TIGA PREDIKTOR
Oleh:
Dr. Kadir, M.Pd.
PROSES
PENELITIAN
MASALAH
Kesimpulan
(Inferensi)
PERMASALAHAN
PENELITIAN
Korelasi
Analisis
Asosiatif
Analisis jalur (Path
Analyis)
Kausal
SEM (konfirmatoris)
Perbedaan ANOVA 2 JALAN
2 Mean ANOVA 3 JALAN
Analisis
Komparatif
Perbedaan
1 Mean ANAKOVA 1 JALAN
dengan ANAKOVA 2 JALAN
Kontrol
ANAREG 3 PREDIKTOR
Pada dasarnya konsep dan perhitungan dalam
Analisis Regresi ganda -3 prediktor sama dengan
Analisis Regresi ganda -2 prediktor. Persyaratannya
pun sama, misalnya skala pengukuran dari data
variabel yang akan dianalisis merupakan interval
atau rasio, galat taksiran harus normal, homogen dan
linear, serta tidak terjadi multikolinearitas. Misalkan
variabel-variabel bebas (predictor) adalah X1, X2, X3
dan variabel terikatnya (criterion) adalah Y. Maka
regresi ganda Y atas X1, X2 dan X3 dinyatakan dalam
persamaan matematika sebagai berikut:
REGRESI GANDA TIGA PREDIKTOR
Model : Y = 0 + 1 X1 + 2 X2 + 3 X3 + (populasi)
Fungsi Taksiran : = b0 + b1 X1 + b2 X2 + b3 X3
(sampel)
Konstanta bo dan koefisien regresi b1, b2 dan b3 diperoleh dari
data sampel. Untuk keperluan itu dibutuhkan pasangan data
(X1, X2, X3, Y), dengan persyaratan diambil secara random,
populasinya normal, dan homogen.
Langkah-langkah perhitungan dalam analisis regresi ganda
dinyatakan sebagai berikut:
Menentukan persamaan regresi ganda Y atas X1, X2 dan X3;
Menguji signifikansi persamaan regresi ganda Y atas X1, X2
dan X3;
Menghitung koefisien korelasi ganda dan koefisien
determinasinya;
Contoh
Misalnya kita akan membahas pengaruh
Kompetensi (X1), Remunerasi (X2),
Gaya Kepemimpinan (X3), Terhadap
Kinerja Karyawan (Y). Dengan
demikian judul penelitiannya adalah:
Pengaruh Kompetensi, Remunerasi,
dan Gaya Kepemimpinan Terhadap
Kinerja Karyawan
Untuk tujuan ini misalnya kita ambil
sampel acak sebagai berikut.
DESAIN PENELITIAN
X1 Keterangan :
X 1 = Kompetensi
X 2 = Remunerasi
X2 Y
X 3 = Gaya Kepemimpinan
Y = Kinerja Karyawan
X3
RUMUSAN MASALAH
1 1 1 b2 x1 x2 b3 x1 x3
2
x y b x
2 1 1 2 2 2 b3 x2 x3
2
x y b x x b x ................. (2)
x3 y b1 x1 x3 b2 x2 x3 b3 x3
2
x1 X 1 X 1 , x2 X 2 X 2
b0 = Y - b1 X 1 - b2 X 2 - b 3 X 3
b0 = 7,3 - (0,191)(7,0) (0,138)(24,4) (0,406)(14,5)
b0 = -3,315
Sehingga persamaan regresi ganda 3 prediktor:
Sehingga Fhit (Reg) = 85,814 > Ftab = 4,76. Hal ini berarti H0 ditolak pada taraf
signifikansi yang dipilih, yaitu = 0.05. Sehingga regresi Y atas X1, X2 dan X3
adalah signifikan.
Kesimpulan: Kompetensi (X1), Remunerasi (X2), Gaya Kepemimpinan (X3), secara
bersama-sama (serentak) mempunyai pengaruh terhadap Kinerja Karyawan (Y).
Lanjutan
c) Uji Signifikansi Koefisien Korelasi Ganda Y atas X1, X2 dan X3
(i) Koefisien Korelasi Ganda
JK (Re g )
R2y.123 =
y 2
19,642
R2y.123 = = 0,977
20,1
Ry.123 = 0,977 = 0,989
Sehingga koefisien korelasi ganda antara Y dengan X1, X2dan X2 adalah 0,989.
(ii) Uji Signifikansi Koefisien Korelasi Ganda
H0: y.123 0
H1: y.123 > 0
R 2 (n k 1) 2 2
Fhit = ; dimana R y.123 = R = 0,977
k(1 R 2 )
(0,977)(10 3 1)
Fhit = = 85,814
3(1 0,977)
Ftab (0,05; 3; 6) = 4,76 atau Ftab (0,01; 3; 6) = 9,78
Sehingga Fhit > Ftab atau H0 ditolak pada taraf signifikansi 5%. Hal ini
menunjukkan bahwa pengaruh variabel Kompetensi (X1), Remunerasi (X2), dan
Gaya Kepemimpinan (X3) terhadap variabel Kinerja Pegawai sebesar 0,977 atau
97,7%.
Lanjutan
d) Uji Signifikansi Koefisien Persamaan Regresi Ganda
Langkah-langkah pengujian:
(i) Menghitung Galat Baku Taksiran (S y.123)
JK(Re s) 0,458
S2y.123 = = = 0,076
(n k 1) 10 - 3 - 1
Sehingga galat baku taksiran adalah Sy.123 = 0,27622
(ii) Menentukan Determinan melalui Matriks Korelasi
r11 r12 r13 1 0,341 0,476
R = r21 r22 r23 = 0,341 1 0,874
r r33 0,476 1
31 r32 0,874
Determinan R (Det R) = 1,283728368 1,106733 = 0,176995
r11 = = 1,334069
Det ( R )
(1 r13 )
2
r22 = = 4,369741
Det ( R )
(1 r12 )
2
r33 = = 4,992893
Det ( R )
1
(iv) Menentukan (Ri ) dengan rumus Ri = 1
2 2
r ii
1 1
R12 = 1 11
1 0,250414
r 1,334069
1 1
R2 = 1 22 1
2
0,771153
r 1,334069
1 1
R3 = 1 33 1
2
0,799715
r 4,992893
Lanjutan
S2 y.123......k
2
(v) Menentukan (Sbi ) dengan rumus Sb i
xi (1 R i )
2 2
S2 y.123 0,0762
0,004439
2
Sb1 =
1 22,9 (1 0,250414 )
2 2
x (1 R 1 )
Jadi Sb1 = 0,066627
S2 y.123 0,0762
0,002861
2
Sb 2 =
2 116,4 (1 0,771153 )
2 2
x (1 R 2 )
Jadi Sb2 = 0,053485
S2 y.123 0,0762
0,009394
2
Sb 3 =
x3 (1 R 3 ) 40,5 (1 0,799715 )
2 2
r2
1 R 1 R
2
Y .12 2
Y .123
Y 3.12
1 RY2.12 RY.12= koefisien korelasi
ganda antara Y dengan X1
r2
1 RY2.31 1 RY2.123 dan X2
RY.123 = koefisien korelasi
1 R
Y 2.31 2
Y .31 ganda antara Y dengan X1,
X2, dan X3.
r2
1 RY2.23 1 RY2.123
1 R
Y 1.23 2
Y .23
Uji Signifikan Korelasi Parsial
Hipotesis Statistik:
Ho : Koefisien korelasi parsiil antara Y dan X1 jika X2 dan X3 tetap , tidak
signifikan
H1 : Koefisien korelasi parsiil antara Y dan X1 jika X2 dan X3 tetap,
signifikan
rY 1.23 n4
t
1 rY 1.23 2
rY 2.13 n4
t
1 rY 2.13 2
rY 3.12 n4
t
1 rY 3.12 2
Kriteria Pengujian
Untuk 0, 05
- t0,025 < thitung < t0,025 dengan db = n-4 maka terima Ho
Uji Persyaratan Analisis