lainnya. Lebih lanjut dalam konteks korelasi antara dua variabel maka pengaruh variabel X terhadap Y tidak tampak. Dengan menggunakan angka r
2
kita tidak akan dapat membuktikan bahwa variabel X mempengaruhi Y.
Dengan demikian jika kita menggunakan korelasi sebaiknya jangan menggunakan koefisien determinasi untuk melihat pengaruh X terhadap Y karena
korelasi hanya menunjukkan adanya hubungan antara variabel X dan Y. Jika tujuan riset hanya untuk mengukur hubungan maka sebaiknya berhenti saja di angka
koefisien korelasi. Sedang jika kita ingin mengukur besarnya pengaruh variabel X terhadap Y sebaiknya menggunakan rumus lain, seperti regresi atau analisis jalur.
3.4.2 Analisis Regresi
Dalam penelitian ini, salah satu teknik analisis yang digunakan adalah analisis regresi linier berganda. Analisis regresi linier berganda ialah suatu alat analisis dalam ilmu
statistik yang berguna untuk mengukur hubungan matematis antara lebih dari 2 peubah. Bentuk umum persamaan regresi linier berganda ialah sebagai berikut:
Menentukan b , b
1
, b
2
, …, b
k
dapat menggunakan metode kuadrat terkecil melalui apa yang disebut dengan persamaan normal seperti berikut ini:
Universitas Sumatera Utara
Bentuk persamaan matriks di atas termasuk ke dalam suatu sistem persamaan linier. Mencari atau menentukan b
, b
1
, b
2
, b
3
, …, b
n
berarti mencari atau menentukan solusi dari sistem persamaan linier SPL. Mencari solusi SPL ada berbagai macam
cara, diantaranya ialah Metode Eliminasi Gauss, Metode Invers Metode Matriks yang diperbesar dan Metode Matriks Adjoin, dan Metode Cramer.
Metode Cramer merupakan metode yang paling populer dalam menentukan suatu solusi SPL Sistem Persamaan Liniear karena sifatnya yang mudah dipelajari
dan sederhana. Menurut Cramer jika kita punya SPL Sistem Persamaan Liniear sebagai berikut:
Maka x
1
, x
2
, x
3
, …, x
n
dapat langsung dicari dengan membagi determinan matriks A
j
dengan determinan matriks koefisien A. Dimana:
3.2
Universitas Sumatera Utara
Adapun penelitian yang akan berlangsung ini hanya menggunakan 2 variabel bebas, maka analisis regresi ganda yang hanya melibatkan hanya dua prediktor saja
yaitu: Ŷ=b
+b
1
X
1
+b
2
X
2
Dengan: Y = Prestasi
X
1
= Kepercayaan Diri X
2
= Inferioritas
3.4.2.1 Pengaruh Simultan
Uji simultan atau uji F, bertujuan untuk mengetahui pengaruh gabungan variabel -variabel X terhadap variabel Y. Nilai F hitung dapat ditentukan dengan formula:
Keterangan: R
2
= Koefisien determinasi
n =
Banyaknya sampel m
= Banyaknya varians
Apabila hasil perhitungan F hitung F tabel, maka H ditolak sehingga dapat
dikatakan bahwa variabel bebas regresi dapat menerangkan variabel terikat secara serentak. Sebaliknya jika F hitung F tabel, maka Ho diterima dengan demikian dapat
dikatakan bahwa variabel bebas dari model regresi berganda tidak mampu menjelaskan variabel terikat.
3.3
Universitas Sumatera Utara
3.4.2.2 Pengaruh Parsial
Untuk menguji kemaknaan koefisien regresi parsial digunakan uji t. Nilai t dapat ditentukan dengan formula sebagai berikut:
Keterangan: r =
Koefisien korelasi n
= Banyaknya sampel
Apabila t hitung t tabel, maka H ditolak dengan demikian variabel bebas
dapat menerangkan variabel terikat yang ada dalam model. Sebaliknya apabila t hitung t tabel maka Ho diterima, dengan demikian variabel bebas tidak dapat
menjelaskan variabel terikat atau dengan kata lain tidak ada pengaruh parsial di antara variabel bebas X
1
maupun X
2
dengan variabel terikat Y yang ingin diuji.
3.4.3 Uji Validitas dan Reliabilitas
