2.3 Rasio Jenis Kelamin
Rasio jenis kelamin adalah perbandingan banyaknya penduduk laki – laki dengan
banyaknya penduduk perempuan pada suatu daerah dan waktu tertentu. Biasanya dinyatakan dalam banyaknya penduduk laki
– laki per seratus perempuan secara umum rumus rasio dapat dituliskan sebagai berikut :
SR = x k
Dimana, k = konstanta, biasanya nilainya 100
Besar kecilnya rasio jenis kelamin di suatu daerah dipengaruhi oleh : 1
Sex ratio Di beberapa Negara umumnya berkisar antara 103
– 105 bagi laki – laki perseratus perempuan.
2 Pola Molaritas antara Penduduk laki – laki dan perempuan
Jika kematian laki – laki lebih besar dari pada jumlah kematian perempuan
maka rasio jenis kelamin semakin kecil. 3
Pola Migrasi antara Penduduk laki – laki dan Penduduk Perempuan Jika di suatu daerah sex ratio 100 berarti di daerah tersebut lebih banyak
penduduk perempuan.
Universitas Sumatera Utara
2.4 Analisis Regresi Linier
Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik yang menyatakan hubungan fugsional antara variabel-variabel. Analisis regresi
linier atau regresi garis lurus digunakan untuk: 1.
Menentukan hubungan fungsional antar variabel dependen dengan independen. Hubungan fungsional ini dapat disebut sebagai persamaan
garis regresi yang berbentuk linier. 2.
Meramalkan atau menduga nilai dari satu variabel dengan hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresi.
Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi terdiri dari dua bentuk, yaitu:
1. Analisis Regresi Linier Sederhana
2. Analisis Regresi Linier Berganda
Analisis Regresi Linier Sederhana adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel
terikat dan variabel bebas. Sedangkan analisis regresi berganda adalah bentuk regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan
dua atau lebih variabel bebas. Variabel bebas adalah variabel yang nilainya tergantung dengan variabel lainya, sedangkan variabel terikat adalah variabel
yang nilainya tergantung dari variabel lainya. Analisi regresi digunakan untuk mengetahui hubungan antara dua variabel
atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum
Universitas Sumatera Utara
diketahui dengan baik, atau untuk meengetahui bagaimana variasi dari beberapa variabel bebas mempengaruhi variabel dependen dalam suatu fenomena yang
komplek. Jika adalah variabel-variabel bebas dan Y adalah variabel
terikat, maka terdapat hubungan antara fungsional antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis
hubungan ini dapat dijabarkan sebagai berikut :
Keterangan : Y
= Variabel terikat Dependen X
= Variabel bebas Independen e
= Variabel residu disturbace term
2.4.1 Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabelprediktor
dan satu variabel kriterium. Model regresi linier sederhanaya adalah:
Keterangan : Y
= Variabel terikat dependent variable X
= Variabel bebas independent variable a
= Konstanta intrcept b
= Kemiringan slope
Universitas Sumatera Utara
Penggunaan regresi linier sederhana didasarkan pada asumsi, diantaranya sebagai berikut :
1. Model regresi harus linier dalam parameter
2. Variabel bebas tidak berkolerasi dengan disturbance term eror
3. Nilai disturbance term sebesar 0 atau dengan symbol sebagai e
4. Varian untuk masing-masing error term kesalahan konstan
5. Tidak terjadi autokorelasi
6. Model regresi dispesifikasikan secara benar. Tidak terdapat bias
spesifikasi dalam model yang digunakan dalam analisis empiris.
Koefisien-koefisien regresi a dan b dapat dihitung dengan rumus:
Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung dengan rumus:
Dengan dan masing-masing rata-rata untuk variabel-variabel X dan Y.
Universitas Sumatera Utara
2.5 Pengertian Analisa Deret Berkala
Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan perkembangan produksi, harga, hasil penjualan,
jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb. Serangkaian nilai- nilai variabel yang disusun berdasarkan waktu. Serangkaian data yang terdiri dari
variabel Yi yang merupakan serangkaian hasil observasidan fungsi dari variabel Xi yang merupakan variabel waktu yang bergerak secara seragam dan ke arah
yang sama, dari waktu yang lampau ke waktu yang mendatang.
2.5.1 Komponen Deret Berkala
Empat Komponen Deret Berkala:
1. TREND SEKULER , yaitu gerakan yang berjangka panjang, lamban seolah-
olah alun ombak dan berkecenderungan menuju ke satu arah, arah menaik atau menurun.
2. VARIASI MUSIM , yaitu ayunan sekitar trend yang bersifat musiman serta
kurang lebih teratur.
3. VARIASI SIKLI, yaitu ayunan trend yang berjangka lebih panjang dan agak
lebih tidak teratur.
4. VARIASI RANDOMRESIDU, yaitu gerakan yang tidak teratur sama sekali.
Universitas Sumatera Utara
2.5.2 Pengolah Data Analisa Deret Berkala
Data kuantitatif deret berkala merupakan bahan analisis trend sekuler, variasi musim seasonal, dan variasi siklikal. Pada hakekatnya, pengolahan dan
penyesuaian data harus dilakukan sebelum data tersebut digunakan untuk tujuan analisis. Berkaitan dengan hal tersebut, pengguna data harus memperhatikan
beberapa permasalahan tentang: 1.
Variasi penaggalan. 2.
Perubahan harga. 3.
Perubahan penduduk. 4.
Perbandingan data.
a. Variasi penanggalan
Pada umumnya, setahun dianggap memiliki 365 hari. Meskipun satu tahun terdiri dari 12 bulan, setiap bulann dapat memiliki jumlah hari yang berbeda yang
bervariasi antara 28 sampai dengan 31 hari. Sebelum data time series digunakan untuk tujuan analisis, pengguna data
wajib mengadakan penyesuaian terhadap jumlah hari dalam bulan atau jumlah hari kerja dalam bulan. Data tentang konsumsi, penjualan, dan sebagainya
umumnya disesuaikan atas dasar jumlah hari dalam 1 bulan. Penyesuaian tersebut dapat dilakukan dengan cara membagi angka konsumsi
bulanan atau angka penjualan bulanan dengan jumlah hari dalam 1 bulan yang bersangkutan agar diperoleh angka konsumsi atau penjualan per hari. Sebaliknya,
jika kita ingin angka-angka konsumsi bulanan tersebut tidak berubah, maka angka
Universitas Sumatera Utara
konsumsi harian yang diperoleh harus dikalikan dengan jumlah hari rata-rata per bulan sebanyak 36512 = 30,4167 hari.
b. Perubahan harga-harga
Dalam banyak kasus, data deret berkala terdiri dari angka-angka nilai produksi. Jika menggunakan deret berkala untuk menganalisis perubahan fisik yang bebas
dari pengaruh fluktuasi harga, data kuantitatif tersebut harus dideflasikan dengan indeks harga yang sesuai sebelum dapat digunakan untuk tujuan analisis. Deret
berkala tentang penjualan, pendapatan, ongkos bahan mentah dan sebagainya, harus dideflasikan agar fluktuasinya bebas dari perubahan harga-harganya. Proses
deflasi penting sekali mengingat angka-angka nilai produksi yang meningkat kemungkinan disebabkan oleh kenaikan harga, sedangkan jumlah fisiknya
mungkin saja konstan bahkan menurun.
c. Perubahan penduduk
Kategori