UAS APLIKASI KOMPUTER STATISTIK

OLEH :

FITRI RAMADHANI

(931418186)

JURUSAN MANAJEMEN

FAKULTAS EKONOMI

UNIVERSITAS NEGERI GORONTALO

2021
1. UJI INSTRUMEN
a. Uji Validitas

Validitasmengacu pada kemampuan instrument pengumpulan data

untukmengukurapa yang harusdiukur, untukmendapatkan data yang
relevandenganapa yang sedangdiukur (Dempsey dan Dempsey, 2002 : 79).
Dengan kata lain sebuah instrument dianggap memiliki validitas yang tinggi jika
instrument tersebut benar-benar dapat dijadikan alat untuk mengukur sesuatu
secara tepat. Validitas merupakanciri yang harus dimiliki oleh instrument
pengukuran karena berhubungan langsung dengan dapat tidaknya data dipercaya
kebenarannya.

Kriteria pengujian untuk uji ini adalah :

1. Bila probabilitas (sig) < 0,05 maka instrument valid
2. Bila probabilitas (sig) > 0,05 maka instrument tidak valid
Berikut hasil interpretasi dari output brivate correlation Variabel X

NILAI
ITEM KORELA KETERANGA
PERTANYAAN SI N
PERTANYAAN
1 0.657 Valid
PERTANYAAN
2 0.597 Valid
PERTANYAAN
3 0.716 Valid Hasil uji semua
PERTANYAAN
pernyataan
4 0.641 Valid
variable Politisasi
PERTANYAAN
Birokrasi (X1),
5 0.686 Valid
maka semua nilai
signifikan atau tidak ada nilai yang tidak valid, dapat diartikan bahwa semua
butir pernyataan valid dan memenuhi syarat kevalidan instrument.

Berikut hasil intepretsi dari output brivate correlation Variabel X

Hasil uji semua pernyataan variable Kewenangan(X2), maka semua nilai

signifikan atau tidak ada nilai yang tidak valid, dapat diartikan bahwa semua
butir pernyataan valid dan memenuhi syarat kevalidan instrument.
NILAI
ITEM KORELA KETERANGA
PERTANYAAN SI N
PERTANYAAN
1 0.756 Valid
PERTANYAAN
2 0.608 Valid
PERTANYAAN
3 0.657 Valid
PERTANYAAN
4 0.776 Valid
PERTANYAAN
5 0.641 Valid
 Berikuthasilintepretsidari output brivate correlationVariabel X

NILAI
ITEM KORELA KETERANGA
PERTANYAAN SI N
PERTANYAAN
1 0.503 Valid
PERTANYAAN
2 0. 744 Valid
PERTANYAAN
3 0.464 Valid
PERTANYAAN
4 0.501 Valid
PERTANYAAN
Hasil uji semua
5 0.701 Valid
PERTANYAAN pernyataan
6 0.536 Valid variable
PERTANYAAN Profesionalisme
7 0.702 Valid (Y), maka semua
PERTANYAAN
nilai signifikan
8 0.547 Valid
PERTANYAAN atau tidak ada
9 0.656 Valid nilai yang tidak
PERTANYAAN valid, dapat
10 0.587 Valid diartikan bahwa
semua butir
pernyataan valid dan memenuhi syarat kevalidan instrument.

b. Uji Reabilitas
Uji reliabilitas menunjukan kepada suatu pengertian bahwa instrument dapat
dipercaya untuk digunakan sebagai alat pengumpul data, karena instrumentt
ttersebut sudah baik maka pengujian reliabilitas digunakan rumus alpha cronbach
dengan mengkonsultasikan nilai alpha atau nila interprestasi nilai r. Dari hasil
pengelolaan data dari kuesioner yang diseberkan kepada responden dalam
penelitian ini diperoleh nila ikoefisien sepertiberikut :

Hasil Uji ReliabilitasVariabel X1

 Hasil Uji ReliabilitasVariabel X2

Hasil Uji Reliabilitas Variabel Y

Dari hasil uji reliabilitas pada masing-masing variabel, dapat disimpulkan

bahwa seluruh item pernyataan berstatus reliabel. Dengan masing – masing
nilai Cronbach’sAlphayaitu: untuk variabel (X1) sebesar 0,762, variable (X2)
sebesar 0,772, Variabel (Y) sebesar 0,748. Kesimpulan dari data diatas bahwa
keseluruhan pernyataan-pernyataan pada masing-masing variable dinyatakan
reabel dan layak untuk digunakan sebagai alat ukur dalam penelitian ini.

2. Analisis Deskriptif
Analisis statistic deskriptif adalah statistik yang digunakan dalam menganalisis data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul.
Menurut Ghozali (2009) analisis ini bertujuan untuk memberikan gambaran atau
mendeskripsikan data dalam variable yang dilihat dari nilai rata-rata (mean),
minimum, maksimum dan standar deviasi. Statistik deskriptif adalah statistika yang
digunakan dalam mendiskripsikan data menjadi informasi yang lebih jelas serta
mudah dipahami yang memberikan gambaran mengenai penelitian berupa hubungan
dari variabel-variabel independen yang diproksikan dengan dewan direksi dan ukuran
perusahaan Hasil penelitian analisis statistic Deskriptif dapat dilihat dalam tabel
dibawah ini :
Variabel X1

Variabel X2

Berikut data variable X Kuisioner yang telah di olah

SKALA MEAN % KET.

PERTANYAAN
1 2 3 4 5
PERTANYAAN 4
1 0 2 4 3 41 4.31 86.2% BAIK
PERTANYAAN 4
2 0 0 1 4 39 4.19 83.8% BAIK
PERTANYAAN 4
3 0 0 1 9 34 4.48 89.6% BAIK
PERTANYAAN 4
4 0 3 2 6 36 4.23 84.6% BAIK
PERTANYAAN 4
5 0 0 0 7 37 4.44 88.8%
X1      
PERTANYAAN 5
1 0 1 0 1 32 4.3 86% BAIK
PERTANYAAN 5
2 0 1 8 0 33 4.35 87% BAIK
PERTANYAAN 4
3 0 1 4 1 38 4.3 86% BAIK
PERTANYAAN 5
4 0 1 0 0 33 4.29 85.8% BAIK
PERTANYAAN 0 0 3 5 29 4.32 86.4% BAIK
 5 3
X2      

Variabel Y

SKALA
PERTANYAAN MEAN % KET.
1 2 3 4 5
3
PERTANYAAN 1 0 0 1 46 7 4.31 86.2% BAIK
3
PERTANYAAN 2 0 0 3 46 5 4.19 83.8% BAIK
3
PERTANYAAN 3 0 0 0 47 7 4.48 89.6% BAIK
3
PERTANYAAN 4 0 0 2 58 4 4.23 84.6% BAIK
2
PERTANYAAN 5 0 0 6 51 7 4.25 85% BAIK
2
PERTANYAAN 6 0 0 3 57 4 4.25 85% BAIK
2
PERTANYAAN 7 0 0 3 56 5 4.26 85.2% BAIK
2
PERTANYAAN 8 0 2 4 58 0 4.14 82.8% BAIK
3
PERTANYAAN 9 0 2 0 47 5 4.37 87.4% BAIK
PERTANYAAN 3
10 0 0 0 48 6 4.43 88.6% BAIK
Y      

3. Uji Asumsi
1) Uji Normalitas
 Kolmogorov-Smirinov
Uji Normalitas ini digunakan untuk mengetahui apakah jumlah sampel yang
diambil sudah refresentatif atau belum, sehingga kesimpulan penelitian yang
 diambil dari sejumlah sampel bias dipertanggung jawabkan. Untuk menguji
normalitas pada penelitian ini peneliti menggunakan program Statistical
Program and Service Solutionseri (SPSS) 20.0. Dari pengolahan data yang
dilakukan diperoleh hasil sebagai berikut:

Berdasarkan hasil output SPSS tersebut, diketahui bahwa nilai signifikan

Asymp.Sig(2-tailed) sebesar 0,258 lebih besardari 0,05. Maka dapat disimpulkan
bahwa data berdistribusi Normal.
 Grafik
Uji normalitas dapat dilihat melalui grafik. Apabila titik-titik telah mengikuti
garislurus, makadapatdikatakan residual telah mengikuti distribusi normal

Berdasarkan grafik uji normalitas diketahui bahwa titik-titikny hamp

irmengikuti garis lurus, maka dapat disimpulkan residual telah mengikuti
distribusi normal.

2) Uji Multikolinieritas
Uji multikolinearitas adalah uji yang dilakukan untuk memastikan apakah di
dalam sebuah model regresi ada interkorelasi atau kolinearitas antar variable
bebas. Interkorelasi adalah hubungan yang linear atau hubungan yang kuat antara
satu variable bebas atau variable predictor dengan variable predictor lainnya di
dalam sebuah model regresi. Interkorelasi itu dapat dilihat dengan nilai koefisien
korelasi antara variable bebas, nilai VIF dan Tolerance, nilai Eigenvalue dan
Condition Index, serta nilai standar error koefisien beta atau koefisien regresi
parsial.

Uji ini tidak boleh terdapat multikolinieritas diantara variable penjelas pada model
tersebut yang di indikasikan oleh hubugan sempurna atauhubungan yang tinggi
diantara beberapa atau keseluruhan variable penjelas. Selain cara tersebut gejala
multikolinieritas dapat juga diketehui dengan menggunakan nilai VIF (variance
inflation factor). Jika nilai VIF lebihdari 10 maka ada gejala multikolineritas,
sedengkan unsur (1-R²) di sebutcollinierty tolerance, artinya jika nilai colliniert
tolerance dibawah 0,1 maka ada gejala multikolineritas.

Berdasarkan hasil hitung pada table diatas diketahui bahwa variable politisasi
Birokrasi dan Kewenanganmempunyai nilai VIF (variance inflation factor) 1.259<
10.00, maka tidak ada gejala multikolinieritas. Sedangkan berdasarkan nilai
tolerance 0.795 > 0,10. Maka dapat disimpulkan bahwa tidak terjadi
multikolinieritas dalam model regresi.

3) Uji Heteroskeadstisitas

Uji Heteroskedastistas ini dimaksudkan untuk mengetahui apakah variasi residual

absolute sama atau tidak sama untuk semua pengamatan.
Heteroskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data
antara ZPRED dan SREID menyebar dibawah maupun di atas titik origin (angka
0) pada sumbu Y dan tidak mempunyai pola yang teratur.

Heteroskedastisitas terjadi jika pada scatterplot titik-titiknya mempunyai pola

yang teratur baik menyempit, melebar maupun bergelombang-gelombang. Dari
hasil uji yang dilakukan didapatkan hasil sebagai berikut :

Berdasarkan hasil output SPSS gambar scatterplot didapatkan ini scatterplot

titik-titiknya menyebar dibawah dan di atassumbu Y dan tidak mempunyai
pola yang teratur, titik-titik tidak berkumpul diatas atau hanya dibawah saja
sehingga dapat disimpulkan bahwa gambar di atas menunjukkan tidak terjadi
heteroskesdastisitas.

4) Uji Heteroskeadstisitas Uji Glejser

Salah satu cara mendeteksi ada tidaknya tanda-tanda heteroskedastisitas dalam

model regresi yaitu dengan melaksanakan uji glejser. Prinsip kerja uji
heteroskedastisitas memakai uji glejser ini yaitu dengan cara meregresikan
variabel independent terhadap nilai Absolute residual atau Abs_RES dengan
rumus persamaan regresinyaa dalah: |Ut| =a + BXt + vt
 Dasar Pengambilan Keputusan Uji Heteroskedastisitas (Glejser)

Seperti yang telah kita ketahui bersama bahwa setiap uji dalam statistic
niscaya mempunyai dasar pengambilankeputusan. Dasar pengambilan
keputusan mempunyai kegunaan sebagai aliran atau pola dalam memilih
sebuahkesimpulan atau keputusanatashasilanalisis yang telahdilakukan.
Adapun dasar pengambilan keputusan dalam uji heteroskedastisitas dengan
memakai uji glejser yaitu sebagaiberikut:

- Jika nila isignifikansi (Sig.) lebih besar dari 0,05, maka kesimpulannya
yaitu tidak terjadi tanda-tanda Heteroskedastisitas dalam model regresi.
- Sebaliknya, jikalau nilai-nilai signifikansi (Sig.) lebih kecildari 0,05, maka
kesimpulannya yaitu terjadi tanda-tanda heteroskedastisitas dalam model
regresi.

Berdasarkan hasil di atas menunjukan bahwa pengujian ini menggunakan

metode uji Glajser yang nilainya dilihat dari t sig pada :

1. Variable Politisasi Birokrasi memiliki nilai sig 0.130 > 0,05

2. Variabel kewenangan memilikinilai sig. 0.907 > 0,05

Maka dapat disimpulkan data tidak terjadi heteroskedastisitas.

4. Uji Hipotesis

1). Uji t (parsial)

Uji hipotesis parsial berfungsi untuk melihat apakah terdapat pengaruh variable bebas
terhadap variabel terikat dan mampu melihat berapa besar pengaruh yang ditimbulkan.
Cara menentukan hasil uji parsial yaitu dengan melihat tabel cooficients hasil dari
pengolahan data spss sesuai dengan variabel yang telah ditentukan.
 Uji t atau uji parsial dalam regresi linear berganda dimaksudkan untuk menguji
apakah parameter ( koofisien regresi dan konstanta ) yang diduga untuk mengestimasi
persamaan / model regresi linear berganda sudah merupakan par ameter yang tepat atau
belum. Maksud tepat disini adalah parameter tersebut mampu menjelaskan perilaku
variabel bebas dalam mempengruhi variabel terikatnya.

 PENGARUH POLITISASI BIROKRASI TERHADAP PROFESIONALITAS

ASN

Berdasarkan hasil dari pengujian data yang telah dilakukan bahwa nilai koefisien regresi
variabel politisasi birokrasi ( t hitung ) adalah sebesar 7,125 dengan t tabel sebesar 1,663
dan signifikansi variabel politisasi birokrasi terhadap variabel terkait yaitu profesionalitas
ASN dapat dilihat pada tabel diatas bahwa nilai signifikansi yang ada lebih kecil dari taraf
nilai signifikansi yang telah ditentukan.

sehingga kesimpulannya nilai t hitung > t tabel dan nilai signifikansi < dari 0,05 yang
artinya variabel politisasi birokrasi berpengaruh secara signifikan terhadap profesionalitas
ASN atau dalam hal ini H0 diterima dan Hα ditolak.
 PENGARUH KEWENANGAN KEPALA DAERAH TERHADAP
PROFESIONALITAS ASN

Sedangkan untuk nilai cooficients regresi variabel kewenangan kepala daerah dilihat dari
data diatas pada tabel cooficients ( t hitung ) sebesar 3,468 dengan t tabel sebesar 1,663
dan signifikansi variabel kewenangan kepala daerah terhadap variabel terkait yaitu
profesionalitas ASN dapat dilihat pada tabel diatas bahwa nilai signifikansi yang ada lebih
kecil dari taraf nilai signifikansi yang telah ditentukan.

sehingga kesimpulannya nilai t hitung > t tabel dan nilai signifikansi 0,001 < dari 0,05
yang artinya variabel kewenangan kepala daerah berpengaruh secara signifikan terhadap
profesionalitas ASN atau dalam hal ini H0 diterima dan Hα ditolak.

2). uji F (simultan)

Uji ini dimaksudkan untuk mengetahui ada tidaknya pengaruh variabel independen secara
bersama-sama dengan variabel dependen. Uji ini disebut juga dengan istilah uji kelayakan
atau uji simultan diamana uji ini mengidentifikasi model regresi yang diestimasi layak
atau tidak arti dari kata layak disini maksudnya adalah model yang diestimasi layak
digunkan untuk menjelaskan pengaruh variabel-variabel bebas terhadap variabel terikat.

Dalam hal ini untuk menentukan nilai F dari uji secara simultan yaitu dengan melihat
tabel Annova hasil dari pengolahan data spss sesuai dengan variabel yang telah
ditentukan yaitu dilakukan uji secara bersamaan dari 2 variabel, politisasi birokrasi dan
kewenangan kepala daerah terhadap profesionalitas ASN

 PENGARUH POLITISASI BIROKRASI DAN KEWENANGAN KEPALA

DAERAH TERHADAP PROFESIONALITAS ASN

Tabel output SPSS diatas menunjukan nilai F hitung 25,883 > nilai F tabel 2,367 dan
signifikansi < 0,05 artinya H0 diterima, Hα ditolak sehingga dapat disimpulkan bahwa
 kedua variabel atau variabel politisasi birokrasi dan variabel kewenangan kepala
daerah secara simultan berpengaruh signifikan terhadap profesionalitas ASN

5. Uji Regresi

1) Uji Regresi Sederhana

Analisis regresi sederhana dapat digunakan untuk mengetahui arah dari hubungan
antara variabel bebas dengan variabel terikat, apakah memiliki hubungan positif atau
negatif serta untuk memprediksi nilai dari variabel terikat apabila nilai variabel bebas
mengalami kenaikan ataupun penurunan.

Analisis regresi sederhana dengan SPSS menggunakan data regresi yang dipakai
seperti pada perhitungan korelasi. Analisis regresi sederhana merupakan salah satu
metode regresi yang dapat dipakai sebagai alat inferensi statistik untuk menentukan
pengaruh sebuah variabel bebas (independen) terhadap variabel terikat (dependen).
Uji Regresi sederhana ataupun regresi berganda pada intinya memiliki beberapa
tujuan, yaitu:

1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada
nilai variabel bebas.
2. Menguji hipotesis karakteristik dependensi
3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai
variabel bebas diluar jangkaun sample.

Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan
persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah :

1. Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai

disturbance term sebesar 0 atau dengan simbol sebagai berikut: E (U / X) = 0,
2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory)
tidak ada hubungan linier yang nyata,
3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar <
0.05, Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan
ini diketahui jika angka Standard Error of Estimate < Standard Deviation,
4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T.
Koefesien regresi signifikan jika T hitung > T table (nilai kritis),
 5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien
determinasi (KD = R Square x 100%) semakin besar nilai tersebut maka
model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik,
6. Residual harus berdistribusi normal,
7. Data berskala interval atau rasio,
8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel
bebas (variabel predictor) sedang variabel lainnya variabel terikat (variabel
response).
 PENGARUH POLITISASI BIROKRASI TERHADAP PROFESIONALITAS
ASN

Berdasarkan output dari pengujian untuk data X1 (Politisasi Birokrasi) terhadap Y

(Profesionalitas ASN) diatas, hasil uji regresi sederhananya yaitu :

1. Pada tabel Model Summary menampilkan nilai R yang merupakan simbol dari
nilai koefisien korelasi. Pada data diatas nilai korelasi adalah 0,618. Nilai ini
 dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di
kategorikan kuat. Melalui tabel ini juga diperoleh nilai R Square atau koefisien
determinasi (KD) yang menunjukkan seberapa bagus model regresi yang
dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang
diperoleh adalah 0,382 yang dapat ditafsirkan bahwa variabel X1 (Politisasi
Birokrasi) memiliki pengaruh kontribusi sebesar 38,2% terhadap variabel Y
dan 61,8% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1
(Politisasi Birokrasi).
2. Tabel Anova digunakan untuk menentukan taraf signifikansi atau linieritas
dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai
Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan
ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku
sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,000 yang berarti
< kriteria signifikan (0,05), dengan demikian model persamaan regresi
berdasarkan data penelitian adalah signifikan artinya, model regresi linier
memenuhi kriteria linieritas.
3. Tabel coefficients menginformasikan model persamaan regresi yang diperoleh
dengan koefisien konstanta dan koefisien variabel yang ada di kolom
Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model
persamaan regresi :

Y = 17,209 + 1,173X.

 PENGARUH KEWENANGAN KEPALA DAERAH TERHADAP

PROFESIONALITAS ASN
Sedangkan output dari pengujian untuk data X2 (Kewenangan Kepala Daerah)
terhadap Y (Profesionalitas ASN) diatas, hasil uji regresi sederhananya yaitu :

1. Pada tabel Model Summary menampilkan nilai R yang merupakan simbol dari
nilai koefisien korelasi. Pada data diatas nilai korelasi adalah 0,358. Nilai ini
dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di
kategorikan lemah. Melalui tabel ini juga diperoleh nilai R Square atau
koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi
yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD
yang diperoleh adalah 0,128 yang dapat ditafsirkan bahwa variable X2
(Kewenangan Kepala Daerah) memiliki pengaruh kontribusi sebesar 12,8%
terhadap variabel Y dan 87,2% lainnya dipengaruhi oleh faktor-faktor lain
diluar variabel X2 (Kewenangan Kepala Daerah).
2. Tabel Anova digunakan untuk menentukan taraf signifikansi atau linieritas
dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai
Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan
ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku
sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,001 yang berarti
< kriteria signifikan (0,05), dengan demikian model persamaan regresi
berdasarkan data penelitian adalah signifikan artinya, model regresi linier
memenuhi kriteria linieritas.
3. Tabel coefficients menginformasikan model persamaan regresi yang diperoleh
dengan koefisien konstanta dan koefisien variabel yang ada di kolom
Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model
persamaan regresi :

Y = 30,226 + 0,596X.

2) Uji Regresi Berganda

Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih
dari satu variabel prediktor (variabel bebas) terhadap variabel terikat. Pada dasarnya
regresi linear berganda adalah model prediksi atau peramalan dengan menggunakan
data berskala interval atau rasio serta terdapat lebih dari satu predictor.
 Uji Regresi berganda ataupun regresi sederhana pada intinya memiliki beberapa
tujuan, yaitu:

4. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada
nilai variabel bebas.

5. Menguji hipotesis karakteristik dependensi

6. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai

variabel bebas diluar jangkaun sample.

 PENGARUH POLITISASI BIROKRASI DAN KEWENANGAN KEPALA

DAERAH TERHADAP PROFESIONALITAS ASN

Pada output pengujian untuk data X1 (Politisasi Birokrasi) dan X2 (Kewenangan

Kepala Daerah) terhadap Y (Profesionalitas ASN) diatas, hasil uji regresi
bergandanya di jelaskan sebagai berikut :
1. Pada tabel Model Summary menampilkan nilai R yang merupakan simbol dari
nilai koefisien korelasi. Pada data diatas nilai korelasi adalah 0,624. Nilai ini
dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di
kategorikan kuat. Melalui tabel ini juga diperoleh nilai R Square atau koefisien
determinasi (KD) yang menunjukkan seberapa bagus model regresi yang
dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang
diperoleh adalah 0,390 yang dapat ditafsirkan bahwa variable X1 dan X2
memiliki pengaruh kontribusi sebesar 39,0% terhadap variabel Y dan 61,0%
lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1 dan X2.
2. Tabel Anova digunakan untuk menentukan taraf signifikansi atau linieritas
dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai
Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan
ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku
sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,000 yang berarti
< kriteria signifikan (0,05), dengan demikian model persamaan regresi
berdasarkan data penelitian adalah signifikan artinya, model regresi linier
memenuhi kriteria linieritas.
3. Tabel coefficients menginformasikan model persamaan regresi yang diperoleh
dengan koefisien konstanta dan koefisien variabel yang ada di kolom
Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model
persamaan regresi :

Y = 15,528 + 1,089 + 0,162 atau Y = 155,28% + 10,89% + 16,2%