9. Sektor Jasa-Jasa
a. Pemerintah
Sub sektor ini mencakup kegiatan tentang penyelenggaraan sistem administrasi Negara berupa jasa dan pelayanan umum kepada masyarakat.
b. Swasta
Terdiri dari jasa social kemasyarakatan yang meliputi jasa kependidikan, kesehatan dan kemasyarakatan. Selain itu mencakup juga jasa hiburan dan
rekreasi yang meliputi jasa bioskop, panggung kesenian studio radio swasta, taman hiburan klub malam serta produksi dan distribusi film.
2.3 Pengertian Regresi
Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton 1822-1911. Menurutnya, analisis regresi berkenaan dengan studi ketergantungan dari suatu
variabel yang disebut variabel tak bebas pada satu atau lebih variabel, yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan atau meramalkan nilai-nilai
dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas.
2.4 Analisis Regresi Linier
Analisis regresi linier digunakan untuk peramalan, dimana dalam model terdapat variabel bebas X dan variabel tak bebas Y. Regresi linier yaitu menentukan satu
Universitas Sumatera Utara
persamaan dan garis yang menunjukkan hubungan antara variabel bebas dan variabel tak bebas, yang merupakan persamaan penduga yang berguna untuk menaksir atau
meramalkan variabel tak bebas . Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis ini terdiri dari 2 bentuk, yaitu:
1. Analisis regresi linier sederhana
Analisis regresi sederhana merupakan hubungan antara 2 variabel, yaitu variabel bebas dan variabel tidak bebas. Regresi linier sederhana merupakan
suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal.
Variabel tak bebas adalah variabel yang nilainya selalu bergantung dengan nialai variabel lain, dalam hal ini variabel tak bebas nilainya selalu dipengaruhi
oleh variabel bebas, sehingga disebut variabel terikat. Sedangkan variabel bebas adalah variabel yang nilainya tidak bergantung dengan variabel lain.
Variabel tak bebas biasanya dinotasikan dengan Y dan variabel bebas dinotasikan dengan X.
Regresi linier sederhana hanya ada 1 peubah bebas X yang dihubungkan dengan satu peubah tak bebas Y. Bentuk-bentuk model regresi sederhana yang
menunjukkan hubungan antara dua variabel, yaitu variabel X sebagai variabel bebas dan variabel Y sebagai variabel tak bebas adalah :
Y = β
+ β
1
X
1
+ ε
Dimana : Y
= variabel tak bebas
Universitas Sumatera Utara
X = variabel bebas
β = intersept Y dari garis, yaitu titik dimana garis itu memotong sumbu Y
β
1
= slope kemiringan garis ε
= kesalahan penduga
2. Analisis regresi linier berganda
Regresi linier berganda adalah analisa regresi yang menjelaskan hubungan antara variabel tak bebas dengan dua atau lebih variabel bebas. Dimana ada
kalanya persamaan regresi tidak hanya dipengaruhi oleh satu faktor atau peubah bebas dalam menganalisanya, tapi dapat juga dipengaruhi oleh dua
atau lebih faktor yang mempengaruhinya. Maka regresi linier yang mengandung lebih dari satu peubah bebas digunakan regresi linier berganda.
Regresi linier berganda hampir sama dengan regresi linier sederhana, hanya saja pada regersi linier berganda variabel bebasnya lebih dari satu. Tujuan
analisa regresi linier berganda adalah untuk mengukur intensitas hubungan dua variabel atau lebih dan membuat perkiraan nilai Y atas nilai X. Regresi linier
berganda juga berguna untuk mencari pengaruh dua variabel bebas atau lebih terhadap variabel terikatnya, dengan demikian regresi linier berganda dapat
digunakan untuk penelitian yang menyertakan beberapa variabel sekaligus. Bentuk umum model regresi linier untuk populasi adalah :
= β +
β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ….+ β
k
X
k
+ ε
Dimana :
Universitas Sumatera Utara
Y = Variabel tak bebas
X
1,2,…,k
= Variabel bebas β
= koefisien intersep regresi β
1
, β
2
,…, β
k
= koefisien slope regresi ε
= error persamaan regresi
Model diatas merupakan model regresi untuk populasi, sedangkan apabila penulis hanya menarik sebahagian berupa sampel dari populasi acak, dan
tidak mengetahui regresi populasi perlu diduga berdasarkan model regresi sampel, sebagai berikut :
b + b
1
X
1
+ b
2
X
2
+ … + b
k
X
k
Dimana: Y
= Variabel tak bebas X
1
,X
2
,.., X
k
= variabel bebas b
,b
1
,.., b
k
= koefisien
regresi Bentuk data yang akan diolah dapat ditunjukkan pada tabel berikut :
Universitas Sumatera Utara
Tabel 2.1 Hasil Observasi
2.5 Membentuk Persamaan Regresi Linier Berganda
Dalam regresi linier berganda, variabel tak bebas Y bergantung pada dua atau lebih variabel bebas X. bentuk persamaan regresi linier berganda yang mencakup dua
atau lebih variabel yaitu: Untuk regresi linier dengan beberapa variabel bebas X
1
, X
2
, X
3
akan didapat persamaan :
b + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ ε
Nomor Observasi
Respon Variabel Bebas
Y X
1i
X
2i
… X
ki
1 Y
1
X
11
X
21
… X
ki
2 Y
2
X
12
X
22
… X
k2
. . …
. . .
… .
. . …
. N Y
n
X
in
X
2n
… X
kn
∑ ∑ Y
i
∑ X
in
∑ X
2n
∑ X
kn
Universitas Sumatera Utara
Untuk memperoleh nilai dari koefisien b ,b
1
,b
2
dan b
3
nilai-nilai dari tabel hasil observasi dapat disusun kedalam persamaaan berikut ini :
∑ Y = nb
+ b
1
∑ X
1
+ b
2
∑ X
2
+ b
3
∑ X
3
∑ YX
1
= b ∑ X
1
+ b
1
∑ X
1 2
+ b
2
∑ X
1
X
2
+b
3
∑ X
1
X
3
∑ YX
2
= b ∑ X
2
+ b
1
∑ X
1
X
2
+ b
2
∑ X
2 2
+b
3
∑ X
2
X
3
∑ YX
2
= b ∑ X
3
+ b
1
∑ X
1
X
3
+ b
2
∑ X
2
X
3
+b
3
∑ X
3 2
2.6 Uji F pada regresi linier berganda
