ANALISA REGRESI DAN KORELASI DENGAN MENGGUNAKAN SOFTWARE SPSS (STATISTICAL PACKAGE FOR THE SOCIAL SCIENCES

)

Oleh : - Bram Pradipta (120110100069) - Laviegas Maranatha S. (120110100073) - Rizki Nugraha (120110100076) - Thufeil Muhammad (120110100077) - Muhammad Luthfiansyah (120110100100) - Giamanandi Rizki Santosa (120110100105)

UNIVERSITAS PADJADJARAN FAKULTAS EKONOMI PROGRAM STUDI AKUNTANSI SEMESTER GANJIL TAHUN AJARAN 2011/2012

ANALISA REGRESI DAN KORELASI Contoh kasus : Sekelompok tim peneliti ingin mengetahui pengaruh dari tinggi badan terhadap berat badan.297 .159 .982 Zeroorder Partial Part a. 95.982 -7.692 Upper Bound -52. Hasil pengumpulan data diketahui data sebagai berikut : Analisa regresi dan korelasi nya dengan menggunakan bantuan software SPSS: Coefficientsa Model Unstandardized Coefficients B Std.000 .055 .000 -95.282 .833 . Untuk penelitian tersebut diambil sampel secara acak sebanyak 10 orang untuk diteliti.720 . Error Standardized t Coefficients Beta Sig.982 .947 .820 9. Dependent Variable: berat_badan  Persamaan Regresi = Y = (-73.930 14.720) + 0.0% Confidence Interval Correlations for B Lower Bound (Constant) 1 tinggi_bada n -73.982 .820x Interpretasi: .

982  Standard Error of the Estimate (SE) = 1.720 (dalam cm). Error of the Estimate 1. Dependent Variable: berat_badan  Koefisien determinasi (Adjusted R square) = 0. Model Summaryb Model R R Square Adjusted Square 1 .82 Artinya setiap kenaikan tinggi badan 1 satuan.961 Artinya adalah berdasarkan nilai r kuadrat sebesar 0.720 Artinya tanpa dipengaruhi oleh variabel apapun.88110  Uji hipotesis H0 : β = 0 (variabel tinggi badan tidak berpengaruh signifikan terhadap variabel berat badan) H0 : β ≠ 0 (variabel tinggi badan berpengaruh signifikan terhadap variabel berat badan) Nilai sig. maka rata-rata variable dependen (berat badan) akan naik sebesar 0. Predictors: (Constant). rata-rata variable independen (tinggi badan) akan bernilai negatif. b = 0.a = -73. dan α Sig.961 a.05 Kriteria Uji Sig.88110 . ≥ α  Ho tidak dapat ditolak Sig.88110 Artinya rata-rata penyimpangan variabel independen (tinggi badan) prediksi dengan variabel tinggi badan sebenarnya adalah sebesar 1.  Koefisien Korelasi (R) = 0.82 (dalam kg).961 menggambarkan bahwa sumbangan variabel independen (Tinggi Badan) terhadap naik turunnya variabel dependen (Berat Badan) sebesar 96.982 Bahwa hubungan keseluruhan antara variabel dependen (berat badan) dan variabel independen (tinggi badan) adalah positif dan sifatnya sangat kuat yaitu sebesar 0.= 0 α = 0. yaitu sebesar -73.965 .4% sedangkan sisanya merupakan sumbangan dari variabel lain yang tidak dimasukkan dalam model. tinggi_badan b.982 a R Std. < α  Ho ditolak .

.Ternyata.05 (α) maka H0 ditolak.820). artinya jika seseorang mempunyai tinggi badan semakin tinggi maka akan meningkatkan berat badannya (dan juga sebaliknya). Berdasarkan nilai koefisien regresi tersebut dapat diketahui bahwa jika tinggi badan meningkat sebesar 10% maka berat badan akan meningkat 8.) < 0. Sedangkan berdasarkan nilai koefisien korelasi dan koefisien determinasi diketahui bahwa variabel independen (Tinggi Badan) mempunyai hubungan yang kuat dan mempunyai sumbangan yang cukup besar terhadap variabel dependen (Berat Badan). Kesimpulan: Pada tingkat signifikansi 5% variabel biaya promosi berpengaruh signifikan terhadap variabel biaya penjualan. diketahui bahwa Variabel Tinggi Badan seseorang berpengaruh terhadap Variabel Berat Badan seseorang dan pengaruhnya bersifat positif (nilai koefisien regresinya sebesar 0. 0 (sig.2%. KESIMPULAN AKHIR : Berdasarkan hasil pengujian hipotesis.

34754 N 10 10 Correlations berat_badan berat_badan Pearson Correlation tinggi_badan Sig.539 F 220. Predictors: (Constant). Enter a.900 df a Mean Square 1 8 9 778. .DATA-DATA LAIN : Descriptive Statistics Mean berat_badan tinggi_badan 63. (1-tailed) berat_badan tinggi_badan berat_badan N tinggi_badan 10 10 . Dependent Variable: berat_badan b.308 806. tinggi_badan .000 b a. 10 1. Deviation 9.982 Variables Entered/Removed Model Variables Entered 1 tinggi_badan b a Variables Removed Method . ANOVA Model Regression 1 Residual Total Sum of Squares 778.000 .000 tinggi_badan .9000 167.033 Sig. .000 10 1.592 3.46866 11.592 28.982 . Dependent Variable: berat_badan b.9000 Std.000 . All requested variables entered.

943 N 10 10 10 10 a.000 .Residuals Statistics Minimum Predicted Value Residual Std.000 .18216 1. Dependent Variable: berat_badan .9000 .733 Maximum 77.160 a Mean 63.000 Std.8675 -3. Predicted Value Std.401 -1. Deviation 9.30109 1. Residual 50.00000 .9161 2.507 1.77352 1.26059 -1.

Sign up to vote on this title
UsefulNot useful