E.

REGRESI, KORELASI, DAN UJI ANOVA DENGAN SPSS

1. Regresi dan Korelasi
a. Langkah-Langkah
1) Regresi
a) Membuka program SPSS dan masukan data pada Data View.
Seperti gambar dibawah ini:

Gambar 2.9 Tampilan Data View Tampak Atas

Gambar 2.10 Tampilan Data View Tampak Bawah

b) Melakukan pemformatan variable view seperti name yakni diganti

dengan Jumlah Sekolah Menengah Atas pada tahun 2010/2011 dan
Jumlah Guru Menengah Atas pada tahun 2010/2011 sedangkan
mengganti type (Numeric), width (8), decimals (0), label dsb.
Seperti gambar dibawah ini:

Gambar 2.11 Tampilan Variable View

c) Kemudian klik Analyze, memilih Regression dan klik Linier

Gambar 2.12 Memilih Analyze, kemudian Regression memilih Linier

d) Kemudian memilih Statistics pada kotak dialog masukan Jumlah
Guru pada Dependent dan Jumlah Sekolah pada Independent dan
memilih OK.

Gambar 2.13 Tampilan Linear Regression

2) Korelasi
a) Menentukan Korelasi dengan cara memilih
Correlate dan klik Bivariete

Analyze, memilih

Gambar 2.14 Memilih Analyze, memilih Correlate dan klik Bivariete

b) Memasukan data Jumlah Guru dan Jumlah Sekolah Linear

Regression, kemudian klik OK

Gambar 2.15 Tampilan Linear Regression pada Correlate.

b. Output
1) Regresi
Hasil Output dari pengolahan data Regresi.

Gambar 2.16 Hasil Pengolahan Data Regresi

Tabel 2.21 Regression

Regression

Notes
Output Created
Comments
Input

28-Nov-2014 19:24:23
Active

DataSet0
Dataset
Filter
<none>
Weight
<none>
Split File
<none>
N of Rows in
Working

33

Data File
Missing Value Handling Definition of User-defined missing
Missing

values are treated as

missing.
Cases Used Statistics are based on
cases with no missing
values for any variable
used.
REGRESSION

Syntax

/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT
Jumlah_Guru
/METHOD=ENTER
Jumlah_Sekolah.
Resources

Processor

00:00:00.016

Tabel 2.22 Variables Entered/Removedb

Variables Entered/Removedb
Variables

Variables

Entered

Removed

Model
1

Jumlah_Sekola

Method
. Enter

ha
a. All requested variables entered.
b. Dependent Variable: Jumlah_Guru
Tabel 2.23 Model Summary
Model Summary
Adjusted R
Model
1

R Square
a

.908

Square

.824

Std. Error of the Estimate

.818

5511.955

a. Predictors: (Constant),
Jumlah_Sekolah
Tabel 2.24 ANOVAb
ANOVAb
Model

Sum of Squares

df

Mean Square

1Regression

4.405E9

4.405E9

Residual

9.418E8

31

3.038E7

Total

5.346E9

32

a. Predictors: (Constant), Jumlah_Sekolah

b. Dependent Variable: Jumlah_Guru
2) Korelasi
Hasil Output dari pengolahan data Korelasi.

F
144.975

Sig.
.000a

Gambar 2.17 Hasil Pengolahan Data Korelasi

Tabel 2.25 Correlations

Notes
Output Created
Comments
Input
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Missing

Data File
Definition of Missing

Value

28-Nov-2014 20:40:52
DataSet0
<none>
<none>
<none>
33
User-defined missing values are
treated as missing.

Handling

Cases Used

Statistics for each pair of variables

are based on all the cases with valid
data for that pair.
CORRELATIONS

Syntax

/VARIABLES=Jumlah_Sekolah
Jumlah_Guru
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Resources Processor Time
Elapsed Time

00:00:00.031
00:00:00.032

Correlations
Jumlah_Seko
lah
Jumlah_Sekolah

Pearson Correlation

Jumlah_Guru
1

Sig. (2-tailed)
Jumlah_Guru

N
Pearson Correlation
Sig. (2-tailed)

.000
33
.908**

Interval Koefisien
Tingkat Hubungan
0,00-0,199
Sangat Rendah
0,20-0,399
Rendah
0,40-0,599
Sedang
0,60-0,799
Kuat
0,80-1,00
Sangat Kuat
Sumber : (Yohannes, 2011)

33
1

.000

N
33
Tabel 2.26 Correlations
**. Correlation is significant at the 0.01 level (2-tailed).

Tabel 2.27 Koefisien Korelasi

.908**

33

c. Analisis
1) Regresi
a) Berdsarkan hasil yang diperoleh dari tabel Coefficientsa diketahui
nilai a sebesar -4589.059 dan nilai b sebesar 36.884. Sehingga
persamaan regresi yaitu Y=a+bX

dimana Y adalah variabel

Dependent sedangkan bX adalah nilai Independent sehingga dari

data diatas diperoleh persamaan Y=-4589.059+36.884X
b) Berdasarkan tabel ANOVA diketahui nilai F-Hitung sebesar
144.975dengan mengetahui nilai F-Hitung dapat diketahui nilai
signifikansi persamaan regresi. F-Tabel sebesar 4,159615098.
Dapat dicari dengan menggunakan rumus Microsoft Excel yakni
=FINV(Taraf Signifikansi;Degree Of Freedom 1; Degree Of
Freedom 2) Dalam penelitian ini kami menggunakan Taraf
Signifikansi sebesar 0,05, sedangkan untuk Degree Of Freedom 1
diperoleh dari K-1, dan untuk Degree Of Freedom 2 diperoleh dari
N-K. Apabila F-Tabel>F-Hitung maka data diterima dan dapat
dijadikan prediksi. Namun pada data diatas nilai F-Tabel<F-Hitung
sehingga data ditolak.
2) Korelasi
Berdasarkan hasil yang diperoleh dari tabel Correlations dapat
disimpulkan bahwa hubungan antara Jumlah Guru dan Jumlah Sekolah
sangat Kuat.

2. Frequencies
a. Langkah-Langkah
1) Data Poisson
a) Membuka program SPSS dan masukan data pada Data View.
Seperti gambar dibawah ini:

Gambar 2.18 Tampilan Data View Tampak Atas

Gambar 2.19 Tampilan Data View Tampak Bawah

b) Melakukan pemformatan variable view seperti name yakni diganti

dengan

Jumlah_Kedatangan

sedangkan

mengganti

type

(Numeric), width (8), decimals (0), label dsb. Seperti gambar

dibawah ini:

Gambar 2.20 Tampilan Variable View

c) Kemudian klik Analyze, memilih Discrptive Statistic dan klik
Frequencies

Gambar 2.21

Memilih Analyze, memilih Discrptive Statistic dan klik

Frequencies

d) Setelah meng-input kedalam SPSS, kami melakukan analsis pada

dialog frequencies, lalu kami memasukan data ke dalam kolom
variable (s), kemudian memilih Statistic.

Gmbar 2.22 Kotak Dialog Frequencies

e) Kemudian muncul kotak dialog Statistic seperti dibawah ini. Pada
bagian Percentil Values memilih Percentil (s) dan masukan angka
0,05 karena kita akan mengunakan tingkat kepercayaan 95%. Pada
bagian central tendency kita memilih semua yaitu mean, median,
mode dan sum. Lalu pada bagian dispersion kita memilih semua
yaitu Standar Deviasi, Varience, range, minimum, Maksimum dan
S. E. mean. Terakhir pada bagian distribution juga kita memilih
semua, yakni Skewness dan
Continue.

kurtosis. Kemudian memilih

Gambar 2.23 Kotak Dialog Frequencies: Statistics

f) Setelah itu pada kotak dialog frequencies kita memilih menu
charts dan akan muncul kotak dialog frequencies: charts, lalu kita
memilih histogram serta memilih with normal curve.

Gambar 2.24 Kotak dialog frequencies: charts

g) Terakhir, menekan OK papada kotak dialog frequencies dan

menunggu hasil pengolahannya

Gambar 2.25 Hasil Pengolahan Analisis Frequencies

2) Data Eksponensial
a) Membuka program SPSS dan masukan data pada Data View.
Seperti gambar dibawah ini:

Gambar 2.26 Tampilan Data View Tampak Atas

Gambar 2.27 Tampilan Data View Tampak Bawah

b) Melakukan pemformatan variable view seperti name yakni
diganti dengan

Interval_Waktu sedangkan mengganti type

(Numeric), width (8), decimals (0), label dsb. Seperti gambar

dibawah ini:

Gambar 2.28 Tampilan Variable View

c) Kemudian klik Analyze, memilih Discrptive Statistic dan klik

Frequencies

Gambar 2.29

Memilih Analyze, memilih Discrptive Statistic dan klik

Frequencies

d) Setelah meng-input kedalam SPSS, kami melakukan analsis

pada dialog frequencies, lalu kami memasukan data ke dalam
kolom variable (s), kemudian memilih Statistic.

Gambar 2.30 Kotak Dialog Frequencies

e) Kemudian muncul kotak dialog Statistic seperti dibawah ini.

Pada bagian Percentil Values memilih Percentil (s) dan
masukan angka 0,05 karena kita akan mengunakan tingkat
kepercayaan 95%. Pada bagian central tendency kita memilih
semua yaitu mean, median, mode dan sum. Lalu pada bagian
dispersion kita memilih semua yaitu Standar Deviasi, Varience,
range, minimum, Maksimum dan S. E. mean. Terakhir pada
bagian distribution juga kita memilih semua, yakni Skewness
dan kurtosis. Kemudian memilih Continue.

Gambar 2.31 Kotak Dialog Frequencies: Statistics

f) Setelah itu pada kotak dialog frequencies kita memilih menu

charts dan akan muncul kotak dialog frequencies: charts, lalu
kita memilih histogram serta memilih with normal curve.

Gambar 2.32 Kotak Dialog Frequencies: Charts

g) Terakhir, menekan OK papada kotak dialog frequencies dan
menunggu hasil pengolahannya

Gambar 2.33 Hasil Pengolahan Analisis Frequencies

b. Output

1) Data Poisson

Gambar 2.34 Hasil Pengolahan Analisis Data Poisson Tampak Atas

Gambar 2.35 Hasil Pengolahan Analisis Data Poisson Tampak Bawah

Tabel 2.28 Notes Data Poisson

Notes
Output Created
Comments
Input
Active Dataset
Filter
Weight
Split File
N of Rows in Working

28-Nov-2014 22:07:52
DataSet0
<none>
<none>
<none>

Data File
96
Missing

Definition of Missing

Value

User-defined missing values are

Handling Cases Used

treated as missing.
Statistics are based on all cases with

Syntax

valid data.
FREQUENCIES
VARIABLES=Jumlah_Kedatangan
/PERCENTILES=0.05
/STATISTICS=STDDEV
VARIANCE RANGE MINIMUM
MAXIMUM SEMEAN MEAN
MEDIAN MODE SUM
SKEWNESS SESKEW KURTOSIS
SEKURT
/HISTOGRAM NORMAL
/ORDER=ANALYSIS.

Resources Processor Time

Elapsed Time

00:00:00.390
00:00:00.453

Tabel 2.29 Statistics Data Poisson

Statistics
Jumlah_Kedatangan
N

Valid
Missing

96

0
Mean
16.45
Std. Error of Mean
.604
Median
16.00
Mode
13a
Std. Deviation
5.919
Variance
35.029
Skewness
.836
Std. Error of Skewness
.246
Kurtosis
.754
Std. Error of Kurtosis
.488
Range
30
Minimum
6
Maximum
36
Sum
1579
Percentiles 0.05
6.00
a. Multiple modes exist. The smallest value is shown

Tabel 2.30 Jumlah_Kedatangan

Jumlah_Kedatangan
Cumulative
Frequency

Percent

Valid Percent

Percent

Vali 6

2.1

2.1

2.1

2.1

2.1

4.2

4.2

4.2

8.3

10

7.3

7.3

15.6

11

5.2

5.2

20.8

12

6.2

6.2

27.1

13

8.3

8.3

35.4

14

5.2

5.2

40.6

15

8.3

8.3

49.0

16

7.3

7.3

56.2

17

6.2

6.2

62.5

18

6.2

6.2

68.8

19

7.3

7.3

76.0

20

3.1

3.1

79.2

21

4.2

4.2

83.3

22

1.0

1.0

84.4

23

3.1

3.1

87.5

24

1.0

1.0

88.5

25

3.1

3.1

91.7

26

2.1

2.1

93.8

27

1.0

1.0

94.8

28

1.0

1.0

95.8

29

1.0

1.0

96.9

30

1.0

1.0

97.9

33

1.0

1.0

99.0

36

1.0

1.0

100.0

96

100.0

100.0

Total

Gambar
2.36

Histogram Poisson

2) Data Eksponensial

Gambar 2.37 Hasil Pengolahan Analisis Data Ekponensial Tampak

Atas

Gambar 2.38 Hasil Pengolahan Analisis Data Ekponensial Tampak

Bawah

Tabel 2.31 Notes Eksponensial

Output Created
Comments
Input

Missing Value

28-Nov-2014 22:36:49
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Data File
Definition of Missing

Handling

1549
User-defined missing
values are treated as

Cases Used
Syntax

DataSet0
<none>
<none>
<none>

missing.
Statistics are based on all
cases with valid data.
FREQUENCIES
VARIABLES=Interval_
Waktu
/PERCENTILES=0.05
/STATISTICS=STDDEV
VARIANCE RANGE
MINIMUM MAXIMUM
SEMEAN MEAN
MEDIAN MODE SUM
SKEWNESS SESKEW
KURTOSIS SEKURT
/HISTOGRAM
NORMAL
/ORDER=ANALYSIS.

Tabel 2.32 Statistics Interval_Waktu

Statistics
Interval_Waktu

Valid
Missing

Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
Sum
Perce 0.05
ntiles

1549
0
18.3312
.50680
12.0000
1.00
1.99465E1
397.861
2.242
.062
7.227
.124
157.00
1.00
158.00
2.84E4
1.0000

Tabel 2.33 Interval_Waktu Data Eksponensial

Valid

Frequency

Percent

Valid Percent

Cumulative Percent

150

9.7

9.7

9.7

98

6.3

6.3

16.0

72

4.6

4.6

20.7

66

4.3

4.3

24.9

62

4.0

4.0

28.9

65

4.2

4.2

33.1

63

4.1

4.1

37.2

49

3.2

3.2

40.3

49

3.2

3.2

43.5

10

50

3.2

3.2

46.7

11

33

2.1

2.1

48.9

12

46

3.0

3.0

51.8

13

38

2.5

2.5

54.3

14

43

2.8

2.8

57.1

15

40

2.6

2.6

59.7

16

23

1.5

1.5

61.1

17

29

1.9

1.9

63.0

18

32

2.1

2.1

65.1

19

21

1.4

1.4

66.4

20

25

1.6

1.6

68.0

21

24

1.5

1.5

69.6

22

31

2.0

2.0

71.6

23

22

1.4

1.4

73.0

24

20

1.3

1.3

74.3

25

17

1.1

1.1

75.4

26

20

1.3

1.3

76.7

27

.6

.6

77.3

28

18

1.2

1.2

78.4

29

15

1.0

1.0

79.4

30

16

1.0

1.0

80.4

31

23

1.5

1.5

81.9

Gambar 2.39 Histogram Data Ekponensial

c. Analisis
1) Data Poisson
Dari data poisson yang telah dilakukan perhitungan dengan
SPSS, diperoleh data sebagai berikut: Rata-rata(Mean) memiliki nilai
sebesar 16.45, sedangkan standar error dari Mean sebesar 0,604,
Median memiliki nilai sebesar 16, standar deviasi dari data ini sebesar
5.919 memiliki nilai Varience sebesar 35.029, nilai Skewness sebesar
0,836, nilai Standar Error of Skewness sebesar 0,488, dengan nilai
kurtosis sebesar 0,754nilai range sebesar 30, memiliki nilai minimum
6, dan nilai maksimum 36 dengan percentil 0,05
2) Data Eksponensial
Dari data Eksponensial yang telah dilakukan perhitungan
dengan SPSS, diperoleh data sebagai berikut: Rata-rata(Mean)
memiliki nilai sebesar 18.3312, sedangkan standar error dari Mean
sebesar 0,50680, Median memiliki nilai sebesar 12, standar deviasi
dari data ini sebesar 1,99465E1 memiliki nilai Varience sebesar
397.861, nilai Skewness sebesar 2.242, nilai Standar

Error of

Skewness sebesar 0,062, memiliki nilai kurtosis sebesar 7.227, nilai

range sebesar 30, memiliki nilai minimum 1, dan nilai maksimum 158
dengan percentil 0,05
3. One Way ANOVA
a. Data Jumlah Produk Cacat
Tabel 3.34 Data Jumlah Produk Cacat
Pencahayaa

Pencahayaa

Pencahayaan

Pencahayaa

Pencahayaan

nA
4
5
5
5

nB
3
4
3
5

C
5
3
5
3

nD
6
3
4
6

E
3
3
5
6

b. Langkah-Langkah
1) Membuka program SPSS dan masukan data pada Data View. Seperti
gambar dibawah ini:

Gambar 2.40
Tampilan
Menu Data
view.
2) Kemudian melakukan pemformatan values pada data pencahayaan
yang cacat values-nya lalu menambahkan values dan label-nya (1
adalah Hari 1, 2 adalah Hari 2, 3 adalah Hari 3, 4 adalah Hari 4, 5
adalah Hari 5) kemudian menekan OK.

Gambar 2.41
Tampilan
Values Label.
3) Melakukan analisis One Way ANOVA dengan cara Analyze, kemudian
Compare Means, dan memilih One Way ANOVA.

Gambar 2.42 Memilih Analyze, Compare Means, dan memilih One Way ANOVA.

4) Kemudian akan muncul kotak dialog One-way ANOVA, kemudian

memasukan data hari kedalam kolom dependent list dan data
pencahayaan kedalam kolom factor.

Gambar 2.43 Tampilan Kotak Dialog One-Way ANOVA

5) Kemudian dalam kotak dialog One Way ANOVA menekan Post Hoc
Comparisons, dan akan muncul kotak dialog seperti dibawah ini.
Selanjutnya pada bagian Equal Variences Assumed kita memilih
Bonferroni dan Tukey dan pada Signiificance Level masukan angka
0,05 kemudian menekan Continue.

Gambar 2.44 Tampilan Kotak Dialog One-Way ANOVA: Post Hoc Comparisons.
6) Selanjutnya pada kotak dialog

One Way ANOVA menekan menu

Option dan akan muncul tampilan seperti dibawah ini, kemudian pada
bagian Statistics memilih Descriptive dan Homogeneity Of Varience
Test, sedangkan pada bagian Missing Values Memilih Exclude Cases
Analysis By Analysis. Dan kemudian menekan Continue.

Gambar 2.45 Tampilan Kotak Dialog One-Way ANOVA: Option

7) Pada menu kotak dialog One Way ANOVA memilih OK

Gambar 2.46 Tampilan Kotak Dialog One-Way ANOVA

c. Output

Gambar 2.47 Hasil Pengolahan One-Way ANOVA Tampak Atas.

Gambar 2.48 Hasil Pengolahan One-Way ANOVA Tampak Bawah.

Tabel 2.35
Oneway Notes
Data ANOVA
Notes
Output Created
Comments
Input
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Missing Value

29-Nov-2014 05:44:10
DataSet0
<none>
<none>
<none>
25

Data File
Definition of Missing

User-defined missing values are

Cases Used

treated as missing.
Statistics for each analysis are based

Handling

on cases with no missing data for

any variable in the analysis.
ONEWAY Hari BY Pencahayaan

Syntax

/STATISTICS DESCRIPTIVES
HOMOGENEITY
/MISSING ANALYSIS
/POSTHOC=TUKEY
BONFERRONI ALPHA(0.05).
Resources

Processor Time

00:00:00.016

Elapsed Time

00:00:00.015

Tabel 2.36 Discriptives Data ANOVA

Descriptives
95% Confidence Interval

Hari

for Mean
N

Mea

Std.

Std.

Deviation

Error

Upper
Lower Bound

Bound

Minimu Maximu
m

Hari 3

9 3.56

1.236

.412

2.61

4.51

Hari 4

5 2.40

1.517

.678

.52

4.28

Hari 5

8 2.25

1.389

.491

1.09

3.41

3 4.33

.577

.333

2.90

5.77

25 3.00

1.443

.289

2.40

3.60

Total

Tabel 2.37 Test of Homogeneity of Variances

Hari
Levene
Statistic

df1

1.247

Tabel 2.38 ANOVA

df2
3

Sig.
21

.318

ANOVA
Hari
Sum of
Squares
Between
Groups
Within
Groups
Total

df Mean Square

14.411

4.804

35.589

21

1.695

50.000

24

Tabel 2.39 Multiple Comparisons

Sig.

2.83
5

.063

Multiple Comparisons
Dependent
Variable:Hari
(I)

95% Confidence Interval

Penc (J)
ahay Pencahay
aan aan

Mean
Difference

Std.

Sig

Lower

Upper

(I-J)

Error

Bound

Bound

Tukey Hari Hari 4

HSD

.
1.156

.726 40

-.87

3.18

-.46

3.07

-3.20

1.64

-3.18

.87

-1.92

2.22

-4.58

.72

-3.07

.46

-2.22

1.92

5
Hari 5

.
1.306

.633 19
7

.
-.778

.868 80
7

Hari Hari 3
4

.
-1.156

.726 40
5

Hari 5

.
.150

.742 99
7

.
-1.933

.951 20
8

Hari Hari 3
5

.
-1.306

.633 19
7

Hari 4

.
-.150

.742 99

Tabel 2.40 Homogeneous Subsets

Hari
Subset for alpha = 0.05
Pencahayaan

Tukey HSDa Hari 5

2.25

Hari 4

2.40

Hari 3

3.56

4.33

Sig.

.076

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 5,199.

d. Analisis
1) Hasil dari Test Homogeneity Of Varience menunjukan bahwa P-Value
sebesar 0,318 dengan dF1 sebesar 3 dan dF2 sebesar 21. Apabila nilai
P-Value lebih besar dari 0,05 maka H0 diterima atau data bersifat
Homogeneity. Pada pengolahan data diatas nila P-Value > 0,05
sehingga H0 diterima.
2) Berdasarkan hasil Post Hoc Test, menunjukan bahwa semua jumlah
unit produk cacat pada Bagian Departemen Produksi memiliki
pengaruh yang sama terhadap pencahayaan yang berbeda ditunjukan
pada hasil tabel berikut:
Pencahayaa Pencahayaa Pencahayaa Pencahayaa Pencahayaa
nA
Diterima
Diterima
Diterima
Diterima

nB
Diterima
Diterima
Diterima
Diterima

nC
Diterima
Diterima
Diterima
Diterima

nD
Diterima
Diterima
Diterima
Diterima

nE
Diterima
Diterima
Diterima
Diterima

LAMPIRAN

DATA BPS REGRESI

Regression

Notes
Output Created
Comments
Input

28-Nov-2014 19:24:23
Active Dataset
Filter
Weight
Split File
N of Rows in Working

Data File
Missing Value Handling Definition of Missing
Cases Used

DataSet0
<none>
<none>
<none>
33
User-defined missing values are
treated as missing.
Statistics are based on cases with no
missing values for any variable
used.
REGRESSION

Syntax

/MISSING LISTWISE
/STATISTICS COEFF OUTS R
ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Jumlah_Guru
/METHOD=ENTER
Jumlah_Sekolah.
Resources

Processor Time

00:00:00.016

Elapsed Time

00:00:00.017

Memory Required

1348 bytes

Additional Memory
Required for Residual
Plots

0 bytes

Variables Entered/Removedb
Model
1

Variables

Variables

Entered

Removed

Jumlah_Sekola

Method
. Enter

ha
a. All requested variables entered.
b. Dependent Variable: Jumlah_Guru

Model Summary
Adjusted R
Model

R Square

.908a

Square

.824

Std. Error of the Estimate

.818

5511.955

a. Predictors: (Constant), Jumlah_Sekolah

ANOVAb
Model
1

Sum of Squares

df

Mean Square

Regression

4.405E9

4.405E9

Residual

9.418E8

31

3.038E7

Total

5.346E9

32

Sig.

144.975

.000a

a. Predictors: (Constant), Jumlah_Sekolah

b. Dependent Variable: Jumlah_Guru
Coefficientsa

Model
1

Unstandardized

Standardized

Coefficients

Coefficients

B
(Constant)
Jumlah_Sekolah

Std. Error

Beta

Sig.

-4589.059

1422.021

-3.227

.003

36.884

3.063

.908 12.041

.000

a. Dependent Variable: Jumlah_Guru

DATA BPS KORELASI

Correlations
Notes
Output Created
Comments
Input

28-Nov-2014 20:40:52
Active Dataset
Filter
Weight
Split File
N of Rows in Working

Data File
Missing Value Handling Definition of Missing
Cases Used

DataSet0
<none>
<none>
<none>
33
User-defined missing values are
treated as missing.
Statistics for each pair of variables
are based on all the cases with valid
data for that pair.
CORRELATIONS

Syntax

/VARIABLES=Jumlah_Sekolah
Jumlah_Guru
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Resources

Processor Time

00:00:00.031

Elapsed Time

00:00:00.032

Correlations
Jumlah_Sekola
h
Jumlah_Sekolah

Jumlah_Guru

Pearson Correlation

Sig. (2-tailed)
N
Pearson Correlation

Jumlah_Guru

Sig. (2-tailed)
N

.000
33
.908**
33

LEMBAR ASISTENSI
:7

33
1

.000

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

Kelompok

.908**

33

Nama

: 1. BAYU RISKIA HIDAYAT

2. MUHAMMAD LUTHFI SAQQO

Shift

: IV

Asisten

: RAHMATTULLAH

No.

Tanggal

Keterangan

(D600130056)
(D600130106)

Paraf