Anda di halaman 1dari 5

Lama belajar mempengaruhi prestasi belajar Hipotesis: regresi sederhana 1.

. Ada hubungan antara lama belajar terhadap prestasi belajar 2. Makin lama waktu belajar makin tinggi prestasi belajar

Uji persyaratan analisis: jika uji hipotesisnya regresi maka uji persyaratannya adalah: 1. 2. 3. 4. Random (pengambilan sampel) Normalitas sebaran Linearitas hubungan Tidak terjadi multikolnieritas antar variable bebas (regresi ganda)

Pelaksanaan: 1. Random ketika menentukan responden, artinya semua anggpta populasi mendapatan kesempatan yang sama 2. Normalitas sebaran untuk mengetahui sebaran data harus berdistribusi normal kolmogorov smirnof, kai kuadrat, atau lainnya plot. Dikatakan hasilnya NORMAL, jika p (probabilitas)

0,05 formula spss Non parametric test 1-sample KS


One-Sample Kolmogorov-Smirnov Test X1 X2 34 Mean Std. Deviation Absolute Positive Negative 13.7353 1.48342 .274 .197 -.274 1.596 34 26.6471 2.56884 .139 .129 -.139 .813 X3 34 16.8824 1.57181 .203 .179 -.203 1.182 X4 34 20.9412 2.13117 .220 .163 -.220 1.281 Y2 34 24.0294 2.00734 .229 .140 -.229 1.338

N Normal Parameters(a,b) Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data.

.012

.524

.122

.075

.056

Tidak normal (krn p <0.05)

3. Linearitas hubungan untuk mengetahui hubungan antara variable bebas thd var terikat apakah berbentuk linier formula compare dikatakan linier jika p (probabilitas) 0,05
ANOVA Table Sum of Squares X1 * Y2 Between Groups (Combined) Linearity Deviation from Linearity Within Groups Total 34.218 17.519 16.699 38.400 72.618

mean option test for linearity,

df 7 1 6 26 33

Mean Square 4.888 17.519 2.783 1.477

F 3.310 11.862 1.884

Sig. .012 .002

.122

4. Multikolinieritas yaitu untuk mengetahui apakah antar var bebas memliki korelasi jenjang nihil lebih dari 0,85. Jika lebih dari 0,85 maka var bebas diambil salah satu.
Correlations X1 X1 Pearson Correlation Sig. (2-tailed) N X2 Pearson Correlation Sig. (2-tailed) N X3 Pearson Correlation Sig. (2-tailed) N X4 Pearson Correlation Sig. (2-tailed) N 1 . 34 .627(**) .000 34 .493(**) .003 34 .685(**) .000 X2 X3 X4

.627(**)
.000 34 1 . 34 .545(**) .001 34 .699(**) .000

.493(**)
.003 34

.685(**)
.000 34

.545(**)
.001 34 1 . 34 .694(**) .000 34

.699(**)
.000 34

.694(**)
.000 34 1 . 34

34 34 ** Correlation is significant at the 0.01 level (2-tailed).

Contoh X1 X2 X3 X4 y2

1. 2. 3. 4. 5.

Ada pengaruh yang signifikan x1 terhadap y2 Ada pengaruh yang signifikan x2 terhadap y2 Ada pengaruh yang signifikan x3 terhadap y2 Ada pengaruh yang signifikan x4 terhadap y2 Ada pengaruh yang signifikan x1, x2, x3, dan x4 terhadap y2 Uji hipotesis 1: yang berbunyi Ada pengaruh yang signifikan x1 terhadap y2 Dilaksanakan dengan regresi sederhana antara x1 dengan y2 Hipotesis dikatakan terbuksi dengan signifikan jika p < 0,05 (berbeda dengan uji persyaratan analisis). Contoh: regresi antara x1 dengan y2
ANOVA(b) Sum of Squares Regressio n Residual Total 32.079 100.892 132.971

Model 1

df 1 32 33

Mean Square 32.079 3.153

F 10.174

Sig.

.003(a)

a Predictors: (Constant), X1 b Dependent Variable: Y2

Hasil uji regresi sedernaha pada table di atas adalah signifikan, artinya ada pengaruh x1 terhadap y2, dikarena p <0,05 Kekuatan hubungan antara x1 dengan y2 seperti table berikut:
Model Summary(b)

Change Statistics Model 1 R .491(a) R Square .241 Adjusted R Square .218 Std. Error of the Estimate 1.77563 R Square Change .241 F Change 10.174 df1 1 df2 32

Sig. F Chan .0

a Predictors: (Constant), X1 b Dependent Variable: Y2

Yaitu R sebesar

0,491 R Square = 24,1%, artinya variasi yang terjadi pada y2 dijelaskan oleh x1 sebesar 24,1%

Uji hipotesis 5: yang berbunyi Ada pengaruh yang signifikan x1, x2, x3, dan x4 terhadap y2 Diuji dengan regresi ganda dg var terikat y2 dan var bebas x1 x2 x3 dan x4 Untuk mengetahui hasil pengujian dengan regresi ganda, diperhatikan lebih dahulu nilai signifikansinya p. Jika p < 0,05 maka dinyatakan ada hubungan yang signifikan
ANOVA(b) Sum of Squares Regressio n Residual Total 57.988 74.982 132.971

Model 1

df 4 29 33

Mean Square 14.497 2.586

F 5.607

Sig.

.002(a)

a Predictors: (Constant), X4, X1, X3, X2 b Dependent Variable: Y2 artinya: var x1 x2 x3 dan x4 mempengaruhi/berhubungan y2. Untuk mengetahui besarnya variasi yang terjadi pada y2 yang disebabkan pengaruh x1 x2 x3 dan x4, maka diperhatikan table berikut

Model Summary Adjusted R Square .358 Std. Error of the Estimate 1.60798

Model 1

R .660(a)

R Square .436

a Predictors: (Constant), X4, X1, X3, X2

Berdasarkan table tersebut diketahui bahwa koefisien regresinya sebesar R=0.660, sedangkan R
square = 0,436 menjelaskan bahwa variasi yang terjadi pada y2 dijelaskan oleh x1 x2 x3 dan x4 sebesar 43,6%. Artinya sebesar 56,4% dijelaskan oleh var lain yang dalam analisis tidak dilibatkan.

Untuk mengetahui sumbangan masing-masing variable ( x1, x2, x3 dan x4) maka diperhatikan table berikut:

Coefficients(a) Unstandardized Coefficients Model 1 B (Constant ) X1 X2 X3 X4 a Dependent Variable: Y2 13.016 .502 -.369 .342 .390 Std. Error 3.432 .270 .160 .249 .234 .371 -.472 .268 .415 Standardized Coefficients Beta t 3.792 1.860 -2.308 1.372 1.670 Sig. .001 .073 .028 .180 .106 .491 .196 .481 .525 .326 -.394 .247 .296 Zero-order

Correlations Partial Part

.25

-.32

.19

.23

berdasarkan table tersebut, maka sumbangan masing-masing dapat dihitung dengan: Sumbangan Efektif X1 X2 X3 X4 Total Besar sumb efektif
0.182161 -0.092512 0.128908 0.217875

Standardized Coefficients Beta 0,371

Correlations Zero-order

-0,472 0,268 0,415

0,491 0,196 0,481 0,525

0.436432