ANALISIS PEMILIHAN MODEL TERBAIK DENGAN

METODE STEPWISE PADA FAKTOR-FAKTOR YANG

MEMPENGARUHI PERMINTAAN BERAS DI KOTA
SURAKARTA

Disusun Oleh:
1. Dwi Sari Utami

(M0114011)

2. Hania Seftianingrum

(M0114017)

3. Restuning Gustiasih

(M0114043)

4. Upik Handayani

(M0114055)

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
2016

1. LATAR BELAKANG
Berdasarkan letak geografisnya, Indonesia merupakan negara beriklim
tropis dan berada di wilayah khatulistiwa yang sangat cocok untuk budidaya
tanaman, terutama tanaman pangan. Salah satu komoditas tanaman pangan yang
memiliki posisi paling penting dalam pembangunan pertanian adalah padi. Padi
merupakan tanaman penghasil beras yang menjadi bahan pangan pokok bagi
sebagian besar penduduk di Indonesia. Menurut Ariani dalam Handayani, dkk
(2013) menunjukkan bahwa pola konsumsi pangan pokok penduduk Indonesia
mengalami pergeseran dari pola beragam berbasis sumber daya lokal menjadi pola
beras dan terigu. Penelitian yang dilakukan Hessie (2009) menunjukkan bahwa
perkembangan produksi dan konsumsi beras di Indonesia cenderung meningkat
dari tahun ke tahun. Data Badan Pusat Statistik (BPS) 2011 mencatat konsumsi
beras masyarakat Indonesia mencapai 113,48 kg per kapita per tahun. Walaupun
turun dari tahun sebelumnya, yakni 139,15 kg per kapita, konsumsi beras
masyarakat Indonesia masih yang tertinggi di dunia. Indonesia jauh melebihi
Jepang (45 kg), Malaysia (80 kg), dan Thailand (90 kg).
Kota Surakarta dikenal sebagai kota yang penuh inovasi. Berbagai
terobosan telah dilakukan Pemerintah Kota Surakarta dalam meningkatkan
potensi ekonomi di berbagai sektor seperti sektor industri, sektor pariwisata,
sektor perkebunan, sektor peternakan, dan sektor pertanian. Sektor pertanian
cukup dominan bagi perekonomian Kota Surakarta, salah satunya yaitu padi.
Produksi padi di Kota Surakarta merupakan yang terbanyak di antara jenis
produksi padi dan palawija lainnya, seperti ketela pohon dan jagung. Data
Surakarta dalam Angka (2014) mencatat produksi padi di Kota Surakarta sebesar
12.875 kuintal dalam tahun 2013, naik dari tahun sebelumnya yang hanya 10.304
kuintal.
Kota Surakarta memiliki tingkat konsumsi beras yang selalu meningkat
setiap tahunnya seiring dengan produksi padi yang terus meningkat,. Berikut data
tingkat konsumsi beras di Kota Surakarta tahun 2009 2013.

Tabel 1. Permintaan Beras Surakarta Tahun 2009 2013

Tahun

Permintaan Beras (Kg/Tahun)

2009

59.311.286,79

2010

59.519.732,67

2011

59.718.103,34

2012

60.051.674,11

2013

62.225.591,47

Sumber : BPS Kota Surakarta.

Dari uraian data di atas diperoleh gambaran bahwa permintaan beras di
Kota Surakarta dari tahun ke tahun semakin meningkat. Apabila bisa
memproduksi sendiri beras, maka Kota Surakarta dapat meningkatkan PDRB
(Produk Domestik Regional Bruto) dari sektor pertanian. Hal ini mendorong
penulis berpikir perlunya suatu studi yang detail untuk mendapatkan faktor-faktor
yang mempengaruhi permintaan beras di Kota Surakarta. Faktor-faktor tersebut
diantaranya harga beras, harga jagung sebagai barang substitusi (pengganti), harga
telur sebagai barang komplementer (pelengkap), jumlah penduduk dan pendapatan
per kapita di Kota Surakarta.
Analisis regresi adalah teknik statistika yang digunakan untuk menyelidiki
dan memodelkan hubungan antara variabel-variabel yang terdiri dari variabel
bebas (independen) dan variabel tak bebas (dependen) serta merupakan suatu
metode yang dapat digunakan untuk menganalisis data dan mengambil
kesimpulan tentang hubungan keterkaitan yang mungkin ada antara dua variabel
atau lebih. Model regresi adalah suatu cara untuk mengetahui kecenderungan
perubahan variabel dependen Y yang berubah sesuai dengan variabel independen
X, selain itu untuk mengetahui sebaran dari data observasi di sekitar kurva yang
diperoleh dari hubungan statistik.
Model regresi yang sudah terbentuk haruslah dipilih persamaan atau model
yang terbaik. Dalam pemilihan model, penulis harus mempertimbangkan
kesederhanaan dan keefektifan model. Makin besar nilai k (jumlah variabel
independen dan dependen) makin besar pula variansi. Jika kemampuan dua atau

lebih model dalam menjelaskan persoalan yang ingin dibahas sama atau hampir
sama, maka penulis akan cenderung memilih yang paling sedikit mengandung
variabel independen didalamnya.
Untuk memperoleh model terbaik, ada beberapa metode yaitu metode
seleksi maju (forward), metode seleksi mundur (backward), metode bertahap
(Stepwise), metode semua kombinasi yang mungkin, dan metode R minimum
(MINR).
Regresi Stepwise adalah salah satu metode untuk mendapatkan model
terbaik dari sebuah analisis regresi. Secara definisi merupakan gabungan antara
metode forward dan backward. Regresi Stepwise memulai pemilihan dengan
model paling sederhana yaitu model dengan satu variabel. Selanjutnya
dimasukkan variabel lain satu per satu sampai diperoleh model yang memenuhi
kriteria terbaik. Kriteria didasarkan pada penambahan 2 dan 2 adj . Metode
Stepwise memilih variabel yang sudah ada dalam model. Dalam metode ini
variabel yang sudah masuk dalam model dapat saja dikeluarkan lagi.
Penelitian dengan metode Stepwise untuk memilih model terbaik telah
banyak dilakukan, antara lain oleh Hanum (2011) yang membandingkan metode
Stepwise, Best Subset Regression, dan Fraksi dalam pemilihan model regresi
berganda terbaik. Penelitian lain dilakukan Ilmi dan Parta (2013) yang
menggunakan metode regresi New Stepwise untuk mengetahui faktor-faktor yang
mempengaruhi kekuatan Metallic Box dalam pengemasan produk-produk yang
dihasilkan PT PINDAD (Persero). Ada juga Brahmana (2014) yang menggunakan
metode Stepwise untuk membentuk persamaan regresi berganda pada jumlah
kriminalitas di Kepolisian Resor Tanah Karo.
Dalam proposal ini, penulis ingin mengetahui dari kelima variabel
independen tersebut, variabel mana saja yang berpengaruh terhadap permintaan
beras di Kota Surakarta tahun 2000 2013 dan model regresi seperti apakah yang
terbaik. Untuk mengetahui hal tersebut, penulis menggunakan analisis regresi
dengan metode Stepwise.

2. PERUMUSAN MASALAH
Berdasarkan latar belakang yang telah diuraikan di atas, maka pokok
permasalahan dapat dirumuskan sebagai berikut.
1) Variabel-variabel manakah yang berpengaruh signifikan terhadap
tingkat permintaan beras di Kota Surakartatahun 2000 2013?
2) Bagaimana model regresi terbaik dengan metode Stepwise untuk tingkat
permintaan beras di Kota Surakarta tahun 2000 2013?
3. BATASAN MASALAH
Untuk menghindari kesalahpahaman dan meluasnya masalah yang akan
diteliti, maka penulis membatasi atau memfokuskan pada masalah yang
berhubungan dengan faktor-faktor yang mempengaruhi permintaan beras di Kota
Surakarta tahun 2000 2013.
4. TUJUAN
Berdasarkan latar belakang dan perumusan masalah di atas, maka tujuan
dari penelitian ini:
1) Untuk mengetahui variabel mana yang berpengaruh signifikan
terhadap tingkat permintaan beras di Kota Surakarta tahun 2000
2013.
2) Untuk mengetahui model regresi terbaik dengan metode Stepwise
tingkat permintaan beras di Kota Surakarta tahun 2000 2013.
5. MANFAAT
Penelitian ini diharapkan memberi manfaat bagi berbagai pihak yang
berkepentingan, antara lain:
1) Menambah pengetahuan tentang aplikasi analisis regresi dan
bagaimana memilih model regresi terbaik dengan metode Stepwise
bagi penulis maupun pembaca.
2) Menambah pengetahuan tentang berbagai hal yang mempengaruhi
tingkat permintaan beras di Kota Surakarta tahun 2000 2013.

6. TINJAUAN PUSTAKA
Hanum (2011) melakukan penelitian tentang kelebihan dan kekurangan
metode Fraksi dibandingkan dengan Stepwise dan Best Subset Regression.
Penelitian selanjutnya dilakukan oleh Ilmi dan Parta (2013) yang membahas
tentang model regresi New Stepwise terbaik yang menggambarkan faktor-faktor
yang berpengaruh signifikan terhadap kekuatan Metallic Box dalam pengemasan
produk-produk yang dihasilkan PT PINDAD (Persero). Kemudian dilanjutkan
oleh Brahmana (2014) yang melakukan penelitian tentang faktor-faktor yang
mempengaruhi kriminalitas untuk menentukan persamaan penduga yang sesuai
terhadap jumlah kriminalitas di Kepolisian resort Kabupaten Karo dengan
menggunakan metode Stepwise Forward, sehingga memberi gambaran kepada
peneliti tentang konsep metode Stepwise Forward.
Berdasarkan penelitian di atas, maka penulis akan mengulas kembali
mengenai regresi Stepwise dengan penjelasan yang lebih detail dan menjabarkan
penggunaan metode tersebut. Setelah itu diperoleh model terbaik untuk digunakan
dalam analisis regresi berganda.
7. LANDASAN TEORI
Pada dasarnya terdapat beberapa macam analisis regresi. Dua diantaranya
yaitu regresi linier sederhana dan regresi linier ganda. Analisis regresi linier
sederhana bertujuan untuk melihat ketergantungan variabel dependen (Y) pada
satu variabel independen (X) dengan rumusan = 0 + 1 + . Sedangkan
analisis regresi linier ganda menguji besarnya pengaruh variabel independen X
(Xj, j=1,2,,p) terhadap variabel dependen Y yang dirumuskan dengan = 0 +
1 1 + + + .
A. Regresi Ganda
Model dan Estimasi Analisis Regresi Ganda
= 0 + 1 1 + + +
= persamaan regresi estimasi.
1 = harga koefisien regresi estimasi dengan i = 0,1,2,3,.

(1)

= banyaknya estimasi.

Estimasi Variansi
( )2

=
=
.
( + 1) 1
2

(2)

2 = variansi estimasi.
JKS = jumlah kuadrat sesatan.
n

= banyaknya data.

Koefisien Determinasi Ganda

Untuk melihat pengaruh semua variabel independen secara bersama
terhadap variabel dependen, maka digunakan rumus koefisien determinasi
ganda, yaitu:
2 =

( )2
=
( )2

(3.1)

atau
2

( )

2 = 1
=1

( )2

(3.2)

dengan JKR = Jumlah Kuadrat Regresi dan JKT = Jumlah Kuadrat Total.

Koefisien Korelasi Parsial

Koefisien korelasi parsial adalah ukuran keeratan atau hubungan linier
sederhana antara lebih dari dua variabel random X1, X2, ..., Xp.
Koefisien korelasi dapat ditentukan dengan rumus:
=

dimana
1,2,3, .

(4)

( ( )2 )( 2 ( )2 )

ryi adalah koefisien korelasi sederhana antara

dan , =

Koefisien korelasi parsial antara variabel-variabel dalam analisis regresi

ganda adalah Y, X1, dan X2. Misal koefisien korelasi parsial antara Y dan X 1
dengan X 2 konstan maka rumusnya:
12 =
Koefisien

1 2 . 12
(1 2 2 )(1 12 2 )

korelasi parsial antara Y dan X 2 dengan X 1 konstan maka

rumusnya:
21 =

2 1 . 21
(1 1 2 )(1 21 2 )

Uji Hipotesis dalam Analisis Regresi Ganda

Uji hipotesis sebaiknya dilakukan dengan dua macam, yaitu:
1. Uji signifikan simultan (Uji-F)
Menurut Ghozali (2005) uji statistik F pada dasarnya menunjukkan
apakah semua variabel independen yang dimaksud dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependen.
Bentuk pengujiannya dengan hipotesis berikut.
i.

0 : 1 = 2 = = = 0 (variabel independen tidak berpengaruh

signifikan terhadap variabel dependen).
1 : 0, = 1,2,3 , (terdapat paling sedikit satu atau lebih
variabel independen yang berpengaruh signifikan terhadap variabel
dependen).

ii.

Tingkat Signifikansi ().

iii.

Daerah Kritis :
H 0 ditolak jika Fhitung > F(p, n-p-1, )

atau jika menggunakan , H 0 ditolak jika < .

iv.

Statistik Uji
=

/
/( 1)

v.

Kesimpulan
Jika > (,1,) maka H 0 ditolak berarti terdapat variabel
independen

yang

berpengaruh

signifikan

terhadap

variabel

dependen, maka persamaan regresi tersebut signifikan.

Jika

< (,1,) maka H 0 diterima berarti persamaan

regresi tersebut tidak signifikan.

Jika H 0 ditolak berarti dari p variabel independen yang dilibatkan
dalam model regresi ganda tersebut terdapat paling sedikit satu atau
lebih variabel independen yang berpengaruh signifikan terhadap
variabel dependen.

2. Uji t (uji hipotesis parsial)

Uji secara parsial adalah untuk menguji apakah setiap variabel
independen memiliki pengaruh atau tidak terhadap variabel dependen.
Jika hasil pada uji keseluruhan koefisien regresi bersama-sama
menunjukan bahwa 0 ditolak, maka perlu dilakukan uji individu dengan
hipotesis berikut.
i.

0 = 0 (variabel independen tidak berpengaruh signifikan

terhadap variabel dependen).
1 0 (variabel independen berpengaruh signifikan terhadap
variabel dependen).

ii.

Tingkat Signifikansi ().

iii.

Daerah Kritis :
H 0 ditolak jika thitung > t(/2,n-p-1) atau thitung < - t(/2,n-p-1)

atau jika menggunakan , H 0 ditolak jika < .

iv.

Statistik Uji
=

1
.
1 + 2

v.

Kesimpulan
Jika thitung > t(/2,n-p-1) atau thitung < - t(/2,n-p-1) maka H 0 ditolak
berarti variabel independen berpengaruh signifikan terhadap variabel
dependen.

B. Memilih Persamaan Terbaik

Persamaan terbaik harus sesuai dengan metode yang akan diberikan.
Persamaan terbaik itu belum tentu tunggal dan masing-masing mempunyai
keunggulan dan kelemahan. Dalam pemilihan model, penulis harus
mempertimbangkan kesederhanaan dan keefektifan model. Makin besar k
(jumlah variabel independen dan dependen) makin besar pula variansi . Jika
kemampuan dua atau lebih model dalam menjelaskan persoalan yang ingin
dibahas sama atau hampir sama, maka penulis akan cenderung memilih yang
paling sedikit mengandung variabel independen didalamnya. Kriteria
persamaan terbaik, yaitu:
a. sederhana,
b. model efektif,
c. mengandung variabel independen yang benar-benar berpengaruh.
Model regresi tebaik adalah model yang dapat menjelaskan perilaku
variabel dependen dengan sebaik-baiknya dengan memilih variabel-variabel
independen dari sekian banyak variabel independen yang tersedia dalam data.
Untuk menentukan variabel independen mana yang akan dimasukkan ke
dalam model regresi, menurut Draper dalam Hanum (2011), ada dua kriteria
yang saling bertentangan yaitu:
1. Agar persamaannya bermanfaat untuk peramalan, biasanya ingin
dimasukkan sebanyak mungkin variabel sehingga diperoleh nilai
ramalan yang andal.
2. Karena untuk memperoleh informasi dari banyak variabel serta
pemantauannya seringkali diperlukan biaya yang tinggi, maka
diinginkan persamaan regresi yang mencakup sedikit mungkin

variabel. Kompromi diantara kedua kriteria itulah yang disebut

pemilihan model regresi terbaik.
Ada beberapa metode untuk memilih persamaan terbaik yaitu metode
seleksi maju (forward), metode seleksi mundur (backward), metode bertahap
(Stepwise),

metode semua kombinasi yang mungkin, dan metode

2 minimum (MINR).
Regresi Stepwise adalah salah satu metode untuk mendapatkan model
terbaik dari sebuah analisis regresi. Secara definisi merupakan gabungan
antara metode forward dan backward. Regresi Stepwise memulai pemilihan
dengan model paling sederhana yaitu model dengan satu variabel. Selanjutnya
dimasukkan variabel lain satu per satu sampai didapat model yang memenuhi
kriteria terbaik. Kriteria didasarkan pada penambahan 2 dan 2 adj . Metode
Stepwise memilih variabel yang sudah ada dalam model. Dalam metode ini
variabel yang sudah masuk dalam model dapat saja dikeluarkan lagi, sehingga
langkah yang diperlukan menjadi banyak.
1. Koefisien Determinasi ( 2 )
Koefisien determinasi adalah ukuran bagian ragam variabel terikat
yang dapat dijelaskan secara bersama-sama oleh variabel bebas yang ada
di dalam model. Nilai koefisien determinasi
2 =

JKR
JKS
=1
JKT
JKT

(5)

dengan JKR = jumlah kuadrat regresi, JKT = jumlah kuadrat total, JKS=
jumlah kuadrat residu dan p = jumlah variabel bebas dalam model. 2
akan terus bertambah seiring bertambahnya variabel independen yang
dimasukkan dalam model. Variabel yang potensial ditambahkan dalam
model adalah yang memberi penambahan nilai 2 yang cukup berarti.
2.
2 adj adalah penyesuaian dari 2 . Nilai 2 adj ditentukan dengan rumus:

 2 adj = 1

JKSn p
JKTn 1

(6)

dengan n = jumlah pengamatan

Nilai 2 adj hanya akan naik jika nilai (n p) JKS turun, karena
(n 1) JKT tetap. Model yang baik memiliki 2 yang besar.
8. KERANGKA PEMIKIRAN
Regresi linier dapat diterapkan jika asumsi klasik dipenuhi, asumsi
tersebut adalah asumsi normalitas, tidak terdapat heteroskedastisitas, tidak
terdapat multikolinearitas dan tidak terdapat autokorelasi. Setelah asumsi klasik
terpenuhi, penulis dapat melakukan analisis regresi. Langkah pertama yaitu
menghitung koefisien korelasi setiap faktor dengan menggunakan koefisien
korelasi parsial dengan rumus pada persamaan (2). Langkah kedua, dilakukan
estimasi model regresi dan diuji menggunakan uji hipotesis untuk mengetahui
apakah variabel yang didapatkan mempunyai pengaruh yang berarti ke dalam
model. Setelah itu dilakukan pengulangan langkah-langkah hingga semua variabel
selesai diuji dan didapatkan model terbaik metode Stepwise pada permintaan beras
di Kota Surakarta.
9. METODE PENELITIAN
Metode yang digunakan dalam penulisan ini adalah studi pustaka yaitu
dengan mengumpulkan referensi berupa buku, skripsi, jurnal ilmiah maupun
artikel yang dimuat di situs internet yang berkaitan dengan analisis regresi metode
Stepwise. Kasus yang diambil yaitu tentang faktor-faktor yang mempengaruhi
permintaan beras di Kota Surakarta tahun 2000 2013 dengan = 14 dan
software yang dipakai adalah Minitab 16 dan SPSS 19.
Adapun langkah-langkah yang diambil peneliti untuk menyelesaikan
permasalahan penulisan ini adalah sebagai berikut:
1. Mengumpulkan data yang meliputi data harga beras, harga jagung sebagai
barang substitusi (pengganti), harga telur sebagai barang komplementer

(pelengkap), jumlah penduduk, dan pendapatan per kapita tahun 2000

2013.
2. Menghitung koefisien korelasi setiap variabel independen dengan variabel
dependen dari data yang sudah diperoleh.
3. Mencari variabel independen yang mempunyai korelasi tertinggi dan
signifikan dengan variabel dependen, sehingga variabel tersebut masuk ke
dalam model.
4. Melakukan estimasi model regresi dengan variabel independen yang
pertama masuk.
5. Menguji dengan uji hipotesis untuk mengetahui apakah variabel tersebut
mempunyai pengaruh yang berarti ke dalam model.
6. Menghitung korelasi parsial variabel independen yang tersisa dengan
variabel yang telah masuk ke dalam model dijadikan sebagai variabel
kontrol. Jika ada variabel yang tidak signifikan maka variabel tersebut
dikeluarkan.
7. Mengulangi langkah-langkah tersebut sampai semua variabel independen
selesai diuji dan diperoleh model terbaik metode Stepwise.
10. JADWAL PENELITIAN
Kegiatan dalam penulisan proposal diatur dalam jadwal. Dengan adanya
jadwal, diharapkan proses penulisan proposal berjalan lancar dan sesuai dengan
target. Jadwal dapat dilihat pada tabel berikut.
No

Kegiatan

Pengumpulan
bahan/materi

Penyusunan
Proposal

Seminar
proposal

Bulan
ke-1

Bulan
ke-2

Bulan
ke-3

Bulan
ke-4

Bulan
ke-5

Bulan
ke-6

Pelaksanaan
penelitian

Pengolahan
data, analisis,
dan
penyusunan
laporan

Seminar hasil

DAFTAR PUSTAKA
Ariani, M. 2010. Diversifikasi Konsumsi Pangan Pokok Mendukung Swasembada
Beras. BPTP Banten. Prosiding Pekan Serealia Nasional. Banten.
Badan Pusat Statistik. 2012. Pola Konsumsi Penduduk Indonesia. Jakarta.
Badan Pusat Statistik. 2014. Surakarta Dalam Angka 2014. BPS Kota Surakarta.
Surakarta.
Brahmana, Agus Efrata. 2014. Membentuk Persamaan Regresi Berganda dengan
Menggunakan Metode Stepwise Tentang Jumlah Kriminalitas di
Kepolisian Resor Tanah Karo. Skripsi. Sumatera Utara.
Dewi, Tria R., dan Libria Widiastuti. 2015. Analisis Faktor-Faktor yang
Mempengaruhi Permintaan Beras di Kota Surakarta. Jurnal
Agronomika. Vol: 10, No. 2. Surakarta.
Draper, N., and H. Smith. 1992. Analisis Regresi Terapan edisi kedua
(Terjemahan oleh Bambang Sumantri). Gramedia. Jakarta.
Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS.
Badan Penerbit Universitas Dipenogoro. Semarang.
Handayani, A., Sriyanto, dan Ita Sulistyawati. 2013. Evaluasi Mutu Beras dan
Tingkat Kesesuaian Penanganannya (Studi Kasus di Kabupaten
Karanganyar).Jurnal Litbang Provinsi Jawa Tengah. Vol: 11, No.1. Jawa
Tengah.
Hanum, Herlina. 2011. Perbandingan Metode Stepwise, Best Subset Regression,
dan Fraksi dalam Pemilihan Model Regresi Berganda Terbaik. Jurnal
Penelitian Sains. Vol: 14, No. 2(A). Sumatera Selatan.
Ilmi, Nisa H., dan I Nengah Parta. 2013. Penerapan Metode Regresi New
Stepwise untuk Mengetahui Faktor-Faktor yang Mempengaruhi
Kekuatan Metallic Box (Studi Kasus di PT.PINDAD (Persero) Turen).
Malang.
Sembiring, R.K. 1995. Analisis Regresi. ITB. Bandung.