ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 1069.986 2 534.993 34.002 .000b
Residual 236.014 15 15.734
Total 1306.000 17
a. Dependent Variable: SIKAP (Y)
b. Predictors: (Constant), LELAKI BUJANGAN (X3), LELAKI CERAI (X2)

Anova
Pada table anova, nilai F hitung adalah 34.002 dengan signifikansi sebesar 0.000 lebih kecil dari
0.05. hal ini menunjukan pengaruh variabel independen terhadap variabel dependen adalah
signifikan.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .905 .819 .795 3.967
a. Predictors: (Constant), LELAKI BUJANGAN (X3), LELAKI CERAI
(X2)

Model Summary
Diketahui bahwa sumbangan efektif variable R Square adalah 0,819 atau 8,19% yang artinya ada
hubungan yang kuat dan searah antara sikap terhadap perceraian dengan responden lelaki
bujangan dan lelaki cerai.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 61.429 1.499 40.973 .000
cerai (x2) -17.929 2.207 -.992 -8.124 .000
bujangan (x3) -11.229 2.323 -.590 -4.834 .000
a. Dependent Variable: SIKAP (Y)
Pada kasus ini persamaan regresi menjadi:
Sikap = 61.429 + -17.929 cerai + -11.229 bujangan
Pada table coefficients diatas, semua variabel independen memiliki signifikansi dibawah 0.05
artinya model regresi sudah layak digunakan untuk memprediksi pengaruh variabel independen
terhadap sikap terhadap percerain.
Pada signifikansi sebesar 0.000 < 0.05 yang artinya H0 ditolak dan H1 diterima.

Melakukan estimasi
Pengamatan masuk kategori = 1
Pengamatan tidak masuk kategori = 0
Missal ingin memprediksi pengamatan masuk kategori dengan lelaki bujangan;
Model regresi bagi pengamatan masuk kategori untuk lelaki bujangan (kode adalah 1 dan 1)
adalah
Sikap = 61.429 +

Excluded Variablesa
Collinearity
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 kawin (x1) .b . . . .000
a. Dependent Variable: SIKAP (Y)
b. Predictors in the Model: (Constant), bujangan (x3), cerai (x2)

Pada variabel Lelaki kawin masuk kepada Excluded Variables atau ter eliminasi karena
kehadiran variabel-variabel lain yang mempengaruhi variabel dependen secara bersama-sama
sehingga variabel tersebut menjadi kurang berpengaruh terhadap variabel dependen. Akibatnya
variabel tersebut dikeluarkan dari model.