2.10.3.

Pengujian Regresi1
Pengujian hipotesis pada koefisien regresi juga bisa dilakukan melalui
Uji-t. Langkah awalnya melibatkan merumuskan hipotesis sebelum melanjutkan
proses pengujian. Untuk pengujian satu sisi :
H0 : β = β0 (Variabel X tidak berpengaruh terhadap variabel Y secara signifikan)
H1 : β ≠ β0 (Variabel X berpengaruh terhadap variabel Y secara signifikan)
Sedangkan untuk pengujian dua sisi yaitu :
H0 : β = β0 (Variabel X tidak berpengaruh terhadap variabel Y secara signifikan)
H1 : β > β0 (Variabel X berpengaruh terhadap variabel Y secara positif)
H1 : β < β0 (Variabel X berpengaruh terhadap variabel Y secara negatif)
Langkah selanjutnya adalah menentukan nilai probabilitas atau
signifikansi (α ) dengan menggunakan distribusi t student (tx dan tx/2) dengan
mempertimbangkan derajat kebebasan (DF) yang dihitung dari selisih antara
jumlah observasi (n) dan jumlah variabel yang dimasukkan dalam model regresi
(k). Rumus yang digunakan adalah:
b- b0
to =
Sb
Kemudian membuat kesimpulan untuk uji satu sisi (one-tailed test):
Jika t0 > t, maka H0 ditolak.
Jika t0 ≤ t, maka H0 diterima atau,
Jika t0 < -t, maka H0 ditolak. Jika t0 ≥ -t, maka H0 diterima.
Untuk uji dua sisi yaitu :
Jika t0 > tx/2 atau to < -tx/2, maka H0 ditolak.
Jika -tx/2 ≤ t0 ≤ tx/2, maka H0 diterima.

1
Waryanto, dkk. 2019. Analisis Pengaruh Kenaikan Harga Pengawet Terhadap Kegiatan
Produksi Industri Kosmetik Menggunakan Metode Uji Regresi Sederhana. Universitas Pamulang:
Jurnal Statistika dan Matematika. Vol. 1, No.2. ISSN: 2655-3724
 2.10.4. Signifikansi Simultan dalam Regresi2
Uji Simultan juga disebut dengan Uji F dan Uji Signifikansi disebut
dengan Uji T. Uji F digunakan untuk mengetahui secara simultan koefisien
variabel bebas mempunyai pengaruh nyata atau tidak terhadap variabel terikat.
kriteria untuk penerimaan dan penolakan suatu hipotesis ini adalah:
1. H0 diterima, jika: Fhitung ≤ Ftabel , Sign. > α
2. H0 diterima, jika: Fhitung > Ftabel, atau Sign. ≤ α
3
Uji T digunakan untuk mengetahui masing-masing variabel bebas secara
parsial terhadap variabel terikat, mengunakan uji masing-masing koefisien regresi
variabel bebas apakah mempunyai pengaruh yang bermakna atau tidak terhadap
variabel terikat. Kriteria untuk penerimaan dan penolakan suatu hipotesis adalah:
1. H0 diterima, jika: -ttabel ≤ thitung ≤ ttabel , Sign. > α
2. H1 diterima, jika: thitung > ttabel, atau -thitung < -ttabel , Sign. ≤ α

2.11. Teori Korelasi

2.11.1. Definisi Korelasi4
Korelasi adalah sebuah metode yang menggambarkan hubungan antara
dua variabel dengan menggunakan serangkaian pasangan bilangan. Di dalam
menggunakan desain korelasi adalah umum untuk menghitung koefisien
korelasi(r). Koefisien korelasi ini merupakan statistik yang memberikan gambaran
tentang hubungan antara pasangan bilangan X dan Y dalam berbagai situasi.
Korelasi r dihitung dengan formula sebagai berikut.
n ( Σxy ) - ( Σx )( Σy )
r=
√ n ( Σ x ) - ( Σx ) √ n ( Σ y ) - ( Σy )
2 2 2 2

Koefisien korelasi (r) dapat mengambil nilai positif maupun negatif, dan
keduanya dapat mencakup rentang yang luas, mulai dari korelasi yang lemah

2
Ahmad Mukoffi. 2018. Jamswap. Jurnal Akuntansi dan Manajemen Volume 3, Nomor 3. ISSN :
2086-3659
3
Tesa Nur Padilah,Riza Ibnu Adam. 2019. FIBONACCI : Jurnal Pendidikan Matematika dan
Matematika Volume 5 No. 2. ISSN : 2460 – 7797
4
Garaika dan Darmanah. 2019. Metodologi Penelitian. Lampung: CV Hira Tech. ISBN: 978-
62393596-9-0
 hingga yang kuat. Koefisien korelasi mencerminkan aspek-aspek hubungan antara
variabel-variabel. Korelasi positif menunjukkan bahwa terdapat keterkaitan antara
kenaikan nilai suatu variabel dengan kenaikan nilai variabel lainnya, sedangkan
korelasi negatif menandakan hubungan di mana kenaikan suatu variabel dikaitkan
dengan penurunan nilai variabel lainnya.

2.11.2. Jenis-Jenis Korelasi5

1. Korelasi Linear
Korelasi linear adalah ukuran hubungan linear antara dua peubah acak X dan
Y, dan dilambangkan dengan r. Jadi, r mengukur sejauh mana titik-titik
menggerombol di sekitar sebuah garis lurus. Korelasi antara kedua peubah
semakin menurun secara numerik dengan semakin memencarnya atau
menjauhnya titik-titik dari suatu garis lurus. Bila titik-titiknya mengikuti suatu
pola yang acak, dengan kata lain tidak ada pola, maka kita mempunyai korelasi
nol, dan disimpulkan tidak ada hubungan linear antara X dan Y. Ukuran korelasi
linear antara dua peubah yang paling banyak digunakan adalah yang disebut
koefisien korelasi momen-hasil kali Pearson atau biasa disebut koefisien korelasi
contoh.
n n n
n ∑ ( Xi Y i ) - ∑ X i ∑ Yi
i=1 i=1 i=1
r=

√[ ( ) ][ ( )]
n n 2 n n 2
n ∑ ( Xi ) - ∑ Xi n ∑ ( Yi ) - ∑ Yi
2 2

i=1 i=1 i=1 i=1

2. Korelasi Parsial
Korelasi Parsial adalah ukuran hubungan linear antara peubah-peubah Y dan
X dengan Xx dibuat tetap, diduga dengan koefisien korelasi parsial contoh r ,1
yang didefinisikan sebagai:
r γ2 - r Y1 r 12
r γ2,1 =
√ (1- r 2
Y1 )(1- r 212 )

5
Walpole, Ronald. E. 1993. Pengantar Statistika Edisi ke-3. PT Gramedia Pustaka Utama. Hal
370-371, 376
 Definisi serupa berlaku bagi rx2, yang mengukur korelasi antara Y dan X x
sementara X2 dibuat tetap. Kuadrat koefisien korelasi parsial contoh disebut
koefisien determinasi parsial contoh, yang dapat diartikan sebagai rasio
keragaman yang tidak dapat dijelaskan. Lebih jelasnya, r i menyatakan proporsi
keragaman nilai-nilai Y menggunakan X x saja, tetapi yang sekarang dapat
diterangkan, oleh garis regresi yang mencakup X2 di samping Xx.

2.11.3. Penguijan Hipotesis Korelasi6

Langkah awal dalam melakukan pengujian hipotesis terkait dengan
koefisien korelasi adalah merumuskan hipotesis yang akan diuji. Untuk pengujian
hipotesis satu sisi adalah :
H0 : ρ = 0 (Tidak ada hubungan yang signifikan antara variabel X dengan Y)
H1 : ρ > 0 (Ada hubungan positif antara variabel X dengan Y) atau
H1 : ρ < 0 (Ada hubungan negatif antara variabel X dengan Y)
Sedangkan untuk pengujian hipotesis dua sisi adalah :
H0 : ρ = 0 (Tidak ada hubungan yang signifikan antara variabel X dengan Y)
H1 : ρ ≠ 0 (Ada hubungan yang signifikan antara variabel X dengan Y)
Kemudian pada langkah kedua yaitu dengan menentukan nilai probabilitas atau
signifikansi ( ) tx,tx/2 → Degree Of Freedom (DF) = n – k (k = banyaknya semua
variabel). Langkah ketiga dengan menghitung niai uji statistik atau t hitung (to)
dengan rumus:
r √ n-k
to =
√ 1- r 2
Selanjutnya dengan membuat kesimpulan. Untuk uji satu sisi (one-tailed test) :
Jika to > t , maka H0 ditolak dan H1 diterima.
Jika to ≤ t , maka H0 diterima atau,
Jika to < -t , maka H0 ditolak.
Jika to ≥ -t , maka H0 diterima.
Untuk uji dua sisi (two-tailed test) yaitu :

6
Waryanto, Hendro dan Radita Pratiwi., Op.Cit . Hal 118
 Jika to > tx/2 atau to < -tx/2, maka H0 ditolak dan H1 diterima jika -tx/2 ≤ to ≤ tx/2 ,
maka H0 diterima.

2.11.4. Koefisien Korelasi7

Koefisien korelasi merupakan koefisien yang menggambarkan kedekatan
hubungan antara dua atau lebih variabel. Besar kecilnya koefisien korelasi tidak
menggambarkan hubungan sebab akibat antara dua variabel atau lebih, namun
hanya menggambarkan hubungan linier antar variabelnya. Selain itu, koefisien
korelasi juga menunjukkan hubungan timbal balik sehingga tidak akan menjadi
masalah apabila dalam menentukan variabel bebas maupun terikat dalam sebuah
penelitian. Korelasi juga berguna dalam mengukur tingkat kekuatan hubungan
antara dua atau lebih variabel dalam rentang tertentu. Tingkat keeratan hubungan
pada korelasi ini terletak antara rentang 0 hingga 1. Korelasi memiliki
kemungkinan pengujian secara dua arah. Apabila koefisien korelasi bernilai
positif dikatakan korelasi searah, dan sebaliknya jika koefisien korelasi bernilai
negatif maka dikatakan korelasi tidak searah. Nilai koefisien korelasi terletak
antara -1 hingga 1. -1 berarti terdapat hubungan negatif sempurna (terbalik), 0
berarti tidak memiliki hubungan sama sekali, dan 1 berarti memiliki hubungan
positif sempurna. Pada statistik, koefisien korelasi sangat berkaitan dengan
persamaan regresi karena persamaan regresi sendiri mewakili persamaan
hubungan antara dua atau lebih variabel.

2.11.5. Koefisien Korelasi Berganda8

Analisis Koefisien Korelasi Berganda (R) yaitu cara yang digunakan
untuk melihat derajat pengaruh antara variabel independen (X) terhadap variabel
dependen (Y). Apabila nilai R = 0 atau mendekati 0, maka pengaruh antara
variabel independen (X) dengan variabel (Y) sangat lemah atau tidak ada
pengaruh sama sekali. Namun bila R = +1 atau mendekati 1, maka pengaruh
antara variabel independen (X) dengan variabel (Y) sangat kuat dan dapat
7
Rheza Ari Wibowo, Andriyatna Agung Kurniawan. 2020. Theta Omega: Journal of Electrical
Engineering, Computer and Information Technology. ISSN: 2745-6412
8
Ahmad Mukoffi., Op cit. Hal 37
 dinyatakan bahwa pengaruh yang terjadi adalah positif. Apabila R = -1 atau
mendekati -1, maka pengaruh antara variabel independen (X) dengan variabel (Y)
sangat kuat dan dapat dinyatakan bahwa pengaruh yang terjadi adalah negatif.
Adapun pedoman interpretasi terhadap koefisien korelasi (R) adalah sebagai
berikut:

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 - 0,599 Sedang
0,60 – 0,799 Kuat
0,80 - 1,000 Sangat kuat
Sumber : Ahmad Mukoffi. 2018. JAMSWAP: Jurnal Akuntansi dan Manajemen
Tabel 1.1. Pedoman Interpretasi Terhadap Koefisien Korelasi (R)

2.11.6. Koefisien Determinasi9

Koefisien determinasi yang sering disimbolkan dengan R 2 pada
prinsipnya melihat besar pengaruh variabel bebas terhadap variabel terikat. Bila
angka koefisien determinasi dalam model regresi terus menjadi kecil atau semakin
dekat dengan nol berarti semakin kecil pengaruh semua variabel bebas terhadap
variabel terikat atau nilai R2 semakin mendekati 100% berarti semakin besar
pengaruh semua variabel bebas terhadap variabel terikat. Adapun rumus koefisien
determinasi sebagai berikut:
KP = R2  100%
Keterangan:
KP = nilai koefisien determinasi
R2 = nilai koefisien korelasi

9
Syafrida Hafni Sahir.2021. Metodologi Penelitian. Bantul: KBM Indonesia. Hal 54. ISBN: 978-
623-6155-06-6