Bab 10

Korelasi dan Regresi Ganda

-----------------------------------------------------------------------------Bab 10
------------------------------------------------------------------------------

Bab 10
KORELASI DAN REGRESI GANDA
A. Pendahuluan
1. Koefisien Korelasi

• Ada berbagai macam koefisien korelasi
bergantung kepada skala data dan kepada
banyaknya variabel
• Korelasi di antara dua variabel dikenal sebagai
korelasi sederhana (linier dan taklinier)
• Korelasi di antara lebih dari dua variabel
dikenal sebagai korelasi ganda (linier dan
taklinier)
• Hanya korelasi linier yang dibahas di sini

-----------------------------------------------------------------------------Bab 10
------------------------------------------------------------------------------

2. Koefisien Korelasi Sederhana
Ada beberapa koefisien korelasi sederhana
bergantung kepada jenis skala data

dikotomi
murni
dikotomi
Murni
dikotomi
buatan
kontinum
intervak

dikotomi
buatan

koefisien
phi

kontinum
interval

peringkat

biserial
titik
tetrakorik

biserial

Pearson
Spearman

Peringkat
Kendall

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 3. X2. X3. Korelasi dan Regresi Ganda • Satu variabel dependen Y dengan dua atau lebih variabel independen X1. … • Korelasi ganda yang linier dapat dinyatakan dalam bentuk regresi linier Y = a + b1X1 + b2X2 + b3X3 + … +b12X1X2 + b13X1X3 + … (interaksi) + keliru • Di sini hanya dibahas bentuk lebih sederhana tanpa interaksi berupa Y = a + b1X1 + b2X2 + b3X3 + … + keliru Ŷ = a + b1X1 + b2X2 + b3X3 + … • Pembahasan dibatasi sampai tiga variabel independen saja .

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4. Model Struktural Korelasi linier sederhana X Y Ŷ = a + bX Korelasi linier dengan dua variabel independen Korelasi parsial X1 Y X2 Korelasi ganda Ŷ = a + b1X1 + b2X2 .

2 = koefisien korelasi parsial di antara X1 dan Y dengan X2 netral ry2.1 = koefisien korelasi parsial di antara X2 dan Y dengan X1 netral Koefisien korelasi ganda (sampel) Ry. X2 dinyatakan sebagai 2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Koefisien korelasi parsial (sampel) ry1. Y dinyatakan sebagai y .12 = koefisien korelasi ganda di antara X1 dan X2 dengan Y pada komposisi terbaik (keliru atau residu terkecil) Catatan: X1 dinyatakan sebagai 1.

-----------------------------------------------------------------------------Bab 10
------------------------------------------------------------------------------

Korelasi linier dengan tiga variabel independen X1, X2,
dan X3

X1
X2
X3

ry1.23
ry2.31

Y

ry3.12
Ry.123

Ŷ = a + b1X1 + b2X2 + b3X3
Koefisien korelasi parsial: ry1.23, ry2.31, ry3.12
Koefisien korelasi ganda: Ry.123

-----------------------------------------------------------------------------Bab 10
------------------------------------------------------------------------------

Koefisien korelasi parsial (sampel)
ry1.23 = koefisien korelasi parsial di antara X1 dan Y
dengan X2 dan X3 netral
ry2.31 = koefisien korelasi parsial di antara X2 dan Y
dengan X3 dan X1 netral
ry3.12 = koefisien korelasi parsial di antara X3 dan Y
dengan X1 dan X2 netral
Koefisien korelasi ganda (sampel)
Ry.123 = koefisien korelasi ganda di antara X1, X2,
dan X3 dengan Y pada komposisi terbaik
(keliru atau residu terkecil)

-----------------------------------------------------------------------------Bab 10
------------------------------------------------------------------------------

B. Korelasi Ganda dengan Dua Variabel Independen
1. Bentuk korelasi
X1

ry1.2
Y

ry2.1
X2

Ry.12

Bentuk regresi
Ŷ = a + b1X1 + b2X2
Koefisien korelasi parsial
ry1.2 = koefisien korelasi y1 dengan 2 netral
ry2.1 = koefisien korelasi y2 dengan 1 netral

Koefisien korelasi ganda
Ry.12 = koefisien korelasi y.12 pada komposisi terbaik (keliru atau residu terkecil)

variabel 2 adalah netral Cara penetralan • Tidak netral X2 Proyeksi X2 berubah panjangnya apabila panjang X2 berubah X2 tidak netral (tidak tegak lurus) . Penetralan variabel Pada ry1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2.2.

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------  Netral Buat bidang tegak lurus pada 2 X2 Proyeksi X2 tidak berubah sekalipun panjang X2 berubah-ubah X2 netral (tegak lurus) .

dibuat bidang yang tegak lurus kepada X2 X1 X2 Y X1’ Y’ Korelasi parsial di antara X1 dengan Y menjadi korelasi parsial di antara X1’ dengan Y ‘ Cara sama untuk koefisien korelasi parsial ry2.1 Agar X2 netral.2 dan ry2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 3.1 . Koefisien korelasi parsial ry1.

dan r12 untuk menghitung koefisien korelasi parsial .1  ry1  ry 2 r12 1  ry22 1  r122 ry 2  ry1r12 1  ry21 1  r122 Diperlukan koefisien korelasi sederhana ry1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Rumus koefisien korelasi parsial ry1. ry2.2  ry 2.

1   ry 2  ry1r12 1  ry21 2 1  r12 0.55 ry 2.40 X1 0.60 2  0.2   ry1  ry 2 r12 1  ry22 2 1  r12 0.30) 1  0.60)(0.40 2 1  0.30 Koefisien korelasi parsial ry1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 1 Dari 40 pasang data ditemukan koefisien korelasi sampel X1 X2 Y 0.60  ( 0.30 2 .40  ( 0.29 1  0.30 2  0.30) 1  0.60 0.40)(0.

2 16 7.7 22 8.2 26 9.5 20 8.3 22 8.5 22 7.2 = ry2.4 Y 36 39 35 43 40 42 49 38 36 44 35 43 37 41 40 Koefisien korelasi parsial ry1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 2 Sampel 15 pasang data adalah sebagai berikut X1 X2 15 7.8 28 12.1 = .3 19 8.1 21 11.4 14 10.2 20 8.8 19 9.1 14 8.0 18 8.

02 0.10 0.9 57.02 0.1 untuk sampel berikut (a) X1 38 46 39 43 32 X2 4 0 5 2 4 Y 31700 27300 35500 30800 25900 (b) X1 0.10 0.9 55.4 85.2 80.7 .2 dan ry2.3 60.18 0.18 X2 1000 1200 1000 1200 1000 1200 Y 78.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 3 Hitunglah koefisien korelasi parsial ry1.

1 > 0 atau < 0 atau ≠ 0 Koefisien korelasi parsial ditransformasi melalui transformasi Fisher Karena itu.1 diuji melalui hipotesis H0 : y1.2 dan y2.1 = 0 H1 : y2. Pengujian Hipotesis pada Koefisien Korelasi Parsial Koefisien korelasi parsial untuk populasi y1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4.2 = 0 H1 : y1.2 > 0 atau < 0 atau ≠ 0 H0 : y2. probabilitas pensampelan menjadi distribusi probabilitas normal dengan kekeliruan baku Z  r 1 n4 .

55  0.2  tanh1 0.2 > 0 Sampel n = 40 ry1.55 transformasi Fisher Z ry1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 4 Dari contoh 1.2 = 0 H1 : y1.05. pada taraf signifikansi 0.2 = 0.618 . uji apakah koefisien korelasi parsial adalah positif Hipotesis H0 : y1.

618   3.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------  Distribusi probabilitas pensampelan DP normal Kekeliruan baku Z 1 1    0.2 Z r y 1.2  Statistik uji z Z ry1.2 0.167 .167 n4 36 ry 1.7 0.

tolak H0 .05.05 Nilai kritis z(0.6499 Terima H0 jika z  1.6499 Tolak H0 jika z > 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi 0.95) = 1.6499 • Keputusn Pada taraf signifikansi 0.

1 = 0.1 = 0 H1 : y2.05. uji apakah koefisien korelasi parsial adalah positif Hipotesis H0 : y2. pada taraf signifikansi 0.29 transformasi Fisher Z ry1.2  tanh1 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 5 Dari contoh 1.1 > 0 Sampel n = 40 ry2.29  .

2 Z r y 1 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------  Distribusi probabilitas pensampelan DP normal Kekeliruan baku Z 1 1    0.167 n4 36 ry 1.2  .2  Statistik uji z Z r y 1 .

.05 Pengujian pada ujung atas Nilai kritis z(0.6499 Terima H0 jika z  1.05.6499 • Keputusn Pada taraf signifikansi 0.95) = 1.6499 Tolak H0 jika z > 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi 0.

1 adalah positif Contoh 8 Dari contoh 3 (b).-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 6 Dari contoh 2.05.2 dan ry2. uji hipotesis bahwa koefisien korelasi parsial ry1.1 adalah positif . pada taraf signifikansi 0. pada taraf signifikansi 0. uji hipotesis bahwa koefisien korelasi parsial ry1.05.05.2 dan ry2. uji hipotesis bahwa koefisien korelasi parsial ry1.2 dan ry2. pada taraf signifikansi 0.1 adalah positif Contoh 7 Dari contoh 3 (a).

diperoleh koefisien untuk menghitung koefisien korelasi ganda • Jika dikehendaki.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ C. Koefisien Korelasi Ganda pada Bentuk dengan Dua Variabel Independen 1. koefisien regresi juga dapat dihitung .12 diperoleh melalui residu (keliru) terkecil • Langkah yang ditempuh adalah mengubah regresi ke dalam bentuk nilai baku • Selanjutnya kita menentukan residu untuk semua data dan dikuadratkan • Melalui residu kuadrat terkecil. Pendahuluan • Koefisien korelasi ganda Ry.

diperoleh b1  b2  ry1  ry 2 r12 1  r122 ry 2  ry1r12 1  r122 . Langkah perhitungan  Regresi ditransformasikan ke nilai baku menjadi zy = b1z1 + b2z2 + residu residu = zy  b1z1  b2z2 = zy  regresi  Jumlah residu kuadrat ΣNi (zy – regresi)2 = ΣNi (zy – b1i z1i – b2iz2i)2  Melalui residu kuadrat minimum.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2.

Koefisien korelasi ganda dan regresi ganda  Koefisien korelasi ganda menjadi Ry.12  b1ry1  b2 ry 2  Regresi ganda menjadi sY sY sY sY ˆ Y  (b1 ) X 1  (b2 ) X 2  (Y  b1 X 1  b2 X2) s1 s2 s1 s2 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 3.

390 2 1  0.22 2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 9 Dari data diperoleh statistik sebagai berikut X1 X2 Y X2 Y Rerata 0.50 Untuk menghitung koefisien koeralsi ganda b1  b2  ry1  ry 2 r12 1  r122 ry 2  ry1r12 1  r122  0.61 Simp baku 10.33  (0.58 0.20 11.45)(0.58)  0.91 0.45  (0.55 0.104 2 1  0.58)  0.58  0.33)(0.58 .33 25.45 63.

005 X 1  0.50  (0.390)(0.47  0.61  (0.20 b2 sY 0.005)(25.46 • Dan regresi ganda Y  b1 b1 sY 0.45)  0.104)(0.47 Yˆ  1.390)  0.005 s1 10.33)  (0.22) s1 s2  1.55)  (0.016 s2 11.91 sY s X 1  b2 Y X 2  2.104)  0.016 X 2 .016)(63.12  b1ry1  b2 ry 2  (0.50  (0.----------------------------------------------------------------------------Bab 10 ----------------------------------------------------------------------------- • Koefisien korelasi ganda menjadi Ry.

hitung koefisien korelasi ganda dan regresi ganda Contoh 12 Dengan data pada contoh 3(b). hitung koefisien korelasi ganda dan regresi ganda Contoh 11 Dengan data pada contoh 3(a). hitung koefisien korelasi ganda dan regresi ganda .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 10 Dengan data pada contoh 2.

y. B = n – k – 1 n = banyaknya data k = banyaknya variabel independen .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4.12 = 0 H1 .12 > 0 Distribusi probabilitas pensampelan adalah distribusi probabilitas F Fisher-Snedecor R2 k F 1 R2 n  k 1 Derajat kebebasan atas A = k. Pengujian Hipotesis Pengujian hipotesis menguji pada taraf signifikansi  H0 : y.

robabilitas pensampelan menjadi R y2.12 F 2 1  R y2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Untuk dua variabel independen.12 n3 dengan derajat kebebasan atas A = 2 bawah B = n – 3 .

12 > 0  Sampel Ry.05.5 2 2 (1  Ry.46 ) /(40  3) A = 2 B = 40 – 3 = 37 .12 = 0 H1 : y.12 ) /(n  3) (1  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 13 Dari contoh 9 dengan n = 40. uji apakah koefisien korelasi ganda y.46 n = 40 • Statistik uji Ry2. pada taraf signifikansi 0.12 = 0.462 / 2 F   11.12 > 0  Hipotesis H0 : y.12 / 2 0.

36 Terima H0 jika F ≤ 3.23 + (0.23 0.09) = 3.05.32 F(0.05 Pengujian pada ujung atas Nilai kritis F(0.95)(2)(40) = 3.95)(3)(37) = 3.09 F(0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi  = 0.36  Keputusan Pada taraf signifikansi 0.95)(2)(30) = 3.36 Tolak H0 jika F > 3.7)(0. tolak H0 .

05. apakah koefisien korelasi ganda adalah positif . uji pada contoh 3(a).05. uji pada contoh 3(b).05. uji pada contoh 2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 14 Pada taraf signifikansi 0. apakah koefisien korelasi ganda adalah positif Contoh 15 Pada taraf signifikansi 0. apakah koefisien korelasi ganda adalah positif Contoh 16 Pada taraf signifikansi 0.

123 = koefisien korelasi Ry.23 = koefisien korelasi y1 dengan 2 dan 3 netral ry2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ D.31 ry3.123 pada komposisi terbaik (keliru atau residu terkecil) .23 ry2. Korelasi Ganda dengan Tiga Variabel Independen 1.12 Y Ry.12 = koefisien korelasi y3 dengan 1 dan 2 netral Koefisien korelasi ganda Ry. Bentuk korelasi X1 X2 X3 ry1.31 = koefisien korelasi y2 dengan 3 dan 1 netral ry3.123 Bentuk regresi Ŷ = a + b1X1 + b2X2 + b3X3 Koefisien korelasi parsial ry1.

231.31 dan ry3. kita gunakan notasi siklus.23 terjadi pada variabel 2 dan 3 netral Cara yang sama dilakukan pada koefisien korelasi parsial ry2. variabel 2 dan 3 dinetralkan dengan membuat bidang tegak lurus kepada 2 dan 3 Dengan demikian. 123. 312 2 1 3 . Notasi siklus Untuk menggunakan analogi pada rumus.12 3.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2. koefisien korelasi parsial ry1. Penetralan variabel Ketika menentukan korelasi parsial y1.

1  ry 2.3 1  r122 .3 r12.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4.12  ry1.1 1  ry22.2 ry 2.23  ry 2.1 1  r232 .2 1  ry23.1r23. Koefisien korelasi parsial Ada tiga koefisien korelasi parsial ry1.2 1  r312 .1 Diperlukan koefisien korelasi parsial dari korelasi ganda dengan dua variabel independen .3  ry1.2  ry 3.3 1  ry21.3 ry 3.2 r31.31  ry 3.

2 r31.23  ry1. diketahui koefisien korelasi Y X1 X2 X1 0.2 .50 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 17 Pada data berukuran n = 40.40 Koefisien korelasi parsial ry1.40 0.80 0.23 ry1.2 1  r312 .30 X3 0.60 X2 0.2  ry 3.2 1  ry23.

60  (0.40) 1  0.2  ry1  ry 2 r12 1 r 1 r 2 y2 2 12 ry 3  ry 2 r23 ry 3.777 ) 1  0.2  r31.2 r31.30 2 0.40)(0.40 2 1  0.2  ry 3.402 2 1  0.40)(0.2 1 r 2 y 3.40 2 1  0.549  (0.30 2 2  0.30) 1  0.777 sehingga ry1.40 0.23  ry1.40 2 1  0.2  0.549  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Untuk menghitungnya diperlukan ry1.80  (0.402 )( 0.50  (0.777 2  0.30) 1  0.2   1 r 2 y2 1 r 2 23 r31  r32 r12 1 r 2 32  1 r 2 12  0.41 .2 1 r 2 31.402  0.40)(0.

7 7.6 77.7 6.31 Contoh 20 Dari contoh 18.9 5.5 8.8 24.----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 18 Dari data berikut X1 3.4 hitunglah koefisien korelasi parsial ry1.3 34.2 2.6 80. hitung koefisien korelasi parsial ry2.5 Y 64.2 1.7 8.5 20.12 .4 4.5 3.7 66.9 1.6 6.3 9.5 X2 5.5 2.4 3.4 1.3 9.9 2.5 1.2 2.3 X3 8.6 2.7 2. hitung koefisien korelasi parsial ry3.23 Contoh 19 Dari contoh 18.6 43.

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 21 Hitunglah koefisien korelasi parsial pada data berikut X1 45 42 44 45 43 46 44 45 44 43 (a) X2 16 14 15 13 13 14 16 16 15 15 X3 71 70 72 71 75 74 76 69 74 73 Y 29 24 27 25 26 28 30 28 28 27 X1 9 8 9 8 7 6 6 8 5 5 5 3 4 3 4 (b) X2 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 X3 Y 10 40 14 45 12 50 13 55 17 60 15 70 16 65 17 65 22 75 19 75 20 80 23 100 18 90 24 95 21 85 .

dengan kekeliruan baku Z  r 1 n  ( m  3) dengan n = ukuran sampel m = banyaknya variabel independen yang netral . Pengujian Hipotesis pada Koefisien Korelasi Parsial Bentuk hipotesis H0 : y1.23 = 0 H1 : y1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 5.23 > 0 Distribusi probabilitas pensampelan Melalui transformasi Fisher Zr = tanh-1 r distribusi pensampelan menjadi distribusi probabilitas normal.

23 m=2 sehingga kekeliruan baku menjadi Z  r 1 n5 Kriteria pengujian pada taraf signifikansi  dilakukan pada distribusi probabilitas normal. dengan nilai kritis z() .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Pada tiga variabel independen. ry1.

pada taraf signifikansi 0.41 = 0.44 .05.23 = 0. sampel menjadi Zr y1.23 > 0 • Sampel ry1. uji apakah koefisien korelasi parsial y1.23 = 0 H1 : y1.23 > 0 Melalui transformasi Fisher.41 n = 40 Melalui transformasi Fisher.23 = tanh-1 0. hipotesis menjadi H0 : Z y1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 22 Pada contoh 17. dengan ukuran sampel n = 40.23 = 0 H1 : Z y1.23 adalah positif • Hipotesis H0 : y1.

23 Z r y 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Distribusi probabilitas pensampelan DPP : DP normal kekeliruan baku Z ry 1.23  1 1   0.60 0.169 n5 45 • Statistik uji z Z ry1.169 .23  0.44  2.

05. tolak H0 .95) = 1.6449 Kriteria pengujian Tolak H0 jika z > 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi  = 0.6449 • Keputusan Pada taraf signifikansi 0.6449 Terima H0 jika z  1.05 Pengujian pada ujung atas Nilai kritis z(0.

05.05. dengan ukuran sampel n = 40.12 adalah positif Contoh 25 Pada contoh 20. pada taraf signifikansi 0. uji apakah koefisien korelasi parsial y3.05. uji apakah setiap koefisien korelasi parsial adalah positif . pada taraf signifikansi 0. pada taraf signifikansi 0.31 adalah positif Contoh 24 Pada contoh 19. dengan ukuran sampel n = 40.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 23 Pada contoh 18. uji apakah koefisien korelasi parsial y2.

05. pada taraf signifikansi 0.05.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 26 Pada contoh 21(a). uji apakah setiap koefisien korelasi parsial adalah positif . pada taraf signifikansi 0. uji apakah setiap koefisien korelasi parsial adalah positif Contoh 27 Pada contoh 21(b).

koefisien regresi juga dapat dihitung . Koefisien Korelasi Ganda pada Bentuk dengan Tiga Variabel Independen 1. Pendahuluan • Koefisien korelasi ganda Ry.123 diperoleh melalui residu (keliru) terkecil • Langkah yang ditempuh adalah mengubah regresi ke dalam bentuk nilai baku • Selanjutnya kita menentuikan residu untuk semua data dan dikuadratkan • Melalui residu kuadrat terkecil. diperoleh koefisien untuk menghitung koefisien korelasi ganda • Jika dikehendaki.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ E.

1 1  r232 .2 r31.1 .2 ry 2.2 1  r312 .2  ry 3.3  ry1. diperoleh b1  b2  b3  ry1. Langkah perhitungan  Regresi ditransformasikan ke nilai baku menjadi zy = b1z1 + b2z2 + b3z3 + residu residu = zy  b1z1  b2z2  b3z3 = zy  regresi  Jumlah residu kuadrat ΣNi (zy – regresi)2 = ΣNi (zy – b1i z1i – b2iz2i  b3z3 )2  Melalui residu kuadrat minimum.3 r12.3 1  r122 .1  ry 2.1r23.3 ry 3.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2.

Koefisien korelasi ganda dan regresi ganda  Koefisien korelasi ganda menjadi Ry .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 3.12  b1ry1  b2 ry 2  b3ry 3  Regresi ganda menjadi s s s Yˆ  (b1 Y ) X 1  (b2 Y ) X 2  (b3 Y ) X 3 s1 s2 s3  (Y  b1 sY s s X 1  b2 Y X 2  b3 Y X 3 ) s1 s2 s3 .

1 = 0.29 ry3.40 r31.60 X2 0.43 1.2 = 0.04 r23.2 = 0.38 ry3.62 1.40 0.40 Rerata 50 30 20 10 SB 2.3 =  0.20 dengan (setelah dihitung) ry1.55 ry2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 28 Data koefisien korelasi diperoleh dari statistik sebagai berikut Y X1 X2 X3 X1 0.29 Melalui perhitungan diperoleh ry2.3 = 0.30 X3 0.80 0.31 1.1 = 0.04 ry1.25 r12.1 = 0.3 = 0.2 = 0.50 0.78 .

78) 1  0.29) 1  0.05  .2  ry 3.292  0.27  b3  ry 3.2 r31.61  b2  ry 2.40)(0.38)(0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ sehingga b1  ry1.2 1  r312 .04) 2  0.1 0.3 1  r122 .04  (0.1  ry 2.1 1  r232 .55  (0.1r23.3 r12.2 0.25  (0.3  ry1.3 0.04) 1  ( 0.782  0.29)(0.

10 X 3  0.50)  0.31 X 1  0.20  50  (0.27)(0.87)(30)  (0.40)  (0.27 X 2  0.44)(20)  (0.1  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Koefisien korelasi ganda R y .05)(0.50 X 2  0.10)(10)  16.60)  (0.31 2.62 1.87 X 1  0.61 .123  b1ry1  b2 ry 2  b3ry 3  (0.61)(0.67 Regresi ganda menjadi s s s Yˆ  b1 Y X 1  b2 Y X 2  b3 Y X 3 s1 s2 s3  (Y  b1 sY s s X 1  b2 Y X 2  b3 Y X 3 ) s1 s2 s3 2.43 1.05 X3 1.31 2.

123.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 29 Dari contoh 18. hitunglah koefisien korelasi ganda Ry. Hitung juga regresi gandanya .123. Hitung juga regresi gandanya Contoh 30 Dari contoh 21(a). hitunglah koefisien korelasi ganda Ry.123. Hitung juga regresi gandanya Contoh 31 Dari contoh 21(b). hitunglah koefisien korelasi ganda Ry.

B = n – k – 1 n = banyaknya data k = banyaknya variabel independen .123 = 0 H1 . Pengujian Hipotesis Pengujian hipotesis menguji pada taraf signifikansi  H0 : y.123 > 0 Distribusi probabilitas pensampelan adalah distribusi probabilitas F Fisher-Snedecor R2 k F 1 R2 n  k 1 Derajat kebebasan atas A = k. y.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4.

123 3 F 1  R y2. distribusi probabilitas pensampelan menjadi R y2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Untuk dua variabel independen.123 n4 dengan derajat kebebasan atas A = 3 bawah B = n – 4 .

123 = 0 H1 : y.-----------------------------------------------------------------------------Bab 10 ----------------------------------------------------------------------------- Contoh 32 Pada contoh 28. dengan ukuran sampel n = 40.15 3 3 F    15 1  R y2.67 2 0. uji apakah koefisien korelasi ganda adalah positif • Hipotesis H0 : y.01 40  4 n4 .67 • Statistik uji R y2.67 2 0.123 = 0.123 0.05.123 > 0 • Sampel n = 40 Ry. pada taraf signifikansi 0.123 1  0.

87 Tolak H0 jika F > 2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi 0.05 tolak H0 .05 Pengujian pada ujung atas Derajat kebebasan atas A = 3 Derajat kebebasan bawah B = 40  4 = 36 Nilai kritis F(0.95)(3)(36) = 2.87 • Keputusan Pada taraf signifikansi 0.87 Terima H0 jika F  2.

05. uji apakah koefisien korelasi ganda adalah positif Contoh 35 Pada contoh 31. uji apakah koefisien korelasi ganda adalah positif Contoh 34 Pada contoh 30. dengan taraf signifikansi 0.05. dengan taraf signifikansi 0. dengan taraf signifikansi 0.05.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 33 Pada contoh 29. uji apakah koefisien korelasi ganda adalah positif .

Analisis Jalur (Path Analysis) 1. Efek Langsung dan Efek Tak Langsung Hubungan dua variabel dapat terjadi secara langsung dan dapat juga terjadi secara tak langsung melalui variabel ketiga langsung X1 Y X2 Efek langsung tak langsung X1 Efek tak langsung Y X1 X2 Y Efek total adalah gabungan dari efek langsung dan efek tak langsung .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ F.

4 + 0.16 X2 Efek langsung X1  Y = 0.6  0.16) = 0.064 .032 Y 0.059 0.059 X1  0.059 Efek tak langsung X1X2Y (0.032)(0.16 X2 0.032 X1 Y = 3.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 36 Terdapat regresi sebagai berikut Regresi Regresi X1 X2 = 7.005 -----------------------------------Efek total = 0.

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2. Analisis Jalur (Path Analysis) • Perluasan dari efek tak langsung sehingga menyangkut semua jalur • Susun urutan hubungan dari kiri ke kanan sehingga semua jalur dapat diurut dan dihitung • Ada efek langsung dan ada efek tak langsung • Dapat dihitung efek total Misal X1 Y X2 X3 X1 ke Y adalah empat jalur X1Y X1X3Y X1X2Y X1X2X3Y .

28 .38 X2 X2 =  0.062 0.062 X1  0.012 X2 0.012 X1 + 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ X2 ke Y ada dua jalur X2Y X2X3Y X3 ke Y ada satu jalur X3Y Contoh 37 Terdapat regresi sebagai berikut Y = 0.05 X3 0.032 X1 X1 0.05 X2  0.032 0.28 X3 X3 = 0.38 Y 0.

38)(0.002 X1X2X3Y (0.28)  0.28 .05  0.28) 0.012)(0.032)(0.38)(0.003 --------------------Efek total X1Y 0.064 • Jalur X2 ke Y X2Y X2X3Y (0.16 Jalur X3 ke Y X3Y  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Jalur X1 ke Y X1Y 0.11 -------------------- 0.032)(0.003 X1X2Y (0.062 X1X3Y (0.28) Efek total X2Y •  0.05) 0.

28 X2 X4 = 0.33 0.40 X3 + 0.039 0.26 Hitung efek total X1 ke Y.062 0.004 X2 0.21 X4 Hitung efek total X1Y.22 X2 + 0.52 X1 X3 = 0.43 X3 Y =  0. X3Y.02 X1 + 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 38 Terdapat regresi sebagai berikut X1 0. X2Y.7 X3 Y 0.12 X2 + 0. X4Y .01 + 0. X3 ke Y Contoh 39 Terdapat regresi X2 = 0.31 X1 + 0. X2 ke Y.

Sign up to vote on this title
UsefulNot useful