variabel bebas terhadap variabel terikat. Yang baik adalah tidak terjadi korelasi yang tinggi antara variabel bebas, hal in disebut non multikolinearitas. Rumus mencari
Variance Inflation Factor VIF yaitu :
= 1
1
− 2.4
Dengan adalah korelasi kuadrat dari
dengan variabel bebas lainnya. Menurut Santoso 2001: 203 pedoman untuk mendeteksi multikolinearitas adalah :
1. Besar Variance Inflation Factor VIF dan Tolerance i. VIF 5 dipastikan terjadi multikolinieritas
ii. VIF 5 tidak terjadi multikolinieritas iii. Tolerance 0,1 diduga mempunyai persoalan multikolinieritas
iv. Tolerance 0,1 diduga tidak mempunyai persoalan multikolinieritas v. Atau Tolerance = 1VIF dan VIF = 1Tolerance.
2. Besar korelasi antar variabel independennya bebas multikolinearitas. i. Koefisien korelasi harus lemah 0,5.
ii. Jika ada nilai r 0,5 harus dikeluarkan dari model.
2.12.3. Analisis Regresi Linier Berganda
Analisis Multivariat Multivariat Analysis merupakan salah satu jenis analisis statistik yang digunakan untuk menganalisis data. Data yang digunakan berupa
banyak peubah bebas independent variabels dan juga banyak peubah terikat dependent variabels. Analisis Regresi Linear Ganda Multiple Linear Regression
merupakan perluasan dari Simple Linear Regression Regresi Linear Sederhana. Pada analisis ini bentuk hubungannya adalah beberapa variabel bebas terhadap satu variabel
terikat. Regresi linier berganda ditujukan untuk menentukan hubungan linier antar beberapa variabel bebas X
1
, X
2
, X
3,
..., X
k
terhadap variabel terikat Y. Persamaan umum regresi linier berganda model untuk populasi adalah sebagai berikut :
Universitas Sumatera Utara
= +
+ +
+
⋯
+ +
2.5 dengan
: = variabel terikat
= titik potong dengan sumbu tegak intercept
, ,
, …,
= koefisien regresi slope
, ,
, …,
= variabel bebas
= nilai kesalahan error
Persamaan umum tersebut dapat diestimasi dengan persamaan di bawah ini :
= +
+ +
+
⋯
+ +
2.6 Untuk menghitung koefisien regresi persamaan 2.6 digunakan persamaan 1.3.
2.12.4. Menentukan Regresi Terbaik dengan Metode Backward
Pemodelan pada regresi linear ganda adalah untuk memperoleh kandidat variabel yang fit yang dapat menjelaskanmenggambarkan variabel dependen sesungguhnya dalam
populasi. Salah satu metode pemilihan variabel independen yang dipakai pada aplikasi SPSS 17 adalah metode backward. Metode backward adalah metode dengan
memasukkan semua variabel kedalam model tetapi kemudian satu persatu variabel independen dikeluarkan dari model berdasarkan kriteria kemaknaan statistik tertentu.
Variabel yang pertama dikeluarkan adalah variabel yang memiliki korelasi parsial terkecil dengan variabel dependen. Kriteria pengeluaran P-OutPOT adalah 0,10
artinya variabel yang mempunyai nilai p ≥ 0,10 dikeluarkan dari model Santoso,
2001.
Selain menggunakan korelasi parsial, pengujian dengan metode backward dapat dilakukan dengan membandingkan uji F parsial atau uji t parsial. Pemeriksaan
tabel F dan tabel t akan menunjukkan hasil yang sama. Hal ini dikarenakan bahwa
F 1, , 1
−
= , 1
− untuk sembarang nilai dan . Beberapa program
komputer seperti SPSS menggunakan uji t parsial Drapper dan Smith,1992.
Universitas Sumatera Utara
2.12.5. Koefisien Determinasi Ganda
