Membentuk Matriks Koefisien Korelasi Membentuk Regresi Pertama Regresi Linier Sederhana Seleksi Variabel Kedua Diregresikan

24

2.11.1 Membentuk Matriks Koefisien Korelasi

Koefisien korelasi yang dicari adalah koefisien korelasi linier sederhana antara Y dengan X i Sembiring, 1995: � = ∑ − � ̅ − ̅ √∑ − � ̅ ∑ − ̅ Dengan: ̅ = ∑ � , j = 1, 2, 3, ..., n � ̅ = ∑ � , i = 1, 2, 3, ..., k Bentuk matriks koefisien korelasi linier sederhana antara Y dan X i : � = [ � � � ]

2.11.2 Membentuk Regresi Pertama Regresi Linier Sederhana

Variabel pertama yang diregresikan adalah variabel yang mempunyai harga mutlak koefisien korelasi yang terbesar antara Y dengan X i , misalkan X h . Dari variabel ini dibuat persamaan regresi linier = + ℎ ℎ = [ ℎ ℎ ℎ� ] ′ − = [ � ∑ ℎ ∑ ℎ ∑ ℎ ] − = [ � ] ′ = [ ∑ ∑ ℎ ] = ′ − . ′ = [ ] Keberartian regresi diuji dengan tabel analisis variansi Anava Universitas Sumatera Utara 25 Perhitungan untuk membuat anava sebagai berikut: SSR = ′ ′ − ′ � = ∑ ∑ − ∑ � SST = ′ − ′ � = ∑ − ∑ � Dimana: SSR = Sum Square Regresion Jumlah Kuadrat Regresi SST = Sum Square Total Jumlah Kuadrat Total = [ … … … … … ] n x n J = Matriks berordo n x n dengan semua nilai adalah 1 SSE = SST – SSR MSR = p− MSE = E n−p SSE = Sum Square Error Jumlah Kuadrat Kesalahan MSE = Mean Square Error Rata-Rata Kuadrat Kesalahan Sehingga didapat harga standart error dari b, dengan rumus = � ′ − = √ Tabel 2.4 Analisa Variansi Untuk Uji Keberartian Regresi Sumber Variansi df SS MS F hitung Regresi p -1 SSR MSR MSRMSE Residu n - p SSE MSE Total SST Uji Hipotesa: H : Regresi antara Y dengan X h tidak signifikan H 1 : Regresi antara Y dengan X h signifikan Keputusan: Bila F hitung F p - 1 ; n - p ; 0,5 maka terima H Bila F hitung ≥ F p - 1 ; n - p ; 0,5 maka tolak H Universitas Sumatera Utara 26

2.11.3 Seleksi Variabel Kedua Diregresikan

Cara menyeleksi variabel yang kedua diregresikan adalah memilih parsial korelasi variabel sisa yang terbesar. Untuk menghitung harga masing-masing korelasi parsial dengan rumus Sudjana, 2005: � ℎ = � ℎ − � � ℎ √ − � − � ℎ Keterangan: merupakan variabel sisa

2.11.4 Membentuk Regresi Kedua Regresi Linier Ganda