Kemudian data observasi diselesaikan dengan menggunakan metode kuadrat terkecil, maka diperoleh persamaan regresi linier berganda yangmerupakanpenduga berbentuk:
=
k k
x b
x b
b
...
1 1
Dengan: = Y – e
j
dengan asumsi bahwa e
j
≈ N0,σ
2
. Hal inipenting berarti bahwa residu e
j
mengikuti distibusi normal dengan nilai rata-rata pengganggu = 0 dan variansi e
j
= σ
2
. Untuk penganalisa kecocokan penduga yang diperoleh, ketiga asumsi ini
harus diperiksa. i.
Rata-rata residu ē = 0. ii.
Tidak ada autokorelasi antar residu, artinya e
j
,e
k
= 0. Sehingga penduga yang diperoleh merupakan penduga yang tak biasa.
iii. Nilai rata-ra residu dan variansi e
j
= variansi e
k
= σ
2
. Asumsi ini disebut dengan asumsi homoscedastisitas.
2.4. Membentuk Model Penduga
Apabila proses pengeluaran variabel bebas dari persamaan regresi telah selesai, maka dietapkan persamaan regresi yang menjadi penduga linier yang
diinginkan.
2.4.1. Persamaan Penduga Pada Metode Backward
Bentuk penduga ditetapkan adalah : =
p p
X b
b
dimana X
p
dalah semua variabel X yang tinggal di dalam persamaan dan b
p
adalah koefisien regresi dari X
p
.
Universitas Sumatera Utara
2.4.2. Koefisien Korelasi determinasi Indeks Determinasi.
Koefisien korelasi determinasi ditanyakan dengan R
2
. Koefisien ini menyatakan besar promosi atau sumbangan dari X
1
, X
2
, ..., X
k
secara bersama-sama terhadap variasi atau naik turunnya Y. Harga R
2
diperoleh : R
2
= JK REGJK Total 100 Harga R
2
yang diperoleh akan sesuai dengan variasi yang dijelaskan masing- masing variabel yg tinggal dalam regresi. Hal ini berakibat bahwa variasi yang
dijelaskan penduga hanya disebabkan oleh variabel ang berpengaruh saja yang bersifat nyata atau lebih. Sebagai penduga sering digunakan dalam satuan persen
dimana persentase variasi penduga tersebut adalah: R
2
x 100.
2.4.3. Pertimabangan Terhadap Penduga.
a. Pertimbangan Berdasarkan R
2
. Diterima atau tidaknya suatu penduga yang diperoleh atas besarnya R
2
adalah tergantung kepada yang menilainya atau yang membuat keputusan. Suatu penduga
sangat baik digunakan bila persentase variasi yang dijelaskan sangat besar mendekati satu.
b. Pertimbangan Berdasarkan Residu Sisa Suatu regresi adalah berarti dan model regresinya cocok apabila ketiga
asumsi dipenuhi. Ketiga asumsi itu dibuktikan ditunjukkan kebenarannya dengan analisa residu dari penduga, yaitu selisih dari respon observasi terhadap hasil keluaran
oleh penduga berdasarkan predictor observasi.
Universitas Sumatera Utara
2.4.4. Pembuktian Asumsi Asumsi i : Rata-rata residu sama dengan nol 0.
Keberartian dari keadaan ini akan terlihat pada perhitungan seperti tabel dibawah ini.
Asumsi ii: Variansi e
j
= variansi e
k
= σ
2
. Keadaan ini akan dibuktikan melalui uji statistika yaitu
uji t, dengan terlebih
dahulu menghitung koefisien korelasi Rank Sperman membandingkan harga t
hitung
dengan t
tabel
. Untuk uji ini, data yang diperlakukan dengan tabel sebagai berikut:
Tabel 4 : Koefisien Korelasi Rank Spearman No.
Penduga Residu
Rank Rank e
j
d
j
2
j
d
Obs
j
e
j j
ry-r
e
1 Y
1
e
1
r
Y1
r
e1
d
1
2 1
d
2 Y
2
e
2
r
Y2
r
e2
d
2
2 2
d
3 Y3
e
3
r
Y3
r
e3
d
3
2 3
d
. .
. .
. .
No. Y
n
e
n
R
Yn
r
en
d
n
2 n
d
Jumlah
2
j
d
Koefisien korelasi Rank Spearman : r
s
= 1-6
1
2 2
n n
j d
, kemudia di uji dengan
menggunakan uji t, dimana harga dari t
hitung
=
2
1 2
s s
r n
r
, dan selanjutnya dicari harga t
tabel
yaitu: t
tabel
= t
n- 2;1,α
, dimana n-2 adalah derajat kebebasan dan adalah taraf nyata hipotesa. Dengan membandingkan t
hitung
terhadap t
tabel
terhadap t
tabel
maka diperoleh;
Universitas Sumatera Utara
bila t
hitung
t
tabel
maka variansi e
j
= variansi e
k
sehingga variansi seluruh residu adalah sama homoscedasitisitas.
Asumsi iii: Convarian e
j
,e
k
= 0. Asumsi ini dibuktikan dengan plot residu diagram pencar dari residu. Bila
plot residu menunjukkan pola tertentu yang beraturan maka asumsi dilanggar atau covarian e
j
,e
k
≠ 0. Sedangkan sebaliknya asumsi dipenuhi. Aabila asumsi ini dipenuhi maka tidak terdapat antokorelasi antar residu.
Universitas Sumatera Utara
BAB III PEMBAHASAN
