Didapat data dari 10 responden sebagai berikut:

Pada tabel statistik deskriptif, berisi rata-rata dan standar deviasi pada setiap
variabel
Didapat mean dari variabel pembelian (Y) : 16,6 , harga (X1) : 4,3 , dan promosi
(X2) : 6
Serta standar deviasinya pembelian (Y) : 5,75 , harga (X1) : 1,63 , dan promosi
(X2) : 2,1

Pada tabel model summary, dapat dilakukan interpretasi sebagai berikut:

Didapat nilai R-square : 0,808 , Adjused R-square : 0,753 , dan
R-square dan adjusted R-square: item ini merupakan indikator seberapa besar
variabel-variabel bebas mampu menjelaskan perubahan yang terjadi pada
variabel tak bebas. Jika RLS, maka yang dibaca adalah R-squared, jika RLB. Maka
yang dibaca adalah Adjusted R-Squared.
Nilai R-square terpengaruh oleh banyaknya jumlah variabel bebas. Semakin
besar jumlah variabel bebas, maka nilai R-square akan semakin besar sehingga

untuk mendapatkan nilai sebenarnya, maka dibuatlah suatu faktor koreksi.

Adanya faktor koreksi akan meminimalisir pengaruh penambahan variabel
sehingga dapat dilihat angka murninya.

Ftabel : 6,542 (alfa 0,025 dg f1= 2; f2=7)

Fhitung : 14,748.
karena Fhit>Ftab, maka Ho diterima, yang artinya terdapat korelasi yang
signifikan antara variabel harga produk dan promosi terhadap variabel frekuensi
pembelian.

Selanjutnya, tabel ini merupakan tabel analisis paling penting. Dengan tabel ini
kita bisa melihat model yang dihasilkan dari variabel-variabel kita dan
bagaimana pengaruhnya terhadap variabel tak bebas.
Sebelum membaca pengaruh setiap variabel, kita pastikan dulu apakah variabel
tersebut berpengaruh signifikan terhadap y atau tidak. Untuk melihat hal itu,
bisa kita lihat dari nilai t dan signifikansi setiap variabel. Untuk nilai t, kita bisa
mengatakan signifikan apabila nilai |t|>t tabel standar. Jika menggunakan nilai
signifikansi, maka kita bisa mengatakan variabel tersebut signifikan bila nilai sig
< a (dalam kasus ini nilai a=5%). Pada tabel dapat kita lihat bahwa kedua
variabel bebas berpengaruh signifikan terhadap variabel tak bebas.
Pembacaannya adalah sebagai berikut:
- Setiap kenaikan 1 satuan variabel x1 maka akan menaikkan nilai variabel y
sebesar 1,441 satuan dengan asumsi variabel lain bernilai tetap
- Setiap kenaikan 1 satuan variabel x2 maka akan menaikkan nilai variabel y
sebesar 2,226 satuan dengan asumsi variabel lain bernilai tetap