Pretest Postest

0.0 25.0
12.0 45.0
8.0 42.0
15.0 52.0
8.0 42.0
12.0 48.0
8.0 58.0
13.0 67.0
37.0 72.0
12.0 42.0
42.0 80.0
15.0 53.0
0.0 22.0
2.0 35.0
7.0 43.0
12.0 37.0
33.0 72.0
5.0 42.0
28.0 68.0
22.0 63.0
8.0 42.0
13.0 42.0
15.0 45.0
18.0 63.0
20.0 62.0
23.0 68.0
0.0 36.0
 1. Tentukan berapa harga koefisien korelasinya? 0,890

Correlations

pretest postest

pretest Pearson Correlation 1 .890**

Sig. (2-tailed) .000

N 27 27

postest Pearson Correlation .890** 1

Sig. (2-tailed) .000

N 27 27

2. Apakah harga koefisien korelasi tersebut bermakna (signifikan)?

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -18.391 3.491 -5.268 .000

postest .648 .066 .890 9.772 .000

Ho= tidak ada pengaruh pretest terhadap postest jika koefisien korelasi >0,05
Ha= ada pengaruh pretest terhadap postest jika koefisien korelasi <0,05
Dalam data yang diperoleh menggunakan analisis SPPS menunjukan bahwa nilai
signifikansi (sig.) sebesar 0,00. Lebih kecil dari probabilitas yaitu sebesar 0,05.
Sehingga dapat disimpulkan Ho ditolak dan Ha diterima. Artinya terdapat korelasi
antara 2 variabel yang dihubungkan.
3. Apa artinya jika harga koefisien korelasi tersebut dikwadratkan?
r2 sendiri merupakan kuadrat dari koefisien korelasi antara variabel bebas yang
digunakan sebagai predictor (x) dan variabel yang memberikan respon (y). Tanda
kuadrat atau bintang satu (·) menunjukan korelasi pada signifikan 1% atau 0,01.
sedangkan bintang dua (··) menunjukan korelasi pada signifikan 5% atau 0,05.
 4. Tulis persamaan regresi liniernya antara skor pretest dan skor posttest? Skor pretest
anggap sebagai variable bebas dan skor posttest sebagai variable terikat. Semua bukti
hasil olah SPSS sertakan dalam jawaban anda!

Descriptive Statistics

Mean Std. Deviation N

pretest 14.3704 10.90218 27

postest 50.5926 14.98784 27

Correlations

pretest postest
pretest Pearson Correlation 1 .890**
Sig. (2-tailed) .000
N 27 27
postest Pearson Correlation .890** 1
Sig. (2-tailed) .000
N 27 27
**. Correlation is significant at the 0.01 level (2-tailed).

Descriptive Statistics

Mean Std. Deviation N

pretest 14.3704 10.90218 27

postest 50.5926 14.98784 27

Correlations

pretest postest

Pearson Correlation pretest 1.000 .890

postest .890 1.000

Model Summaryb
Change Statistics
Std. Error F
Adjusted R of the R Square Chang
Model R R Square Square Estimate Change e df1 df2 Sig. F Change
1 .890a .793 .784 5.06432 .793 95.492 1 25 .000
a. Predictors: (Constant), postest

b. Dependent Variable: pretest

Sig. (1-tailed) pretest . .000

postest .000 .

N pretest 27 27

postest 27 27

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 2449.112 1 2449.112 95.492 .000a

Residual 641.184 25 25.647

Total 3090.296 26

a. Predictors: (Constant), postest

b. Dependent Variable: pretest

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -18.391 3.491 -5.268 .000

postest .648 .066 .890 9.772 .000

a. Dependent Variable: pretest

Residuals Statisticsa

Std.
Minimum Maximum Mean Deviation N

Predicted Value -4.1450 33.4134 14.3704 9.70549 27

Residual -
1.19951E 8.76709 .00000 4.96598 27
1
Std. Predicted
-1.908 1.962 .000 1.000 27
Value
Std. Residual -2.369 1.731 .000 .981 27

a. Dependent Variable: pretest