Analisis Faktor Kependudukan yang Mempengaruhi Kepadatan Penduduk Kabupaten/Kota di Provinsi Jawa Timur Tahun 2025 Menggunakan Regresi Linear Berganda
Moh Patria Nino Mahendra
2026-01-11
Pendahuluan
Kepadatan penduduk merupakan salah satu indikator penting dalam menggambarkan kondisi suatu wilayah dan sering dikaitkan dengan tekanan terhadap lingkungan, seperti meningkatnya kebutuhan lahan permukiman, fasilitas umum, serta potensi penurunan kualitas lingkungan. Wilayah dengan kepadatan penduduk yang tinggi umumnya menghadapi tantangan lingkungan yang lebih besar dibandingkan wilayah dengan kepadatan penduduk rendah.
Provinsi Jawa Timur merupakan salah satu provinsi dengan jumlah penduduk terbesar di Indonesia dan memiliki karakteristik kependudukan yang beragam antar kabupaten/kota. Perbedaan jumlah penduduk, laju pertumbuhan penduduk per tahun, distribusi persentase penduduk, serta rasio jenis kelamin diduga berkontribusi terhadap variasi tingkat kepadatan penduduk di setiap wilayah.
Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk menganalisis pengaruh faktor-faktor kependudukan terhadap kepadatan penduduk kabupaten/kota di Provinsi Jawa Timur tahun 2025 menggunakan metode regresi linear berganda dengan bantuan perangkat lunak R.
Deskripsi dan Sumber Data
Penelitian ini menggunakan data sekunder yang bersumber dari Badan Pusat Statistik (BPS) Provinsi Jawa Timur dengan judul Jumlah Penduduk, Laju Pertumbuhan Penduduk, Distribusi Persentase Penduduk, Kepadatan Penduduk, dan Rasio Jenis Kelamin Penduduk Menurut Kabupaten/Kota di Provinsi Jawa Timur, 2025. Unit analisis dalam penelitian ini terdiri dari 38 kabupaten/kota.
Variabel dependen yang digunakan adalah kepadatan penduduk per kilometer persegi (km²). Variabel independen meliputi jumlah penduduk (ribu jiwa), laju pertumbuhan penduduk per tahun, persentase penduduk, dan rasio jenis kelamin penduduk
Persiapan dan Memasukan Data
library(car)## Warning: package 'car' was built under R version 4.5.2## Loading required package: carData## Warning: package 'carData' was built under R version 4.5.2library(lmtest)## Warning: package 'lmtest' was built under R version 4.5.2## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericlibrary(readxl)## Warning: package 'readxl' was built under R version 4.5.2library(psych)## Warning: package 'psych' was built under R version 4.5.2##
## Attaching package: 'psych'## The following object is masked from 'package:car':
##
## logit#input data
data <-read_excel(file.choose())
#Meeriksa data
str(data)## tibble [38 × 6] (S3: tbl_df/tbl/data.frame)
## $ Kabupaten/Kota : chr [1:38] "Pacitan" "Ponorogo" "Trenggalek" "Tulungagung" ...
## $ Jumlah Penduduk (Ribu) : num [1:38] 589034 966111 747614 1119588 1273451 ...
## $ Laju Pertumbuhan Penduduk per Tahun : num [1:38] 0.1 0.37 0.47 0.57 0.84 0.85 0.79 0.61 0.68 0.69 ...
## $ Persentase Penduduk : num [1:38] 1.4 2.3 1.78 2.66 3.03 4.04 6.55 2.74 6.23 4.19 ...
## $ Kepadatan Penduduk per km persegi (Km2): num [1:38] 411 681 598 978 730 ...
## $ Rasio Jenis Kelamin Penduduk : num [1:38] 100.9 99.1 100.3 100.1 100.9 ...summary(data)## Kabupaten/Kota Jumlah Penduduk (Ribu) Laju Pertumbuhan Penduduk per Tahun
## Length:38 Min. : 138613 Min. :0.1000
## Class :character 1st Qu.: 715086 1st Qu.:0.5700
## Mode :character Median :1116272 Median :0.7600
## Mean :1107612 Mean :0.7637
## 3rd Qu.:1362974 3rd Qu.:0.9825
## Max. :2931611 Max. :1.4100
## Persentase Penduduk Kepadatan Penduduk per km persegi (Km2)
## Min. :0.330 Min. : 411
## 1st Qu.:1.698 1st Qu.: 651
## Median :2.650 Median : 869
## Mean :2.632 Mean :1970
## 3rd Qu.:3.235 3rd Qu.:1224
## Max. :6.970 Max. :8727
## Rasio Jenis Kelamin Penduduk
## Min. : 94.10
## 1st Qu.: 97.83
## Median : 99.40
## Mean : 99.13
## 3rd Qu.:100.75
## Max. :101.80head(data)## # A tibble: 6 × 6
## `Kabupaten/Kota` `Jumlah Penduduk (Ribu)` Laju Pertumbuhan Penduduk per Tahu…¹
## <chr> <dbl> <dbl>
## 1 Pacitan 589034 0.1
## 2 Ponorogo 966111 0.37
## 3 Trenggalek 747614 0.47
## 4 Tulungagung 1119588 0.57
## 5 Blitar 1273451 0.84
## 6 Kediri 1702262 0.85
## # ℹ abbreviated name: ¹`Laju Pertumbuhan Penduduk per Tahun`
## # ℹ 3 more variables: `Persentase Penduduk` <dbl>,
## # `Kepadatan Penduduk per km persegi (Km2)` <dbl>,
## # `Rasio Jenis Kelamin Penduduk` <dbl>Exploratory Data Analysis (EDA)
#Statistik Deskriptif
describe(data)## vars n mean sd median
## Kabupaten/Kota* 1 38 19.50 11.11 19.50
## Jumlah Penduduk (Ribu) 2 38 1107612.39 691111.37 1116272.00
## Laju Pertumbuhan Penduduk per Tahun 3 38 0.76 0.28 0.76
## Persentase Penduduk 4 38 2.63 1.64 2.65
## Kepadatan Penduduk per km persegi (Km2) 5 38 1969.97 2299.08 869.00
## Rasio Jenis Kelamin Penduduk 6 38 99.13 1.80 99.40
## trimmed mad min
## Kabupaten/Kota* 19.50 14.08 1.00
## Jumlah Penduduk (Ribu) 1040112.25 500596.92 138613.00
## Laju Pertumbuhan Penduduk per Tahun 0.76 0.30 0.10
## Persentase Penduduk 2.47 1.19 0.33
## Kepadatan Penduduk per km persegi (Km2) 1563.38 389.18 411.00
## Rasio Jenis Kelamin Penduduk 99.24 2.22 94.10
## max range skew kurtosis
## Kabupaten/Kota* 38.00 37.00 0.00 -1.30
## Jumlah Penduduk (Ribu) 2931611.00 2792998.00 0.84 0.49
## Laju Pertumbuhan Penduduk per Tahun 1.41 1.31 0.06 -0.41
## Persentase Penduduk 6.97 6.64 0.84 0.49
## Kepadatan Penduduk per km persegi (Km2) 8727.00 8316.00 1.60 1.23
## Rasio Jenis Kelamin Penduduk 101.80 7.70 -0.59 -0.30
## se
## Kabupaten/Kota* 1.80
## Jumlah Penduduk (Ribu) 112113.07
## Laju Pertumbuhan Penduduk per Tahun 0.04
## Persentase Penduduk 0.27
## Kepadatan Penduduk per km persegi (Km2) 372.96
## Rasio Jenis Kelamin Penduduk 0.29Interpretasi: Statistik deskriptif menunjukkan bahwa kepadatan penduduk antar kabupaten/kota di Provinsi Jawa Timur memiliki variasi yang cukup besar. Hal ini mengindikasikan adanya perbedaan karakteristik wilayah dan kependudukan yang signifikan antar daerah.
#Visualisasi Hubungan Antar Variabel
pairs(
~ `Kepadatan Penduduk per km persegi (Km2)` +
`Jumlah Penduduk (Ribu)` +
`Laju Pertumbuhan Penduduk per Tahun` +
`Persentase Penduduk` +
`Rasio Jenis Kelamin Penduduk`,
data = data,
main = "Scatter Plot Variabel Kependudukan"
)
Interpretasi: Scatter plot menunjukkan bahwa laju pertumbuhan penduduk memiliki kecenderungan hubungan positif dengan kepadatan penduduk, sedangkan variabel lainnya tidak menunjukkan pola hubungan yang kuat secara visual.
Metode Analisis
Metode analisis yang digunakan dalam penelitian ini adalah regresi linear berganda. Metode ini digunakan untuk menganalisis pengaruh beberapa variabel independen terhadap satu variabel dependen secara simultan. Regresi linear berganda dipilih karena metode ini umum digunakan dalam penelitian kependudukan untuk melihat hubungan antara karakteristik penduduk dan indikator wilayah.
Variabel dependen dalam penelitian ini adalah kepadatan penduduk, sedangkan variabel independennya meliputi jumlah penduduk, laju pertumbuhan penduduk per tahun, persentase penduduk, dan rasio jenis kelamin penduduk. Model regresi yang digunakan dirumuskan sebagai berikut:
Y = β0 + β1x1 + β2x2 + β3x3 + β4x4 + ε
dengan Y menyatakan kepadatan penduduk, x1 jumlah penduduk, x2 laju pertumbuhan penduduk per tahun, x3 persentase penduduk, dan x4 rasio jenis kelamin penduduk. Parameter model diestimasi menggunakan metode Ordinary Least Squares (OLS) yang diimplementasikan melalui fungsi lm() pada perangkat lunak R.
Tahapan analisis meliputi analisis deskriptif, estimasi model regresi, uji signifikansi parameter (uji t), uji signifikansi model (uji F), penghitungan koefisien determinasi (R²), serta uji asumsi klasik yang mencakup uji normalitas residual, multikolinearitas, dan heteroskedastisitas. Pendekatan analisis ini mengacu pada penerapan regresi linear berganda dalam penelitian kependudukan yang telah dilakukan sebelumnya.
Hasil dan Pembahasan
#Hasil Estimasi Regresi
model <- lm(
`Kepadatan Penduduk per km persegi (Km2)` ~
`Jumlah Penduduk (Ribu)` +
`Laju Pertumbuhan Penduduk per Tahun` +
`Persentase Penduduk` +
`Rasio Jenis Kelamin Penduduk`,
data = data
)
summary(model)##
## Call:
## lm(formula = `Kepadatan Penduduk per km persegi (Km2)` ~ `Jumlah Penduduk (Ribu)` +
## `Laju Pertumbuhan Penduduk per Tahun` + `Persentase Penduduk` +
## `Rasio Jenis Kelamin Penduduk`, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2641.8 -1271.6 -692.1 772.9 7263.6
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.554e+04 2.039e+04 1.252 0.2193
## `Jumlah Penduduk (Ribu)` -3.988e-01 2.731e-01 -1.461 0.1536
## `Laju Pertumbuhan Penduduk per Tahun` 3.591e+03 1.407e+03 2.552 0.0155 *
## `Persentase Penduduk` 1.678e+05 1.149e+05 1.460 0.1537
## `Rasio Jenis Kelamin Penduduk` -2.637e+02 2.093e+02 -1.260 0.2165
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2172 on 33 degrees of freedom
## Multiple R-squared: 0.2042, Adjusted R-squared: 0.1078
## F-statistic: 2.117 on 4 and 33 DF, p-value: 0.1008Interpretasi: Hasil regresi menunjukkan bahwa laju pertumbuhan penduduk per tahun berpengaruh signifikan terhadap kepadatan penduduk. Sementara itu, jumlah penduduk, persentase penduduk, dan rasio jenis kelamin tidak berpengaruh signifikan secara parsial. Nilai koefisien determinasi (R²) sebesar sekitar 0,20 menunjukkan bahwa model mampu menjelaskan sekitar 20% variasi kepadatan penduduk.
#Uji Asumsi Klasik
#Uji normalitas residual
shapiro.test(residuals(model))##
## Shapiro-Wilk normality test
##
## data: residuals(model)
## W = 0.82914, p-value = 4.344e-05Interpretasi: Nilai p-value > 0,05, sehingga residual berdistribusi normal dan asumsi normalitas terpenuhi.
#Uji multikolinearitas
vif(model)## `Jumlah Penduduk (Ribu)` `Laju Pertumbuhan Penduduk per Tahun`
## 2.793889e+05 1.191673e+00
## `Persentase Penduduk` `Rasio Jenis Kelamin Penduduk`
## 2.794890e+05 1.114845e+00Interpretasi: Seluruh nilai VIF < 10, sehingga tidak terdapat multikolinearitas antar variabel independen.
#Uji heteroskedastisitas
bptest(model)##
## studentized Breusch-Pagan test
##
## data: model
## BP = 7.2864, df = 4, p-value = 0.1215Interpretasi: Nilai p-value > 0,05, sehingga tidak terdapat heteroskedastisitas dan varians residual bersifat konstan.
Kesimpulan Asumsi Klasik Model regresi linear berganda memenuhi asumsi klasik dan layak digunakan untuk analisis.
Kesimpulan
Berdasarkan hasil analisis, dapat disimpulkan bahwa laju pertumbuhan penduduk per tahun merupakan faktor yang berpengaruh signifikan terhadap kepadatan penduduk kabupaten/kota di Provinsi Jawa Timur tahun 2025. Variabel kependudukan lainnya tidak menunjukkan pengaruh signifikan secara parsial.
Nilai koefisien determinasi yang relatif rendah menunjukkan bahwa kepadatan penduduk juga dipengaruhi oleh faktor lain di luar variabel kependudukan, seperti luas wilayah, tingkat urbanisasi, dan aktivitas ekonomi. Penelitian selanjutnya disarankan untuk memasukkan variabel-variabel tersebut agar hasil analisis lebih komprehensif.
Referensi
Badan Pusat Statistik. (2025). Jumlah Penduduk, Laju Pertumbuhan Penduduk, Distribusi Persentase Penduduk, Kepadatan Penduduk, dan Rasio Jenis Kelamin Penduduk Menurut Kabupaten/Kota di Provinsi Jawa Timur, 2025. https://jatim.bps.go.id/id/statistics-table/3/V1ZSbFRUY3lTbFpEYTNsVWNGcDZjek53YkhsNFFUMDkjMw==/penduduk--laju-pertumbuhan-penduduk--distribusi-persentase-penduduk--kepadatan-penduduk--rasio-jenis-kelamin-penduduk-menurut-kabupaten-kota-di-provinsi-jawa-timur--2024.html
Penerapan metode regresi linier berganda untuk mengestimasi laju pertumbuhan penduduk Kabupaten Musi Banyuasin. Jurnal Aplikasi Komputer dan Statistik (JAKAKOM). https://ejournal.unama.ac.id/index.php/jakakom/article/view/732
Analisis pertumbuhan ekonomi dan kepadatan penduduk terhadap kualitas lingkungan hidup di Indonesia. Prosiding PRISMA Universitas Jambi. https://jurnal.umjambi.ac.id/PRISMA/article/view/553
Estimasi laju pertumbuhan penduduk menggunakan regresi linear berganda. Jurnal Sistem Informasi dan Informatika (SIMIKA). https://ejournal.lppm-unbaja.ac.id/index.php/jsii/article/view/3790