Dengan demikian dapat dilihat bahwa nilai F
hitung
15,53 F
tabel
4,07, maka H
ditolak dan H
1
diterima. Hal ini berarti persamaan linier berganda Y atas X
1
, X
2
, X
3
bersifat nyata yang berarti bahwa jumlah kecelakaan lalu lintas yang diakibatkan oleh faktor manusia, alam, dan kendaraan secara bersama-sama
berpengaruh terhadap terjadinya tingkat kecelakaan lalu lintas perhitungan dapat dilihat pada output SPSS di lampiran 1 tabel anova.
4.4 Koefisien Determinansi
Dari tabel 4.3 dapat dilihat harga ∑ �
2
=1324,917 dan nilai JK
reg
=1156,9418 telah dihitung sebelumnya, maka diperoleh nilai koefisien determinansi:
R
2
= JK
���
∑
i=1 n
y
� 2
4. 10
R
2
= 1156,9418
1324,917 R
2
= 0,8732183 Untuk koefisien korelasi ganda maka:
R = √R
2
R = √0,8732183
R = 0,934
Universitas Sumatera Utara
Dari hasil perhitungan diperoleh nilai korelasi R yaitu sebesar 0,934 yang menunjukkan bahwa korelasi antara variabel bebas X dengan variabel tak
bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R
2
diperoleh sebesar 0,8732183 yang berarti sekitar 87 tingkat kecelakaan lalu lintas dipengaruhi oleh faktor manusia, alam, dan
kendaraan. Sedangkan sisanya 100 - 87 = 13 dipengaruhi oleh faktor-faktor lain perhitungan dapat dilihat pada output SPSS di lampiran 1 tabel Model
Summary.
4.5 Koefisiensi Korelasi
4.5.1 Perhitungan Korelasi Antara Variabel Independent dan Variabel Dependent
Untuk mengukur besarnya pengaruh variabel independent terhadap variabel dependent, maka dari tabel 4.2 dapat dihitung besar koefisien korelasinya yaitu:
1. Koefisien korelasi antara tingkat kecelakaan lalu lintas Y dengan jumlah kecelakaan lalu lintas yang disebabkan oleh faktor manusia X
1
. �
��1
= � ∑X
1�
Y
�
− ∑X
1�
∑Y
�
�{� ∑X
1� 2
− ∑X
1� 2
}{ � ∑Y
� 2
− ∑Y
� 2
} 4. 11
= 12 6748
− 221337 �{12 4379 − 221
2
}{12 10789 − 337
2
} =
80976 − 74477
�{52548 − 48841}{129468 − 113569 =
6499 √5894
Universitas Sumatera Utara
= 6499
7677,24 = 0,847
2. Koefisien korelasi antara tingkat kecelakaan lalu lintas Y dengan jumlah kecelakaan lalu lintas yang disebabkan oleh faktor alam X
2
. �
��2
= � ∑X
2�
Y
�
− ∑X
2�
∑Y
�
�{� ∑X
2� 2
− ∑X
2� 2
}{ � ∑Y
� 2
− ∑Y
� 2
} 4. 12
= 12 226
− 7337 �{12 9 − 7
2
}{12 10789 − 337
2
} =
2712 − 2359
�{108 − 49}{129468 − 113569} =
353 √938041
= 353
968,53 = 0,364
3. Koefisien korelasi antara tingkat kecelakaan lalu lintas Y dengan jumlah kecelakaan lalu lintas yang disebabkan oleh faktor kendaraan X
3
. �
��3
= � ∑X
3�
Y
�
− ∑X
3�
∑Y
�
�{� ∑X
3� 2
− ∑X
3� 2
}{ � ∑Y
� 2
− ∑Y
� 2
} 4. 13
= 12 2096
− 67337 �{12 475 − 67
2
}{12 10789 − 337
2
} =
25152 − 22579
�{5700 − 4489}{129468 − 113569} =
2573 √1926
Universitas Sumatera Utara
= 2573
4388,62 = 0,586
4.5.2 Perhitungan Korelasi Antara Variabel independent
1. Koefisien korelasi antara jumlah faktor manusia X
1
dengan jumlah faktor alam X
2
: �
12
= � ∑X
1�
X
2�
− ∑X
1�
∑X
2�
�{� ∑X
1� 2
− ∑X
1� 2
}{ � ∑X
2� 2
− ∑X
2� 2
} 4. 14
= 12 135
− 2217 �{12 4379 − 221
2
}{12 9 − 7
2
} =
1620 − 1547
�{52548 − 48841}{108 − 49} =
73 √218713
= 73
467,67 = 0,156
2. Koefisien korelasi antara jumlah faktor manusia X
1
dengan jumlah faktor kendaraan X
3
: �
13
= � ∑X
1�
X
3�
− ∑X
1�
∑X
3�
�{� ∑X
1� 2
− ∑X
1� 2
}{ � ∑X
3� 2
− ∑X
3� 2
} 4. 15
= 12 1301
− 22167 �{12 4379 − 221
2
}{12 475 − 67
2
}
Universitas Sumatera Utara
= 15612
− 14807 �{52548 − 48841}{5700 − 4489}
= 805
√4489177 =
805 2118,77
= 0,380
3. Koefisien korelasi antara jumlah faktor alam X
2
dengan jumlah faktor kendaraan X
3
:
�
23
= � ∑X
2�
X
3�
− ∑X
2�
∑X
3�
�{� ∑X
2� 2
− ∑X
2� 2
}{ � ∑X
3� 2
− ∑X
3� 2
} 4. 16
= 12 41
− 767 �{12 9 − 7
2
}{12 475 − 67
2
} =
492 − 469
�{108 − 49}{5700 − 4489} =
23 √71449
= 23
267,29 = 0,086
Dari perhitungan koefisien korelasi baik antara variabel independent terhadap variabel dependent maupun antara sesama variabel bebas diperoleh kesimpulan
sebagai berikut:
Universitas Sumatera Utara
1. �
��1
= 0,847 ; variabel X
1
berkorelasi sangat kuat terhadap variabel Y 2.
�
��2
= 0,364 ; variabel X
2
berkorelasi lemah terhadap variabel Y 3.
�
��3
= 0,586 ; variabel X
3
berkorelasi kuat terhadap variabel Y 4.
�
12
= 0,156 ; variabel X
1
berkorelasi sangat lemah terhadap variabel X
2
5. �
13
= 0,380 ; variabel X
1
berkorelasi lemah terhadap variabel X
3
6. �
23
= 0,086 ; variabel X
2
berkorelasi sangat lemah terhadap variabel X
3
perhitungan dapat dilihat pada output SPSS di lampiran 1 tabel Correlations.
4.6 Uji Koefisien Regresi Linier Berganda