19
2.6
Keterangan: = Kesalahan standar estimasi
= Nilai sebenarnya
= Nilai regresi penduga
= banyak sampel
= Jumlah variabel bebas Independent variable
2.5 Kesalahan Standar Estimasi
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dan
akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Untuk
mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi standard error of estimate. Besarnya kesalahan standar estimasi
menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi,
makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya. Sebaliknya, semakin besar nilai
Universitas Sumatera Utara
20
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel terikat yang sesungguhnya.
Kesalahan standar estimasi atau selisih taksir standar regresi adalah nilai menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai
sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka penduga
tersebut memiliki tingkat ketepatan 100.
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi standard error of estimate. Kesalahan standar
estimasi diberi simbol yang dapat ditentukan dengan menggunakan formulasi
sebagai berikut:
2.7
keterangan: = kesalahan baku
= nilai data sebenarnya
= nilai taksiran
n = banyak ukuran sampel
k = banyak variabel bebas
Universitas Sumatera Utara
21
2.6 Koefisien Determinasi
Koefisien determinasi dinyatakan dengan R
2
untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi
keragaman total dalam variabel tak bebes Y yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas X yang ada didalam model persamaan
regresi linier berganda secara bersama-sama. Maka R
2
akan ditentukan dengan rumus, yaitu:
. keterangan:
= Koefisien determinasi
= Regression Sum of Square SST
= Total Sum of Square Semakin nilai dari kofisien determinasi mendekati positif 1, maka semakin
baik nilai tersebut untuk meramalkan atau memprediksi dan akan lebih mendekati nilai yang sebenarnya.
2.7 Koefisien Korelasi
