Keterangan : Y = Virus mikron
X
1
= rerata selisih suhu harian tertinggi dan suhu harian terendah
C X
2
= rerata suhu harian tertinggi C
X
3
= logaritma kelembaban relatif maksimum Kgm
3
X
4
= kecepatan angin knot X
5
= logaritma evepotranspirasi mm X
6
= curah hujan mm
4.2. Metode Regresi Linier Ganda
Langkah-langkah untuk mendapatkan koefisien regresi dengan data awal adalah sebagai berikut :
1. Hitung nilai penaksir parameter β, kemudian hitung galat baku dan hitung t,
buat suatu model. 2. Hitung
ŷ dan menganalisa dengan tabel ANAVA. Hasil Analisis Regresi dengan menggunakan Metode Kuadrat Terkecil
terhadap data pada tabel 4.1. Pengujian keberartian model regresi ganda yang dilakukan secara parsial
atau individu , dengan hipotesis H
: β
i
= 0, untuk i=1,2,3 variabel regressor X secara individu tidak berpengaruh secara signifikan terhadap nilai taksiran Y
H
1
: β
i
≠ 0, untuk i=1,2,3 variabel regressor X secara individu tidak perpengaruh
secara signifikan terhadap nilai taksiran Y α = 5 5 dari 100 kemungkinan akan menolak hipotesis yang diterima
Dengan statistik uji t-student, maka kita peroleh nilai t
hitung
dari masing- masing variabel X secara individu adalah sebagai berikut:
Universitas Sumatera Utara
Tabel 4.2. Penaksir Parameter Metode Kuadrat Terkecil Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1Constant -5.591
3.165 -1.766 .121
x1 .211
.122 1.026
1.724 .128
.064 15.570
x2 .006
.010 .176
.582 .579
.248 4.033
x3 2.037
3.030 .487
.672 .523
.043 23.059
x4 .002
.000 1.048
4.261 .004
.376 2.659
x5 -3.994
.917 -1.403
-4.357 .003 .219
4.558 x6
.000 .001
-.175 -.693
.511 .356
2.805 a. Dependent Variable: y
Tabel 4.3. Tabel ANAVA Untuk Data Awal
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
.921 6
.153 6.160
.015
a
Residual .174
7 .025
Total 1.095
13 a. Predictors: Constant, x6, x4, x2, x5, x1, x3
b. Dependent Variable: y
Dari tabel 4.2. diatas diperoleh model regresi sebagai berikut: Ŷ = -5,591 + 0,211 X
1
+ 0,006 X
2
+ 2,037 X
3
+ 0,002 X
4
- 3,994 X
5
4.3. Pendeteksian Multikolinearitas
Dalam pendeteksian multikolinearitas ada beberapa cara yang dapat digunakan yaitu sebagai berikut:
1. Faktor Variansi Inflasi Variance Inflation Faktor, VIF Jika nilai Toleransi kurang dari 0,1 atau nilai VIF melebihi 10 maka hal ini
menunjukkan bahwa multikolinearitas adalah masalah yang pasti terjadi antara
Universitas Sumatera Utara
variabel bebas. Variance Inflation Factor ke-j
2
1 1
j j
R VIF
− =
, dan Toleransi =
1 1
2 j
R VIF
− =
. Dengan :
2 j
R adalah koefisien determinasi antara
j
X
dengan variabel bebas lainnya pada persamaanmodel dugaan regresi; dimana j = 1,2,…, p.
Dengan bantuan software SPSS 16.0, diperoleh nilai Toleransi atau VIF untuk data di atas pada tabel berikut ini.
Tabel 4.4. Nilai Toleransi dan VIF
Model Collinearity Statistics
Tolerance VIF
Constant x1
.064 15.570
x2 .248
4.033 x3
.043 23.059
x4 .376
2.659 x5
.219 4.558
x6 .356
2.805
Hasil uji melalui variance inflation factor VIF pada hasil output tabel coefficients masing-masing variabel independent memiliki nilai VIF lebih dari 10 dan nilai
tolerance kurang dari 0,1. Maka dapat dinyatakan data pada tabel 4.1 terdapat masalah multikolinearitas.
2. Nilai Korelasi
Tabel 4.5. Nilai Korelasi Antar Variabel Bebas
X
1
X
2
X
3
X
4
X
5
X
6
X
1
0,731870 1,000000
0,786021 0,191961
0,726467 0,169565
X
2
0,942984 0,786021
1,000000 0,355660
0,794605 0,560393
X
3
0,520302 0,191961
0,355660 1,000000
0,032919 0,055715
X
4
0,739453 0,726467
0,794605 0,032919
1,000000 0,276299
X
5
0,448261 0,169565
0,560393 0,055715
0,276299 1,000000
X
6
0,109933 0,119203
0,203488 0,343377
0,115551 0,491544
Universitas Sumatera Utara
Sehingga nilai korelasi antar variabel dapat dibuat dalam bentuk matriks korelasi c sebagai berikut :
=
0,491544 0,115551
0,343377 0,203488
0,119203 0,109933
1,000000 0,276299
0,055715 0,560393
0,169565 0,448261
0,276299 1,000000
0,032919 0,794605
0,726467 0,739453
0,055715 0,032919
1,000000 0,355660
0,191961 0,520302
0,560393 0,794605
0,355660 1,000000
0,786021 0,942984
0,169565 0,726467
0,191961 0,786021
1,000000 0,731870
C
Dari matriks korelasi c dapat dilihat bahwa nilai korelasi antar variabel bebas terdapat nilai korelasi yang lebih besar dari 0,8. Hal ini menunjukkan bahwa terdapat masalah
multikolinearitas antar variabel bebasnya.
3. Determinan matriks korelasi Dari matriks korelasi c dapat dihitung nilai determinannya sebagai berikut :
0040 ,
0,491544 0,115551
0,343377 0,203488
0,119203 0,109933
1,000000 0,276299
0,055715 0,560393
0,169565 0,448261
0,276299 1,000000
0,032919 0,794605
0,726467 0,739453
0,055715 0,032919
1,000000 0,355660
0,191961 0,520302
0,560393 0,794605
0,355660 1,000000
0,786021 0,942984
0,169565 0,726467
0,191961 0,786021
1,000000 0,731870
=
=
C C
Nilai determinan dari matriks korelasi c mendekati nol ini menunjukkan terdapat masalah multikolinearitas yang tinggi.
Untuk menghilangkan kondisi buruk yang tidak menguntungkan yang diakibatkan oleh adanya multikolinearitas dalam data yang dianalisis dan juga untuk
memudahkan kerja dalam proses pendeteksian maupun dalam penanganan multikolinearitas maka dilakukan proses pemusatan dan penskalaan terhadap data
atau variabel dengan program SPSS.
Universitas Sumatera Utara
Tabel 4.6. Hasil Pemusatan dan Penskalaan
Z
Y
X
1
X
2
X
3
X
4
X
5
X
6
-0,84959 0,15245
-0,01784 -0,35529
-0,5686 -0,41969
1,39978 0,80431
0,8828 0,00388
0,53859 -1,24178
-0,30198 -0,21375
0,08073 1,02462
-0,09386 0,92787
-1,40903 -0,16465
-0,89503 -0,0571
0,77644 -0,2459
0,42326 -0,92354
0,18848 -0,89503
-0,74622 0,84735
0,27538 0,68277
-0,39413 1,10073
-0,87351 -1,4698
-0,64172 0,3514
-0,77339 0,5082
0,22771 1,71532
1,54856 -1,49261
-1,26673 -1,56635
1,23018 -1,69489
0,09174 1,11441
1,13098 1,37223
1,51898 0,85719
1,88547 -0,19224
0,45974 0,28009
0,59032 0,06282
1,07978 0,82608
0,06162 -1,09078
-1,63443 -1,39705
-1,68169 -0,30389
-1,37119 2,03802
-0,02264 -1,49261
-2,01607 -0,98966
1,8017 -0,5276
-0,7767 1,42452
-0,4999 0,65547
-0,12461 0,34282
-1,04748 -0,8104
-1,34576 -0,14536
0,2428 -0,0381
-1,00596 0,33561
-0,24244 0,14964
0,8119 1,54599
1,37481 0,02699
0,9634 -0,40738
Dalam peroses pendugaan regresi ridge, pemilihan tetapan bias c merupakan suatu yang penting dalam penelitian ini, penentuan tetapan bias c ditempuh melalui
pendekatan nilai VIF dan gambar Ridge Trace. Nilai koefisien dari c dengan berbagai kemungkinan tetapan bias c dapat dilihat pada tabel 4.7.
Tabel 4.7. Nilai VIF c Dengan Berbagai Nilai c
Nilai c VIF
1
c VIF
2
c VIF
3
c VIF
4
c VIF
5
c VIF
6
c 1
2 3
4 5
6 7
0,000 15,5702
4,0333 23,0589
2,6587 4,5579
2,8053 0,001
14,7520 3,9422
21,5999 2,6101
4,4756 2,7242
0,002 14,0053
3,8572 20,2783
2,5635 4,3964
2,6492 0,003
13,3216 3,7775
19,0773 2,5187
4,3201 2,5797
0,004 12,6937
3,7027 17,9826
2,4757 4,2465
2,5150 0,005
12,1152 3,6323
16,9819 2,4342
4,1755 2,4547
Universitas Sumatera Utara
1 2
3 4
5 6
7 0,006
11,5809 3,5657
16,0646 2,3943
4,1069 2,3983
0,007 11,0860
3,5027 15,2216
2,3559 4,0406
2,3453 0,008
10,6267 3,4429
14,4451 2,3188
3,9764 2,2956
0,009 10,1992
3,3859 13,7282
2,2830 3,9142
2,2487 0,010
9,8006 3,3317
13,0648 2,2484
3,8540 2,2045
0,020 6,9351
2,8969 8,4747
1,9573 3,3392
1,8671 0,030
5,2553 2,5855
5,9779 1,7397
2,9431 1,6462
0,040 4,1647
2,3442 4,4639
1,5711 2,6280
1,4881 0,050
3,4063 2,1482
3,4738 1,4369
2,3711 1,3679
0,060 2,8526
1,9839 2,7890
1,3276 2,1576
1,2727 0,070
2,4332 1,8433
2,2948 1,2369
1,9773 1,1948
0,080 2,1064
1,7209 1,9259
1,1605 1,8229
1,1296 0,090
1,8458 1,6131
1,6428 1,0952
1,6894 1,0737
0,100 1,6342
1,5173 1,4206
1,0387 1,5727
1,0252 0,200
0,6836 0,9291
0,5222 0,7168
0,9045 0,7367
0,300 0,3975
0,6475 0,2912
0,5648 0,6145
0,5870 0,400
0,2712 0,4854
0,1969 0,4688
0,4558 0,4875
0,500 0,2032
0,3820 0,1484
0,4000 0,3571
0,4146 0,600
0,1617 0,3111
0,1196 0,3474
0,2906 0,3584
0,700 0,1342
0,2600 0,1008
0,3055 0,2430
0,3136 0,800
0,1147 0,2218
0,0875 0,2713
0,2076 0,2772
0,900 0,1003
0,1922 0,0777
0,2428 0,1803
0,2471 1,000
0,0891 0,1688
0,0701 0,2189
0,1587 0,2217
Dari tabel 4.7 terlihat bahwa mulai dari c = 0 sampai pada nilai c = 1, VIF penduga koefisien c semakin lama semakin kecil. Nilai VIF yang diambil adalah VIF
yang relatif dekat dengan 1. Sedangkan nilai koefisien estimator parameter c dengan berbagai kemungkinan nilai c dapat dilihat pada tabel berikut:
Universitas Sumatera Utara
Tabel 4.8. Nilai c Dengan Berbagai Nilai c
Nilai c
1
c
2
c
3
c
4
c
5
c
6
c 0,000000
1,0260 0,1764
0,4868 1,0478
-1,4030 -0,1749
0,001000 1,0100
0,1780 0,4857
1,0389 -1,3914
-0,1786 0,002000
0,9946 0,1797
0,4843 1,0303
-1,3801 -0,1822
0,003000 0,9798
0,1812 0,4828
1,0219 -1,3689
-0,1857 0,004000
0,9653 0,1828
0,4811 1,0136
-1,3579 -0,1891
0,005000 0,9514
0,1843 0,4793
1,0056 -1,3472
-0,1925 0,005000
0,9514 0,1843
0,4793 1,0056
-1,3472 -0,1925
0,006000 0,9378
0,1858 0,4774
0,9977 -1,3366
-0,1958 0,007000
0,9247 0,1872
0,4754 0,9900
-1,3262 -0,1991
0,008000 0,9119
0,1886 0,4733
0,9825 -1,3160
-0,2023 0,009000
0,8995 0,1899
0,4712 0,9751
-1,3059 -0,2054
0,010000 0,8875
0,1912 0,4689
0,9679 -1,2961
-0,2085 0,020000
0,7827 0,2020
0,4451 0,9031
-1,2061 -0,2358
0,030000 0,6997
0,2093 0,4213
0,8491 -1,1291
-0,2579 0,040000
0,6321 0,2138
0,3989 0,8034
-1,0625 -0,2757
0,050000 0,5758
0,2163 0,3786
0,7641 -1,0041
-0,2901 0,060000
0,5282 0,2172
0,3602 0,7297
-0,9524 -0,3017
0,070000 0,4875
0,2170 0,3437
0,6994 -0,9062
-0,3112 0,080000
0,4522 0,2158
0,3287 0,6725
-0,8647 -0,3189
0,090000 0,4214
0,2140 0,3151
0,6483 -0,8271
-0,3252 0,100000
0,3942 0,2117
0,3028 0,6265
-0,7928 -0,3302
0,200000 0,2352
0,1801 0,2222
0,4833 -0,5635
-0,3447 0,300000
0,1648 0,1509
0,1799 0,4049
-0,4378 -0,3344
0,400000 0,1261
0,1284 0,1534
0,3530 -0,3573
-0,3184 0,500000
0,1019 0,1111
0,1350 0,3151
-0,3012 -0,3014
0,600000 0,0855
0,0978 0,1214
0,2857 -0,2598
-0,2852 0,700000
0,0738 0,0872
0,1108 0,2620
-0,2279 -0,2701
0,800000 0,0651
0,0787 0,1022
0,2424 -0,2027
-0,2563 0,900000
0,0583 0,0717
0,0951 0,2257
-0,1822 -0,2436
1,000000 0,0529
0,0658 0,0891
0,2114 -0,1653
-0,2321
Universitas Sumatera Utara
Atas dasar penduga koefisien pada tabel 4.8 dapat dibuat suatu ridge trace.
Gambar 4.1 Ridge Trace Dari berbagai harga c yang ada, nilai c yang memberikan nilai VIF relatif dekat
dengan 1 yaitu pada c = 0,20 dan pada nilai c = 0,20 ini koefisien juga lebih stabil. Dengan demikian nilai c yang diambil adalah 0,20. Maka persamaan regresi ridge
yang diperoleh jika c yang diambil sebesar 0,20 yaitu :
= 0,2352 Z
1
+ 0,1801Z
2
+ 0,2222Z
3
+ 0,4833 Z
4
– 0,5635 Z
5
– 0,3447Z
6
4.5. Uji Keberartian Regresi
