NAMA : Saniyah Nur Ayni

NIM : 1996144024
PRODI : Manajemen SDM
MATKUL : Aplikasi Komputer
LATIHAN : 1 (satu)

Gambar 1 hasil uji validitas variable X1

Pada gambar 1, hasil uji validitas variable X1 dinyatakan reliabel atau konsisten karena nilai
chronbat’s alpha >0,60.
 Gambar 2 hasil uji validitas variable X2

Pada gambar 2, hasil uji validitas variable X2 dinyatakan reliabel atau konsisten karena nilai
chronbat’s alpha >0,60.

Gambar 3 hasil uji validitas variable Y

Pada gambar 3, hasil uji validitas variable Y dinyatakan reliabel atau konsisten karena nilai
chronbat’s alpha >0,60.

Gambar 4 hasil uji reliabilitas

Pada gambar 4, hasil uji reliabilitas dinyatakan reliabel atau konsisten karena nilai chronbat’s
alpha >0,60.
 Gambar 5 hasil olah data histogram

Berdasarkan gambar 5 data residual diatas membentuk kurva lonceng atau kurva simetris dengan demikian data residual terdistribusi
normal.
 Gambar 6 hasil olah data : normal probability plot

Berdasarkan gambar 6 data residual diatas menunjukkan bahwa data residual terdistribusi norma karena data (titik) menyebar disekitar
diagonal dan searah diagonal.
 Gambar 7 hasil olah data skewness dan kurtosis

skewness
ZSkewnes =
√ 6
N
0,495
=
√ 6
60
= 1,565
Hasil dari rasio skewness dari data tersebut diatas diperoleh sebesar 1,565 sehingga dapat disimpukan bahwa data tersebut normal.
Karena nilai rasio skewness berada pada rentang nilai -2 sampai 2.
kurtosis
ZKurtosis =
√ 24
N
0,027
=
√ 24
60
= 0,042
Hasil dari rasio kurtosis dari data tersebut diatas diperoleh sebesar 0,042 sehingga dapat disimpukan bahwa data tersebut normal.
Karena nilai rasio kutosis berada pada interval -2 sampai 2.
 Gambar 8 hasil olah data SPSS 1 sample K-S

Uji 1 sampel K-S pada gambar 8 diatas data terdistribusi dengan normal karena p > 0,05 jadi
tidak timbul perbedaan yang signifikan.
 Gambar 9 hasil olah data SPSS : linear regression : statistics

Berdasarkan gambar 9 diatas dapat dilihat bahwa nilai standar error kurang dari 1, yaitu X1 = 0,125 dan X2 = 0,104 dimana keduanya
kurang dari 1. Serta nilai koefisien beta juga kurang dari 1 dimana X1 = -0,124 dan X2 = 0,815. Maka dapat dikatakan bahwa nilai
standar error rendah dan multikolinearitastidak terdeteksi.
Berdasarkan gambar 9 diatas dapat dilihat bahwa nilai rentangnya sempit, yaitu X1 = 0,663 sampai dengan 1,509. Sedangkan pada X2
yang secara kebetulan hasilnya sama yaitu X2 = 0,663 sampai dengan 1,509. Karena rentangnya sempit maka multikolinearitas tidak
terdeteksi.
 Gambar 10 hasil olah data SPSS : linear regression : statistics

Berdasarkan gambar 10 diatas dapat dilihat bahwa hasil korelasi antara valiable X1 dan X2
adalah sebesar r = -0,581. Karena nilai -0,581 tersebut kurang dari 0,8 maka gejala
multikolinearitas tidak terdeteksi

Gambar 11 hasil olah data SPSS : linear regression : statistics

Berdasarkan gambar 11 diatas dapat dilihat bahwa nilai eigenvalue 0,010 = 0,01 dan condition
index 17,545 dimana kurang dari 30. Maka berdasarkan nilai eigenvalue dan condition index
dapat disimpulkan bahwa gejala multikolineritas tidak terjadi dalam model regresi.
 Gambar 12 hasil olah data SPSS, linear regression : plots

Berdasarkan gambar 12 diatas dapat dilihat bahwa titik-titik tidak membentuk pola yang jelas dan titik-titik menyebar diatas dan
dibawah angka 0 sumbu Y. jadi dapat disimpulkan bahwa tidak terjadi maslah heteroskedastisitas dalam model regresi.
 Gambar 13 hasil olah data SPSS : uji F
Jika nilai R-square diatas 50% artinya baik sedangkan jika nilai R-square dibawah 50% artinya
tidak baik. Dapat dilihat pada gambar 13 bahwa nilai R-square pada hasil ini menunjukkan nikai
sebesar 0,562 atau 56,2%. Nilai ini mengartikan bahwa pengaruh variable X1 dan X2 terhadap Y
sebesar 56,2% sisanya sebesar 43,8% dipengaruhi oleh variable lain diluar model.

Gambar 14 hasil olah SPSS : Uji F (output anova)

Berdasarkan gambar 14 diatas dapat dilihat bahwa nilai signifikansi kurang dari 0,05 maka dapat
diartikan bahwa variable X1 dan X2 secara simultan berpengaruh terhadap variable Y dan
hipotesis dapat diterima.
 Gambar 15 hasil olah SPSS : uji T
Berdasarkan gambar 15 diatas dapat dilihat bahwa nilai signifikansi variable X1 lebih dari 0,05.
Sedangkan nilai signifikansi variable X2 kurang dari 0,05. Maka dapat disimpulkan bahwa
variable X2 (variable independent) dapat mempengaruhi variable Y (variable dependent). Dan
dapat disimpilkan bahwa terjadi masalah heteroskedastisitas pada model regresi.