PERSAMAAN REGRESI
Model Summary
a. Predictors: (Constant), X
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
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”.
Sum of
Model Squares df Mean Square F Sig.
a. Predictors: (Constant), X
b. Dependent Variable: Y
Sum of Mean
Squares df Square F Sig.
Deviation from
408.940 7 58.420 7.303 .278
Linearity
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.
X Y
N 10 10
N 10 10
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