Nim : k4616067
Prodi : penjaskesrek
Correlations
JumlahPendafta
r BiayaPromosi
BiayaPromosi 8 8
Interpretasi
1. Koefisien korelasi antara bonus dan properti sebesar 0,853
2. Arah hubungan antara jumlah pendaftar dan biaya promosi adalah positif
3. Kuat hubungan antara jumlah pendaftar dan biaya promosi adalah kuat
Regression
Descriptive Statistics
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
b
1 BiayaPromosi . Enter
Interpretasi
1. Pada variabel Entered / removed , variabel independen yang
masuk adalah biaya promosi dengan variabel terikat jumlah
pendaftar
2. Nilai R = 0,853 dan R X R = R Square = 0 , 728 menunjukan
bahwa 0 , 728 atau 72 , 8 persen variasi jumlah pendaftar
dipengaruhi oleh variabel biaya promosi . Sementara sisanya
dipengaruhi oleh sebab – sebab lain.
3. Standart error of estimate = 6,340 juta rupiah lebih kecil dari
standar deviasi = 11 , 250 juta ( lihat output pada regression ) maka
model regresi layak digunakan.
ANOVAa
Total 886,000 7
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Interpretasi :
1. Pada Coefficient :
Nilai B constant
40,931 menyatakan bahwa jika biaya promosi diabaikan,maka jumlah pendaftaran adalah
40,931
Nilai B Biaya Promosi 0,001 menyatakan bahwa setiap penambahan
biaya promosi 1 juta rupiah,jumlah pendaftar akan meningkat sebanyak 0,001
pendaftar
Casewise Diagnosticsa
JumlahPendafta
Case Number Std. Residual r Predicted Value Residual
Interpretasi :
1. Residual. Residual adalah nilai data baris pertama Y (lihat pada data
jumlah pendaftar) dikurangi prewdictede value. Pada kolom residual terlihat
baris pertama = - 6,308 , angka ini sama dengan Y – Predicted Value atau
64 – 70,31 = 6,308
Residuals Statisticsa
Interpretasi :
Output ini adalah rangkuman nilai-nilai residual berdasarkan nilai residual yang
diperoleh pada output casewise dengan nilai minimum,maksimum,mean,standar deviasi , dan
jumlah kasus atau N.
Charts
Interpretasi :
Terlihat bahwa sebaran titik-titik residual berada disekitar garis normal. Hal tersebut
terjadi karena titik residual tersebut berasal darai data dengan distribusi normal.
Dengan demikian , disimpilkan bahwa regresi telah memenuhi persyaratan
normalitas.
Interpretasi :
Grafik diatas menunjukan kelayakan model regresi jika sebaran titik-titik tidak
membentuk pola tertentu. Grafik tersebut tidak menunjukan pola titik-titik tertentu sehingga
model regresi disimpulkan layak digunakan.
Interpretasi :
Grafik Scatterplot diatas menunjukan kelayakan model regresi untuk setiap data
apabila sebaran titik-titik membentuk pola arah diagonal. Grafik tersebut tidak menunjukan
adanya pola diagonal yang membentuk oleh sebaran titik-titik sehingga setiap data
disimpulkan layak untuk membentuk model regresi.