Analisis Regresi Linier Berganda dengan Bahasa Pemograman C++ Menguji Keberartian Koefisien Regresi

statistika yang digunakan untuk menentukan apakah suatu model terbebas dari masalah heterokedastisitas atau tidak, seperti misalnya Uji White, Uji Park, Uji Glejser dan lain-lain. Bila variabel penjelas secara statistik signifikan mempengaruhi residual maka dapat dipastikan model ini memiliki masalah heterokedastisitas. Dalam tesis ini akan dilakukan Uji Glejser dengan menggunakan SPSS untuk mengetahui apakah terjadi gejala heterokedastisitas atau tidak. Tabel 4.3. Koefisien Berdasarkan tabel 4.3. diatas diketahui bahwa nilai t-statistik dari seluruh variabel penjelas tidak ada yang signifikan secara statistik, sehingga dapat disimpulkan bahwa model ini tidak mengalami masalah heterokedastisitas. 4.2.2. Analisis Regresi Linier Berganda dengan Bahasa Pemograman C++ Setelah dilakukan uji asumsi klasik dengan menggunakan aplikasi perangkat lunak SPSS versi 18.00, diketahui bahwa tidak terdapat gejala multikorelasi, autokorelasi, dan heterokedastisitas terhadap model data yang diteliti. Langkah selanjutnya adalah membuat rancangan aplikasi dengan menggunakan Bahasa Pemograman C++ untuk melihat pengaruh antara rata-rata nilai UN 1 , IP Komulatif IP Semester 1, 2 dan 3 2 , jumlah sks mata kuliah yang diambil pada semester 4 3 , dan pendidikan orang tua 4 , terhadap masa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 7,9312 0,333 23,829 0,000 IP_Komulatif b 2 -0,876 0,089 -0,534 -9,838 0,000 Rata_Rata_Nilai_UN b 1 -0,049 0,038 -0,059 -1,292 0,197 Jumlah_SKS_Sem_IV b 3 -0,022 0,017 -0,059 -1,278 0,202 Pendidikan_Orangtua b 4 0,017 0,023 0,028 0,763 0,446 a. Dependent Variable: Masa_Studi Universitas Sumatera Utara studi . Algoritma yang digunakan adalah regresi linier berganda yang menghasilkan persamaan sebagai berikut : dimana : = Masa Studi 1 = Rata-Rata Nilai UN, 2 = IP Komulatif IP semester 1, 2 dan 3, 3 = Jumlah SKS Mata Kuliah yang Diambil Pada Semester 4, 4 = Pendidikan Orangtua = Konstanta = Berdasarkan hasil perhitungan dengan menggunakan bahasa pemograman C++ listing program dapat dilihat dalam lampiran 3 diperoleh bentuk persamaan liniernya adalah sebagai berikut : Koefisien Regresi = 7,9312 – 0,0494 - 0,8757 2 – 0,0222 3 + 0,0174 Nilai koefisien regresi pada variabel-variabel bebasnya menggambarkan apabila diperkirakan variabel bebasnya naik sebesar satu unit dan nilai variabel bebas lainnya diperkirakan konstan atau sama dengan nol, maka nilai variabel terikat diperkirakan bisa naik atau bisa turun sesuai dengan tanda koefisien regresi variabel bebasnya. 4

4.2.3. Menguji Keberartian Koefisien Regresi

• Pengujian Hipotesis Secara Overall Uji F Untuk mengetahui signifikan atau tidaknya suatu pengaruh dari variabel-variabel bebas secara bersama-sama atas suatu variabel tidak bebas digunakan uji F statistik. Ho : Tidak ada pengaruh yang signifikan rata-rata nilai UN 1 , IP komulatif IP semester 1, 2 dan 3 2 , jumlah SKS mata kuliah yang diambil pada semester 4 3 , dan pendidikan orang tua 4 . Universitas Sumatera Utara Ha : Ada pengaruh signifikan rata-rata nilai UN 1 , IP komulatif IP semester 1, 2 dan 3 2 , jumlah SKS mata kuliah yang diambil pada semester 4 3 , dan pendidikan orang tua 4 Dengan α = 5 . Kriteria Uji : 1. Terima Ho jika F hitung F tabel 2. Tolak Ho jika F hitung ≥ F tabel Dengan menggunakan aplikasi perangkat lunak SPSS diperoleh perhitungan hasil uji F yang disajikan pada tabel berikut : Tabel 4.4. Pengujian Hipotesis Secara Overall Uji F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 87,142 4 21,785 73,238 0,000 a Residual 147,244 495 0,297 Total 234,386 499 a. Predictors: Constant, Pendidikan_Orangtua, IP_Komulatif, Rata_Rata_Nilai_UN, Jumlah_SKS_Sem_IV Dari tabel di atas, diperoleh nilai F hitung sebesar 73,238. Karena nilai F hitung 73,238 F tabel 2,389, maka Ho ditolak.

4.2.4. Koefisien Determinasi