Penjelasan tabel-tabel dari setiap adalah seperti berikut ini. Table 3.9 Descriptive Statistics
Tabel 3.9 Descriptive Statistics
Variable Mean Std. Deviation N
Y 1,0480 0,41695 15
X1 11,8733 2,21504 15
X2 2,6107 0,58468 15
Descriptive Statistics adalah penjelasan mengenai nilai rata-rata, standar deviasi, dan jumlah sampel yang di analisis pada setia p variabel.
Tabel 3.10a Correlations
Y X1 X2 Pearson Correlation Y 1,000 ,897 ,703 X1 ,897 1,000 ,495 X2 ,703 ,495 1,000 Sig. (1-tailed) Y . ,000 ,002 X1 ,000 . ,030 X2 ,002 .030 . N Y 15 15 15 X1 15 15 15 X2 15 15 15
Tabel 3.10 a,b Correlations
Correlations adalah penjelasan mengenai koefisien korelasi linier sederhana versi product momen dari Pearson, significant (p) dengan uji dua arah dan satu arah,
serta jumlah sampel yang dianalisis pada setiap variabel. Tabel 3.10 b Correlations X1 X2 Y X1 Pearson Correlation 1 ,495 ,897 Sig. (2-tailed) . ,060 ,000 N 15 15 15 X2 Pearson Correlation ,495 1 ,703 Sig. (2-tailed) ,060 . ,003 N 15 15 15
Y Pearson Correlation ,897 ,703 1 Sig. (2-tailed) ,000 ,003 .
N 15 15 15
Tabel 3.11 Variables Entered/Removed
Tabel 3.11 Variables Entered/Removed Model Variables Entered Variables Removed Method 1 X2, X1 . Enter
a All requested variables entered. b Dependent Variable: Y
Variables Entered/Removed adalah penjelasan mengenai variabel mana yang
mempunyai pengaruh yang paling utama kemudian diikuti oleh veriabel yang lain. Tabel 3.12 ANOVA
Dalam Tabel 12, variabel yang paling berperngaruh adalah X2 kemudian X1. Tabel 3.12 ANOVA Model Source of Variation Sum of Squares df Mean Square F Sig. 1 Regression 2,176 2 1,088 50,739 0,000 Residual 0,257 12 0,021 Total 2,434 14 a Predictors: (Constant), X2, X1 b Dependent Variable: Y
Pada Tabel Anova adalah sama dengan Sidik Ragam Regresi pada EXcel. Di mana SV = Source of Variation (SV) atau Sumber Keragaman (SK) tidak ditampilkan pada SPSS; df = Degrees of Freesom atau = Derajat Bebas (DB); Sum of Squares atau = JK; MS = Means Squarwes atau KT; F = F hitung.
F adalah nilai F hitung seperti biasa yang dihitung dari JK Regresi/JKGalat
Sig = Significance F adalah sama dengan nilai peluang nilai F hitung. Dalam hal ini nilai significance F dibandingkan nilai peluang (p) standar yaitu 5% dan 1%.
1). Apabila nilai sig
,
(p = 0,05) mempunyai kesimpulan yang sama dengan Fhit≤
F(tabel 5%); hal ini berarti terima H0 yang menyatakan bahwa bidang regresi penduga (#
) yang didapat tersebut bukan bidang regresi yang terbaik. Atau peubah bebas X1 dan X2 tidak berpengaruh terhadap variabel tak bebasY.
2). Apabila nilai sig <(p = 0,05) dapat disimpulkan sama dengan Fhit > F(tabel 5%); hal ini berarti tolak H0 yang menyatakan bahwa bidang regresi penduga
#
yang didapat adalah merupakan bidang regresi yang terbaik untuk menerangkan bahwa salah satu variabel bebas X1 dan X2 ada yang berpengaruh nyata terhadap variabel tak bebas Y.Apabila nilai sig <(p = 0,01) dapat disimpulk an sama dengan Fhit > F(tabel 1%); hal ini berarti tolak H0 yang menyatakan bahwa bidang regresi penduga
#
yang didapat adalah bidang regresi terbaik untuk menerangkan variabel bebas X1dan X2 berpengaruh sangat nyata terhadap variabel tak bebas Y secara simultan.
Sebagai contoh dari hasil analis tersebut di atas didapat nilai F = 50,739 dengan sig = 0,0000. Ini berarti bahwa tolak H0 yang menyatakan bidang regresi penduga
#
adalah bidang regresi yang terbaik untuk menerangkan bahwa variabel bebas X1 dan X2 berpengaruh sangat nyata terhadap variabel tak bebas Y secara simultan.Tabel 3.13a Model Summary
Tabel 3.14a Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate 1 .946 .894 .877 .14645 a Predictors: (Constant), X2, X1 b Dependent Variable: Y
R = Multiple R pada analisis Excel adalah sama dengan koefisien korelasi berganda r yang menunjukkan keeratan hubungan antara variabel bebas X1 dan X2 dengan peubah tak bebas Y yaitu sebesar 0,946.
R Square adalah sama pada analisis Excel sama dengan koefisien determinasi R2 yang menunjukkan variasi keragaman total Y yang dapat diterangkan oleh variasi variabel X1 dan X2, atau dapat diartikan bahwa 89,4,% dari peubah tak bebas Y dipengaruhi oleh variasi variabel X1 dan X3.
Adjusted R Square adalah sama dengan pada analisis Excel di mana koefisien determinasi R2terkoreksi = 87,7%
Standard Error of Estimation adalah sama dengan Standard Error pada analisis Excel atau Salah Baku Y atau S Y =
n Y KT = n Y MS = 0,14645.
Tabel 3.13b Model Summary
Tabel 3.13b Model Summary
Change Statistics
Durbin-Watson Model R Square Change F Change df1 df2 Sig. F Change 1 .894 50.739 2 12 .000 3.598 a Predictors: (Constant), X2, X1 b Dependent Variable: Y
R Square Change = R Square seperti di atas = 0,894 F Change = F hitung = 50,739
df1 = derajat bebas Regeresi = 2
df2 = derajat bebas Galat Regeresi = 12
Sig F Change = p value untuk F Change = 0,000
Durbin-Watson test adalah suatu uji untuk data time series dari data pengamatan, yang menunjukkan apakah data ada unsur tine seriesnya.
Tabel 3.14a Coefficients Regression
Tabel 3.14a Coefficients Regression Model Var UnstandardizedCoefficients
B Standardized Coefficients Beta t Sig. Std. Error 1 (Constant) -1.217 .228 -5.331 .000 X1 .137 .020 .727 6.732 .000 X2 .245 .077 .343 3.175 .008 a Dependent Variable: Y
Var adalah sama dengan variabel yang akan dijelaskan; dalam analisis SPSS ini adalah X1, X2, dan Y
Constant sama dengan Intercept = b0 yaitu jarak antara titik potong dengan dibang regresi penduga
#
dengan titik acuan (0,0).Unstandardized Coefficients = Coefficients of regression sama dengan bi yang diberi kode dengan B dalam hal ini sama dengan b0, b1, dan b2 dari data asli. Masing-masing b0 = - 1,217, b1 = 0,137, dan b2 = 0,245.
Standardized Coefficients = Coefficients of regression dari semua data yang ditransformasikan ke dalam bentuk data standar atau data Zibaik data Y maupun data X. Standardized Coefficients diberi nama beta (
). Dalam hal ini
i yang berarti pengaruh langsung setiap variabel bebas Xi terhadap variabel tak bebas Y. Untuk variabel X1 = 0,727 dan untuk variabel X2 = 0,343. Badingkan dengan nilai b1 dan b2di atas.Std Error = Standart Error dalam Tabel 3.15a = Standart Error koefisien regresi, yang menunjukkan nilai sama dengan Sb0, dan Sb1, dan Sb2 untuk pengujian b0, b1, dan b3. Sebagai contoh Standart Error untuk b0 (Sb0) = 0,228; b1 (Sb1) = 0,020; dan b2 (Sb2) = 0,077. Hasil ini persis sama dengan analisis Excel.
t sama dengan t hitung untuk bidengan rumus: t hitung bi =
i b i S b ;
Sehinga nilai t hitung untuk masing-masing b0 = -5, 331; b1 = 6,732; dan b2 = 3,175. Sig = P-value pada analisis Excel adalah sama dengan nilai peluang dari nilai t hitung.
Dalam hal ini nilai t hitung tidak dibangingkan dengan t tabel seperti biasa. Akan tetapi, Sig = nilai P-value dibandingkan nilai peluang (p) standar yaitu 5% atau 1%. Untuk b0, maka:
1). Apabila nilai Sig
,
(p = 0,05) mempunyai kesimpulan yang sama dengan thit≤
t(tabel 5%); hal ini berarti terima H0 yang menyatakan bahwa bidang regresi penduga (#
) melalui titik acuan (0,0)2). Apabila nilai Sig < (p = 0,05) mempunyai kesimpulan yang sama dengan thit > t(tabel 5%); hal ini berarti tolak H0 yang menyatakan bahwa bidang regresi penduga (
#
) melalui tidak melalui titik acuan (0,0).Untuk b1 maka:
1). Apabila nilai Sig
,
(p = 0,05) mempunyai kesimpulan yang sama dengan thit≤
t(tabel 5%); hal ini berarti terima H0 yang menyatakan bahwa bidang regresi penduga (#
) sejajar dengan sumbu X1 .2). Apabila nilai Sig < (p = 0,05) mempunyai kesimpulan yang sama dengan thit > t(tabel 5%); hal ini berarti tolak H0 yang menyatakan bahwa bidang regresi penduga (
#
) melalui tidak sejajar dengan sumbu X1..Untuk b2, maka:
1). Apabila nilai Sig
,
(p = 0,05) mempunyai kesimpulan yang sama dengan thit≤
t(tabel 5%); hal ini berarti terima H0 yang menyatakan bahwa bidang regresi penduga (#
) sejajar dengan sumbu X2 .2). Apabila nilai Sig < (p = 0,05) mempunyai kesimpulan yang sama dengan thit > t(tabel 5%); hal ini berarti tolak H0 yang menyatakan bahwa bidang regresi penduga (
#
) melalui tidak sejajar dengan sumbu X3..Tabel 3.14b Coefficients Regression
Tabel 3.14b Coefficients Regression
Model Var 95% Confidence Interval for B Correlations Collinearity Statistics Lower Bound Upper Bound Zero-Order
Partial Part Tolerance VIF 1 (Constant) -1.714 -.719
X1 .093 .181 .897 .889 .632 .755 1.325 X2 .077 .413 .703 .676 .298 .755 1.325
Pada analisis SPSS hasilnya hampir sama dengan anlisis dengan Excel di mana nilai Lower Bound dan Upper Bound adalah sama dengan perkiraan nilai interval b0, b1, dan b1 atau pendugaan nilai
0,
1, dan
2dengan rumus umum:p {bi - t*/2 sbi
≤
i≤
bi - t*/2 sbi} = 1-*
.Nilai 95% atau 99% = 1-
*
tergantung pada nilai*
yang dipakai 5% atau 1%. Perkiraan nilai
0 berkisar antara - 1,714 sampai dengan - 1,719 untuk*
= 5%. Perkiraan nilai
1 berkisar antara 0,093 sampai dengan 0,191 untuk*
= 5%. Perkiraan nilai
2 berkisar antara 0,077 sampai dengan 0,413 untuk*
= 5%.Perhatikan nilai Lower dan Upper, apabila nilai Lower dan Upper bersifat definit positif atau definit negarif artinya baik Lower maupun Upper mempunyai tanda bilangan yang positif atau negarif ( + atau - ) berarti dalam uji t hitung bi menunjukkan signifikansi yang nyata pada taraf
*
= 5% atau 1%.Sebaliknya, apabila nilai Lower bertanda negarif dan nilai Upper bertanda positif berarti uji t hitung bi menunjukkan signifikansi tidak nyata pada taraf
