Tingkat Hubungan Nilai R PDF
Tingkat Hubungan Nilai R PDF
TINJAUAN TEORITIS
Analisis korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau
derajat hubungan linier antara dua variabel atau lebih. Semakin nyata hubungan linier (garis
lurus), maka semakin kuat atau tinggi derajat hubungan garis lurus antara kedua variabel atau
lebih. Ukuran untuk derajat hubungan garis lurus ini dinamakan koefisien korelasi.
Korelasi dilambangkan dengan r dengan ketentuan nilai r tidak lebih dari harga (-
1≤ r ≤ 1). Apabila nilai r = -1 artinya korelasi negatif sempurna; r = 0 artinya tidak ada
Tabel 2.1
Interpretasi Koefisien Korelasi Nilai r
Interval Koefisien Tingkat Hubungan
variabel bebas (X) atau lebih secara simultan dengan variabel terikat (Y). rumus korelasi
n X 1Y X1 Y
rx1 y
2 2 2
n X1 X1 n Y2 Y
n X 2Y X2 Y
rx2 y
2 2 2
n X2 X2 n Y2 Y
n X1 X 2 X1 X2
rx1x2
2 2 2 2
n X1 X1 n X2 X2
Hipotesis :
variabel Y
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig (0,05 ≤
Jika nilai probabilitas 0,05 lebih besar dengan nilai probabilitas Sig (0,05 > Sig) maka
secara bersama mampu memberikan penjelasan mengenai variabel dependen dimana nilai R2
berkisar antara 0 sampai 1(0≤R2≤1). Semakin besar nilai R2, maka semakin besar variasi
variabel dependen yang dapat dijelaskan oleh variasi variabel – variabel independen.
Sebaliknya jika R2 kecil, maka akan semakin kecil variasi variabel dependen yang dapat di
Regresi linier berganda adalah analisa regresi yang menjelaskan hubungan antara variabel
dependen atau variabel tak bebas dengan dua atau lebih variabel independen atau variabel
bebas. Dimana ada kalanya persamaan regresi tidak hanya dipengaruhi oleh satu faktor dalam
menganalisanya, tetapi dapat juga dipengaruhi dua atau lebih faktor yang mempengaruhinya.
Maka regresi linier yang mengandung lebih dari satu peubah bebas digunakan regresi linier
berganda.
Regresi linier berganda hampir sama dengan regresi linier sederhana, hanya saja pada
regresi linier berganda variabel bebasnya lebih dari satu. Tujuan analisa regresi linier
berganda adalah untuk mengukur intensitas hubungan dua variabel atau lebih dan membuat
perkiraan nilai Y atas nilai X. regresi linier berganda juga berguna untu mencari pengaruh
dua variabel bebas atau lebih terhadap variabel terikatnya, dengan demikian regresi linier
Yˆ 1 X1 2 X2 ... n Xn
Model di atas merupakan model regresi untuk populasi, sedangkan apabila penulis
hanya menarik sebagian (berupa sampel) dari populasi acak dan tidak mengetahui regresi
Yˆ a b1 X 1i b2 X 2i ... bn X n
Persamaan penduga regresi linier berganda dengan dua variabel bebas adalah :
Yˆ a b1 X 1 b2 X 2
Dimana;
a = Intercept
= Error
Nilai a,b1 dan b2 akan diperoleh dari tiga persamaan normal berikut :
Y an b X1 b X2
X 1Y1 a X1 b1 X 12 b2 X1 X 2
X 2Y a X2 b1 X1 X 2 b2 X 22
X 22 X 1Y X1 X 2 X 2Y
b1 2
X 12 X 22 X1X 2
X 12 X 2Y X1 X 2 X 2Y
b2 2
X 12 X 22 X1X 2
Uji t-statistik atau t-hitung merupakan pengujian untuk mengetahui apakah masing- masing
koefisien regresi signifikan atau tidak terhadap variabel dependen. Dengan menganggap
(bi b)
t-hitung =
S e (bi )
Dimana :
bi = koefisien variabel ke – i
Ho ditolak Ho ditolak
t-tabel 0 t-tabel
H0 : bi = b
H1 : bi ≠ b
Dimana bi adalah koefisien variabel independen ke-i nilai parameter hipotesis, dan biasanya b
a. H0 diterima dan H1 ditolak apabila t-hitung ≤ t-tabel dengan tingkat kepercayaan sebesar
(α). Artinya variasi variabel bebas tidak dapat menerangkan variabel terikat, dimana
tidak terdapat pengaruh variabel bebas terhadap variabel terikat. Pengujian dilakukan
b. H0 ditolak dan H1 diterima apabila t-hitung > t-tabel dengan tingkat kepercayaan (α).
Artinya variasi variabel bebas dapat menerangkan variabel terikat, dimana terdapat
pengaruh variabel bebas terhadap variabel terikat. Pengujian ini dilakukan dengan
Uji F-statistik atau F-hitung ini adalah pengujian yang bertujuan untuk mengetahui seberapa
besar pengaruh koefisien regresi secara bersama-sama terhadap variabel independen. Nilai F-
R 2 /(k 1)
F-hitung =
(1 R 2 ) /(n k )
Dimana:
R2 : Koefisien determinasi
n : Jumlah sampel
H0 diterima
H0 ditolak
0 F-tabel
Multikolinearitas adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang
Ragnar Frisch (1934). Suatu model regresi linier akan menghasilkan estimasi yang baik
adanya hubungan yang kuat antara sesama variabel independen dari suatu model estimasi.
Variansi besar
Tidak ada satupun t-statistik yang signifikan pada α = 1%, α = 5%, α = 10%
R2 sangat tinggi
dapat dilakukan, tetapi dalam tugas akhir ini hanya akan diberikan uji formal yang sangat
dalam persamaan regresi bila nilai Eigenvalues mendekati nol. Dan jika
multikolinieritas.
Multikolinieritas tidak ada jika nilai VIF dan TOL mendekati angka 1.
Heterokedastisitas terjadi apabila variabel pengganggu (Error Term) tidak mempunyai varian
yang konstan (sama) untuk semua observasi sehingga residual variabel pengganggu tidak
2 2
bernilai nol atau E i . Ini merupakan pelanggaran salah satu asumsi klasik tentang
model regresi linier berdasarkan metode kuadrat terkecil biasa. Heterokedastisitas pada
umumnya lebih banyak ditemui pada data cross section yaitu data yang menggambarkan
keadaan pada suatu waktu tertentu misalnya data hasil suatu survei. Keberadaan
merupakan suatu kondisi dimana Var (μi2) tidak konstan. Oleh karena itu, bila nilai-nilai μi2
μi2 μi2
Ỷ Ỷ
0 (a) 0 (b)
μi2
μi2
Ỷ Ỷ
0 0
(c) (d)
Gambar (a) menunjukkan adanya pola yang sistematik , dimana semakin besar nilai
Ỷ, fluktuasi μi2 semakin besar, gambar (b) menunjukkan adanya trend, dan gambar (c)
menunjukkan pola yang mengikuti fungsi logaritma. Pola-pola sistematis ini menunjukkan
Var μi2 tidak konstan untuk semua nilai Ỷ, atau variannya Heteroskedastis. Sedangkan pada
gambar (d), titik-titik pada gambar tersebut tidak mencerminkan suatu pola yang sistematis
atau dapat dikatakan random. Dengan kata lain, Var μi2 konstan untuk semua nilai Ỷ, atau