(Pertemuan ke-13)
Keterangan :
R2 = koefisien determinasi
N = ukuran sampel
P = jumlah variabel bebas
R square = 0,804
R Square atau koefisien determinasi sebesar 0,804 berarti
bahwa variasi produktivitas dapat dijelaskan oleh variasi jenis
kelamin sebesar 80,4 persen atau variabel jenis kelamin
memengaruhi produktivitas sebesar 80,4 persen. Koefisien
determinasi sebesar 0,804 merupakan kuadrat dari multiple R
(0,897 x 0,897 = 0,804).
Adjusted R Square = 0,780
Adjusted R Square merupakan koefisien determinasi
yang telah terkoreksi dengan jumlah variabel, dan
ukuran sampel sehingga dapat mengurangi unsur bias
jika terjadi penambahan variabel. Adjusted R Square
sebesar 0,780 berarti variasi produktivitasnya dapat
dijelaskan oleh variasi jenis kelamin sebesar 78,0 persen
atau variabel jenis kelamin memengaruhi produktivitas
sebesar 78,0 persen. Koefisien Ajusted R Square sebesar
78,0 diperoleh dari perhitungan berikut:
Std. Error of the EstimateRad =0,804
Standard Error of the Estimate menunjukkan penyimpangan
antara persamaan regresi dengan nilai dependent riilnya adalah
sebesar 1,04881 satuan variabel terikat. Semakin kecil nilai
standard error, semakin baik versamaan regresi tersebut sebagai
alat prediksi.
σ(𝑌 − 𝑌)
ത 2
2. Sum of Squares Residual = 8,800
Merupakan nilai yang menunjukkan jumlah kuadrat dari
selisih antara nilai riil dengan nilai prediksi, diperoleh
dengan formula sebagai berikut:
.
Σ(Y-𝑌)²
3. Sum of Squares Total = 44,9004.
merupakan nilai yang menunjukkan jumlah kuadrat dari
selisih antara nilai riil dengan nilai rata-rata Y riil,
diperoleh dengan formula : Ʃ(Y - 𝑌) ത 2
4. Df Regression (Degree of Freedom Regression)
=1
Nilai Df Residual sebesar 8. Hal ini karena nilai n-k,
jumlah pengamatan dikurangi jumlah variabel (10-2=8).
Melakukan analisis anova menggunakan SPSS yang
dilakukan dengan langkah :
1. Buka file anova
2. Klik analyze, compare mean, one-way anova
3. Masukkan variabel produktivitas pada kotak dependen
4. Masukkan variabel jenis kelamin pada kotak factor
5. Abaikan pilihan lain, klik OK
Analisis Regresi dengan satu variabel kuantitatif dan satu
Variabel kualitatif dengan dua kategori