Anda di halaman 1dari 5

Soal :

1. Suatu data akan menganalisis pengaruh kompetensi (X) dan kinerja pegawai (Y).
Untuk keperluan tersebut telah diambil sampel acak sebanyak 15 pegawai sebagai
berikut.
No. Kompetensi Kinerja Pegawai
1 40 4
2 55 16
3 32 12
4 55 24
5 50 15
6 52 24
7 61 22
8 44 17
9 30 4
10 22 14
11 40 24
12 64 26
13 58 20
14 48 9
15 44 14
Kesimpulan apa yang dapat anda sampaikan dari kasus di atas ? (Gunakan taraf
kepercayaan 5%).

Jawab:
Model Summary

Adjusted R Std. Error of the


Model R R Square Square Estimate

1 .621a .385 .338 5.776

a. Predictors: (Constant), Kompetensi

Berdasarkan hasil yang telah dianalisis diatas dapat diperoleh nilai koefisien
korelasi (R) sebesar 0,621, nilai kuadrat koefisien korelasi (R Square) sebesar
0,385, nilai kuadrat koefisien korelasi yang disesuaikan (Adjusted R Square)
sebesar 0,338 dan standar kesalahan rata-rata estimasi (Std. Error of the Estimate)
sebesar 5,776. Nilai R Square = 0,385 artinya 38,5% dari variansi kinerja pegawai
dapat dijelaskan oleh perubahan dalam variabel kompetensi.
ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 271.692 1 271.692 8.145 .014b

Residual 433.641 13 33.357

Total 705.333 14

a. Dependent Variable: Kinerja_Pegawai


b. Predictors: (Constant), Kompetensi

Berdasarkan hasil yang telah dianalisis diatas dapat diperoleh jumlah kuadrat
regresi (Regression) sebesar 271,692, jumlah kuadrat sisaan (Residual) sebesar
433,641, jumlah kuadrat total sebesar 705,333, derajat bebas regresi sebesar 1,
derajat bebas sisaan (Residual) sebesar 13, derajat bebas total sebesar 14, rata-rata
kuadrat regresi sebesar 271,692, rata-rata kuadrat residual sebesar 33,357, nilai
F hitung sebesar 8,145 dan nilai signifikansi (Sig) sebesar 0,014.

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -.670 6.142 -.109 .915

Kompetensi .367 .129 .621 2.854 .014

a. Dependent Variable: Kinerja_Pegawai


Hipotesis:
H0 : b1 = 0 (Tidak ada pengaruh kompetensi pegawai terhadap kinerja pegawai)
H1 : b1 0 (Ada pengaruh kompetensi pegawai terhadap kinerja pegawai)
Kriteria uji:
Tolak H0 jika F hitung > F tabel pada taraf atau nilai Pvalue <
Terima H0 jika F hitung < F tabel pada taraf atau nilai Pvalue >
Taraf nyata:
Taraf yta yang digunakan adalah sebesar 95% dengan = 0,05
Kesimpulan:
Berdasarkan hasil analisis tersebut dapat diperoleh nilai F hitung (8,145) > F tabel
(2,51) atau nilai Pvalue (0,014) < (0,05) maka H0 ditolak. Artinya ada pengaruh
kompetensi terhadap kinerja pegawai.
Berdasarkan hasil analisis, dapat ditulis persamaan regresinya yaitu :
= -0,670 + 0,367Xi
Persamaan regresi diatas dapat kita gunakan untuk meramalkan bagaimana dalam
variabel kinerja pegawai dan variabel kompetensi ditetapkan. Artinya yaitu
apabila kompetensi tidak mempengaruhi (X=0) maka kinerja pegawai sebesar -
0,670. Sedangkan apabila kompetensi naik sebesar satu satuan (X=1), maka
kinerja pegawai naik sebesar 0, 367. Jadi perkiraan nilai rata-rata kompetensi
yaitu 0,367.
2. Sebuah sensor PV (Photovoltaic) digunakan untuk mengukur intensitas cahaya
pada solar cell, output dari Pv adalah arus dan tegangan, dimana arus yang
dihasilkan seperti pada tabel dibawah : Radiasi cahaya (Lux) dan Arus (mA)
No. Rad (Lux) Arus (mA)
1 300.0000 1.9530
2 350.0000 2.3112
3 400.0000 2.6697
4 450.0000 3.0282
5 500.0000 3.3867
6 550.0000 3.7452
7 600.0000 4.1037
8 650.0000 4.4620
9 700.0000 4.8203
10 750.0000 5.1784
11 800.0000 5.5363
12 850.0000 5.8940
a. Berapa ramalan arus tegangan jika radiasi cahaya dinaikkan menjadi 6% !
b. Beri kesimpulan dari data tersebut dengan menggunakan taraf kepercayaan
5% !
Jawab :
2.Hasil analisis
Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate

1 1.000a 1.000 1.000 .0004255

a. Predictors: (Constant), Rad (Lux)


Berdasarkan hasil yang telah dianalisis diatas dapat diperoleh koefisien korelasi
(R) sebesar 1,000, kuadrat koefisien korelasi (R Square) sebesar 1,000, kuadrat
koefisien korelasi yang disesuaikan (Adjusted R Square) sebesar 1,000 dan standar
kesalahan rata-rata estimasi (Std. Error of the Estimate) sebesar 0,0004255. Nilai
R Square sebsar 1,000 artinya 100% dari variansi arus dapat dijelaskan oleh
perubahan dalam variabel radiasi cahaya.
ANOVAa

Model Sum of Squares Df Mean Square F Sig.

1 Regression 18.361 1 18.361 101405509.4 .000b

Residual .000 10 .000

Total 18.361 11

a. Dependent Variable: Arus (mA)


b. Predictors: (Constant), Rad (Lux)

Berdasarkan hasil yang telah dianalisis diatas dapat diperoleh jumlah kuadrat
regresi (Regression) sebesar 18,361, jumlah kuadrat residual sebesar 0,000,
jumlah kuadrat total sebesar 18,361, derajat bebas regresi sebesar 1, derajat bebas
residual sebesar 10, derajat bebas total sebesar 11, rata-rata kuadrat regresi sebesar
18,361, rata-rata kuadrat residual sebesar 0,000, nilai F hitung sebesar 101405509,4
dan nilai signifikansi (Sig) sebesar 0,000.
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -.197 .000 -460.498 .000

Rad (Lux) .007 .000 1.000 10070.030 .000

a. Dependent Variable: Arus (mA)


Hipotesis:
H0 : b1 = 0 (Tidak ada pengaruh radiasi cahaya terhadap arus)
H1 : b1 0 (Ada pengaruh radiasi cahaya terhadap arus)
Kriteria uji:
Tolak H0 jika F hitung > F tabel pada taraf atau nilai Pvalue <
Terima H0 jika F hitung < F tabel pada taraf atau nilai Pvalue >
Taraf nyata:
Taraf nyata yang digunakan adalah sebesar 95% dengan = 0,05
Kesimpulan:
Berdasarkan hasil analisis tersebut dapat diperoleh nilai F hitung (101405509,4)
> F tabel (2,85) nilai Pvalue (0,000) < (0,05) maka H0 ditolak. Artinya ada pengaruh
radiasi cahaya terhadap arus.
Persamaan regresi diatas dapat kita gunakan untuk memprediksi atau
meramalkan bagaimana dalam variabel arus dan variabel radiasi akan terjadi bila
dalam variabel bebas ditetapkan. Apabila radiasi tidak mempengaruhi (X=0)
maka Radiasi sebesar -0,197. Sedangkan apabila arus naik 6% (X=6) maka arus
bertambah sebesar 0,042. Jadi nilai peramalan sebesar -0,155.
Perhitungan:
= -0,197 + 0,007Xi
= -0,197 + 0,007(6)
= -0,197 + 0,042
= -0,155

Anda mungkin juga menyukai