14
ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN RUMAH TANGGA DI KECAMATAN PUJUT KABUPATEN LOMBOK TENGAH Rara Restia Utami 1 , Desy Komalasari 2 , Nurul Fitriyani 3 123 Program Studi Matematika FMIPA UNRAM 1 [email protected] ABSTRAK Untuk menanggulangi kemiskinan, perlu diketahui faktor-faktor yang mempengaruhi terjadinya kemiskinan, sehingga bisa dijadikan bahan acuan pemerintah dalam membuat kebijakan. Penelitian ini bertujuan untuk menentukan model kemiskinan rumah tangga di Kecamatan Pujut Kabupaten Lombok Tengah dan menentukan faktor-faktor yang berpengaruh signifikan terhadap kemiskinan rumah tangga di Kecamatan Pujut Kabupaten Lombok Tengah. Analisis statistika yang digunakan dalam penelitian ini adalah analisis regresi probit biner. Berdasarkan analis yang telah dilakukan, diperoleh model regresi probit biner pada faktor-faktor yang mempengaruhi kemiskinan rumah tangga sebagai berikut. 13 12 11 10 9 8 7 6 5 4 3 2 1 212 , 0 329 , 0 003 , 0 157 , 0 224 , 0 028 , 0 071 , 0 306 , 0 234 , 0 087 , 0 035 , 0 003 , 0 053 , 0 042 , 1 X X X X X X X X X X X X X y Dan faktor yang signifikan mempengaruhi kemiskinan rumah tangga di Kecamatan Pujut Kabupaten Lombok Tengah yaitu seluruh variabel prediktor. Berdasarkan pengujian secara serentak dan parsial, model yang diperoleh dapat menjelaskan % 5 , 99 pengaruh variabel- variabel prediktor terhadap variabel respon yaitu dengan melihat nilai 2 R McFadden sebesar 995 , 0 . Kata Kunci: Permasalahan Sosial, 2 R McFadden , Rumah Tangga. 1. Latar Belakang Provinsi Nusa Tenggara Barat (NTB) merupakan salah satu Provinsi di Indonesia yang mempunyai permasalahan kemiskinan. Provinsi NTB berada di urutan ke-7 (tujuh) penduduk miskin terbanyak di Indonesia, yaitu terdapat 786.058 jiwa penduduk miskin. Salah satu Kabupaten yang terletak di Provinsi NTB adalah Kabupaten Lombok Tengah. Pada Kabupaten Lombok Tengah terdapat 48.456 rumah tangga miskin, dengan Kecamatan Pujut merupakan kecamatan dengan rumah tangga miskin terbanyak yaitu 11.417 rumah tangga miskin [1] . Kemiskinan merupakan masalah sosial yang sangat serius, sehingga perlu dihilangkan atau paling tidak dikurangi. Untuk menanggulangi kemiskinan, perlu diketahui faktor-faktor

ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

  • Upload
    others

  • View
    24

  • Download
    0

Embed Size (px)

Citation preview

Page 1: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG

MEMPENGARUHI KEMISKINAN RUMAH TANGGA DI KECAMATAN PUJUT

KABUPATEN LOMBOK TENGAH

Rara Restia Utami1, Desy Komalasari

2, Nurul Fitriyani

3

123Program Studi Matematika FMIPA UNRAM

[email protected]

ABSTRAK

Untuk menanggulangi kemiskinan, perlu diketahui faktor-faktor yang mempengaruhi

terjadinya kemiskinan, sehingga bisa dijadikan bahan acuan pemerintah dalam membuat

kebijakan. Penelitian ini bertujuan untuk menentukan model kemiskinan rumah tangga di

Kecamatan Pujut Kabupaten Lombok Tengah dan menentukan faktor-faktor yang

berpengaruh signifikan terhadap kemiskinan rumah tangga di Kecamatan Pujut Kabupaten

Lombok Tengah. Analisis statistika yang digunakan dalam penelitian ini adalah analisis

regresi probit biner. Berdasarkan analis yang telah dilakukan, diperoleh model regresi probit

biner pada faktor-faktor yang mempengaruhi kemiskinan rumah tangga sebagai berikut.

13

121110987

654321

212,0

329,0003,0157,0224,0028,0071,0

306,0234,0087,0035,0003,0053,0042,1

X

XXXXXX

XXXXXX

y

Dan faktor yang signifikan mempengaruhi kemiskinan rumah tangga di Kecamatan Pujut

Kabupaten Lombok Tengah yaitu seluruh variabel prediktor. Berdasarkan pengujian secara

serentak dan parsial, model yang diperoleh dapat menjelaskan %5,99 pengaruh variabel-

variabel prediktor terhadap variabel respon yaitu dengan melihat nilai 2R McFadden sebesar

995,0 .

Kata Kunci: Permasalahan Sosial, 2R McFadden , Rumah Tangga.

1. Latar Belakang

Provinsi Nusa Tenggara Barat (NTB) merupakan salah satu Provinsi di Indonesia

yang mempunyai permasalahan kemiskinan. Provinsi NTB berada di urutan ke-7 (tujuh)

penduduk miskin terbanyak di Indonesia, yaitu terdapat 786.058 jiwa penduduk miskin.

Salah satu Kabupaten yang terletak di Provinsi NTB adalah Kabupaten Lombok Tengah. Pada

Kabupaten Lombok Tengah terdapat 48.456 rumah tangga miskin, dengan Kecamatan Pujut

merupakan kecamatan dengan rumah tangga miskin terbanyak yaitu 11.417 rumah tangga

miskin [1]

.

Kemiskinan merupakan masalah sosial yang sangat serius, sehingga perlu dihilangkan

atau paling tidak dikurangi. Untuk menanggulangi kemiskinan, perlu diketahui faktor-faktor

Page 2: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

yang mempengaruhi terjadinya kemiskinan, sehingga bisa digunakan sebagai bahan acuan

pemerintah dalam membuat kebijakan untuk menanggulangi permasalahan tersebut.

Untuk menganalisis faktor-faktor yang mempengaruhi kemiskinan rumah tangga,

dibutuhkan suatu analisis statistika. Pada penelitian ini, variabel respon yaitu status

kemiskinan rumah tangga merupakan data kategori. Salah satu analisis statistika yang dapat

digunakan ketika variabel respon berupa data kategori adalah analisis regresi probit. Analisis

regresi probit merupakan suatu analisis yang digunakan untuk melihat hubungan antara

variabel respon yang bersifat kategori dan variabel prediktor yang bersifat kontinu, kategori,

atau gabungan keduanya. Pada penelitian ini, analisis regresi probit yang digunakan berskala

biner, sehingga disebut analisis regresi probit biner.

2. Tinjauan Pustaka

2.1 Analisis Regresi Probit

Analisis regresi probit merupakan suatu analisis regresi yang digunakan untuk

menganalisis hubungan antara variabel respon yang bersifat kualitatif dan variabel prediktor

yang bersifat kualitatif, kuantitatif, atau gabungan dari keduanya [2]

. Pemodelan regresi probit

biner diawali dengan memperhatikan model sebagai berikut [3]

.

εxβY T (1)

Pada regresi probit biner dilakukan pengkategorian terhadap

Y secara biner dengan

memberikan batasan atau threshold )( , yaitu untuk Y dikategorikan dengan 0Y ,

untuk Y dikategorikan 1Y , sehingga diperoleh model sebagai berikut.

)(φ)0( Txβ YP (2)

)(φ1)1( Txβ YP (3)

2.2 Penaksir Parameter

Metode pendugaan parameter yang digunakan pada regresi probit biner adalah metode

Maximum Likelihood Estimation (MLE), karena nilai harapan antar variabel respon tidak

linier dan memiliki varian yang berubah-ubah tergantung dari nilai peluang suksesnya.

Metode MLE memberikan nilai estimasi β dengan memaksimumkan fungsi likelihood. jika i

merupakan nilai-nilai pengamatan suatu sampel dari suatu populasi dengan parameter β .

Hasil pendugaan parameter model probit dengan menggunakan metode maximum likelihood

dapat diperoleh dengan langkah-langkah sebagai berikut.

Page 3: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

a. Menentukan n sampel random.

b. Membentuk fungsi likelihood dari n sampel random karena pada dasarnya metode

maximum likelihood memberikan dugaan β dengan memaksimumkan suatu fungsi

likelihood. Fungsi likelihoodnya adalah :

yi

yin

i

L

1

1

)()(1)( xβφxβφβTT (4)

c. Melakukan transformasi ln terhadap fungsi likelihood karena secara matematis akan

lebih mudah memaksimumkan persamaan (4) dengan transformasi ln . Kemudian

dilanjutkan dengan melakukan turunan pertama dari fungsi )(ln βL terhadap parameter β

sebagai berikut.

n

i

iii

yyx

L

1 (

1

)(1)(

)(ln

x)βφxβφxβφ

β

βTT

T

(5)

d. Selanjutnya dilakukan turunan kedua dari fungsi )(ln βL terhadap parameter β sebagai

berikut.

n

i

T

iii

n

ii

T

ii

xxy

yxxL

12

12

2

)]([

)()()())(()1(

)](1[

)()()())]((1[)(ln

xβφ

xβφxβφxβφxβxβφ

xβφ

xβφxβφxβφxβxβφ

ββ

β

T

TTTTT

T

TTTTT

T

(6)

Berdasarkan hasil penaksiran parameter dengan metode maximum likelihood di atas,

ternyata diperoleh fungsi yang implisit. Akibatnya penaksir parameter tidak dapat diperoleh.

Cara untuk mendapatkan penaksir parameter dapat menggunakan metode iterasi Newton

Raphson sebagai berikut [4]

.

)1(

1

)1()1(

2)1()( )(ln)(ln

mmm

mm LL

β

β

ββ

βββ (7)

Proses iterasi akan berhenti jika terpenuhi kondisi konvergen, yaitu :

)1()( mm ββ . (8)

2.3 Pengujian Parameter

Setelah menaksir parameter maka langkah selanjutnya yang dilakukan adalah menguji

signifikansi parameter tersebut. Untuk itu digunakan uji hipotesis statistik untuk menentukan

apakah variabel prediktor dalam model signifikan atau berpengaruh nyata terhadap variabel

respon.

Page 4: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

2.3.1 Uji Likelihood Ratio (Uji serentak atau Uji G )

Statistik uji G yaitu uji likelihood ratio yang digunakan untuk menguji peranan

variabel prediktor dalam model secara bersama-sama. ji G digunakan dalam pengujian secara

simultan dikarenakan persamaan regresi probit merupakan log dari fungsi likelihood dan

merupakan variabel yang dikategorikan, sehingga uji G adalah uji yang tepat dalam pengujian

parameter secara simultan [5]

. Hipotesis yang digunakan adalah :

0...: 210 pH

:1H minimal terdapat 0j

Statistik uji yang digunakan adalah Likelihood Ratio Test sebagai berikut.

n

i

y

i

y

i

nn

ii PP

n

n

n

n

G

1

1

10

1

ln2

10

(9)

dengan,

0n : jumlah variabel respon )( y berkategori 0

1n : jumlah variabel respon )( y berkategori 1

n : 10 nn

iP : Peluang observasi ke- i , ni ,...,3,2,1

Statistik uji G mengikuti sebaran Chi-Square, uji G membandingkan antara

likelihood tanpa variabel prediktor )( 0l dengan likelihood dengan variabel prediktor ( kl ).

Jika n mendekati tak terhingga dengan derajat bebas v dimana v adalah banyaknya

variabel prediktor. Hipotesis 0H ditolak jika nilai ),(22 vG atau nilai valuep ,

sehingga akan diperoleh kesimpulan bahwa variabel prediktor secara bersama-sama atau

keseluruhan mempengaruhi variabel respon atau dengan kata lain, model yang diperoleh

dapat diterima.

2.3.2 Pengujian Parsial (Uji Wald)

Pengujian parsial bertujuan untuk menguji pengaruh koefisian β secara parsial

dengan membandingkan dugaan β dengan penduga standar errornya. Uji W digunakan pada

pengujian secara parsial dikarenakan data yang digunakan pada regresi probit biner adalah

data yang dikategorikan.

Page 5: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

Hipotesis yang digunakan dalam pengujian secara parsial adalah :

0:0 jH

(Tidak ada pengaruh variabel prediktor ke- j terhadap variabel respon)

0:1 jH

(Ada pengaruh variabel prediktor ke- j terhadap variabel respon).

Statistik uji yang digunakan adalah Uji-Wald dengan rumus sebagai berikut.

)( j

j

β

β

SEW ; dengan, nj ,...,2,1 (10)

Statistik uji-Wald mengikuti sebaran distribusi Chi-Square, maka pengujian

dilakukan dengan membandingkan statistik uji-Wald dengan nilai tabel Chi-Square. Hipotesis

0H ditolak jika ));1((2

nW atau nilai valuep . Keputusan untuk menolak 0H

menunjukkan adanya pengaruh variabel respon terhadap variabel prediktor [5]

.

2.4 Pengujian Kesesuaian Model

Pengujian kesesuaian model digunakan untuk mengetahui apakah terdapat

perbedaan antara hasil observasi dengan hasil prediksi dari persamaan (10). Pengujian

kesesuaian model didasarkan pada kriteria rasio likelihood dengan membandingkan model

tanpa variabel prediktor terhadap model dengan variabel prrdiktor. Hipotesis yang digunakan

dalam pengujian kesesuaian model adalah sebagai berikut.

0H : Tidak terdapat perbedaan antara hasil observasi dengan hasi

prediksi (Model sesuai).

1H : Terdapat perbedaan antara hasil obserrvasi dengan hasil prediksi

(Model tidak sesuai).

Statistik uji yang digunakan adalah uji Deviance dengan rumus sebagai berikut.

n

ii

ii

i

ii

y

Py

y

PyD

1 1

1ln)1(ln2 (11)

dengan,

iP : Peluang observasi ke i

iy : Variabel respon ke i

Statistik uji D akan mengikuti sebaran 2 dengan derajat bebas pn . Keputusan

menolak 0H jika nilai 2

)(, pnD pada tingkat signifikansi , atau valuep [6]

.

Page 6: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

2.5 Pengukuran Kebaikan Model dan Ketepatan Klasifikasi

Evaluasi prosedur klasifikasi adalah suatu evaluasi yang melihat peluang kesalahan

klasifikasi yang dilakukan oleh suatu fungsi klasifikasi. Nilai ketepatan klasifikasi dapat

diukur melalui pengukuran kesalahan klasifikasi menggunakan Tabel confu-sion matrix

berikut [7]

.

Tabel 1 Confu-sion Matrix Nilai Observasi dan Prediksi

Hasil Sebenarnya

(observasi)

Hasil Prediksi Total

0y 1y

0y T

m0

TF

mmm000

0

m

1y TF

mmm111

T

m1

1

m

Ukuran yang dipakai untuk menyatakan nilai proporsi observasi yang salah

diklasifikasikan oleh fungsi klasifikasi Apparent Error Rate )(APER sebagai berikut.

Ketepatan klasifikasi APER1

10

101mm

mm FF

(12)

Selain dengan menggunakan nilai ketepatan klasifikasi, pengukuran kebaikan model

dilihat dengan menggunakan nilai Pseudo2R McFadden berikut

[4].

k

MF

l

lR 02 ln1 (13)

dengan,

0l : likelihood tanpa variabel prediktor

kl : likelihood dengan variabel prediktor

Model terbaik adalah model yang memiliki nilai Pseudo2R McFadden 50,0 .

2.6 Interpretasi Model Regresi Probit Biner

Interpretasi model regresi probit biner pada persamaan (2) dan (3) tidak berdasarkan

nilai koefisian model, akan tetapi menggunakan efek marginal [3]

. Efek marginal menyatakan

besarnya pengaruh tiap variabel prediktor yang signifikan terhadap probabilitas tiap kategori

pada variabel respon. Efek marginal dari persamaan (2) dan (3) adalah sebagai berikut.

i

iX

YP )(φ

)0(xβT

(14)

Page 7: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

i

iX

YP )(φ

)1(xβT

(15)

3. METODE PENELITIAN

Data yang digunakan dalam penelitian ini adalah data skunder dan data primer. Data

skunder yang digunakan dalam penelitian ini adalah data jumlah rumah tangga di Kecamatan

Pujut Kabupaten Lombok Tengah, Sedangkan data primer diperoleh dengan menyebar

kuisioner pada 395 responden yang tersebar di 16 desa di Kecamatan Pujut Kabupaten

Lombok Tengah.

Jumlah sampel yang digunakan dalam penelitian ini ditentukan menggunakan rumus

Slovin sebagai berikut.

21 Ne

Nn

(16)

dengan,

n : ukuran sampel

N : ukuran populasi

e : taraf signifikansi

Variabel respon (Y ) yang digunakan dalam penelitian ini adalah status kemiskinan

rumah tangga yang merupakan data kontinu yang dikategorikan, yaitu diukur dengan

pengeluaran perkapita rumah tangga yang dibandingkan dengan garis kemiskinan (GK)

Provinsi NTB kemudian dikategorikan menjadi 2, yaitu: 0Y , jika pengeluaran perkapita

kurang dari garis kemiskinan (GK) , maka rumah tangga dikatakan miskin dan 1Y , jika

pengeluaran perkapita lebih dari atau sama dengan garis kemiskinan (GK) , maka rumah

tangga dikatakan tidak miskin. Variabel prediktor )(X yang digunakan dalam penelitian ini

disajikan dalam Tabel 2 berikut.

Tabel 2 Variabel Prediktor dalam Penelitian

Variabel Kategori/ Tipe

1X (jenis kelamin kepala rumah tangga) 0 : perempuan

1 : laki-laki

2X (umur kepala rumah tangga) 0 : 50 tahun

1 : 50 tahun

3X ( jumlah anggota rumah tangga) 0 : 4 orang

1 : 4 orang

4X

(pendidikan terakhir kepala rumah

tangga) 0 : Tidak sekolah, SD,

SMP

1 : SMA atau

Perguruan Tinggi

Page 8: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

Tabel 2 (Lanjutan)

Variabel Kategori/ Tipe

5X (pekerjaan utama kepala rumah tangga ) 0 : non formal

1 : formal

6X (status kepemilikan tempat tinggal) 0 : bukan milik sendiri

1 : milik sendiri/ rumah dinas

7X (kepemilikan sepeda motor atau

kendaraan bermotor lainnya)

0 : tidak ada

1 : ada

8X ( jenis dinding terluas tempat tinggal ) 0 : bambu/ kayu/rumbia/

tembok tanpa di plester

1 : tembok (batu, bata,

batako) yang di plester

9X ( jenis lantai terluas tempat tinggal ) 0 : kayu/ tanah/ bambu/

semen tanpa di plester

1 : semen yang diplester/

keramik/marmer

10X (status kepemilikan meteran listrik yang

digunakan)

0 : bukan milik sendiri

1 : milik sendiri

11X ( bahan bakar utama ketika memasak ) 0 : kayu bakar/ minyak tanah

1 : gas

12X ( penguasaan komputer oleh kepala

rumah tangga)

0 : tidak

1 : ya

13X ( bantuan yang diterima dari pemerintah) 0 : tidak ada

1 : ada

4. HASIL DAN PEMBAHASAN

4.1 Pendugaan Parameter

Hasil pendugaan parameter model regresi probit biner pada faktor-faktor yang

mempengaruhi kemiskinan rumah tangga di Kecamatan Pujut Kabupaten Lombok Tengah

dengan software SPSS 16.0 dapat dilihat pada Tabel 3 berikut.

Tabel 3 Hasil Pendugaan Parameter Model Regresi Probit Biner

Variabel Koefisien β

Konstanta 042,1

1X Jenis kelamin kepala rumah tangga 053,0

2X Umur kepala rumah tangga 003,0

3X Jumlah anggota rumah tangga 035,0

4X Pendidikan kepala rumah tangga 087,0

5X Pekerjaan kepala rumah tangga 234,0

6X Status kepemilikan tempat tinggal 306,0

7X Kepemilikan sepeda motor atau kendaraan bermotor lainnya 071,0

8X Jenis dinding terluas tempat tinggal 028,0

9X Jenis lantai terluas tempat tinggal 244,0

Page 9: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

10X Status kepemilikan meteran listrik 157,0

11X Bahan bakar utama yang digunakan untuk memasak 003,0

12X Keahlian kepala rumah tangga mengoperasikan komputer 329,0

13X Keberadaan bantuan dari pemerintah yang pernah diterima

anggota rumah tangga 212,0

4.2 Pengujian Parameter secara Serentak (Uji G )

Pengujian serentak dilakukan untuk memeriksa atau menguji signifikansi parameter β

secara keseluruhan. Hipotesis yang digunakan dalam pengujian serentak adalah:

0...: 210 pH

:1H minimal terdapat 0j

Hasil pengujian secara serentak menggunakan software SPSS 16.0 dapat dilihat pada

Tabel 4 berikut.

Tabel 4 Pengujian Secara Serentak (Uji G )

Model

Informasi Ketepatan Model

-2 log likelihood Chi-Square Db p-value

Intercept Only 521

Final 0 521 13 0,000

Berdasarkan Tabel 4, diperoleh nilai 362,22521 )05,0;13(2

hitungG , dimana nilai

);(2

v dapat dilihat pada Lampiran 15 dan berdasarkan Tabel 4 diperoleh nilai valuep

sebesar 05,0000,0 . Oleh karena itu, dapat diambil keputusan untuk menolak 0H ,

sehingga dapat diambil kesimpulan bahwa terdapat minimal satu variabel prediktor yang

berpengaruh signifikan terhadap kemiskinan rumah tangga di Kecamatan Pujut Kabupaten

Lombok Tengah.

4.3 Pengujian Parameter secara Parsial

Pengujian secara parsial dilakukan untuk mengetahui pengaruh dari masing-masing

variabel prediktor terhadap variabel respon. Pada pengujian secara parsial dilakukan

pengujian menggunakan uji Wald. Hipotesis yang digunakan dalam pengujian parsial adalah :

0:0 jH

(Tidak ada pengaruh variabel prediktor ke- j terhadap

variabel respon).

Page 10: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

0:1 jH

(ada pengaruh variabel prediktor ke- j terhadap

variabel respon).

Tabel 6 berikut merupakan hasil pengujian parsial dengan software SPSS 16.0.

Tabel 5 Hasil Pengujian Parsial Model Probit Biner

Variabel Parameter Standar Error w p-value

Konstanta 0

0,1210 8,264 0,000

1X

1 0,0655 15,267 0,000

2X

2 0,5713 1,750 0,000

3X

3 0,2378 4,205 0,000

4X

4 0,1056 9,469 0,000

5X

5 0,2308 4,332 0,000

6X 6 0,1018 9,920 0,000

7X

7 0,0892 11,210 0,000

8X

8 0,7802 0,612 0,000

9X 9 0,1864 5,36480 0,000

10X 10 0,0376 26,59574 0,000

11X

11 0,5822 1,717623 0,000

12X 12

0,2202 4,541326 0,000

13X

13 0,0837 11,94743 0,000

Berdasarkan Tabel 5, dapat diketahui nilai valuep untuk masing-masing variabel

adalah 0,000, dimana nilai tersebut kurang dari 05,0 , sehingga dapat diputuskan untuk

menolak 0H . Oleh karena itu, dapat disimpulkan bahwa variabel 13321 ,...,,, XXXX

berpengaruh secara signifikan terhadap kemiskinan rumah tangga di Kecamatan Pujut

Kabupaten Lombok Tengah.

4.8 Pengujian Kesesuaian Model

Pengujian kesesuaian model digunakan untuk mengetahui apakah terdapat perbedaan

antara hasil observasi dengan hasil prediksi. Hipotesis yang digunakan dalam pengujian

kesesuaian model yaitu :

Page 11: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

0H : Model sesuai

1H : Model tidak sesuai

Hasil pengujian menggunakan software SPSS 16.0 dapat dilihat pada Tabel 6 berikut.

Tabel 6 Hasil Pengujian Kesesuaian Model Regresi Probit Biner

Chi-square db P-value

Pearson 82,57 382 00,0

Deviance 81,98 382 97,0

Berdasarkan Tabel 6, diperoleh nilai Deviance sebesar 573,42881,98 )382;05,0(2 X dan

nilai 05,097,0 valuep yang berarti dapat diputuskan untuk gagal tolak 0H . Oleh

karena itu, dapat disimpulkan bahwa model yang diperoleh sesuai atau layak untuk

digunakan.

4.9 Klasifikasi dan Kriteria Kebaikan Model Regresi Probit Biner

Model regresi probit biner yang diperoleh dapat digunakan untuk mengklasifikasikan

faktor yang mempengaruhi kemiskinan rumah tangga. Tabel 7 berikut menunjukkan hasil

klasifikasi yang didapatkan dari model regresi probit biner.

Tabel 10 Klasifikasi Model Regresi Probit Biner

Aktual Prediksi

Miskin Tidak miskin Total

Miskin 253 0 253

Tidak miskin 2 140 142

Total 255 140 395

Ketepatan klasifikasi dapat dihitung menggunakan persamaan (12) dan diperoleh hasil

sebagai berikut.

5,12% %00512,0

%100390

02

APER

Ketepatan klasifikasi 99,48% %12,51

Berdasarkan hasil perhitungan menggunakan persamaan (12) di atas diperoleh nilai

kesalahan klasifikasi sebesar %12,5 sehingga nilai ketepatan klasifikasi resiko kemiskinan

rumah tangga di Kecamatan Pujut dengan regresi probit biner sebesar %48,99 .

Page 12: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

Ukuran kebaikan model regresi probit biner berdasarkan nilai McFaddenPseudoR 2

dapat dilihat pada Tabel 11 berikut.

Tabel 11 Kriteria Kebaikan Model Berdasarkan

Nilai McFaddenPseudoR 2

2PseudoR Nilai

McFadden 995,0

Berdasarkan Tabel 11 dapat diketahui nilai McFaddenPseudoR 2 sebesar 0,995 ,

artinya sebesar %5,99 dari hasil observasi dapat dijelaskan oleh model prediksi yang

diperoleh.

4.10 Interpretasi Model

Model regresi probit biner dengan menggunakan semua variabel prediktor merupakan

model regresi probit biner terbaik, karena pengujian parsial menunjukkan bahwa keseluruhan

variabel berpengaruh signifikan terhadap kemiskinan rumah tangga di Kecamatan Pujut.

Model regresi probit biner yang terbentuk adalah sebagai berikut.

131211

109876

54321

212,0329,0003,0

157,0224,02028,0071,0306,0

234,0087,0035,0003,0053,0042,1

XXX

XXXXX

XXXXX

y

Probabilitas model probit biner untuk 0y berdasarkan persamaan (2.6) dan (2.7) adalah :

13121110

98765

4321

212,0329,0003,0157,0

224,02028,0071,0306,0234,0

087,0035,0003,0053,0042,1

)|0(

XXXX

XXXXX

XXXX

xyP φ

(4.4)

Probabilitas model probit biner untuk 1y adalah :

1312

11109

8765

4321

212,0329,0

003,0157,0224,02

028,0071,0306,0234,0

087,0035,0003,0053,0042,1

1)|1(

XX

XXX

XXXX

XXXX

xyP φ

(4.5)

Page 13: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

5 KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan analisis yang telah dilakukan, diperoleh kesimpulan sebagai berikut.

1. Model regresi probit biner pada faktor-faktor yang mempengaruhi kemiskinan rumah

tangga di Kecamatan Pujut Kabupaten Lombok Tengah berdasarkan faktor-faktor yang

signifikan adalah sebagai berikut.

13

121110987

654321

212,0

329,0003,0157,0224,02028,0071,0

306,0234,0087,0035,0003,0053,0042,1

X

XXXXXX

XXXXXX

y

2. Berdasarkan model probit yang diperoleh, faktor-faktor yang signifikan mempengaruhi

kemiskinan rumah tangga di Kecamatan Pujut Kabupaten Lombok Tengah adalah jenis

kelamin kepala rumah tangga )( 1X , umur kepala rumah tangga )( 2X , jumlah anggota

rumah tangga )( 3X , pendidikan kepala rumah tangga )( 4X , pekerjaan kepala rumah

tangga )( 5X , status kepemilikan tempat tinggal )( 6X , kepemilikan sepeda motor atau

kendaraan bermotor lainnya )( 7X , jenis dinding terluas tempat tinggal )( 8X , jenis lantai

terluas tempat tinggal )( 9X , status kepemilikan meteran listrik yang digunakan )( 10X ,

bahan bakar utama yang digunakan ketika memasak )( 11X , keahlian kepala rumah tangga

dalam mengoperasikan komputer )( 12X , dan keberadaan bantuan dari pemerintah yang

pernah diterima )( 13X .

5.2 Saran

Berdasarkan analisis yang telah dilakukan, saran yang dapat disampaikan adalah sebagai

berikut.

1. Untuk memperoleh kesimpulan yang lebih luas, sebaiknya digunakan sampel pada

beberapa kecamatan.

2. Untuk pemerintak terkait, agar permasalahan kemiskinan di Kecamatan Pujut abupaten

Lombok Tengah dapat teratasi, diharapkan pengentasan kemiskinan di Kecamatan Pujut

Kabupaten Lombok Tengah mengedepankan rumah tangga dengan kriteria kepala rumah

tangga seorang perempuan, umur kepala rumah tangga lebih dari 50 tahun, rumah tangga

dengan kepemilikan tempat tinggal bukan milik sendiri, rumah tangga dengan tempat

tinggal kurang layak, rumah tangga dengan kepemilikan meteran listrik bukan milik

sendiri, rumah tangga yang masih menggunakan kayu bakar sebagai bahan bakar utama

Page 14: ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR YANG …eprints.unram.ac.id/7721/1/JURNAL Rara Restia Utami.pdf · 2018-09-03 · ANALISIS REGRESI PROBIT BINER PADA FAKTOR-FAKTOR

untuk memasak, perbaikan pendidikan para petani, memberikan sosialisasi pentingnya

program keluarga berencana, serta pemberian bantuan harus lebih diperhatikan agar tepat

sasaran.

DAFTAR PUSTAKA

Badan Pusat Statistik, 2016 Data dan Informasi, BPS : Mataram. [1]

Fahmiyah, I., Latra, I.N., 2016, Faktor yang Mempengaruhi Kadar Gula Darah Puasa Pasien

Diabetes Malitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya menggunakan Regresi

Probit Biner, Jurnal Sains dan Seni, Vol. 5 No. 2 Hal. 2, ITS : Surabaya. [6]

Green, W.H., 2008, Econometric Analysis, Edisi ke 6, Prentice Hall Inc : New Yersey. [3]

Gujarati, D.N., 2004, Basic Econometrics, Edisi ke 4, The McGraw-Hill : New York. [2]

Hosmer, D., dan Lemeshow, 2000, Applied Logistic Regression, Edisi ke 2, John Wiley and

Sons : USA.[5]

Johnson, R.A., dan Wichern, D., 2007, Applied Multivariat Statistical Analysis, Edisi ke 9,

New Jersey : Prentice Hall. [7]

Masitoh, F., dan Ratnasari, V., 2016, Pemodelan Status Ketahanan Pangan di Provinsi Jawa

Timr dengan Pendekatan Metode Regresi Probit Biner, Vol. 5 No. 2 Hal. 2, Jurnal

Statistika, ITS : Surabaya. [4]