Si
Papar sheet, July 2009
Y
X1
X2
X3
: Prestasi Belajar
: Spirit (dalam belajar)
: Umur (produktif)
: Sikap ( dalam belajar)
Data sampel
N0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
Y
25
68
35
62
69
8
15
31
29
15
56
55
49
61
13
29
32
37
35
34
14
44
46
53
19
61
61
39
60
19
41
16
39
68
7
10
50
16
50
63
22
68
X1
71
86
71
86
86
22
44
79
72
34
86
79
81
91
34
63
72
79
85
78
20
85
89
88
42
90
86
85
78
59
81
54
79
85
13
26
84
40
85
84
55
91
X2
23
49
30
57
43
22
22
29
24
25
32
40
33
35
27
28
32
28
32
23
29
34
36
37
28
48
37
33
45
24
32
29
25
55
25
27
37
25
29
50
30
52
X3
25
43
23
36
38
3
4
10
31
13
24
29
15
34
7
13
14
29
24
23
10
16
25
30
19
31
31
36
41
19
33
22
22
41
2
7
34
15
35
38
23
38
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
16
30
66
46
56
13
59
61
63
62
43
57
23
34
65
89
64
68
88
82
83
47
82
86
92
79
76
82
64
65
83
43
24
31
40
31
46
23
50
54
47
41
28
36
26
26
54
39
10
8
42
27
32
14
41
36
44
36
27
39
14
19
32
40
30
20
10
0
10
20
30
40
50
60
70
80
90
100
X1
Dari plot atau grafik tersebut, maka model yang dipandang sesuai adalah
model kuadratik
Scatterplot of Y vs X2
70
60
50
40
30
20
10
0
20
30
40
X2
50
60
Dari plot atau grafik tersebut, maka model yang dipandang sesuai adalah
model logaritma
Scatterplot of Y vs X3
70
60
50
40
30
20
10
0
0
10
20
30
40
50
X3
Dari plot atau grafik tersebut, maka model yang dipandang sesuai adalah
model linier
Mean
StDev
N
AD
P-Value
95
90
0.0004814
1.003
58
0.164
0.940
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
SRES1
b. Homogenitas (heteroskedastitas)
Pake metode grafik
Residuals Versus the Fitted Values
(response is Y)
10
Residual
-5
-10
10
20
30
40
Fitted Value
50
60
70
Karena titik-titik dalam plotting data tidak membentuk corong maka dapat
dinyatakan homogen, atau data berasal dari distribusi yang variansinya
konstan.
c. Independensi obsevasi dalam variable dependen
Menggunakan statistik Durbin Watson, yaitu
Durbin-Watson statistic, DWs = 1.81021
5. Pengujian Hipotesis
a. merumuskan hipotesis statistik
hipotesis yang akan diuji:
1).
Ada pengaruh spirit, umur, dan sikap dalam bekerja secara
bersama-sama terhadap prestasi belajar
Secara statistik dirumuskan
H0: bi = 0 untuk semua i = 1,2,3
melawan
H1: bi 0 untuk suatu i = 1,2,3
2).
Ada pengaruh yang positif spirit dalam bekerja (X1) terhadap
prestasi belajar (Y)
Secara statistik dirumuskan
H0: b1 = 0 melawan
H1: b1 > 0
3).
Ada pengaruh yang positif umur produktif (X2) terhadap
prestasi belajar (Y)
Secara statistik dirumuskan
H0: b2 = 0 melawan
H1: b2 > 0
4).
Ada pengaruh yang positif sikap dalam nekerja (X3) terhadap
prestasi belajar (Y)
Secara statistik dirumuskan
H0: b3 = 0 melawan
H1: b3 > 0
b. membuat persamaan regresi
Berdasarkan hasil opengolahan data diperoleh persamaan regresi sebagai
berikut
)
y = - 88.2 + 0.00372 X12 + 28.7 lnX2 + 0.322 X3
Dengan R-square (R2) = 93,8% (koefisien determinasi)
Ini berarti sebanyak 93,8% total variasi ditentukan oleh ketiga variable
bebas spirit, umur, dan sikat terhadap prestasi belajar secara bersamasama. Sisanya 6,2% variasi prestasi belajar ditentukan oleh variable lain .
c. menguji hipotesis bersama-sama (simultan)
Hasil pengolahan data diperoleh sebagai berikut:
Analysis of Variance (ANAVA)
Source
Regression
Residual Error
Total
DF
3
54
57
SS
20013.7
1320.9
21334.6
MS
6671.2
24.5
F
272.72
P
0.000
Coef
-88.16
0.0037173
28.747
0.3219
SE Coef
11.52
0.0004621
3.779
0.1048
T
-7.66
8.04
7.61
3.07
P
0.000
0.000
0.000
0.003
VIF
2.9
2.5
3.5
H1: b2 > 0
Digunakan statistik T,
Untuk taraf signifikansi a = 0,05 dibandingkan dengan p = 0,000.
Karena a = 0,05 > p = 0,000 maka H1 diterima (H0 di tolak) pada taraf
signifikansi a = 0,05 .
Dengan demikian ada pengaruh positif dan signifikan variabel umur
produktif terhadap prestasi belajar pada taraf signifikansi a = 0,05 .
Untuk menguji hipotesis 4, yaitu
H0: b4 = 0 melawan
H1: b4 > 0
Digunakan statistik T,
Untuk taraf signifikansi a = 0,05 dibandingkan dengan p = 0,003.
Karena a = 0,05 > p = 0,003 maka H1 diterima (H0 di tolak) pada taraf
signifikansi a = 0,05 .
Dengan demikian ada pengaruh positif dan signifikan variabel sikap
dalam bekerja terhadap prestasi belajar pada taraf signifikansi
a = 0,05 .
Coef
-88.16
0.0037173
28.747
0.3219
S = 4.94585
SE Coef
11.52
0.0004621
3.779
0.1048
R-Sq = 93.8%
PRESS = 1493.34
T
-7.66
8.04
7.61
3.07
P
0.000
0.000
0.000
0.003
VIF
2.9
2.5
3.5
R-Sq(adj) = 93.5%
R-Sq(pred) = 93.00%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
3
54
57
SS
20013.7
1320.9
21334.6
MS
6671.2
24.5
F
272.72
P
0.000
No replicates.
Cannot do pure error test.
Source
X12
lnX2
X3
DF
1
1
1
Seq SS
17147.8
2635.1
230.8
Unusual Observations
Obs
19
28
32
X12
7225
7225
2916
Y
35.000
39.000
16.000
Fit
45.764
50.800
26.561
SE Fit
1.131
1.148
1.141
Residual
-10.764
-11.800
-10.561
St Resid
-2.24R
-2.45R
-2.19R
The goodness of fit of a statistical model describes how well it fits a set of observations
In statistics, a lack-of-fit test is any of many tests of a null hypothesis that a proposed
statistical model fits well
A statistical model is a set of mathematical equations which describe the behavior of an
object of study in terms of random variables and their associated probability distributions
Kontribusi Variabel Independen terhadap dependen
1. Kontribusi semua variable independen terhadap dependen
SSreg
R2
adalah koefisien determinasi.
SStot
Dimana
SSreg adalah jumlah kuadrat regresi
SStot adalah jumlah kuadrat total
Menentukan berapa persen total variasi variable dependen dapat ditentukan oleh
semua variable independen secara bersama-sama (tanpa memperhitungkan
variable lainnya).
2. Effect Size (ukuran kekuatan hubungan/pengaruh variable independen terhadap
variable dependen dalam populasi statistik)
R2
2
, dikategori atas kecil, sedang, dan besar.
Cohen 's f
1 R2
3. Kontribusi salah satu variable independen terhadap dependen (sumbangan efektif)
SeqSS ( X k )
Kontribusi Xk terhadap Y adalah ECX k
(untuk Minitab),
SStot
atau ECX k k rxk y (untuk SPSS)
dimana
Contoh
Coef
-1.484
0.5772
0.2967
S = 1.27128
SE Coef
4.016
0.6484
0.5674
R-Sq = 21.4%
PRESS = 26.7089
T
-0.37
0.89
0.52
P
0.723
0.403
0.617
VIF
1.275
1.275
R-Sq(adj) = 0.0%
R-Sq(pred) = 0.00%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
x1
x2
DF
1
1
DF
2
7
9
SS
3.087
11.313
14.400
MS
1.543
1.616
F
0.96
P
0.430
Seq SS
2.645
0.442
Unusual Observations
Obs
6
x1
6.00
y
2.000
Fit
4.354
SE Fit
0.756
Residual
-2.354
St Resid
-2.30R
10