P. 1
analisi regrasi

analisi regrasi

|Views: 2|Likes:
Dipublikasikan oleh Mohamad Azizi

More info:

Published by: Mohamad Azizi on Jun 08, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/15/2014

pdf

text

original

Kelas: puan nisa ANALISIS REGRASI

Descriptive Statistics persona bimbang Mean 105.1200 75.2400 Std. Deviation 14.50354 30.18349 N 50 50

Correlations Pearson Correlation Sig. (1-tailed) N persona bimbang persona bimbang persona bimbang persona 1.000 .096 . .254 50 50 bimbang .096 1.000 .254 . 50 50

b Variables Entered/Removed

Model 1

Variables Entered bimbanga

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: persona

Model Summary Model 1 R R Square .096 a .009 Adjusted R Square -.011 Std. Error of the Estimate 14.58614

a. Predictors: (Constant), bimbang

ANOVAb Model 1 Sum of Squares Regression 95.020 Residual 10212.260 Total 10307.280 df 1 48 49 Mean Square 95.020 212.755 F .447 Sig. .507 a

a. Predictors: (Constant), bimbang b. Dependent Variable: persona

Error 101.589 .188 .000 .507 **output dalam jadual ini sila rujuk pada output yang bawah sekali iaitu Coefficientͣ.a Coefficients Model 1 (Constant) bimbang Unstandardized Coefficients B Std. Sebagai contoh kajian mengenai tahap personality dengan kebimbangan Symbol bagi regrasi adalah y’ Formula statistic y’=a+b Cth : H0. tidak terdapat pengaruh antara tahap personality terhadap kebimbangan responden model B t sig constant bimbang 101.000 0.649 0.046 . . .096 t 18.188 0.649 5. Dependent Variable: persona PENERANGAN.668 Sig. Analisi regrasi menggunakan 2 pembolehubah yang mana pembolehubah bebas dianggap sbagai peramal dan pembolehubah terikat sebagai yang diramal.046 18.069 Standardized Coefficients Beta .507 a.668 0.

649+0. Maka.096.447).046.p : F(1. Sila rujuk output ANOVAᵇ Nilai statistik F pula ialah (F=0.05). sila rujuk ouput model summary Hasil kuasa dua R iaitu R square = 0. Sila rujuk output coefficients Nilai malar dalam persamaan regrasi pula ialah 101. p>0.48)= 0. df2)=F.9% sumbangan varians personality terhadap kebimbangan. Sila rujuk output coefficients Y’=a+b : Y’ 101. persamaan regrasi adalah seperti berikut. kesimpulannya personality mampu meramal secara signifikan kebimbangan responden. Ini bermakna hasil ANOVA menunjukkan personality secara tidak signifikan mempengaruhi kebimbangan pada (F (df1. 649 dan pekali regrasi untuk kebimbangan ialah 0. sila rujuk output correlations Dapatan kajian dari analisis regrasi emnunjukkan korelasi antara personality dengan kebimbangan adalah positif dan sangat kuat pada r(50)=0. p>0.447.05.046 Dapatan ini menunjukkan bahawa aspek kebimbangan menjadi salah satu factor atau pengaruh yang dominan terhadap pemboleh ubah personality.009 iaitu 0. Selesai buat jadual sila huraikan seperti dibawah. .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->