Nama : Aliviosapta Teguh Irgiantoro

NIM : 200210104126

Kelas : B

Soal!

Buatlah satu persoalan/kasus dalam dunia pendidikan yang dilengkapi data (data simulasi)
dan lakukan Analisis Regresi Linier Ganda (gunakan taraf signifikansi 5% dengan data
responden berjumlah minimal 30).

Analisis Regresi Linier Ganda

a. Tujuan Praktikum
1. Menguji hubungan atau korelasi atau pengaruh suatu variabel bebas terhadap satu
variabel terikat dengan menggunakan analisis regresi linier ganda.
2. Melakukan prediksi atau estimasi variabel terikat berdasarkan variabel bebasnya.
Data yang dianalisis harus berupa data yang berskala interval/rasio.
b. Masalah Penelitian Pendidikan
1. Apakah ada pengaruh antara nilai pretest dan postest terhadap hasil belajar?
c. Kasus
Berikut disajikan data nilai pretest dan postest terhadap hasil belajar mahasiswa.

pengaruh antara nilai pretest dan postest terhadap

hasil belajar

Nilai pretest Nilai Postest Hasil Belajar

8 8 89
5 8 75
5 6 65
9 9 97
7 8 86
8 9 92
9 10 98
5 6 65
8 9 94
6 7 75
7 8 86
9 10 97
 7 5 60
5 6 66
10 10 100
6 6 68
7 9 87
5 6 66
9 10 97
8 10 96
8 7 80
6 6 66
5 5 60
10 10 100
6 5 58
5 6 60
8 9 90
9 10 97
4 5 55
8 9 90
7 7 80
6 7 77
7 9 87
9 9 89
6 5 55
8 7 85
6 6 70
8 7 75
8 8 80
6 8 76
4 9 76
9 7 86
8 5 70
6 6 67
7 9 90
4 9 64
7 5 45
6 7 73
7 9 80
5 8 83
9 7 94
8 9 95
9 9 97
5 6 58
8 4 60
6 7 78
7 5 67
9 8 90
9 6 76
6 9 87
8 8 83
7 6 76
5 7 65
4 6 65
5 9 73
8 9 88
9 7 84
7 7 75
9 6 76
8 8 79
9 6 79
7 8 80
8 7 83
8 9 88
6 8 81
5 9 67
5 6 56
7 9 78
6 8 56
8 6 77
9 5 63
9 8 90
7 7 67
6 6 56
8 8 80
8 7 79
7 8 77
6 9 70
5 9 65
4 8 50
9 7 86
7 6 77
6 5 64
6 8 79
8 7 85
9 6 85
 7 9 89
9 9 98
8 8 87
8 9 94

d. Prosedur Analitis
1. Menjalankan program SPSS 25, pilih Variabel View di bagian pojok kiri bawah
2. Mengisi pada kolom Name dengan “Nilai_Pretest” pada baris pertama dengan decimals
bernilai 2, “Nilai_Postest” di baris ke dua dengan decimals bernilai 2, dan
“Hasil_Belajar” di baris ke tiga dengan decimals bernilai 2.

3. Memilih Data View dan memasukkan nilai pretest, nilai postest dan hasil belajar,
sebagai berikut :
4. Melakukan analisis dengan menggunakan menu Analyze Regression Linear.
5. Memasukkan variabel Hasil Belajar ke dalam kotak Dependent dan variabel Nilai
Pretest dan Postest ke dalam kotak Independent (s) sehingga akan terlihat seperti
berikut.

6. Meng-Klik OK sehingga akan muncul hasil analisis sebagai berikut.

 Variables Enter
ed/Removeda
Variables Variables
Model Entered Removed Method
1 Nilai_postes, . Enter
Nilai_pretes b

a. Dependent Variable: Hasil_belajar

b. All requested variables entered.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .895 a
.801 .797 5.82746
a. Predictors: (Constant), Nilai_postes, Nilai_pretes

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 13266.701 2 6633.351 195.333 .000b

Residual 3294.049 97 33.959

Total 16560.750 99

a. Dependent Variable: Hasil_belajar

b. Predictors: (Constant), Nilai_postes, Nilai_pretes

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 9.019 3.528 2.557 .012
Nilai_pretes 4.584 .394 .548 11.619 .000
Nilai_postes 4.863 .401 .572 12.127 .000
a. Dependent Variable: Hasil_belajar
e. Hasil Analisis
1. Tabel Variabel Entered / Removeda menampilkan variabel yang dimasukkan dalam
model, dikeluarkan, metode analisisnya. Dalam hal ini variabel yang dimasukkan ke
dalam model adalah Nilai Pretest dan Nilai Postest, variabel yang dikeluarkan tidak
ada dan metode analisis yang digunakan adalah metode enter (dimasukkan secara
simultan/bersama). Di bagian bawah juga ditampilkan nama variabel terikatnya yaitu
Hasil Belajar (Dependent Variable: Hasil Belajar).
2. Tabel Model Summary menunjukan beberapa hal sebagai berikut.
a. R = 0,895 artinya koefisien korelasinya sebesar 0,895. Angka ini menunjukkan
derajad korelasi antara variabel Nilai Pretest dan Nilai Postest dengan Hasil Belajar.
b. R Square = 0,801 menunjukkan angka koefisien determinasinya (R2 ). Artinya
variansi dalam prestasi dapat dijelaskan oleh nilai pretest dan nilai postest melalui
model sebesar 80,1 %, sisanya (19,9%) berasal dari variabel lain. Atau dengan bahasa
sederhana besarnya kontribusi/sumbangan nilai pretest dan nilai postest terhadap hasil
belajar adalah sebesar 80,1 %, sisanya 19,9 % berasal dari variabel lain.
c. Adjusted R square = 0,797. Ukuran ini maknanya sama dengan R square,hanya saja
Adjusted R square ini nilainya lebih stabil karena sudah disesuaikan dengan jumlah
variabel bebasnya.
d. Standard Error of The Estimate = 5.82746 yang menunjukkan ukuran tingkat
kesalahan dalam melakukan prediksi terhadap variabel terikat
3. Tabel ANOVAa digunakan untuk menentukan taraf signifikansi atau linieritas dari
regresi.
Hipotesis Penelitian (uji kelinieran) :
H0 : Tidak terjadi hubungan linier antara variabel predictor (nilai pretest dan postest)
dengan variabel dependen (hasil belajar).
H1 : Terjadi hubungan linier antara variabel predictor (nilai pretest dan postest)
dengan variabel dependen (hasil belajar).
 Jika F hitung > F tabel, maka H0 ditolak.
Jika F hitung < F tabel, maka H0 diterima.

Ketentuan Atau
Jika Sig < a, maka H0 ditolak.
Jika Sig > a, maka H0 diterima.

Berdasarkan tabel ketiga, diperoleh nilai Sig (0,00) < α (0,05), dengan demikian Ho
ditolak. Dengan demikian ada hubungan linier antara variabel predictor (nilai pretest
dan nilai postest) dengan variabel dependen (hasil belajar).
4. Tabel Coefficientsa menginformasikan uji Coefficient dan uji konstanta.
Hipotesis Penelitian (Uji koefisien nilai Pretest) :
H0 : Koefisien Nilai Pretest tidak signifikan
H1 : Koefisien Nilai Postest signifikan

Jika F hitung > F tabel, maka H0 ditolak.

Jika F hitung < F tabel, maka H0 diterima.

Ketentuan Atau
Jika Sig < a, maka H0 ditolak.
Jika Sig > a, maka H0 diterima.

Berdasarkan tabel keempat (baris Nilai Pretest), diperoleh nilai t hitung = 11,619 dan
Sig = 0,00. Nilai sig (0,00) > α (0,05), dengan demikian Ho diterima. Dengan
demikian koefisien nilai pretest tidak signifikan.

Hipotesis Penelitian (uji koefisien nilai postest) :

Ho : koefisien nilai postest tidak signifikan.
H1 : koefisien nilai postest signifikan.

Jika F hitung > F tabel, maka H0 ditolak.

Jika F hitung < F tabel, maka H0 diterima.

Ketentuan Atau
Jika Sig < a, maka H0 ditolak.
Jika Sig > a, maka H0 diterima.
Berdasarkan tabel keempat (baris Nilai Postest), diperoleh nilai t hitung = 12,127 dan
Sig = 0,000. Nilai sig (0,000) < α (0,05), dengan demikian Ho ditolak. Dengan
demikian koefisien nilai postest signifikan.

Hipotesis Penelitian (uji konstanta) :

H0 : Konstanta tidak signifikan
H1 : Konstanta signifikan

Jika F hitung > F tabel, maka H0 ditolak.

Jika F hitung < F tabel, maka H0 diterima.

Ketentuan Atau
Jika Sig < a, maka H0 ditolak.
Jika Sig > a, maka H0 diterima.

Berdasarkan tabel Keempat (baris Constant), diperoleh nilai t = 2,557 dan Sig = 0,012.
Nilai sig (0,00) < a (0,05), dengan demikian H0 ditolak. Dengan demikian konstanta
signifikan.

Model persamaan regresi diperoleh dari koefisien konstanta dan koefisien variabel
yang ada pada kolom Unstandarized Coefficients B. Berdasarkan tabel ini diperoleh
model persamaan regresi :
Hasil Belajar (Y) = 9,019 + 4,584 x Nilai Pretest (X1) + 4,863 x Nilai Postest (X2)
atau
Y = 9,019 + 4,584 (X1) + 4,863 (X2)