X X X X 5 77,3 54,6 3,3 0,093264 X X X X X 5 76,4 52,9 3,4 0,095074 X X X X X 6 80,2 50,4 5,0 0,097514 X X X X X X 6 80,0 49,9 5,0 0,097981 X X X X X X 7 85,9 53,0 6,4 0,094913 X X X X X X X 7 83,0 43,3 6,7 0,10424 X X X X X X X 8 89,8 48,8 8,0 0,099119 X X X X X X X X 8 86,1 30,6 8,4 0,11532 X X X X X X X X 9 90,1 1,0 10,0 0,13779 X X X X X X X X X
Lampiran 7 : Analisis Regresi Linier Berganda
Regression Analysis: y versus x1; x4; x7
The regression equation is y = 0,106 + 2,48 x1 + 1,07 x4 + 2,05 x7
Predictor Coef SE Coef T P VIF Constant 0,1061 0,1270 0,84 0,431 x1 2,483 1,227 2,02 0,083 1,003 x4 1,0660 0,4673 2,28 0,057 1,330 x7 2,0499 0,7231 2,83 0,025 1,327
S = 0,0968336 R-Sq = 65,8% R-Sq(adj) = 51,1%
Analysis of Variance
Source DF SS MS F P Regression 3 0,126085 0,042028 4,48 0,047 Residual Error 7 0,065637 0,009377 Total 10 0,191722
Source DF Seq SS x1 1 0,041216 x4 1 0,009518 x7 1 0,075351
Unusual Observations
Obs x1 y Fit SE Fit Residual St Resid 6 0,0600 0,8650 0,7064 0,0701 0,1586 2,37R
R denotes an observation with a large standardized residual.
Lampiran 8 : Backward Elimination Stepwise Regression: y versus x1; x2; x3; x4; x5; x6; x7; x8; x9
Backward elimination. Alpha-to-Remove: 0,15
Response is y on 9 predictors, with N = 11 Step 1 2 3 4 5 6 Constant -2,1415 -2,2411 -1,3311 -0,9918 -0,2595 -0,1955
x1 7,3 7,7 6,9 5,8 4,1 4,0 T-Value 1,61 2,80 2,78 2,48 2,28 2,48 P-Value 0,354 0,108 0,069 0,068 0,071 0,048
x2 1,1 1,1 T-Value 0,65 0,87 P-Value 0,635 0,478
x3 1,72 1,82 1,24 1,02 T-Value 0,99 1,54 1,33 1,09 P-Value 0,503 0,264 0,276 0,338
x4 4,04 4,33 3,20 2,47 1,98 1,89 T-Value 1,39 2,45 2,80 2,57 2,30 2,50 P-Value 0,396 0,134 0,068 0,062 0,070 0,047
x5 2,49 2,38 1,44 1,25 0,13 T-Value 1,11 1,52 1,34 1,14 0,35 P-Value 0,467 0,267 0,273 0,317 0,742
x6 -1,3 T-Value -0,19 P-Value 0,882
x7 5,10 4,55 2,99 2,89 1,66 1,61 T-Value 1,17 1,99 2,20 2,07 1,99 2,12 P-Value 0,450 0,185 0,115 0,107 0,103 0,078
x8 1,83 2,28 1,85 1,69 0,94 0,87 T-Value 0,63 2,01 1,90 1,70 1,29 1,34 P-Value 0,641 0,182 0,154 0,165 0,254 0,228
x9 4,1 3,5 1,5 T-Value 0,85 1,28 1,11 P-Value 0,553 0,328 0,350
S 0,138 0,0991 0,0949 0,0975 0,0993 0,0917 R-Sq 90,10 89,75 85,90 80,16 74,30 73,67 R-Sq(adj) 0,97 48,76 53,01 50,40 48,59 56,12 Mallows Cp 10,0 8,0 6,4 5,0 3,6 1,7
Step 7 Constant 0,1061
x1 2,5 T-Value 2,02 P-Value 0,083
x2 T-Value P-Value
x3 T-Value P-Value
60
x4 1,07 T-Value 2,28 P-Value 0,057
x5 T-Value P-Value
x6 T-Value P-Value
x7 2,05 T-Value 2,83 P-Value 0,025
x8 T-Value P-Value
x9 T-Value P-Value
S 0,0968 R-Sq 65,76 R-Sq(adj) 51,09 Mallows Cp 0,5
Lampiran 9 : Pengujian Asumsi-Asumsi dalam Regresi Linier Berganda
a. Kenormalan sisaan
Probability Plot of RESI3
Normal
99 Mean
-2,37184E-16 StDev
N 11 90
AD 0,500 P-Value
b. Kehomogenan nilai sisaan
Fitted Line Plot
RESI3 = 0,0000 - 0,0000 FITS3
S 0,0853992
R-Sq 0,0% R-Sq(adj)
I3 E S R
FITS3
62
c. Kebebasan nilai sisaan
model terbaik
o c to -0,2 u
A -0,4 -0,6
-0,8 -1,0
Lag