Nama : Nur Hidayati

Nim : k4616067
Prodi : penjaskesrek

Correlations

JumlahPendafta
r BiayaPromosi

Pearson Correlation JumlahPendaftar 1,000 ,853

BiayaPromosi ,853 1,000

Sig. (1-tailed) JumlahPendaftar . ,004
BiayaPromosi ,004 .
N JumlahPendaftar 8 8

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

Mean Std. Deviation N

JumlahPendaftar 76,00 11,250 8

BiayaPromosi 23875,00 6534,250 8

Variables Entered/Removeda

Variables Variables
Model Entered Removed Method
b
1 BiayaPromosi . Enter

a. Dependent Variable: JumlahPendaftar

b. All requested variables entered.
 Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate
a
1 ,853 ,728 ,682 6,340

a. Predictors: (Constant), BiayaPromosi

b. Dependent Variable: JumlahPendaftar

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

Model Sum of Squares df Mean Square F Sig.

1 Regression 644,821 1 644,821 16,042 ,007b

Residual 241,179 6 40,196

Total 886,000 7

a. Dependent Variable: JumlahPendaftar

b. Predictors: (Constant), BiayaPromosi

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 40,931 9,038 4,529 ,004

BiayaPromosi ,001 ,000 ,853 4,005 ,007

a. Dependent Variable: JumlahPendaftar

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

1 -,995 64 70,31 -6,308

2 -,541 61 64,43 -3,433
3 -1,084 84 90,87 -6,872
4 -,744 70 74,71 -4,715
5 1,169 88 80,59 7,410
6 ,641 92 87,93 4,066
7 ,730 72 67,37 4,629
8 ,824 77 71,78 5,223

a. Dependent Variable: JumlahPendaftar

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

Minimum Maximum Mean Std. Deviation N

Predicted Value 64,43 90,87 76,00 9,598 8

Std. Predicted Value -1,205 1,550 ,000 1,000 8
Standard Error of Predicted
2,264 4,337 3,093 ,742 8
Value
Adjusted Predicted Value 65,90 96,92 76,48 10,601 8
Residual -6,872 7,410 ,000 5,870 8
Std. Residual -1,084 1,169 ,000 ,926 8
Stud. Residual -1,486 1,273 -,030 1,084 8
Deleted Residual -12,917 8,797 -,480 8,197 8
Stud. Deleted Residual -1,707 1,361 -,051 1,134 8
Mahal. Distance ,018 2,401 ,875 ,846 8
Cook's Distance ,046 ,971 ,219 ,306 8
Centered Leverage Value ,003 ,343 ,125 ,121 8

a. Dependent Variable: JumlahPendaftar

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.