=
1 3
21 3.347.790
3 67
8.733.685, −
−
= 14,78
Dari tabel distribusi F dengan dk pembilang = 3, dk penyebut = 17, dan α = 0.05 diperoleh F
tab
= 3,20. Karena F
hit
lebih besar daripada F
tab
maka H ditolak dan
H
1
diterima. Hal ini berarti persamaan regresi linier berganda Y atas X
1
, X
2
dan X
3
bersifat nyata. Hal ini berarti bahwa jumlah pasangan usia subur, akseptor KB dan jumlah posyandu secara bersama–sama mempengaruhi jumlah kelahiran di Kota
Medan.
4.5 Perhitungan koefisien Korelasi Linier Ganda
Berdasarkan tabel 4.4 dapat dilihat harga
2
y ∑
= 12.220.981, sedangkan JK
reg
yang
telah dihitung adalah 8.733.685,67. Maka selanjutnya dengan rumus R
2
=
2
y JK
reg
∑
.
Sehingga didapat koefisien determinasi : R
2
=
12.220.981 67
8.733.685,
= 0,714647
Universitas Sumatera Utara
Dan untuk koefisien korelasi ganda, kita gunakan : R
=
2
R =
0,714647
= 0,84536788
Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 0,7146 dan dengan mencari akar dari R
2
, diperoleh koefisien korelasinya sebesar 0,8453. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap
perubahan variabel dependent. Artinya 71,46 jumlah kelahiran dipengaruhi oleh pasangan usia subur, akseptor KB dan jumlah posyandu. Sedangkan 28,54 sisanya
dipengaruhi oleh faktor – faktor lain.
4.6 Perhitungan Korelasi antara Variabel Y dengan X
i
1. Koefisien korelasi antara jumlah kelahiran Y dengan jumlah pasangan usia subur X
1
.
r
yx1
=
{ }
{ }
2 2
2 1
2 1
1 1
1
Y Y
n X
X n
Y X
Y X
n ∑
− ∑
∑ −
∑ ∑
∑ −
∑
r
yx1
=
{ }
{ }
2 2
44.970 108.521.02
21 367.865
331 7.107.936.
21 44.970
367.865 6
857.643.84 21
− −
−
= 0,776
Universitas Sumatera Utara
Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan jumlah pasangan usia subur. Artinya penambahan jumlah kelahiran akan
meningkatkan jumlah pasangan usia subur, dan sebaliknya penurunan jumlah kelahiran akan menurunkan jumlah pasangan usia subur. Hubungan antara jumlah
kelahiran dengan jumlah pasangan usia subur tergolong cukup kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,776.
2. Koefisien korelasi antara jumlah kelahiran Y dengan akseptor KB X
2
. r
yx2
=
{ }
{ }
2 2
2 2
2 2
2 1
2
Y Y
n X
X n
Y X
Y X
n ∑
− ∑
∑ −
∑ ∑
∑ −
∑
=
{ }
{ }
2 2
44.970 108.521.02
21 214.037
147 2.490.006.
21 970
. 44
214.037 7
505.023.28 21
− −
−
= 0,760
Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan jumlah akseptor KB. Artinya penambahan jumlah kelahiran akan
meningkatkan jumlah akseptor KB, dan sebaliknya penurunan jumlah kelahiran akan menurunkan jumlah akseptor KB. Hubungan antara jumlah kelahiran dengan jumlah
akseptor KB tergolong cukup kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,760.
3. Koefisien korelasi antara jumlah kelahiran Y dengan jumlah posyandu X
3
.
r
yx3
=
{ }
{ }
2 2
2 3
2 3
3 1
3
Y Y
n X
X n
Y X
Y X
n ∑
− ∑
∑ −
∑ ∑
∑ −
∑
Universitas Sumatera Utara
=
{ }
{ }
2 2
44.970 108.521.02
21 1.406
104.176 21
970 .
44 1.406
3.246.837 21
− −
−
= 0,673
Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan jumlah posyandu. Artinya penambahan jumlah kelahiran akan meningkatkan
jumlah posyandu, dan sebaliknya penurunan jumlah kelahiran akan menurunkan jumlah posyandu. Hubungan antara jumlah kelahiran dengan jumlah posyandu
tergolong cukup kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,673.
4.7 Perhitungan Korelasi Antar Variabel Bebas
