penghasilan t
hitung
= -0,524, variabel bekerja t
hitung
= -1,395, dan variabel pendidikan t
hitung
untuk = 0,104
4.
Mentukan t
tabel
Tabel distribusi t dicari pada a = 5 : 2 uji 2 sisi dengan nilai derajat kebebasan df = n-k-1 n adalah jumlah kasus dan k adalah jumlah variabel
independen. Dengan pengujian 2 sisi signifikasi = 0,025 dan df = 120 – 5 – 1 = 114 maka diperoleh nilai untuk t
tabel
= 1,98099 lihat pada lampiran atau dapat dicari pada Ms. Excel dengan cara cell kosong di ketik =tinv0,05; 116
lalu enter.
5.
Kriteria pengujian Ho diterima jika –t tabel t hitung t tabel
Ho ditolak jika –t hitung -t tabel atau t hitung t tabel
6.
Membandingkan t hitung dengan t tabel dan kesimpulan Nilai t hitung untuk variabel jumlah anggota keluargaX
1
= 4,731 dari t tabel 0,05 = 1,98099. Jadi Ho ditolak, sebaliknya Ha diterima. Secara
parsial ada pengaruh yang signifikan antara jumlah anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel kepemilikan kendaraan pribadi X
2
= 2,521 dari t tabel 0,05 = 1,98099. Jadi Ho ditolak, sebaliknya Ha
diterima. Secara parsial ada pengaruh yang signifikan antara jumlah anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel penghasilan X
3
= 1,395 dari t tabel 0,05 = 1,98099. Jadi Ho ditolak, sebaliknya Ha diterima. Secara parsial ada
pengaruh yang signifikan antara jumlah anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel bekerja X
4
= 0,104 dari t tabel 0,05 = 1,98099. Jadi Ho diterima sebaliknya Ha ditolak.Secara parsial tidak
ada pengaruh yang signifikan antara jumlah anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel pendidikan X
5
= 0,524 dari t tabel 0,05 = 1,98099. Jadi Ho diterima sebaliknya Ha ditolak.Secara parsial tidak
ada pengaruh yang signifikan antara jumlah anggota keluarga dengan jumlah perjalanan.
IV.7. Uji F
Uji ini digunakan untuk mengetahui apakah variabel bebas X1,X2,….Xn secara bersama-sama berpengaruh secara signifikan terhadap variabel terikat Y. Atau
dengan kata lain apakah model regresi dapat digunakan untuk memprediksi variabel terikat atau tidak. Jika signifikan berarti hubungan yang terjadi dapat berlaku untuk
populasi dapat di generalisasikan. Pada penelitian ini terdapat 8.965 keluarga dan sampel yang diambil adalah 100 keluarga. Jadi apakah pengaruh yang terjadi pada
kesimpulan yang didapat berlaku untuk populasi. Uji F ini dapat dihitung atau dicari dengan rumus:
1 1
K N
Y Y
K Y
Y k
n SSE
K SSR
F
i
Dari hasil output analisa regresi linier dapat diketahui nilai F = 8,825
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
230,199 5
46,040 8,825
,000
b
Residual 594,726
114 5,217
Total 824,925
119 a. Dependent Variable: Perjalanan
b. Predictors: Constant, Pendidikan, KendaraanPribadi, Bekerja, Penghasilan, Keluarga
Langkah-langkah pengujian sebagai berikut:
1. Merumuskan hipotesis Ho :
tidak ada pengaruh secara signifikan antara
jumlah anggota keluarga, kepemilikan kendaraan pribadi, penghasilan, bekerja, dan pendidikan
secara bersama-sama terhadap jumlah perjalanan. Ha :
ada pengaruh secara signifikan antara
jumlah anggota keluarga, kepemilikan kendaraan pribadi, penghasilan, bekerja, dan pendidikan
secara bersama-sama terhadap jumlah perjalanan. 2. Menentukan tingkat signifikasi
Tingkat signifikasi a = 5 atau tingkat kepercayaan 95 3. Mementukan F hitung
Berdasarkan tabel diperoleh nilai F hitung sebesar
8,825
. 4. Menentukan F tabel
Tabel distribusi F dicari pada a = 5 dengan nilai derajat kebebasan df1 = jumlah jumlah variabel bebas dan terikat dikurang 1 dan df2 = n-k-1 n adalah jumlah
kasus dan k adalah jumlah variabel independen. Maka dengan nilai signifikasi
a=5 dan df1= 5+1-1= 5 serta df2 = 120 – 5 – 1= 114 maka diperoleh F tabel = 2,29.
5. Kriteria pengujian Ho diterima bila F hitung F tabel
Ho ditolak bila F hitung F tabel 6. Membandingkan F hitung dengan F tabel dan kesimpulan
F hitung F tabel yaitu
8,825
2,29 maka Ho ditolak. Artinya ada pengaruh secara signifikan antara
jumlah anggota keluarga, kepemilikan kendaraan pribadi, penghasilan, bekerja, dan pendidikan
secara bersama-sama terhadap jumlah perjalanan.
IV.8. Uji Validitas
Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur apa yang ingin dukur. Dalam pengujian instrumen pengumpulan data, validitas bisa
dibedakan menjadi validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun menggunakan lebih dari satu faktor antara faktor satu denganyang lain
ada kesamaan. Pada program SPSS teknik pengujian yang sering digunakan para peneliti untuk uji validitas adalah Corrected Item-Total Correlation.
A. Corrected Item-Total Correlation
Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor total dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi. Hal
ini dikarenakan agar tidak terjadi koefisien item total yang overestimasi estimasi nilai
