Penggunaan Metode Backward Untuk Menentukan Persamaan Regresi Linier Berganda (Studi Kasus : Jumlah Penyalahgunaan Narkoba di POLRESTA Medan) Chapter III IV

BAB III PEMBAHASAN 3.1. Data

Berdasarakan data yang diperoleh dari kantor Kepolisian POLRESTA Medan.

Tabel 5 : Jumlah penyalahgunaan narkoba, dan faktor – faktor yang mempengaruhinya.

No Tahun Bulan

Penyalahgunaan Negative Berteman Tekanan Barang Narkoba Parent dgn Sebaya Ekonomi Bukti

(Y) (X1) (X2) (X3) (X5)

1 2010 JAN 108 54 26 28 66

2 FEB 102 35 31 37 94

3 MAR 149 42 57 41 124

4 APR 153 51 59 41 136

5 MEI 125 39 43 42 108

6 JUN 139 61 40 33 94

7 JUL 143 58 56 35 114

8 AGUST 149 68 53 29 89

9 SEP 138 72 44 19 65

10 OKT 182 76 73 45 135

11 NOP 194 81 82 51 134

12 DES 184 78 63 37 113

13 2011 JAN 148 90 31 29 98

14 FEB 140 67 42 35 85

15 MAR 182 74 71 41 103

16 APR 164 86 73 66 122

17 MEI 192 83 52 62 92

18 JUN 183 79 50 47 146

19 JUL 198 93 69 52 151

20 AGUST 182 92 43 46 125

21 SEP 128 48 40 29 120

22 OKT 192 67 72 59 83

23 NOP 197 83 63 67 153

24 DES 193 87 66 58 132

Berdasarkan tabel diatas diduga bahwa negative parent (banyak kasus), berteman dengan sebaya (banyak kasus), tekanan ekonomi(banyak kasus), dan jumlah barang bukti (banyak paket) secara bersama-sama mempengaruhi penyalahgunaan narkoba. Sehingga jumlah penyalahgunaan narkoba menjadi variabel dependent (Y) dan variabel tak bebas (X1,X2,X3,X4).

3.2. Pengujian Sampel

Pengujian sampel dihitung dengan rumus:

2 1

2 1 2

1 ( )

20 '

    

  

    

X X X

N N

Untuk memudahkan perhitungan maka dibuat tabel: Tabel 6 : Uji Sampel

Periode X_t X_t2

1 108 11664

2 102 10404

3 149 22201

4 153 23409

5 125 15625

6 139 19321

7 143 20449

8 149 22201

9 138 19044

10 182 33124

11 194 37636

12 184 33856

Periode X_t 2 t X

15 182 33124

16 164 26896

17 192 36864

18 183 33489

19 198 39204

20 182 33124

21 128 16384

22 192 36864

23 197 38809

24 193 37249

Jlh 3865 642445

Dari hasil perhitungan diperoleh:

N=24



X₁= 3865



X₁2 = 642445 Maka menghitung :

2 2 1 3865 ) 3865 ( ) 642445 ( 24 20         _  N 2 1 3865 ) 15 , 693 ( 20      N 2 1 ) 59 , 3 (  N 88 , 12 1  N

Dengan nilai N1 < N (12,88 < 24) dan sesuai dengan kriteria uji maka H0 diterima.

3.3. Metode Backward

3.3.1. Menghitung Koefisien Regresi

Tabel 7 : Pengandalan suatu variabel terhadap variabel lain

(1) (2) (3) (4) (5) (6) (7) (8)

No Y X1 X2 X3 X4 X3X4 X2X3

1 108 54 26 28 66 1848 728

2 102 35 31 37 94 3478 1147

3 149 42 57 41 124 5084 2337

4 153 51 59 41 136 5576 2419

5 125 39 43 42 108 4536 1806

6 139 61 40 33 94 3102 1320

7 143 58 56 35 114 3990 1960

8 149 68 53 29 89 2581 1537

9 138 72 44 19 65 1235 836

10 182 76 73 45 135 6075 3285

11 194 81 82 51 134 6834 4182

12 184 78 63 37 113 4181 2331

13 148 90 31 29 98 2842 899

14 140 67 42 35 85 2975 1470

15 182 74 71 41 103 4223 2911

16 164 86 73 66 122 8052 4818

17 192 83 52 62 92 5704 3224

18 183 79 50 47 146 6862 2350

19 198 93 69 52 151 7852 3588

20 182 92 43 46 125 5750 1978

21 128 48 40 29 120 3480 1160

22 192 67 72 59 83 4897 4248

23 197 83 63 67 153 10251 4221

(9) (10) (11) (12) (13) (14) (15) (16)

X2X4 X1X2 X1X3 X1X4 X1Y X2Y X3Y X4Y

728 1404 1512 3564 5832 2808 3024 7128

1147 1085 1295 3290 3570 3162 3774 9588

2337 2394 1722 5208 6258 8493 6109 18476

2419 3009 2091 6936 7803 9027 6273 20808

1806 1677 1638 4212 4875 5375 5250 13500

1320 2440 2013 5734 8479 5560 4587 13066

1960 3248 2030 6612 8294 8008 5005 16302

1537 3604 1972 6052 10132 7897 4321 13261

836 3168 1368 4680 9936 6072 2622 8970

3285 5548 3420 10260 13832 13286 8190 24570

4182 6642 4131 10854 15714 15908 9894 25996

2331 4914 2886 8814 14352 11592 6808 20792

899 2790 2610 8820 13320 4588 4292 14504

1470 2814 2345 5695 9380 5880 4900 11900

2911 5254 3034 7622 13468 12922 7462 18746

4818 6278 5676 10492 14104 11972 10824 20008

3224 4316 5146 7636 15936 9984 11904 17664

2350 3950 3713 11534 14457 9150 8601 26718

3588 6417 4836 14043 18414 13662 10296 29898

1978 3956 4232 11500 16744 7826 8372 22750

1160 1920 1392 5760 6144 5120 3712 15360

4248 4824 3953 5561 12864 13824 11328 15936

4221 5229 5561 12699 16351 12411 13199 30141

3828 5742 5046 11484 16791 12738 11194 25476

3.3.2. Persamaan Regresi Ganda antara Y dengan X1, X2, X3,X4

3.3.2.1. Koefisien Korelasi

Persamaan regresi Ganda Untuk Variabel adalah :

i iX b b 

 0 , dengan i = 1,2,3,4

Koefisien regresi (ai) masing-masing dapat diperoleh dari Tabel di bawah ini melalui

SPSS 16.

Tabel 8 : Koefisien Regresi antara Y dengan X1, X2, X3,X4

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 30.419 12.721 2.391 .027

Negative Parent .835 .156 .491 5.344 .000

Berteman dengan

Sebaya .763 .212 .397 3.591 .002

Tekanan Ekonomi .433 .259 .189 1.670 .111

Barang Bukti .116 .118 .099 .983 .338

a. Dependent Variable: Penyalahgunaan Narkoba

Dari tabel diatas diperoleh : 419

. 30

0 

3.3.2.2. Uji Keberartian Regresi Ganda

Tabel 9 : Analisa Variansi antara Y dengan X1, X2, X3,X4

ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 17542.428 4 4385.607 33.646 .000a

Residual 2476.531 19 130.344

Total 20018.958 23

a. Predictors: (Constant), Barang Bukti, Negative Parent, Berteman dengan Sebaya, Tekanan Ekonomi

b. Dependent Variable: Penyalahgunaan Narkoba

Dengan Taraf nyata dipilih 0.05 diperoleh Ftabel = F(4,23,0.05) = 2.80 . Karena Fhit > Ftabel

maka disimpulkan bahwa regenerasi berarti. Untuk mengetahui berati atau tidaknya tiap koefisien regenerasi maka diadakan uji yaitu : uji korelasi parsial.

3.3.2.3. Uji Korelasi Parsial

Tabel 10 : Uji Korelasi Parsial dan ANOVA antara Y dengan X1, X2, X3,X4

Correlations

Jumlah penyalahgunaan

Narkoba

Negative Parent

Kurang Perhatian pada anak

Berteman dengan

sebaya

Tekanan Ekonomi Pearson

Correlati on

Jumlah penyalahgunaan

Narkoba 1.000 .771 .774 .712 .564

Negative Parent .771 1.000 .417 .443 .309

Kurang Perhatian pada

anak .774 .417 1.000 .634 .530

Berteman dengan sebaya .712 .443 .634 1.000 .545

Tekanan Ekonomi .564 .309 .530 .545 1.000

Sig. (1-tailed)

Jumlah penyalahgunaan

Narkoba . .000 .000 .000 .002

Negative Parent .000 . .021 .015 .071

Kurang Perhatian pada

anak .000 .021 . .000 .004

Berteman dengan sebaya .000 .015 .000 . .003

Tekanan Ekonomi .002 .071 .004 .003 .

N Jumlah penyalahgunaan

Narkoba 24 24 24 24 24

Negative Parent 24 24 24 24 24

Kurang Perhatian pada

anak 24 24 24 24 24

Berteman dengan sebaya 24 24 24 24 24

Dengan taraf nyata yang dipilih 0.05 maka dari daftar distribusi F diperoleh Ttabel =

2.80 dan dari tabel Fpartial terkecil = 1.272 (variabel X2). Karena Fpartial terkecil < Ftabel

maka X2 dengan Fpar terkecil keluar dari model regresi.

ANOVA

Sum of

Squares df

Mean

Square F Sig.

Negative Parent

Between

Groups 6264.667 19 329.719 1.996 .265

Within Groups 660.667 4 165.167

Total 6925.333 23

Berteman dengan Sebaya

Between

Groups 4657.958 19 245.156 1.272 .452

Within Groups 770.667 4 192.667

Total 5428.625 23

Tekanan Ekonomi

Between

Groups 3732.125 19 196.428 8.682 .024

Within Groups 90.500 4 22.625

Total 3822.625 23

Barang Bukti Between

Groups 13403.500 19 705.447 2.373 .209

Within Groups 1189.000 4 297.250

3.3.3. Persamaan Regresi Ganda Antara Y dengan X1, X3, X4

3.3.3.1. Koefisien Regresi Ganda

Tabel 11 : Koefisien Regresi Antara Y dengan X1, X3, X4

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 34.969 15.984 2.188 .041

Negative Parent .935 .194 .550 4.820 .000

Tekanan

Ekonomi .826 .296 .361 2.788 .011

Barang Bukti .231 .143 .197 1.616 .122

a. Dependent Variable: Penyalahgunaan Narkoba Dari tabel diatas diperoleh :

969 . 34

0 

b ; b₁ 0.935; b₂ 0.826; b3 0.231

3.3.3.2. Uji Keberartian Regresi Ganda

Tabel 12 : Analisa Variansi Antara Y dengan X1, X3, X4

ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 15861.998 3 5287.333 25.438 .000a

Residual 4156.961 20 207.848

Total 20018.958 23

a. Predictors: (Constant), Barang Bukti, Negative Parent, Tekanan Ekonomi b. Dependent Variable: Penyalahgunaan Narkoba

Dengan taraf nyata : yang dipilih 0.05 diperoleh Ftabel = F(3,23,0.5) = 3.03. Karena Fhit >

Ftabel maka disimpulkan bahwa regenerasi berarti. Untuk mengetahui berati atau

tidaknya tiap koefisien regenerasi maka diadakan uji yaitu : uji korelasi parsial.

3.3.3.3. Uji Korelasi Parsial

Tabel 13 : Uji Korelasi Parsial dan ANOVA Antara Y dengan X1, X3, X4

Correlations

Penyalahguna an Narkoba

Negative Parent

Tekanan Ekonomi

Barang Bukti Pearson

Correlation

Penyalahgunaan

Narkoba 1.000 .771 .712 .564

Negative Parent .771 1.000 .443 .309

Tekanan Ekonomi .712 .443 1.000 .545

Barang Bukti .564 .309 .545 1.000

Sig. (1-tailed) Penyalahgunaan

Narkoba . .000 .000 .002

Negative Parent .000 . .015 .071

Tekanan Ekonomi .000 .015 . .003

Barang Bukti .002 .071 .003 .

N Penyalahgunaan

Narkoba 24 24 24 24

Negative Parent 24 24 24 24

Tekanan Ekonomi 24 24 24 24

ANOVA

Sum of

Squares df Mean Square F Sig.

Negative Parent Between Groups 6264.667 19 329.719 1.996 .265

Within Groups 660.667 4 165.167

Total 6925.333 23

Tekanan Ekonomi

Between Groups 3732.125 19 196.428 8.682 .024

Within Groups 90.500 4 22.625

Total 3822.625 23

Barang Bukti Between Groups 13403.500 19 705.447 2.373 .209

Within Groups 1189.000 4 297.250

Total 14592.500 23

Dengan taraf nyata yang dipilih 0.05 maka dari daftar distribusi F diperoleh Ttabel =

3.03 dan dari tabel Fpar terkecil = 1.996 (variabel X1). Karena Fpar terkecil < Ftabel

3.3.4. Persamaan Regresi Ganda Antara Y dengan X3, X4

3.3.3.4.1. Koefisien Regresi Berganda

Tabel 14 : Koefisien Regresi Antara Y dengan X3, X4

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 71.800 20.144 3.564 .002

Tekanan

Ekonomi 1.317 .399 .576 3.299 .003

Barang Bukti .293 .204 .250 1.435 .166

a. Dependent Variable: Penyalahgunaan Narkoba

Dari tabel diatas diperoleh : 800

. 71

0 

b ; b₁ 1.317; b₂ 0.293

3.3.4.2. Uji Keberartian Regresi Ganda

Tabel 15 : Analisi Varian Antara Y dengan X3, X4

ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 11032.415 2 5516.207 12.890 .000a

Residual 8986.543 21 427.931

Total 20018.958 23

a. Predictors: (Constant), Barang Bukti, Tekanan Ekonomi b. Dependent Variable: Penyalahgunaan Narkoba

Dengan taraf nyata : yang dipilih 0.05 diperoleh Ftabel = F(2,21,0.05) = 3.47 . Karena Fhit >

Ftabel maka disimpulkan bahwa regresi berarti. Untuk mengetahui berarti atau tidaknya

3.3.4.3. Uji Korelasi Parsial

Tabel 16 : Uji Korelasi Parsial dan ANOVA Antara Y dengan X3, X4

Correlations

Penyalahguna an Narkoba

Tekanan Ekonomi

Barang Bukti Pearson

Correlation

Penyalahgunaan

Narkoba 1.000 .712 .564

Tekanan Ekonomi .712 1.000 .545

Barang Bukti .564 .545 1.000

Sig. (1-tailed) Penyalahgunaan

Narkoba . .000 .002

Tekanan Ekonomi .000 . .003

Barang Bukti .002 .003 .

N Penyalahgunaan

Narkoba 24 24 24

Tekanan Ekonomi 24 24 24

ANOVA

Sum of

Squares df

Mean

Square F Sig.

Tekanan Ekonomi

Between Groups 3732.125 19 196.428 8.682 .024

Within Groups 90.500 4 22.625

Total 3822.625 23

Barang Bukti Between Groups 13403.500 19 705.447 2.373 .209

Within Groups 1189.000 4 297.250

Total 14592.500 23

Dengan taraf nyata yang dipilih 0.05 maka dari daftra distribusi F diperoleh Ttabel =

3.47 dan dari tabel Fpar terkecil = 2.373 (Variabel X4). Karena Fpar terkecil < Ftabel

3.5. Pembentukan Penduga

3.5.1. Bentuk Persamaan Penduga

Diantara empat variabel (X) yang diteliti ternyata hanya 2 variabel yang masuk kedalam persamaan penduga yaitu: X3 dan X4.

Maka untuk selanjutnya akan diperoleh persamaan regresi berganda.

Metode Backward

Pesamaan penduga yang terbentuk dengan menggunakan metode Backward yang diperoleh dari persamaan regresi ganda antara Y dengan X3, X4 hal .... . adalah :

= 71.800+ 1.317 X3 + 0.293 X4

3.5.2. Koefisien Korelasi Determinasi

Koefisien korelasi determinasi yang membentuk oleh metode backward yaitu :

55,1% 00%

1 0,551 %

100 870,389 479,419 %

100 ) (

) (Re 2

 



 x x x

Total JK

g JK R

3.5.3. Analisa Residu

Persamaan penduga yang terbentuk dengan menggunakan metode Backward dapat menggunakan tabel untuk menganalisa residu.

Pembahasan selanjutnya adalah pada penduga yang diperoleh diatas maka dibuktikan asumsi (i), (ii), (iii).

Tabel 17 : Rank Spearman dan Residu

No Y e Rank Rank

e d( - e) d

2

1 108 128,014 -20,014 2 4 -2 4

2 102 148,071 -46,071 8 1 7 49

3 149 162,129 -13,129 13 6 7 49

4 153 165,645 -12,645 14 7 7 49

5 125 158,758 -33,758 12 2 10 100

6 139 142,803 -3,803 6 10 -4 16

7 143 151,297 -8,297 9 8 1 1

8 149 136,07 12,93 3 17 -14 196

9 138 115,868 22,132 1 22 -21 441

10 182 170,62 11,38 16 15 1 1

11 194 178,229 15,771 19 20 -1 1

12 184 153,638 30,362 10 24 -14 196

13 148 138,707 9,293 4 14 -10 100

14 140 142,8 -2,8 5 11 -6 36

15 182 155,976 26,024 11 23 -12 144

16 164 194,468 -30,468 23 3 20 400

17 192 180,41 11,59 20 16 4 16

18 183 176,477 6,523 18 13 5 25

19 198 184,527 13,473 21 19 2 4

20 182 169,007 12,993 15 18 -3 9

21 128 145,153 -17,153 7 5 2 4

22 192 173,822 18,178 17 21 -4 16

23 197 204,868 -7,868 24 9 15 225

24 193 186,862 6,138 22 12 10 100

Jumlah 0 0 2182

a. Asumsi (i)

b. Asumsi (ii)

Variansi (ej) = variansi (ek) σ2. Pembuktian asumsi ini dibuktikan dengan uji rank

spearman :           



) 1 ( 6 1 ₂ 2 n n d

r_s j

      ) 575 ( 24 2182 6 1 s r 9487 , 0 1  s r 0513 , 0  s r 2 1 2 s s hitung r n r t    9974 , 0 ) 6904 , 4 ( 0513 , 0  hitung t 2412 , 0  hitung t

Karena n=24 dan α = 0,05 maka ttabel = t(0.95,22) = 1,717 dengan membandingkan

thit dengan ttabel makan diperoleh thit < ttabel.

Kesimpulan : Ausmsi variansi (ej) = variansi (ek) = σ2 dipenuhi.

c. Asumsi (iii)

Gambar 1 : Plot Residu dengan metode Backward Scatterplot

Plot residu menunjukkan pola yang tidak beraturan sehingga tidak terdapat autokorelasi antara factor pengganggu (Residu).

Dengan dipenuhinya asumsi (i), (ii), (iii) maka seluruh faktor-faktor yang mempengaruhi terhadap meningkatnya penyalahgunaan Narkoba di POLRESTA Medan sudah masuk ke dalam penduga.

Dengan dipenuhinya seluruh asumsi model penduga tersebut maka persamaan penduga yang diperoleh adalah baik dan cocok digunakan.

 Jumlah Kuadrat Error

Jumlah Kuadrat Error dihitung dengan :

Y X Y Y

SS_E  1 ˆ1 1

Dengan : SS_E: Jumlah Kuadrt Error

Y

Y1 : Jumlah Kuadrat Yi , i=1,2,...,k

1 ˆ

 Rata-rata Error Kuadrat : Dihitung dengan :

p n SS MS E E  

Dengan : MSEE : Rata – rata error kuadrat

n – p : Derajat Kebebasan residu

Jadi dari data diatas dapat dicari jumlah kuadrat errornya yaitu :

Y'Y _{= 642445} '

ˆ

 = [71.800 _{1.317 0.293]}

           441558 171941 3865 'Y X

Sehingga: SSE = 642445 - [71.800 1.317 0.293]

          441558 171941 3865

= 642445 - 633329,8 = 9115,209

Jadi jumlah kuadrat errornya adalah : 9115,209 Data rata – rata error kuadrat :

MSE = SSE/n-p

= 9115,209 / 21 = 434,058

BAB IV

KESIMPULAN DAN SARAN

4.1. Kesimpulan

Dari empat faktor yang diteliti sebagai faktor yang berpengaruh meningkatnya penyalahgunaan narkoba di POLRESTA Medan yang masuk kedalam penduga hanyalah 2 faktor saja yaitu : tekanan ekonomi dan barang bukti.

Persamaan penduga yang terbentuk dari metode backward adalah: = 71.800+ 1.317 X3 + 0.293 X4

X3 = Tekanan ekonomi

X4 = Barang Bukti

Berdasarkan pembahasan terhadap penduga maka penduga tersebut cukup baik untuk dipergunakan.

Pembahasan tersebut adalah :

a. Persentase yang dijelaskan metode backward adalah 55,1% dengan hipotesa (toleransi) sebesar 5%

b. Faktor yang paling berpengaruh dari 2 penduga yang tinggal dalam persamaan adalah barang bukti.

4.2. Saran

Kepada penulis berikutnya apabila ingin menentukan meningkatnya atau menurunnya penyalahgunaan narkoba di tahun berikutnya bisa menggunakan faktor lain yang diteliti untuk lebih lanjut.

3.5. Pembentukan Penduga

3.5.1. Bentuk Persamaan Penduga

Diantara empat variabel (X) yang diteliti ternyata hanya 2 variabel yang masuk kedalam persamaan penduga yaitu: X3 dan X4.

Maka untuk selanjutnya akan diperoleh persamaan regresi berganda.

Metode Backward

Pesamaan penduga yang terbentuk dengan menggunakan metode Backward yang diperoleh dari persamaan regresi ganda antara Y dengan X3, X4 hal .... . adalah :

= 71.800+ 1.317 X3 + 0.293 X4

3.5.2. Koefisien Korelasi Determinasi

Koefisien korelasi determinasi yang membentuk oleh metode backward yaitu :

55,1% 00%

1 0,551 %

100 870,389 479,419 %

100 ) (

) (Re 2

 



 x x x

Total JK

g JK R

3.5.3. Analisa Residu

Persamaan penduga yang terbentuk dengan menggunakan metode Backward dapat menggunakan tabel untuk menganalisa residu.

Pembahasan selanjutnya adalah pada penduga yang diperoleh diatas maka dibuktikan asumsi (i), (ii), (iii).

Tabel 17 : Rank Spearman dan Residu

No Y e Rank Rank

e d( - e) d 2

1 108 128,014 -20,014 2 4 -2 4

2 102 148,071 -46,071 8 1 7 49

3 149 162,129 -13,129 13 6 7 49

4 153 165,645 -12,645 14 7 7 49

5 125 158,758 -33,758 12 2 10 100

6 139 142,803 -3,803 6 10 -4 16

7 143 151,297 -8,297 9 8 1 1

8 149 136,07 12,93 3 17 -14 196

9 138 115,868 22,132 1 22 -21 441

10 182 170,62 11,38 16 15 1 1

11 194 178,229 15,771 19 20 -1 1

12 184 153,638 30,362 10 24 -14 196

13 148 138,707 9,293 4 14 -10 100

14 140 142,8 -2,8 5 11 -6 36

15 182 155,976 26,024 11 23 -12 144 16 164 194,468 -30,468 23 3 20 400

17 192 180,41 11,59 20 16 4 16

18 183 176,477 6,523 18 13 5 25

19 198 184,527 13,473 21 19 2 4

20 182 169,007 12,993 15 18 -3 9

21 128 145,153 -17,153 7 5 2 4

22 192 173,822 18,178 17 21 -4 16

23 197 204,868 -7,868 24 9 15 225

24 193 186,862 6,138 22 12 10 100

Jumlah 0 0 2182

a. Asumsi (i)

b. Asumsi (ii)

Variansi (ej) = variansi (ek) σ2. Pembuktian asumsi ini dibuktikan dengan uji rank spearman :           



) 1 ( 6 1 ₂ 2 n n d

r_s j

      ) 575 ( 24 2182 6 1 s r 9487 , 0 1  s r 0513 , 0  s r 2 1 2 s s hitung r n r t    9974 , 0 ) 6904 , 4 ( 0513 , 0  hitung t 2412 , 0  hitung t

Karena n=24 dan α = 0,05 maka ttabel = t(0.95,22) = 1,717 dengan membandingkan thit dengan ttabel makan diperoleh thit < ttabel.

Kesimpulan : Ausmsi variansi (ej) = variansi (ek) = σ2 dipenuhi. c. Asumsi (iii)

Gambar 1 : Plot Residu dengan metode Backward Scatterplot

Plot residu menunjukkan pola yang tidak beraturan sehingga tidak terdapat autokorelasi antara factor pengganggu (Residu).

Dengan dipenuhinya asumsi (i), (ii), (iii) maka seluruh faktor-faktor yang mempengaruhi terhadap meningkatnya penyalahgunaan Narkoba di POLRESTA Medan sudah masuk ke dalam penduga.

Dengan dipenuhinya seluruh asumsi model penduga tersebut maka persamaan penduga yang diperoleh adalah baik dan cocok digunakan.

 Jumlah Kuadrat Error

Jumlah Kuadrat Error dihitung dengan :

Y X Y Y

SS_E  1 ˆ1 1

 Rata-rata Error Kuadrat : Dihitung dengan :

p n

SS

MS E

E

 

Dengan : MSEE : Rata – rata error kuadrat n – p : Derajat Kebebasan residu

Jadi dari data diatas dapat dicari jumlah kuadrat errornya yaitu :

Y'Y _{= 642445}

'

ˆ

 = [71.800 _{1.317 0.293]}

     

    

441558 171941 3865 'Y

X

Sehingga: SSE = 642445 - [71.800 1.317 0.293]

     

   

441558 171941 3865

= 642445 - 633329,8

= 9115,209

Jadi jumlah kuadrat errornya adalah : 9115,209

Data rata – rata error kuadrat : MSE = SSE/n-p

= 9115,209 / 21

= 434,058

BAB IV

KESIMPULAN DAN SARAN

4.1. Kesimpulan

Dari empat faktor yang diteliti sebagai faktor yang berpengaruh meningkatnya penyalahgunaan narkoba di POLRESTA Medan yang masuk kedalam penduga hanyalah 2 faktor saja yaitu : tekanan ekonomi dan barang bukti.

Persamaan penduga yang terbentuk dari metode backward adalah:

= 71.800+ 1.317 X3 + 0.293 X4 X3 = Tekanan ekonomi

X4 = Barang Bukti

Berdasarkan pembahasan terhadap penduga maka penduga tersebut cukup baik untuk dipergunakan.

Pembahasan tersebut adalah :

a. Persentase yang dijelaskan metode backward adalah 55,1% dengan hipotesa (toleransi) sebesar 5%

b. Faktor yang paling berpengaruh dari 2 penduga yang tinggal dalam persamaan adalah barang bukti.

4.2. Saran

Kepada penulis berikutnya apabila ingin menentukan meningkatnya atau menurunnya penyalahgunaan narkoba di tahun berikutnya bisa menggunakan faktor lain yang diteliti untuk lebih lanjut.