Persamaan Garis Regresi Linier Berganda

Kolom R. Menunjukkan seberapa baik variabel bebas memprediksikan hasil multiple correlation coefficient. Kisaran nilai R adalah 0 hingga 1. Semakin nilai R mendekati angka 1, maka semakin kuat variabel bebas memprediksikan variabel terikat. Namun, ketepatan nilai R ini lebih disempurnakan oleh kolom Adjusted R Square yang merupakan koreksi atas nilai R. Kolom Adjusted R Square, fungsinya menjelaskan apakah sampel penelitian mampu mencari jawaban yang dibuhkan dari populasinya. Kisaran nilai Adjusted R Square adalah nol hingga satu.

b. Uji Signifikasi Simultan Uji Statistik F

Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama simultan terhadap variabel dependen. 45 Dengan tingkat signifikansi sebesar 5 nilai F ratio dari masing-masing koefisien regresi kemudian dibandingkan dengan nilai F tabel. Jika Frasio F tabel atau prob-sig a = 5 berarti bahwa masing-masing variabel independen berpengaruh secara positif terhadap dependen. 45 Ibid., h.98 Uji F digunakan untuk menguji signifikasi pengaruh DJIMY,DJIJP, DJIGRC dan ISSI secara simultan. Langkah –langkah yang dilakukkan adalah : 1 Merumuskan Hipotesis Ha, Ha diterima : berarti terdapat pengaruh yang signifikam antara variabel independen terhadap variabel dependen secara simultan. 2 Menentukan tingkat signifikasi yaitu sebesar 0.05 a = 0.05 3 Membandingkan F hitung dengan F tabel. Nilai F hitunh, jika : Bila F hitung F tabel, maka variabel independen secara bersama- sama tidak berpengaruh terhadap variabel dependen. PV hasil PV Peneliti a 0.05 maka H0 ditolak dan Ha diterima. Bila F hitung lebih F tabel, maka bvariabel independen secara bersama-sama berpengaruh terhadap variabel dependen. PV hasil PV Peneliti a 0.05 maka H0 gagal ditolak dan Ha ditolak. Berdasarkan probability value, dengan menggunakan nilai probabilitas, Ha akan diterima dan H0 ditolak hika probabilitas kurang dari 0.05. Menentukan nilai koefisien determinasi, dimana koefisien menunjukkan seberapa besar variabel model yang digunakan mampu menjelaskan variabel dependennya.