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

… • 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 . X2. X3. Korelasi dan Regresi Ganda • Satu variabel dependen Y dengan dua atau lebih variabel independen X1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 3.

-----------------------------------------------------------------------------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 .

Y dinyatakan sebagai y . X2 dinyatakan sebagai 2.2 = 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.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 ------------------------------------------------------------------------------ Koefisien korelasi parsial (sampel) ry1.

-----------------------------------------------------------------------------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)

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

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

1 .2 dan ry2. Koefisien korelasi parsial ry1. 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.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 3.1 Agar X2 netral.

2  ry 2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Rumus 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. ry2.

1   ry 2  ry1r12 1  ry21 2 1  r12 0.30 Koefisien korelasi parsial ry1.30) 1  0.55 ry 2.2   ry1  ry 2 r12 1  ry22 2 1  r12 0.30 2 .40)(0.60 0.40  ( 0.40 X1 0.30 2  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 1 Dari 40 pasang data ditemukan koefisien korelasi sampel X1 X2 Y 0.40 2 1  0.60)(0.60  ( 0.30) 1  0.60 2  0.29 1  0.

3 19 8.8 19 9.4 Y 36 39 35 43 40 42 49 38 36 44 35 43 37 41 40 Koefisien korelasi parsial ry1.5 20 8.1 14 8.2 = ry2.2 16 7.0 18 8.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 2 Sampel 15 pasang data adalah sebagai berikut X1 X2 15 7.2 20 8.8 28 12.3 22 8.4 14 10.7 22 8.2 26 9.1 = .1 21 11.5 22 7.

2 dan ry2.10 0.02 0.7 .10 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 3 Hitunglah koefisien korelasi parsial ry1.3 60.9 55.2 80.02 0.18 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 0.9 57.18 X2 1000 1200 1000 1200 1000 1200 Y 78.4 85.

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

uji apakah koefisien korelasi parsial adalah positif Hipotesis H0 : y1. pada taraf signifikansi 0.2 = 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 4 Dari contoh 1.55  0.618 .2 = 0 H1 : y1.2  tanh1 0.2 > 0 Sampel n = 40 ry1.05.55 transformasi Fisher Z ry1.

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------  Distribusi probabilitas pensampelan DP normal Kekeliruan baku Z 1 1    0.2  Statistik uji z Z ry1.7 0.2 Z r y 1.167 .2 0.618   3.167 n4 36 ry 1.

6499 Terima H0 jika z  1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi 0.05.05 Nilai kritis z(0.95) = 1.6499 • Keputusn Pada taraf signifikansi 0. tolak H0 .6499 Tolak H0 jika z > 1.

1 > 0 Sampel n = 40 ry2.05. pada taraf signifikansi 0.2  tanh1 0.29 transformasi Fisher Z ry1.1 = 0 H1 : y2.29  .1 = 0. uji apakah koefisien korelasi parsial adalah positif Hipotesis H0 : y2.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 5 Dari contoh 1.

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

6499 Tolak H0 jika z > 1.05 Pengujian pada ujung atas Nilai kritis z(0.05.6499 • Keputusn Pada taraf signifikansi 0.6499 Terima H0 jika z  1. .95) = 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi 0.

2 dan ry2.2 dan ry2.1 adalah positif . uji hipotesis bahwa koefisien korelasi parsial ry1.05. pada taraf signifikansi 0.05. pada taraf signifikansi 0.05. uji hipotesis bahwa koefisien korelasi parsial ry1. pada taraf signifikansi 0. uji hipotesis bahwa koefisien korelasi parsial ry1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 6 Dari contoh 2.1 adalah positif Contoh 8 Dari contoh 3 (b).1 adalah positif Contoh 7 Dari contoh 3 (a).2 dan ry2.

Koefisien Korelasi Ganda pada Bentuk dengan Dua Variabel Independen 1. koefisien regresi juga dapat dihitung .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ C.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. diperoleh koefisien untuk menghitung koefisien korelasi ganda • Jika dikehendaki. Pendahuluan • Koefisien korelasi ganda Ry.

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. diperoleh b1  b2  ry1  ry 2 r12 1  r122 ry 2  ry1r12 1  r122 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2.

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. Koefisien korelasi ganda dan regresi ganda  Koefisien korelasi ganda menjadi Ry.

58)  0.33 25.33)(0.55 0.45  (0.104 2 1  0.58 0.58)  0.58 .390 2 1  0.45)(0.20 11.33  (0.45 63.91 0.61 Simp baku 10.50 Untuk menghitung koefisien koeralsi ganda b1  b2  ry1  ry 2 r12 1  r122 ry 2  ry1r12 1  r122  0.58  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 9 Dari data diperoleh statistik sebagai berikut X1 X2 Y X2 Y Rerata 0.22 2.

61  (0.005 X 1  0.47 Yˆ  1.50  (0.390)  0.45)  0.016)(63.016 s2 11.33)  (0.----------------------------------------------------------------------------Bab 10 ----------------------------------------------------------------------------- • Koefisien korelasi ganda menjadi Ry.005)(25.104)(0.46 • Dan regresi ganda Y  b1 b1 sY 0.91 sY s X 1  b2 Y X 2  2.55)  (0.47  0.12  b1ry1  b2 ry 2  (0.50  (0.005 s1 10.104)  0.20 b2 sY 0.016 X 2 .22) s1 s2  1.390)(0.

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.

12 > 0 Distribusi probabilitas pensampelan adalah distribusi probabilitas F Fisher-Snedecor R2 k F 1 R2 n  k 1 Derajat kebebasan atas A = k. y.12 = 0 H1 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4. Pengujian Hipotesis Pengujian hipotesis menguji pada taraf signifikansi  H0 : y. B = n – k – 1 n = banyaknya data k = banyaknya variabel independen .

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

12 = 0 H1 : y.12 / 2 0.12 ) /(n  3) (1  0.5 2 2 (1  Ry. pada taraf signifikansi 0.46 ) /(40  3) A = 2 B = 40 – 3 = 37 .12 > 0  Sampel Ry.12 = 0.12 > 0  Hipotesis H0 : y.462 / 2 F   11.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 13 Dari contoh 9 dengan n = 40.46 n = 40 • Statistik uji Ry2.05. uji apakah koefisien korelasi ganda y.

95)(3)(37) = 3. tolak H0 .95)(2)(30) = 3.95)(2)(40) = 3.36 Terima H0 jika F ≤ 3.05.23 0.05 Pengujian pada ujung atas Nilai kritis F(0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi  = 0.32 F(0.36  Keputusan Pada taraf signifikansi 0.09) = 3.09 F(0.7)(0.23 + (0.36 Tolak H0 jika F > 3.

05. apakah koefisien korelasi ganda adalah positif Contoh 15 Pada taraf signifikansi 0. uji pada contoh 2.05. apakah koefisien korelasi ganda adalah positif . uji pada contoh 3(b). uji pada contoh 3(a). apakah koefisien korelasi ganda adalah positif Contoh 16 Pada taraf signifikansi 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 14 Pada taraf signifikansi 0.05.

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ D.31 = koefisien korelasi y2 dengan 3 dan 1 netral ry3.12 = koefisien korelasi y3 dengan 1 dan 2 netral Koefisien korelasi ganda Ry.123 Bentuk regresi Ŷ = a + b1X1 + b2X2 + b3X3 Koefisien korelasi parsial ry1.123 pada komposisi terbaik (keliru atau residu terkecil) .31 ry3.12 Y Ry.123 = koefisien korelasi Ry. Bentuk korelasi X1 X2 X3 ry1. Korelasi Ganda dengan Tiga Variabel Independen 1.23 = koefisien korelasi y1 dengan 2 dan 3 netral ry2.23 ry2.

kita gunakan notasi siklus. Penetralan variabel Ketika menentukan korelasi parsial y1. variabel 2 dan 3 dinetralkan dengan membuat bidang tegak lurus kepada 2 dan 3 Dengan demikian. 312 2 1 3 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2.12 3. Notasi siklus Untuk menggunakan analogi pada rumus. 123. koefisien korelasi parsial ry1.23 terjadi pada variabel 2 dan 3 netral Cara yang sama dilakukan pada koefisien korelasi parsial ry2.31 dan ry3. 231.

31  ry 3.3 1  ry21.3 r12.23  ry 2.1  ry 2.3  ry1.3 ry 3.2 r31.2 1  ry23.1 1  ry22.1r23.2 ry 2.12  ry1. Koefisien korelasi parsial Ada tiga koefisien korelasi parsial ry1.2 1  r312 .3 1  r122 .1 1  r232 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4.1 Diperlukan koefisien korelasi parsial dari korelasi ganda dengan dua variabel independen .2  ry 3.

30 X3 0.2 1  ry23.2 1  r312 .50 0.60 X2 0.2  ry 3.80 0. diketahui koefisien korelasi Y X1 X2 X1 0.2 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 17 Pada data berukuran n = 40.2 r31.40 0.40 Koefisien korelasi parsial ry1.23  ry1.23 ry1.

2 r31.30) 1  0.40)(0.402  0.40 2 1  0.402 2 1  0.402 )( 0.2  ry1  ry 2 r12 1 r 1 r 2 y2 2 12 ry 3  ry 2 r23 ry 3.2 1 r 2 y 3.40)(0.23  ry1.2  r31.549  (0.549  0.2  0.40) 1  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Untuk menghitungnya diperlukan ry1.30 2 0.80  (0.41 .2  ry 3.60  (0.40)(0.2 1 r 2 31.777 sehingga ry1.30 2 2  0.777 2  0.30) 1  0.40 0.2   1 r 2 y2 1 r 2 23 r31  r32 r12 1 r 2 32  1 r 2 12  0.50  (0.40 2 1  0.40 2 1  0.777 ) 1  0.

7 66.5 8.6 6.7 6.5 1.12 .3 X3 8.23 Contoh 19 Dari contoh 18.2 2.5 20.8 24.----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 18 Dari data berikut X1 3.9 2.5 X2 5.6 80.9 5.4 3.5 3.6 77.9 1.2 1.3 9.3 34.7 8.4 hitunglah koefisien korelasi parsial ry1.3 9. hitung koefisien korelasi parsial ry3.2 2.5 2.6 43.4 1.7 7.31 Contoh 20 Dari contoh 18.7 2.4 4. hitung koefisien korelasi parsial ry2.6 2.5 Y 64.

-----------------------------------------------------------------------------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 .23 > 0 Distribusi probabilitas pensampelan Melalui transformasi Fisher Zr = tanh-1 r distribusi pensampelan menjadi distribusi probabilitas normal. Pengujian Hipotesis pada Koefisien Korelasi Parsial Bentuk hipotesis H0 : y1.23 = 0 H1 : y1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 5.

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

23 adalah positif • Hipotesis H0 : y1. pada taraf signifikansi 0.23 > 0 Melalui transformasi Fisher.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 22 Pada contoh 17. hipotesis menjadi H0 : Z y1. dengan ukuran sampel n = 40. uji apakah koefisien korelasi parsial y1.23 > 0 • Sampel ry1.44 .41 = 0.23 = 0 H1 : y1.23 = 0.41 n = 40 Melalui transformasi Fisher.23 = 0 H1 : Z y1.05.23 = tanh-1 0. sampel menjadi Zr y1.

169 .60 0.169 n5 45 • Statistik uji z Z ry1.23 Z r y 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Distribusi probabilitas pensampelan DPP : DP normal kekeliruan baku Z ry 1.23  1 1   0.23  0.44  2.

95) = 1.6449 Terima H0 jika z  1. tolak H0 .-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi  = 0.05.6449 Kriteria pengujian Tolak H0 jika z > 1.05 Pengujian pada ujung atas Nilai kritis z(0.6449 • Keputusan Pada taraf signifikansi 0.

pada taraf signifikansi 0. uji apakah setiap koefisien korelasi parsial adalah positif .05.31 adalah positif Contoh 24 Pada contoh 19. uji apakah koefisien korelasi parsial y2.05.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 23 Pada contoh 18.12 adalah positif Contoh 25 Pada contoh 20. uji apakah koefisien korelasi parsial y3. dengan ukuran sampel n = 40. dengan ukuran sampel n = 40.05. pada taraf signifikansi 0. pada taraf signifikansi 0.

pada taraf signifikansi 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 26 Pada contoh 21(a). pada taraf signifikansi 0.05.05. uji apakah setiap koefisien korelasi parsial adalah positif . uji apakah setiap koefisien korelasi parsial adalah positif Contoh 27 Pada contoh 21(b).

diperoleh koefisien untuk menghitung koefisien korelasi ganda • Jika dikehendaki.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ E.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. Pendahuluan • Koefisien korelasi ganda Ry. Koefisien Korelasi Ganda pada Bentuk dengan Tiga Variabel Independen 1. koefisien regresi juga dapat dihitung .

3 1  r122 .1  ry 2. 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 ry 3.1 1  r232 .1r23. diperoleh b1  b2  b3  ry1.2 r31.3 r12.2 ry 2.2  ry 3.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 2.1 .3  ry1.2 1  r312 .

-----------------------------------------------------------------------------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 . Koefisien korelasi ganda dan regresi ganda  Koefisien korelasi ganda menjadi Ry .

60 X2 0.3 = 0.2 = 0.1 = 0.04 r23.62 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 28 Data koefisien korelasi diperoleh dari statistik sebagai berikut Y X1 X2 X3 X1 0.80 0.55 ry2.04 ry1.2 = 0.20 dengan (setelah dihitung) ry1.31 1.29 ry3.40 0.38 ry3.50 0.3 =  0.40 Rerata 50 30 20 10 SB 2.43 1.1 = 0.25 r12.1 = 0.30 X3 0.40 r31.2 = 0.29 Melalui perhitungan diperoleh ry2.3 = 0.78 .

38)(0.25  (0.04  (0.2  ry 3.78) 1  0.2 r31.2 1  r312 .1 0.40)(0.05  .3  ry1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ sehingga b1  ry1.29)(0.3 r12.04) 1  ( 0.55  (0.1  ry 2.1 1  r232 .29) 1  0.292  0.2 0.3 1  r122 .61  b2  ry 2.04) 2  0.27  b3  ry 3.782  0.1r23.3 0.

50)  0.10)(10)  16.123  b1ry1  b2 ry 2  b3ry 3  (0.31 2.67 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 2.1  0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Koefisien korelasi ganda R y .27 X 2  0.10 X 3  0.44)(20)  (0.05 X3 1.05)(0.43 1.61)(0.31 2.27)(0.50 X 2  0.61 .87 X 1  0.40)  (0.31 X 1  0.87)(30)  (0.20  50  (0.62 1.60)  (0.

Hitung juga regresi gandanya Contoh 30 Dari contoh 21(a). hitunglah koefisien korelasi ganda Ry.123.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 29 Dari contoh 18.123. Hitung juga regresi gandanya . hitunglah koefisien korelasi ganda Ry. Hitung juga regresi gandanya Contoh 31 Dari contoh 21(b).123. hitunglah koefisien korelasi ganda Ry.

Pengujian Hipotesis Pengujian hipotesis menguji pada taraf signifikansi  H0 : y. y.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ 4.123 = 0 H1 . B = n – k – 1 n = banyaknya data k = banyaknya variabel independen .123 > 0 Distribusi probabilitas pensampelan adalah distribusi probabilitas F Fisher-Snedecor R2 k F 1 R2 n  k 1 Derajat kebebasan atas A = k.

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

-----------------------------------------------------------------------------Bab 10 ----------------------------------------------------------------------------- Contoh 32 Pada contoh 28. uji apakah koefisien korelasi ganda adalah positif • Hipotesis H0 : y.123 > 0 • Sampel n = 40 Ry.67 2 0.67 • Statistik uji R y2.01 40  4 n4 .05.123 = 0 H1 : y. pada taraf signifikansi 0.67 2 0.123 1  0.123 = 0.15 3 3 F    15 1  R y2. dengan ukuran sampel n = 40.123 0.

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.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Kriteria pengujian Taraf signifikansi 0.87 Tolak H0 jika F > 2.87 • Keputusan Pada taraf signifikansi 0.87 Terima H0 jika F  2.05 tolak H0 .

uji apakah koefisien korelasi ganda adalah positif Contoh 34 Pada contoh 30. dengan taraf signifikansi 0. uji apakah koefisien korelasi ganda adalah positif Contoh 35 Pada contoh 31.05. dengan taraf signifikansi 0. dengan taraf signifikansi 0.05.05.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 33 Pada contoh 29. uji apakah koefisien korelasi ganda adalah positif .

Analisis Jalur (Path Analysis) 1.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ F. 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 .

032 Y 0.059 0.005 -----------------------------------Efek total = 0.032)(0.4 + 0.059 X1  0.059 Efek tak langsung X1X2Y (0.032 X1 Y = 3.16) = 0.16 X2 Efek langsung X1  Y = 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 36 Terdapat regresi sebagai berikut Regresi Regresi X1 X2 = 7.16 X2 0.6  0.064 .

-----------------------------------------------------------------------------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 .

38 Y 0.012 X2 0.38 X2 X2 =  0.062 X1  0.28 X3 X3 = 0.032 X1 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 = 0.062 0.28 .05 X3 0.012 X1 + 0.032 0.05 X2  0.

003 --------------------Efek total X1Y 0.032)(0.28)  0.032)(0.05) 0.062 X1X3Y (0.003 X1X2Y (0.11 -------------------- 0.28) Efek total X2Y •  0.16 Jalur X3 ke Y X3Y  0.38)(0.28 .012)(0.38)(0.05  0.002 X1X2X3Y (0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ • Jalur X1 ke Y X1Y 0.064 • Jalur X2 ke Y X2Y X2X3Y (0.28) 0.

X3 ke Y Contoh 39 Terdapat regresi X2 = 0.01 + 0.52 X1 X3 = 0.039 0. X2Y.02 X1 + 0.062 0.28 X2 X4 = 0. X2 ke Y.26 Hitung efek total X1 ke Y.21 X4 Hitung efek total X1Y.12 X2 + 0.31 X1 + 0.-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------ Contoh 38 Terdapat regresi sebagai berikut X1 0.33 0.7 X3 Y 0.22 X2 + 0.004 X2 0. X3Y.40 X3 + 0. X4Y .43 X3 Y =  0.