KORELASI

Korelasi merupakan angka yang menunjukkan arah dan kuatnya hubungan antara dua
variabel atau lebih. Arah dinyatakan dalam bentuk hubungan positif dan negatif, sedangkan
kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi. Hubungan dau variabel atau
lebih dikatakan positif apabila nilai suatu variabel ditingkatkan, maka akan mengingkat
variabel lainnya. Contoh, ada hubungan motivasi belajar dengan nilai fisika siswa, hal ini
berarti semakin tinggi motivasi belajar maka semakin tinggi nilai fisika siswa. Sebaliknya,
jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya
jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah dan berlaku
sebaliknya.

Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan

mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka
hubungan semakin lemah. Koefesien korelasi ialah pengukuran statistik kovarian atau
asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Untuk
memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel
penulis memberikan kriteria sebagai berikut (Sarwono:2006):

0 : Tidak ada korelasi antara dua variabel

0 0,25 : Korelasi sangat lemah

0,25 0,5 : Korelasi cukup

0,5 0,75 : Korelasi kuat

0,75 0,99 : Korelasi sangat kuat

1 : Korelasi sempurna

1
Korelasi dapat dihitung dengan rumus :

=
2 2

rxy : koefisien antara x terhadap y

X : variabel yang mempengaruhi

Y : variabel yang dipengaruhi

Menguji Hipotesis Dalam Korelasi

Pengujian hipotesis uintuk korelasi digunakan uji T. Rumusnya sebagai berikut:

t : nilai dari pengujian hipotesis

r : koefisien korelasi

Pengambilan keputusan menggunakan angka pembanding t tabel dengan kriteria sebagai

berikut:

Jika t hitung > t table Ho ditolak; Ha diterima

Jika t hitung < t table Ho diterima; Ha ditolak

Jenis Korelasi

1. Korelasi Linier

Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk mengukur
kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan
keduanya dengan hasil yang bersifat kuantitatif. Kekuatan hubungan antara 2 variabel yang
dimaksud adalah apakah hubungan tersebut erat, lemah, ataupun tidak erat. Sedangkan
bentuk hubungannya adalah apakah bentuk korelasinya linear positifataupun linear negatif.

2
Koefisien Korelasi :

()()
=
{ 2 ()2 }{ 2 ()2 }

r : koefisien korelasi linear

n : jumlah data
x : variabel x
y :variabel y

Contoh : Seorang Guru Fisika ingin mengetahui apakah ada hubungan motivasi
belajar terhadap nilai fisika yang dihasilkan dari 30 orang siswa.

No Motivasi Belajar (X) Nilai Fisika (Y)

1 10 24
2 5 22
3 6 21
4 3 20
5 6 22
6 4 19
7 5 20
8 9 23
9 11 24
10 13 25
11 7 21
12 4 20
13 6 20
14 3 19
15 12 25
16 13 27
17 16 28
18 12 25
19 14 26
20 12 24
21 16 27
22 9 23

3
 23 13 24
24 11 23
25 7 22
26 5 21
27 12 26
28 11 25
29 13 26
30 14 27

Penyelesaian:

Hipotesis yang terdapat pada soal ini yaitu hipotesis deskriptif.

Ho : Tidak ada hubungan yang signifikan antara motivasi belajar siswa terhadap nilai fisika.

Ha : Ada hubungan yang signifikan antara motivasi belajar siswa terhadap nilai fisika.

Ho : o 1

Ha : o = 1

MotivasiBelajar Nilai Fisika

No Y2 X2 XY
(X) (Y)
1 10 24 576 100 240
2 5 22 484 25 110
3 6 21 441 36 126
4 3 20 400 9 60
5 6 22 484 36 132
6 4 19 361 16 76
7 5 20 400 25 100
8 9 23 529 81 207
9 11 24 576 121 264
10 13 25 625 169 325
11 7 21 441 49 147
12 4 20 400 16 80
13 6 20 400 36 120
14 3 19 361 9 57

4
 15 12 25 625 144 300
16 13 27 729 169 351
17 16 28 784 256 448
18 12 25 625 144 300
19 14 26 676 196 364
20 12 24 576 144 288
21 16 27 729 256 432
22 9 23 529 81 207
23 13 24 576 169 312
24 11 23 529 121 253
25 7 22 484 49 154
26 5 21 441 25 105
27 12 26 676 144 312
28 11 25 625 121 275
29 13 26 676 169 338
30 14 27 729 196 378
Total 282 699 16487 3112 6861

Koefisien Korelasi :

()()
=
{ 2 ()2 }{ 2 ()2 }

(30 . 6861) (282)(699)

=
{30 . 3112 (282)2 }{30 . 16487 (699)2 }

(205830) (197118)
=
{93360 75924}{494610 488601}

= 0,995

Kesimpulan :

Jadi Koefisien Korelasi antara motivasi belajar dengan nilai fisika siswa adalah 0,995.
berarti kedua variabel tersebut memiliki hubungan yang sangat lemah. Artinya motivasi
belajar siswa hanya sedikit mempengaruhi untuk nilai fisika siswa.

5
LANGKAH-LANGKAH PADA PROGRAM SPSS :

1. Masuk program SPSS

2. Klik variable view pada SPSS data editor
3. Pada kolom Name ketik Motivasi, kolom Name pada baris kedua ketik Nilai Fisika.
4. Pada kolom Decimals ganti menjadi 0 untuk variabel x dan y
5. Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
6. Buka data view pada SPSS data editor, maka didapat kolom variabel Suhu ruangan dan
Cacat.
7. Ketikkan data sesuai dengan variabelnya
8. Klik Analyze - Correlate Bivariate
9. Klik variabel Motivasi dan masukkan ke kotak Variables, kemudian klik variabel Nilai
Fisika dan masukkan ke kotak yang sama (Variables).

10. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Correlations

Motivasi Nilai_Fisika

Pearson Correlation 1 ,955**

Motivasi Sig. (1-tailed) ,000

N 30 30
Pearson Correlation ,955** 1

Nilai_Fisika Sig. (1-tailed) ,000

N 30 30

**. Correlation is significant at the 0.01 level (1-tailed).

Dari hasil analisis korelasi sederhana (r) didapat korelasi antara motivasi belajar dengan
nilai fisika siswa adalah 0,995. Hal ini menunjukkan bahwa terjadi hubungan yang kuat
antara motivasi belajar dengan nilai fisika siswa. Sedangkan arah hubungan adalah positif
karena nilai r positif.

2. Korelasi Parsial

Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara
variabel bebas dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk
melihat korelasi natural antara variabel yang tidak terkontrol. Analisis korelasi parsial

6
(partial correlation) melibatkan dua variabel. Satu buah variabel yang dianggap berpengaruh
akan dikendalikan atau dibuat tetap (sebagai variabel kontrol).

Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti
hubungan antara dua variabel semakin kuat. Sebaliknya, jika nilai mendekati 0 berarti
hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X
naik, maka Y naik) sementara nilai negatif menunjukkan hubungan terbalik (X naik, maka Y
turun).

Prosedur Korelasi Parsial

2 (1 . 1 2 )
1 2 =
{1 (1 2 )} {1 (1 2 2 )}

1. Seorang peneliti ingin mengetahui hubungan antara Tingkat Kesejahteraan Dosen ( X1)
dan Motivasi Mengajar (X2) dengan Nilai Mekanika (Y). Sejumlah angket kemudian disebar
kepada 50 orang sebagai responden untuk tujuan penelitian diatas. dan diperoleh rekapitulasi
skor hasil pengumpulan data sebagai berikut :

7
Penyelesaian :

Hipotesis yang ada dalam soal ini yaitu hipotesis Komperatif.

Ho: Tidak ada hubungan secara signifikan antara kesejahteraan dosen dengan nilai mekanika
jika motivasi mengajar tetap tetap

Ha : Ada hubungan secara signifikan antara kesejahteraan dosen dengan nilai mekanika jika
motivasi mengajar tetap tetap

Ho : o 1

Ho : o = 1

8
Res X1 X2 Y X12 X2 2 Y2 X1Y X2Y X1X2

1 164 155 202 26896 24025 40804 33128 31310 25420

2 163 144 179 26569 20736 32041 29177 25776 23472

3 152 144 163 23104 20736 26569 24776 23472 21888

4 183 171 228 33489 29241 51984 41724 38988 31293

5 182 171 228 33124 29241 51984 41496 38988 31122

6 171 160 213 29241 25600 45369 36423 34080 27360

7 180 165 224 32400 27225 50176 40320 36960 29700

8 186 167 230 34596 27889 52900 42780 38410 31062

9 184 156 202 33856 24336 40804 37168 31512 28704

10 174 160 196 30276 25600 38416 34104 31360 27840

11 155 157 180 24025 24649 32400 27900 28260 24335

12 145 155 178 21025 24025 31684 25810 27590 22475

13 147 141 193 21609 19881 37249 28371 27213 20727

14 160 164 198 25600 26896 39204 31680 32472 26240

15 177 171 204 31329 29241 41616 36108 34884 30267

16 160 157 207 25600 24649 42849 33120 32499 25120

17 156 159 207 24336 25281 42849 32292 32913 24804

18 161 152 202 25921 23104 40804 32522 30704 24472

19 123 145 204 15129 21025 41616 25092 29580 17835

20 124 123 205 15376 15129 42025 25420 25215 15252

21 134 124 208 17956 15376 43264 27872 25792 16616

22 145 133 207 21025 17689 42849 30015 27531 19285

23 155 134 209 24025 17956 43681 32395 28006 20770

24 155 143 210 24025 20449 44100 32550 30030 22165

25 156 155 256 24336 24025 65536 39936 39680 24180

26 164 156 163 26896 24336 26569 26732 25428 25584

27 155 144 178 24025 20736 31684 27590 25632 22320

28 154 157 179 23716 24649 32041 27566 28103 24178

9
29 145 155 180 21025 24025 32400 26100 27900 22475

30 133 145 193 17689 21025 37249 25669 27985 19285

31 145 155 196 21025 24025 38416 28420 30380 22475

32 135 145 198 18225 21025 39204 26730 28710 19575

33 155 152 202 24025 23104 40804 31310 30704 23560

34 146 153 202 21316 23409 40804 29492 30906 22338

35 170 134 202 28900 17956 40804 34340 27068 22780

36 143 125 204 20449 15625 41616 29172 25500 17875

37 145 166 204 21025 27556 41616 29580 33864 24070

38 132 174 205 17424 30276 42025 27060 35670 22968

39 155 156 207 24025 24336 42849 32085 32292 24180

40 135 136 207 18225 18496 42849 27945 28152 18360

41 144 165 207 20736 27225 42849 29808 34155 23760

42 155 135 208 24025 18225 43264 32240 28080 20925

43 155 157 209 24025 24649 43681 32395 32813 24335

44 123 178 210 15129 31684 44100 25830 37380 21894

45 124 123 213 15376 15129 45369 26412 26199 15252

46 134 124 224 17956 15376 50176 30016 27776 16616

47 145 133 228 21025 17689 51984 33060 30324 19285

48 155 134 228 24025 17956 51984 35340 30552 20770

49 155 143 230 24025 20449 52900 35650 32890 22165

50 156 155 256 24336 24025 65536 39936 39680 24180

Jumlah 7650 7506 10266 1183516 1136990 2125546 1572657 1541368 1153609

Res X1 X2 Y X12 X2 2 Y2 X1Y X2Y X1X2

10
 1 2 (1 )(2 )
1 2 =
{1 2 (1 )2 }{2 2 (2 )2 }

(50 . 1153609) (7650)(7506)

1 2 =
{50 . 1183516 (7650)2 }{50 . 1136990 (7506)2 }

(57680450) (57420900)
1 2 =
{59175800 57153600}{56849500 56340036}

259,550
1 2 =
1512736

1 2 = 0,21

1 ()(1 )
1 =
{ 2 ()2 }{1 2 (1 )2 }

(50 . 1572657) (10266)(7650)

1 =
{50 . 2125546 (10266)2 }{50 . 1183516 (7650)2 }

(78632850) (78534900)
1 =
{106277300 105390756}{59157800 58522500}

97950
1 =
749209,91

1 = 0,13

2 ()(2 )
2 =
{ 2 ()2 }{2 2 (2 )2 }

(50 .1541368) (10266)(7506)

2 =
{50 . 2125546 (10266)2 }{50 . 1136990 (7506)2 }

(77068400) (77056596)
2 =
{106277300 105390756}{56849500 56340036}

11804
2 =
672058,22

2 = 0,01

11
 2 (1 . 1 2 )
1 2 =
{1 (1 2 )} {1 (1 2 2 )}

0,01 (0,13 . 0,21)

1 2 =
{1 (0,132 )} {1 (0,212 )}

0,01 + 0,0273
1 2 =
{1 (0,0169)} {1 (0,0441)}

0,0373
1 2 =
(0,9831)(0,9559)

1 2 = 0,451

Kesimpulan : Dari hasil analisis korelasi parsial (ry.x1,x2) didapat korelasi antara
kesejahteraan dengan peningkatan kinerja jika motivasi mengajar tetap merupakan tetap
sebesar 0,451. Hal ini menunjukkan bahwa ada hubungan secara signifikan, artinya hubungan
tersebut berhubungan terhadap prestasi belajar.

Langkah-Langkah Menggunakan SPSS.

1. Berikan Definisi Variabel dan isikan skor masing-masing variabel kedalam lembar kerja
SPSS.

2. Klik Menu Analiyze klik menu Correlate, kemudian Klik Partial sehingga muncul kotak
Partial Corelations

3. Pada kotak dialog klik variabel yang dikorelasikan, yaitu motivasi dan nilai mekanika,
kemudian klik tombol disampingnya supaya data tersebut masuk ke kotak variabel, lalu klik
variabel kesejahteraan, klik tombol sehingga variabel kesejahteraan masuk ke kotak
kontroling for

12
4. klik OK pada kotak dialog diatas, akan muncul output seperti berikut :

Correlations

Control Variables Motivasi_Meng Kesejahteraan

ajar

Correlation 1,000 ,451

Motivasi_Mengajar Significance (2-tailed) . ,001

Df 0 47
Nilai_Mekanika
Correlation ,451 1,000

Kesejahteraan Significance (2-tailed) ,001 .

Df 47 0

3. Korelasi Ganda

Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara
tiga atau lebih variabel (dua atau lebih variabel independen dan satu variabel dependent.
Korelasi ganda berkaitan dengan interkorelasi variabel-variabel independen sebagaimana
korelasi mereka dengan variabel dependen.

Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua
variabel atau lebih secara bersama-sama dengan variabel lain. Korelasi ganda merupakan
korelasi yang terdiri dari dua atau lebih variabel bebas (X1,X2,..Xn) serta satu variabel
terikat (Y). Apabila perumusan masalahnya terdiri dari tiga masalah, maka hubungan antara
masing-masing variabel dilakukan dengan cara perhitungan korelasi sederhana.

Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara dua
variabel yang dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan dengan huruf R.
Besarnya Koefisien Korelasi adalah antara -1; 0; dan +1.

2 1 + 2 2 21 2 12
Ryx1x2=
1 2 1 2

13
CONTOH :

1. Hubungan antara kepuasan nilai fisika, disiplin dan minat di dalam sekolah
a. Variabel Kepuasan Nilai Fisika (X1)
b. Variabel Disiplin (X2)
c. Variabel Minat (Y)
Dari data dilapangan diperoleh hasil sebagai berikut:

Res Kepuasan Nilai (X1) Disiplin (X2) Minat (Y)

1 48 97 61

2 47 77 40

3 47 99 48

4 41 77 54

5 41 77 34

6 42 55 48

7 61 88 68

8 69 120 67

9 62 87 67

10 65 87 75

11 48 50 56

12 52 87 60

13 47 87 47

14 47 87 60

15 47 81 61

16 41 55 47

17 55 88 68

18 75 98 68

19 62 87 74

20 68 87 75

21 48 44 55

22 49 94 61

23 48 77 46

24 54 55 61

14
25 54 76 58

26 48 65 50

27 61 90 68

28 54 119 75

29 68 119 75

30 68 98 75

31 47 55 56

32 41 66 61

33 42 67 54

34 41 58 50

35 55 90 61

36 68 77 47

37 61 99 68

38 61 109 82

39 54 76 67

40 48 75 69

41 40 77 55

42 34 67 48

43 48 68 47

44 38 67 55

45 55 89 61

46 62 87 61

47 68 87 68

48 56 87 65

49 38 65 70

50 61 98 75

51 68 105 61

52 60 78 54

53 55 77 60

54 27 66 55

55 48 66 55

15
56 40 55 47

57 40 78 56

58 48 79 54

59 38 75 69

60 57 98 74

61 68 98 68

62 61 87 66

63 35 87 61

64 40 77 69

JUMLAH 3320 5198 3871

Cara penyelesaian :
Res X1 X2 Y X12 X22 Y2 X1 Y X2Y X1X2

1 48 97 61 2304 9409 3721 2928 5917 4656

2 47 77 40 2209 5929 1600 1880 3080 3619

3 47 99 48 2209 9801 2304 2256 4752 4653

4 41 77 54 1681 5929 2916 2214 4158 3157

5 41 77 34 1681 5929 1156 1394 2618 3157

6 42 55 48 1764 3025 2304 2016 2640 2310

7 61 88 68 3721 7744 4624 4148 5984 5368

8 69 120 67 4761 14400 4489 4623 8040 8280

9 62 87 67 3844 7569 4489 4154 5829 5394

10 65 87 75 4225 7569 5625 4875 6525 5655

11 48 50 56 2304 2500 3136 2688 2800 2400

12 52 87 60 2704 7569 3600 3120 5220 4524

13 47 87 47 2209 7569 2209 2209 4089 4089

14 47 87 60 2209 7569 3600 2820 5220 4089

15 47 81 61 2209 6561 3721 2867 4941 3807

16 41 55 47 1681 3025 2209 1927 2585 2255

17 55 88 68 3025 7744 4624 3740 5984 4840

18 75 98 68 5625 9604 4624 5100 6664 7350

16
19 62 87 74 3844 7569 5476 4588 6438 5394

20 68 87 75 4624 7569 5625 5100 6525 5916

21 48 44 55 2304 1936 3025 2640 2420 2112

22 49 94 61 2401 8836 3721 2989 5734 4606

23 48 77 46 2304 5929 2116 2208 3542 3696

24 54 55 61 2916 3025 3721 3294 3355 2970

25 54 76 58 2916 5776 3364 3132 4408 4104

26 48 65 50 2304 4225 2500 2400 3250 3120

27 61 90 68 3721 8100 4624 4148 6120 5490

28 54 119 75 2916 14161 5625 4050 8925 6426

29 68 119 75 4624 14161 5625 5100 8925 8092

30 68 98 75 4624 9604 5625 5100 7350 6664

31 47 55 56 2209 3025 3136 2632 3080 2585

32 41 66 61 1681 4356 3721 2501 4026 2706

33 42 67 54 1764 4489 2916 2268 3618 2814

34 41 58 50 1681 3364 2500 2050 2900 2378

35 55 90 61 3025 8100 3721 3355 5490 4950

36 68 77 47 4624 5929 2209 3196 3619 5236

37 61 99 68 3721 9801 4624 4148 6732 6039

38 61 109 82 3721 11881 6724 5002 8938 6649

39 54 76 67 2916 5776 4489 3618 5092 4104

40 48 75 69 2304 5625 4761 3312 5175 3600

41 40 77 55 1600 5929 3025 2200 4235 3080

42 34 67 48 1156 4489 2304 1632 3216 2278

43 48 68 47 2304 4624 2209 2256 3196 3264

44 38 67 55 1444 4489 3025 2090 3685 2546

45 55 89 61 3025 7921 3721 3355 5429 4895

46 62 87 61 3844 7569 3721 3782 5307 5394

47 68 87 68 4624 7569 4624 4624 5916 5916

48 56 87 65 3136 7569 4225 3640 5655 4872

49 38 65 70 1444 4225 4900 2660 4550 2470

17
 50 61 98 75 3721 9604 5625 4575 7350 5978

51 68 105 61 4624 11025 3721 4148 6405 7140

52 60 78 54 3600 6084 2916 3240 4212 4680

53 55 77 60 3025 5929 3600 3300 4620 4235

54 27 66 55 729 4356 3025 1485 3630 1782

55 48 66 55 2304 4356 3025 2640 3630 3168

56 40 55 47 1600 3025 2209 1880 2585 2200

57 40 78 56 1600 6084 3136 2240 4368 3120

58 48 79 54 2304 6241 2916 2592 4266 3792

59 38 75 69 1444 5625 4761 2622 5175 2850

60 57 98 74 3249 9604 5476 4218 7252 5586

61 68 98 68 4624 9604 4624 4624 6664 6664

62 61 87 66 3721 7569 4356 4026 5742 5307

63 35 87 61 1225 7569 3721 2135 5307 3045

64 40 77 69 1600 5929 4761 2760 5313 3080

JUMLAH 3320 5198 3871 179456 439670 240425 204514 320416 276596

Jenis Hipotesis yang ada dalam soal yaitu komperatif.

Ho : Tidak Ada Hubungan Yang Signifikan Antara Kepuasan Nilai terhadap Minat jika
disiplin tetap

Ha : Ada Hubungan Yang Signifikan Antara Kepuasan Nilai terhadap Minat jika disiplin
tetap

Ho : o 1

Ho : o = 1

2. Membuat tabel penolong untuk menghitung korelasi ganda.

a. Menghitung nilai Korelasi X1 terhadap Y

Simbol Statistik Nilai Statistik

N 64

X1 3320

18
 Y 3871

X12 179456

Y2 240425

X1Y 204514

(1 )(1 )()
r1 y =
{12 (1)2 }{ 2 ()2

64 (204514)(3320)(3871)
r1 y = = 0,549
{64(179456)(3320)2 }{64(240425)(3871)2

b. Menghitung nilai Korelasi X2 dengan Y

Simbol Statistik Nilai Statistik

N 64

X2 5198

Y 3871

X22 439670

Y2 240425

X2Y 320416

(2 )(2 )()
r2y =
{22 (2 )2 }{ 2 ()2

64 (320416)(5198)(3871)
r2 y = = 0,574
{64(439670)(5198)2 }{64(240425)(3871)2

c. Menghitung nilai Korelasi X1 dengan X2

Simbol Statistik Nilai Statistik

N 64

X1 3320

X2 5198

X12 179456

19
 Y2 439670

X1 X2 276598

(1 2 )(1 )(2 )
r1 2 =
{(1 )2 (1 )2 }{2 2 (2 )2

64 (276598)(3320)(5198)
r1 2 = = 0,618
{64(179456)(3320)2 }{64(439670)(5198)2

d. Mencari nilai Korelasi antar Variabel dan korelasi ganda

Simbol Statistik Nilai Statistik

r2 y 0.549

r2 y 0.574

r1 2 0.618

2 1 + 2 2 21 2 12
Ryx1x2=
1 2 1 2

(0,549)2 +(0.574)2 2(0.549)(0.574)(0.618)

Ryx1x2= = 0,391
1(0.618)

Hubungan kepuasan nilai fisika dan disiplin secara simultan memberi kontribusi
terhadap minat belajar. Kontribusi secara simultan: Rx100% = 0.391x100% = 15,28%,
sisanya ditentukan oleh variabel lain.

LANGKAH-LANGKAH PADA PROGRAM SPSS :

1. Masuk program SPSS

2. Klik variable view pada SPSS data editor
3. Pada kolom Name ketik Kepuasan Nilai Fisika, kolom Name pada baris kedua ketik
Disilin dan Minat.
4. Pada kolom Decimals ganti menjadi 0 untuk variabel x dan y
5. Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
6. Buka data view pada SPSS data editor, maka didapat kolom variabel Kepuasan Nilai
Fisika, Disiplin dan Minat.
20
 7. Klik Analyze - Linear Maka akan muncul kotak Linear regresio. Klik variabel Minat
ke dalam dependent dan Kepuasan Nilai Fisika, disiplin ke kotak independen. Lalu klik
kotak statistik dan ceklis R square change lalu continue.
8. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Model Summary

Mod R R Adjusted R Std. Error of Change Statistics

el Square Square the R Square F df1 df2 Sig. F
Estimate Change Change Change

1 ,625a ,391 ,371 7,92671 ,391 19,553 2 61 ,000

a. Predictors: (Constant), Disiplin, Kepuasan_Nilai

21