MAP

A. Latar Belakang
Pada dasarnya kota tidak akan lepas dari kehidupan masyarakat. Dimana dalam sebuah kehidupan, masyarakat harus melakukan berbagai aktifitas untuk bertahan hidup. Untuk bertahan hidup, manusia memerlukan kebutuhan hidup yang paling pokok. Yaitu sandang, pangan, dan papan. Yang artinya adalah setiap manusia sangatlah memerlukan pakaian untuk menutupi bagian tubuhnya, makanan untuk mengisi perutnya dan untuk melakukan aktifitas, dan juga rumah untuk ditinggali.
Dari berbagai kebutuhan tersebut, kota haruslah memenuhi semua itu, agar masyarakat yang ada di kota tersebut dapat bertahan hidup, dan juga hidup dengan damai. Sedangkan jumlah penduduk di sauatu kota selalu meningkat tajam, bahkan percepatannyapun kian waktu kian bertambah. Seiring dengan bertambahnya jumlah penduduk, maka bertambah pula kebutuhan.
Utamanya semakin bertambah jumlah penduduk, semakin bertambah pula jumlah kebutuhan akan perumahan dan pemukiman. Sedangkan perumahan dan pemukiman sangatlah bergantung dengan lahan yang ada di muka bumi ini. Padahal lahan yang ada di muka bumi ini tidak akan mengalami perubahan. Baik itu bertambah, maupun berkurang.
Sehingga kami mencoba mengaplikasikan ilmu yang kami dapat di bangku kuliah Metode Analisis Perencanaan untuk menganalisis kebutuhan akan perumahan danpemukiman di Kabupaten Karanganyar yang notabene kontur tanah yang ada di Kabupaten Karanganyar merupakan tanah yang tidak rata. Sehingga sulit digunakan bahkan berbahaya jika digunakan untuk perumahan, pemukiman, dan kegiatan masyarakat sehari-hari. Padahal pertumbuhan penduduk kian waktu, kian meningkat. Selain pertumbuhan penduduk, masalah lain adalah berkembangnya berbagai pabrik-pabrik, memakan lahan yang tidak sedikit. Hal ini menyebabkan menurunnya jatah lahan untuk perumahan dan pemukiman.





B. Rumusan Masalah
Apakah ketersediaan perumahan mampu memenuhi kebutuhan masyarakat yang relatif meningkat setiap tahunnya?
C. Tujuan
Mengetahui perbandingan jumlah pertumbuhan penduduk terhadap ketersediaan perumahan.
Mengetahui rumus proyeksi terhadap kedua variabel tersebut menggunakan analisis regresi

D. Batasan Variabel
1.1. Dalam hal ini kami hanya:
2. Kami menggunakan data kependudukan tahun 2003-2007.
3. Kami menggunakan data jumlah rumah tahun 2003-2007.
Kami hanya melakukan proyeksi dan analisis jumlah penduduk dan jumlah rumah yang ada di Kabupaten Karanganyar secara menyeluruh. Tanpa membagi-bagi tiap kecamatan. Kami juga mengabaikan hal-hal lain yang dapat mempengarui kedua variable tersebut seperti migrasi, daya tarik, jumlah Pabrik, dll.
E. Metode Analisis
1. Metode Eksponensial
Metode eksponensial kami gunakan untuk memproyeksikan data penduduk beberapa tahun kedepan. Agar kita mengetahui data jumlah penduduk di masa yang akan datang dengan melihat data data yang ada yaitu data tahun 2003-2007.
Rumus metode eksponensial:

Ket:
Pn : tahun proyeksi
P0 : tahun awal
r : angka pertumbuhan penduduk
n : selisih tahun awal dan tahun proyeksi

Dalam metode proyeksi eksponensial, didapatkan proyeksi penduduk yang bisa dilihat dalam jangka per tahun, maupun per lima tahunan atau pun per kurun waktu tertentu.

2. Analisis Regresi
3.1. Pengertian Regresi
Untuk mengukur besarnya pengeruh variabel bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan menggunakan variabel bebas. Gujarati (2006) mendefinisikan analaisis regresi sebagai kajian terhadap satu variabel yang disebut dengan variabel yang diterangkan (the explained Variable) dengan satu atau dua variabel yang menerangkan (the explanatory). Jika variabel bebas lebih dari satu maka analisis regresinya disebut analisis regresi berganda. Disebut beganda karena pengeruh beberapa variabel bebas akan dikenakan pada variabel tergantung.
3.2. Tujuan
• Tujuan dari analisis regresi adalah membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan dengan nilai variabel bebas.
• Menguji hipotesis karakteristik depensi
• Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkauan sampel.
3.3. Asumsi
Penggunaan regresi linear sederhana didasarkan pada asumsi diantaranya sebagai berikut:
a. Model regresi harus linear dalam parameter
b. Variabel bebas tidak berkorelasi dengan disturbance term (Error)
c. Nilai disturbance term sebesar 0atau denga symbol sebagai berikut: (E(U/X))=0varian untuk masing-masing error term (kesalahan) konstan.
d. Tidak terjadi otokorelasi
e. Model regresi dispesifikasi secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.
f. Jika variabel bebas lebih dari satu maka antara variabel bebas (expalanatory) tidak ada hubungan linear yang nyata.
3.4. Persyaratan Penggunaan Model Regresi
Model kelayakan regresi linear didasarkan pada hal-hal sebagai berikut:
a. Model regresi dikatakan layak juka angka signifikansi pada ANOVA sebesar < 0.05 b. Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka standard of estimate < standard deviation. c. Koefisien regresi harus signifikan. Penguji dilakukan dengan uji T.koefisien regresi signifkan jika T hitung > T tabel (nilai kritis)
d. Tidak boleh terjadi multi kolieneritas, artinya tidak bolleh terjadi korelasi yang amat tinggi atau sangat rendah antar variabel bebas . syarat ini hanya berlaku untuk regresi linear berganda dengan variabel bebas lebih dari satu.
e. Tidak terjadi otokorelasi. Terjdi otokorelasi jika Durbin dan Watson (DB) sebesar <1 dan >3
f. Keselarasan model regresi dapat diterangkan dengan menggunakan nilai r2 semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r2 mempunyai karakteristik diantaranya:
1) Selalu positif
2) Nilai r2 maksimal sebesar 1. Jika nilai r2 sama dengan 1 akan mempunyai kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapatn diterangkan dalam model regresi. Sebaiknya jika r2 sama dengan 0 maka tidak ada lagi hubungan antara X dan Y.
g. Terdapat hubungan linear antar variabel bebas (X) dan variabel tergantung (Y).
h. Data harus berdistribusi normal.
i. Data berskala interval atau rasio.
j. Kedua variabel bersifat dependen. Artinya satu variabel merupakan variabel bebas (disebut juga sebagai variabel predictor) sedang variabel lainnya tergantung ( disebut juga sebagai variabel response)