MSR 2k ∑ ε^ 2i (7)
F hitung = (5) AIC=e n i=1
MSE n
Koefisien Determinasi Dimana:
Koefisien determinasi pada analisis regresi k = jumlah parameter yang diestimasi
linier berganda sebenarnya memiliki makna yang dalam model regresi
sama dengan koefisien determinasi pada analisis n = jumlah observasi
regresi linier sederhana. Namun, terdapat dua
ε = sisa
jenis koefisien determinasi yang ada pada model
Menurut metode AIC, model regresi terbaik
regresi linier berganda, yaitu koefisien
adalah model regresi yang mempunyai nilai AIC
determinasi berganda dan koefisien determinasi
terkecil
parsial. Koefisien determinasi berganda adalah
(Widarjono, 2007).
nilai yang digunakan untuk mengukur besarnya
kontribusi seluruh variabel independen yang ada
di dalam model terhadap variasi (naik/turunnya)
Pengujian Asumsi Klasik
variabel dependen. Sedangkan koefisien
Pengujian asumsi klasik adalah pengujian data
determinasi parsial adalah nilai yang digunakan
yang digunakan untuk mengetahui apakah data
untuk mengukur besarnya kontribusi satu variabel
penelitian memenuhi syarat untuk dianalisis lebih
independen yang ada di dalam model terhadap
lanjut, guna menjawab hipotesis penelitian. Jenis
variasi (naik/turunnya) variabel dependen. Rumus
uji hipotesis klasik juga memadai untuk teknik
yang dapat digunakan untuk menghitung
analisis yang digunakan. Berikut merupakan
koefisien determinasi berganda adalah sebagai
asumsi yang perlu dipenuhi dalam analisis regresi
berikut :
n n linier sederhana:
b 1 ∑ X 1i y i +b2 ∑ X 2 i yi 1. Pengujian Linieritas
2 i=1 i=1
Menurut Sugiyono (2015:323) uji linieritas
r y.12 = n dapat dipakai untuk mengetahui apakah
∑ y 2i (6) variabel terikat dengan variabel bebas
memiliki hubungan linier atau tidak secara
i=1
siginifikan. Uji linier juga dapat dihitung
r 2y 1+ r 2y 2−2 r y 1 r y2 r 12 dengan kesalahan standar estimasi yaitu
¿
1−r 212 indeks yang mengukur variasi titik-titik
observasi di sekitar garis regresi. Jika titik
observasi berada tepat pada garis regresi maka menurut Hadi (2007) adalah estimator yang
kesalahan baku akan bernilai nol (0). Berikut diperoleh tidak efisien, baik pada sampel kecil
merupakan rumus uji F yang dapat digunakan maupun sampel besar. Berikut merupakan
dalam pengujian linieritas: rumus uji Breusch-Pagan yang dapat
2 digunakan dalam pengujian normalitas:
S1
F= (8) 1 t
S2
2
BP= f X ¿ (11)
2
dengan keterangan: dimana:
2
S1 = variansi kelompok ke-1
2
S = variansi kelompok ke-2
2
f i=( )e 2i
σ2
−1 (12)
[∑ ]
k 2
1
T 3= ai ( X n−i+1− X i ) (9)
Deteksi autokorelasi pada model regresi linier
D i=1
berganda menggunakan metode Durbin-
dimana:
n Watson seperti terlihat pada Tabel di bawah
D=∑ ( X i− X )2 (10) ini.
i=1
dengan keterangan: Tabel 1. Uji Statistik Durbin-Watson
a i = koefisien uji shapiro-wilk Kriteria Keterangan
Menolak hipotesis
X = rata-rata data 0 < 𝑑 < 𝑑𝐿 nol, ada
autokorelasi positif
4. Pengujian Heterokedastisitas Menolak hipotesis
Salkind (2007:431) mengemukakan bahwa nol, ada
“heteroscedasticity is perhaps most often 4 − 𝑑𝐿 ≤ 𝑑 ≤ 4
autokorelasi
considered in cases of linear regression negative
through the origin, although that is by no Daerah keragu-
means the limitation of its usefulness”. 𝑑𝐿 ≤ 𝑑 ≤ 𝑑𝑢 raguan, tidak ada
Heteroskedastisitas artinya tidak sama. Akibat keputusan
dari heteroskedastisitas dalam model regresi
Daftar Pustaka
Anselin, L. 1988. Spatial Econometric: Methods and Models. Netherlands: Academic Publisher.
Aqbar, R. M. (2016). Gambaran Perilaku Masyarakat Tentang Penggunaan Jamban Dan Kondisi Jamban
Pasca Metode Pemicuan Di Desa Srirahayu Kecamatan Cikancung Kabupaten Bandung. (Skripsi).
Universitas Pendidikan Indonesia.
BPS. 2012. Ekonomi Nasional. Jawa Tengah: Indonesia.
Depkes RI. 2005. Pedoman Teknis Imunisasi Tingkat Puskesmas. Jakarta : Direktorat Jenderal PP Dan PL.
Draper.1992. Analisis Regresi Terapan. Padang: PT Gramedia Pustaka Utama.
Hadi, A. 2019. Pengaruh Rata-Rata Lama Sekolah Terhadap Persentase Penduduk Miskin Kabupaten/Kota
di Indonesia Tahun 2017. Media Trend, 148-153.
Ikhsani, A. H. (2016). Hubungan Cemaran Mikroba Dengan Pengelolaan Rumah Sehat Pada Rumah Tipe
Menengah Sebagai Sumber Belajar Biologi. (Skripsi). Universitas Muhammadiyah Malang. Diakses
dari http://eprints.umm. ac.id/35046/.
Kartasamita, G. 1996. Pembangunan untuk Rakyat Memadukan Pertumbuhan dan Pemerataan. Jakarta:
CIDES.
Kurniawan, R., & Yuniarto, B. 2016. Analisis Regresi Dasar dan Penerapannya dengan R. Depok:
Prenadamedia Group.
Kutner, M.H., C.J. Nachtsheim., dan J. Neter. 2004. Applied Linear Regression Models. 4th ed. New York:
McGraw-Hill Companies, Inc.
Kementrian Kesehatan Republik Indonesia. 2015. Infodatin-Situasi dan Analisis Gizi, Kemenkes Ri, Pusat
data dan informasi, pp. 1-7.
MCA. 2013. Stunting dan Masa Depan Indonesia, 2010, pp. 2-5.
Prawirohardjo, S. 2006.Pelayanan Kesehatan Maternal dan Neonatal. Jakarta : YBP – SP.
Riyadi, S. dan Sukarmin. 2009. Asuhan Keperawatan Pada Anak. Yogyakarta: Graaha Ilmu.
Saifuddin, AB. 2009. Panduan Praktis Pelayanan Kesehatan Maternal dan Neonatal. Jakarta: EGC.
Salkind. 2007. Encylopedia of Measurement and Statistics. California: SAGE.
Sembiring, R. 1995. Analisis Regresi. Bandung: ITB.
Setiawan. 2015. Analisis Regresi Linier. Bandung: ITB.
Sudamarto. 2005. Ekonometrika Terapan. Yogyakarta: Penerbit Andi.
Sugiyono. 2015. Statistika untuk Penelitian. Bandung: Alfabeta.
Suliyanto, B. 2013. Menganalisa Statistik Bisnis dan Ekonomi dengan SPSS. Yogyakarta: Penerbit Andi.
Todaro, M. P. 2000. Pembangunan Ekonomi di Dunia Ketiga. Jakarta: Erlangga.
Widarjono, A.2007. Ekonometrika: Teori dan Aplikasi untuk Ekonomi dan Bisnis. Edisi Kedua. Yogyakarta:
Ekonisia Fakultas Ekonomi Universitas Islam Indonesia.
Widyasih, Hesty. Dkk. 2012. Perawatan Masa Nifas. Yogyakarta: Fitramaya.
World Health Organization, United Nations Children’s Fund. 2003. Global strategy for infant and young
child feeding. Geneva, Switzerland: World Health Organization.
Yanti, Damai dan Dian. 2011. Asuhan Kebidanan Masa Nifas. Bandung: Refika Aditama.
Yuliara. 2016. Regresi Linier Berganda. Bali:
Universitas Udayana.