IV.3.2.2 Persamaan regresi • Dengan satu variabel X
1
Y = 0.107 + 0.823 X
1
R = 0,840 R² = 0,705
Universitas Sumatera Utara
• Dengan satu variabel X
2
Y = 0.349 + 0.667 X
2
R = 0,711 R² = 0,505
Universitas Sumatera Utara
• Dengan satu variabel X
3
Y = 1.114 + 0.581 X
3
R = 0,449 R² = 0,201
Universitas Sumatera Utara
• Dengan satu variabel X
4
Y = 0.889 + 0.944 X
4
R = 0,529 R² = 0,280
Universitas Sumatera Utara
• Dengan satu variabel X
5
Y = 0.840 + 0.713 X
5
R = 0,572 R² = 0,327
Universitas Sumatera Utara
• Dengan dua variabel X
3
dan X
4
Y = -0.186 + 0.603 X
3
+ 0.971 X
4
R = 0,705 R² = 0,497
Universitas Sumatera Utara
Dari hasil analisa yang telah dilakukan maka didapat model regresi linear sebagai berikut :
Model Analisa Regresi Linear Sederhana Y = 0.107 + 0.823 X
1
R = 0,840 R² = 0,705 Y = 0.
349 + 0.667 X
2
R = 0,7 11 R² = 0,505
Y = 1.114 + 0.581 X
3
R = 0,4 49 R² = 0,201
Y = 0. 889 + 0.944 X
4
R = 0, 529 R² = 0,280
Y = 0. 840 + 0.713 X
5
R = 0, 572 R² = 0,327
Y = -0.186 + 0.603 X
3
+ 0.
971 X
4
R = 0, 705 R² = 0,497
Tabel IV.20 Model regresi yang didapat
Uji Determinasi
Uji determinasi dilakukan untuk mengetahui hubungan linear dua buah variabel dalam persamaan regresi. Koefisien determinasi dilambangkan r² pada persamaan regresi
sederhana. Dari persamaan regresi yang telah didapat, maka persamaan regresi dengan nilai
koefisien determinasi besar adalah :
Y = 0.107 + 0.823 X
1
R = 0,840 R² = 0,705 Y = 0.349 + 0.667 X
2
R = 0,711 R² = 0,505
• Pada persamaan regresi dengan variabel bebas X
1
menunjukkan nilai determinasi sebesar 0,705 ,dengan artian sebesar 70,5 variabel Y dapat
dijelaskan oleh variabel bebas X
1
Universitas Sumatera Utara
• Pada persamaan regresi dengan variabel bebas X
2
menunjukkan nilai determinasi sebesar 0,505 ,dengan artian 50,5 variabel Y dapat dijelaskan
oleh variabel bebas X
2
Uji t
Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen X
1
, X
2
,…..X
n
secara parsial berpengaruh signifikan terhadap variabel dependen Y. Berikut ini merupakan hasil dari perhitungan uji t pada variabel X
1
dan X
2.
• Hasil perhitungan uji t pada variabel X
1
didapat nilai t = 16,790 lalu kita bandingkan dengan nilai t pada tabel dengan signifikansi a = 5 , df 1
jumlah variabel = 2 dan df 2 n-k = 120 – 1 = 119 n = jumlah sampel , k = jumlah variabel independen didapat nilai t tabel = 1,657. Maka t hitung t
tabel 16,790 1,657 dengan artian bahwa variabel X
1
secara parsial berpengaruh pada variabel Y
Universitas Sumatera Utara
• Hasil perhitungan uji t pada variabel X
2
didapat nilai t = 10,982 lalu kita bandingkan dengan nilai t pada tabel dengan signifikansi a = 5 , df 1
jumlah variabel = 2 dan df 2 n-k = 120 – 1 = 119 n = jumlah sampel , k = jumlah variabel independen didapat nilai t tabel = 1,657. Maka t hitung t
tabel 10,982 1,657 dengan artian bahwa variabel X
2
secara parsial berpengaruh pada variabel Y
Uji F
Uji F adalah pengujian pada variabel independen X
1
, X
2
, … Xn apakah berpengaruh pada variabel dependen Y , atau untuk mengetahui apakah model
regresi dapat digunakan untuk memprediksi variabel dependen atau tidak. Setelah mendapatkan persamaan regresi linear, berikut ini adalah tabel hasil
perhitungan uji F yang didapat dari variabel X
1
dan X
2 :
Universitas Sumatera Utara
• Hasil perhitungan uji F pada variabel X
1
didapat nilai F = 281,90 lalu kita bandingkan dengan nilai F pada tabel dengan signifikansi a = 5 , df 1
jumlah variabel = 2 dan df 2 n-k-1 = 120 – 1 – 1 = 118 n = jumlah sampel , k = jumlah variabel independen didapat nilai F tabel = 3,92. Maka F hitung
F tabel 281,90 3,92 dengan artian bahwa variabel X
1
berpengaruh pada variabel Y
• Hasil perhitungan uji F pada variabel X
2
didapat nilai F = 120,606 lalu kita bandingkan dengan nilai F pada tabel dengan signifikansi a = 5 , df 1
jumlah variabel = 2 dan df 2 n-k-1 = 120 – 2 – 1 = 117 didapat nilai F tabel = 3, 92. Maka F hitung F tabel 120,606 3, 92 dengan artian bahwa
variabel X
2
berpengaruh pada variabel Y
Uji lineritas
Uji lineritas merupakan salah satu pengujian sebagai syarat pada analisi regresi linier. Dua buah variabel dapat dikatakan linier apabila signifikansi kurang dari 0,05. Dengan
menggunakan program SPSS , berikut ini merupakan hasil dari uji linieritas pada variabel X
1
dan X
2
:
Universitas Sumatera Utara
Dari hasil perhitungan linearitas di atas di dapat nilai signifikansi pada linearity sebesar 0.000 dan nilai ini besarnya adalah kurang dari nilai signifikansi sebesar 0,05 , maka dapat
disimpulkan kedua variabel X
1
dan X
2
pada persamaan regresi Y = 0.107 + 0.823 X
1
Y = 0.349 + 0.667 X
2
dinyatakan liniear.
Uji validasi
Uji validasi adalah pengujian ketepatan sebuah variabel terhadap perhitungan variabel dependen Y.
Dengan menggunakan bantuan SPSS didapat nilai validasi yaitu corrected item - total correlation pada variabel X
1
dan X
2
sebagai berikut :
Universitas Sumatera Utara
Dari nilai output di atas kita bandingkan nilai corrected item - total correlation pada variabel X
1
dan X
2
yaitu sebesar 0,840 dan 0,711 dengan nilai r pada tabel dengan jumlah data n = 120 dan signifikansi 0,05 diuji dengan 2 arah maka di dapat r sebesar 0,1779 . Dari hasil
analisa didapat bahwa nilai dari variabel X
1
dan X
2
melebihi nilai r tabel, maka dapat dinyatakan bahwa persamaan Y = 0.107 + 0.823 X
1
Y = 0.349 + 0.667 X
2
adalah valid.
IV.4 Resume Model Regresi yang didapat
Setelah melalui beberapa pengujian, maka didapat persamaan terbaik adalah Y = 0.107 + 0.823 X
1
dan Y = 0.349 + 0.667 X
2 .
Besarnya bangkitan yang terjadi dipengaruhi oleh variabel jumlah keluarga X
1
dan jumlah pendapatan X
2
dengan nilai determinasi masing masing sebesar R² = 0,705 dan R² = 0,505 .
IV.5 Hasil Metode Klasifikasi Silang dan Regresi Linier Dari hasil perhitungan dengan menggunakan metode klasifikasi silang didapat jumlah
perjalanan yang dilakukan 120 sampel rumah tangga sebesar 596,98 pergerakan hari, dan 94457.160 pergerakan hari untuk satu kecamatan lubuk pakam dengan jumlah rumah tangga
18987 Sedangkan pada metode regresi liniear yang ditentukan sebagai model perhitungan
terbaik adalah Y = 0.107 + 0.823 X
1
dengan R² = 0,705
,
untuk mendapatkan jumlah pergerakan maka nilai X
1
diganti dengan uji , maka didapat jumlah pergerakan sebesar : 38024.10 pergerakan hari dan pada persamaan Y = 0.349 + 0.667 X
2
dengan R² = 0,505 .
maka nilai X
2
diganti dengan nilai uji, didapat jumlah pergerakan sebesar 49207,97 pergerakanhari
Universitas Sumatera Utara
Kategori