Hasil perhitungan di atas diperoleh koefisien korelasi untuk variabel X tehadap Y. Hasilnya sebagai berikut :
= 0,937642374 = 0,272475013
= 0,923303772 = 0,602086638
Hasil dari perhitungan di atas dapat dibuat ke dalam tabel 3.8 seperti di bawah ini :
Tabel 3.9. Nilai Koefisien Korelasi
No. Korelasi
Nilai koefisien Korelasi
Interpretasi
1. 0,937642374
Hubungan antara
jumlah penduduk
terhadap permintaan air minum sebesar 0,937. Artinya hubungannya erat.
2. 0,272475013
Hubungan antara pendapatan perkapita terhadap permintaan air minum adalah
sebesar 0,272.
Artinya hubungannya
rendah. 3.
0,923303772 Hubungan antara tarif air minum terhadap
permintaan air minum adalah sebesar 0,923. Artinya hubungannya kuat.
4. 0,602086638
Hubungan antara
jumlah air
yang diproduksi terhadap permintaan air minum
adalah sebesar 0,602. Artinya hubungannya kuat.
Sumber : Hasil Penelitian, 2013 Data diolah
3.4.2. Uji Determinasi R
2
Setiap peneliti ingin mengetahui seberapa baik model yang digunakan. Ada beberapa cara menginterpretasikannya misalnya saja dengan melihat mean squared error atau
bisa juga dengan melihat nilai R
2
atau koefisien determinasi, dikarenakan variabel dalam penelitian ini lebih dari dua variabel maka yang digunakan adalah Adjusted R
Square.
Universitas Sumatera Utara
Koefisien determinasi mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel bebas independent. Range dari nilai R
2
adalah 0-1. ≤ R
2
≤ 1. Semakin mendekati nol berarti model semakin tidak baik atau variasi model dalam menjelaskan amat terbatas, sebaliknya semakin mendekati satu model
semakin baik.
Sebelum mencari koefisien determinasi dengan rumus 2.8 maka ada baiknya dicari terlebih dahulu nilai besarnya variansi taksiran berdasarkan tabel 3.7 yaitu
dengan melihat nilat Y taksiran dan menggunakan rumus 2.6 pada Bab 2. Berikut perhitungannya.
, ..
=
∑
, ..
=
,
, ..
= 2,9669266 + 15
, , ..
= 172247689,9
Diperoleh besar variansi taksiran adalah
2,9669266 + 15
, maka koefisien determinasi dapat dicari dengan rumus 2.8 sebagai berikut.
= 1
−
. ..
= 1
−
, ,
= 1
−
, ,
= 1
−
0,0789473689 = 0,921052632
Dari perhitungan di atas didapat nilai
= 0,921
. Hal ini berarti hubungan antara jumlah penduduk, pendapatan perkapita, tarif air minum dan jumlah air minum yang
diproduksi adalah sebesar 92,1. Artinya hubungannya relatif kuat. Berarti sebesar 92,1 faktor-faktor yang mempengaruhi permintaan air minum pada PDAM Tirtanadi
Universitas Sumatera Utara
Medan dan sisanya 7,9 dapat dijelaskan oleh faktor yang lain yang tidak diteliti oleh penelitian ini.
Berikut dengan perhitungan menggunakan SPSS
Tabel 3.10. Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate 1
.903
a
.816 .767
8.70535E6 a. Predictors: Constant, X4, X2, X3, X1
b. Dependent Variable: Y
Dari tabel di atas diperoleh keterangan sebagai berikut :
a R = 0,903 berarti hubungan antara jumlah penduduk X1, pendapatan perkapita X2, tarif air minum X3 dan jumlah air yang di produksi X4
terhadap permintaan air minum Y sebesar 90,3. Artinya hubungannya sangat erat. Untuk memastikan tipe hubungan antar variabel dapat dilihat pada
tabel berikut ini.
Tabel 3.11 Interpretasi Koefisien Korelasi Nilai r Interval Koefisien
Tingkat Hubungan
0,80 – 1,000 0,60 – 0,799
0,40 – 0,599 0,20 – 0,399
0,00 – 0,199 Sangat Kuat
Kuat Cukup Kuat
Rendah Sangat Rendah
Sumber : Analisis Data Helmi, Syafrizal, 2010
b R Square sebesar 0,816 berarti 81,6 faktor-faktor permintaaan air minum dapat dijelaskan oleh jumlah penduduk, pendapatan perkapita, tarif air minum
dan jumlah air yang diproduksi. Sedangkan sisanya 18,4 dapat di jelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
Universitas Sumatera Utara
c Adjusted R Square sebesar 0,767 berarti 76,7 faktor-faktor permintaan air minum dapat dijelaskan oleh jumlah penduduk, pendapatan perkapita, tarif air
minum dan jumlah air yang diproduksi. Sedangkan sisanya 23,3 dapat dijelaskan oleh faktor lain yang tidak diteliti dalam penelitian ini.
d Ada dua pilihan di sini, apakah memakai R square atau Adjusted R Square. Jika variabel lebih dari dua variabel maka yang dipakai adalah Adjusted R
Squared.
3.4.3. Perhitungan Analisis Keragaman Regresi Uji F
