a tabel 3.5 yaitu pada kolom unstandardized coefficents, nilai X
3
adalah sebesar 0,02. Nilai T
hit
= 3,888 dengan dk = 8-
4 dan α = 0,05 : nilai t
0,05.4
= 2,776, sehingga T
hit
T
tob.
Artinya, H ditolak yang berarti bahwa jumlah Pengeluaran dan konsumsi
penduduk X
3
memiliki pengaruh nyata terhadap model regresi.
3.5 Uji Liniaritas Garis regresi
Uji liniaritas Garis regresi dimaksudkan untuk mengambil keputusan dalam memilih model regresi yang akan dipergunakan. Uji ini adalah syarat yang perlu
karna akan memperoleh garis regresi yang akan digunakan dalam menganlisis
data.
Uji liniaritas Garis regresi, Hipotesisnya adalah : H
= Koefisien regresi tidak signifikan H
u
= Koefisien regresi signifikan Berdasarkan hasil pengolahan data atau output yang telah diperoleh,
maka liniaritas regresi ditentukan dengan melihat tabel 3.4. Kriteria yang akan digunakan adalah apabila nilai sig
≥ 0,005 maka H diterima, artinya
persamaanya garis regresi tidak linier. Jika sebaliknya, maka H Ditolak yang
artinya persamaan artinya adalah persamaan garis regresi linier.. Dari Tabel 3.4 diketahui nilai sig ,013
,
Artinya kurang dari 0,005. Dengan demikian H ditolak
dan persamaanya adalah persamaan regresi linier.
3.6 Uji Normalitas Menggunakan Regresi Linier
Dalam teori model linier, hanya variabel tak bebaslah yang mempunyai uji normalitasnya, sedangkan variabel-variabel diasumsikan bukan merupakan fungsi
distribusi sehingga tidak perlu diuji normalitasnya. Dalam hal ini, Chart yang digunakan sebagai penguji normalitas dengan
cara mendeteksi penyebaran data titik pada sumbu diagonal dari grafik. Pengambilan keputusannya adalah apabila data menyebar di sekitar garis diagonal
dan mengikuti arah garis histograf menuju pola distribusi normal, maka model regresi telah memenuhi asumsi.
Universitas Sumatera Utara
Charts
Gambar 3.1 Output Berupa Histogram
Universitas Sumatera Utara
Gambar 3.2 Output berupa Normal P-P Of Regression Standardized Residul
Dari hasil tabel 3.2, dapat dilihat bahwa data menyebar disekitar data diagonal dan mengikuti arah garis histograf dan menjadi pola distribusi normal sehingga dapat
dipastikan bahwa modal regresi tersebut memenuhi asumsi normalitas.
3.7 Analisis Korelasi
Analisis korelasi digunakan untuk meneliti hubungan antara dua buah variabel yang analisis. Berikut adalah koefisien-koefisien korelasi yang di hasilkan dengan
program spss Correlations
Universitas Sumatera Utara
Tabel 3.7 Nilai –Nilai Korelasi
Koefisien Korelasi memiliki nilai paling kecil -1 dan paling besar +1 -1 ≤ r ≤ 1.
Pada tabel 3.7 telah ditunjukkan bahwa koefisien korelasi antar jumlah penduduk X
1
dengan jumlah kejahatan Y = -0,403. Itu artinya korelasi tinggi sehingga semakin tinggi jumlah Penduduk maka jumlah kejahatan Y semakin tinggi.
Koefisien korelasi antara jumlah penduduk miskin X
2
dengan jumlah kejahatan Y = -0,772. Artinya, menunjukkan hubungan yang kuat dengan arah
Jumlah_ Kejahata
n Jumlah_
Penduduk Jumlah_
penduduk _Miskin
Jumlah_Pen geluaran_da
n_Konsumsi Pearson
Correla tion
Jumlah_Kejahatan 1,000
-,403 -,772
,956 Jumlah_Penduduk
-,403 1,000
,583 -,456
Jumlah_Penduduk_M iskin
-,772 ,583
1,000 -,820
Jumlah_Pengeluaran_ dan_Konsumsi
,956 -,456
-,820 1,000
Sig. 1- tailed
Jumlah_Kejahatan .
,161 ,012
,000 Jumlah_Penduduk
,161 .
,065 ,128
Jumlah_Penduduk_M iskin
,012 ,065
. ,006
Jumlah_Pengeluaran_ dan_Konsumsi
,000 ,128
,006 .
N Jumlah_Kejahatan
8 8
8 8
Jumlah_Penduduk 8
8 8
8 Jumlah_Penduduk_M
iskin 8
8 8
8 Jumlah_Pengeluaran_
dan_Konsumsi 8
8 8
8
Universitas Sumatera Utara
berbanding terbalik sehingga, jumlah penduduk miskin memiliki pengaruh yang kuat.
Koefisien korelasi antara Jumlah Pengeluaran dan konsumsi penduduk X
3
dengan jumlah kejahatan Y = 0,956. Artinya, korelasi yang kuat dan arahnya berbanding terbalik. Sehingga pengeluaran dan konsumsi penduduk
memiliki pengaruh yang sangat kuat terhadap jumlah kejahatan.
Universitas Sumatera Utara
BAB 4 IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi