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