BAB I PENDAHULUAN

1.1 Latar Belakang

Pengeluaran rumah tangga merupakan salah satu indikator penting dalam menggambarkan kondisi ekonomi masyarakat. Besarnya pengeluaran rumah tangga umumnya dipengaruhi oleh tingkat pendapatan yang diterima oleh rumah tangga tersebut. Semakin tinggi pendapatan yang diperoleh, maka kecenderungan pengeluaran rumah tangga juga akan meningkat untuk memenuhi berbagai kebutuhan hidup.

Dalam ilmu statistika, hubungan antara dua variabel dapat dianalisis menggunakan metode regresi linier sederhana. Regresi linier sederhana digunakan untuk mengetahui hubungan antara satu variabel independen dan satu variabel dependen serta untuk memodelkan pengaruh variabel independen terhadap variabel dependen.

Pada penelitian ini, variabel yang digunakan adalah pendapatan rumah tangga sebagai variabel independen (X) dan pengeluaran rumah tangga sebagai variabel dependen (Y). Analisis dilakukan untuk mengetahui apakah terdapat hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga serta untuk membentuk model regresi yang dapat menggambarkan hubungan tersebut.

Dengan menggunakan metode regresi linier sederhana, diharapkan dapat diperoleh gambaran mengenai pengaruh pendapatan rumah tangga terhadap pengeluaran rumah tangga serta model matematis yang dapat menjelaskan hubungan antara kedua variabel tersebut.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, maka rumusan masalah dalam penelitian ini adalah:

Bagaimana hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga?
Bagaimana model regresi linier sederhana yang terbentuk antara pendapatan rumah tangga dan pengeluaran rumah tangga?

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah:

Mengetahui hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga.
Menentukan model regresi linier sederhana antara pendapatan rumah tangga dan pengeluaran rumah tangga.

1.4 Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah sebagai berikut:

Memberikan pemahaman mengenai hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga.
Memberikan contoh penerapan metode regresi linier sederhana dalam analisis data ekonomi rumah tangga.
Menambah wawasan mengenai penggunaan perangkat lunak R dalam analisis data statistika.

BAB II TINJAUAN PUSTAKA

2.1 Regresi Linier Sederhana

Regresi linier sederhana merupakan salah satu metode analisis statistik yang digunakan untuk mengetahui hubungan antara satu variabel independen dan satu variabel dependen. Metode ini digunakan untuk memodelkan hubungan linear antara kedua variabel tersebut serta untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen.

Menurut Montgomery, Peck, dan Vining (2012), regresi linier sederhana bertujuan untuk membentuk suatu persamaan matematis yang dapat menggambarkan hubungan antara variabel bebas dan variabel terikat. Persamaan tersebut dapat digunakan untuk melakukan prediksi terhadap nilai variabel dependen berdasarkan nilai variabel independen.

2.2 Model Regresi Linier Sederhana

Model regresi linier sederhana dapat dinyatakan sebagai berikut:

\[ y = \beta_0 + \beta_1 X + \epsilon \] dengan:

\(y\) = variabel dependen
\(X\) = variabel independen
\(\beta_0\) = intercept atau konstanta
\(\beta_1\) = koefisien regresi
\(\epsilon\) = error atau galat

2.3 Estimasi Parameter

Parameter dalam model regresi linier sederhana umumnya diestimasi menggunakan metode Ordinary Least Squares (OLS). Metode OLS bertujuan untuk memperoleh nilai parameter yang meminimalkan jumlah kuadrat dari selisih antara nilai observasi dengan nilai prediksi dari model regresi.

Dengan metode ini, diperoleh estimasi parameter \(\beta_0\) dan \(\beta_1\) yang menghasilkan garis regresi terbaik yang menggambarkan hubungan antara variabel independen dan variabel dependen.

2.4 Asumsi dalam Regresi Linear

Dalam analisis regresi linier terdapat beberapa asumsi yang harus dipenuhi agar model yang dihasilkan dapat digunakan secara valid. Beberapa asumsi tersebut antara lain:

Normalitas Residual Residual dari model regresi diharapkan berdistribusi normal.
Tidak terjadi Autokorelasi Residual antar pengamatan tidak saling berkorelasi.
Homoskedastisitas Variansi residual bersifat konstan pada setiap nilai variabel independen.

Pemenuhan asumsi-asumsi tersebut penting untuk memastikan bahwa model regresi yang diperoleh dapat memberikan hasil estimasi yang tidak bias dan efisien.

BAB III METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam penelitian ini merupakan data mengenai pendapatan rumah tangga dan pengeluaran rumah tangga yang dinyatakan dalam satuan juta rupiah. Data tersebut terdiri dari beberapa pengamatan yang menunjukkan hubungan antara pendapatan rumah tangga sebagai variabel independen dan pengeluaran rumah tangga sebagai variabel dependen.

Data yang digunakan dalam penelitian ini diolah menggunakan perangkat lunak R melalui RStudio dengan menggunakan pendekatan analisis regresi linier sederhana.

## # A tibble: 6 × 2
##   `Pendapatan Rumah Tangga (dalam juta rupiah)` Pengeluaran Rumah Tangga (dala…¹
##                                           <dbl>                            <dbl>
## 1                                          5                                12.8
## 2                                          5.56                             13.8
## 3                                          6.12                             15.9
## 4                                          6.68                             18.2
## 5                                          7.23                             17.8
## 6                                          7.79                             19.2
## # ℹ abbreviated name: ¹`Pengeluaran Rumah Tangga (dalam juat rupiah)`

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini terdiri dari dua variabel, yaitu:

\(X\) = Pendapatan Rumah Tangga (variabel independen)

\(Y\) = Pengeluaran Rumah Tangga (variabel dependen)

Variabel pendapatan rumah tangga digunakan untuk menjelaskan atau memprediksi perubahan pada variabel pengeluaran rumah tangga.

3.3 Metode Analisis

Metode analisis yang digunakan dalam penelitian ini adalah regresi linier sederhana. Analisis regresi linier sederhana digunakan untuk mengetahui hubungan antara variabel independen dan variabel dependen serta untuk membentuk model regresi yang menggambarkan hubungan antara kedua variabel tersebut.

Model regresi linier sederhana dapat dinyatakan dalam bentuk:

\[ y = \beta_0 + \beta_1 X + \epsilon \]

di mana:

\(y\) = variabel dependen

\(X\) = variabel independen

\(\beta_0\) = intercept atau konstanta

\(\beta_1\) = koefisien regresi

\(\epsilon\) = error atau galat

3.4 Langkah-langkah Analisis Data

Langkah-langkah analisis data dalam penelitian ini adalah sebagai berikut:

Mengimpor data ke dalam perangkat lunak R.
Melakukan analisis deskriptif untuk melihat karakteristik data.
Membentuk model regresi linier sederhana.
Melakukan pengujian asumsi regresi, yaitu uji linearitas, uji normalitas residual, uji heteroskedastisitas dan uji autokorelasi.
Melakukan Uji t , Uji F, dan Koefisien Determinasi
Membuat visualisasi hubungan antara variabel pendapatan dan pengeluaran menggunakan scatterplot.

BAB IV HASIL DAN PEMMBAHASAN

4.1 Analisis Deskriptif

summary(data_saya)

##  Pendapatan Rumah Tangga (dalam juta rupiah)
##  Min.   : 5.000                             
##  1st Qu.: 9.051                             
##  Median :13.102                             
##  Mean   :13.102                             
##  3rd Qu.:17.153                             
##  Max.   :21.203                             
##  Pengeluaran Rumah Tangga (dalam juat rupiah)
##  Min.   :12.83                               
##  1st Qu.:23.14                               
##  Median :30.88                               
##  Mean   :31.87                               
##  3rd Qu.:42.87                               
##  Max.   :51.97

Berdasarkan hasil analisis deskriptif menggunakan fungsi summary() pada perangkat lunak R, diperoleh informasi mengenai karakteristik data pendapatan rumah tangga dan pengeluaran rumah tangga.

Untuk variabel pendapatan rumah tangga, nilai minimum yang diperoleh adalah sebesar 5 juta rupiah, sedangkan nilai maksimum sebesar 21,203 juta rupiah. Nilai kuartil pertama (Q1) sebesar 9,051 juta rupiah, median sebesar 13,102 juta rupiah, dan kuartil ketiga (Q3) sebesar 17,153 juta rupiah. Rata-rata pendapatan rumah tangga dalam data tersebut adalah sebesar 13,102 juta rupiah.

Sementara itu, untuk variabel pengeluaran rumah tangga, nilai minimum yang diperoleh adalah sebesar 12,83 juta rupiah, sedangkan nilai maksimum sebesar 51,97 juta rupiah. Nilai kuartil pertama (Q1) sebesar 23,14 juta rupiah, median sebesar 30,88 juta rupiah, dan kuartil ketiga (Q3) sebesar 42,87 juta rupiah. Rata-rata pengeluaran rumah tangga adalah sebesar 31,87 juta rupiah.

Berdasarkan hasil tersebut dapat diketahui bahwa secara umum nilai pengeluaran rumah tangga lebih besar dibandingkan dengan pendapatan rumah tangga pada data yang digunakan. Selain itu, nilai rata-rata dan median yang relatif berdekatan menunjukkan bahwa distribusi data tidak terlalu menyimpang.

4.2 Estimasi Model Regresi

Model regresi linier sederhana digunakan untuk mengetahui hubungan antara pendapatan rumah tangga sebagai variabel independen dan pengeluaran rumah tangga sebagai variabel dependen.

names(data_saya) <- c("pendapatan","pengeluaran")

model <- lm(pengeluaran ~ pendapatan, data = data_saya)
summary(model)

## 
## Call:
## lm(formula = pengeluaran ~ pendapatan, data = data_saya)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.9788 -0.7365 -0.3147  1.3374  6.4367 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  1.27335    1.23263   1.033     0.31    
## pendapatan   2.33569    0.08826  26.464   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.338 on 28 degrees of freedom
## Multiple R-squared:  0.9616, Adjusted R-squared:  0.9602 
## F-statistic: 700.3 on 1 and 28 DF,  p-value: < 2.2e-16

Berdasarkan hasil analisis regresi linier sederhana menggunakan perangkat lunak R, diperoleh output estimasi parameter seperti yang ditampilkan pada hasil summary(model).

Hasil estimasi menunjukkan bahwa nilai intercept (\(\beta_0\)) sebesar 1.27335, sedangkan nilai koefisien regresi pendapatan (\(\beta_1\)) sebesar 2.33569. Berdasarkan nilai tersebut diperoleh persamaan regresi linier sederhana sebagai berikut:

\[ \hat{Y} = 1.27335 + 2.33569X \] dengan:

\(Y\) = pengeluaran rumah tangga
\(X\) = pendapatan rumah tangga
\(\beta_0\) = intercept atau konstanta
\(\beta_1\) = koefisien regresi

Konstanta (Intercept) sebesar 1.27335 menunjukkan bahwa ketika pendapatan rumah tangga bernilai nol, maka pengeluaran rumah tangga diperkirakan sebesar 1.27335 juta rupiah.

Koefisien regresi pendapatan sebesar 2.33569 menunjukkan bahwa setiap peningkatan pendapatan rumah tangga sebesar 1 juta rupiah akan meningkatkan pengeluaran rumah tangga sebesar 2.33569 juta rupiah.

Selain itu, nilai p-value pada variabel pendapatan sebesar < 2e-16, yang lebih kecil dari tingkat signifikansi 0.05, sehingga dapat disimpulkan bahwa pendapatan rumah tangga berpengaruh signifikan terhadap pengeluaran rumah tangga.

Nilai koefisien determinasi (R²) sebesar 0.9616 menunjukkan bahwa 96.16% variasi pengeluaran rumah tangga dapat dijelaskan oleh variabel pendapatan rumah tangga, sedangkan sisanya 3.84% dijelaskan oleh faktor lain di luar model.

Nilai F-statistic sebesar 700.3 dengan p-value < 2.2e-16 menunjukkan bahwa model regresi yang digunakan secara keseluruhan signifikan dalam menjelaskan hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga.

4.3 Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk memastikan bahwa model regresi yang diperoleh memenuhi asumsi dasar regresi linier sehingga model yang dihasilkan dapat digunakan dengan baik.

4.3.1 Uji Linearitas

Uji linearitas dilakukan untuk mengetahui apakah hubungan antara variabel pendapatan rumah tangga dan pengeluaran rumah tangga bersifat linear.

names(data_saya)

## [1] "pendapatan"  "pengeluaran"

plot(data_saya$pendapatan, data_saya$pengeluaran,
     main="Scatterplot Pendapatan vs Pengeluaran",
     xlab="Pendapatan Rumah Tangga",
     ylab="Pengeluaran Rumah Tangga",
     pch=19, col="steelblue")

abline(model, col="red")

Berdasarkan scatterplot yang diperoleh, terlihat bahwa pola hubungan antara variabel pendapatan rumah tangga dan pengeluaran rumah tangga membentuk pola garis lurus yang meningkat. Hal ini menunjukkan bahwa hubungan antara kedua variabel bersifat linear.

4.3.2 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah residual dari model regresi berdistribusi normal.

error <- model$residuals
ks.test(error,"pnorm",mean(error),sqrt(var(error)))

## 
##  Exact one-sample Kolmogorov-Smirnov test
## 
## data:  error
## D = 0.13684, p-value = 0.5808
## alternative hypothesis: two-sided

Berdasarkan hasil pengujian diperoleh nilai p-value sebesar 0.5808. Karena nilai p-value lebih besar dari tingkat signifikansi 0.05, maka dapat disimpulkan bahwa residual berdistribusi normal.

4.3.3 Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk mengetahui apakah terdapat ketidaksamaan varians residual dalam model regresi.

plot(model$fitted.values, model$residuals,
     xlab="Nilai Prediksi",
     ylab="Residual",
     main="Scatterplot Residual")
abline(h=0,col="red")

Berdasarkan grafik scatterplot residual, terlihat bahwa titik-titik residual menyebar secara acak di sekitar garis nol dan tidak membentuk pola tertentu. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi.

4.3.4 Uji Autokorelasi

Uji autokorelasi dilakukan untuk mengetahui apakah terdapat korelasi antara residual pada model regresi.

library(lmtest)

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

dwtest(model)

## 
##  Durbin-Watson test
## 
## data:  model
## DW = 2.4629, p-value = 0.8644
## alternative hypothesis: true autocorrelation is greater than 0

Hasil uji Durbin-Watson menunjukkan nilai DW sebesar 2.4629 dengan p-value sebesar 0.8644. Karena nilai p-value lebih besar dari 0.05 yaitu 0.8644, maka dapat disimpulkan bahwa tidak terdapat autokorelasi pada model regresi.

4.4 Uji F (Signifikasi Model)

Uji F digunakan untuk mengetahui apakah model regresi yang digunakan secara keseluruhan memiliki pengaruh yang signifikan terhadap variabel dependen.

summary(model)$fstatistic

##    value    numdf    dendf 
## 700.3231   1.0000  28.0000

Berdasarkan hasil perhitungan menggunakan perangkat lunak R diperoleh nilai F-statistic sebesar 700.3231 dengan derajat kebebasan pembilang (numdf) sebesar 1 dan derajat kebebasan penyebut (dendf) sebesar 28.

Nilai F yang sangat besar menunjukkan bahwa model regresi yang dibentuk memiliki kemampuan yang baik dalam menjelaskan hubungan antara variabel independen dan variabel dependen.

Berdasarkan hasil output sebelumnya pada fungsi summary(model), diperoleh p-value < 2.2e-16 yang lebih kecil dari tingkat signifikansi 0.05. Oleh karena itu, H₀ ditolak, sehingga dapat disimpulkan bahwa model regresi linier sederhana yang digunakan signifikan secara statistik.

Dengan demikian, variabel pendapatan rumah tangga secara bersama-sama berpengaruh terhadap pengeluaran rumah tangga, sehingga model regresi yang digunakan layak untuk menjelaskan hubungan antara kedua variabel tersebut.

4.5 Uji T (Signifikansi Parameter)

Uji T digunakan untuk mengetahui apakah variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.

coef(summary(model))

##             Estimate Std. Error   t value     Pr(>|t|)
## (Intercept) 1.273349 1.23262779  1.033036 3.104276e-01
## pendapatan  2.335693 0.08826052 26.463619 2.344741e-21

Berdasarkan hasil analisis regresi menggunakan perangkat lunak R diperoleh nilai t-statistic untuk variabel pendapatan sebesar 26.4636 dengan p-value sebesar 2.344741e-21.

Karena nilai p-value lebih kecil dari tingkat signifikansi 0.05, maka H₀ ditolak. Hal ini menunjukkan bahwa variabel pendapatan rumah tangga berpengaruh signifikan terhadap pengeluaran rumah tangga.

Selain itu, nilai koefisien regresi pendapatan sebesar 2.335693 menunjukkan bahwa setiap peningkatan pendapatan rumah tangga sebesar 1 juta rupiah akan meningkatkan pengeluaran rumah tangga sebesar 2.335693 juta rupiah, dengan asumsi variabel lain dianggap konstan.

Sementara itu, nilai intercept sebesar 1.273349 memiliki p-value sebesar 0.3104 yang lebih besar dari tingkat signifikansi 0.05, sehingga konstanta tersebut tidak signifikan secara statistik. Namun demikian, konstanta tetap digunakan dalam pembentukan model regresi.

Dengan demikian dapat disimpulkan bahwa variabel pendapatan rumah tangga memiliki pengaruh yang signifikan terhadap pengeluaran rumah tangga dalam model regresi yang digunakan.

4.6 Koefisien Determinasi

summary(model)$r.squared

## [1] 0.9615555

summary(model)$adj.r.squared

## [1] 0.9601825

Koefisien determinasi digunakan untuk mengetahui seberapa besar kemampuan variabel independen dalam menjelaskan variasi variabel dependen.

Berdasarkan hasil analisis diperoleh nilai R² sebesar 0.9616. Hal ini menunjukkan bahwa 96.16% variasi pengeluaran rumah tangga dapat dijelaskan oleh variabel pendapatan rumah tangga dalam model regresi.

Sementara itu, 3.84% sisanya dijelaskan oleh faktor lain di luar model yang tidak dimasukkan dalam penelitian ini.

Nilai Adjusted R² digunakan untuk menyesuaikan nilai R² terhadap jumlah variabel dalam model. Karena model regresi yang digunakan hanya memiliki satu variabel independen, maka nilai Adjusted R² tidak berbeda jauh dengan nilai R².

4.7 Plot Model Regresi

par(mfrow=c(1,2))

# Scatterplot Pendapatan vs Pengeluaran
plot(data_saya$pendapatan, data_saya$pengeluaran,
     xlab="Pendapatan Rumah Tangga",
     ylab="Pengeluaran Rumah Tangga",
     main="Pengeluaran vs Pendapatan",
     pch=16)

abline(model, col="red")

# Plot Residual
plot(model$fitted.values, model$residuals,
     xlab="Nilai Prediksi",
     ylab="Residual",
     main="Plot Residual",
     pch=16)

abline(h=0,col="red")

Berdasarkan grafik scatterplot antara pendapatan rumah tangga dan pengeluaran rumah tangga, terlihat bahwa titik-titik data membentuk pola yang cenderung meningkat dari kiri bawah ke kanan atas. Hal ini menunjukkan bahwa terdapat hubungan positif antara pendapatan rumah tangga dan pengeluaran rumah tangga. Artinya, semakin tinggi pendapatan rumah tangga maka pengeluaran rumah tangga juga cenderung meningkat.

Selain itu, garis regresi yang ditampilkan pada grafik menunjukkan bahwa model regresi linier sederhana yang digunakan mampu menggambarkan hubungan antara kedua variabel dengan cukup baik, karena sebagian besar titik data berada di sekitar garis regresi.

Pada plot residual, terlihat bahwa titik-titik residual menyebar secara acak di sekitar garis nol dan tidak membentuk pola tertentu. Hal ini menunjukkan bahwa model regresi yang digunakan telah memenuhi asumsi homoskedastisitas, yaitu variansi residual yang relatif konstan pada setiap nilai prediksi.

Dengan demikian, berdasarkan kedua grafik tersebut dapat disimpulkan bahwa model regresi linier sederhana yang digunakan sudah cukup baik dalam menggambarkan hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga, serta tidak menunjukkan adanya pelanggaran asumsi dasar regresi yang signifikan.

BAB V PENUTUP

5.1 Kesimpulan

Berdasarkan hasil analisis regresi linier sederhana yang telah dilakukan terhadap data pendapatan rumah tangga dan pengeluaran rumah tangga, dapat diperoleh beberapa kesimpulan sebagai berikut:

Hasil analisis menunjukkan bahwa terdapat hubungan positif antara pendapatan rumah tangga dan pengeluaran rumah tangga. Hal ini berarti bahwa semakin tinggi pendapatan rumah tangga maka pengeluaran rumah tangga juga cenderung meningkat.
Model regresi linier sederhana yang diperoleh adalah:

\[ \hat{Y} = 1.27335 + 2.33569X \]

yang menunjukkan bahwa setiap kenaikan pendapatan rumah tangga sebesar 1 juta rupiah akan meningkatkan pengeluaran rumah tangga sebesar 2.33569 juta rupiah.

Berdasarkan hasil uji F, model regresi yang digunakan terbukti signifikan secara statistik, sehingga model regresi tersebut layak digunakan untuk menjelaskan hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga.
Hasil uji t menunjukkan bahwa variabel pendapatan rumah tangga memiliki pengaruh yang signifikan terhadap pengeluaran rumah tangga, karena nilai p-value lebih kecil dari tingkat signifikansi 0.05.
Nilai koefisien determinasi (R²) sebesar 0.9616 menunjukkan bahwa 96.16% variasi pengeluaran rumah tangga dapat dijelaskan oleh variabel pendapatan rumah tangga, sedangkan sisanya dijelaskan oleh faktor lain di luar model yang tidak dimasukkan dalam penelitian.
Berdasarkan hasil uji asumsi klasik, model regresi yang digunakan telah memenuhi asumsi dasar regresi, yaitu residual berdistribusi normal, tidak terdapat autokorelasi, serta tidak terjadi heteroskedastisitas.

Dengan demikian dapat disimpulkan bahwa model regresi linier sederhana yang digunakan sudah cukup baik dalam menjelaskan hubungan antara pendapatan rumah tangga dan pengeluaran rumah tangga.

5.2 Saran

Berdasarkan hasil penelitian yang telah dilakukan, terdapat beberapa saran yang dapat diberikan sebagai berikut:

Penelitian selanjutnya disarankan untuk menambahkan variabel lain yang dapat mempengaruhi pengeluaran rumah tangga, seperti jumlah anggota keluarga, tingkat pendidikan, maupun kebutuhan konsumsi, sehingga model regresi yang dihasilkan dapat menjelaskan variasi pengeluaran rumah tangga secara lebih komprehensif.
Penelitian selanjutnya juga dapat menggunakan jumlah data yang lebih banyak agar hasil analisis yang diperoleh menjadi lebih akurat dan representatif dalam menggambarkan kondisi sebenarnya.
Selain itu, metode analisis yang digunakan dapat dikembangkan menggunakan regresi linier berganda sehingga dapat menganalisis pengaruh beberapa variabel independen secara simultan terhadap pengeluaran rumah tangga.
Bagi peneliti selanjutnya, disarankan untuk melakukan pengujian model yang lebih lengkap, seperti pengujian asumsi klasik yang lebih mendalam, agar model regresi yang diperoleh benar-benar memenuhi asumsi yang diperlukan.

TUGAS 1 KOMLAN: Analisis Pengaruh Pendapatan Rumah Tangga terhadap Pengeluaran Rumah Tangga Menggunakan Regresi Linier Sederhana

Hanif Rahmawati (24050123140187)

2026-03-06