Membentuk Matriks Korelasi.docx

Membentuk Matriks Korelasi Tabel 4. Koefisien korelasi antara 𝒀 dengan 𝑿𝒊 dan antara variabel

Sumber: Perhitungan menggunakan Software SPSS 17 Membentuk Persamaan Regresi Pertama Berdasarkan matriks korelasi di atas variabel yang mempunyai harga mutlak koefisien korelasi terhadap 𝑌 adalah 𝑋8. Dan yang pertama diregresikan adalah 𝑋8 terhadap 𝑌. Persamaan regresi yang didapat sebagai berikut: Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant) X8

Coefficients

Std. Error

Beta

-1168.368

6966.689

.001

.000

t

.807

Sig. -.168

.871

3.863

.005

a. Dependent Variable: Y

Sumber: Perhitungan menggunakan Software SPSS 17 Sehingga 𝑏0 = −1168,368; 𝑏8 = −0,001

Uji Keberartian Regresi antara 𝑌 dan 𝑋8 ANOVAb Model 1

Sum of Squares

df

Mean Square

Regression

3.072E9

1

3.072E9

Residual

1.647E9

8

2.058E8

Total

4.718E9

9

a. Predictors: (Constant), X8 b. Dependent Variable: Y

F 14.926

Sig. .005a

Model Summary

Model

R

Std. Error of the

Square

Estimate

R Square

.807a

1

Adjusted R

.651

.607

14346.24824

a. Predictors: (Constant), X8

H0 : 𝛽1 = 0 H1 : 𝛽1 ≠ 0 Untuk 𝛼 = 5% = 0,05. Karena P-value < 𝛼 atau 0,005 < 0,05 maka tolak H0. Regresi antara 𝑌 dan 𝑋8 berarti. Dan variabel 𝑋8 tetap dalam regresi. Persamaan regresi yang terbentuk adalah 𝑌 = −1168,368 − 0,001𝑋8 Koefisen korelasi determinasi regresi (R2) adalah 0,651 dan (R2adj) adalah 0,607 Menghitung Harga Masing-masing Parsial Korelasi Variabel Sisa

Untuk perhitungan harga masing-masing parsial korelasi variabel sisa yang selanjutnya, penulis menggunakan Software SPSS 17. Tabel 6. Perhitungan Harga Masing-masing Parsial Korelasi sisa Contol Variabel X8

Y

Y

X1

X2

X3

X4

X5

X6

X7

X9

X10

1

-0,347

-0.747

-0.267

-0.905

-0.137

-0.152

-0.194

-0.159

-0.240

Menentukan Persamaan Regresi antara 𝒀, 𝑿𝟒 , 𝒅𝒂𝒏 𝑿𝟖 Dari perhitungan yang telah dilakuka ternyata bahwa parsial korelasi terbesar adalah 𝑋8 (𝑟(𝑌𝑋4 .𝑋8) = −0,905), sehingga 𝑋4 terpilih sebagai variabel kedua untuk diregresika sebagai berikut :

Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant) X8

Std. Error

26322.228

5836.263

.001

.000

Coefficients Beta

t

.723

Sig. 4.510

.003

7.506

.000

X4

-.626

.111

-.541

-5.614

.001

a. Dependent Variable: Y

Sumber: Perhitungan menggunakan Software SPSS 17 Sehingga 𝑏1 = 26322,228; 𝑏4 = −0,626; 𝑏8 = 0.001 Uji Keberartian Regresi antara 𝑌, 𝑋4 𝑑𝑎𝑛 𝑋8

ANOVAb Model 1

Sum of Squares

df

Mean Square

Regression

4.419E9

2

2.210E9

Residual

2.993E8

7

4.275E7

Total

4.718E9

9

F 51.685

Sig. .000a

a. Predictors: (Constant), X4, X8 b. Dependent Variable: Y

Model Summary

Model 1

R .968a

R Square .937

Adjusted R

Std. Error of the

Square

Estimate .918

6538.40691

a. Predictors: (Constant), X4, X8

H0 : 𝛽1 = 0 H1 : 𝛽1 ≠ 0 Untuk 𝛼 = 5% = 0,05. Karena P-value < 𝛼 atau 0,000 < 0,05 maka tolak H0. Regresi antara 𝑌, 𝑋4 𝑑𝑎𝑛 𝑋8 berarti. Dan variabel 𝑋4 tetap dalam regresi karena nilai parsial dari 𝑋4 0,001 < 0,05. Persamaan regresi yang terbentuk adalah 𝑌 = 30167,564 − 0,759𝑋4 + 0.267𝑋8 Koefisen korelasi determinasi regresi (R2) adalah 0,937 dan (R2adj) adalah 0.918 Menghitung Harga Masing-masing Parsial Korelasi Variabel Sisa Untuk perhitungan harga masing-masing parsial korelasi variable sisa ini, penulis menggunakan Software SPSS 17. Maka diperoleh seperti table 8 :

Tabel 8. Perhitungan Harga Masing-masing Parsial Korelasi sisa Contol Variabel X4 dan X8

Y

Y

X1

X2

X3

X5

X6

X7

X9

X10

1

-0.340

-0.693

-0.342

-0.198

-0.231

-0.151

-0.027

-0.245

Menentukan Persamaan Regresi antara 𝒀, 𝑿𝟒 , 𝑿𝟖 𝒅𝒂𝒏 𝑿𝟐 Dari perhitungan yang telah dilakuka ternyata bahwa parsial korelasi terbesar adalah 𝑋8 (𝑟(𝑌𝑋4 𝑋8 .𝑋2 ) = −0,693), sehingga 𝑋2 terpilih sebagai variabel kedua untuk diregresika sebagai berikut :

Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant)

Coefficients

Std. Error

Beta

35353.552

5942.827

X8

.001

.000

X4

-.490

X2

-.614

t

Sig. 5.949

.001

.699

9.235

.000

.104

-.423

-4.702

.003

.261

-.214

-2.357

.057

a. Dependent Variable: Y

Sumber: Perhitungan menggunakan Software SPSS 17 Sehingga 𝑏1 = 35353,552; 𝑏2 = −0,614; 𝑏4 = −0,490 𝑏8 = 0,001 Uji Keberartian Regresi antara 𝑌, 𝑋4 , 𝑋5 𝑑𝑎𝑛 𝑋8

ANOVAb Model 1

Sum of Squares

df

Mean Square

Regression

4.563E9

3

1.521E9

Residual

1.554E8

6

2.590E7

Total

4.718E9

9

a. Predictors: (Constant), X2, X8, X4 b. Dependent Variable: Y

F 58.731

Sig. .000a

Model Summary

Model 1

R

R Square

.983a

.967

Adjusted R

Std. Error of the

Square

Estimate .951

5089.01039

a. Predictors: (Constant), X2, X8, X4

H0 : 𝛽2 = 𝛽4 = 𝛽8 = 0 H1 : 𝛽2 = 𝛽4 = 𝛽8 ≠ 0 Untuk 𝛼 = 5% = 0,05. Karena P-value < 𝛼 atau 0,000 < 0,05 maka tolak H0. Regresi antara 𝑌, 𝑋4 , 𝑋2 𝑑𝑎𝑛 𝑋8 berarti. Tetapi untuk uji keberartian 𝑋2 : 0.057 > 0.050, maka koefisien regresi variable tersebut tidak berarti. Berdasarkan keadaan ini, maka 𝑋2 tidak masuk (keluar) dari model regresi. Berarti proses pemasuka variable ke dalam regresi telah selasai dan regresi yang memenuhi adalah regresi dengan variable 𝑋4 𝑑𝑎𝑛 𝑋8. Persamaan penduga yang diperoleh adalah : 𝑌 = 30167,564 − 0,759𝑋4 + 0.267𝑋8 Besar variansi yang dijelaskan penduga adalah harga dari koefisien determinasi (R2) = 93,7% dan nilai (Radj) = 9.18 %