MAKALAH STATISTIK PENDIDIKAN

UJI KORELASI DAN REGRESI MENGGUNAKAN SPSS

Disusun untuk memenuhi tugas mata kuliah Statistik Pendidikan

Dosen pengampu:

Fitriyah Amaliyahis S.Pd, M.Pd.

Disusun oleh :

Nurul Hasanah (201933189)

Imam Fikri (201933345)

Muhammad Rijal Aufa (201933346)

FAKULTAS ILMU PENDIDIKAN

PENDIDIKAN GURU SEKOLAH DASAR

UNIVERSISTAS MURIA KUDUS

2022
 BAB I

PENDAHULUAN

A. Latar Belakang

Semakin modern dan bertambah majunya zaman, kegiatan penelitian semakin

gencar dilakukan. Hal ini karena masalah semakin bertambah dan segera dibutuhkan
suatu penyelesaian. Dalam kegiatan penelitian, salah satu langkah yang terpenting
adalah analisis data. Analisis data merupakan kegiatan setelah seluruh data dari
seluruh responden atau sumber data lain terkumpul. Kegiatan dalam analisis data
adalah mengelompokkan data berdasarkan variabel dan jenis responden, mentabulasi
data berdasarkan variabel dari seluruh responden, menyajikan data tiap variabel yang
diteliti, melakukan perhitungan utuk menjawab rumusan masalah, dan melakukan
perhitungan untuk menguji hipotesis yang telah diajukan. Untuk penelitian yang tidak
merumuskan hipotesis, langkah terakhir tidak dilakukan (Sugiyono, 2013).
Teknik analisis data dalam sebagian besar penelitian, khususnya penelitian
kuantitif menggunakan statistik. Statistik adalah rekapitulasi dari fakta berbentuk
angka-angka yang disusun dalam bentuk tabel dan diagram untuk mendeskripsikan
suatu permasalahan (Riduwan dkk, 2013) (Sudjana, 2004).
Pada saat ini telah banyak paket program pengolah angka yang digunakan
untuk memudahkan analisis data. Salah satu program yang banyak diminati oleh
peneliti adalah program SPSS for windows. Program ini merupakan salah satu
program olah data statistik yang digunakan dalam penelitian-penelitian. Penggunaan
SPSS for windows relatif fleksibel dan dapat dengan mudah dipelajari oleh siapapun
yang berminat dalam mengolah data penelitian. Pengilahan data dalam program SPSS
for windows digunakan untuk model aplikasi statistik sederhana seperti mean,
median, modus, sum, prosentase, kuartil, desil, persentil, range dan lain-lain ataupun
untuk mengolah data untuk aplikasi statistik lanjut seperti model korelasi, regresi
linier dan lain-lain (Riduwan dkk, 2013). Dalam makalah ini akan dibahas mengenai
analisis data regresi dan korelasi menggunakan SPSS.
B. Rumusan Masalah
1. Apa yang dimaksud dengan SPSS?
2. Bagaimana cara menganalisis data uji regresi menggunakan SPSS?
3. Bagaimana cara menganalisis data uji korelasi menggunakan SPSS?

C. Tujuan
1. Mengetahui tentang SPSS
2. Mengetahui cara analisis data regeresi menggunakan SPSS
3. Mengetahui cara analisis data korelasi menggunakan SPSS
 BAB II

PEMBAHASAN

A. Pengertian SPSS

SPSS (Statistical Package for the Social Sciences) adalah sebuah program
pada komputer yang digunakan untuk membuat analisis statistika. SPSS pertama
dirilis pada tahun 1968, dan diciptakan oleh Norman Nie, seorang lulusan Fakultas
Ilmu Politik dari Stanford University, yang sekarang menjadi profesor peneliti
Fakultas Politik di Stanford dan profesor Emeritus Ilmu politik di University of
Chicago.
Sekarang ini SPSS yang berkembang sudah berbasis Windows sehingga
dikenal dengan SPSS for windows. Pertama kali muncul versi for windows versi 6,00
hingga kini SPSS yang paling terbaru adalah SPSS 21,00.

B. Analisis Regresi Menggunakan SPSS

Hasan (2013) menyatakan bahwa regresi merupakan suatu alat ukur yang juga
digunakan untuk mengukur ada atau tidaknya korelasi antar variabel. Istilah regresi
berarti ramalan atau taksiran. Sedangkan menurut Purnomo (2011) analisis regresi
merupakan model matematis yang dapat digunakan untuk mengetahui pola hubungan
antara dua atau lebih variabel. Analisis regresi bertujuan untuk memprediksi nilai
variabel dependen (variabel tak bebas), jika variabel independen (variabel bebas)
sudah ditentukan.
Analisis regresi digunakan untuk memprediksi pengaruh variabel bebas
terhadap variabel terikat dengan persamaan linier. Analisis ini untuk meramalkan atau
memprediksi suatu nilai variabel dependen dengan adanya perubahan dari variabel
independen. Data yang digunakan untuk variabel dependen adalah kuantitatif (scale),
jika menggunakan variabel kategori (tipe nominal atau ordinal) maka perlu diubah ke
bentuk numerik dengan memberi value, misal 1=pria, 2 =wanita. Jika menggunakan
satu variabel independen maka disebut analisis regresi linier sederhana dan jika
menggunakan lebih dari satu variabel independen maka disebut analisis regresi liner
berganda (Priyatno, 2010).
1. Regresi Linier Sederhana
Analisis regresi linier sederhana dipergunakan untuk mengetahui pengaruh
antara satu buah variabel bebas terhadap satu buah variabel terikat. Persamaan
regresinya adalah:
 Y = a + bX

Keterangan:
Y : subyek dalam variabel dependen (variabel tak bebas) yang diprediksikan.
a : intersep (titik potong kurva linear terhadap sumbu Y, atau nilai Y jika
X=0)
disebut juga konstanta.
b : koefisien regresi (kemiringan kurva linier), yang menunjukkan angka
peningkatan ataupun penurunan variabel dependen yang didasarkan pada
perubahan variabel independen. Bila (+) arah gars naik, dan bila (-) maka
arah garis turun.
X : subyek pada variabel independen (variabel bebas) yang mempunyai nilai
tertentu.

Persamaan ini hanya memiliki 2 variabel saja, yaitu satu variabel terikat
(Y) dan satu variabel bebas (X). Sehingga setiap nilai X bertambah dengan
satu satuan maka nilai Y akan bertambah dengan b. Jika nilai X = 0 maka
nilai Y sebesar a saja. Penggunaan model regresi sederhana hanya memungkinkan
bila pengaruh yang ada itu hanya dari variabel independen (variabel bebas)
terhadap variabel dependen (variabel terikat), tidak boleh ada pengaruh timbal
balik, yaitu jika variabel terikat juga berpengaruh terhadap variabel bebas (Arif,
1995).
Contoh regresi linier sederhana menggunakan SPSS yaitu:
Peneliti ingin mengetahui apakah nilai matematika berpengaruh secara signifikan
terhadap nilai fisika, maka peneliti mengumpulkan data secara acak dan
dimasukkan dan dimasukkan kedalam tabel sebagai berikut:
No. Nilai Matematika Nilai Fisika
1 60 80
2 45 69
3 50 71
4 60 85
5 50 80
6 65 82
7 60 89
8 65 93
9 50 76
10 65 86
11 45 71
12 50 69
 a. Tentukan persamaan regresinya!
b. Apakah ada hubungan atau tidak antara variabel bebas dengan variabel terikat?
c. Berapa nilai koefisien determinasinya?
d. Apakah ada pengaruh atau tidak ada pengaruh antara variabel bebas dengan
variabel terikat?
Langkah-langkah:

1. Buka lembar kerja baru pada program SPSS

2. Klik variabel view pada SPSS Data editor
3. Pada kolom Name, ketik Matematika pada baris pertama dan Fisika pada baris
kedua
4. Pada kolom Decimal, ketik 0 untuk baris pertama dan baris kedua
5. Pada label, ketik Nilai Matematika untuk baris pertama dan Nilai Fisika untuk baris
kedua

6. Klik Data View, pada SPSS Data editor

7. Ketik datanya seperti data di atas sesuai dengan variabelnya
8. Dari menu SPSS, pilih menu Analyze-regression-Linear
 9. Muncul tampilan kotak diaolog sebagai berikut:

10. Masukkan variabel Nilai Fisika ke kolom Dependent, dan masukkan variabel Nilai
Matematika ke kolom independent
11. Pada method, pilih metode enter
12. Klik statistics, klik pilihan Estimates dan Model Fit, kemudian klik continue
13. Klik OK untuk mengakhiri perintah
Maka akan muncul output sebagai berikut:

Regression

Interpretasi output:
 Interpretasi Output :
a. Output bagian pertama (Variabels entered/removed)

Tabel tersebut menjelaskan tentang variabel yang dimasukkan atau dibuang

dan metode yang digunakan. Dalam hal ini variabel yang dimasukkan adalah
variabel Nilai Matematika sebagai predictor dan metode yang digunakan
adalah metode Enter.
b. Output bagian kedua (Model Summary)
Tabel tersebut menjelaskan besarnya nilai korelasi/hubungan (R) yaitu sebesar
0,862 dan menjelaskan besarnya prosentase pengaruh variabel bebas terhadap
variabel terikat yang disebut koefisien determinasi yang merupakan hasil dari
pengkuadratan R. Dari output tersebut diperoleh koefisien determinasi (R2)
sebesar 0,744 yang mengandung pengertian bahwa pengaruh variabel bebas
(Nilai matematika) terhadap variabel terikat (Nilai fisika) adalah sebesar
74,4%, sedangkan sisanya yaitu 25,6% dipengaruhi oleh variabel lain.
c. Output bagian ketiga (ANOVA)
Pada bagian ini untuk menjelaskan apakah ada pengaruh yang nyata
(signifikan) variabel nilai Matematika (X) terhadap Nilai Fisika (Y). Dari
Output terlihat bahwa F hitung= 29,036 dengan tingkat signifikansi 0,000<0,05
maka model regresi dapat dipakai untuk memprediksi Nilai Fisika.
d. Output bagian keempat (Coefficients)
Pada tabel Coefficients, pada kolom B pada Constant (a) adalah 29,529
sedang Nilai Matematika (b) adalah 0,897 sehingga persamaan regresinya
dapat ditulis :
Y = a+bX
= 29,529+0,897X
Koefisien b dinamakan koefisien arah regresi dan menyatakan perubahan rata-
rata variabel Y untuk setiap perubahan variabel x sebesar satu satuan.
Perubahan ini merupakan pertambahan bila b bertanda positif dan penurunan
bila b bertanda negatif. Sehingga dari persamaan tersebut dapat diterjemahkan
:
- Kostanta sebesar 29,529 menyatakan bahwa jika tidak ada Nilai
matematika maka Nilai fisika sebesar 29,529.
- Koefisien regresi X sebesar 0,897 menyatakan bahwa setiap
penambahan 1 Nilai matematika, maka Nilai fisika sebesar 0,897.
Selain menggambarkan persamaan regresi output ini juga menampilkan uji
signifikansi dengan uji t yaitu untuk mengetahui apakah ada pengaruh yang
nyata (signifikan) variabel Nilai matematika (X) sendiri (partial) terhadap
Nilai fisika
Hipotesis:
H0 = Tidak ada pengaruh yang nyata (signifikan) variabel Nilai matematika (X)
terhadap Nilai fisika (Y)
Ha = Ada pengaruh yang nyata (signifikan) variabel Nilai matematika (X)
terhadap Nilai fisika (Y)

Dari output di atas dapat diketahui nilai t hitung= 5,389 dengan

probabilitas 0,000< 0,05 maka Ho ditolak yang berarti bahwa ada pengaruh
yang nyata (signifikan) variabel Nilai matematika (X) terhadap Nilai fisika
(Y). Sehingga Nilai Matematika (X) dapat digunakan untuk memprediksi
besarnya Nilai Fisika (Y).
Untuk melihat kurva dari regresi linier sederhana, dapat dilakukan
langkah-langkah sebagi beriku:

1. Dari menu SPSS, pilih menu Analyze-regression-curve estimation

2. Masukkan variabel Nilai Fisika ke kolom Dependent, dan masukkan
variabel Nilai Matematika ke kolom independent
3. Centang bagian Linier dan klik ok

Maka akan muncul kurva sebagai berikut:

 Jadi, semakin tinggi nilai matematika, nilai fisika juga akan mengalami
peningkatan.

2. Regresi Linier Berganda

Regresi linier berganda untuk mencari pengaruh dua atau lebih variabel
bebas (predictor) atau untuk mencari hubungan fungsional dua variabel predictor
atau lebih terhadap variabel kriteriumnya (Widiyanto, 2014). Dengan demikian
regresi linear ganda (Multiple regression) digunakan untuk penelitian yang
menyertakan beberapa variabel sekaligus. Rumus yang digunakan sama seperti
pada regresi sederhana dengan disesuaikan dengan jumlah variabel yang diteliti.
Rumus persamaan regresinya adalah sebagai berikut:

Y = a + b1X1 + b2X2 + b3X3... bnXn

Contoh:
Diduga bahwa besarnya nilai tergantung pada besarnyaskor tes kecerdasan dan
frekuensi membolos. Untuk keperluan tersebut, maka dilakukan pengamatan
terhadap 12 orang siswa dengan mencatat frekuensi membolos, skor tes kecerdasan
dan nilai ujian, dan diperoleh datanya sebagaiberikut:

No. Skor Tes Kecerdasan Frekuensi Membolos Nilai Ujian

(X1) (X2) (Y)
1 75 4 85
2 60 7 75
3 65 6 75
4 75 2 90
5 65 2 85
6 80 3 87
7 75 2 95
8 80 3 95
9 65 4 80
10 80 3 90
11 60 5 75
12 65 5 75

a. Tentukan persamaan regresi linier gandanya!

b. Apakah ada hubungan antara variabel bebas dengan variabel terikat?
c. Berapa nilai koefisien determinasinya?
d. Apakah ada pengaruh antara variabel bebas dengan variabel terikat?
Langkah-langkah:

1. Buka lembar kerja baru pada program SPSS

2. Klik variabel view pada SPSS Data editor
3. Pada kolom Name, ketik X1 pada baris pertama, ketik X2 pada baris kedua dan
ketik Y pada baris ketiga
4. Pada kolom Decimal, ketik 0 pada baris pertama, kedua dan ketiga
5. Pada kolom Label, ketik Skor Tes Kecerdasan untuk baris pertama, ketik
Frekuensi Membolos untuk baris kedua dan ketik Nilai ujian untuk baris ketiga

6. Klik Data view pada SPSS Data editor

7. Ketik datanya seperti data diatas sesuai dengan variabelnya
8. Dari menu SPSS, pilih menu Analyze-Regression-Linear

9. Muncul kotak dialog sebagai berikut:

10. Masukkan variabel Nilai ujian ke kolom Dependent, dan masukkan variabel
Skor Tes Kecerdasan dan Frekuensi Membolos ke kolom Independent
11. Pada Method, pilih metode Stepwise
12. Klik Statistics, lalu klik pilihan Estimates, Model Fit dan descriptive, kemudian
klik Continue
13. Klik OK untuk mengakhiri perintah, maka akan muncul output sebagai berikut:

Regression
 Variables Entered/removed“
'v'aria bles ''a riable s
M edu Ente red Re moved Method
1 S kor Tes Wlepvwse
Ke c erda s an (Crite ri a:
Pro bab ility-
of- F-to- ente r
<= , 05 0,
Pro bab ility-of-
F-to- rem ove
>= ,1 0 0).
2 Fre kuen si Pte pwi s
Mem b olo s e (Criteri
a:
Pro bab ility-
of- F-to- ente r
<= , 05 0,
Pro bab ility-of-
F-to- rem ove
>= ,1 0 OJ.
a. Dependent la riabIe: N il ai Uj ian

Model Summary
Adju sted R Std. E rro r of
Mn d c' I R R Square Square th e Estimate
1 , 860 " , 74 0 ,71 4 4,1 58
, 93 6 , 8 76 ,8 4 9 3,O24
a. P re dictars: {C an stant), Skor Te s Ke c e rda s an
b. P redictors: (Constant), S kor Tes Kece rdas an, Fre kuensi
M e mbolos

ANOVA“
S um of
Squares df Mean S guare S ig.
Re gre 49 2, 044 49 2, 044 28,4 63 ,000
ssion
Re sidual 17 2, 873 10 1 7, 287
Total 66 4,917 11
Re gres 502, 609 2 291,305 31,853 ,000“
sion
Re sidual 02, 307 9 9,145
Total 66 4,917 11
a.Dependent Variable: Nilai Ujian
b.Predictors: (Constant), Skor Tes Kecerdas an
c.Predictors: (Constant), Skor Tes Kecerda san, Frekuensi Membolos

Coefficients“

Standardized
Unstandardized Coefficients Coes cients
B Std. Error Beta t Sin.
(Constant) 23,7 03 11,35 0 2,088 ,063
Skor Tes Ke cerda ,8 55 ,16 0 ,860 5,335 ,000
san
(Constant) 55,7 80 13,117 4,253 ,002
Skor Tes Ke cerda ,5 27 ,15 6 ,530 3,374 ,008
san
Frekuensi M embolo s -2,3 44 ,74 5 -,495 —3,4 47 ,04 2
a. Dependent Variable: Nilai Ujian
 Interpretasi Output :

a. Output bagian pertama (Variabels entered/removed)

Pada bagian ini merupakan tabel yang menyajikan deskriptif data masing-
masing variabel yang meliputi Mean (rata-rata), Std.Devition (standar deviasi)
dan n (jumlah data).
b. Output bagian kedua (Correlation)
Pada bagian ini merupakan matrik korelasi antara variabel Skor Tes
Kecerdasan dengan Nilai ujian diperoleh r =0,860 dengan probabilitas
0,000<0,05 maka Ho ditolak, yang berarti ada hubungan/korelasi yang
signifikan antara Skor Tes Kecerdasan dengan Nilai Ujian. Variabel Frekuensi
membolos dengan nilai ujian r = -0,848, tanda negative menggambarkan
hubungan yang berlawanan yang artinya semakin sering membolos, maka akan
semakin kecil nilai yang diperoleh.
c. Output bagian ketiga ( Variables Entered/removed)
Tabel tersebut menjelaskan tentang variabel yang dimasukkan atau dibuang
dan metode yang digunakan. Dalam hal ini variabel yang dimasukkan
adalah variable Skor Tes Kecerdasan dan Frekuensi Membolos sebagai
predictor dan metode yang digunakan adalah metode Stepwise.
d. Output bagian keempat (Model Summary)
Pada model (1) menjelaskan besarnya nilai korelasi/hubungan (R)
antara Skor Tes Kecerdasan (X1) dengan nilai ujian (Y) yaitu sebesar 0,860
dan menjelaskan besarnya presentase pengaruh variabel Skor Tes Kecerdasan
terhadap nilai ujian yang disebut koefisien determinasi yang merupakan hasil
dari pengkuadratan R. Dari output tersebut diperoleh koefisien determinasi
(R2) sebesar 0,740 yang mengandung pengertian bahwa pengaruh variabel
bebas (Skor Tes Kecerdasan) terhadap variabel terikat (Nilai Ujian) adalah
sebesar 74%.
Pada model (2) untuk menjelaskan besarnya nilai korelasi (R) antara
Skor Tes Kecerdasan (X1) dan Frekuensi Membolos (X2) terhadap Nilai Ujian
(Y) yaitu sebesar 0,936 dan menjelaskan besarnya prosentase pengaruh
variabel Skor Tes Kecerdasan dan Frekuensi Membolos terhadap Nilai Ujian
yaitu sebesar 0,876 atau 87,6%. Sehingga dapat disimpulkan besarnya
pengaruh Skor Tes Kecerdasan (X1) terhadap Nilai Ujian (Y) sebesar 74%,
 dan pengaruh Frekuensi Membolos (X2) terhadap Nilai Ujian (Y) = 13,6%
(87,6% - 74%)
e. Output bagian kelima (ANOVA)
Pada bagian ini untuk menjelaskan apakah ada pengaruh yang nyata
(signifikan) variabel Skor Tes Kecerdasan (X1) dan Frekuensi Membolos (X2)
secara simultan (bersama-sama) terhadap Nilai Ujian (Y). Dari Output pada
model yang kedua terlihat bahwa Fhitung =31,853 dengan tingkat
signifikansi/probabilitas 0,000 < 0,05 maka model regresi dapat dipakai
untuk memprediksi Nilai Ujian.
f. Output bagian keenam (Coefficients)
Pada tabel kolom B bagian Constan (a) adalah 55,780, Skor Tes Kecerdasan
(b1) adalah 0,527 dan frekuensi Membolos (b2) adalah -2,344. Sehingga
persamaan regresinya dapat ditulis:
Y= a + b1X1 + b2X2 = 55,780 + 0,527 X1 – 2,344 X2
Koefisien b dinamakan koefisien arah regresi dan menyatakan perubahan rata-
rata variabel Y untuk setiap perubahan variabel X1 sebesar satu satuan dan X2
sebesar satu satuan. Perubahan ini merupakan pertambahan bila b bertanda
positif dan penurunan bila b bertanda negatif. Sehingga dari persamaan
tersebut dapat diterjemahkan :
- Kostanta sebesar 55, 780 menyatakan bahwa jika tidak ada Nilai Skor Tes
Kecerdasan (X1) dan Frekuensi Membolos (X 2) Nilai ujian adalah sebesar
55,780.
- Koefisien regresi X1 sebesar 0,527 menyatakan bahwa setiap penambahan
1 skor tes kecerdasan, maka akan menambah nilai ujian sebesar 0,527.
- Koefisien regresi X2 sebesar -2,344 menyatakan bahwa setiap penambahan
1 kali membolos, maka Nilai ujian akan berkurang sebesar -2,233.
Menampilkan uji signifikansi dengan menguji t untuk mengetahui apakah
ada pengaruh yang nyata (signifikan) variabel Skor Tes Kecerdasan (X1) dan
Frekuensi membolos (X2) secara sendiri-sendiri (partial) terhadap Nilai Ujian (Y).

Hipotesis:
H0 = Tidak ada pengaruh yang nyata (signifikan) variabel Skor Kecerdasan
dan Frekuensi membolos terhadap Nilai Ujian.
H1 =Ada pengaruh yang nyata (signifikan) variabel Skor Tes Kecerdasan dan
Frekuensi membolos terhadap Nilai Ujian
Keputusan:
Dari output di atas dapat diketahui variabel Skor Tes Kecerdasan nilai t hitung=

3,371 dengan probabilitas 0,008 < 0,05, maka H0 ditolak yang berarti ada
pengaruh yang nyata (signifikan) variabel Skor Tes Kecerdasan terhadap Nilai
Ujian. Untuk variabel Frekuensi Membolos nilai thitung = -3,147 dengan
probabilitas 0,012 < 0,05, maka H0 ditolak yang berarti bahwa ada pengaruh yang
nyata (signifikan) variabel Frekuensi membolos terhadap Nilai Ujian

Untuk melihat kurva dari regresi linier sederhana, dapat dilakukan langkah-
langkah sebagi beriku:

1. Dari menu SPSS, pilih menu Analyze-regression-curve estimation

2. Masukkan variabel Nilai Ujian ke kolom Dependent, dan masukkan variabel
Skor kecerdasan ke kolom independent. Untuk kurva selanjutnya masukkan
variabel Nilai Ujian ke kolom Dependent, dan masukkan variabel frequensi
membolos ke kolom independent
3. Centang bagian Linier dan klik ok

Maka akan muncul kurva sebagai berikut:

 Jadi, semakin tinggi skor tes kecerdasan, maka nilai ujian akan mengalami
peningkatan.

Jadi, semakin besar nilai frequensi membolos, maka nilai ujian mengalami
penurunan.

C. Analisis Korelasi Menggunakan SPSS

Analisis korelasi atau asosiasi merupakan studi yang membahas tentang
keeratan antar variabel yang dinyatakan dengan koefisien korelasi. Hubungan antar
variabel dapat bersifat:
a. Positif, artinya X naik, maka Y naik
b. Negatif, artinya X naik, maka Y turun
Derajat hubungan biasanya dinyatakan dengan r, yang disebut dengan
koefisien korelasi sampel yang merupakan penduga bagi koefisien populasi.
Sedangkan r2 disebut dengan koefisien determinasi (koefisien penentu). Kekuatan
korelasi linear antara variabel X dan variabel Y disajikan dengan rxy, didefinisikan
dengan rumus:
Formula tersebut disebut formula koefisien korelasi momen product (product
moment) Karl Pearson.
Arti angka korelasi:
Koefisien korelasi bernilai paling kecil -1 dan paling besar bernilai 1 jadi -1≤ r ≤ 1.
a. Berkenaan dengan besaran angka, jika 0, maka tidak ada korelasi sama sekali dan
jika korelasi 1 berarti korelasi sempurna, yang berarti bahwa semakin mendekati 1
atau -1 maka hubungan antara dua variabel semakin kuat, sebaliknya jika r
mendekati 0 berarti hubungan dua variabel semakin lemah. Sebenarnya tidak ada
ketentuan yang tepat mengenai apakah angka korelasi tertebtu menunjukkan
tingkat korelasi yang tinggi atau lemah. Namun dapat dijadikan pedoman
sederhana, bahwa angka korelasi di atas 0,5 menunjukkan korelasi yang cukup
kuat, sedangkan di bawah 0,5 korelasi lemah.
b. Selain besarnya korelasi, tanda korelasi juga berpengaruh pada penafsisran hasil.
Tanda negatif (-) pada output menunjukkan adanya rah berlawanan, sedangkan
tanda positif (+) menunjukkan arah yang sama.
Dalam SPSS ada tiga metode korelasi sederhana (Bivariate correlation)
diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman Correlation.
Perarson Correlation digunakan uuntuk skala interval dan rasio, sedangkan
Kendall’s tau-b dan Spearman Correlation lebih cocok untuk skala ordinal
(Widiyanto, 2014).
Berikut beberapa contoh soal analisis korelasi menggunakan SPSS 20,0:
1. Korelasi Product Moment (korelasi sederhana)
Sebuah perusahaan periklanan ingin mengetahui hubungan anatara durasi
iklan produk X yang ditayangkan per bulan oleh salah satu TV swasta
terhadap
tingkat penjualan barang (Y). Kemudian diambil durasi penayangan iklan dan
tingkat penjualan selama satu bulan, dengan data sebagai berikut:

Periode Durasi (menit) Penjualan barang (unit )

2011
Januari 45 35.240
Februari 55 36.540
Maret 40 35.000
April 60 42.500
Mei 70 43.000
Juni 60 42.500
Juli 50 37500
Agustus 45 40.000
September 35 32.000
Oktober 55 41.500
November 65 42.500
Desember 60 43.000

Pertanyaan:
a) Berapa besar hubungan/korelasi antara variabel X dan Y?
b) Berapa besar sumbangan variabel X terhadap variabel Y?
c) Gunakan taraf nyata 5%, ujilah apakah ada hubungan yang signifikan
antara durasi penayangan iklan dengan tingkat penjualan? (sofyan
Siregar, 2014)
Jawab:
Langkah yang dilakukan:
a. Masuk ke program SPSS
Setelah masuk ke program SPSS akan terlihat tampilan berikut ini.

b. Klik variabel view pada SPSS data editor

 - Pada kolom name baris pertama ketik periode dan baris kedua
ketik durasi serta pada baris ketiga ketik tingkat penjualan
- Pada kolom type untuk baris pertama klik kotak kecil lalu
kemudian klik string, baris kedua tidak ubah.
- Pada kolom desimal ganti dengan angka nol
- Pada kolom label, untuk baris pertama kosongkan dan pada baris
kedua ketik durasi serta pada baris ketiga ketik tingkat penjualan
- Pada kolom measure, untuk pertama sampai baris ketiga klik
ordinal.

c. Pengisian data
- Klik data view pada SPSS data editor
- Pada kolom periode masukkan jumlah periode penelitian
- Pada kolom durasi masukkan durasi penayangan iklan setiap periode
- Pada kolom tingkat penjualan masukkan tingkat penjualan setiap
periode

d. Pengolahan data
klik analysis  correlate  bivariate
- Dari bivariate correlations masukkan durasi dan tingkat penjualan ke
variables.
 - Pada correlations coefficient contreng pearson
- Test of significance pilih two tailed

e. Pengisian statistik
- Klik Opstions
- Pada statistic pilih mean and standard deviations
- Pada missing values pilih excude casa pairwise
f. Kemudian tekan oke untuk memproses data. Berikut tampilannya:

Analisis hasil dari Correlations

1) Tabel Descriptives diatas dapat dianalisa

- Dari tabel di atas menunjukkan bahwa periode penelitian
adalah 12 periode. Nilai rata-rata durasi penayangan iklan
selama 53,3 menit per bulan dan rata-rata tingkat 39.273,3 unit
per bulan.
2) Tabel Correlations
- Dari tabel Correlations menunjukkan bahwa hubungan antara
durasi penayangan iklan dengan tingkat penjualan sangat kuat
positif, yaitu 0,878. Arti positif adalah hubungan antara
variabel X dan Y searah, maksud searah di sini adalah semakin
lama durasi penayangan iklan, maka semakin meningkat
tingkat penjualan. Begitu juga sebaiknya, semakin kecil durasi
penayangan iklan, maka semakin menurun tingkat penjualan.
a) Membuat hipotesis dalam uraian kalimat
H0: Tidak terdapat hubungan yang signifikan antara durasi
penayangan iklan dengan tingkat penjualan produk.
Ha: Ada hubungan yang signifikan antara durasi
penayangan iklan dengan tingkat penjualan produk
b) Keputusan:
Kriteria keputusan yang diambil berdasrkan nilai
probabilitas. Jika probablilitas (sig) > α, maka H0 diterima.
- Dari tabel correlations nilai sig sebesar 0,00
- Pada kasus ini nilai α = 0,05

Dari hasil perbandingan antara nilai sig dan α diperoleh:

 Sig = 0,00 < α = 0,01 sehingga keputusannya H0 ditolak yaitu
ada hubungan antara durasi penayangan iklan dengan tingkat
penjualan produk.

Sedangkan untuk melihat bentuk kurva dari korelasi sederhana dapat

dilakukan dengan mengikuti langkah-langkah berikut:
a. Dari menu SPSS, pilih menu Graphs – Legacy Dialogs – Scatter/Dot,
seperti tampilan di bawah ini

b. Selanjutnya pilih Sample scatter – define, dengan tampilan seperti di

bawah ini

c. Pindahkan variabel X (Durasi penayangan) ke Y axis, dan variabel Y

(Tingkat penjualan) ke X axis, seperti tampilan di bawah ini

d. Selanjutnya tekan OK, muncul tampilan di bawah ini

 70

60

m
50

40

30

32500 35000 37500 40000 42500

unit

e. Klik kurva 2 kali, sampai muncul tampilan seperti di bawah ini, kemudian
pilih Fit Line

f. Terlihat tampilan seperti di bawah ini

70

60
m

50

40

30

32500 35000 37500 40000 42500

unit

Berdasarkan kurva di atas, diketahui bahwa nilai r adalah positif, atau

memiliki arah linier, artinya semakin tinggi durasi penayangan semakin
tinggi pula tingkat penjualan.
2. Korelasi Ganda
Analisis korelasi ganda berfungsi untuk mencari besarnya hubungan
dan kontribusi dua variabel bebas (X) atau lebih secara simultan (bersama-
sama) dengan variabel terikat (Y).
Contoh:
Judul penelitian: Hubungan kepuasan kerja dan disiplin kerja terhadap
produktivitas kerja pegawai di bagian keuangan Jakarta.

R Sq Linear = 0.771
 Data dianggap memenuhi asumsi dan persyaratan analisis, data dipilih secara
random, berdistribusi normal, berpola linier, data sudah homogen dan
mempunyai pasangan yang sama sesuai dengan subjek yang sama.
Diketahui:
a.
Variabel kepuasan kerja (X1)
b.
Variabel disiplin kerja (X2)
c.
Variabel produktivitas kerja (Y)
d.
Sampel sebanyak (n) = 64 orang dengan taraf signifikansi (α = 0,05).

No X1 X2 Y No X1 X2 Y No X1 X2 Y
1 48 97 61 22 49 94 61 43 48 68 47
2 47 77 40 23 48 77 46 44 38 67 55
3 47 99 48 24 54 55 61 45 55 89 61
4 41 77 54 25 54 76 58 46 62 87 61
5 41 77 34 26 48 65 50 47 68 87 68
6 42 55 48 27 61 90 68 48 56 87 65
7 61 88 68 28 54 119 75 49 38 65 70
8 69 120 67 29 68 119 75 50 61 98 75
9 62 87 67 30 68 98 75 51 68 105 61
10 65 87 75 31 47 55 56 52 60 78 54
11 48 50 56 32 41 66 61 53 55 77 60
12 52 87 60 33 42 67 54 54 27 66 55
13 47 87 47 34 41 58 50 55 48 66 55
14 47 87 60 35 55 90 61 56 40 55 47
15 47 81 61 36 68 77 47 57 40 78 56
16 41 55 47 37 61 99 68 58 48 79 54
17 55 88 68 38 61 109 82 59 38 75 69
18 75 98 68 39 54 76 67 60 57 98 74
19 62 87 74 40 48 75 69 61 68 98 68
20 68 87 75 41 40 77 55 62 61 87 66
21 48 44 55 42 34 67 48 63 35 87 61
64 40 77 69

Buktikan apakah ada hubungan yang signifikan variabel X1, X2 terhadap Y!

(Riduwan dan Sunarto, 2013).

Jawab:
Mengikuti langkah berikut:
a. Membuka aplikasi SPSS
b. destinasikan variable view dan definisikan dengan mengisi kolom-kolom
berikut.
-
Kolom name pada baris pertama diisi dengan X1, X2, dan kemudian
diisi Y
-
Kolom type diisi numeric
-
Kolom width diisi 8
-
Kolom decimal = 0
-
Kolom label untuk baris pertama ketikkan kepuasan kerja dan disiplin
kerja selanjutnya ketikkan produktivitas kerja
-
Kolom value diisi none
-
Kolom missing diisi none
-
Kolom couloums diisi 8
-
Kolom align pilih center
-
Kolom measure pilih scale

c. Aktifkan data view kemudian ketikkan data berikut

 Jika sudah yakin datta tertulis dengan benar, klik menu Analyze, kemudian
pilih Correlate dan pilih Bivariate. Maka akan tampil kotak dialog berikut:

d. Sorot variabel X1, X2, dan Y lalu pindahkan ke kotak variabel dengan cara
mengklik tanda panah

e. Tandai pilihan pada kotak Pearson  Two tailed  Flag significant

correlations.
f. Klik Options dan tandai pada kotak mean dan standart deviation. Klik
continue sehingga kembali ke kota dialog awal

g. Klik ok, maka hasilnya akan tampil seperti di bawah ini

h. Kemudian kembali ke menu utama, kemudian klik menu Analyze,

kemudian pilih regression dan pilih Linier maka akan tampil kotak dialog
linier regression.

Kemudian masukkan variabel produktivitas kerja (Y) dengan cara mengklik

 tanda panah ke dependent dan variabel kepuasan kerja (X1) dan disiplin
kerja (X2) dengan cara mengklik tanda panah masukkan Ke independent.

i. Klik statistics, dan tandai pilihan pada kotak Estimates, Model fit, R
square change lalu klik Continue sehingga kembali ke kotak dialog awal.

j. Klik ok, maka hasilnya akan tampil seperti ini.

Memaknai hasil korelasi ganda

1. Bagian pertama Descriptive Statistics menyajikan variabel kepuasan kerja

(X1), disiplin kerja (X2) dan variabel produktivitas kerja (Y)
Hasil deskriptif variabel kepuasan kerja (X1) dalam tabel descriptive
statistics dijelaskan bahwa terdapat jumlah kasus (N)= 64 responden yang
mengisi angket dengan rata-rata (mean) sebesar 51,88 dan simpangan baku
(standar deviasi)= 10,713. Variabel disiplin kerja (X2), jumlah kasus (N)=
 64 responden yang mengisi angket dengan rata-rata (mean) sebesar 81,22
dan simpangan baku (standar deviasi) = 16,664 dan variabel produktivitas
kerja (Y) dijelaskan jumlah kasus (N) = 64 dengan rata-rata (mean)
sebesar 60,48 dan simpangan baku (standar deviasi) = 9,992.
2. Bagian kedua menyajikan hasil Correlations nilai yang diperoleh untuk X 1
dengan Y sebesar 0,549 berarti terdapat hubungan yang cukup kuat anatara
kepuasan kerja dengan produktivitas kerja. Kemudian X2 dengan Y sebesar
0,574 berarti terdapat hubungan yang cukup kuat antara disiplin kerja
dengan produktivitas kerja. Untuk membuktikan hipotesisi “terdapat
hubungan yang signifikan antara variabel X1, X2 dan Y” diuji dengan cara
sebagai berikut.
a. Uji signifikansi individu
- Uji signifikansi untuk X1 dengan Y ditunjukkan dengan tabel
Correlations. Hipotesis penelitian akan diuji dirumuskan secara
statistik berikut.
Ha : rxy1 ≠ 0
H0 : rxy = 0
Hipotesis bentuk kalimat
Ha : kepuasan kerja mempunyai hubungan secara signifikan dengan
produktivitas kerja
H0 : kepuasan kerja tidak mempunyai hubungan secara signifikan
dengan produktivitas kerja.

Kaidah keputusan:
- Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas Sig atau (0,05 ≤ Sig), maka H0 diterima dan Ha
ditolak, artinya tidak signifikan.
- Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig atau (0,05 ≥ Sig), maka H0 ditolak dan Ha
diterima, artinya signifikan.

Tabel Correlations diperoleh variabel kepuasan kerja dengan

produktivitas kerja dengan metode dua sisi (sig.(2-tailed)) dari output
nilai sig sebesar 0,000, kemudian dibandingkan dengan probabilitas
 0,05 ternyata nilai probabilitas 0,05 lebih vesar dari nilai probabilitas
Sig atau (0,05 > 0,000), maka H0 ditolak dan Ha diterima, artinya
signifikan. Terbukti bahwa kepuasan kerja mempunyai hubungan
secara signifikan terhadap produktivitas kerja.

- Uji signifikansi untuk X2 dan Y ditunjukkan dengan tabel

Correlations. Hipotesis penelitian yang akan diuji dirumuskan
secara statistik berikut.
Ha : rxy ≠ 0
H0 : rxy = 0
Hipotesis bentuk kalimat
Ha : disiplin kerja mempunyai hubungan secara signifikan
dengan produktivitas kerja
H0 : disiplin kerja tidak mempunyai hubungan secara signifikan
dengan produktivitas kerja.
Kaidah keputusan:
- Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas Sig atau (0,05 ≤ Sig), maka H0 diterima dan Ha
ditolak, artinya tidak signifikan.
- Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig atau (0,05 ≥ Sig), maka H0 ditolak dan Ha
diterima, artinya signifikan.
- Tabel Correlations diperoleh variabel disiplin kerja dengan
produktivitas kerja dengan metode dua sisi (sig.(2-tailed)) dari
output nilai Sig sebesar 0,000, kemudian dibandingkan dengan
probabilitas 0,05 ternyata nilai probabilitas 0,05 lebih vesar dari
nilai probabilitas Sig atau (0,05 > 0,000), maka H0 ditolak dan
Ha diterima, artinya signifikan. Terbukti bahwa disiplin kerja
mempunyai hubungan secara signifikan terhadap produktivitas
kerja.
b. Uji signifikansi secara keseluruhan
Berdasarkan tabel Model Summary bahwa besarnya hubungan antara
kepuasan kerja dan disiplin kerja secara simultan terhadap
produktivitas kerja yang dihitung dengan koefisien korelasi adalah
0,625 atau (Rx1,x2
 = 0,625. Hal ini menunjukkan pengaruh yang kuat. Sedangkan
kontribusi secara simultan variabel X1 dan X2 terhadap Y = R2 x 100%
atau 0,6252 x 100% = 39,1% sedangkan sisanya 60,9% ditentukan oleh
variabel lain. Kemudian untuk mengetahui tingkat signifikansi
koefisien korelasi ganda diuji secara keseluruhan. Hipotesis statistik
dirumuskan sebagai berikut.
Ha : ryx1x2 ≠ 0
H0 : ryx1x2 = 0
Hipotesis bentuk kalimat
Ha : kepuasan kerja dan disiplin kerja mempunyai hubungan secara
signifikan dengan produktivitas kerja.
H0 : kepuasan kerja dan disiplin kerja tidak mempunyai hubungan
secara signifikan dengan produktivitas kerja.
Uji signifikansi analisis jalur dengan bandingkan antara nilai
probabilitas 0,05 dengan nilai probabilitas Sig dengan dasar
pengambilan keputusan sebagai berikut.
- Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas Sig F. Change atau (0,05 ≤ Sig F. Change), maka H0 diterima
dan Ha ditolak, artinya tidak signifikan.
- Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig F. Change atau (0,05 ≥ Sig F. Change), maka H0 ditolak
dan Ha diterima, artinya signifikan.
Dari tabel model summary diperoleh nilai R sebesar 0,625 dengan
nilai probabilitas (Sig F. Change) = 0,000. Karena nilai Sig. F. Change <
0,05, maka keputusannnya adalah H0 ditolak dan Ha diterima. Artinya
kepuasan kerja dan disiplin kerja berhubungan secara simultan dan
signifikan terhadap produktivitas kerja.

Sedangkan untuk melihat bentuk kurva dari korelasi sederhana dapat

dilakukan dengan mengikuti langkah-langkah berikut:
a. Dari menu SPSS, pilih menu Graphs – Legacy Dialogs – Scatter/Dot,
seperti tampilan di bawah ini
b. Selanjutnya mucul tampilan seperti di bawah ini. Pilih Simple Scatter -
Define

c. Muncul tampilan sebagai berikut, pindahkan variabel X1 (kepuasan kerja)

ke Y Axis, dan Y (produktivitas kerja) ke X axis

d. Tekan ok.
80

70

60
Kepuasan

50

40

30
R Sq Linear = 0.302

20

30 40 50 60 70 80 90
Produktivitas kerja
 Berdasarkan kurva di atas, dapat diketahui bahwa arah korelasi linear,
atau berarah positif, artinya semakin tinggi kepuasan kerja maka semakin
tinggi pula tingkat produktivitas kerja.

e. Selanjutnya kembali ke menu sebelumnya, dan memasukkan variabel X2

(disiplin kerja) ke Y axis dan variabel Y (produktivitas kerja) ke X axis

f. Tekan OK, terlihat tampilan seperti berikut

120

100
Disiplin

80

60

R Sq Linear = 0.329

40

30 40 50 60 70 80 90

Produktivitas kerja

Berdasarkan kurva di atas, dapat diketahui bahwa arah korelasi linear,

atau berarah positif, artinya semakin tinggi disiplin kerja maka semakin
tinggi pula tingkat produktivitas kerja.

D. Latihan Soal
1. Regresi sederhana
Sebuah penelitian terhadap batang pohon mahoni yang diambil delapan sampel
acak dan akan diteliti apakah ada pengaruh diameter batang pohon dengan tinggi
batang pohon. Peneliti mengumpulkan data dan dimasukkan kedalam tabel sebagai
berikut:
No. Diameter batang Tinggi batang
pohon pohon
1 35 8
 2 49 9
3 27 7
4 33 6
5 60 13
6 21 7
7 45 11
8 51 12
Pertanyaan:
a. Tentukan persamaan regresi linier gandanya!
b. Apakah ada hubungan antara variabel bebas dengan variabel terikat?
d. Apakah ada pengaruh antara variabel bebas dengan variabel terikat?
2. Regresi ganda
Penelitian ini dilakukan untuk mengetahui pengaruh kemampuan kerja pegawai
(X1) dan kepemimpinan direktif (X2) terhadap produktivitas pegawai (Y).
Berdasarkan 10 responden yang digunakan sebagai sumber data penelitian,
hasilnya dalah sebagai berikut:
No. X1 X2 Y
1. 10 7 23
2. 2 3 7
3. 4 2 15
4. 6 4 17
5. 8 6 23
6. 7 5 22
7. 4 3 10
8. 6 3 14
9. 7 4 20
10. 6 3 19
Pertanyaan:
a. Tentukan persamaan regresi linier gandanya!
b. Apakah ada hubungan antara variabel bebas dengan variabel terikat?
d. Apakah ada pengaruh antara variabel bebas dengan variabel terikat?
3. Korelasi sederhana
Mahasiswa psikologi melakukan penelitian tentang hubungan kontrol diri dengan
perilaku seksual pada remaja. Penelitian ini dengan menggunakan kuosioner
dengan jumlah sampel sebanyak 20 orang. Analisis korelasi ini dimaksudkan
untuk mengetahui keeratan hubungan, arah hubungan, dan apakah hubungan itu
berarti atau tidak. Berikut data skor total dari jawaban responden:
 Subjek Kontrol Perilaku subjek Kontrol Perilaku
diri seksual diri seksual
1 60 60 11 67 65
2 68 53 12 72 57
3 70 55 13 68 61
4 66 67 14 67 65
5 63 68 15 73 56
6 71 58 16 64 56
7 66 63 17 75 57
8 63 65 18 68 60
9 57 65 19 70 59
10 76 57 20 72 57
(Priyatno, 2013)

4. Korelasi ganda
Manajer produksi PT X ingin mengetahui apakah ada hubungan antara gaya
kepemimpinan dan budaya kerja dengan tingkat produktivitas tenaga kerja. Untuk
keperluan penelitian tersebut dilakukan penyebaran kuesioner dengan mengambil
sampel 20 orang tenaga kerja untuk mengisi kuesioner, jumlah pertanyaan yang
diajukan dalam kuesioner ada 10 pertanyaan untuk variabel X1 dan X2, sedangkan
untuk variabel produktivitas kerja (Y) diambil dari hasil produktivitas tenaga kerja
yang bersangkutan. Taraf signifikan α = 5%.
Berikut skor yang didapat:
Responden Gaya Budaya Produktivitas
kepemimpinan kerja tenaga kerja
1 30 38 80
2 32 36 70
3 36 40 72
4 38 36 75
5 37 38 72
6 46 40 80
7 31 30 65
8 30 48 90
9 50 42 85
10 46 45 85
11 42 46 85
12 42 48 80
13 42 40 75
14 46 41 85
15 46 40 75
16 46 30 65
17 42 42 81
18 44 40 80
19 32 35 70
 20 40 38 77
(Siregar, Syofian. 2013)
 BAB III
PENUTUP

A. Kesimpulan
1. SPSS adalah SPSS (Statistical Packag for the Social Sciences) adalah sebuah
program pada komputer yang digunakan untuk membuat analisis statistika.
2. Terdapat dua jenis analisis regresi, yaitu regresi tunggal dan regresi ganda
Berikut cara untuk menganalisis korelasi menggunakan SPSS:
a. Regresi Sederhana

Membuka program SPSS  klik variabel view, kemudian melengkapi data 

klik data view, kemudian diisi dengan data yang sudah ada (pada soal) 
pengolahan data (Analyze-regression-Linear)  Masukkan variabel dependent
dan independent  Pada method pilih metode enter  Klik statistics klik
pilihan Estimates dan Model Fit klik continueKlik OK untuk memproses
data
b. Regresi Berganda

Membuka program SPSS  klik variabel view, kemudian melengkapi data 

klik data view, kemudian diisi dengan data yang sudah ada (pada soal) 
pengolahan data (Analyze-regression-Linear)  Masukkan variabel dependent
dan independent  Pada method pilih metode stepwise  Klik statistics klik
pilihan Estimates, Model Fit dan descriptive klik continueKlik OK untuk
memproses data

3. Terdapat dua jenis korelasi, yaitu korelasi sederhana dan korelasi

ganda. Berikut cara untuk menganalisis korelasi menggunakan SPSS:
a. Korelasi sederhana
Membuka program SPSS  klik variabel view, kemudian melengkapi data 
klik data view, kemudian diisi dengan data yang sudah ada (pada soal) 
pengolahan data (Analyze – Correlate – Bivariate) – dari bivariate correlation
masukkan pada variabel- dari correlation coefficient contreng pearson – test of
significance pilih two tailed  pengisian statistics (klik options – pada
statistics pilih mean and standard deviations – pada missing values pilih
excude casas pairwise)  tekan continue  klik ok untuk memproses data.
b. Korelasi ganda
Membuka program SPSS  klik variabel view, kemudian melengkapi data 
klik data view, kemudian diisi dengan data yang sudah ada (pada soal) 
pengolahan data (Analyze – Correlate – Bivariate) – dari bivariate correlation
masukkan pada variabel - dari correlation coefficient contreng pearson – test
of significance pilih two tailed  pengisian statistics (klik options – pada
statistics pilih mean and standard deviations – pada missing values pilih
excude casas pairwise)  tekan continue  klik ok untuk memproses data 
kembali ke menu utama  klik menu Analyze, pilih regression dan pilih
linier, masukkan variabel  klik statistics, conteng estimates, model fit R
squade change  klik continue  klik ok untuk memproses data.
 DAFTAR PUSTAKA

Arif, Karseno. 1995. Statistik I. Jakarta: Karunika.

Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara.

Priyatno, Duwi. 2010. Teknik Mudah dan Cepat Melakukan Analisis Data
Penelitian dengan SPSS dan Tanya Jawab ujian Pandadaran. Yogyakarta:
Gava Media.

. 2013. Analisis Korelasi, Regresi dan Multivariate dengan SPSS.

Yogyakarta: Gava Media

Riduwan, Sunarto. 2013. Pengantar Statistik untuk Penelitian Pendidikan, Sosial,

Ekonomi, Komunikasi, dan Bisnis Lengkap dengan Aplikasi SPSS.
Bandung: Alfabeta.

Siregar, Syofian. 2013. Metode Penelitian Kuantitatif Dilengkapi dengan

Perbandingan Perhitungan Manual & SPSS. Jakarta: Kencana

Sugiyono. 2013. Metode Penelitian Pendidikan Pendekatan Kuantitatif,

Kualitatif, dan R&D. Bandung: Alfabeta.

Widiyanto, Joko. 2014. SPSS For Windows Untuk Analisis data Statistik dan
Penelitian. Surakarta: Laboratorium Komputer FKIP UMS.