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
Kategori