A.

CARA MENGHITUNG NILAI “MEAN” DAN “STANDAR DEVIATION”

1. Langkah pertama adalah persiapkan data jawaban Responden tentang Perencanaan Anggaran
(X1) Seperti dibawah ini :
No. Jawaban
Responden X1
1 35
2 36
3 37
4 31
5 39
6 34
7 36
8 44
9 33
10 39
11 38
12 39
13 35
14 37
15 37
16 39
17 37
18 38
19 40
20 40
21 37
22 37
23 40
24 33
25 40
26 41
27 40
28 35
29 37
30 38
31 39
32 35
33 41
34 41
35 39
36 40
37 41
38 36
39 38
40 43
 41 38
42 39
43 46
44 40
45 46
46 35
47 37
48 42
49 39
50 43
51 39
52 37
53 43
54 39
55 44
56 39

2. Buka program SPSS, selanjutnya klik Variable View, dibagian pojok kiri bawah. Kemudian pada
bagian Name tuliskan X1, pada bagian Decimals ubah menjadi angka 0, pada bagian Label
ketikkan Perencanaan Anggaran dan pada bagian Measure pilih Scale, abaikan pilihan lainnnya
dan biarkan tetap default.

3. Klik Data View (dibagian pojok kiri bawah) dan masukkan Data Nilai Jawaban Responden (X1) ke-
56 responden di atas. Bisa dilakukan dengan cara copy data nilai dari file excel tersebut lalu
pastekan ke SPSS.

4. Selanjutnya dari menu utama SPSS, pilih Analyze, kemudian pilih sub menu Descriptive Statistic,
lalu pilih Descriptives...

5. Setelah kotak dialog Descriptives muncul, Kemudian isikan kotak variable(s) dengan variabel Nilai
Jawaban Responden (X1)

6. Langkah selanjutnya, untuk melakukan analisis statistik deskriptif apa saja yang ingin dipilih, maka
klik Options... maka muncul kotak dialog "Descriptives: Options" selanjutnya anda tinggal
memberikan tanda ceklist (V) untuk statisitik deskriptif yang ingin dipakai atau ditampilkan di
output SPSS. Misal saya berikan tanda centang pada Mean, Std. Deviation, Variance, Maximum,
Minimum, Sum, Range, Kurtosis dan Skewness.

7. Setelah itu, pilih Continue dan OK untuk mengakhiri perintah. Selanjutnya akan muncul tampilan
Output SPSS Statistik Deskriptif untuk Nilai Jawaban Responden Variabel X1 (Perencanaan
Anggaran) seperti di bawah ini.

De s c riptive S tatis tic s

Std.
N Minimum Maximum Mean Deviation
X1 56 31 46 38,59 3,097
Valid N (listwise) 56

Keterangan :
 Tampilan tabel Output SPSS di atas menunjukkan jumlah responden (N) ada 56, dari 56 responden
ini nilai jawaban responden terkecil terkecil (Minimum) adalah 31, dan nilai terbesar (Maximum)
 adalah 46. Rata-rata nilai dari 56 responden atau Mean sebesar 38,59 dengan Standar Deviasi
sebesar 3,097.
 Listwise, adalah tidak ada data yang terhapus, atau semua data terpakai.

B. CARA MENGHITUNG NILAI RATA-RATA UNTUK TABEL 5.5.

1. Nilai rata-rata dari bobot X1.1, dihitung berdasarkan jumlah skor (212) dibagi jumlah responden
(56); 212/56 = 3,79.

2. Nilai rata-rata keseluruhan dari X1.1 - X1.10, dihitung dengan cara menggunakan rumus excel
=average(3,79; 4,21; 3,98; 3,64; 3,89; 3,95; 3,95; 3,88; 3,71; 3,59) dan diperoleh hasil = 3,86
(3,859)

3. T = Tinggi
S = Sedang
(berdasarkan Tabel 5.4)
Tabel 5.4: Ikhtisar Rentang Skala
Rentan Kategori
1≤ X <1.80 SR
1,80≤ X <2,60 R
2,60≤ X <3,40 S
3,40≤ X <4,20 T
4,20≤ X <5 ST

C. CARA MENGHITUNG UJI VALIDITAS (TABEL: 5.9)

1. Langkah pertama adalah persiapkan data jawaban Responden tentang Perencanaan Anggaran
(X1.1 - X1.10) yang sudah diranking seperti dibawah ini :

RESP. X1.1 X1.2 X1.3 X1.4 X1.5 X1.6 X1.7 X1.8 X1.9 X1.10 TOTAL
1 2 3 2 2 2 3 2 2 2 2 22
2 2 3 3 2 2 3 2 3 2 2 24
3 3 3 3 2 2 3 3 3 2 2 26
4 3 3 3 2 2 3 3 3 2 2 26
5 3 3 3 2 3 3 3 3 3 2 28
6 3 3 3 2 3 3 3 3 3 2 28
7 3 4 3 2 3 3 3 3 3 2 29
8 3 4 3 2 3 3 3 3 3 2 29
9 3 4 3 2 3 3 3 3 3 2 29
10 3 4 4 2 3 4 3 3 3 2 31
11 3 4 4 3 3 4 3 3 3 3 33
12 3 4 4 3 3 4 3 3 3 3 33
13 3 4 4 3 3 4 3 3 3 3 33
14 3 4 4 3 4 4 3 4 3 3 35
15 3 4 4 3 4 4 4 4 3 3 36
16 3 4 4 3 4 4 4 4 3 3 36
17 3 4 4 3 4 4 4 4 3 3 36
18 3 4 4 3 4 4 4 4 3 3 36
19 3 4 4 3 4 4 4 4 3 3 36
20 3 4 4 4 4 4 4 4 3 3 37
21 3 4 4 4 4 4 4 4 3 4 38
22 4 4 4 4 4 4 4 4 4 4 40
23 4 4 4 4 4 4 4 4 4 4 40
24 4 4 4 4 4 4 4 4 4 4 40
25 4 4 4 4 4 4 4 4 4 4 40
26 4 4 4 4 4 4 4 4 4 4 40
27 4 4 4 4 4 4 4 4 4 4 40
28 4 4 4 4 4 4 4 4 4 4 40
 29 4 4 4 4 4 4 4 4 4 4 40
30 4 4 4 4 4 4 4 4 4 4 40
31 4 4 4 4 4 4 4 4 4 4 40
32 4 4 4 4 4 4 4 4 4 4 40
33 4 4 4 4 4 4 4 4 4 4 40
34 4 4 4 4 4 4 4 4 4 4 40
35 4 4 4 4 4 4 4 4 4 4 40
36 4 4 4 4 4 4 4 4 4 4 40
37 4 4 4 4 4 4 4 4 4 4 40
38 4 4 4 4 4 4 4 4 4 4 40
39 4 5 4 4 4 4 4 4 4 4 41
40 4 5 4 4 4 4 4 4 4 4 41
41 4 5 4 4 4 4 4 4 4 4 41
42 4 5 4 4 4 4 4 4 4 4 41
43 4 5 4 4 4 4 4 4 4 4 41
44 4 5 4 4 4 4 5 4 4 4 42
45 4 5 4 4 4 4 5 4 4 4 42
46 5 5 4 4 5 4 5 4 4 4 44
47 5 5 4 4 5 4 5 4 4 4 44
48 5 5 5 5 5 4 5 4 5 4 47
49 5 5 5 5 5 4 5 4 5 4 47
50 5 5 5 5 5 4 5 5 5 5 49
51 5 5 5 5 5 5 5 5 5 5 50
52 5 5 5 5 5 5 5 5 5 5 50
53 5 5 5 5 5 5 5 5 5 5 50
54 5 5 5 5 5 5 5 5 5 5 50
55 5 5 5 5 5 5 5 5 5 5 50
56 5 5 5 5 5 5 5 5 5 5 50

2. Buka program SPSS. Kemudian klik Variable View, di bagian pojok kiri bawah program. Pada bagian
Name tuliskan X1.1 ke bawah sampai x1.10 (sampai 10 karena item soal dalam contoh ini
berjumlah 10 buah) terakhir tulis Skor_total. Pada Decimals ubah semua menjadi angka 0, untuk
bagian Measure pilih Scale, abaikan saja untuk pilihan yang lainnnya.

3. Klik Data View (di bagian pojok kiri bawah) dan masukkan data skor angketnya, bisa dilakukan
dengan cara copy paste dari tabulasi data angket yang sudah dipersiapkan tadi.

4. Selanjutnya, pilih menu Analyze, kemudian pilih sub menu Correlate, lalu pilih Bivariate

5 Kemudian muncul kotak baru, dari kotak dialog "Bivariate Correlations", masukkan semua variabel
ke kotak Variables:. Pada bagian "Correlation Coefficients" centang (v) Pearson, pada bagian "Test
of Significance" pilih Two-tailed. Centang Flag significant Corerrelations lalu klik Ok untuk
mengakhiri perintah.

6. Selanjutnya akan muncul Output hasilnya seperti di bawah ini :

 Co rre lations
X1.1 X1.2 X1.3 X1.4 X1.5 X1.6 X1.7 X1.8 X1.9 X1.10 TOTAL
Pearson 1 ,783
**
,799
**
,888
**
,868
**
,713
**
,890
**
,804
**
,949
**
,879
**
,931
**

Correlation

X1.1
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,783
** 1 ,765
**
,766
**
,810
**
,709
**
,816
**
,712
**
,792
**
,750
**
,847
**

Correlation

X1.2
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,799
**
,765
** 1 ,877
**
,877
**
,904
**
,836
**
,876
**
,846
**
,842
**
,922
**

Correlation

X1.3
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,888
**
,766
**
,877
** 1 ,893
**
,835
**
,879
**
,879
**
,923
**
,972
**
,966
**

Correlation

X1.4
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,868
**
,810
**
,877
**
,893
** 1 ,815
**
,930
**
,903
**
,888
**
,867
**
,953
**

Correlation

X1.5
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,713
**
,709
**
,904
**
,835
**
,815
** 1 ,763
**
,862
**
,770
**
,857
**
,876
**

Correlation

X1.6
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,890
**
,816
**
,836
**
,879
**
,930
**
,763
** 1 ,876
**
,860
**
,855
**
,939
**

Correlation

X1.7
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,804
**
,712
**
,876
**
,879
**
,903
**
,862
**
,876
** 1 ,834
**
,898
**
,928
**

Correlation

X1.8
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,949
**
,792
**
,846
**
,923
**
,888
**
,770
**
,860
**
,834
** 1 ,911
**
,951
**

Correlation

X1.9
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,879
**
,750
**
,842
**
,972
**
,867
**
,857
**
,855
**
,898
**
,911
** 1 ,956
**

Correlation

X1.10
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56
Pearson ,931
**
,847
**
,922
**
,966
**
,953
**
,876
**
,939
**
,928
**
,951
**
,956
** 1
Correlation

TOTAL
Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tailed)
N 56 56 56 56 56 56 56 56 56 56 56

D. CARA MENGHITUNG Alpha Cronbach (TABEL: 5.10)

1. Langkah pertama adalah persiapkan data jawaban Responden tentang Perencanaan Anggaran
(X1.1 - X1.10) tanpa kolom total yang sudah diranking seperti dibawah ini
 X1.1 X1.2 X1.3 X1.4 X1.5 X1.6 X1.7 X1.8 X1.9 X1.10
2 3 2 2 2 3 2 2 2 2
2 3 3 2 2 3 2 3 2 2
3 3 3 2 2 3 3 3 2 2
3 3 3 2 2 3 3 3 2 2
3 3 3 2 3 3 3 3 3 2
3 3 3 2 3 3 3 3 3 2
3 4 3 2 3 3 3 3 3 2
3 4 3 2 3 3 3 3 3 2
3 4 3 2 3 3 3 3 3 2
3 4 4 2 3 4 3 3 3 2
3 4 4 3 3 4 3 3 3 3
3 4 4 3 3 4 3 3 3 3
3 4 4 3 3 4 3 3 3 3
3 4 4 3 4 4 3 4 3 3
3 4 4 3 4 4 4 4 3 3
3 4 4 3 4 4 4 4 3 3
3 4 4 3 4 4 4 4 3 3
3 4 4 3 4 4 4 4 3 3
3 4 4 3 4 4 4 4 3 3
3 4 4 4 4 4 4 4 3 3
3 4 4 4 4 4 4 4 3 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4
4 5 4 4 4 4 5 4 4 4
4 5 4 4 4 4 5 4 4 4
5 5 4 4 5 4 5 4 4 4
5 5 4 4 5 4 5 4 4 4
5 5 5 5 5 4 5 4 5 4
5 5 5 5 5 4 5 4 5 4
5 5 5 5 5 4 5 5 5 5
5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5

2. buka Program SPSS dan klik Variable View, dibagian pojok kiri bawah program SPSS. Kemudian
pada bagian Name tuliskan X1.1 ke bawah sampai X1.10 (karena ada 10 buah item soal angket).
Selanjutnya pada bagian Decimals ubah semua menjadi angka 0, lalu pada bagian Measure ganti
menjadi Scale. Abaikan pilihan yang lainnnya atau biarkan tetap default.

3. Selanjutnya klik Data View (dibagian pojok kiri bawah program), lalu masukkan data tabulasi
jawaban responden sesuai dengan kolom item yang tersedia. Cara memasukkan data jawaban
 angket tersebut bisa dilakukan dengan cara copy paste dari data angket yang sudah dipersiapkan di
excel atau bisa juga dengan cara diketik manual satu persatu.

4. Selanjutnya, dari menu SPSS pilih Analyze, lalu klik Scale, kemudian klik Reliability Analysis...

5. Muncul kotak dialog baru dengan nama "Reliability Analysis". Kemudian masukkan semua variabel
(X1.1 sampai dengan X1.10) ke kotak Items: kemudian pada bagian "Model" pilih Alpha

6. Langkah selanjunya adalah klik Statistics... Maka muncul kota dilaog "Reliability Analysis: Statistics"
Kemudian pada "Descriptives for", klik Scale if item deleted, lalu klik Continue. Abaikan pilihan yang
lainnya.

7. Terakhir adalah klik Ok untuk mengakhiri perintah, setelah itu akan muncul tampilan output SPSS
dan selanjutnya tinggal kita interpretasikan atau kita tafsirkan saja.

Interpretasi Output Uji Reliabilitas Alpha Cronbach’s dengan SPSS

 Tabel Output Petama"Case Precessing Summary"

Cas e Pro c e s s ing S ummary
N %
Cases Valid 56 100,0
Excluded
a 0 0,0
Total 56 100,0
a. Listwise deletion based on all variables in the
procedure.
Keterangan :
Tabel output di atas, memberikan informasi tentang jumlah sampel atau responden (N) yang di
analisis dalam program SPSS yakni N sebanyak 56 orang responden. Karena tidak ada data yang
kosong (dalam pengertian jawaban responden terisi semua) maka jumlah valid adalah 100%.

 Tabel Output Kedua "Reliability Statistics"

Re liability S tatis tic s

Cronbach's Alpha N of Items

0,979 10

Keterangan :
Dari tabel output di atas diketahui ada N of Items (banyaknya item atau butir pertanyaan angket) ada
10 buah item dengan nilai Cronbach's Alpha sebesar 0,979. Karena nilai Cronbach's Alpha 0,979 >
0,60, maka sebagaimana dasar pengambilan keputusan dalam uji reliabilitas di atas, dapat
disimpulkan bahwa ke-10 atau semua item pertanyaan angket untuk variabel "Perencanaan
Anggaran" adalah reliabel atau konsisten.

 Tabel Output Ketiga "Item-Total Statistics"

 Ite m-To tal S tatis tic s
Cronbach's
Scale Mean if Item Scale Variance if Corrected Item-
Alpha if Item
Deleted Item Deleted Total Correlation
Deleted
X1.1 34,80 38,961 0,913 0,976
X1.2 34,38 41,766 0,818 0,979
X1.3 34,61 41,188 0,906 0,977
X1.4 34,95 36,706 0,955 0,976
X1.5 34,70 38,724 0,941 0,975
X1.6 34,64 42,670 0,857 0,979
X1.7 34,64 39,216 0,924 0,976
X1.8 34,71 40,935 0,914 0,977
X1.9 34,88 38,475 0,938 0,975
X1.10 35,00 37,200 0,943 0,976

Keterangan :
Tabel output di atas memberikan gambaran tentang nilai statistik untuk ke-10 item pertanyaan
angket. Perhatikan pada kolom "Cronbach's Alpha if Item Deleted" dalam tabel ini diketahui nilai
Cronbach's Alpha untuk untuk ke sepuluh item soal adalah > 0,60, maka dapat disimpulkan bahwa ke-
10 item pertanyaan angket reliabel.

E. CARA MENGHITUNG Hasil Uji One-Sample Kolmogorov-Smirnov Test (Sig) -

(TABEL: 5.11)

One -S ample Ko lmo g o ro v-S mirno v Te s t

Unstandardized
Perencanaan Anggaran Residual
N 56
Normal Mean 0,0000000
a,b
Parameters Std. Deviation 1,71041856
Most Extreme Absolute 0,153
Differences Positive 0,090
Negative -0,153
Test Statistic 0,153
Asymp. Sig. (2-tailed) ,002
c

Exact Sig. (2-tailed) 0,129

Point Probability 0,000
a. Test distribution is Normal.

Interpretasi Uji Normalitas Kolmogorov-Smirnov dengan SPSS

 Berdasarkan tabel output SPSS tersebut, diketahui bahwa nilai signifikansi Exact.Sig (2-tailed)
variabel Perencanaan Anggaran sebesar 0,129 lebih besar dari 0,05. Maka sesuai dengan dasar
pengambilan keputusan dalam uji normalitas kolmogorov-smirnov di atas, dapat disimpulkan
bahwa data berdistribusi normal. Dengan demikian, asumsi atau persyaratan normalitas dalam
model regresi sudah terpenuhi.
 One -S ample Ko lmo g o ro v-S mirno v Te s t
Unstandardized
Kompetensi SDM Residual
N 56
Normal Mean 0,0000000
a,b
Parameters Std. Deviation 1,70465045
Most Extreme Absolute 0,133
Differences Positive 0,080
Negative -0,133
Test Statistic 0,133
Asymp. Sig. (2-tailed) ,015
c

Exact Sig. (2-tailed) 0,253

Point Probability 0,000
a. Test distribution is Normal.

 Berdasarkan tabel output SPSS tersebut, diketahui bahwa nilai signifikansi Exact.Sig (2-tailed)
variabel Kompetensi SDM sebesar 0,253 lebih besar dari 0,05. Maka sesuai dengan dasar
pengambilan keputusan dalam uji normalitas kolmogorov-smirnov di atas, dapat disimpulkan
bahwa data berdistribusi normal. Dengan demikian, asumsi atau persyaratan normalitas dalam
model regresi sudah terpenuhi.

One -S ample Ko lmo g o ro v-S mirno v Te s t

Unstandardized
Penggunaan TI Residual
N 56
Normal Mean 0,0000000
a,b
Parameters Std. Deviation 1,71082647
Most Extreme Absolute 0,172
Differences Positive 0,103
Negative -0,172
Test Statistic 0,172
Asymp. Sig. (2-tailed) ,000
c

Exact Sig. (2-tailed) 0,064

Point Probability 0,000
a. Test distribution is Normal.

 Berdasarkan tabel output SPSS tersebut, diketahui bahwa nilai signifikansi Exact.Sig (2-tailed)
variabel Penggunaan TI sebesar 0,064 lebih besar dari 0,05. Maka sesuai dengan dasar
pengambilan keputusan dalam uji normalitas kolmogorov-smirnov di atas, dapat disimpulkan
bahwa data berdistribusi normal. Dengan demikian, asumsi atau persyaratan normalitas dalam
model regresi sudah terpenuhi.
F. UJI HIPOTESA TABEL: 5.13

Model Summary
Adjusted
Model R R Std. Error of
R Square Square the Estimate
1 ,943a 0,890 0,888 1,104
a. Predictors: (Constant), PERENCANAAN ANGGARAN (X1)

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
Regression 531,121 1 531,121 435,469 ,000
b

1 Residual 65,861 54 1,220

Total 596,982 55
a. Dependent Variable: PENYERAPAN ANGGARAN (Y)
b. Predictors: (Constant), PERENCANAAN ANGGARAN (X1)

Co e ffic ie nts a
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
(Constant) 5,844 0,836 6,989 0,000
1 PERENCANAAN
0,445 0,021 0,943 20,868 0,000
ANGGARAN (X1)
a. Dependent Variable: PENYERAPAN ANGGARAN (Y)

Penjelasan :
 Dalam uji koefisien determinasi hasilnya diinterpretasikan dalam bentuk persentase. Dari hasil
pengujian SPSS diatas, diketahui nilai ‘R Square’ sebesar 0,890. Apabila dipersentasekan menjadi
89%.
 Jadi, dapat disimpulkan bahwa variabel X1 dalam menjelaskan variabel Y sebesar 89%. Sisanya
sebesar 11% dijelaskan oleh variabel lain diluar model. Hasil ini menunjukkan hasil baik, karena
hasil persentase yang baik adalah apabila besar persentase penjelas mendekati angka 100%.

G. UJI HIPOTESA TABEL: 5.14

 Mo de l Summary
Std. Error
Model R R Square Adjusted R of the
Square Estimate
1 ,957
a 0,916 0,914 0,964
a. Predictors: (Constant), KOMPETENSI SDM (X2)

ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 546,759 1 546,759 587,882 ,000
b

Residual 50,223 54 0,930

Total 596,982 55
a. Dependent Variable: PENYERAPAN ANGGARAN (Y)
b. Predictors: (Constant), KOMPETENSI SDM (X2)

Coe fficie nts a

Standardize
Unstandardized d
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1,282 1,010 -1,269 0,210
KOMPETENSI 0,696 0,029 0,957 24,246 0,000
SDM (X2)
a. Dependent Variable: PENYERAPAN ANGGARAN (Y)

Penjelasan :
 Dalam uji koefisien determinasi hasilnya diinterpretasikan dalam bentuk persentase. Dari hasil
pengujian SPSS diatas, diketahui nilai ‘R Square’ sebesar 0,916. Apabila dipersentasekan menjadi
91%.
 Jadi, dapat disimpulkan bahwa variabel X2 dalam menjelaskan variabel Y sebesar 91%. Sisanya
sebesar 9% dijelaskan oleh variabel lain diluar model. Hasil ini menunjukkan hasil baik, karena hasil
persentase yang baik adalah apabila besar persentase penjelas mendekati angka 100%.

H. UJI HIPOTESA TABEL: 5.15

Model Summary
Adjusted Std. Error
R
Model R R of the
Square
Square Estimate
1 ,926a 0,858 0,856 1,251
a. Predictors: (Constant), PENGGUNAAN TI (X3)

ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 512,444 1 512,444 327,329 ,000
b

Residual 84,539 54 1,566

Total 596,982 55
a. Dependent Variable: PENYERAPAN ANGGARAN
b. Predictors: (Constant), PENGGUNAAN TI
 Co e ffic ie nts a

Model Unstandardized Standardized

Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 1,501 1,201 1,250 0,217
PENGGUNAAN TI 0,783 0,043 0,926 18,092 0,000
a. Dependent Variable: PENYERAPAN ANGGARAN

Penjelasan :
 Dalam uji koefisien determinasi hasilnya diinterpretasikan dalam bentuk persentase. Dari hasil
pengujian SPSS diatas, diketahui nilai ‘R Square’ sebesar 0,858. Apabila dipersentasekan menjadi
85%.
 Jadi, dapat disimpulkan bahwa variabel X3 dalam menjelaskan variabel Y sebesar 85%. Sisanya
sebesar 15% dijelaskan oleh variabel lain diluar model. Hasil ini menunjukkan hasil baik, karena
hasil persentase yang baik adalah apabila besar persentase penjelas mendekati angka 100%.