1.

PERSAMAAN REGRESI
Model Summary

Adjusted R Std. Error of

Model R R Square Square the Estimate

1 .844a .713 .677 7.219

a. Predictors: (Constant), X

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 12.832 13.046 .984 .354

X .841 .189 .844 4.458 .002

a. Dependent Variable: Y

Nilai Constant/Intercept (a) diperoleh 12,832 dan nilai slope/koefisien regresi (b)
diperoleh 0,841 dengan nilai Sig. 0,002. Dengan demikian, persamaan regresinya dapat
ditulis sebagai berikut:
𝑌̂ = 𝑎0 + 𝑏𝑜 𝑋 = 12,832 + 0,841𝑋
Interpretasi:
“Jika variabel bebas (X) naik satu satuan, maka variabel terikat (Y) dapat diprediksikan
akan meningkat sebesar 0,841 (84%) pada konstanta 12,832”.

2. UJI SIGNIFIKANSI PERSAMAAN REGRESI

 ANOVAb

Sum of
Model Squares df Mean Square F Sig.

1 Regression 1035.960 1 1035.960 19.877 .002a

Residual 416.940 8 52.118

Total 1452.900 9

a. Predictors: (Constant), X
b. Dependent Variable: Y

Hipotesis penelitian untuk uji Signifikansi Regresi

H0 : Koefisien persamaan regresi tidak signifikan
H1 : Koefisien regresi signifikansi
Berdasarkan output SPSS pada tabel Anova, diperoleh nilai F sebesar 19,877 dengan
nilai Sig. 0,002.
Kesimpulan:
Uji regresi berdasarkan tabel Anova diperoleh nilai F sebesar 19,877 dengan nilai Sig.
0,002. Karena nilai Sig. lebih kecil dari 0,05 maka H0 ditolak. Denga demikian dapat
disimpulkan bahwa koefisien persamaan regresi signifikan.

3. UJI LINIERITAS GARIS REGRESI

ANOVA Table

Sum of Mean
Squares df Square F Sig.

Y*X Between (Combined) 1444.900 8 180.612 22.577 .161

Groups Linearity 1035.960 1 1035.960 129.495 .056

Deviation from
408.940 7 58.420 7.303 .278
Linearity

Within Groups 8.000 1 8.000

Total 1452.900 9
Berdasarkan hasil analisis linieritas, hasil Deviation from Lineatity diperoleh F
sebesar 7,303 dengan nilai Sig. 0,278.
Hipotesis penelitian untuk uji Linieritas Regresi
H0 : Garis regresi linier
H1 : Garis regresi tidak linier
Kesimpulan:
Hasil analisis Deviation from Linearity diperoleh F sebesar 7,303 dengan nilai Sig. 0,278.
Karena nilai Sig. lebih besar dari pada 0,05 maka H0 diterima. Dengan demikian dapat
disimpulkan bahwa Garis regresi linier.

4. UJI SIGNIFIKANSI KORELASI

Correlations

X Y

X Pearson Correlation 1 .844**

Sig. (2-tailed) .002

N 10 10

Y Pearson Correlation .844** 1

Sig. (2-tailed) .002

N 10 10

**. Correlation is significant at the 0.01 level (2-

tailed).

Dari hasil analisis korelasi, diperoleh korelasi Pearson X dengan Y sebesar 0,844 dengan
nilai Sig. 0,002.
Hipotesis penelitian Signifikansi Korelasi
H0 : Korelasi tidak signifikan
H1 : Korelasi signifikan
Kesimpulan:
Hasil analisis korelasi Pearson diperoleh 0,844 dengan nilai Sig. 0,002. Karena nilai Sig.
lebih kecil daripada 0,05 maka H0 ditolak. Dengan demikian dapat disimpulkan bahwa
Korelasi antara X dan Y signifikan.

5. UJI NORMALITAS
One-Sample Kolmogorov-Smirnov Test

Unstandardize
d Residual

N 10
Normal Parametersa Mean .0000000
Std. Deviation 6.80637065
Most Extreme Absolute .221
Differences Positive .184
Negative -.221
Kolmogorov-Smirnov Z .699
Asymp. Sig. (2-tailed) .713

a. Test distribution is Normal.

Dari hasil analisis One Sample Kolmogorov-Smirnov, diperoleh nilai Kolmogorov-

Smirnov sebesar 0,699 dengan nilai Sig. 0,713.
Hipotesis penelitian Uji Normalitas
H0 : berdistribusi Normal
H1 : tidak berdistribusi normal
Kesimpulan:
Hasil analisis korelasi Pearson diperoleh 0,699 dengan nilai Sig. 0,713. Karena nilai Sig.
lebih besar daripada 0,05 maka H0 diterima. Dengan demikian dapat disimpulkan bahwa
Data tersebut berdistribusi Normal.