Uji keberartian Regresi Uji Keberartian Regresi

Tabel 3.16 Koefisien Regresi Ganda Antara Y dan � � Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 33.546 10.302 3.256 .004 Faktor Pengemudi Human Error 1.401 .144 .901 9.717 .000 1.000 1.000 a. Dependent Variable: Jumlah Kendaraan Bermotor Maka persamaan regresinya �� = 33,546 + 1,401� 1

3.5.3 Uji keberartian Regresi

Uji hipotesa : � = Regresi antara � dengan � 1 tidak signifikan � 1 = Regresi antara � dengan � 1 adalah signifikan Keputusan : � ��� � ����� maka terima � � ��� ≥ � ����� maka tolak � Universitas Sumatera Utara Tabel 3. 17 Analisa Variansi untuk Uji Keberartian Regresi Y dan � � ANOVA Model Sum of Squares df Mean Square F Sig. 1 Regression 9852.404 1 9852.404 94.428 .000 a Residual 2295.429 22 104.338 Total 12147.833 23 a. Predictors: Constant, X1 b. Dependent Variable: Y � ����� = � 1;22;0,05 = 4,30. Karena � ℎ����� � ����� , maka regresi antara � dengan � 1 berarti. Sehingga variabel � 1 tetap dalam regresi.

3.5.4 Membentuk Persamaan Regresi Kedua

Cara menyeleksi variabel yang kedua diregresikan adalah dengan memilih parsial korelasi variabel sisa yang terbesar

3.5.4.1 Menghitung Harga Masing-masing Parsial Korelasi Variabel Sisa

Untuk perhitungan harga masing-masing parsial korelasi variabel sisa, maka dicari dengan menggunakan SPSS. Penulis menggunakan SPSS 17 Tabel 3.18 Harga Masing-masing Parsial Korelasi Variabel Sisa Correlations Control Variables Jumlah Kecelakaan Lalu Lintas Faktor Jalan Faktor Kendaraan Jumlah Pertambaha n Kendaraan Bermotor Faktor Pengemudi Human Error Jumlah Kecelakaan Lalu Lintas Correlation 1.000 .590 .452 .111 Significance 2- tailed . .003 .030 .614 Df 21 21 21 Universitas Sumatera Utara Sehingga diperoleh: � �� 1° � 2 = 0,590 � �� 1° � 3 = 0,452 � �� 1° � 4 = 0,111 Dari data output yang diperoleh ternyata bahwa parsial korelasi terbesar adalah � 2 � �� 1° � 2 = 0,590 sehingga � 2 terpilih sebagai variabel kedua untuk diregresikan dan persamaan regresi yang terbentuk dapat dilihat dari tabel 3.9 berikut : Tabel 3.19 Koefisien Regresi Ganda Antara Y dan � � , � � Coefficients Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 25.698 8.831 2.910 .008 Faktor Pengemudi Human Error 1.095 .150 .704 7.285 .000 .629 1.590 Faktor Jalan .899 .268 .323 3.348 .003 .629 1.590 a. Dependent Variable: Jumlah Kendaraan Bermotor Persamaan regresinya adalah : � = 25,698 + 1,095� 1 + 0,899 � 2

3.5.4.2 Uji Analisa Variansi Regresi

Uji Hipotesa: � = Regresi antara � dengan � 1 ��� 1 dan antara � dengan � 2 ��� 2 tidak singnifikan � 1 = Regresi antara � dengan � 1 ��� 1 dan antara � dengan � 2 ��� 2 adalah signifikan Keputusan: � ℎ�� � ��� maka terima � � ℎ�� ≥ � ��� maka tolak � Universitas Sumatera Utara Tabel 3.21 Analisa Variansi ANOVA Model Sum of Squares Df Mean Square F Sig. 1 Regression 10651.277 2 5325.638 74.730 .000 a Residual 1496.557 21 71.265 Total 12147.833 23 a. Predictors: Constant, Faktor Jalan, Faktor Pengemudi Human Error b. Dependent Variable: Jumlah Kendaraan Bermotor � ����� = � 2,21,0.05 = 4,46 Karena � ��� � ����� yaitu 74,730 4,46, maka regresi antara � dengan � 1 berarti. Sehingga variabel � 2 tetap dalam regresi. 3.6 Menghitung Harga Masing-masing Parsial Korelasi Variabel Sisa Untuk Memilih Variabel Ketiga yang di regresikan Tabel 3.21 Perhitungan Harga Masing-masing Parsial korelasi Variabel sisa Correlations Control Variables Jumlah Kecelakaan Lalu Lintas Faktor Kendaraan Jumlah Pertambaha n Kendaraan Bermotor Faktor Pengemudi Human Error Faktor Jalan Jumlah Kecelakaan Lalu Lintas Correlation 1.000 .113 -.241 Significance 2- tailed . .615 .281 Df 20 20 Perhatikan tabel 3.20 untuk korelasi : � �� 1 � 2 ° � 3 = 0,113 � �� 1 � 2 ° � 4 = -0,241. Dari data out put yang diperoleh nilai korelasi parsial antara control variabel terhadap � 3 maupun terhadap � 4 sangat rendah nilainya yaitu 0,113 dan 0,245 dan ini artinya hubungan korelasi antar variabelnya nya tidak erat. Dan bisa juga dibuktikan dengan uji keberartian regresi Universitas Sumatera Utara

3.6.1 Uji Keberartian Regresi

Tabel 3.21 ANAVA ANOVA Model Sum of Squares df Mean Square F Sig. 1 Regression 11673,471 2 5836,736 2,817 ,082 a Residual 43504,529 21 2071,644 Total 55178,000 23 Predictors: Constant, Pelanggaran Rambu-rambu Lalu Lintas, Faktor Jalan Uji hipotesa: � = Regresi antara � dengan � 4 tidak signifikan � 1 = Regresi antara � dengan � 4 adalah singnifikan Keputusan: � ℎ�� � ��� maka terima � � ℎ�� ≥ � ��� maka tolak � � ����� = � 2,21,0.05 = 4,46 Karena � ��� � ����� yaitu 2,817 4,46 Untutk variabel � 4 , maka koefisien regresi tersebut tidak berarti. Berdasarkan keadaan ini, maka � 4 tidak masuk kedalam model regresi. Berarti proses pemasukan variabel kedalam regresi telah selesai dan regresi yang memenuhi adalah regresi dengan variabel � 1 dan � 2 . Universitas Sumatera Utara

3.7 Pembentukan Penduga

3.7.1 Metode Backward

Diantara empat variabel � yang diteliti ternyata hanya 2 variabel yang masuk kedalam persamaan penduga yaitu: � 1 dan � 2 . Maka persamaan penduga yang terbentuk dari persamaan regresi ganda antara � dengan � 1 dan � 2 adalah : �� = 25,698 + 1,095� 1 + 0,899 � 2

3.7.2 Metode Forward

Persamaan penduga yang terbentuk dengan menggunakan metode forward adalah �� = 25,698 + 1,095� 1 + 0,899 � 2

3.7.3 Koefisien Korelasi Determinasi

Koefisien korelasi determinasi yang dibentuk oleh metode backward dan forward adalah sama yaitu: � 2 = �� ��� �� ����� �100 = 0,887X100 = 88,7

3.8 Analisa Residu

Karena persamaan penduga yang terbentuk dengan menggunakan metode Backward dan Forward adalah sama maka untuk menganalisa residu menggunakan tabel yang sama Universitas Sumatera Utara