Uji Signifikansi Model Secara Serentak Uji Statistik F

Dimana n adalah jumlah observasi dan k adalah banyaknya variabel independen. Kriteria Penolakan: Tolak H jika F hitung F tabel F ;k;n-k-1 atau tolak H jika nilai p-value α. Tabel 2 . Analisis Varian Model Regresi Sumber Variansi Jumlah Kuadrat Derajat Bebas Rata – rata Kuadrat F hitung Regresi k Galat n-k-1 Total n-1

b. Uji Signifikansi Model Secara Parsial Uji Statistik t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hipotesis yang hendak diuji adalah yaitu: H : β j = 0 , j = 1, 2, ... , k Variabel X j tidak berpengaruh terhadap model H 1 : β j ≠ 0 , j = 1, 2, ... , k Variabel X j berpengaruh terhadap model Statistik Uji : t hitung = ; Dimana Se diperoleh dari nilai dari akar sementara nilai diperoleh dari perkalian nilai diagonal utama matriks dengan nilai . Kriteria Penolakan: Tolak H jika |t hitung | ≥ t tabel = t α2;n-k-1 atau tolak H jika nilai p-value α.

2.3.3 Koefisien Determinasi R

2 Koefisien determinasi merupakan suatu nilai atau ukuran yang dapat digunakan untuk mengetahui seberapa besar kesesuaian dari suatu model regresi. Nilai R 2 menyatakan besar sumbangan variabel independen X j terhadap variabel dependen Y. R 2 = R 2 = 1 – R 2 = 1 – 2 2 ˆ     Y Y Y Y , dengan JKT = JKR+JKS Sifat-sifat koefisien determinasi R 2 : 1. Merupakan besaran non-negatif. 2. Batasannya adalah 0 ≤ R 2 ≤ 1 Untuk R 2 mendekati nilai 1; menyatakan kesesuaian sempurna Untuk R 2 mendekati nilai 0; menyatakan tidak ada hubungan antara variabel dependen Y dengan variabel independen X j . 2.3.4 Asumsi Klasik dalam Analisis Regresi Global Menurut Gujarati 2004, pemeriksaan terhadap suatu model regresi global sangat diperlukan untuk mengetahui apakah model cocok digunakan. Hal ini dilakukan dengan tujuan untuk mengetahui apakah asumsi-asumsi yang penting telah dilanggar. Suatu model regresi harus memenuhi beberapa asumsi yaitu residual diasumsikan mempunyai distribusi yang identik, tidak ada korelasi serial

Dokumen yang terkait

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 6

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 5

UJI HIPOTESIS MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN METODE BOOTSTRAP - Diponegoro University | Institutional Repository (UNDIP-IR) D03 Hasbi Yasin

0 0 10

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 10

PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 18

GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR)

3 12 21

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) - Diponegoro University | Institutional Repository (UNDIP-IR)

1 1 17

PEMODELAN FIXED EFFECT GEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK INDEKS PEMBANGUNAN MANUSIA DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR) Siti Maulina M.

5 15 20

Pemodelan dan Pemetaan Prevalensi Kusta di KabupatenKota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression

0 0 6

PEMODELAN ANGKA PARTISIPASI SEKOLAH JENJANG MENENGAH ATAS DI JAWA TIMUR DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION Repository - UNAIR REPOSITORY

1 1 12