Nama : Shannon Amadea Widjaja

NIM : 362021102

Kelas : Statistik G

1. Uji hipotesis Analisa korelasi

Analisis :

A. Arah korelasi
Berdasarkan tabel test korelasi menunjukan angka korelasi adalah positif, yaitu sebesar
+0,886 yang berarti bahwa semakin tinggi pengalaman kerja karyawan, gajinya
cenderung semakin besar, dan demikian pula sebaliknya.
B. Kuat-tidaknya korelasi
Besarnya angka korelasi adalah 0,886, hal ini menunjukan bahwa pengalaman kerja
berkorelasi sangat kuat dengan gaji karyawan.
C. Signifikan hasil korelasi
Hipotesis :
- H0 : Tidak ada hubungan yang signifikan antara gaji karyawan dengan pengalaman
kerja karyawan
- H1 : Ada hubungan yang signifikan antara gaji karyawan dengan pengalaman kerja
karyawan
  Dasar.pengambilan keputusan berdasarkan r hitung.dan.r tabel:

Jika r Hitung > r Tabel, maka H0 ditolak, dan H1 diterima

Jika r Hitung < r Tabel, maka H0 diterima, dan H1 ditolak

Besarnya r tabel pada uji 2 sisi (df = N – 2= 53) dan taraf signifikansi 5% nya adalah
sebesar 0,266

Jadi, karena besarnya angka korelasi (r Hitung) ada;lah 0,886 yang mana lebih besar dari
pada r Tabel, yaitu sebesar 0,266 (0,886>0,266). Maka H1 diterima dan H0 ditolak, yang
berarti menyatakan bahwa ‘Ada hubungan yang signifikan antara gaji karyawan dengan
pengalaman kerja karyawan’diterima.

 Dasar pengambilan keputusan berdasarkan angka probabilitas

Jika probabilitas > 0,05 maka H0 diterima dan H1 ditolak
Jika probabilitas < 0,05 maka H0 ditolak dan H1 diterima

Jadi, karena angka probabilitas adalah 0,000 yang mana lebih kecil dari 0,05
maka dapat dinyatakan bahwa variable gaji dan pengalaman kerja secara
signifikan berkorelasi. Hal ini menyatakan bahwa hipotesis ‘Ada hubungan yang
signifikan antara gaji karyawan dengan pengalaman kerja karyawan’ diterima.

2. Analisa korelasi parsial

 3. Uji hipotesa Analisa regresi
 UJI NORMALITAS

Berdasarkan histogram diatas dapat disimpulkan memenuhi uji asumsi klasik data.
  UJI HETEROKEDASTISITAS

 UJI MULTIKULINIENITAS

Maka berdasarkan tabel diatas variable yang diteliti memenuhi uji asumsi klasik
sehingga data dapat diregresikan.
  UJI AUTOKORELASI

1.426 berada diantara -2 sampai +2, yang berarti tidak ada korelasi

Dengan demikian berdasarkan uji prasyarat atau uji asumsi klasik dapat
dinyatakan bahwa uji prasyarat telah terpenuhi. Sehingga model regresi dapat
digunakan untuk memprediksi variable dependent dengan baik.

4. Macam-macam analisis regresi

A. Kasus 1
 Analisis model summary:
- Berdasarkan tabel diatas, angka R sebesar 0,888, hal ini menunjukkan bahwa
korelasi/hubungan antara gaji dengan variable pengalaman kerja dan jumlah
tanggungan adalah sangat kuat. Dilihat dari arah korelasinya adalah positif, artinya
semakin tinggi pengalaman kerja dan semakin besar jumlah tanggungan, maka
semakin tinggi pula gaji yang diterima seorang karyawan.
- Angka R Square atau koefisien Determinasi adalah 0,788 (diperoleh dari
0,888x0,888). Namun karena jumlah variable independent lebih dari satu, maka
digunakan Adjusted R Square, yang besarnya adalah 0,780 (angkanya akan selalu
lebih kecil dari R Square). Hal ini berarti 78,0 % variasi dari Gaji bisa dijelaskan oleh
variasi dari variable pengalaman kerja dan variable jumlah tanggungan (pengaruh
variable independent terhadap variable dependen sebesar 78,0%), sedangkan sisanya
(100% - 78,0% = 22%) dipengaruhi oleh variable lain selain variable pengalaman
kerja dan jumlah tanggungan.
- SEE adalah sebesar 102,85105. Hal ini berarti bahwa tingkat kesalahan dari model
regresi sebesar 102,85105. SEE yang baik seharusnya nilainya kecil (makin kecil
SEE akan membuat model regresi semakin tepat untuk memprediksi variable
dependen)
 ANALISIS ANOVA:
A. UJi F test berdasarkan F-hitung dan F-tabel
- Diketahui besarnya F hitung adalah 96,545 dengan df1 (derajat kebebasan pembilang)
= 2; dan df2 (derajat kebebasan penyebut/pembagi)= 52; maka besarnya F table
dengan taraf signifikansi 5% adalah sebesar 3.18
- Adapun dasar pengambilan keputusan untuk menerima atau menolak hipotesis
adalah:
Apabila F hitung > F table maka H1 diterima dan Ho ditolak
Apabila F hitung < F tabel maka Ho diterima dan H1 ditolak

Berdasarkan ketentuan tersebut maka dapat dinyatakan bahwa F hitung lebih besar dari F tabel
(96,545 > 3,18), dengan demikian hipotesis yang menyatakan ”ada pengaruh yang signifikan
antara pengalaman kerja dan jumlah tanggungan terhadap gaji dengan diterima, sedangkan Ho
ditolak

B. Uji F test berdasarkan probabilitas

Dasar Pengambilan keputusan:
- Jika probabilitas > 0,05, maka H0 diterima dan H1 ditolak
- Jika probabilitas < 0,05, maka H1 diterima dan H0 ditolak

Dari tabel nampak besarnya probabilitas adalah 0,000 jauh lebih kecil dari 0,05. Dengan
demikian maka Model Regresi dapat dipakai untuk memprediksi Gaji. Atau dapat dinyatakan
bahwa variabel pengalaman kerja dan jumlah tanggungan secara bersama-sama berpengaruh
terhadap Gaji. Jadi H1 diterima dan Ho ditolak

Analisis Koefisien Regresi:

A. Persamaan Regresi Linier yang diperoleh berdasarkan perhitungan diatas
adalah sebagai berikut:

Y = a +bX1 + cX2
YGaji = 47,369 + 103,385Pengalaman Kerja + 7,742Jumlah Tanggungan

- Konstanta sebesar 47,369, artinya bahwa jika tidak ada variabel pengalaman kerja
dan Jumlah tanggungan, maka besarnya gaji adalah Rp. 47,369 ribu/bulan.
- Koefisien regresi sebesar 103,385, artinya bahwa setiap penambahan (karena tanda +)
1 tahun Pengalaman kerja, maka akan meningkatkan gaji sebesar Rp 103,385
ribu/bulan
- Koefisien regresi sebesar 7,742, artinya bahwa setiap penambahan jumlah
tanggungan keluarga karyawan, maka akan meningkatkan gaji sebesar Rp. 7,742
ribu/bulan

B. Uji t (digunakan untuk menguji signifikansi konstanta dan setiap variabel

independen)

Dasar pengambilan keputusan

 - Jika probabilitas > 0,05, maka H0 diterima dan H1 ditolak
- Jika probabilitas < 0,05, maka H1 diterima dan H0 ditolak

Berdasarkan probabilitasnya menunjukkan bahwa variabel pengalaman kerja (X1) secara

signifikan mempengaruhi terhadap gaji (0,000 < 0,05); Sedangkan variabel Jumlah Tanggungan
tidak secara signifikan mempengaruhi gaji, dimana besarnya probabilitas lebih besar dari 0,05
(0,346 > 0,05)

C. Model regresi berganda ke 2

ANALISIS:

A. Model Summary

- Angka R sebesar 0.886 menunjukkan terjadi penurunan jika dibanding model pertama
(0.888), namun sangat keci dan angka korelasi tersebut sangat kuat (sama dengan model
pertama)

- Sumbangan efektif (R Square) justru mengalami kenaikan yaitu sebesar 78.4%

pengalaman kerja mempengaruhi terhadap Gaji

- Standard Error of Estimate (SEE) adalah 102.76 dan tidak jauh berbeda bahkan lebih
rendah dari model pertama (102.85). ini berarti cukup baik, karena tingkat kesalahan
hampir sama bahkan lebih rendah dari model pertama.

B. ANOVA
Dari UJI ANOVA diperoleh F hitung adalah 192.536 dengan tingkat signifikansi 0.000.
Hal ini menunjukkan pengaruh var. Independent terhadap var. Dependent signifikan.

C. KOEFISIEN REGRESI
- Persemaan regresi menjadi
Y = a +bX1
YGaji = 42.846 + 107.200Pengalaman Kerja
- Berdasarkan uji t untuk menguji signifikansi dari variabel independent, nampak
sig/significance sebesar 0.000 dan lebih rendah dari 0.05. Hal ini berarti bahwa
variabelpengalaman kerja berpengaruh secara signifikan terhadap variabel Gaji.
- Kesimpulan : Model regresi ini sudah memamdai untuk memprediksi Gaji