Paired sample test

Pada output pertama yaitu Paired Samples Statistics, dapat dilihat rata-rata

penjualan secara umum sebelum dan sesudah pelatihan bahwa rata-rata penjualan
naik dari 3 menjadi 3.6,  N menunjukkan banyaknya data yaitu sebelum dan
sesusdah sebanyak 15, standar deviasi yang menunjukkan keheterogenan yang
terjadi dalam data sebelum dan sesudah pelatihan adalah 0.756 dan 0.632 dan
standard error of mean sebelum dan sesudah pelatihan adalah 0.195 dan 0.163,
standard error of mean menggambarkan sebaran rata-rata sampel terhadap rata-
rata dari rata-rata keseluruhan kemungkinan sampel.

Pada output kedua yaitu Paired Samples, menunjukkan apakah ada hubungan antara

rata-rata penjualan sebelum dan sesudah dilakukannya pelatihan kepada sales.
Terlihat bahwa nilai Sig (0,595) > α (0,05) maka dapat disimpulkan tidak ada hubungan yang
signifikan sebelum dan sesudah diadakannya pelatihan. Dapat juga dilihat kekuatan
korelasinya menunjukkan korelasi yang sangat rendah (0.149).

Pada output ketiga Paired Samples Test dapat diinterpretasikan seperti berikut:

 Keputusan Uji
Karena nilai Sig. < α    atau  -Thitung > Ttabel  maka keputusannya adalah tolak H0
 Kesimpulan
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan rata-rata penjualan sales perhari sebelum
dan sesudah mengikuti pelatihan adalah tidak sama / berbeda secara nyata.
One Sample T Test

ada output pertama yaitu One-Sample Statistics, dapat dilihat pada variabel jumlah

pasien banyak data (N) adalah 20, rata-rata (mean) secara keseluruhan adalah
22.85 ≈ 23 orang, standar deviasi yang menunjukkan keheterogenan yang terjadi
dalam data adalah 3.167 dan standard error of mean adalah 0.708, standard error
of mean menggambarkan sebaran rata-rata sampel terhadap rata-rata dari rata-rata
keseluruhan kemungkinan sampel.

Pada output kedua yaitu One-Sample Test yang perlu diperhatikan adalah nilai t dan
nilai signifikansi atau p-value. 
 Keputusan Uji
Karena nilai Sig. < α    atau  Thitung > Ttabel  maka keputusannya adalah tolak H0
 Kesimpulan
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa rata-rata jumlah pasien perhari di
rumah sakit JIH ≠ 20 atau ada perbedaan rata-rata jumlah pasien perhari secara nyata.
Independent Sample test

Pada output kedua yaitu Independent Samples Test, dapat digunakan untuk menguji

apakah kedua kelompok memiliki rata-rata yang sama dan juga dapat digunakan
untuk menguji apakah kedua kelompok memiliki varian yang sama.

Uji apakah kedua kelompok memiliki varian yang sama

 Keputusan Uji
Karena nilai Sig. > α maka keputusannya adalah gagal tolak H0
 Kesimpulan
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa kedua kelompok memiliki variansi
yang sama.

Uji apakah kedua rata-rata memiliki rata-rata yang sama

 Keputusan Uji
Karena nilai Sig. < α    atau  Thitung > Ttabel  maka keputusannya adalah tolak H0
 Kesimpulan
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa rata-rata luas erosi lahan tanpa
sistem konservasi dan dengan menggunakan sistem terasering adalah tidak sama atau dapat dikatakan
bahwa efektivitas sistem terasering dibandingkan dengan efektifitas tanpa sistem konservasi dalam
mereduksi laju erosi adalah tidak sama, dan jika dibandingkan rata-rata keduanya, sistem terasering
lebih baik dari pada sistem tanpa konservasi.
 Correlations

y x1 x2

y 1,000 ,962 ,050

Pearson Correlation x1 ,962 1,000 -,219

x2 ,050 -,219 1,000

y . ,000 ,446
Sig. (1-tailed) x1 ,000 . ,272
x2 ,446 ,272 .
y 10 10 10

N x1 10 10 10

x2 10 10 10

Jika sig > 0,05 hubungan tidak signifikan

Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate
a
1 ,999 ,997 ,997 1,065

a. Predictors: (Constant), x2, x1

b. Dependent Variable: y

R = Nilai korelasi

R square = koefisen determinasi

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 3169,654 2 1584,827 1396,079 ,000b

1 Residual 7,946 7 1,135

Total 3177,600 9

a. Dependent Variable: y
b. Predictors: (Constant), x2, x1

Anova di uji regresi, sig < 0,05 modelnya fit

 Coefficientsa

Model Unstandardized Coefficients Standardized t Sig. Correlations Collinearity Statistics

Coefficients

B Std. Error Beta Zero-order Partial Part Tolerance VIF

(Constant) -29,587 4,420 -6,694 ,000

1 x1 3,899 ,074 1,022 52,776 ,000 ,962 ,999 ,998 ,952 1,050

x2 ,551 ,039 ,273 14,107 ,000 ,050 ,983 ,267 ,952 1,050

a. Dependent Variable: y

Rumus regresi Y = -29,587 + 3,889 X1 + 0,551 X2