23 Pada regresi berganda ini, variabel terikat dapat diwakili oleh Y dan
variabel bebas oleh X. Pada analisis regresi berganda X dengan notasi bawah digunakan untuk mewakili variabel-variabel bebas. Variabel terikatnya dinyatakan
dengan Y, dan variabel bebasnya dinyatakan dengan X
1
, X
2
, ... , X
k
. Hubungan antara X dan Y dapat disebut sebagai model regresi berganda. Pada model regresi
berganda, respon mean dibuat menjadi fungsi linear dari variabel penjelas explanatory.
Regresi berganda yang menghubungkan variabel dependen Y dengan beberapa variabel independen X
1
, X
2
, ... , X
k
memiliki formula secara umum Ramanathan, 1997:
Y
t
= β
1
X
t1
+ β
2
X
t2
+ ... + β
k
X
tk
+ µ
t
Tanda ‟t‟ merupakan jumlah observasi dan bervariasi dari 1 sampai n. Pada regresi ini diasumsikan terdapat term gangguan berupa µ
t
atau biasanya dikenal sebagai komponen galat. Komponen ini merupakan variabel acak yang
tidak teramati, dihitung sebagai akibat dampak faktor lain pada respon dengan masing-masingnya berdistribusi normal. Koefisien reg
resi, β
1
, β
2
, ... , β
k
merupakan koefisien regresi dari masing-masing variabel independen akan mempengaruhi variabel dependennya secara positif maupun negatif.
2.2.4 Analisis Crosstabs
– Chi Square
Analisis Crosstab merupakan analisis dasar untuk hubungan antar variabel kategori nominal - ordinal Trihendradi, 2009. Penambahan variabel kontrol
untuk mempertajam analisis sangat dimungkinkan. Crosstab data digunakan untuk mengetahui hubungan atau distribusi respons antara variabel data dalam
bentuk baris dan kolom. Sedangkan analisis Crosstab – Chi Square adalah suatu
24 analisis hubungan antar variabel data nominal Yamin, 2009.
Tabulasi silang digunakan untuk menggambarkan jumlah data dan hubungan antar variabel. Selain itu, untuk menguji ada tidaknya hubungan antar
variabel pengaruh dengan variabel terpengaruh dimana salah satu variabel minimal nominal dilakukan uji hipotesa dengan menggunakan rumus Chi-Square,
rumus Chi-Square adalah Walpole, 1995: χ
2
= Dimana:
n
ij
= banyaknya observasi yang berada pada kategori sel ij E
ij
= banyaknya observasi harapan di bawah sel ij
2.2.5 Korelasi Bivariate dan Rank Spearman
Tujuan korelasi adalah mengetahui ukuran kekuatan atau kekuatan hubungan antara dua variabel. Koefisien korelasi mengukur kekuatan hubungan
tersebut linier Gujarati, 1995. Analisis hubungan antarvariabel secara garis besar ada dua, yaitu analisis korelasi dan anlisis regresi. Kedua analisis tersebut
saling terkait. Analisis korelasi menyatakan derajat keeratan hubungan antarvariabel, sedangkan analisis regresi digunakan dalam peramalan variabel
dependen berdasarkan variabel-variabel independennya. Analisis korelasi bivariate mencari derajat keeratan hubungan dan arah
hubungan. Semakin tinggi nilai korelasi, semakin tinggi keeratan hubungan kedua variabel Trihendradi, 2009. Nilai korelasi memiliki rentang antara 0 sampai 1
atau 0 sampai -1. Tanda positif dan negatif menunjukkan arah hubungan. Tanda positif menunjukkan arah hubungan searah. Jika satu variabel naik, variabel yang
lain naik. Tanda negatif menunjukkan hubungan berlawanan. Jika satu variabel
25 naik, variabel yang lain turun.
Korelasi Rank Spearman digunakan untuk mengetahui hubungan antara dua variabel data yang berskala ordinal Yamin, 2009. Uji Spearman ini
menganalisis hubungan dua variabel dengan mengurutkan kedua variabel tersebut kemudian dicari disparitasnya d
i
atau selisih variabel yang telah diurutkan. Formula koefisien korelasi Spearman adalah Trihendradi, 2009:
r
s
= 1 - dimana:
d
i
= disparatis atau selisih variabel X
1
dan X
2
X
1
dan X
2
= variabel yang akan diteliti N
= banyaknya pengamatan
2.2.6 Desain Kebijakan Lingkungan pada Kawasan Industri